SESIÓN 8

ESTADÍSTICA DESCRIPTIVA Y PROBABILIDADES

1. Introducción a las probabilidades

2. Probabilidad condicional
 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Introducción a las Técnicas de conteo

Contestar 7 preguntas de un examen de 10 Señalar las maneras diferentes de vestir de una

persona, utilizando un número determinado de
prendas de vestir

Designar 5 personas de un total 50 para integrar una comisión

 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Introducción a las Técnicas de conteo

Para dichos casos es útil conocer determinadas técnicas o estrategias de conteo que facilitarán el
cálculo señalado estas son:

Reglas de la Reglas de la Diagrama de Análisis

adición multiplicación árbol combinatorio

A+B AxB Permutación,

Combinación
 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Introducción a las Técnicas de conteo
Regla de la adición Regla de la multiplicación

Un evento A se puede realizar de “m” Un evento “A” puede ocurrir , en forma

maneras diferentes independiente, de “m” maneras diferentes

Un evento B se puede realizar de “n” Un evento “B” puede ocurrir, en forma

maneras diferentes independiente, de “n” maneras diferentes

Además, no es posible que ambos eventos se El evento A y el evento B se realizarán

realicen juntos (A  B = ) de (m . n) maneras.

Entonces:

El evento A o el evento B se realizarán

de (m + n) maneras.
 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Introducción a las Técnicas de conteo:
Regla de la adición
Un Ingeniero de Sistemas desea
comprar un disco duro externo de
marca Toshiba. Dicho dispositivo es
vendido en 5 tiendas de computo en
Lince, 10 tiendas de computo en
San Isidro y 12 tiendas de computo
en Miraflores. ¿De cuántas maneras
el Ingeniero de Sistemas puede
comprar el disco externo?
N° total de maneras = 5 +10+12 = 27
Regla de la multiplicación
Para el desarrollo de un sistema de
información el Ministerio de la Producción ha
realizado una convocatoria de personal y para
ello requiere 2 analistas de sistemas. Luego de
una serie de etapas en el proceso de selección
han quedado 5 postulantes. ¿De cuántas
maneras diferentes estos postulantes pueden
ubicarse en el primer y segundo puesto de
orden de mérito? Teniendo en cuenta que los
dos primeros lugares serán aceptados para
dicho proyecto.
N° total de maneras = 5 x 4 = 20
 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Introducción a las Técnicas de conteo:
Análisis combinatorio
Permutaciones
Es un arreglo de todos o parte de un
conjunto de objetos considerando el orden
en su ubicación; cuando en el arreglo solo
entran parte de los elementos del conjunto
se llama variación . Es importante resaltar
que el orden es una característica
importante en la permutación.
Ejemplo: El código numérico de una cerradura
electrónica es 524. Interesa el orden, porque
con el valor de 254 o 542 no funcionaría.
Tiene que ser necesariamente 5-2-4.
Combinaciones
Es cada uno de los diferentes arreglos que se
pueden hacer con parte o todos los elementos
de un conjunto dado, sin considerar el orden
en su ubicación
Ejemplo: En una ensalada de frutas no importa
en qué orden o ubicación en el plato o
recipiente están las frutas, porque seguirá
siendo la misma ensalada de frutas.
 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Análisis combinatorio
• Permutación lineal con elementos diferentes:
El número de permutaciones de “n” objetos
diferentes, tomados en grupos de k elementos
(siendo k n) y denotado por 𝑃𝐾𝑛 está dado por:
• Combinaciones:
Es cada uno de los diferentes arreglos
que se pueden hacer con parte o
todos los elementos de un conjunto
dado, sin considerar el orden en su
ubicación. El número de
combinaciones de “n” elementos
diferentes tomados de “k” en “k” ,
con k  n ,está dada por:

𝑛! 𝑛!
𝑛
𝑃𝐾 = 𝐶𝑘𝑛 =
𝑛−𝑘 ! 𝑛 − 𝐾 ! 𝐾!
Donde: n, k  N y 0  k  n
 INTRODUCCIÓN A LAS TECNICAS DE CONTEO
Introducción a las Técnicas de conteo:
Recuerda que:
Si se desea que se
Si se desea que se
realicen los eventos A y
realicen los eventos A o
B, entonces se utiliza el
B, entonces se utiliza el
principio de
principio de adición (+).
multiplicación (x).

En las permutaciones En las combinaciones

interesa el orden, se no interesa el orden, se
buscan ordenaciones. buscan agrupaciones.
 INTRODUCCIÓN A LAS PROBABILIDADES
Conceptos Básicos de Probabilidad
1. Experimento aleatorio (E)
 Es todo proceso que consiste en la ejecución de un acto una prueba y el resultado de cada prueba
depende del azar

 Es posible repetir el experimento bajo las mismas condiciones.

 Se conoce a priori el conjunto de posibles resultados, aunque no el resultado del experimento, ser
distinto en cada vez, generando un conjunto de resultados.

2. Espacio Muestral (Ω)

 Conjunto de posibles resultados de un experimento aleatorio.

n Ω : 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒𝑙 𝑒𝑠𝑝𝑎𝑐𝑖𝑜 𝑚𝑢𝑒𝑠𝑡𝑟𝑎𝑙

 INTRODUCCIÓN A LAS PROBABILIDADES
Conceptos Básicos de Probabilidad

Ejemplo: sea los siguientes experimentos aleatorios

𝜀1 : Observar el resultado cuando se lanza un dado
Ω1 : {1,2,3,4,5,6}  𝑛(Ω1 ) = 6

𝜀2 : Registrar el numero de artículos defectuosos en un lote de 8

Ω2 : {0,1,2,3,4,5,6,7,8}  𝑛(Ω1 ) = 9

𝜀3 : Observar el tiempo de duración de un foco(horas)

Ω3 : {t/ t≥0}  𝑛(Ω1 ) = infinito
 INTRODUCCIÓN A LAS PROBABILIDADES
Conceptos Básicos de Probabilidad
𝟑. 𝐄𝐯𝐞𝐧𝐭𝐨𝐬
Un evento es cualquier subconjunto de un espacio muestral.

Ejemplo: sea el experimento aleatorio

𝜀1 : Si se observa los sexos de 3 niños recién nacidos
Ω1 : Espacio Muestral:  𝛺1 : {MMM, MMF, MFM, FMM, MFF, FMF, FFM, FFF}

Se definen los siguientes eventos:

A: Los tres bebes son del mismo sexo  A={MMM, FFF}

B: Exactamente un bebe es de sexo masculino  B={MFF, FFM, FMF}

 INTRODUCCIÓN A LAS PROBABILIDADES
Conceptos Básicos de Probabilidad

Definición clásica de probabilidad (a Priori )

Si un experimento aleatorio tiene n Ω y si n 𝐴 de tales resultados corresponden a un evento A,
entonces, en eventos mutuamente excluyentes, la probabilidad de que ocurra A es:

n 𝐴 𝑁ú𝑚𝑒𝑟𝑜 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠

𝑃 𝐴 = =
n Ω 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑠

Axiomas de probabilidad Teoremas de probabilidad

Axioma 1: 0 ≤ P(A) ≤ 1 • P(φ) = 0, donde φ es el evento imposible.
Axioma 2: P(Ω) = 1 • P(Ac) = 1 – P(A)
 INTRODUCCIÓN A LAS PROBABILIDADES
Relaciones entre eventos
E espacio muestral
Unión de eventos: 𝐴 ∪ 𝐵 UNIÓN
A
Es el evento que contiene los elementos que están en A o en B, o en
ambos. El evento ocurre si al menos uno de los dos eventos ocurre.
B

𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)

E espacio muestral
Intersección de eventos: 𝐴 ∩ 𝐵

Es el evento que contiene 𝐴 𝑦 𝐵 los elementos que están en A y B al A

mismo tiempo. cuando los eventos ocurren simultáneamente
B
 INTRODUCCIÓN A LAS PROBABILIDADES
Relaciones entre eventos
Eventos mutuamente excluyentes: (𝑨 ∩ 𝑩 = ∅)
Los eventos A y B son mutuamente excluyentes (disjuntos) si no tienen resultados en común

𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃(𝐵) A
B

Eventos colectivamente exhaustivos

Se dice que 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑘 son eventos colectivamente exhaustivos si la unión de todos ellos es el
espacio muestral Ω

𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ ⋯ 𝐴𝑘 = Ω
 INTRODUCCIÓN A LAS PROBABILIDADES
Caso: Lanzamiento de un dado
Cecilia realiza el experimento de lanzar al aire un dado.
a. Calcular la probabilidad de obtener un valor de 4.
b. Calcular la probabilidad de obtener un valor impar.
c. Calcular la probabilidad de obtener un valor menor a 3.

Espacio muestral: Ω= { 1, 2, 3, 4, 5, 6 }  Número de casos totales = 6 => n(Ω) = 6

Solución:
1. Se definen los siguientes eventos:
A: Obtener un valor de 4. A = { 4 } A=> n(A) = 1
B: Obtener un valor de impar. B = { 1, 3, 5 } => n(B) = 3
C: Obtener un valor menor a 3. C = { 1, 2} => n(C) = 2
2. Calculando las probabilidades:
a. P(A) = n(A) / n(Ω) = 1 / 6 = 0.1667
b. P(B) = n(B) / n(Ω) = 3 / 6 = 0.5
c. P(C) = n(C) / n(Ω) = 2 / 6 = 0.3333
 INTRODUCCIÓN A LAS PROBABILIDADES
Caso: Lanzamiento de un dado
Cecilia realiza el experimento de lanzar al aire un dado.
a. Calcular la probabilidad de obtener un valor de 4.
b. Calcular la probabilidad de obtener un valor impar.
c. Calcular la probabilidad de obtener un valor menor a 3.

Espacio muestral: Ω= { 1, 2, 3, 4, 5, 6 }  Número de casos totales = 6 => n(Ω) = 6

Solución:
1. Se definen los siguientes eventos:
A: Obtener un valor de 4. A = { 4 } A=> n(A) = 1
B: Obtener un valor de impar. B = { 1, 3, 5 } => n(B) = 3
C: Obtener un valor menor a 3. C = { 1, 2} => n(C) = 2
2. Calculando las probabilidades:
a. P(A) = n(A) / n(Ω) = 1 / 6 = 0.1667
b. P(B) = n(B) / n(Ω) = 3 / 6 = 0.5
c. P(C) = n(C) / n(Ω) = 2 / 6 = 0.3333
 INTRODUCCIÓN A LAS PROBABILIDADES
Eventos independientes
Dos eventos son independientes si la probabilidad de que ocurran
ambos eventos simultáneamente es igual al producto de las
probabilidades de que ocurra cada uno de ellos. Es decir:

Los eventos A y B son independientes si y solo si:

P [A ∩ B] = P [A] x P [B]

P [Ac ∩ Bc] = P [Ac] x P [Bc]

Nota: Si los eventos son independientes sus complementos también.

Por ejemplo, el resultado de lanzar una moneda, y que caiga de cualquier lado, no depende del
resultado de ninguno de los lanzamientos anteriores. Por lo tanto, cada lanzamiento es un evento
independiente
 INTRODUCCIÓN A LAS PROBABILIDADES
Caso: Éxito de un proyecto El éxito de un proyecto de inversión depende del trabajo de un
Ingeniero de Software, un administrador y un contador. Se
sabe que la probabilidad de que el Ingeniero de Software falle
en su labor es de 2%, la probabilidad de que el administrador
falle es de 5% y la probabilidad de que el contador falle es de
7%. Para que el proyecto sea exitoso, ninguno de los 3 debe
fallar. Asuma que las labores de los tres integrantes son
independientes entre sí.

1. ¿Cuál es la probabilidad de que el proyecto tenga éxito?

2. ¿Cuál es la probabilidad de que el proyecto no tenga éxito?
 INTRODUCCIÓN A LAS PROBABILIDADES
Eventos independientes
Caso: Éxito de un proyecto
Solución:
Se definen los siguientes eventos:
A = El ingeniero de software falle en su labor.
B = El administrador falle en su labor.
C = El contador falle en su labor 𝟏. 𝑃 𝐷 𝐶 = 𝑃 𝐴𝐶 ∩ 𝐵𝐶 ∩ 𝐶 𝐶 = 𝑃 𝐴𝐶 ). 𝑃 𝐵𝐶 . 𝑃(𝐶 𝐶
D = El proyecto no tenga éxito. 𝑃 𝐷𝐶 = 0.98 ∙ 0.95 ∙ 0.93 = 0.86583
P(A) = 2% = 0.02 => P(Ac) = 1 - 0.02 = 0.98 La probabilidad de que el proyecto tenga éxito es de 0.86583
P(B) = 5% = 0.05 => P(Bc) = 1 - 0.05 = 0.95
P(C) = 7% = 0.07 => P(Cc) = 1 - 0.07 = 0.93 𝟐. 𝑃 𝐷 = 1 − 𝑃 𝐷 𝐶 = 1 − 0.86583 = 0.13417
La probabilidad de que el proyecto no tenga éxito es de 0.13417
 PROBABILIDAD CONDICIONAL
Para los eventos A y B de un espacio muestral, la probabilidad condicional de ocurrencia del
evento A, dado que el evento B ha ocurrido, está definida por:

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴|𝐵) = | ≡ Dado que , Si , Cuando, sabiendo
𝑃(𝐵)

Regla de la Multiplicación
𝑃 𝐴∩𝐵
𝑃 𝐴|𝐵 =  𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 ∗ 𝑃 𝐴|𝐵
𝑃 𝐵
Se dice que A y B son independientes si la ocurrencia de uno de ellos no afecta la ocurrencia del otro.
𝑃 𝐴|𝐵 = 𝑃(𝐴)
𝑃 𝐵|𝐴 = 𝑃(𝐵)
 PROBABILIDAD CONDICIONAL
Hay una probabilidad del 10% de que usted viajará a Disney y se encuentre con su primo.
Existe una probabilidad del 90% de que se encuentre con su primo en un día cualquiera.
Halle la probabilidad de que haya viajado a Disney, dado que se encontró con su primo :

Solución: Sean los eventos

D = {Viajar a Disney } P = {encontrarse primo}  𝑃 𝑃 =0.9
D ∩ P = {viajar y encontrarse con su primo}  𝑃 𝐷 ∩ 𝑃 =0.1

𝑃(𝐷 ∩ 𝑃) 0.1
𝑃𝑖𝑑𝑒𝑛: 𝑃 𝐷|𝑃 = = = 0.11
𝑃(𝑃) 0.9
La probabilidad de que haya viajado a Disney, dado que se encontró con su primo, es 0.11
 PROBABILIDAD CONDICIONAL
Los colaboradores de una empresa en el área de calidad se distribuyen así: son 17 chicas (M) y 13
chicos (H) y también se sabe que hay 3 chicas y 4 chicos zurdos (Z).
a) Halle la probabilidad de que sea zurdo sabiendo que es chico.
b) Halle la probabilidad de que sea chico sabiendo que es zurdo
c) Halle la probabilidad de que sea chico o zurdo.
d) ¿Que sea Chico y sea Zurdo son eventos independientes?
 PROBABILIDAD CONDICIONAL
Solución:

a) 𝑃 𝑍|𝐻 = 𝑃(𝑍 ∩ 𝐻) = 4/30 = 4/13

𝑃(𝐻) 13/30
𝑃(𝐻 ∩ 𝑍) 4/30
b) 𝑃 𝐻|𝑍 = = = 4/7
Zurdos (Z) Diestros (D) Total 𝑃(𝑍) 7/30
Chicos (H) 4 9 13 c) 𝑃 𝐻 ∪ 𝑍 = 𝑃 𝐻 + 𝑃 𝑍 − 𝑃(𝐻 ∩ 𝑍)
Chicas(M) 3 14 17 13 7 4 16
+ − =
30 30 30 30
Total 7 23 30
d) 𝑃 𝐻 ∩ 𝑍 = 𝑃 𝐻 𝑃 𝑍
4 13 7 No son
≠ independientes
30 30 30
 EJERCICIO INDIVIDUAL Nº 1

Un grupo de 500 ejecutivos es clasificado de acuerdo a las características del

peso y a la insidencia del peso en la hipertensión. Se da la siguiente tabla:

a) ¿Cuál es la probabilidad de que una persona elegida al azar sea hipertensa?

b) Una persona elegida al azar tiene sobrepeso. ¿Cuál es la probabilidad que también sea hipertensa?
c) Una persona elegida al azar no es hipertensa. ¿Cuál es la probabilidad de que tenga peso normal?