SlideShare a Scribd company logo
1 of 24
Conceptos
Elementales de
Probabilidad
Contenidos
* Definición
1. Probabilidades
* Espacio Muestral
* Evento o suceso
2. Probabilidad clásica
3. Tipos de sucesos
* Sucesos contrarios
* Suceso seguro
* Suceso imposible
* Experimento Determinístico
* Experimento Aleatorio
4. Propiedades básicas
 Suceso A ó Suceso B
 Suceso A y Suceso B
 Si son mutuamente excluyentes
 Si no son mutuamente excluyentes
 Si son independientes
 Si son dependientes
 Probabilidad con reposición
 Probabilidad sin reposición
Experimento Determinístico:
Es aquel que podemos predecir su ocurrencia.
Ej. Encender la cocina y poner agua en la tetera.
Experimento Aleatorio:
Es aquel que no podemos predecir su ocurrencia.
Ej. Ganarse el loto.
Es el conjunto formado por todos los resultados
posibles de un experimento.
Espacio muestral (E)
Ejemplo:
Al lanzar un dado de seis caras, el espacio muestral es
E = {1, 2, 3, 4, 5, 6}
Ejemplo:
¿Cuántos elementos tiene el Espacio Muestral si se lanza una
moneda y un dado de seis caras?
Usamos el principio multiplicativo:
2 · 6 = 12 elementos
3 monedas
n monedas
2·2·2 = 8 posibilidades
2·2·2·2···2= 2n posibilidades
Cuando un objeto puede caer de a maneras y se lanzan n de
esos objetos, el Espacio Muestral tiene #E= a n elementos.
E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s)}
Ejemplo:
Al lanzar tres dados de seis caras, el Espacio Muestral tiene
63 = 216 elementos
En el lanzamiento de monedas, la cantidad de resultados
posibles también se determina por el principio multiplicativo:
1 moneda 2 posibilidades
E = {c, s}
2 monedas 2·2 = 4 posibilidades
E = {(c,c), (c,s), (s,c), (s,s)}.
Corresponde a un subconjunto de un Espacio Muestral,
asociado a un experimento aleatorio.
En el lanzamiento de 2 monedas, el Espacio Muestral es
E = {(c,c), (c,s), (s,c), (s,s)} y tiene 4 elementos.
Un suceso es que salgan dos caras, es decir {(c,c)}, que
tiene 1 elemento.
Evento o Suceso
En el lanzamiento de un dado ¿cuántos elementos tiene el
Espacio Muestral y cuántos el suceso “que salga un número
par”?
Ejemplo:
Ejemplo:
Suceso = {2, 4, 6}, 3 elementos
Espacio Muestral = {1, 2, 3, 4, 5, 6}, 6 elementos.
Probabilidad:
El concepto de probabilidad se encuentra con frecuencia en
la comunicación entre las personas. Por ejemplo:
2) Los alumnos del ISL tienen un 90% de probabilidades
de ingresar a la universidad.
 Definición
En los ejemplos, se da la “medida” de la ocurrencia de un
evento que es incierto (casarse o ingresar a la universidad),
y ésta se expresa mediante un número entre 0 y 1, o en
porcentaje.
1) Juan y Antonia tienen un 60% de probabilidades
de casarse.
Intuitivamente podemos observar que cuanto más probable
es que ocurra el evento, su medida de ocurrencia estará más
próximo a “1” o al 100%, y cuando menos probable, más se
aproximará a “0”.
De aquí se deduce que un hecho o evento que NO puede
ocurrir tendrá probabilidad cero y uno cuya probabilidad es
segura tendrá probabilidad uno.
0 P(A) 1
Luego, si A representa un evento o suceso, se cumple que:
2. Probabilidad clásica
Casos posibles
Casos favorables
P(A) =
Ejemplo1:
¿Cuál es la probabilidad de que al lanzar un dado común salga
un número primo?
Solución:
El Espacio Muestral E, está dado por:
E={1, 2, 3, 4, 5, 6}, por lo tanto posee 6 elementos, es decir,
6 casos posibles.
Sea A, el evento o suceso:
A: que salga un número primo, entonces se tiene que:
A={2, 3, 5}, por lo tanto posee 3 elementos, es decir, 3 casos
favorables.
P(A) =
3
6
Entonces:
Casos favorables (números primos): 3 (2, 3, y 5)
Casos posibles: 6 (1, 2, 3, 4, 5 y 6)
Por lo tanto:
1
2
Ejemplo2:
Al lanzar 2 monedas, ¿cuál es la probabilidad de que las dos
sean caras?
Casos posibles: 4
Casos favorables (2 caras): 1
Entonces:
P(2 caras) = 1
4
=
La probabilidad de que un suceso NO ocurra, o “probabilidad
de un suceso contrario”, se obtiene a través de:
P(A) = 1 - P(A)
A
E
A
3. Tipos de sucesos
3.1 Probabilidad de un suceso contrario:
Ejemplo:
Si La probabilidad de que llueva es , ¿cuál es la probabilidad
de que NO llueva?
2
5
Solución:
P(no llueva) = 1 - P(llueva)
P(no llueva) = 1 - 2
5
3
5
P(no llueva) =
Si se tiene certeza absoluta de que un evento A ocurrirá:
P(A) = 1
Ejemplo:
La probabilidad de obtener un número natural al lanzar
un dado común es 1 (6 de 6).
6
6
P(natural) = = 1
Casos posibles: 6 (1,2,3,4,5,6)
Casos favorables: 6 (1,2,3,4,5,6)
3.2 Probabilidad de un suceso seguro:
Ejemplo:
La probabilidad de obtener un número mayor que 6 al lanzar
un dado común es 0 (0 de 6).
P(A) = 0
Casos posibles: 6 (1,2,3,4,5,6)
Casos favorables: 0
0
6
P(mayor que 6) = = 0
3.3 Probabilidad de un suceso imposible:
Si se tiene certeza absoluta de que un evento A NO ocurrirá:
TRIÁNGULO DE PASCAL
El triángulo de Pascal en matemática es un conjunto infinito de
números enteros ordenados en forma de triángulo que expresan
coeficientes binomiales. El interés del Triángulo de Pascal radica en su
aplicación en álgebra y permite calcular de forma sencilla números
combinatorios lo que sirve para aplicar el binomio de Newton.
Cada número es la suma de los dos números que están sobre él.
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
Si se lanza una moneda una vez, los casos posibles son:
1 cara (c) ó 1 sello (s), que está representado en la primera fila
del Triángulo de Pascal:
1 1
El total de casos posibles es 2.
Si se lanza una moneda dos veces, los casos posibles son:
CC, CS, SC, SS, lo que implica que se tiene 1 caso en que
aparecen dos caras, 2 casos distintos en que se obtiene una cara
y un sello, y 1 caso en que se obtienen dos sellos, que está
representado en la segunda fila del Triángulo de Pascal:
1 2 1
El total de casos posibles es 4.
Ejemplo:
En probabilidades el Triángulo de Pascal se utiliza como una técnica
de conteo en la resolución de problemas de iteración de experimentos
sencillos, cuando el objeto considerado tiene dos posibilidades, por
ejemplo una moneda, sexo de un hijo por nacer, etc.
4. PROPIEDADES BÁSICAS DEL CÁLCULO DE
PROBABILIDADES
4.1 La probabilidad de que ocurra el suceso A ó el suceso B.
Caso 1: Cuando A y B son eventos mutuamente excluyentes
está dada por:
P(A U B) = P(A) + P(B)
P(<2) ó P(>5) = P(<2) P(>5)U
Ejemplo:
Al lanzar un dado, ¿cuál es la probabilidad de que salga un
número menor que 2 ó mayor que 5?
Solución: P(<2) = 1
6
= P(<2) P(>5)+
1
P(>5) =
6y
1
6
= + 1
6
= 2
6
= 1
3
Caso 2: De no ser mutuamente excluyentes:
P(A U B) = P(A) + P(B) – P(A B)
U
Ejemplo:
Al lanzar un dado, ¿cuál es la probabilidad de que salga un
número menor que 5 ó un número par?
Solución:
4
6
P (menor que 5) =
Casos posibles 6 {1,2,3,4,5,6}
Casos favorables (menor que 5): 4 {1,2,3,4}
3
6
P (número par) =
Casos favorables (número par): 3 {2,4,6}
Como 2 y 4 son menores que 5, y al mismo tiempo son
pares, se estarían considerando como casos favorables
dos veces.
Por lo tanto:
La probabilidad de que salga un número menor que 5 ó un
número par, al lanzar un dado se expresa como:
P (< 5) ó P(par) = P(<5) P(par) – P(<5 par)U
U
= P(< 5) + P(par) – P(<5 y par)
= + –4
6
3
6
2
6
5
6
=
U
A BP( ) = P(A) · P(B)
En este caso, ambos sucesos ocurren simultáneamente, A y B.
4.2 La probabilidad de que ocurra el suceso A y el suceso B,
siendo éstos independientes.
Caso 1: Cuando A y B son eventos independientes, se cumple que:
Ejemplo:
¿Cuál es la probabilidad de que al lanzar dos veces un dado se
obtengan dos números pares?
Solución:
Casos posibles: 6 (1,2,3,4,5,6) Casos favorables: 3 (2,4,6)
Entonces:
P(dos pares) = P(par) y P(par) = P(par) · P(par)
= 3
6
·
3
6
=
1
4
Corresponde a la probabilidad de B tomando como espacio
muestral a A, es decir, la probabilidad de que ocurra B
dado que ha sucedido A.
U
P(A B)
P(A)
P (B/A) =
Solución:
B: Sacar 4
A: Número par = { 2,4,6 }
Ejemplo:
Al lanzar un dado, ¿cuál es la probabilidad de obtener un 4
sabiendo que ha salido par?
P (B/A) = 1
3
Caso 2: Cuando A y B son eventos dependientes corresponde
a la Probabilidad Condicionada.
Ejemplo:
Se tiene una bolsa con 30 pelotitas entre blancas y rojas, de
las cuales 12 son blancas, todas de igual peso y tamaño. Si se
extraen 2 pelotitas al azar, con reposición, ¿cuál es la
probabilidad de que ambas sean blancas?
Solución:
Casos posibles: 30
Casos favorables: 12
Entonces:
P(dos blancas) = P(blanca) y P(blanca)
= P(blanca) · P(blanca)
Casos posibles: 30
Casos favorables: 12
Primera extracción Segunda extracción (Con reposición)
4.3 Probabilidad con reposición.
30 30
= 12
·
12
900
144
=
25
4
=
Ejemplo:
Se tiene una bolsa con 30 pelotitas entre blancas y rojas, de
las cuales 12 son blancas, todas de igual peso y tamaño. Si se
extraen 2 pelotitas al azar, sin reposición, ¿cuál es la
probabilidad de que ambas sean blancas?
Solución:
Casos posibles: 30
Casos favorables: 12
Entonces:
P(dos blancas) = P(blanca) y P(blanca)
= P(blanca) · P(blanca)
Casos posibles: 29
Casos favorables: 11
Primera extracción Segunda extracción (Sin reposición)
4.4 Probabilidad sin reposición.
30 29
= 12
·
11
870
132
=
145
22
=

More Related Content

What's hot

Fundamentos de probabilidad regla de la multiplicación
Fundamentos de probabilidad regla de la multiplicaciónFundamentos de probabilidad regla de la multiplicación
Fundamentos de probabilidad regla de la multiplicación
Gerardo Valdes Bermudes
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
quenac
 
Presentacion probabilidad
Presentacion probabilidadPresentacion probabilidad
Presentacion probabilidad
Marichuy2513
 
Conceptos básicos de probabilidad
Conceptos básicos de probabilidadConceptos básicos de probabilidad
Conceptos básicos de probabilidad
pilosofando
 
Introduccion A Las Probabilidades.
Introduccion A  Las Probabilidades.Introduccion A  Las Probabilidades.
Introduccion A Las Probabilidades.
Luis Baquero
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
Laksmi Rodriguez
 
Diapositivas estadistica
Diapositivas estadisticaDiapositivas estadistica
Diapositivas estadistica
pilosofando
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
VicNoee
 

What's hot (20)

Problemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidadProblemas resuelto-de-probabilidad
Problemas resuelto-de-probabilidad
 
Teorema de bayes
Teorema de bayesTeorema de bayes
Teorema de bayes
 
La distribucion binomial power point
La distribucion binomial power pointLa distribucion binomial power point
La distribucion binomial power point
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Guia de ejercicios
Guia de ejerciciosGuia de ejercicios
Guia de ejercicios
 
Diapositivas probabilidad
Diapositivas probabilidad Diapositivas probabilidad
Diapositivas probabilidad
 
Fundamentos de probabilidad regla de la multiplicación
Fundamentos de probabilidad regla de la multiplicaciónFundamentos de probabilidad regla de la multiplicación
Fundamentos de probabilidad regla de la multiplicación
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Presentacion probabilidad
Presentacion probabilidadPresentacion probabilidad
Presentacion probabilidad
 
Conceptos básicos de probabilidad
Conceptos básicos de probabilidadConceptos básicos de probabilidad
Conceptos básicos de probabilidad
 
Introduccion A Las Probabilidades.
Introduccion A  Las Probabilidades.Introduccion A  Las Probabilidades.
Introduccion A Las Probabilidades.
 
Distribuciones de probabilidad
Distribuciones de probabilidadDistribuciones de probabilidad
Distribuciones de probabilidad
 
Distribución de poisson
Distribución de poissonDistribución de poisson
Distribución de poisson
 
Cálculo de probabilidades y análisis combinatorio
Cálculo de probabilidades y análisis combinatorioCálculo de probabilidades y análisis combinatorio
Cálculo de probabilidades y análisis combinatorio
 
Diapositivas estadistica
Diapositivas estadisticaDiapositivas estadistica
Diapositivas estadistica
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Probabilidad condicional1
Probabilidad condicional1Probabilidad condicional1
Probabilidad condicional1
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Tema 2 colorprobabilidades
Tema 2 colorprobabilidadesTema 2 colorprobabilidades
Tema 2 colorprobabilidades
 
Intervalos de confianza
Intervalos de confianzaIntervalos de confianza
Intervalos de confianza
 

Similar to 4 elementos de la probabilidad (20)

Arbol de decisiones
Arbol de decisionesArbol de decisiones
Arbol de decisiones
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Probabilidades
ProbabilidadesProbabilidades
Probabilidades
 
Tipos de probabilidades
Tipos de probabilidadesTipos de probabilidades
Tipos de probabilidades
 
ACT_04_Tema_06_Resumen.ppt
ACT_04_Tema_06_Resumen.pptACT_04_Tema_06_Resumen.ppt
ACT_04_Tema_06_Resumen.ppt
 
Probabilidad
ProbabilidadProbabilidad
Probabilidad
 
Elementos de la probabilidad y axiomas de probabilidad
 Elementos de la probabilidad y axiomas de probabilidad  Elementos de la probabilidad y axiomas de probabilidad
Elementos de la probabilidad y axiomas de probabilidad
 
Probabilidad 1 (1)
Probabilidad 1 (1)Probabilidad 1 (1)
Probabilidad 1 (1)
 
Probabilidad 1
Probabilidad 1Probabilidad 1
Probabilidad 1
 
Definición de probabiidad
Definición de probabiidadDefinición de probabiidad
Definición de probabiidad
 
Presentacion probabilidad2017
Presentacion probabilidad2017Presentacion probabilidad2017
Presentacion probabilidad2017
 
Clase III Matemáticas.pptx
Clase III Matemáticas.pptxClase III Matemáticas.pptx
Clase III Matemáticas.pptx
 
Matematica 13 junio
Matematica 13 junioMatematica 13 junio
Matematica 13 junio
 
Probabilidad 090504205544-phpapp02
Probabilidad 090504205544-phpapp02Probabilidad 090504205544-phpapp02
Probabilidad 090504205544-phpapp02
 
Probabilidades[2]
Probabilidades[2]Probabilidades[2]
Probabilidades[2]
 
Probabilidades[2]
Probabilidades[2]Probabilidades[2]
Probabilidades[2]
 
Teoría y Problemas de Probabilidades ccesa007
Teoría y Problemas de Probabilidades   ccesa007Teoría y Problemas de Probabilidades   ccesa007
Teoría y Problemas de Probabilidades ccesa007
 
u2-180305052750 (1).pptx
u2-180305052750 (1).pptxu2-180305052750 (1).pptx
u2-180305052750 (1).pptx
 

More from insucoppt

El movimientocircular
El movimientocircularEl movimientocircular
El movimientocircular
insucoppt
 
Desplazamiento
DesplazamientoDesplazamiento
Desplazamiento
insucoppt
 
Densidad pesoespecifico
Densidad pesoespecificoDensidad pesoespecifico
Densidad pesoespecifico
insucoppt
 
Sistema unidades
Sistema unidadesSistema unidades
Sistema unidades
insucoppt
 
La notacioncientifica
La notacioncientificaLa notacioncientifica
La notacioncientifica
insucoppt
 
Paralelograma poligono
Paralelograma poligonoParalelograma poligono
Paralelograma poligono
insucoppt
 
Tutorial de plataforma
Tutorial de plataformaTutorial de plataforma
Tutorial de plataforma
insucoppt
 
Biologia 1 tema virus
Biologia 1 tema virusBiologia 1 tema virus
Biologia 1 tema virus
insucoppt
 
Virus y la respiracion
Virus y la respiracionVirus y la respiracion
Virus y la respiracion
insucoppt
 
Celula procariota
Celula procariotaCelula procariota
Celula procariota
insucoppt
 
Fotosíntesis y respiración...
Fotosíntesis y respiración...Fotosíntesis y respiración...
Fotosíntesis y respiración...
insucoppt
 
Requerimientos de los seres vivos
Requerimientos de los seres vivosRequerimientos de los seres vivos
Requerimientos de los seres vivos
insucoppt
 
Caracteristicas distintivas de los seres vivos
Caracteristicas distintivas de los seres vivosCaracteristicas distintivas de los seres vivos
Caracteristicas distintivas de los seres vivos
insucoppt
 
Concepto de persona
Concepto de personaConcepto de persona
Concepto de persona
insucoppt
 

More from insucoppt (20)

Newton
NewtonNewton
Newton
 
El movimientocircular
El movimientocircularEl movimientocircular
El movimientocircular
 
Desplazamiento
DesplazamientoDesplazamiento
Desplazamiento
 
Densidad pesoespecifico
Densidad pesoespecificoDensidad pesoespecifico
Densidad pesoespecifico
 
Trabajo
TrabajoTrabajo
Trabajo
 
Sistema unidades
Sistema unidadesSistema unidades
Sistema unidades
 
La notacioncientifica
La notacioncientificaLa notacioncientifica
La notacioncientifica
 
Paralelograma poligono
Paralelograma poligonoParalelograma poligono
Paralelograma poligono
 
Tutorial de plataforma
Tutorial de plataformaTutorial de plataforma
Tutorial de plataforma
 
Biologia 1 tema virus
Biologia 1 tema virusBiologia 1 tema virus
Biologia 1 tema virus
 
Bioblanco
BioblancoBioblanco
Bioblanco
 
Virus y la respiracion
Virus y la respiracionVirus y la respiracion
Virus y la respiracion
 
Celula procariota
Celula procariotaCelula procariota
Celula procariota
 
Biologia 1
Biologia 1Biologia 1
Biologia 1
 
Fotosíntesis y respiración...
Fotosíntesis y respiración...Fotosíntesis y respiración...
Fotosíntesis y respiración...
 
Requerimientos de los seres vivos
Requerimientos de los seres vivosRequerimientos de los seres vivos
Requerimientos de los seres vivos
 
Caracteristicas distintivas de los seres vivos
Caracteristicas distintivas de los seres vivosCaracteristicas distintivas de los seres vivos
Caracteristicas distintivas de los seres vivos
 
Concepto de persona
Concepto de personaConcepto de persona
Concepto de persona
 
Unidad 1
Unidad 1Unidad 1
Unidad 1
 
Trabajo
TrabajoTrabajo
Trabajo
 

4 elementos de la probabilidad

  • 2. Contenidos * Definición 1. Probabilidades * Espacio Muestral * Evento o suceso 2. Probabilidad clásica 3. Tipos de sucesos * Sucesos contrarios * Suceso seguro * Suceso imposible * Experimento Determinístico * Experimento Aleatorio
  • 3. 4. Propiedades básicas  Suceso A ó Suceso B  Suceso A y Suceso B  Si son mutuamente excluyentes  Si no son mutuamente excluyentes  Si son independientes  Si son dependientes  Probabilidad con reposición  Probabilidad sin reposición
  • 4. Experimento Determinístico: Es aquel que podemos predecir su ocurrencia. Ej. Encender la cocina y poner agua en la tetera. Experimento Aleatorio: Es aquel que no podemos predecir su ocurrencia. Ej. Ganarse el loto.
  • 5. Es el conjunto formado por todos los resultados posibles de un experimento. Espacio muestral (E) Ejemplo: Al lanzar un dado de seis caras, el espacio muestral es E = {1, 2, 3, 4, 5, 6} Ejemplo: ¿Cuántos elementos tiene el Espacio Muestral si se lanza una moneda y un dado de seis caras? Usamos el principio multiplicativo: 2 · 6 = 12 elementos
  • 6. 3 monedas n monedas 2·2·2 = 8 posibilidades 2·2·2·2···2= 2n posibilidades Cuando un objeto puede caer de a maneras y se lanzan n de esos objetos, el Espacio Muestral tiene #E= a n elementos. E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s)} Ejemplo: Al lanzar tres dados de seis caras, el Espacio Muestral tiene 63 = 216 elementos En el lanzamiento de monedas, la cantidad de resultados posibles también se determina por el principio multiplicativo: 1 moneda 2 posibilidades E = {c, s} 2 monedas 2·2 = 4 posibilidades E = {(c,c), (c,s), (s,c), (s,s)}.
  • 7. Corresponde a un subconjunto de un Espacio Muestral, asociado a un experimento aleatorio. En el lanzamiento de 2 monedas, el Espacio Muestral es E = {(c,c), (c,s), (s,c), (s,s)} y tiene 4 elementos. Un suceso es que salgan dos caras, es decir {(c,c)}, que tiene 1 elemento. Evento o Suceso En el lanzamiento de un dado ¿cuántos elementos tiene el Espacio Muestral y cuántos el suceso “que salga un número par”? Ejemplo: Ejemplo: Suceso = {2, 4, 6}, 3 elementos Espacio Muestral = {1, 2, 3, 4, 5, 6}, 6 elementos.
  • 8. Probabilidad: El concepto de probabilidad se encuentra con frecuencia en la comunicación entre las personas. Por ejemplo: 2) Los alumnos del ISL tienen un 90% de probabilidades de ingresar a la universidad.  Definición En los ejemplos, se da la “medida” de la ocurrencia de un evento que es incierto (casarse o ingresar a la universidad), y ésta se expresa mediante un número entre 0 y 1, o en porcentaje. 1) Juan y Antonia tienen un 60% de probabilidades de casarse.
  • 9. Intuitivamente podemos observar que cuanto más probable es que ocurra el evento, su medida de ocurrencia estará más próximo a “1” o al 100%, y cuando menos probable, más se aproximará a “0”. De aquí se deduce que un hecho o evento que NO puede ocurrir tendrá probabilidad cero y uno cuya probabilidad es segura tendrá probabilidad uno. 0 P(A) 1 Luego, si A representa un evento o suceso, se cumple que:
  • 10. 2. Probabilidad clásica Casos posibles Casos favorables P(A) = Ejemplo1: ¿Cuál es la probabilidad de que al lanzar un dado común salga un número primo? Solución: El Espacio Muestral E, está dado por: E={1, 2, 3, 4, 5, 6}, por lo tanto posee 6 elementos, es decir, 6 casos posibles. Sea A, el evento o suceso: A: que salga un número primo, entonces se tiene que: A={2, 3, 5}, por lo tanto posee 3 elementos, es decir, 3 casos favorables.
  • 11. P(A) = 3 6 Entonces: Casos favorables (números primos): 3 (2, 3, y 5) Casos posibles: 6 (1, 2, 3, 4, 5 y 6) Por lo tanto: 1 2 Ejemplo2: Al lanzar 2 monedas, ¿cuál es la probabilidad de que las dos sean caras? Casos posibles: 4 Casos favorables (2 caras): 1 Entonces: P(2 caras) = 1 4 =
  • 12. La probabilidad de que un suceso NO ocurra, o “probabilidad de un suceso contrario”, se obtiene a través de: P(A) = 1 - P(A) A E A 3. Tipos de sucesos 3.1 Probabilidad de un suceso contrario:
  • 13. Ejemplo: Si La probabilidad de que llueva es , ¿cuál es la probabilidad de que NO llueva? 2 5 Solución: P(no llueva) = 1 - P(llueva) P(no llueva) = 1 - 2 5 3 5 P(no llueva) =
  • 14. Si se tiene certeza absoluta de que un evento A ocurrirá: P(A) = 1 Ejemplo: La probabilidad de obtener un número natural al lanzar un dado común es 1 (6 de 6). 6 6 P(natural) = = 1 Casos posibles: 6 (1,2,3,4,5,6) Casos favorables: 6 (1,2,3,4,5,6) 3.2 Probabilidad de un suceso seguro:
  • 15. Ejemplo: La probabilidad de obtener un número mayor que 6 al lanzar un dado común es 0 (0 de 6). P(A) = 0 Casos posibles: 6 (1,2,3,4,5,6) Casos favorables: 0 0 6 P(mayor que 6) = = 0 3.3 Probabilidad de un suceso imposible: Si se tiene certeza absoluta de que un evento A NO ocurrirá:
  • 16. TRIÁNGULO DE PASCAL El triángulo de Pascal en matemática es un conjunto infinito de números enteros ordenados en forma de triángulo que expresan coeficientes binomiales. El interés del Triángulo de Pascal radica en su aplicación en álgebra y permite calcular de forma sencilla números combinatorios lo que sirve para aplicar el binomio de Newton. Cada número es la suma de los dos números que están sobre él. 1 1 1 1 2 1 1 3 3 1 1 4 6 4 1
  • 17. Si se lanza una moneda una vez, los casos posibles son: 1 cara (c) ó 1 sello (s), que está representado en la primera fila del Triángulo de Pascal: 1 1 El total de casos posibles es 2. Si se lanza una moneda dos veces, los casos posibles son: CC, CS, SC, SS, lo que implica que se tiene 1 caso en que aparecen dos caras, 2 casos distintos en que se obtiene una cara y un sello, y 1 caso en que se obtienen dos sellos, que está representado en la segunda fila del Triángulo de Pascal: 1 2 1 El total de casos posibles es 4. Ejemplo: En probabilidades el Triángulo de Pascal se utiliza como una técnica de conteo en la resolución de problemas de iteración de experimentos sencillos, cuando el objeto considerado tiene dos posibilidades, por ejemplo una moneda, sexo de un hijo por nacer, etc.
  • 18. 4. PROPIEDADES BÁSICAS DEL CÁLCULO DE PROBABILIDADES 4.1 La probabilidad de que ocurra el suceso A ó el suceso B. Caso 1: Cuando A y B son eventos mutuamente excluyentes está dada por: P(A U B) = P(A) + P(B) P(<2) ó P(>5) = P(<2) P(>5)U Ejemplo: Al lanzar un dado, ¿cuál es la probabilidad de que salga un número menor que 2 ó mayor que 5? Solución: P(<2) = 1 6 = P(<2) P(>5)+ 1 P(>5) = 6y 1 6 = + 1 6 = 2 6 = 1 3
  • 19. Caso 2: De no ser mutuamente excluyentes: P(A U B) = P(A) + P(B) – P(A B) U Ejemplo: Al lanzar un dado, ¿cuál es la probabilidad de que salga un número menor que 5 ó un número par? Solución: 4 6 P (menor que 5) = Casos posibles 6 {1,2,3,4,5,6} Casos favorables (menor que 5): 4 {1,2,3,4} 3 6 P (número par) = Casos favorables (número par): 3 {2,4,6}
  • 20. Como 2 y 4 son menores que 5, y al mismo tiempo son pares, se estarían considerando como casos favorables dos veces. Por lo tanto: La probabilidad de que salga un número menor que 5 ó un número par, al lanzar un dado se expresa como: P (< 5) ó P(par) = P(<5) P(par) – P(<5 par)U U = P(< 5) + P(par) – P(<5 y par) = + –4 6 3 6 2 6 5 6 =
  • 21. U A BP( ) = P(A) · P(B) En este caso, ambos sucesos ocurren simultáneamente, A y B. 4.2 La probabilidad de que ocurra el suceso A y el suceso B, siendo éstos independientes. Caso 1: Cuando A y B son eventos independientes, se cumple que: Ejemplo: ¿Cuál es la probabilidad de que al lanzar dos veces un dado se obtengan dos números pares? Solución: Casos posibles: 6 (1,2,3,4,5,6) Casos favorables: 3 (2,4,6) Entonces: P(dos pares) = P(par) y P(par) = P(par) · P(par) = 3 6 · 3 6 = 1 4
  • 22. Corresponde a la probabilidad de B tomando como espacio muestral a A, es decir, la probabilidad de que ocurra B dado que ha sucedido A. U P(A B) P(A) P (B/A) = Solución: B: Sacar 4 A: Número par = { 2,4,6 } Ejemplo: Al lanzar un dado, ¿cuál es la probabilidad de obtener un 4 sabiendo que ha salido par? P (B/A) = 1 3 Caso 2: Cuando A y B son eventos dependientes corresponde a la Probabilidad Condicionada.
  • 23. Ejemplo: Se tiene una bolsa con 30 pelotitas entre blancas y rojas, de las cuales 12 son blancas, todas de igual peso y tamaño. Si se extraen 2 pelotitas al azar, con reposición, ¿cuál es la probabilidad de que ambas sean blancas? Solución: Casos posibles: 30 Casos favorables: 12 Entonces: P(dos blancas) = P(blanca) y P(blanca) = P(blanca) · P(blanca) Casos posibles: 30 Casos favorables: 12 Primera extracción Segunda extracción (Con reposición) 4.3 Probabilidad con reposición. 30 30 = 12 · 12 900 144 = 25 4 =
  • 24. Ejemplo: Se tiene una bolsa con 30 pelotitas entre blancas y rojas, de las cuales 12 son blancas, todas de igual peso y tamaño. Si se extraen 2 pelotitas al azar, sin reposición, ¿cuál es la probabilidad de que ambas sean blancas? Solución: Casos posibles: 30 Casos favorables: 12 Entonces: P(dos blancas) = P(blanca) y P(blanca) = P(blanca) · P(blanca) Casos posibles: 29 Casos favorables: 11 Primera extracción Segunda extracción (Sin reposición) 4.4 Probabilidad sin reposición. 30 29 = 12 · 11 870 132 = 145 22 =