Probabilidad: Introduccin

La probabilidad mide la frecuencia con la que aparece un resultado

determinado cuando se realiza un experimento.
Ejemplo: tiramos un dado al aire y queremos saber cual es la
probabilidad de que salga un 2, o que salga un nmero par, o
que salga un nmero menor que 4.
El experimento tiene que ser aleatorio, es decir, que pueden presentarse
diversos resultados, dentro de un conjunto posible de soluciones, y esto an
realizando el experimento en las mismas condiciones. or lo tanto, a priori
no se conoce cual de los resultados se va a presentar:
Ejemplos: lanzamos una moneda al aire: el resultado puede
ser cara o cruz, pero no sabemos de antemano cual de ellos va
a salir.
!n la Loter"a de #avidad, el $%ordo$ &en !spa'a se llama
$%ordo$ al primer premio( puede ser cualquier nmero entre el
) y el )**.***, pero no sabemos a priori cual va a ser &si lo
supi+ramos no estar"amos aqu" escribiendo esta lecci,n(.
Hay experimentos que no son aleatorios y por lo tanto no se les puede
aplicar las reglas de la probabilidad.
Ejemplo: en lugar de tirar la moneda al aire, directamente
selccionamos la cara. -qu" no podemos .ablar de
probabilidades, sino que .a sido un resultado determinado por
uno mismo.
-ntes de calcular las probabilidades de un experimento aleaotorio .ay que
definir una serie de conceptos:
Suceso elemental: .ace referencia a cada una de las posibles soluciones
que se pueden presentar.
Ejemplo: al lanzar una moneda al aire, los sucesos
elementales son la cara y la cruz. -l lanzar un dado, los
sucesos elementales son el ), el 2, .., .asta el /.
Suceso compuesto: es un subconjunto de sucesos elementales.
Ejemplo: lanzamos un dado y queremos que salga un nmero
par. !l suceso $numero par$ es un suceso compuesto,
integrado por 0 sucesos elementales: el 2, el 4 y el /
1, por ejemplo, jugamos a la ruleta y queremos que salga
$menor o igual que )2$. !ste es un suceso compuesto formado
por )2 sucesos elementales &todos los nmeros que van del )
al )2(.
-l conjunto de todos los posibles sucesos elementales lo denominamos
espacio muestral. 3ada experimento aleatorio tiene definido su espacio
muestral &es decir, un conjunto con todas las soluciones posibles(.
Ejemplo: si tiramos una moneda al a"re una sola vez, el
espacio muestral ser4 cara o cruz.
5i el experimento consiste en lanzar una moneda al aire dos
veces, entonces el espacio muestral estar"a formado por &cara6
cara(, &cara6cruz(, &cruz6cara( y &cruz6cruz(.

Probabilidad: Relacin entre sucesos

!ntre los sucesos compuestos se pueden establecer distintas relaciones:
a) Un suceso puede estar contenido en otro: las posibles soluciones del
primer suceso tambi+n lo son del segundo, pero este segundo suceso tiene
adem4s otras soluciones suyas propias.
Ejemplo: lanzamos un dado y analizamos dos sucesos: a( que
salga el nmero /, y b( que salga un nmero par. 7emos que el
suceso a( est4 contenido en el suceso b(.
5iempre que se da el suceso a( se da el suceso b(, pero no al
contrario. or ejemplo, si el resultado fuera el 2, se cumplir"a el
suceso b(, pero no el el a(.
b) Dos sucesos pueden ser iguales: esto ocurre cuando siempre que se
cumple uno de ellos se cumple obligatoriamente el otro y viceversa.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos:
a( que salga nmero par, y b( que salga mltiplo de 2. 7emos
que las soluciones coinciden en ambos casos.
c) Unin de dos o ms sucesos: la uni,n ser4 otro suceso formado por
todos los elementos de los sucesos que se unen.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos:
a( que salga nmero par y b( que el resultado sea mayor que 0.
!l suceso uni,n estar"a formado por los siguientes resultados:
el 2, el 4, el 8 y el /
d) Interseccin de sucesos: es aquel suceso compuesto por los
elementos comunes de dos o m4s sucesos que se intersectan.
Ejemplo: lanzamos un dado al aire, y analizamos dos sucesos:
a( que salga nmero par, y b( que sea mayor que 4. La
intersecci,n de estos dos sucesos tiene un s,lo elemento, el
nmero / &es el nico resultado comn a ambos sucesos: es
mayor que 4 y es nmero par(.
e) Sucesos incompatibles: son aquellos que no se pueden dar al mismo
tiempo ya que no tienen elementos comunes &su interesecci,n es el
conjunto vacio(.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos:
a( que salga un nmero menor que 0, y b( que salga el nmero
/. !s evidente que ambos no se pueden dar al mismo tiempo.
) Sucesos complementarios: son aquellos que si no se da uno,
obligatoriamente se tiene que dar el otro.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos:
a( que salga un nmero par, y b( que salga un nmero impar.
7emos que si no se da el primero se tiene que dar el segundo
&y viceversa(.
Clculo de probabilidades

!robabilidad
3omo .emos comentado anteriormente, la probabilidad mide la mayor o
menor posibilidad de que se d+ un determinado resultado &suceso( cuando
se realiza un experimento aleatorio.
La probabilidad toma valores entre * y ) &o expresados en tanto por ciento,
entre *9 y )**9(:
El "alor cero corresponde al suceso imposible: lanzamos un
dado al aire y la probabilidad de que salga el nmero : es cero
&al menos, si es un dado certificado por la 1;<, $1rganizaci,n
;undial de <ados$(.
El "alor uno corresponde al suceso seguro: lanzamos un
dado al aire y la probabilidad de que salga cualquier nmero del
) al / es igual a uno &)**9(.
El resto de sucesos tendr probabilidades entre cero y
uno: que ser4 tanto mayor cuanto m4s probable sea que dic.o
suceso tenga lugar.
#$mo se mide la probabilidad%
=no de los m+todos m4s utilizados es aplicando la &egla de 'aplace:
define la probabilidad de un suceso como el cociente entre casos favorables
y casos posibles.
!()) * $asos a"orables + casos posibles
7eamos algunos ejemplos:
a) !robabilidad de que al lan,ar un dado salga el n-mero .:
el caso favorable es tan s,lo uno &que salga el dos(, mientras
que los casos posibles son seis &puede salir cualquier nmero
del uno al seis(. or lo tanto:
&-( > ) ? / > *,)// &o lo que es lo mismo, )/,/9(
b) !robabilidad de que al lan,ar un dado salga un n-mero
par: en este caso los casos favorables son tres &que salga el
dos, el cuatro o el seis(, mientras que los casos posibles siguen
siendo seis. or lo tanto:
&-( > 0 ? / > *,8* &o lo que es lo mismo, 8*9(
c) !robabilidad de que al lan,ar un dado salga un n-mero
menor que /: en este caso tenemos cuatro casos favorables
&que salga el uno, el dos, el tres o el cuatro(, frente a los seis
casos posibles. or lo tanto:
&-( > 4 ? / > *,/// &o lo que es lo mismo, //,/9(
d) !robabilidad de que nos toque el 01ordo0 de 2a"idad:
tan s,lo un caso favorable, el nmero que jugamos &@qu+
triste...@(, frente a )**.*** casos posibles. or lo tanto:
&-( > ) ? )**.*** > *,****) &o lo que es lo mismo, *,**)9(
;erece la pena ...... or cierto, tiene la misma probabilidad el
nmero 48.2/4, que el nmero ****), pero Acu4l de los dos
comprar"asB
ara poder aplicar la &egla de 'aplace el experimento aleatorio tiene que
cumplir dos requisitos:
a) El n-mero de resultados posibles (sucesos) tiene que
ser inito3 5i .ubiera infinitos resultados, al aplicar la regla
$casos favorables ? casos posibles$ el cociente siempre ser"a
cero.
b) 4odos los sucesos tienen que tener la misma
probabilidad3 5i al lanzar un dado, algunas caras tuvieran
mayor probabilidad de salir que otras, no podr"amos aplicar
esta regla.
- la regla de Laplace tambi+n se le denomina 0probabilidad a priori0, ya
que para aplicarla .ay que conocer antes de realizar el experimento cuales
son los posibles resultados y saber que todos tienen las mismas
probabilidades.
#5 si el experimento aleatorio no cumple los dos requisitos indicados6
qu7 8acemos%6 #ponemos una denuncia%
#o, no va a ser necesario denunciar a nadie, ya que en este caso podemos
acudir a otro modelo de c4lculo de probabilidades que se basa en la
experiencia (modelo recuentista):
3uando se realiza un experimento aleatorio un nmero muy
elevado de veces, las probabilidades de los diversos posibles
sucesos empiezan a converger .acia valores determinados,
que son sus respectivas probabilidades.
Ejemplo: si lanzo una vez una moneda al aire y sale $cara$,
quiere decir que el suceso $cara$ .a aparecido el )**9 de las
veces y el suceso $cruz$ el *9.
5i lanzo diez veces la moneda al aire, es posible que el suceso
$cara$ salga : veces y el suceso $cruz$ las 0 restantes. !n este
caso, la probabilidad del suceso $cara$ ya no ser"a del )**9,
sino que se .abr"a reducido al :*9.
5i repito este experimento un nmero elevado de veces, lo
normal es que las probabilidades de los sucesos $cara$ y $cruz$
se vayan aproximando al 8*9 cada una. !ste 8*9 ser4 la
probabilidad de estos sucesos segn el modelo frecuentista.
!n este modelo ya no ser4 necesario que el nmero de soluciones sea
finito, ni que todos los sucesos tengan la misma probabilidad.
Ejemplo: si la moneda que utilizamos en el ejemplo anterior
fuera defectuosa &o estuviera trucada(, es posible que al repetir
dic.o experimento un nmero elevado de veces, la $cara$
saliera con una frecuencia, por ejemplo, del /89 y la $cruz$ del
089. !stos valores ser"an las probabilidades de estos dos
sucesos segn el modelo frecuentista.
- esta definici,n de la probabilidad se le denomina probabilidad a
posteriori, ya que tan s,lo repitiendo un experimento un nmero elevado
de veces podremos saber cual es la probabilidad de cada suceso.
Probabilidad de sucesos

!robabilidad de sucesos
-l definir los sucesos .ablamos de las diferentes relaciones que pueden
guardar dos sucesos entre s", as" como de las posibles relaciones que se
pueden establecer entre los mismos. 7amos a ver a.ora c,mo se refleja
esto en el c4lculo de probabilidades.
a) Un suceso puede estar contenido en otro: entonces, la probabilidad
del primer suceso ser4 menor que la del suceso que lo contiene.
Ejemplo: lanzamos un dado y analizamos dos sucesos: a( que salga el
nmero /, y b( que salga un nmero par. <ijimos que el suceso a( est4
contenido en el suceso b(.
&-( > )?/ > *,)//
&C( > 0 ? / > *,8*
or lo tanto, podemos ver que la probabilidad del suceso contenido, suceso
a(, es menor que la probabilidad del suceso que lo contiene, suceso b(.
b) Dos sucesos pueden ser iguales: en este caso, las probabilidades de
ambos sucesos son las mismas.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a( que salga
nmero par, y b( que salga mltiplo de 2. Las soluciones coinciden en
ambos casos.
&-( > 0 ? / > *,8*
&C( > 0 ? / > *,8*
c) Interseccin de sucesos: es aquel suceso compuesto por los elementos
comunes de los dos o m4s sucesos que se intersectan. La probabilidad ser4
igual a la probabilidad de los elemntos comunes.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a( que salga
nmero par, y b( que sea mayor que 0. La intersecci,n de estos dos
sucesos tiene dos elementos: el 4 y el /.
5u probabilidad ser4 por tanto:
&- C( > 2 ? / > *,00
d) Unin de dos o ms sucesos: la probabilidad de la uni,n de dos
sucesos es igual a la suma de las probabilidades individuales de los dos
sucesos que se unen, menos la probabilidad del suceso intersecci,n
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a( que salga
nmero par, y b( que el resultado sea mayor que 0. !l suceso uni,n estar"a
formado por los siguientes resultados: el 2, el 4, el 8 y el /.
&-( > 0 ? / > *,8*
&C( > 0 ? / > *,8*
&- C( > 2 ? / > *,00
or lo tanto,
&- u C( > &*,8* D *,8*( 6 *,00 > *,///
e) Sucesos incompatibles: la probabilidad de la uni,n de dos sucesos
incompatibles ser4 igual a la suma de las probabilidades de cada uno de los
sucesos &ya que su intersecci,n es el conjunto vacio y por lo tanto no .ay
que restarle nada(.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: a( que salga
un nmero menor que 0, y b( que salga el nmero /.
La probabilidad del suceso uni,n de estos dos sucesos ser4 igual a:
&-( > 2 ? / > *,000
&C( > ) ? / > *,)//
or lo tanto,
&- u C( > *,00 D *,)// > *,8*
) Sucesos complementarios: la probabilidad de un suceso
complementario a un suceso &-( es igual a ) 6 &-(
Ejemplo: lanzamos un dado al aire. el suceso &-( es que salga un nmero
par, luego su complementario, suceso &C(, es que salga un nmero impar.
La probabilidad del suceso &-( es igual a :
&-( > 0 ? / > *,8*
Luego, la probabilidad del suceso &C( es igual a:
&C( > ) 6 &-( > ) 6 *,8* > *,8*
5e puede comprobar aplicando la regla de $casos favorables ? casos
posibles$:
&C( > 0 ? / > *,8*
g) Unin de sucesos complementarios: la probabilidad de la uni,n de dos
sucesos complementarios es igual a ).
Ejemplo: seguimos con el ejemplo anterior: a( que salga un
nmero par, y b( que salga un nmero impar. La probabilidad
del suceso uni,n de estos dos sucesos ser4 igual a:
&-( > 0 ? / > *,8*
&C( > 0 ? / > *,8*
or lo tanto,
&- = C( > *,8* D *,8* > )
Combinaciones, Variaciones y Permutaciones (I)

ara aplicar la &egla de 'aplace, el c4lculo de los sucesos favorables y de
los sucesos posibles a veces no plantea ningn problema, ya que son un
nmero reducido y se pueden calcular con facilidad:
!or ejemplo: robabilidad de que al lanzar un dado salga el
nmero 2. Ean s,lo .ay un caso favorable, mientras que los
casos posibles son seis.
robabilidad de acertar al primer intento el .or,scopo de una
persona. Fay un caso favorable y )2 casos posibles.
5in embargo, a veces calcular el nmero de casos favorables y casos
posibles es complejo y .ay que aplicar reglas matem4ticas:
!or ejemplo: 8 matrimonios se sientan aleatoriamente a cenar
y queremos calcular la probabilidad de que al menos los
miembros de un matrimonio se sienten junto. !n este caso,
determinar el nmero de casos favorables y de casos posibles
es complejo.
Las reglas matem4ticas que nos pueden ayudar son el c4lculo de
combinaciones, el c4lculo de "ariaciones y el c4lculo de permutaciones.
a) $ombinaciones:
<etermina el nmero de subgrupos de ), 2, 0, etc. elementos que se
pueden formar con los $n$ elementos de una nuestra. 3ada subgrupo se
diferencia del resto en los elementos que lo componen, sin que influya el
orden.
!or ejemplo, calcular las posibles combinaciones de 2
elementos que se pueden formar con los nmeros ), 2 y 0.
5e pueden establecer 0 parejas diferentes: &),2(, &),0( y &2,0(.
!n el c4lculo de combinaciones las parejas &),2( y &2,)( se
consideran id+nticas, por lo que s,lo se cuentan una vez.
b) 9ariaciones:
3alcula el nmero de subgrupos de ), 2, 0, etc.elementos que se pueden
establecer con los $n$ elementos de una muestra. 3ada subgrupo se
diferencia del resto en los elementos que lo componen o en el orden de
dic.os elementos &es lo que le diferencia de las combinaciones(.
!or ejemplo, calcular las posibles variaciones de 2 elementos
que se pueden establecer con los nmero ), 2 y 0.
-.ora tendr"amos / posibles parejas: &),2(, &),0(, &2,)(, &2,0(,
&0,)( y &0,0(. !n este caso los subgrupos &),2( y &2,)( se
consideran distintos.
c) !ermutaciones:
34lcula las posibles agrupaciones que se pueden establecer con todos los
elementos de un grupo, por lo tanto, lo que diferencia a cada subgrupo del
resto es el orden de los elementos.
!or ejemplo, calcular las posibles formas en que se pueden
ordenar los nmero ), 2 y 0.
Fay / posibles agrupaciones: &), 2, 0(, &), 0, 2(, &2, ), 0(, &2, 0,
)(, &0, ), 2( y &0, 2, )(
Combinaciones, Variaciones y Permutaciones (II)

#$mo se calculan%
a) $ombinaciones:
ara calcular el nmero de combinaciones se aplica la siguiente f,rmula:
!l termino 0 n : 0 se denomina $factorial de n$ y es la multiplicaci,n de todos
los nmeros que van desde $n$ .asta ).
!or ejemplo: 4 G > 4 H 0 H 2 H ) > 24
La expresi,n 0$m6n0 representa las combinaciones de $m$ elementos,
formando subgrupos de $n$ elementos.
Ejemplo: 3)*,4 son las combinaciones de )* elementos
agrup4ndolos en subgrupos de 4 elementos:
!s decir, podr"amos formar 2)* subgrupos diferentes de 4
elementos, a partir de los )* elementos.
b) 9ariaciones:
ara calcular el nmero de variaciones se aplica la siguiente f,rmula:
La expresi,n 09m6n0 representa las variaciones de $m$ elementos, formando
subgrupos de $n$ elementos. !n este caso, como vimos en la lecci,n
anterior, un subgrupo se diferenciar4 del resto, bien por los elementos que
lo forman, o bien por el orden de dic.os elementos.
Ejemplo: 7)*,4 son las variaciones de )* elementos
agrup4ndolos en subgrupos de 4 elementos:
!s decir, podr"amos formar 8.*4* subgrupos diferentes de 4
elementos, a partir de los )* elementos.
c) !ermutaciones:
ara calcular el nmero de permutaciones se aplica la siguiente f,rmula:
La expresi,n 0!m0 representa las permutaciones de $m$ elementos,
tomando todos los elementos. Los subgrupos se diferenciaran nicamente
por el orden de los elementos.
Ejemplo: )* son las permutaciones de )* elementos:
!s decir, tendr"amos 0./22.2** formas diferentes de agrupar )*
elementos.
Combinaciones, Variaciones y Permutaciones (III)

7amos a analizar a.ora que ocurrir"a con el c4lculo de las combinaciones,
de las variaciones o de las permutaciones en el supuesto de que al formar
los subgrupos los elementos pudieran repetirse.
!or ejemplo: tenemos bolas de / colores diferentes y
queremos formar subgrupos en los que pudiera darse el caso
de que 2, 0, 4 o todas las bolas del subgrupo tuvieran el mismo
color. !n este caso no podr"amos utilizar las f,rmulas que
vimos en la lecci,n anterior.
a) $ombinaciones con repeticin:
ara calcular el nmero de combinaciones con repetici,n se aplica la
siguiente f,rmula:
Ejemplo: 3I)*,4 son las combinaciones de )* elementos con
repetici,n, agrup4ndolos en subgrupos de 4, en los que 2, 0 o
los 4 elementos podr"an estar repetidos:
!s decir, podr"amos formar :)8 subgrupos diferentes de 4
elementos.
b) 9ariaciones con repeticin:
ara calcular el nmero de variaciones con repetici,n se aplica la siguiente
f,rmula:
Ejemplo: 7I)*,4 son las variaciones de )* elementos con
repetici,n, agrup4ndolos en subgrupos de 4 elementos:
!s decir, podr"amos formar )*.*** subgrupos diferentes de 4
elementos.
c) !ermutaciones con repeticin:
ara calcular el nmero de permutaciones con repetici,n se aplica la
siguiente f,rmula:
5on permutaciones de $m$ elementos, en los que uno de ellos se repite $ x)
$ veces, otro $ x2 $ veces y as" ... .asta uno que se repite $ xJ $ veces.
Ejemplo: 3alcular las permutaciones de )* elementos, en los que uno de ellos
se repite en 2 ocasiones y otro se repite en 0 ocasiones:
!s decir, tendr"amos 0*2,4** formas diferentes de agrupar
estos )* elementos.

Ejercicios

;3< Ejercicio
3alcular la probabilidad de acertar los )4 signos de la quiniela:
Solucin:
5e aplica la &egla de 'aplace &casos favorables ? casos posibles(. !l caso
a"orable es tan s,lo uno &acertar los )4 signos(. Los casos posibles se
calculan como variaciones con repetici,n de 0 elementos &), K y 2(,
tomados de )4 en )4 &los signos que .ay que rellenar(.
5on variaciones y no combinaciones ya que el orden influye: no es lo mismo
&),),K( que &), K, )(. L son con repetici,n, ya que cualquiera de los signos
&), K y 2( se puede repetir .asta )4 veces.
or lo tanto, los casos posibles son:
L la probabilidad de acertar los )4 resultados es:
#o demasiado elevada....pero el que la sigue la consigue.
.3< Ejercicio
L la probabilidad de acertar )2 signos de la quiniela:
Solucin:
-plicamos nuevamente la &egla de 'aplace. !n este caso los casos
a"orables se calculan como combinaciones de )4 elementos tomados de 2
en 2, de esta manera obtenemos todas las posibles alternativas de fallar 2
resultados de )4 &lo que equivale a acertar )2 resultados(. =tilizamos
combinaciones y no variaciones ya que el orden no importa &da lo mismo
fallar el 0M y el /M, que el /M y el 0M(
Los casos posibles siguen siendo los mismos:
or lo que la probabilidad de acertar )2 resultados es:
or lo tanto, tenemos m4s probabilidades de acertar )2 resultados que )4
&Aser4 por eso por lo que pagan menosB(.
=3< Ejercicio
3alcular la probabilidad de, en una carrera de )2 caballos, acertar los 0 que
quedan primeros &sin importar cual de ellos queda primero, cual segundo y
cual tercero(.
Solucin:
5e aplica la &egla de 'aplace. !l caso a"orable es tan s,lo uno: los 0
caballos que entran en primer lugar. Los casos posibles se calculan como
combinaciones de )2 elementos tomados de 0 en 0 &es decir, determinamos
todos las posibles alternativas de 0 caballos que pueden entrar en las 0
primeras posiciones(. 3omo el orden de estos 0 primeros caballos no
importa, utilizamos combinaciones en lugar de variaciones.
or lo tanto, los casos posibles son:
or lo que la probabilidad de acertar los 0 caballos ganadores es:
-lgo mayor que en las quinielas.... !so s", se paga menos.
>3< Ejercicio
L si .ubiera que acertar, no s,lo los 0 caballos que ganan, sino el orden de
su entrada en meta.
Solucin:
!l caso a"orable sigue siendo uno: los 0 caballos que entran en primer
lugar, colocados en su orden correspondiente.
Los casos posibles se calculan a.ora como variaciones &ya que el orden
influye( de )2 elementos tomados de 0 en 0 &calculamos todas las posibles
maneras en que los )2 caballos podr"an ocupar las 0 primeras posiciones.
or lo que la probabilidad de acertar los 0 caballos ganadores es:
;enor que en el ejemplo 0M. La no vale acertar que 0 caballos entran en
primer lugar, sino que tenemos que acertar el orden de su entrada.
Probabilidad condicionada

Las probabilidades condicionadas se calculan una vez que se .a
incorporado informaci,n adicional a la situaci,n de partida:
Ejemplo: se tira un dado y sabemos que la probabilidad de que
salga un 2 es )?/ &probabilidad a priori(. 5i incorporamos nueva
informaci,n &por ejemplo, alguien nos dice que el resultado .a
sido un nmero par( entonces la probabilidad de que el
resultado sea el 2 ya no es )?/.
Las probabilidades condicionadas se calculan aplicando la siguiente
rmula:
<onde:
! (?+)) es la probabilidad de que se de el suceso C
condicionada a que se .aya dado el suceso -.
! (? )) es la probabilidad del suceso simult4neo de - y de C
! ()) es la probabilidad a priori del suceso -
!n el ejemplo que .emos visto:
! (?+)) es la probabilidad de que salga el nmero 2 &suceso C(
condicionada a que .aya salido un nmero par &suceso -(.
! (? )) es la probabilidad de que salga el dos y nmero par.
! ()) es la probabilidad a priori de que salga un nmero par.
or lo tanto:
&C -( > )?/
&-( > )?2
&C?-( > &)?/( ? &)?2( > )?0
Luego, la probabilidad de que salga el nmero 2, si ya sabemos que .a
salido un nmero par, es de )?0 &mayor que su probabilidad a priori de )?/(.
.@ ejemplo:
!n un estudio sanitario se .a llegado a la conclusi,n de que la probabilidad
de que una persona sufra problemas coronarios &suceso C( es el *,)*
&probabilidad a priori(.
-dem4s, la probabilidad de que una persona sufra problemas de obesidad
&suceso -( es el *,28 y la probabilidad de que una persona sufra a la vez
problemas de obesidad y coronarios &suceso intersecci,n de - y C( es del
*,*8.
3alcular la probabilidad de que una persona sufra problemas coronarios si
est4 obesa &probabilidad condicionada &C?-((.
&C -( > *,*8
&-( > *,28
&C?-( > *,*8 ? *,28 > *,2*
or lo tanto, la probabilidad condicionada es superior a la probabilidad a
priori. #o siempre esto es as", a veces la probabilidad condicionada es igual
a la probabilidad a priori o menor.
!or ejemplo: probabilidad de que al tirar un dado salga el nmero 2,
condicionada a que .aya salido un nmero impar.
La probabilidad condicionada es en este caso cero, frente a una
probabilidad a priori de )?/.
Probabilidad compuesta

La probabilidad compuesta &o regla de multiplicaci,n de probabilidades(
se deriva de la probabilidad condicionada:
La probabilidad de que se den simult4neamente dos sucesos
&suceso intersecci,n de - y C( es igual a la probabilidad a priori
del suceso - multiplicada por la probabilidad del suceso C
condicionada al cumplimiento del suceso -.
La rmula para calcular esta probabilidad compuesta es:
Ejemplo ;@ : !studiamos el suceso - &porcentaje de varones mayores de
4* a'os casados( y el suceso C &varones mayores de 4* a'os con m4s de 2
.ijos( y obtenemos la siguiente informaci,n:
=n 089 de los varones mayores de 4* a'os est4n casados.
<e los varones mayores de 4* a'os y casados, un 0*9 tienen
m4s de 2 .ijos &suceso C condicionado al suceso -(.
$alcular la probabilidad de que un "arn mayor de >A aBos est7
casado y tenga ms de . 8ijos &suceso intersecci,n de - y C(.
or lo tanto:
&-( > *,08
&C?-( > *,0*
&- C( > *,08 H *,0* > *,)*8
!s decir, un )*,89 de los varones mayores de 4* a'os est4n casados y
tienen m4s de 2 .ijos.
.@ ejemplo: !studiamos el suceso - &alumnos que .ablan ingl+s( y el
suceso C &alumnos que .ablan alem4n( y obtenemos la siguiente
informaci,n:
=n 8*9 de los alumnos .ablan ingl+s.
<e los alumnos que .ablan ingl+s, un 2*9 .ablan tambi+n
alem4n &suceso C condicionado al suceso -(.
$alcular la probabilidad de que un alumno 8able ingl7s y alemn
&suceso intersecci,n de - y C(.
or lo tanto:
&-( > *,8*
&C?-( > *,2*
&- C( > *,8* H *,2* > *,)*
!s decir, un )*9 de los alumnos .ablan ingl+s y alem4n.

Teorema de la probabilidad total

!l 4eorema de la probabilidad total nos permite calcular la probabilidad de
un suceso a partir de probabilidades condicionadas:
Ejemplo: supongamos que si llueve la probabilidad de que
ocurra un accidentes es x9 y si .ace buen tiempo dic.a
probabilidad es y9. !ste teorema nos permite deducir cu4l es
la probabilidad de que ocurra un accidente si conocemos la
probabilidad de que llueva y la probabilidad de que .aga buen
tiempo.
La rmula para calcular esta probabilidad es:
!s decir, la probabilidad de que ocurra el suceso ? &en nuestro ejemplo,
que ocurra un accidente( es igual a la suma de multiplicar cada una de
las probabilidades condicionadas de este suceso con los diferentes
sucesos - &probabilidad de un accidente cuando llueve y cuando .ace buen
tiempo( por la probabilidad de cada suceso )3
ara que este teorema se pueda aplicar .ace falta cumplir un requisito:
'os sucesos ) tienen que ormar un sistema completo, es
decir, que contemplen todas las posibilidades &la suma de sus
probabilidades debe ser el )**9(.
Ejemplo: al tirar una moneda, el suceso $salir cara$ y el suceso
$salir cruz$ forman un sistema completo, no .ay m4s
alternativas: la suma de sus probabilidades es el )**9
Ejemplo: al tirar un dado, que salga el ), el 2, el 0, o el 4 no
forman un sistema completo, ya que no contempla todas las
opciones &podr"a salir el 8 o el /(. !n este caso no se podr"a
aplicar el teorema de la probabilidad total.

Ejercicio ;@: !n un saquito .ay papeletas de tres colores, con las siguientes
probabilidades de ser elegidas:
a) )marilla: probabilidad del 8*9.
b) 9erde: probabilidad del 0*9
c) &oja: probabilidad del 2*9.
5egn el color de la papeleta elegida, podr4s participar en diferentes
sorteos. -s", si la papeleta elegida es:
a) )marilla: participas en un sorteo con una probabilidad de
ganar del 4*9.
b) 9erde: participas en otro sorteo con una probabilidad de
ganar del /*9
c) &oja: participas en un tercer sorteo con una probabilidad de
ganar del 2*9.
3on esta informaci,n, #qu7 probabilidad tienes de ganar el sorteo en el
que participes%:
).6 Las tres papeletas forman un sistema completo: sus
probabilidades suman )**9
2.6 -plicamos la f,rmula:
Luego,
&C( > &*,8* H *,4*( D &*,0* H *,/*( D &*,2* H *,2*( > *,84
or tanto, la probabilidad de que ganes el sorteo es del 849.

Ejercicio .@: 7an a cambiar a tu jefe y se barajan diversos candidatos:
a) $arlos, con una probabilidad del /*9
b) Cuan, con una probabilidad del 0*9
c) 'uis, con una probabilidad del )*9
!n funci,n de quien sea tu pr,ximo jefe, la probabilidad de que te suban el
sueldo es la siguiente:
a) Si sale $arlos: la probabilidad de que te suban el sueldo es
del 89.
b) Si sale Cuan: la probabilidad de que te suban el sueldo es
del 2*9.
c) Si sale 'uis: la probabilidad de que te suban el sueldo es
del /*9.
!n definitiva, #cual es la probabilidad de que te suban el sueldo%:
).6 Los tres candidatos forman un sistema completo
2.6 -plicamos la f,rmula:
&C( > &*,/* H *,*8( D &*,0* H *,2*( D &*,)* H *,/*( > *,)8
or tanto, la probabilidad de que te suban el sueldo es del )89.
Lo llevas claro amigo...
Teorema de ayes

!l 4eorema de ?ayes viene a seguir el proceso in"erso al que .emos
visto en el 4eorema de la probabilidad total:
4eorema de la probabilidad total: a partir de las
probabilidades del suceso - &probabilidad de que llueva o de
que .aga buen tiempo( deducimos la probabilidad del suceso C
&que ocurra un accidente(.
4eorema de ?ayes: a partir de que .a ocurrido el suceso C &.a
ocurrido un accidente( deducimos las probabilidades del suceso
- &Aestaba lloviendo o .ac"a buen tiempoB(.
La rmula del Eeorema de Cayes es:
Eratar de explicar estar f,rmula con palabras es un galimat"as, as" que
vamos a intentar explicarla con un ejemplo. <e todos modos, antes de
entrar en el ejercicio, recordar que este teorema tambi+n exige que el
suceso ) orme un sistema completo3

Ejercicio ;@: !l parte meteorol,gico .a anunciado tres posibilidades para el
fin de semana:
a) Due llue"a: probabilidad del 8*9.
b) Due nie"e: probabilidad del 0*9
c) Due 8aya niebla: probabilidad del 2*9.
5egn estos posibles estados meteorol,gicos, la posibilidad de que ocurra
un accidente es la siguiente:
a) Si llue"e: probabilidad de accidente del )*9.
b) Si nie"a: probabilidad de accidente del 2*9
c) Si 8ay niebla: probabilidad de accidente del 89.
Nesulta que efectivamente ocurre un accidente y como no estabamos en la
ciudad no sabemos que tiempo .izo &nev,, llov"o o .ubo niebla(. !l teorema
de Cayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que .a
ocurrido un accidente se denominan 0probabilidades a priori0
&lluvia con el /*9, nieve con el 0*9 y niebla con el )*9(.
=na vez que incorporamos la informaci,n de que .a ocurrido
un accidente, las probabilidades del suceso - cambian: son
probabilidades condicionadas &-?C(, que se denominan
0probabilidades a posteriori0.
7amos a aplicar la f,rmula:
a) !robabilidad de que estu"iera llo"iendo:
La probabilidad de que efectivamente estuviera lloviendo el d"a del
accidente &probabilidad a posteriori( es del :),49.
b) !robabilidad de que estu"iera ne"ando:
La probabilidad de que estuviera nevando es del 2),49.
c) !robabilidad de que 8ubiera niebla:
La probabilidad de que .ubiera niebla es del :,)9.
Independencia de sucesos

<os sucesos son independientes entre s", si la ocurrencia de uno de ellos
no afecta para nada a la ocurrencia del otro:
Ejemplo: el suceso estatura de los alumnos de una clase y el
color del pelo son independientes: el que un alumno sea m4s o
menos alto no va a influir en el color de su cabello, ni viceversa.
ara que dos sucesos sean independientes tienen que verificar al menos
una de las siguientes condiciones:
! (?+)) * ! (?) es decir, que la probabilidad de que se de el
suceso C, condicionada a que previamente se .aya dado el
suceso -, es exactamente igual a la probabilidad de C.
Ejemplo: la probabilidad de que al tirar una
moneda salga cara &suceso C(, condicionada a que
.aga buen tiempo &suceso -(, es igual a la propia
probabilidad del suceso C.
! ()+?) * ! ()) es decir, que la probabilidad de que se de el
suceso -, condicionada a que previamente se .aya dado el
suceso C, es exactamente igual a la probabilidad de -.
Ejemplo: la probabilidad de que .aga buen tiempo
&suceso -(, condicionada a que al tirar una moneda
salga cara &suceso C(, es igual a la propia
probabilidad del suceso -.
! () ?) * ! ()) E ! (?) es decir, que la probabilidad de que se
de el suceso conjunto - y C es exactamente igual a la
probabilidad del suceso - multiplicada por la probabilidsad del
suceso C.
Ejemplo: la probabilidad de que .aga buen tiempo
&suceso -( y salga cara al tirar una moneda
&suceso C(, es igual a la probabilidad del suceso -
multiplicada por la probabilidad del suceso C
5i el suceso ) es independiente del suceso ?, entonces el suceso ?
tambi+n es independiente del suceso )3
Ejemplo ;@: analicemos dos sucesos:
Suceso ): la probabilidad de que .aga buen tiempo es del *,4
Suceso ?: la probabilidad de tener un accidente es del *,)
Suceso interseccin: la probabilidad de que .aga buen tiempo
y tener un accidente es del *,*2
7eamos si se cumple alguna de las condiciones se'aladas:
&C?-( > &- C( ? &-( > *,*2 ? *,4 > *,2 &que no es igual a
&C((
&-?C( > &- C( ? &C( > *,*2 ? *,/ > *,)00 &que no es igual
a &-((
&- C( > *,*2 &que no es igual a &-( multiplicado por &C((
or lo tanto, no se cumple ninguna de las tres condiciones se'aladas por lo
que estos dos sucesos no son independientes, sino que existe algn
grado de dependencia entre ellos.
Ejemplo .@: analicemos dos sucesos:
Suceso ): la probabilidad de que .aga buen tiempo es del *,4
Suceso ?: la probabilidad de salir cara al lanzar una moneda
es del *,8
Suceso interseccin: la probabilidad de que .aga buen tiempo
y que salga cara es *,2
7eamos si se cumple alguna de las condiciones se'aladas:
&C?-( > &- C( ? &-( > *,2 ? *,4 > *,8 &igual que &C((
&-?C( > &- C( ? &C( > *,2 ? *,/ > *,4 &igual que &-((
&- C( > *,2 &igual a &-( multiplicado por &C((
or lo tanto, estos dos sucesos sF son independientes3