σ
Σ
μ
P(x)

Probabilidad y Estadística

Conceptos Fundamentales

Fecha: 3 de julio de 2025

Conceptos Básicos de Probabilidad

Espacio Muestral

El conjunto de todos los posibles resultados de un experimento aleatorio, denotado como Ω (omega).

Ejemplo 1: Al lanzar un dado, Ω = {1, 2, 3, 4, 5, 6}

Ejemplo 2: Al lanzar una moneda dos veces, Ω = {(cara,cara), (cara,cruz), (cruz,cara), (cruz,cruz)}

Ejemplo 3: Al extraer una carta de una baraja estándar, Ω contiene 52 elementos (todas las cartas posibles)

Evento

Un subconjunto del espacio muestral. Un evento puede contener uno o más resultados posibles.

Ejemplo 1: Evento "número par al lanzar un dado" = {2, 4, 6}

Ejemplo 2: Evento "al menos una cara al lanzar dos monedas" = {(cara,cara), (cara,cruz), (cruz,cara)}

Ejemplo 3: Evento "extraer una carta de corazones" = {todos los corazones de la baraja} (13 cartas)

Probabilidad de un Evento

Medida de la posibilidad de que ocurra un evento, entre 0 y 1.

$$P(A) = \frac{\text{Número de resultados favorables}}{\text{Número de resultados posibles}}$$

Ejemplo 1: Probabilidad de obtener un número par al lanzar un dado:

$$P(\text{número par}) = \frac{|\{2,4,6\}|}{|\{1,2,3,4,5,6\}|} = \frac{3}{6} = \frac{1}{2} = 0.5$$

Ejemplo 2: Probabilidad de extraer un as de una baraja estándar:

$$P(\text{as}) = \frac{4}{52} = \frac{1}{13} \approx 0.077$$

Reglas de Probabilidad

Regla de la Suma

Para eventos mutuamente excluyentes A y B (no pueden ocurrir simultáneamente):

$$P(A \cup B) = P(A) + P(B)$$

Para eventos no mutuamente excluyentes (pueden ocurrir simultáneamente):

$$P(A \cup B) = P(A) + P(B) - P(A \cap B)$$

Ejemplo: Al lanzar un dado, calcular la probabilidad de obtener un número par o mayor que 4.

Evento A: número par = {2, 4, 6}

Evento B: número mayor que 4 = {5, 6}

A ∩ B = {6} (números que son pares Y mayores que 4)

$$P(A) = \frac{3}{6} = \frac{1}{2}$$

$$P(B) = \frac{2}{6} = \frac{1}{3}$$

$$P(A \cap B) = \frac{1}{6}$$

$$P(A \cup B) = P(A) + P(B) - P(A \cap B) = \frac{1}{2} + \frac{1}{3} - \frac{1}{6} = \frac{3}{6} + \frac{2}{6} - \frac{1}{6} = \frac{4}{6} = \frac{2}{3}$$

Regla de la Multiplicación

Para eventos independientes A y B (cuando la ocurrencia de uno no afecta la probabilidad del otro):

$$P(A \cap B) = P(A) \times P(B)$$

Para eventos dependientes (cuando la ocurrencia de uno afecta la probabilidad del otro):

$$P(A \cap B) = P(A) \times P(B|A)$$

Donde P(B|A) es la probabilidad condicional de B dado que A ocurrió.

Ejemplo 1 (independientes): Lanzar dos dados y obtener un 3 en el primero y un 5 en el segundo.

$$P(\text{3 en primer dado}) = \frac{1}{6}$$

$$P(\text{5 en segundo dado}) = \frac{1}{6}$$

$$P(\text{3 en primero y 5 en segundo}) = \frac{1}{6} \times \frac{1}{6} = \frac{1}{36}$$

Ejemplo 2 (dependientes): Extraer dos cartas de una baraja sin reposición y obtener dos ases.

$$P(\text{primer as}) = \frac{4}{52}$$

$$P(\text{segundo as | primer as}) = \frac{3}{51}$$

$$P(\text{dos ases}) = \frac{4}{52} \times \frac{3}{51} = \frac{12}{2652} = \frac{1}{221}$$

Probabilidad Complementaria

La probabilidad de que un evento NO ocurra es igual a 1 menos la probabilidad de que ocurra.

$$P(A') = 1 - P(A)$$

Ejemplo: Probabilidad de NO obtener un 6 al lanzar un dado.

$$P(\text{obtener 6}) = \frac{1}{6}$$

$$P(\text{NO obtener 6}) = 1 - \frac{1}{6} = \frac{5}{6}$$

Estadística Descriptiva

Medidas de Tendencia Central

  • Media (μ o x̄): Promedio aritmético de todos los valores.
  • $$\mu = \frac{\sum_{i=1}^{n} x_i}{n}$$
  • Mediana: Valor central cuando los datos están ordenados.
  • Moda: Valor que aparece con mayor frecuencia.

Ejemplo: Para el conjunto de datos {4, 8, 6, 3, 7, 4, 2, 9}

Media: $\mu = \frac{4+8+6+3+7+4+2+9}{8} = \frac{43}{8} = 5.375$

Mediana: Ordenando los datos: {2, 3, 4, 4, 6, 7, 8, 9}

Como hay un número par de elementos (8), la mediana es el promedio de los dos valores centrales:

$\text{Mediana} = \frac{4+6}{2} = 5$

Moda: El valor 4 aparece dos veces, el resto una vez, por lo que la moda es 4.

Medidas de Dispersión

  • Rango: Diferencia entre el valor máximo y mínimo.
  • Varianza (σ²): Promedio de los cuadrados de las diferencias respecto a la media.
  • $$\sigma^2 = \frac{\sum_{i=1}^{n} (x_i - \mu)^2}{n}$$
  • Desviación estándar (σ): Raíz cuadrada de la varianza.
  • $$\sigma = \sqrt{\frac{\sum_{i=1}^{n} (x_i - \mu)^2}{n}}$$

Ejemplo: Para el conjunto de datos {4, 8, 6, 3, 7, 4, 2, 9}

Ya calculamos que μ = 5.375

Rango: Máximo - Mínimo = 9 - 2 = 7

Varianza:

$\sigma^2 = \frac{(4-5.375)^2 + (8-5.375)^2 + (6-5.375)^2 + (3-5.375)^2 + (7-5.375)^2 + (4-5.375)^2 + (2-5.375)^2 + (9-5.375)^2}{8}$

$\sigma^2 = \frac{(-1.375)^2 + (2.625)^2 + (0.625)^2 + (-2.375)^2 + (1.625)^2 + (-1.375)^2 + (-3.375)^2 + (3.625)^2}{8}$

$\sigma^2 = \frac{1.891 + 6.891 + 0.391 + 5.641 + 2.641 + 1.891 + 11.391 + 13.141}{8} = \frac{43.878}{8} = 5.485$

Desviación estándar:

$\sigma = \sqrt{5.485} \approx 2.342$

Distribuciones de Probabilidad

Distribución Binomial

Modela el número de éxitos en n ensayos independientes, cada uno con probabilidad p de éxito.

$$P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}$$

Donde $\binom{n}{k} = \frac{n!}{k!(n-k)!}$ es el coeficiente binomial.

Ejemplo: Probabilidad de obtener exactamente 3 caras en 5 lanzamientos de una moneda justa.

Aquí, n = 5 (número de lanzamientos), k = 3 (número de éxitos deseados), p = 0.5 (probabilidad de cara)

$$P(X = 3) = \binom{5}{3} (0.5)^3 (0.5)^{5-3}$$

$$P(X = 3) = \frac{5!}{3!(5-3)!} (0.5)^3 (0.5)^2$$

$$P(X = 3) = \frac{5 \cdot 4 \cdot 3!}{3! \cdot 2 \cdot 1} (0.5)^3 (0.5)^2$$

$$P(X = 3) = 10 \cdot (0.5)^3 \cdot (0.5)^2 = 10 \cdot (0.5)^5 = 10 \cdot 0.03125 = 0.3125$$

Distribución Normal

Distribución continua con forma de campana, definida por su media (μ) y desviación estándar (σ).

$$f(x) = \frac{1}{\sigma \sqrt{2\pi}} e^{-\frac{1}{2}\left(\frac{x-\mu}{\sigma}\right)^2}$$

Ejemplo 1: Estaturas de adultos (μ = 170 cm, σ = 10 cm)

Ejemplo 2: Puntajes de exámenes estandarizados (μ = 500, σ = 100)

Para calcular probabilidades con la distribución normal, se utiliza la estandarización:

$$Z = \frac{X - \mu}{\sigma}$$

Por ejemplo, la probabilidad de que un adulto mida más de 185 cm:

$$P(X > 185) = P\left(Z > \frac{185 - 170}{10}\right) = P(Z > 1.5)$$

Usando tablas de distribución normal o calculadoras, $P(Z > 1.5) \approx 0.0668$

Por lo tanto, aproximadamente el 6.68% de los adultos miden más de 185 cm.

Ejercicios Propuestos

1 Probabilidad Básica

En una caja hay 8 bolas rojas, 5 azules y 7 verdes. Si se extrae una bola al azar, calcula:

  • La probabilidad de obtener una bola roja
  • La probabilidad de obtener una bola que no sea verde
  • La probabilidad de obtener una bola roja o azul

2 Probabilidad Condicional

Se lanzan dos dados. Calcula la probabilidad de que la suma sea 8, dado que el primer dado mostró un número par.

3 Medidas Estadísticas

Para el conjunto de datos {12, 15, 18, 22, 15, 20, 17, 15, 23}, calcula:

  • La media
  • La mediana
  • La moda
  • La varianza y desviación estándar

4 Distribución Binomial

Un examen tipo test tiene 10 preguntas con 4 opciones cada una. Si un estudiante responde al azar todas las preguntas, calcula la probabilidad de que acierte:

  • Exactamente 3 preguntas
  • Al menos 4 preguntas

5 Distribución Normal

La estatura de los estudiantes de una universidad sigue una distribución normal con media 175 cm y desviación estándar 8 cm. Calcula:

  • La probabilidad de que un estudiante mida más de 185 cm
  • La probabilidad de que un estudiante mida entre 170 y 180 cm
  • La estatura por debajo de la cual se encuentra el 25% de los estudiantes

6 Regla de Bayes

Una prueba médica para detectar cierta enfermedad tiene una precisión del 95% (detecta correctamente al 95% de las personas enfermas) y una tasa de falsos positivos del 2% (da positivo en el 2% de las personas sanas). Si la enfermedad afecta al 1% de la población, ¿cuál es la probabilidad de que una persona que dio positivo realmente tenga la enfermedad?

Miscelánea de Ejercicios

A continuación, se presenta una serie de ejercicios adicionales para practicar los conceptos vistos en clase. Intenta resolverlos y comprueba tu comprensión de la materia.

Ejercicio 1: Cálculo de Probabilidades

De una baraja estándar de 52 cartas, se extraen dos cartas consecutivas sin reposición. Calcula:

  • La probabilidad de obtener dos ases
  • La probabilidad de obtener al menos un as
  • La probabilidad de obtener una carta de corazones y otra de diamantes
  • La probabilidad de obtener dos cartas del mismo palo

Ejercicio 2: Experimentos Compuestos

Se lanzan tres monedas justas consecutivamente.

  • ¿Cuál es el espacio muestral del experimento?
  • Calcula la probabilidad de obtener exactamente dos caras
  • Calcula la probabilidad de obtener al menos una cara
  • Calcula la probabilidad de que la primera moneda sea cara, dado que se obtuvo un total de dos caras

Ejercicio 3: Distribución Binomial

Un examen consta de 12 preguntas de opción múltiple con 5 opciones cada una. Un estudiante no ha estudiado y responde al azar. Calcula:

  • La probabilidad de que acierte exactamente 3 preguntas
  • La probabilidad de que acierte al menos 6 preguntas (nota mínima para aprobar)
  • La probabilidad de que acierte a lo sumo 2 preguntas
  • El número esperado de respuestas correctas

Ejercicio 4: Análisis Estadístico

Las calificaciones de un grupo de estudiantes son: 65, 72, 83, 65, 90, 72, 78, 65, 93, 87, 72, 81.

  • Calcula la media, mediana y moda de las calificaciones
  • Determina el rango, la varianza y la desviación estándar
  • ¿Qué porcentaje de estudiantes obtuvo una calificación superior a 80?
  • Si consideramos que una calificación es atípica si está a más de 1.5 desviaciones estándar de la media, ¿hay calificaciones atípicas en este conjunto?

Ejercicio 5: Distribución Normal

La duración de las baterías de cierto modelo de teléfono sigue una distribución normal con media μ = 36 horas y desviación estándar σ = 4 horas. Calcula:

  • La probabilidad de que una batería dure más de 40 horas
  • La probabilidad de que una batería dure entre 30 y 38 horas
  • Si el fabricante quiere garantizar que el 95% de las baterías durarán al menos cierto número de horas, ¿cuál debería ser ese número?
  • Si se prueban 500 baterías, ¿aproximadamente cuántas durarán menos de 32 horas?

Ejercicio 6: Probabilidad Condicional

En una empresa, el 30% de los empleados son ingenieros, el 25% son técnicos y el resto son administrativos. Se sabe que el 20% de los ingenieros, el 15% de los técnicos y el 10% de los administrativos hablan francés. Si se elige un empleado al azar y habla francés, calcula:

  • La probabilidad de que sea ingeniero
  • La probabilidad de que sea técnico
  • La probabilidad de que sea administrativo
  • ¿Qué porcentaje de empleados de la empresa habla francés?

Ejercicio de Integración

Una universidad quiere analizar las calificaciones de un examen estandarizado que aplicó a 500 estudiantes. Las calificaciones siguen aproximadamente una distribución normal con media 68 y desviación estándar 12.

  1. Calcula la probabilidad de que un estudiante elegido al azar haya obtenido una calificación mayor a 80
  2. ¿Cuántos estudiantes se espera que hayan obtenido entre 60 y 75 puntos?
  3. Si se considera que los estudiantes con las mejores calificaciones (10% superior) recibirán una beca, ¿cuál es la calificación mínima para obtener beca?
  4. Si se tienen dos grupos con 250 estudiantes cada uno, y se sabe que en el primer grupo la media fue de 70 con desviación estándar 10, ¿cuáles deberían ser la media y la desviación estándar del segundo grupo para que los datos agregados tengan media 68 y desviación estándar 12?
  5. La universidad quiere crear un sistema de calificación basado en percentiles. Determina los puntos de corte para las siguientes categorías:
    • A: por encima del percentil 90
    • B: entre los percentiles 75 y 90
    • C: entre los percentiles 25 y 75
    • D: entre los percentiles 10 y 25
    • F: por debajo del percentil 10