Capitulo - 2 Estadistica 1

Contenido
2 Conceptos b
asicos de la probabilidad
2.1 Experimentos, espacios muestrales y eventos . . .
2.2 Modelo de urnas y tecnicas de conteo . . . . . .
2.2.1 Modelo de urnas . . . . . . . . . . . . . .
2.2.2 El conteo por enumeraci
on de elementos .
2.2.3 El conteo a traves de diagramas de arbol
2.2.4 Teorema fundamental del conteo . . . . .
2.2.5 El principio de adici
on . . . . . . . . . . .
2.2.6 Permutaci
on . . . . . . . . . . . . . . . .
2.2.7 Combinaci
on . . . . . . . . . . . . . . . .
2.3 Introducci
on a la probabilidad . . . . . . . . . . .
2.3.1 Definici
on matematica de probabilidad . .
2.3.2 Probabilidad emprica . . . . . . . . . . .
2.3.3 Definici
on clasica de probabilidad . . . . .
2.3.4 Probabilidad subjetiva o personal . . . . .
2.4 Probabilidades condicionales . . . . . . . . . . .
2.5 Independencia . . . . . . . . . . . . . . . . . . .
Ejercicios complementarios . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
2
3
15
16
17
19
19
22
22
29
34
34
36
38
43
49
63
69
Respuestas a ejercicios impares seleccionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
CAPITULO
Conceptos b
asicos de la
probabilidad
Contenido
2.1
2.2
Experimentos, espacios muestrales y eventos . . . . . . .
Modelo de urnas y t
ecnicas de conteo . . . . . . . . . . . 15
2.2.1 Modelo de urnas . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2
2.2.3
2.2.4
El conteo por enumeracion de elementos . . . . . . . . . . . 17

El conteo a traves de diagramas de arbol . . . . . . . . . . 19
Teorema fundamental del conteo . . . . . . . . . . . . . . . 19
2.2.5
2.2.6
El principio de adicion . . . . . . . . . . . . . . . . . . . . . 22
Permutaci
on . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.7 Combinacion . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Introducci
on a la probabilidad . . . . . . . . . . . . . . . 34
2.3.1
2.3.2
Definicion matematica de probabilidad . . . . . . . . . . . . 34

Probabilidad emprica . . . . . . . . . . . . . . . . . . . . . 36
2.3.3 Definicion clasica de probabilidad . . . . . . . . . . . . . . . 38

2.3.4 Probabilidad subjetiva o personal . . . . . . . . . . . . . . . 43
2.4 Probabilidades condicionales . . . . . . . . . . . . . . . . . 49
2.5 Independencia . . . . . . . . . . . . . . . . . . . . . . . . .
Ejercicios complementarios . . . . . . . . . . . . . . . . . . .
63
69
2.1 Experimentos, espacios muestrales y eventos
Objetivos del captulo

1. Describir y aplicar algunas tecnicas de conteo en la soluci
on de problemas.
2. Desarrollar la comprensi
on de los conceptos basicos de probabilidad.
3. Definir y aplicar el concepto de probabilidad condicional.
4. Aplicar el teorema de Bayes en el c
alculo de probabilidades.
5. Definir y aplicar el concepto de independencia entre eventos.
Empleo de la estadstica
En una encuesta hecha a estudiantes de nuevo ingreso a la universidad se encontr
o que, entre todos los estudiantes admitidos, el 55% no tienen problema
de ning
un tipo, el 25% sienten que fueron mal orientados en cuanto a la carrera
elegida y el 20% tienen problemas de tipo econ
omico. La misma encuesta muestra
que de los que no tienen ning
un tipo de problema solamente el 1% no regresa al
segundo semestre; que la probabilidad de que los que fueron mal orientados no
continuen en el segundo semestre es de 0,7 y la probabilidad de que los que tienen
problemas econ
omicos continuen es de 0,05. Si se elige un alumno al azar del
segundo semestre, cu
al es la probabilidad de que el sea uno de los que a pesar de
no estar en la carrera de su vocaci
on haya continuado?
2.1
Experimentos, espacios muestrales y eventos
Experimentos determinsticos y aleatorios

La teora de la probabilidad tiene que ver con los diversos resultados posibles que podran
obtenerse y los posibles sucesos que podran ocurrir cuando se realiza un experimento. El
termino experimento se utiliza en la teora de la probabilidad para describir virtualmente
cualquier acci
on o proceso que genera observaciones.
Definici
on 2.1.1 Un experimento es cualquier acci
on o proceso que genera observaciones.
La validez de la mayora de las teoras cientficas esta basada, en gran parte, en que los
experimentos, sobre los cuales las teoras se fundamentan, suministran esencialmente el
mismo resultado cuando estos experimentos se repiten. Este tipo de experimentos se
llaman determinsticos.
Definici
on 2.1.2 Un experimento determinstico es cualquier experimento
que, al repetirse bajo las mismas condiciones, genera siempre los mismos resultados.
Un ejemplo, en fsica, que es un experimento determinstico es la ley de la cada libre,
s=
1
gt2 .
2
Sin embargo, hay experimentos cuyos resultados no son determinados, si las condiciones
de los experimentos se mantienen constante. Ellos se llaman experimentos aleatorios o
estocasticos.
stico) es cualquier exDefinici

on 2.1.3 Un experimento aleatorio (o estoca
perimento que, al repertirse bajo las mismas condiciones, no genera siempre los
mismos resultados.
Ejemplos familiares de estos experimentos, son los juegos de suerte como dados, lanzamiento de monedas o juegos de cartas. Sin embargo, hay otros tipos de ejemplos de
experimentos aleatorios como los siguientes:
(1) Semillas de igual estado que producen plantas de diferentes tama
nos.
(2) Una maquina de coser alarga a veces una puntada sin un motivo claro.
(3) La duraci
on de vida de las personas, que viven bajo condiciones semejantes, vara
y no se puede predecir.
(4) El sexo de un recien nacido.
(5) El a
no en que se extingue el apellido familiar.
Espacio muestral, evento y evento elemental

El primer paso para analizar un determinado experimento consiste en definir con cuidado
los resultados experimentales. Cuando hayamos definido todos los resultados posibles,
habremos identificado el llamado espacio muestral del experimento.
Definici
on 2.1.4 Supongamos que se realiza un experimento aleatorio.
(a) El conjunto de todos los posibles resultados de ese experimento, se llama
espacio muestral ( o de resultados).
El espacio muestral se simbolizar
a con la letra griega (leda omega).
(b) Cualquier subconjunto del espacio muestral se llama evento.

Los eventos se simbolizar
an con las letras may
usculas A, B, C, etc.
El evento A ha
sucedido significa que el resultado observado del experimento est

a en A.
(c) Si un evento tiene un solo elemento se llamar

a evento elemental.
Ejemplo 2.1.5 Consideremos los siguientes experimentos aleatorios:

1. El lanzamiento de una moneda.
Los posibles resultados son cara (C) o sello (S). Por tanto, = {C, S}.
{C} =la moneda se

nala cara es un evento elemental.
La primera moneda muestra sello = {(S, S), (S, C)} es un evento.
2. Lanzamiento de dos monedas.
a) Dos monedas diferentes se lanzan al mismo tiempo.
El espacio muestral correspondiente esta dado por
= {(C, C), (C, S), (S, C), (S, S)} = {C, S} {C, S}
y, en este caso, (C, S) 6= (S, C).
{(C, C)} =las monedas muestran cara es un evento elemental.
ambas monedas muestran el mismo lado = {(S, S), (C, C)} es un ejemplo
de un evento.
b) Dos monedas que no se pueden distinguir entre s se lanzan al mismo tiempo.
En esta situaci
on, = {(C, C), {C, S}, (S, S)}. Aqu, (C, S) = (S, C).

{C, S} =las monedas muestran diferentes lados es un evento elemental.
Un ejemplo de un evento es ambas monedas muestran el mismo lado
= {(S, S), (C, C)}.
3. Una moneda se lanza hasta que cara (C) aparezca.
Se observa el n
umero de lanzamientos que muestran sello (S) antes de que
aparezca una cara. Por tanto, = {0, 1, 2, . . . , }.
En este caso, {3} = C aparece por primera vez en el cuarto lanzamiento es un

evento elemental y {} es el evento elemental de que la moneda nunca muestre
a C.
C aparece no antes del septimo lanzamiento = {6, 7, 8, . . . , } es un evento.
4. Duraci
on de la vida humana.
Se observa la edad en la que diferentes personas mueren. De esta forma, es

el conjunto de todos los n
umeros reales menores o iguales que k, donde k es la
edad de la persona que m
as a
nos ha vivido en la tierra.
{59,7} es el evento elemental de que una determinada persona muri
o a la edad
de 59,7 anos.
Alguien muere con edad entre 60 y 70 a
nos = [60, 70] es un ejemplo de un
evento de .
Eventos seguro e imposible

En especial, el conjunto vaco y son eventos. El conjunto es el llamado evento
seguro, que siempre sucede y es el llamado evento imposible, que nunca puede
suceder (por ejemplo, que se obtenga un 7 en el lanzamiento de un dado).
Operaciones entre eventos

En muchas aplicaciones, estamos interesados simultaneamente en uno o mas eventos.
Por ejemplo, si se lanza un dado, dos eventos que podran considerarse son el n
umero
resultante es un m
ultiplo de 2 y el n
umero resultante es mnimo un 5. Una posibilidad es que todos los enventos de interes podran ocurrir; este sera el caso si el resultado
basico del experimento aleatorio pertenece a todos estos eventos. El conjunto de resultados basicos que pertenece a todos los eventos de un grupo se denomina intersecci
on.
Definici
on 2.1.6 Sean A y B dos eventos de un espacio muestral . Su inter n, simbolizado por A B, es el conjunto de todos los resultados posibles en
seccio
que pertenecen a A y a B. Por tanto, la intersecci
on A B ocurre si y s
olo si
tanto A como B ocurren.
De manera m
as general, dado n eventos A1 , A2 , . . . , An de un espacio muestral , su intersecci
on A1 A2 An es el conjunto de todos los resultados posibles de que pertenecen a
todos los Ai (i = 1, 2, . . . , n).
Un instrumento u
til para pensar en intersecciones y otras relaciones de conjuntos es el
diagrama de Venn. En la figura 2.1 se muestran diagramas para pares de conjuntos A y
B. En la parte (a) de la figura, el rectangulo representa el espacio muestral, mientras
que las dos circunferencias representan los dos eventos A y B.
As, por ejemplo, un resultado basico perteneciente a A estara dentro del crculo correspondiente. El area sombreada donde se cruzan las dos figuras es A B. Claramente,
un resultado basico estara en A B si y s
olo si esta tanto en A como en B. De esta
manera, al lanzar un dado, los resultados 3 y 5 pertenecen a los dos eventos A =se
obtiene un n
umero impar y B =se obtiene como mnimo un 3.
(a) A B es el
area sombreada.
(b) A y B son mutuamente excluyentes
Fig. 2.1: Los diagramas de Venn para la intersecci

on de los eventos A y B.
Es posible que los eventos A y B no tengan resultados en com
un, en cuyo caso las
figuras no se cruzaran como en la parte (b) de la figura 2.1. Tales eventos se dicen
que son mutuamente excluyentes (o disyuntos). Por ejemplo, si un al lanzar un dado,
los eventos A =se obtiene un n
umero par y B =se obtiene un n
umero impar son
mutuamente excluyentes.
Definici
on 2.1.7 Sean A y B dos eventos de un espacio muestral . Si los
sucesos A y B no tienen en com
un resultados de , se denominan mutuamente
excluyentes (o disyuntos) y su intersecci
on A B es el conjunto vaco. De esto
se deduce que el evento A B no puede ocurrir.
De manera m
as general, decimos que n eventos A1 , A2 , . . . , An de un espacio muestral
son mutuamente excluyentes si todo par de estos eventos es mutuamente excluyente, es decir
si Ai Aj es el conjunto vaco para todo i 6= j.
Cuando se consideran varios eventos conjuntamente, otra posibilidad de interes es que

por lo menos uno de ellos ocurra. Esto sucedera si el resultado del experimento pertenece
al menos a uno de los eventos. El conjunto de resultados pertenecientes por lo menos a
uno de los eventos, se denomina uni
on. Por ejemplo, en el experimento del lanzamiento
de un dado, los resultados 2, 4, 5 y 6 pertenecen por lo menos a uno de los eventos
A =se obtiene un n
umero par o B =se obtiene como mnimo un 4.
n,
Definici
on 2.1.8 Sean A y B dos eventos de un espacio muestral . Su unio
simbolizado por A B, es el conjunto de todos los resultados posibles en que
pertenecen por lo menos a uno de estos eventos. Por tanto, la uni
on A B ocurre
si y s
olo si por lo menos alguno de estos dos eventos, A o B, ocurre.
De manera m
as general, dado n eventos A1 , A2 , . . . , An de un espacio muestral , su
uni
on A1 A2 An es el conjunto de todos los resultados posibles de que pertenecen por lo
menos a uno de estos n eventos.
La uni
on de un par de eventos se ilustra en el diagrama de Venn de la figura 2.2a, donde
claramente se observa que un resultado estara en A B si y s
olo si esta en por lo menos
alguno de estos dos eventos, A o B.
(a) A B es el
area sombreada.
(b) A B es el
area sombreada
Fig. 2.2: Los diagramas de Venn para la uni

on y diferencia de los eventos A y B.
Ahora, cuando se consideran dos eventos conjuntamente, otra situaci
on que interesa es
que uno de ellos ocurra, pero el otro no. Esto ocurre cuando el resultado del experimento
pertenece a uno de ellos, pero no al otro. El conjunto de resultados que pertenecen a un

evento, pero no a otro otro se denomina diferencia entre ambos eventos. Por ejemplo,
los resultados 2 y 4 pertenecen al evento A =se obtiene un n
umero par estrictamente
menor que 6, pero no al evento B =se obtiene mnimo 5.
Definici
on 2.1.9 Sean A y B dos eventos de un espacio muestral . La diferencia entre A y B, simbolizado por A B, es el conjunto de todos los resultados
posibles en que pertenecen a A, pero no a B. Por tanto, la diferencia A B ocurre
si y s
olo si A ocurre, pero B no.
La diferencia entre un par de eventos se muestra en el diagrama de Venn de la figura 2.2b,
en donde se observa que un resultado estara en AB si y s
olo si esta en A, pero no en B.
A continuaci
on, sea A un evento y supongamos que nuestro interes es que A no ocurra.
Esto sucedera si el resultado del experimento aleatorio se encuentra en (como debe
ser), pero no en A. El conjunto de resultados pertenecientes al espacio muestral, y que
no pertenecen a determinado evento, se denomina complemento de ese conjunto.
Definici
on 2.1.10 Sea A evento de un espacio muestral . Su complemento,
simbolizado por A, es el conjunto de todos los resultados posibles en que no perteolo si A no ocurre.
nencen a A. Por tanto, el complemento A de A ocurre si y s
Claramente, los eventos A y A son mutuamente excluyentes. El complemento del evento
A se ilustra en la figura 2.3a.
(a) A es el
area sombreada.
(b) Partici
on de
Fig. 2.3: Diagrama de Venn para el complemento de A y partici

on de a traves de
A1, A2, A3, . . . , An.
Un caso de especial interes lo constituye una colecci
on de varios eventos cuya uni
on
es la totalidad del espacio muestral . Dado que todo resultado pertenece a , se
deduce que todo resultado de un experimento aleatorio estara al menos en una clase
de estas colecciones de eventos. Estos eventos se denominan colectivamente exhaustivos. Por ejemplo, si se lanza un dado, los sucesos el resultado es como mnimo un
3 y el resultado es maximo un 6 son colectivamente exhaustivos (al menos uno de
estos eventos debe ocurrir). Pero, si adicionalmente estas colecciones de eventos son
mutuamente excluyentes, entonces, se dice que estos eventos forman una partici
on de .
Definici
on 2.1.11 Sean A1, A2, . . . , An eventos de un espacio muestral .
(a) Si se cumple que A1 A2 An = , entonces, estos n eventos se denominan
colectivamente exhaustivos.
n de si ellos son colecti(b) Decimos que estos n eventos forman una particio
vamente exhaustivos y mutuamente excluyentes.
Una representaci
on gr
afica de esta situaci
on se observa en la figura 2.3b.
Observemos
que todos los eventos elementales forman una partici

on del espacio muestral correspondiente.
Ejemplo 2.1.12 Sea = {1, 2, 3, 4, 5} el espacio muestral correspondiente a un experimento

aleatorio dado. Ademas, sean A = {2}, B = {1, 4}, C = {3, 5} y D = {2, 3, 4, 5}. Entonces (ver
figura 2.4),
A, B y C es una particion de porque A B C = y A B = , A C = ,
B C = .
B y D son colectivamente exhaustivos, pero no forman una particion de porque
B D = {4} 6= .
A, C y D no son colectivamente exhaustivos (y, por tanto, tampoco forman una
particion de ) porque 1 6 A C D.
Fig. 2.4: Diagrama de Venn para el ejemplo 2.1.12

Hemos presentado cuatro conceptos importantes (interseccion, uni
on, diferencia y complemento). Todos ellos seran importantes en nuestro estudio subsiguiente de la probabilidad. Los siguientes ejemplos ilustran estas operaciones entre eventos.
Ejemplo 2.1.13 Se lanza un dado. Sea A el evento se obtiene un n
umero impar y B el
evento se obtiene mnimo un 3. Entonces,
10
Los complementos de estos eventos son, respectivamente,

A =
se obtiene un n
umero par = {2, 4, 6},
B =
se obtiene m
aximo un 2 = {1, 2}.
La intersecci
on de A y B es el evento
A B = se obtiene un n
umero impar distinto de 1 = {3, 5}.
La union de A y B es el evento
A B = se obtiene un n
umero distinto de 2 = {1, 3, 4, 5, 6}.
La diferencia de A y B es el evento
A B = se obtiene el n
umero 1 = {1}.
La diferencia de B y A es el evento
B A = se obtiene un n
umero par distinto de 2 = {4, 6}.
Observemos tambien que los eventos A y A son mutuamente excluyentes, dado que su
intersecci
on es el conjunto vaco, y colectivamente exhaustivos, dado que su uni
on es el
espacio muestral . En otras palabras, A y A forman una particion de .
Algunas propiedades relacionadas con eventos

A continuaci
on presentamos algunas de las propiedades basicas que se deben tener en
cuenta cuando trabajamos con eventos.
Teorema 2.1.14 Sean A y B eventos de un espacio muestral . Entonces, son
v
alidas las siguientes afirmaciones.
(a) =
(b) =
(c) A = A
(d) A =
(e) A = A
(f ) A A =
(g) A A =
(h) A B = A B
(i) A B = A B
Los resultados (h) e (i) son las llamadas leyes de De Morgan.
Presentamos ahora dos resultados mas que incluyen uniones e intersecciones. Seran
empleados mas adelante para desarrollar algunas reglas de probabilidad.
11
Teorema 2.1.15 Sean A, A1, A2, . . ., An y B eventos de un espacio muestral .

Entonces, son v
alidas las siguientes afirmaciones.
on es igual al
(a) Los eventos A B y A B son mutuamente excluyentes y su uni
evento B, es decir, forman una partici
on de B (ver figura 2.5a).
(b) Si A1, A2, . . ., An forman una partici
on de , entonces, los eventos A1 B,
A2 B, . . ., An B son mutuamente excluyentes y su uni
on es B, es decir,
forman una partici
on de B.
Para comprender lo expuesto en el teorema 2.1.15b, consideraremos el diagrama de
Venn de la figura 2.5b. El rectangulo grande es el espacio muestral y esta subdividido
en partes mas peque
nos que representan los n eventos A1, A2, . . ., An que forman la
partici
on de . El evento B viene representado por la regi
on sombreada. Se observa que
los eventos comprendidos en la interseci
on de B y cada uno de los eventos Ai forman
una partici
on de B, es decir, son mutuamente excluyentes y su uni
on es B.
(a) Diagrama de Venn para los

eventos A B y A B.
(b) Diagrama de Venn para

A1 B, A2 B, . . . y An B
Fig. 2.5: Diagrama de Venn para diferentes intersecciones.

Ejemplo 2.1.16 Consideremos el lanzamiento de un dado. Verificaremos los dos resultados
que se presentan en el teorema 2.1.15.
(a) Sean A = {1, 3, 5} y B = {3, 4, 5, 6}. Entonces, los eventos
A B = {3, 5}
A B = {4, 6}
son mutuamente excluyentes y su union es B (ver figura 2.6a). De esta forma queda
verificada la parte (a) del teorema.
(b) Sean B = {3, 4, 5, 6}, A1 = {1, 3}, A2 = {2, 4, 6} y A3 = {5}. Observemos que los eventos
A1 , A2 y A3 forman una particion de . Por que? Ahora, claramente podemos
observar que los eventos
A1 B = {3},
A2 B = {4, 6},
A3 B = {5}
son mutuamente excluyentes y su union es B (ver figura 2.6b), verificandose, de esta

manera, la parte (b) del teorema.
(a) Los eventos A B y A B

son mutuamente excluyentes y
su uni
on es B.
12
(b) A1 B, A2 B y A3 B
son mutuamente excluyentes y
su uni
on es B
Fig. 2.6: Diagrama de Venn para diferentes intersecciones.

Ejemplo 2.1.17 Un problema al que se enfrenta frecuentemente la investigaci
on de mercados lo constituye el hecho de que algunas preguntas que nos gustara hacer son tan delicadas
que muchas personas se negar
an a contestarlas o dar
an una respuesta falsa. Una manera
todo de la respuesta aleatorizada1 . Esta
de atacar este problema es utilizar el me
tecnica consiste en acompa
nar la pregunta delicada con otra pregunta normal. Por ejemplo,
podramos tener el siguiente par de preguntas:
(a) Ha hurtado en almacenes intencionalmente en los u
ltimos doce meses?
(b) Ha realizado una compra por catalogo en los u
ltimos doce meses?
A los encuestados se les pide que lancen una moneda y entonces contestan a la pregunta
(a) si se obtiene cara y a la (b) en otro caso. Dado que el encuestador no puede saber a
que pregunta se contesta, se espera que se obtengan de esta manera respuestas verdaderas.
Para las preguntas que acompa
nan a la de interes, el investigador cuenta ya con informaci
on
sobre la poblacion sujeta a estudio. De este modo, en nuestro ejemplo, el investigador sabe
que proporci
on de la poblacion realizo una compra por catalogo en los u
ltimos doce meses.
Definamos ahora los siguientes eventos:
B : El encuestado responde s.
A1 : El encuestado responde a la pregunta delicada.
A2 : El encuestado responde a la pregunta normal.
Claramente, los eventos A1 y A2 son mutuamente excluyentes y colectivamente exhaustivos.
De este modo, las condiciones de la parte (b) del teorema 2.1.15 y se verifica que los eventos
A1 B
A2 B
=
=
El encuestado responde s y lo hace a la pregunta delicada,

El encuestado responde s y lo hace a la pregunta normal
son mutuamente excluyentes. Ademas, su union es el evento B, como se puede verificar

facilmente.
Ver, por ejemplo, M. D. Geurts, Using a randomized response research design to eliminate
nonresponse biases in business research, Journal of Academy of Marketing Science, 8 (1980), 8390.
13
Ejercicios de la secci
on 2.1
1. En un concurso de television, el ganador puede elegir tres de cinco personas diferentes:
A, B, C, D y E.
(a) Enumere los elementos del espacio muestral correspondientes.
(b) Cuantos elementos hay en el espacio muestral correspondientes a una seleccion que
incluye a A?
(c) Cuantos elementos hay en el espacio muestral correspondientes a una seleccion que
incluye a A y a B?
(d) Cuantos elementos hay en el espacio muestral correspondientes a una seleccion que
incluye a A o a B?
2. La gerencia de produccion de una corporaci
on realiz
o un estudio para determinar el tiempo,
en minutos, necesario para que un tecnico ejecute cierta tarea relacionada con el montaje
de sus televisores.
(a) Describa el espacio muestral correspondiente a este estudio.
(b) Describa el evento E de que un tecnico tarde tres minutos o menos para realizar la
tarea.
(c) Describa el evento F de que un tecnico tarde mas de tres minutos para realizar la
tarea.
3. Como parte de un procedimiento de control de calidad, un inspector de una granja selecciono 10 adornos al azar de cada lote que recibe y registra el numero de adornos
defectuosos.
(a) Cual es el espacio muestral adecuado para cada lote?
(b) Describa el evento F de que a lo mas cuatro adornos esten rotos.
(c) Describa el evento G de que al menos siete adornos esten rotos.
(d) Describa los eventos F G y F G.
(e) Describa el evento H de que once adornos esten rotos.
(f) Determinar si la proposici
on dada es verdadera o falsa. Si es verdadera, explicar
por que y si es falsa, construya un contraejemplo (es decir, un ejemplo para mostrar
que es falsa): Si E y F son eventos mutuamente excluyentes y E y G son eventos
mutuamente excluyentes, entonces, F y G son mutuamente excluyes.
4. En un campeonato de f
utbol participan cuatro universidades: Uninorte, Uniatlantico,
Uniaut
onoma y la Cuc. En la primera vuelta, Uninorte jugara contra Uniatlantico y Uniautonoma contra la Cuc. Los dos ganadores jugaran por el campeonato y subcampeonato
y los perdedores, por el tercer y cuarto puesto. Un posible resultado definitivo puede representarse por la tupla (Uninorte, Uniaut
onoma, Uniatlantico, Cuc), en donde se indica
que Uninorte fue el campe
on, Uniaut
onoma el subcampe
on, Uniatlantico quedo de tercero
y la Cuc, de cuarto.
(a) Enumere todos los posibles resultados de .
(b) Sea A el evento en que Uninorte gana el torneo. Haga una lista de los elementos de
A.
(c) Sea B el evento en que Uniatlantico llega a la final. Haga una lista de los elementos
de B.
(d) Cuales son los resultados en A B y en A B? Cuales son los resultados en A?
14
5. En el departamento de recaudos se acaba de terminar una votaci

on secreta para elegir el
nuevo jefe de ese departamento. La urna de votos contiene tres papeletas con votos para
Greyci, uno de los dos candidatos y dos papeletas con votos para Brian, el otro candidato.
Supongamos que las papeletas se sacan de la caja una por una.
(a) Cuantos resultados disponibles hay? Cuales son?
(b) Suponga que se realiza un conteo a medida que se sacan las papeletas. En cuales
resultados Greyci se mantiene adelante de Brian en todo el conteo?
6. Una familia formada por Greyci, Brian y Humberto asisten a una clnica que siempre tiene
un medico en cada una de las oficinas 1, 2 y 3. Durante cierta semana, cada miembro de
la familia visita una vez la clnica y se le asigna al azar un medico: el experimento consiste
en registrar el n
umero de la oficina asignada a cada miembro de la familia. Un resultado
de (3, 2, 2) es: para Greyci la oficina 3; Brian, oficina 2 y Humberto, oficina 2.
(a) Haga una lista de los 27 resultados del espacio muestral.
(b) Haga una lista de todos los resultados del evento en el cual las tres personas de la
familia vayan a la misma oficina.
(c) Haga una lista de todos los resultados del evento en el cual todos los miembros de la
familia vayan a diferentes oficinas.
(d) Haga una lista de todos los resultados del evento en el cual ning
un miembro de la
familia vaya a la oficina 2.
7. Sea = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} el espacio muestral correspondiente a un experimento
aleatorio dado. Sean A, B, C y D eventos de definidos por
A = {0, 1, 2, 3},
B = {4, 5, 6, 7},
C = {2, 4, 6},
D = {1, 8, 9}.
Liste los elementos de los conjuntos que corresponden a los siguientes eventos: (a) A D;
(b) B C; (c) D; (d) (D A) C; (e) B; (f) B C D.
8. Se
nale la region de la figura de abajo que representa a cada evento: (a) A B C, (b)
A B C, (c) A B C, (d) A B C, (e) A B C, (f) (A B) C, (g) A (B C),
(h) A B C.
9. Sean el evento de todos los turistas que visitaron a Barranquilla durante un fin de
semana y A, B y C, los eventos formados por los turistas que visitaron el Museo romantico,
el Zoologico y Bocas de Cenizas, respectivamente. Exprese con palabras las regiones
indicadas a continuacion teniendo en cuenta la figura de abajo: (a) Region 1, (b) Regiones
1 y 4 juntas, (c) Regiones 4, 5, 7 y 8 juntas, (d) Regiones 5, 6 y 7.
10. En una encuesta realizada en un colegio de la ciudad a un total de 150 alumnos se encontro:
54 estudian Algebra; 89, Ingles; 80, Ciencias Naturales; 60, Ciencias Naturales e Ingles;
10, solo Algebra; 20, Algebra y Ciencias Naturales; 15, las tres materias simultaneamente.
Determine el n
umero de alumnos que conforman los siguientes eventos:
2.2 Modelo de urnas y tecnicas de conteo
15
(a) Estudian Algebra e Ingles, pero no Ciencias Naturales.

(b) Estudian solo una materia.
(c) Estudian a lo sumo dos materias.
11. Una universidad realiza tres tipos de pruebas a 100 aspirantes y obtiene los siguientes
resultados: 2 fracasaron en las tres pruebas; 7, en la primera y en la segunda; 8, en la
segunda y en la tercera; 10, en la primera y en la tercera; 25, en la primera; 30, en
la segunda; 25, en la tercera. Determine el n
umero de aspirantes que conforman los
siguientes eventos:
(a)
(b)
(c)
(d)
(e)
(f)
(g)
Fracasaron exactamente en una prueba.

Aprobaron las tres pruebas.
Fracasaron en la primera y en la tercera, pero no en la segunda.
Fracasaron en la segunda y en la tercera, pero no en la primera.
Fracasaron en al menos una prueba.
Aprobaron al menos una prueba
Aprobaron la segunda o la tercera, pero no la primera.
12. Un equipo de f
utbol ha determinado contratar un futbolista de talla internacional para el
proximo campeonato. Sean A, B y C eventos que representan al hecho de que el futbolista
contratado ha jugado en el Real Madrid, en el Milan y en el Bayern de Munich, respectivamente. Utilice las operaciones de union, interseccion y complemento para describir, en
terminos de A, B y C, dibuje un diagrama de Venn y sombree la region correspondiente
a cada uno.
(a) Por lo menos el futbolista ha jugado en uno de los tres equipos mencionados anteriormente.
(b) El futbolista ha jugado en los tres equipos mencionados anteriormente.
(c) El futbolista ha jugado en el Real Madrid y no en el Milan.
(d) El futbolista solo ha jugado en el Bayern de Munich.
(e) El futbolista ha jugado exactamente en uno de los tres equipos mencionados anteriormente.
2.2
Modelo de urnas y t
ecnicas de conteo
A pesar de la complejidad de muchos procedimientos avanzados, proporcionados por la

tecnologa moderna, el simple proceso de contar resultados de un experimento aleatorio
contin
ua jugando un papel importante en problemas practicos de la vida cotidiana.
Tenemos que contar por ejemplo, el n
umero de alumnos por grupo, el n
umero de llamadas
recibidas en una oficina por da, el n
umero de accidentes ocurridos en los fines de semana,
etc. Pero, en muchos problemas como, por ejemplo,
16
calcular de cuantas formas podemos sentar 10 personas, una al lado de la otra

para una foto;
o determinar cuantos n
umeros de tres cifras se pueden formar con los dgitos del
1 al 9 si no se pueden repetir los dgitos,
la tarea no resulta ser facil si no se desarrollan tecnicas especiales de conteo. Debido a
que, frecuentemente, es necesario determinar cantidades como estas para poder calcular
probabilidades2 , entonces, se hace obligatorio para nosotros estudiar algunas tecnicas.
Las tecnicas especiales de conteo que estudiaremos, y que son fundamentales para el
calculo de algunas probabilidades, son: el conteo por enumeraci
on de elementos, el
conteo a traves de diagramas de arbol, el teorema fundamental del conteo, el principio
de adici
on, el conteo de permutaciones y el conteo de combinaciones.
2.2.1
Modelo de urnas
Antes de comenzar a introducir los conceptos y propiedades basicos que caracterizan a

cada una de las tecnicas mencionadas anteriormente, consideraremos importante enfatizar que muchos experimentos aleatorios pueden describirse por medio de los llamados
modelos de urnas, los cuales estan caracterizados por los siguientes dos hechos:
1. En una urna hay bolas distinguibles (por ejemplo, numeradas), no distinguibles
(por ejemplo, rojas) o mixtas. Estas bolas se consideran como una poblaci
on.
2. De esta urna se quieren sacar una o mas bolas, al mismo tiempo o no, reemplazando o no las bolas seleccionadas antes de seleccionar nuevamente otra(s)
bola(s) y observando el orden o no de las bolas extradas. Las bolas extradas se
consideran como una muestra. Para obtener estas muestras, podemos distinguir
los siguientes casos:
(a) Seleccionar sin reemplazo.
Cada bola seleccionada se deposita fuera de la urna y por eso puede seleccionarse una sola vez.
(b) Seleccionar con reemplazo.
Cada bola seleccionada se reemplaza en la urna y por eso puede seleccionarse
varias veces.
(c) Seleccionar considerando el orden.
Se seleccionan cierta cantidad de bolas una tras otra y se considera el orden
obtenido. En este caso, las bolas seleccionadas se pueden considerar como
tuplas ordenadas.3
(d) Seleccionar sin considerar el orden.
Se seleccionan cierta cantidad de bolas a la vez (o tambien una tras otra),
pero sin que interese el orden de las bolas extradas.
2
Concepto que veremos m

as adelante
Por una tupla ordenada se entiende una expresi
on, por ejemplo, de la forma (a, b, c, d, e, . . . , z),
en donde el orden de estas letras es importante. Por ejemplo, para el caso de tener s
olo dos letras
a y b, no es lo mismo (a, b) que (b, a). A la tupla con dos elementos se le llama par ordenado; a
la de tres elementos, tripleta ordenada, etc.
3
17
Los cuatro casos se pueden combinar: las bolas se seleccionan con o sin reemplazo
y con o sin orden. Inclusive, podemos identificar otros tipos de modelo de urna
con base en las situaciones anteriores como, por ejemplo,
(e) Seleccionar formando una partici
on.
Seleccionar grupos de bolas sin importar el orden y cada grupo se guarda,
por ejemplo, en gavetas numeradas. Esto se hace hasta que no queden bolas
en la urna.
Ahora, procederemos a explicar las mencionadas tecnicas de conteo.
2.2.2
El conteo por enumeraci

on de elementos
Nuestra primera regla es tratar de enumerar todos los elementos de un espacio muestral
y luego contarlos. Esta tecnica es adecuada cuando el n
umero de resultados posibles no
es muy grande. Para ilustrar esto, consideremos los siguientes ejemplos. Observe que a
la mayora de ellos lo hemos identificado con un modelo de urna.4
Ejemplo 2.2.1 (Selecci
on con reemplazo y con orden) Una urna contiene 4 fichas:
una azul, una verde, una roja y una negra. Cu
ales son las distintas maneras de seleccionar dos fichas con reemplazo?
SOLUCION:
Abreviaremos el color de las fichas con su correspondiente letra inicial: A, V, R y N. Como
la seleccion es con reemplazo, entonces, se selecciona un ficha y se vuelve a introducir en la
urna antes de seleccionar la segunda. Por lo tanto, los elementos del espacio muestral son
AA,
VN,
VA,
NV,
AR,
RN,
RA, AN,
NR, AA,
NA,
VV,
VR, RN,
RR, NN.
En este ejemplo el orden es importante, por eso aparece AV y VA como dos elementos
distintos del espacio muestral.

on sin reemplazo y sin orden) De cu
antas maneras se puede
armar un grupo de 2 de entre 4 personas (digamos Greyci, Jeniffer, Brian y Humberto)?
SOLUCION:
En esta situaci
on el orden no interesa (por eso no se utilizan parentesis al identificar a cada
seleccion del grupo). Es como si coloc
aramos los nombres de estas cuatro personas en una
bolsa y sacaramos dos de ellas al mismo tiempo. Observe que, en este caso, da lo mismo la
posibilidad Greyci, Jeniffer que Jeniffer, Greyci (por eso sin orden). Ademas, la posibilidad de obtener un grupo conformado por Greyci, Greyci no existe (por eso, sin reemplazo).
Al tener en cuenta lo anterior, encontramos que los posibles grupos de dos personas que
se pueden escoger son:
Greyci, Jeniffer,
Jennifer, Brian,
Greyci, Brian,
Jeniffer, Humberto,
Greyci, Humberto,
Brian, Humberto,
Es decir, en total hay 6 maneras posibles de seleccionar un grupo de 2 personas, sabiendo

que hay 4 disponibles.
A los que no hemos identificado con un modelo de urna, significa que el ejemplo no se puede
clasificar directamente como uno de los modelos de urna descritos anteriormente. En realidad, hay
otros tipos de modelos de urna.
18

on sin reemplazo y con orden) De cu
antas maneras se pueden
sentar Greyci, Jeniffer, Brian y Humberto en un sofa que solo tiene disponible dos puestos?
SOLUCION:
En este ejemplo el orden es importante porque no es lo mismo, por ejemplo, que Greyci se
siente en el primer puesto y Jeniffer en el segundo que lo contrario. Por eso utilizaremos
parejas ordenadas para enumerar los posibles resultados. Ahora, es obvio que Greyci no
puede aparecer sentada en el primer puesto y en el segundo puesto al mismo tiempo (por
eso, sin reemplazo). Es decir, no existe la posibilidad que aparezca el resultado (Greyci,
Greyci).
Con lo anterior, facilmente, podemos determinar que las posibles maneras en que se sienten
dos personas en el sofa son:
(Greyci, Jeniffer),
(Jennifer, Brian),
(Brian, Humberto),
(Greyci, Brian),
(Jeniffer, Humberto),
(Humberto, Greyci),
(Greyci, Humberto),
(Brian, Greyci),
(Humberto, Jeniffer),
(Jeniffer, Greyci)
(Brian, Jeniffer)
(Humberto, Brian)
Es decir, en total hay 12 maneras posibles de que dos de las cuatro personas se sienten en
el sofa de dos puestos.

on con reemplazo y sin orden) De cu
antas formas pueden acomodarse 3 libros iguales de matematicas (M) y 2 libros iguales de fsica (F) en un estante
que tiene solo 5 puestos disponibles?
SOLUCION:
Como los libros, digamos, de matematicas son iguales, entonces, no importa el orden en que
ellos coloquen en el estante (por eso sin orden). Ademas, los libros de matematicas estan
repetidos (por eso con reemplazo). Igual sucede con los de fsica. La organizacion posible
de los 5 libros en el estante son:
MMMFF,
MFMMF,
FFMMM,
MFFMM,
MMFFM,
FMFMM,
MMFMF,
FMMFM,
MFMFM,
FMMMF.
Es decir, en total hay 10 maneras posibles de organizar los 5 libros en el estante.
Ejemplo 2.2.5 (Partici

on de un espacio muestral) De cu
antas maneras diferentes pueden Greyci, Jeniffer, Brian y Humberto acomodarse en una habitacion triple y en una
habitacion sencilla?
SOLUCION:
En este ejemplo, es dividir a las cuatros personas en grupos de dos (por eso, una particion),
donde un grupo tendr
a 3 personas (que son las que dormiran en la habitacion triple) y el
otro grupo, 1 persona (que dormira en la habitacion sencilla). Ahora, la pareja (GreyciBrian-Jeniffer, Humberto) significa que las 3 primeras personas duermen en la habitaci
on
triple y la u
ltima, en la sencilla.
Teniendo en cuenta lo anterior, las posibles reparticiones de las cuatro personas son:
(Greyci-Brian-Jeniffer, Humberto),
(Greyci-Humberto-Jeniffer, Brian),
(Greyci-Brian-Humberto, Jeniffer),
(Humberto-Jennifer-Brian, Greyci).
Es decir, en total hay 4 maneras posibles de repartir a 3 personas en una habitacion triple
y 1 en la sencilla.
Ejemplo 2.2.6 Una joven tiene tres blusas (de marcas A, B y C), dos faldas (de colores
azul y roja) y dos pares de zapatos (de cuero y plastico). Utilizando estas siete prendas de
19
vestir, cuantos juegos de ropa diferentes podra ponerse?

SOLUCION:
Como podemos ver, los posibles juegos de ropa que la joven poda ponerse son los siguientes:
(A, azul, cuero),
(B, azul, cuero),
(C, azul, cuero),
(A, azul, plastico),

(B, azul, plastico),
(C, azul, plastico),
(A, rojo, cuero),

(B, rojo, cuero),
(C, rojo, cuero),
(A, rojo, plastico)

(B, rojo, plastico)
(C, rojo, plastico)
O sea, que en total ella podra ponerse 12 juegos.
2.2.3
El conteo a trav
es de diagramas de
arbol
Cuando el n
umero de posibilidades no es demasiado grande, se puede utilizar una reprerbol, para mostrar
sentaci
on grafica que se conoce con el nombre de diagrama de a
todas las secuencias posibles de tales operaciones. Un diagrama de arbol consta de una
serie de ramas que corresponden a cada una de las formas en que se pueden realizar
la operaci
on. Ilustraremos este diagrama a traves de s
olo un ejemplo.
on sin reemplazo y con orden) De cu
antas formas distintas
se pueden organizar las letras A, B, C?
SOLUCION:
El diagrama de arbol correspondiente a esta situaci
on se presenta en la figura 2.7. Como
puede verse en ese diagrama, las diferentes posiblidades se pueden enumerar teniendo en
cuenta las u
ltimas ramas del diagrama. De all, vemos que hay en total seis ramas. Es decir,
hay 6 maneras diferentes de organizar las letras dadas.
Fig. 2.7: Diagrama de arbol para el ejemplo 2.2.11.
2.2.4
Teorema fundamental del conteo
La siguiente regla de conteo se aplica a cualquier situaci

on en la cual un evento conste de tuplas ordenadas de objetos y queremos contarlos. Por ejemplo, la mayora de
las situaciones ilustradas por medio de los ejemplos hasta aqu se pueden analizar, sin
necesidad de enumerar las diferentes posibilidades y sin elaborar un diagrama de arbol,
20
a traves del siguiente teorema.

Teorema 2.2.8 (Teorema fundamental del conteo) Si un evento puede ocurrir de m formas y si despues que ha sucedido puede seguir un segundo evento que
puede ser de cualquiera de n formas, entonces, los dos eventos pueden ocurrir simult
aneamente en el orden establecido de mn formas. Esta regla se puede extender
a cualquier cantidad de eventos.
Para resolver cualquier problema de conteo, les sugiero realizar siempre los siguientes pasos:
Primer paso:
Determine cu
antos eventos hay en el problema y si es necesario identifique cada uno de ellos.
Segundo paso:
Calcule de cu
antas formas puede ocurrir cada uno de estos eventos.
Tercer paso:
Por u
ltimo aplique el el teorema fundamental del conteo (teorema 2.2.8).
Ejemplo 2.2.9 Un dado se lanza dos veces. Determinar el n

umero de formas en que se
pueden obtener los n
umeros del dado en los dos lanzamientos.
SOLUCION:
Como los dos dados no estan relacionados en forma alguna cuando se lanzan y como cada
uno pueder caer de seis formas distintas, el n
umero total de formas en que pueden caer, uno
despues del otro, es 6 6 = 36 por el teorema fundamental del conteo (teorema 2.2.8) que
son

= (1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6),
(4, 1), (4, 2), (4, 3), (4, 4), (4, 5), (4, 6),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),

(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) .
Ejemplo 2.2.10 Para el ejemplo 2.2.6 pueden ocurrir tres eventos, uno despues del otro.
Son los siguientes: Escoger una de las 3 blusas, escoger una de las 2 faldas y escoger uno
de los dos pares de zapatos. El primer evento puede ocurrir de 3 formas; el segundo, de 2
formas y el tercer, de 2 formas. Por tanto, por el teorema fundamental del conteo (teorema
2.2.8), los cuatros eventos uno seguido del otro pueden ocurrir en 3 2 2 = 12 maneras
distintas.

on sin reemplazo y con orden) En la situaci
on del ejemplo
2.2.7 hay tres eventos que debemos considerar: el de escoger a la letra A, el de escoger a la
letra B y el de escoger la C. Ahora, para la primera posici
on hay 3 posibilidades de escoger
la primera letra. Si se selecciona una, en la segunda posici
on habr
a dos posibilidades y, si
selecciona otra, en la u
ltima habr
a una posibilidad. Por tanto, por el teorema fundamental
del conteo (teorema 2.2.8), el total de formas para organizar las tres letras es 3 2 1 = 6,
como se obtuvo en el ejemplo 2.2.7.

on sin reemplazo y con orden) Hay cuatro facturas diferentes
que un gerente quiere ordenar, de izquierda a derecha, en cuatro lugares distintos de su escritorio. De cu
antas maneras puede el hacerlo?
21
SOLUCION:
Hay dos formas de analizar este ejemplo: como un problema de colocacion y como un problema de seleccion.
Un problema de colocaci
on.
Los cuatro eventos son:
A = Colocar la primera factura en uno de los cuatro espacios.
B = En seguida, colocar la segunda factura en uno de los tres espacios restantes.
C = De los dos espacios a
un vacos, uno sera para la tercera factura.
D = La u
ltima factura va en el u
nico lugar disponible.
Un problema de selecci
on.
Los cuatro eventos son:
A = Seleccionar una factura para el primer lugar.
B = Despues de llenar el primer espacio, se elige la segunda factura de entre las
tres restantes
C = Luego de ocupar tres espacios, se selecciona la trecera factura de entre las
que quedan.
D = Colocar la cuarta factura en el u
ltimo espacio.
En cualquiera de las dos situaciones, A puede hacerse de 4 maneras; B, de tres; C, de dos y
D, de una sola manera. Por consiguiente, por el teorema fundamental del conteo (teorema
2.2.8), el n
umero total de formas posibles en que el gerente puede ordenar sus facturas es
4 3 2 1 = 24.

on sin reemplazo y con orden) Considere la situaci
on del ejemplo 2.2.3. El primer puesto hay 4 maneras de que se siente una persona. Sentada una all
quedaran disponibles 3 personas para el segundo puesto. Por tanto, por el teorema fundamental del conteo (teorema 2.2.8) hay 12 = 4 3 maneras posibles de que dos de las cuatro
personas se sienten en el sofa de dos puestos.
Sin embargo hay situaciones en donde no se puede aplicar (o no se puede aplicar

facilmente) el teorema fundamental del conteo (teorema 2.2.8). Algunos ejemplos son
los siguientes:
Ejemplo 2.2.14 Cuando la seleccion es
(a) sin reemplazo y sin orden como en el ejemplo 2.2.2;
(b) con reemplazo y sin orden como en el ejemplo 2.2.4;
(c) a traves de la particion de un espacio muestral como en el ejemplo 2.2.5
el teorema fundamental del conteo (teorema 2.2.8) no es aplicable (directamente). En los
dos primeros casos porque no importa el orden y en el tercero, por la estructura del modelo
de urna.
2.2.5
22
El principio de adici
on
Consideremos el siguiente ejemplo.

Ejemplo 2.2.15 Cinco empresas de transporte tienen servicio diario entre Barranquilla y
Bogota. Tres empresas de aviacion tienen vuelo diario entre Barranquilla y Bogota. En
consecuencia, hay 5 + 3 maneras de ir de Barranquilla a Bogota en avi
on o en bus.
En el ejemplo anterior vemos que no es posible aplicar el teorema fundamental del conteo (teorema 2.2.8). Para resolver este tipo de problemas es importante considerar el
siguiente teorema:
Teorema 2.2.16 (Principio de adici
on) Si los eventos A1, A2, . . ., Ak son mutuamente excluyentes (vease la definici
on 2.1.7) y si se ocurren de n1, n2, . . ., nk
formas diferentes, entonces, el evento A1 A2 Ak ocurre de n1 + n2 + + nk
formas diferentes.
Ejemplo 2.2.17 En el lanzamiento de dos dados, de cu

antas formas se puede obtener que
la suma de los n
umeros sea un siete o un ocho?
SOLUCION:
Sean A y B los eventos obtener un siete y obtener un ocho, respectivamente. Entonces,
A B sera el evento obtener un siete o un ocho. Debido a que
A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}
B = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)},
entonces, A y B pueden ocurrir de 6 y 5 formas distintas y, adem

as, son mutuamente
excluyentes. Por consiguiente, por el principio de adicion (teorema 2.2.16), el evento A B
ocurrir
a de 6 + 5 = 11 maneras distintas.
Ejemplo 2.2.18 Consideremos el experimento de lanzar una moneda al aire tres veces.
De cuantas formas se puede obtener una, dos o tres caras?
SOLUCION:
Sean A, B y D los eventos obtener una cara y obtener dos caras, obtener tres caras,
respectivamente. Entonces, A B D sera el evento obtener una, dos o tres caras. Como
A = {(C, S, S), (S, C, S), (S, S, C)},
B = {(S, C, C), (C, S, C), (C, C, S)}
y D = {(C, C, C)}
entonces, A, B y D pueden ocurrir de 3, 3 y 1 formas distintas. Observese, adem

as, que
son mutuamente excluyentes. Por lo tanto, por el principio de adicion (teorema 2.2.16), el
evento A B D ocurrir
a de 3 + 3 + 1 = 7 maneras diferentes.
2.2.6
Permutaci
on
n es un arreglo ordenado de una cantidad

Definici
on 2.2.19 Una permutacio
finita de objetos distintos.
Es importante tener en cuenta que toda permutaci
on se puede identificar como una muestra
seleccionada sin o con reemplazo, pero siempre con orden
23
Ejemplo 2.2.20 (Permutaciones de 3 letras, sin reemplazo) ACB es un ejemplo de

una permutaci
on de las letras A, B y C. Hay en total 6 permutaciones de estas letras, a
saber (comp
arese con el ejemplo 2.2.7):
ABC ACB
BCA BAC CBA CAB.
Ejemplo 2.2.21 (Permutaciones de 4 letras tom

andolas de 2 en 2, sin reemplazo)
AC es un ejemplo de una permutaci
on de las letras A, B, C y D, pero tomado solamente
dos de ellas. Hay en total 12 permutaciones de estas cuatro letras, tomandolas de 2 en 2, a
saber:
AB
AC AD BA BC BD CA CB
CD
DA DB
DC.
Ejemplo 2.2.22 (Permutaciones de 4 letras si hay letras iguales, con reemplazo)

CAC es un ejemplo de una permutaci
on de las letras A, C y C. En total hay 3 permutaciones
de estas letras: ACC, CAC y CCA.
En la mayor parte de los casos, el total de permutaciones de un conjunto de objetos se

puede calcular siempre a traves del teorema fundamental del conteo (teorema 2.2.8). De
todas formas, para situaciones especiales hay f
ormulas que nos permiten calcular la cantidad de permutaciones sin necesidad de aplicar el teorema fundamental del conteo (en
realidad, estas f
ormulas se obtienen aplicando este teorema). Las situaciones especiales
(relacionadas con permutaciones) que explicaremos a continuaci
on son las siguientes:
Permutaciones sin repetici
on de n objetos tomados todos a la vez.
on de n objetos tomados de k en k (k n).
Permutaciones circulares.
Permutaciones con repetici
on de n objetos tomados de k en k (k es cualquier
n
umero natural).
Permutaciones de n objetos de los cuales hay n1 de un primer tipo, n2 de un
segundo tipo, . . ., nk de un k-esimo tipo, donde n1 + n2 + + nk = n.
Maneras de hacer una partici
on de un conjunto.

on de n objetos tomados todos a la vez
Teorema 2.2.23 El n
umero de permutaciones de un conjunto de n elementos
distintos es igual a n! := 1 2 (n 1) n, siendo 0! := 1.
El smbolo ! se conoce con el nombre de factorial. Cuando escribamos, por ejemplo, 5!
leeremos 5 factorial. Algunos valores factoriales son los siguientes:
1! = 1,
2! = 2 1 = 2,
3! = 3 2 1 = 6,
4! = 4 3 2 1 = 24,
etc.
Las permutaciones de este tipo se pueden considerar como muestras seleccionadas sin reemplazo.
24
Ejemplo 2.2.24 (Permutaciones de 4 objetos, sin reemplazo) El ejemplo 2.2.12 se

puede resolver tambien aplicando el teorema 2.2.23 porque el gerente quiere ordenar sus
cuatro facturas disponiendo solo de cuatro espacios posibles. Aplicando este teorema, tenemos que el gerente puede ordenar sus facturas de 4! = 4 3 2 1 = 24 maneras, que fue el
resultado obtenido aplicando el teorema fundamental del conteo (teorema 2.2.8).
Ejemplo 2.2.25 (Permutaciones de 8 objetos, sin reemplazo) Suponga que una empresa dispone de ocho m
aquinas atornilladoras y de ocho espacios en el area de producci
on.
De cu
antas maneras diferentes se pueden acomodar estas ocho m
aquinas en los ocho espacios disponibles?
SOLUCION:
Podemos aplicar directamente el teorema 2.2.23 puesto que tenemos un total de n = 8 objetos que queremos ordenar entre s. Es decir, hay 8! = 40.320 maneras de ordenar las ocho
m
aquinas en los ocho espacios disponibles.
Ejemplo 2.2.26 (Permutaciones de 5 objetos, sin reemplazo) Se le pide a un consumidor que ordene, por orden de preferencia, el sabor de cinco marcas de cerveza. Si
al consumidor le es indiferente cualquiera de estas cinco marcas, entonces, el n
umero de
permutaciones que resultan sera 5! = 120.
Ejemplo 2.2.27 (Permutaciones de 12 objetos, sin reemplazo) Cuatro libros distintos de matematicas, seis diferentes de fsica y dos diferentes de qumica se colocan en un
estante. De cu
antas formas distintas es posible ordenarlos si (a) los libros de cada asignatura deben estar todos juntos, (b) solamente los libros de matematicas deben estar juntos?
SOLUCION:
(a) Los libros de matematicas pueden ordenarse entre ellos de 4! formas, los libros de
fsica de 6! formas, los libros de qumica de 2! formas y los tres grupos de 3! formas.
Por consiguiente,
n
umero de ordenaciones pedido = 4! 6! 2! 3! = 207.360.
(b) Considerar los cuatro libros de matematicas como un solo libro. Entonces, se tienen
9 libros que pueden ordenarse de 9! formas. En todos estos casos, los libros de
matematicas estan juntos. Pero, los libros de matematicas pueden ordenarse entre
ellos de 4! formas. Por consiguiente,
n
umero de ordenaciones pedido = 9! 4! = 8.709.120.

on de n objetos tomados de k en k (k n)
Hay situaciones en donde podemos hallar las permutaciones de n objetos distintos
tomandolos de k en k, como se ilustr
o en el ejemplo 2.2.21. Para calcular el n
umero de
permutaciones de este tipo, podemos tener en cuenta el siguiente teorema:
Teorema 2.2.28 El n
umero de permutaciones de un conjunto de n elementos
n!
distintos tomados de k en k es igual a (nk)!
.
Las permutaciones de este tipo tambien se pueden considerar como muestras seleccionadas
sin reemplazo. Adem
as, observese que cuando k = n, este resultado coincide siempre con el del
teorema 2.2.23.
25
Ejemplo 2.2.29 (Permutaciones de 2 en 2, sin reemplazo) Por el teorema 2.2.28, el

n
umero de permutaciones de las letras A, B, C y D, tomadas de dos en dos es igual a
4!
arese con el ejemplo 2.2.21).
(42)! = 12 (compa
Ejemplo 2.2.30 (Permutaciones de 5 en 5, sin reemplazo) De cu
antas formas diferentes se pueden sentar 8 alumnos en una oficina con solo 5 sillas?
SOLUCION:
Por el teorema 2.2.28, el n
umero de formas en que se pueden sentar 8 alumnos en una oficina
8!
= 6.720.
con 5 sillas es igual a (85)!

Ejemplo 2.2.31 (Permutaciones de 3 en 3, sin reemplazo) Cu
antos n
umeros de 3
cifras sin repeticion se pueden formar con los dgitos 8, 2, 5, 4 y 7?
SOLUCION:
5!
= 60 formas.
Nuevamente, por el teorema 2.2.28, esto se puede hacer de (53)!

Ejemplo 2.2.32 (Permutaciones de 4 en 4, sin reemplazo) Una seccion de maquinaria
determinada consta de cuatro piezas y puede ser ensamblada poniendo las piezas en cualquier
orden. Supongase que se decide estudiar el tiempo de ensamblaje para esta secci
on de
maquinaria midiendo el tiempo que requiere para cada uno de los ensamblajes resultantes
de tomar las piezas en distinto orden. Cu
antas de estas mediciones habr
a que hacer?
SOLUCION:
4!
= 24.
Por el teorema 2.2.28, el n

umero total de mediciones es (44)!
Permutaciones circulares
Ahora estudiaremos algunas situaciones de arreglos circulares. Para ello consideremos el
siguiente ejemplo.
Ejemplo 2.2.33 (Permutaci
on circular) Sabemos que si queremos sentar a Greyci, Jeniffer, Brian y Humberto, una al lado de la otra en fila, el n
umero de arreglos que podemos
hacer es 4! = 60. Ahora bien, si los queremos sentar alrededor de una mesa circular, de
cu
antas maneras lo podemos hacer?
SOLUCION:
Al considerar a una persona en un lugar fijo (digamos Greyci) y acomodar a las otras tres
personas en 3! formas diferentes, se encuentra que hay 6 arreglos distintos alrededor de la
mesa circular (comp
arese con la figura 2.8).
Este ejemplo tambien se puede resolver directamente aplicando directamente el siguiente

teorema:
Teorema 2.2.34 El n
umero de permutaciones de n objetos distintos acomodados
en un crculo es (n 1)!.

on circular) De cu
antas formas pueden sentarse Greyci,
Jeniffer, Brian y Humberto alrededor de una mesa circular si Greyci y Humberto no deben
estar una al lado de la otra?
SOLUCION:
Considerense las dos personas que no deben ir juntas como una sola. Entonces hay 3 personas
para sentarse en la mesa circular, que lo pueden hacer de 2! formas. Pero las dos personas
26
Fig. 2.8: Permutaci

on de 4 personas en una mesa circular.
consideradas como una sola se pueden ordenar de 2! maneras. Por consiguiente, el n
umero
de permutaciones de 3 personas alrededor de una mesa circular si dos de ellas pueden estar
juntas es 2! 2! = 4, que son las mesas no sombreadas de la figura 2.9.
Fig. 2.9: Las mesas sombreadas son las permutaciones en que Greyci, Jeniffer, Brian
y Humberto se pueden organizar si Greyci y Humberto no deben estar juntas.
Entonces, el n
umero total de formas en que Greyci, Jeniffer, Brian y Humberto pueden
sentarse alrededor de una mesa circular si Greyci y Humberto no deben estar una al lado de
la otra es 4 2 = 2 formas, que corresponden a las mesas sombreadas de la figura 2.9.
Permutaciones con repetici

on de n objetos tomados de k en k (k es
cualquier n
umero natural)
Veamos otra aplicaci
on del teorema fundamental del conteo (teorema 2.2.8).
Ejemplo 2.2.36 (Permutaciones de 2 en 2, k > n, con reemplazo) Supongamos que
tenemos 3 ni
nos de un colegio de primaria y 2 sabores de helados disponibles (digamos, fresa
y mango). De cu
antas maneras diferentes podemos servir un helado a los 3 ni
nos?
SOLUCION:
Al primer ni
no le podemos servir uno de los 2 sabores, al segundo ni
no tambien le podemos
27
servir de los 2 sabores y al tercero, tambien, uno de los 2 sabores. Por consiguiente, por el
teorema fundamental del conteo (teorema 2.2.8), hay 2 2 2 = 23 = 8 maneras diferentes de
servir un helado a los 3 ni
nos. Estas posibilidades son las siguientes:
(fresa, fresa, fresa),
(fresa, mango, mango),
(mango, mango, fresa),
(fresa, fresa, mango),

(mango, fresa, fresa),
(mango, mango, mango),
(fresa, mango, fresa),

(mango, fresa, mango),
en donde, por ejemplo, la tripleta (fresa, mango, mango) significa que el primer ni
no pidio
un helado de fresa, el segundo de mago y el tercero, de mango.
Este ejemplo se puede categorizar como un modelo de urna en donde las muestras
son seleccionadas con orden y con reemplazo. En este tipo de situaciones se estan
considerando aquellas permutaciones con repetici
on de n objetos distintos tomandolos
de k en k y en donde k es cualquier n
umero natural. Para calcular este n
umero de
permutaciones podemos aplicar el teorema fundamental del conteo (teorema 2.2.8) o,
simplemente, aplicar el siguiente teorema:
Teorema 2.2.37 Sea k cualquier n
umero natural. El n
umero de permutaciones
con repetici
on de n objetos distintos tom
andolos de k en k es igual a nk.
Observese que las permutaciones de este tipo se pueden considerar como muestras seleccionadas
con reemplazo.
Ejemplo 2.2.38 (Permutaciones de 3 en 3, k < n, con reemplazo) Cu

antos n
umeros
de 2 cifras con repeticion se pueden fomar usando todos los siguientes dgitos: 5, 2 y 3?
SOLUCION:
Por el teorema 2.2.37, hay 32 = 9 n
umeros de dos cifras con repeticion y son 55, 52, 53, 25,
22, 23, 35, 32 y 33.
Ejemplo 2.2.39 (Permutaciones de 4 en 4, k > n, con reemplazo) De cu

antas formas podemos contestar un examen con 10 preguntas de seleccion m
ultiple, si cada pregunta
tiene 4 posibilidades de respuesta?
SOLUCION:
Por el teorema 2.2.37, hay 410 = 1.048.576 formas de responder las 10 preguntas, si cada
una de ellas tiene cuatro posibilidades de respuesta.
Ejemplo 2.2.40 (Permutaciones de 5 en 5, k = n, con reemplazo) Un ladron quiere

abrir una caja fuerte. Observa que para abrirla debe manipular un dispositivo de seguridad
formado por cinco anillos y cada uno marcado con los dgitos 1, 2, 3, 4 y 5, pero no sabe la
combinacion correcta. Cu
al es el n
umero m
aximo de intentos incorrectos que puede realizar
antes de encontrar la combinacion correcta?
SOLUCION:
En cada uno de los 5 anillos pueden ponerse los 5 dgitos. As que, por el teorema 2.2.37
con n = k = 5, hay 55 = 3.125 posibilidades de escoger una clave. Pero como una de estas
3.125 es la correcta, el n
umero m
aximo de intentos incorrectos es 3.124.
28
Permutaciones de n objetos en donde hay n1 de un primer tipo, n2 de

un segundo tipo, . . ., nk de un k-
esimo tipo, con n1 + n2 + + nk = n
Ahora consideraremos algunas permutaciones de n objetos, en donde algunos grupos de
objetos son iguales entre s, como podemos observar los ejemplos 2.2.4 y 2.2.22. Para
calcular permutaciones de este tipo se puede aplicar el siguiente teorema:
Teorema 2.2.41 El n
umero de permutaciones de n objetos en donde hay n1 de un
primer tipo, n2 de un segundo tipo, . . ., nk de un k-esimo tipo, con n1+n2+ +nk =
n, es
n!
,
n1! n2! nk!
donde n1, . . . , nk son n
umeros naturales.
on con 7 grupos de objetos iguales) Cu
antas palabras
distintas se pueden formar con las letras de la palabra estadstica? (Tambien cuentan
palabras sin sentido como, por ejemplo, setadistica)
SOLUCION:
Observese que en la palabra estadstica hay n = 11 letras, distribuidas as: 1 e, 2 s,
2 t, 2 a, 1 d, 2 i y 1 c. Por tanto, aplicando el teorema 2.2.41, se concluye que
podemos formar
11!
= 2.494.800
1! 2! 2! 2! 1! 2! 1!
palabras distintas con las letras de la palabra mencionada anteriormente.

on con 2 grupos de objetos iguales) Cu
antas se
nales diferentes se pueden hacer con 5 banderas de las cuales 2 son azules y 3, rojas?
SOLUCION:
nales que se pueden hacer.
De acuerdo al teorema 2.2.41, hay 2!5!3! = 10 se
Maneras de hacer una partici

on de un conjunto
A menudo interesa determinar el n
umero de formas en que se pueden repartir n objetos
en k subconjuntos (llamados celdas5 ) como sucede en la situaci
on del ejemplo 2.2.5.
En general, este n
umero de formas se pueden calcular directamente con ayuda del siguiente teorema:
Teorema 2.2.44 El n
umero de formas de partir n objetos distintos en donde en
k celdas con n1 objetos en la primera celda, n2 en la segunda tipo, . . ., nk en la
k-esima celda, con n1 + n2 + + nk = n, es

n
n!
.
=
n1! n2! nk!
n1, n2, . . . , nk
No importa el orden de los objetos dentro de cada celda.
5
En el ejemplo 2.2.5, se han considerado 2 celdas: las habitaciones triple y sencilla.
29
Ejemplo 2.2.45 (Partici

on en 3 celdas) Doce estudiantes van a viajar en carros distintos a cierta ciudad. Si 3 de ellos van en un carro, 4 en otro carro y 5 en el otro, de cu
antas
maneras se pueden acomodar si cualquiera puede conducir?
SOLUCION:
Por el teorema 2.2.44, hay

12
12!
=
= 27.720
3, 4, 5
3! 4! 5!
formas en que los 12 estudiantes se pueden acomodar en los tres carros, viajando 3, 4 y 5
estudiantes en carros distintos.
2.2.7
Combinaci
on
Cuando tratamos con permutaciones de objetos, el orden de escogencia o de colocaci

on
es importante. Hay ocasiones en que no nos interesa considerar conjuntos de objetos
donde el orden no es importante. Cuando esto ocurre, la escogencia se llama combinaci
on.
Definici
on 2.2.46 Una escogencia de k objetos de un conjunto de n objetos distin n.
tos, sin importar el orden en que los k objetos son escogidos, se llama combinacio
Una combinaci
on puede ser con repetici
on o sin repetici
on.
Ejemplo 2.2.47 (Combinaciones tomadas de 2 en 2, sin repetici

on) Todas las posibles combinaciones de las n = 5 letras A, B, C, D y E, tomadas de dos en dos (o sea, k = 2)
sin repeticion son
AB,
AC,
AD,
AE,
BC,
BD,
BE,
CD,
CE,
DE.
Es decir, en total hay 10 posibles formas de escoger dos letras de un total de 5, cuando el
orden no importa y la seleccion es sin repeticion. Observese que, en este caso, da lo mismo
escoger AB y BA (es decir, no importa el orden).
Ejemplo 2.2.48 (Combinaciones tomadas de 2 en 2, con repetici

on) Todas las posibles combinaciones de las n = 5 letras A, B, C, D y E, tomadas de dos en dos (o sea, k = 2)
con repeticion son
AB,
CE,
AC,
DE,
AD,
AA,
AE,
BB,
BC,
CC,
BD,
DD,
BE,
EE.
CD
Es decir, en total hay 15 posibles formas de escoger dos letras de un total de 5, cuando el
orden no importa y la seleccion es con repeticion.
Ejemplo 2.2.49 (Diferentes problemas con combinaciones) Otros casos en donde se

presentan problemas con combinaciones, son los siguientes:
(a) En una caja hay n = 5 fichas numeradas y se sacan k = 3 fichas, una detr
as de otra,
sin reponer y sin importar el orden.
(b) Se reparten n = 10 fichas diferentes y numeradas sobre k = 6 puestos no numerados de
tal forma que, en cada puesto haya exactamente una ficha.
30
(c) Repartir k = 7 fichas iguales no numeradas sobre n = 9 puestos numerados, de tal forma
que en cada puesto haya a lo m
as una ficha.
Pero, c
omo calculamos el n
umero de combinaciones de un conjunto de objetos sin
enumerar tales combinaciones? El siguiente teorema nos da la respuesta.
Teorema 2.2.50 El n
umero de combinaciones de k objetos seleccionados, sin
repetici
on, de un conjunto de n elementos, es

n
n
n!
, siendo
:= 1.
:=
k!(n k)!
0
k
Y el n
umero de combinaciones de k objetos seleccionados con repetici
on, de un
conjunto de n elementos, es

n
(n 1)!
n
:=
:= 1.
, siendo
k r
0
k!(n 1)!

Los n
umeros nk se conocen con el nombre de coeficiente binomial porque aparecen como coeficientes de ak bnk , con 0 k n, en el desarrollo binomial de (a + b)n como se muestra a
continuaci
on:
!
n
X
n k nk
n
a b
,
para todo a, b R.
(a + b) =
k
k=0
Ejemplo 2.2.51 (Combinaciones tomadas de 4 en 4, sin repetici

on) Una pieza de
un radio puede ser comprado de cualquiera de cinco proveedores. De cu
antas maneras se
pueden escoger cuatro de los cinco proveedores?
SOLUCION:
Por el teorema 2.2.50, esto se puede hacer de 54 = 5 maneras.
Ejemplo 2.2.52 (Combinaciones tomadas de 2 en 2, con repetici

on) Por el teorema
2.2.50, el n
umero de las posibles combinaciones de las n = 5 letras A, B, C, D y E, tomadas
de dos en dos (o sea, k = 2) con repeticion es igual a 52 r = 15 (xcomp
arese con el ejemplo
2.2.48).
Debido a que las combinaciones con repetici

on son poco usuales en la practica, de ahora
en adelante, todas las copmbinaciones que se seleccionen seran sin repetici
on.
Ejemplo 2.2.53 (Combinaciones tomadas de 8 en 8) Por el teorema 2.2.50, un comite
de k = 3 mujeres de un grupo de n = 8, se puede escoger de 83 = 56 maneras.
Ejemplo 2.2.54 (Combinaciones tomadas de 5 en 5) De un total de 5 matematicos

y 7 fsicos, se forma un comite de 2 matematicos y 3 fsicos. De cu
antas maneras puede
formarse, si (a) puede pertenecer a el cualquier matematico y fsico, (b) un fsico determinado debe pertenecer al comite, (c) dos matematicos determinados no pueden pertenecer al
comite?
SOLUCION:
31

(a) 2 matematicos de un total de 5 pueden elegirse de 52 = 10 maneras. Ahora, 3 fsicos

de un total de 7 pueden elegirse de 73 = 35 maneras. Por consiguiente,
n
umero total de selecciones posibles = 10 35 = 350.

(b) 2 matematicos de un total de 5 pueden elegirse de 52 = 10 maneras. Ahora, 2 fsicos

restantes de un total de 6 pueden elegirse de 62 = 15 maneras. Por consiguiente,
n

(c) 2 matematicos de un total de 3 pueden elegirse de 32 = 3 maneras. Ahora, 3 fsicos

de un total de 7 pueden elegirse de 73 = 35 maneras. Por consiguiente,
n
El n
umero de combinaciones de n objetos tomados de k en k esta relacionado con el
n
umero de permutaciones de n objetos tomados de k en k. Observemos que cada combinaci
on puede arreglarse de k! maneras distintas. Si aplicamos el teorema fundamental
del conteo (teorema 2.2.8), el n
umero total de permutaciones de n objetos distintos
tomados de k en k es igual al producto de k! y al n
umero
de combinaciones de n objetos distintos tomados de k en k, o sea, igual a k! n
k . Esto se puede resumir en el
siguiente teorema:
Teorema 2.2.55 El n
umero total de permutaciones de n objetos distintos tomados
de k en k es igual al producto de k! y al n
umero
de combinaciones de n objetos
n
distintos tomados de k en k, o sea, igual a k! k .
Ejemplo 2.2.56 (Permutaciones de 5 en 5) Por el teorema 2.2.28, el n
umero
de formas

en que se pueden sentar 8 alumnos en una oficina con 5 sillas es igual a 5! 85 = 6.720, que
coincide con el resultado obtenido en el ejemplo 2.2.30.
on 2.2
13. En un reinado mundial de la belleza, el jurado calificador debe elegir de un total de cinco
finalistas a la nueva reina mundial de la belleza. De cuantas formas se puede seleccionar
(a) reina y virreina? (b) reina, virreina y primera princesa? (c) dos candidatas para ser
reina?
14. En un estudio medico, los pacientes se clasifican de acuerdo a su peso (liviano, normal,
pesado) y tambien de acuerdo a su estatura (medio bajo, bajo, alto y medio alto). Enumere las diferentes posibilidades en las que un paciente se puede clasificar. Cuantas
posibilidades hay?
15. Si un experimento consiste en lanzar un dado, luego, lanzar una moneda y despues escoger al azar una letra de nuestro alfabeto, cuantos elementos tiene el espacio muestral
correspondiente? (Suponga que nuestro alfabeto tiene 27 letras)
16. Los estudiantes de un curso de estadstica se clasifican como estudiantes de administraci
on, economa o ingeniera; como repitente o no repitente y tambien como hombre o
mujer. Encuentre el n
umero total de clasificaciones posibles para los estudiantes de dicho
curso.
32
17. Dados los dgitos 0, 2, 4, 5, 6, 8 y 9. Si no se aceptan repeticiones,

(a) cuantos n
umeros de tres dgitos se pueden formar?
(b) cuantos de esos n
umeros son m
ultiplos de 5?
18. En un determinado almacen, ciertas lamparas se reciben en cuatro estilos diferentes, con
cada estilo disponible en cinco colores diferentes. Si el almacen desea mostrar lamparas
que muestren la totalidad de de los diversos estilos y colores, cuantas diferentes lamparas
tendra que mostrar?
19. De cuantas maneras diferentes se puede responder un cuestionario de falso-verdadero
que tiene 10 preguntas?
20. Un medicamento para problemas renales se puede adquirir de seis laboratorios diferentes
en forma de jarabe, tabletas, capsulas o inyeccion, todas de concentracion alta o baja.
De cuantas maneras diferentes puede un doctor recetar el medicamento a un paciente
que tenga problemas renales.
21. Supongamos que 7 personas se quieren organizar en una fila.
(a) De cuantas maneras diferentes pueden hacerlo?
(b) De cuantas maneras diferentes pueden hacerlo si una de ellas no debe estar al
comienzo de la fila?
22. En un concurso nacional de canto, los seis finalistas son 3 hombres y 3 mujeres. Encuentre
el n
umero de ordenamientos posibles al final del concurso para (a) los seis finalistas, (b)
las tres primeras posiciones.
23. Humberto ha visto un accidente de transito en el que el culpable huye. A pesar de esto
le dice a la polica que la placa del carro en el que viajaba el culpable tena tres letras
(de las cuales las dos primeras eran C y A) y tres dgitos (de los cuales el u
ltimo era 0).
Encuentre el n
umero maximo de placas de carro que la polica debe verificar bajo cada
una de las siguientes condiciones (nuestro alfabeto tiene 27 letras):
(a) Las tres letras son diferentes y los tres dgitos tambien.
(b) Las tres letras son diferentes y los dos dgitos que faltan son diferentes entre s,
(c) La letra que hace falta es diferente a la A y los dgitos que hacen falta son diferentes
e impares.
24. La mayor accionista de una determinada empresa decide que en el futuro se divida el presupuesto de publicidad entre tres agencias. Seis son las agencias que se estan considerando
para este trabajo. Cuantas son las posibles elecciones de tres agencias?
25. Supongamos que se quieren formar n
umeros de tres dgitos con los dgitos 0, 2, 4, 5, 7, 8
y 9.
(a) Cuantos n
umeros resultan si los dgitos pueden estar repetidos?
(b) Cuantos n
umeros resultan si cada dgito puede usarse solo una vez?
(c) Cuantos n
umeros resultan si los n
umeros resultantes son impares y si los dgitos
pueden estar repetidos?
(d) Cuantos n
umeros resultan si los n
umeros resultantes son pares y si cada dgito puede
usarse solo una vez?
(e) C
uantos n
umeros son menores que 440 y si los dgitos pueden estar repetidos?
(f) Cuantos n
umeros resultan si el primer dgito es 5 y si cada dgito puede usarse solo
una vez?
33
26. De cuantas maneras se pueden parquear siete carros con modelos distintos en una calle
si hay tres zonas disponibles en un lado de la calle y cuatro en el lado opuesto?
27. De cuantas maneras pueden sentarse tres hombres y tres mujeres en una fila con seis
puestos si se deben alternar?
28. Cuales y cuantas son las muestras ordenadas, con reemplazo, de tama
no dos de la
poblacion consistente en los (a) tres valores 2, 4 y 6; (b) cuatro valores 0, 2, 4 y 6.
29. Tres parejas de casados han comprado boletas para el cine y se sientan en una fila formada por seis asientos. Supongamos que se sientan al azar. Determine el n
umero de
formas diferentes en que se pueden sentar teniendo en cuenta cada una de las siguientes
situaciones:
(a) No hay restriccion alguna.
(b) Todos los hombres se sientan juntos a la izquierda de todas las mujeres.
(c) Exactamente una pareja (digamos, Luis y Matilde) estan sentadas en los dos asientos
del extremo derecho.
(d) Luis y Matilde estan sentadas uno junto a la otra.
(e) Luis y Matilde estan sentados juntos en la extrema izquierda y otra pareja (digamos,
Jorge y Nubia) esta sentada juntos en el medio.
(f) Jorge y Nubia estan sentados juntos en el medio y los otros dos esposos (digamos,
Luis, Ricardo) estan sentados junto a sus respectivas esposas (Matilde y Ana, respectivamente).
(g) Todos los esposos estan sentados junto a sus respectivas esposas.
30. De cuantas maneras se pueden llenar las 11 posiciones inciales de un equipo de f
utbol
con 17 jugadores que pueden jugar en cualesquiera de las posiciones?
31. De cuantas maneras se pueden sembrar seis arboles diferentes en un crculo si (a) no hay
restriccion alguna, (b) hay dos en especial que deben estar juntos, (c) hay dos en especial
que no deben estar juntos?
32. Cuantas palabras diferentes se pueden formar con la palabra Barranquilla (las palabras
no necesariamente deben tener sentido) si (a) no hay restriccion alguna, (b) la primera
letra debe ser una q y la u
ltima una a.
33. De cuantas maneras se pueden permutar tres focos rojos, cuatro bolas blancas y dos
fichas amarillas si los objetos del mismo tipo (a) se pueden distinguir, (b) no se pueden
distinguir.
34. Catorce personas deciden ir a ver un partido de f
utbol en cuatro carros que llevan dos, tres,
cuatro y cinco personas, respectivamente. De cuantas maneras es posible transportar a
las catorce personas hasta el estadio si cualquiera puede conducir?
35. Dados los dgitos 0, 1, 3, 6, 8 y 9. Si no se aceptan repeticiones:
(a) cuantos n
umeros de cuatro dgitos se pueden formar?
(b) cuantos de esos n
umeros son pares?
(c) cuantos son impares?
(d) cuantos de los n
umeros obtenidos en (a) son mayores de 3.000?
36. De cuantas maneras se pueden repartir dos contratos a tres empresas A, B y C si cada
empresa puede tener 0, 1 o 2 contratos? Descrbalas.
2.3 Introducci
on a la probabilidad
34
37. Si una prueba de opci

on m
ultiple consiste en cuatro preguntas cada una con tres respuestas
posibles de las que solo una es correcta.
(a) De cuantas maneras diferentes puede elegir un estudiante una respuesta a cada
pregunta?
(b) De cuantas maneras puede escoger un estudiante una respuesta a cada pregunta y
tener mal todas las respuestas?
(c) De cuantas maneras puede escoger un estudiante una respuesta a cada pregunta y
tener por lo menos una respuesta correcta?
38. Las placas para autos en Barranquilla antes tenan dos letras y cuatro n
umeros. El sistema
de nomenclatura cambio y ahora son de tres letras y tres n
umeros. Con el sistema actual,
aumento o disminuyo el n
umero de placas que se pueden emitir? En que porcentaje?
2.3
Introducci
Antes de se
nalar como se utilizan las probabilidades, es necesario conocer de cierta
manera de donde provienen. Basicamente, explicaremos 4 formas de calcular o estimar
la probabilidad, a saber, mediante los siguientes metodos:
Metodo axiomatico, construido con base en tres axiomas.
Metodo de la frecuencia relativa que se basa en la frecuencia relativa de ocurrencia
de un evento con respecto a un gran n
umero de experimentos repetidos.
Metodo clasico, que proviene de los juegos de azar y se emplea para espacios
muestrales finitos con resultados que suceden con la misma probabilidad.
Metodo subjetivo, que nos permite asignar probabilidades con fundamento en la
intuici
on, o en la creencia personal.
2.3.1
Definici
on matem
atica de probabilidad
Al igual que la geometra, el algebra y otras disciplinas matematicas, tambien, la teora

de la probabilidad se construye a traves de axiomas, los cuales se enumeran a continuaci
on:
Axioma 2.3.1 Sean 6= un espacio muestral finito y F un conjunto de eventos
de . Una funci
on P : F R se llama una probabilidad si se cumplen los
siguientes 3 axiomas:
(a) La probabilidad de cualquier evento debe ser siempre mayor o igual que cero, es
decir, P(A) 0, para todo A F.
(b) La probabilidad del espacio muestral siempre es uno, es decir, P() = 1.
(c) Para cada n eventos A1, A2, . . . An de F, mutuamente excluyentes (vease la
definici
on 2.1.7), si se cumple que
P(A1 A2 An) = P(A1) + P(A2) + + P(An).
2.3 Introducci
35
Es importante enfatizar que el conjunto F, mencionado en la definici

on anterior, deber estar construido de tal manera que cumpla las siguientes propiedades:
(a) siempre debe estar en F.
(b) Si A est
a en F, entonces, el complemento A de A tambien debe estar en F.
(c) Si A1 , A2 , . . . An est
an en F, entonces, la uni
on A1 A2 An de todos estos eventos
tambien debe estar en F.
El axioma (a) refleja la noci

on intuitiva de que la probabilidad de que ocurra cualquier
evento A debe ser por lo menos 0, as que las probabilidades negativas no se permiten.
El axioma (b) se
nala que la probabilidad maxima posible de 1 se asigna al espacio muestral . El axioma (c) formaliza la idea de que si deseamos la probabilidad de que
ocurra por lo menos uno de varios eventos y no pueden ocurrir dos de estos eventos
simultaneamente, entonces, la probabilidad de que ocurra al menos uno es la suma de
las probabilidades de los iventos indivuduales.
Teniendo en cuenta el axioma 2.3.1, se demuestran las siguientes propiedades:
Teorema 2.3.2 Para eventos A, B, C de un espacio muestral 6= se tiene:
(a) P() = 0.
(b) Si los eventos A, B y C son mutuamente excluyentes, entonces, P(A B C) =
P(A) + P(B) + P(C).
(c) P(A) = 1 P(A), siendo A el complemento de A.
(d) 0 P(A) 1.
(e) P(A) = P(A B) + P(A B).
n para 2 eventos o fo
rmula de Silvester:
(f ) Teorema de adicio
P(A B) = P(A) + P(B) P(A B).
n para 3 eventos o fo
rmula de Silvester:
(g) Teorema de adicio
P(ABC) = P(A)+P(B)+P(C)P(AB)P(AC)P(BC)+P(ABC).
La demostraci
on del teorema anterior no esta dentro del prop
osito de este libro.
Ejemplo 2.3.3 Sean A, B y C eventos tales que P(A) = 0, 50, P(B) = 0, 26, P(C) = 0, 55,
P(A B) = 0, 15, P(A C) = 0, 25, P(B C) = 0, 15 y P(A B C) = 0, 05. Calcular las
siguientes probabilidades: (a) P(A B), (b) P(A C), (c) P(A C) y (d) P(A B C).
SOLUCION:
(a) Teniendo en cuenta el teorema de adicion para 2 eventos (vease la parte (f) del teorema
2.3.2), se tiene que
P(A B) = P(A) + P(B) P(A B) = 0, 50 + 0, 26 0, 15 = 0, 61.
2.3 Introducci
36
(b) Teniendo en cuenta el teorema 2.3.2(e), se obtiene que

P(A C) = P(A) P(A C) = 0, 50 0, 25 = 0, 25.
(c) Teniendo en cuenta la parte (c) del teorema 2.3.2, las leyes de de Morgan (comp
arese
con el teorema 2.1.14(i)) y la parte (b) de este ejercicio, se tiene
P(A C) = 1 P(A C) = 1 P(A C) = 1 0, 25 = 0, 75.
(d) Teniendo en cuenta el teorema de adicion para 3 eventos (vease la parte (g) del teorema
2.3.2), se tiene que
P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C)
=
=
0, 50 + 0, 26 + 0, 55 0, 15 0, 25 0, 15 + 0, 05
0, 81.
Alternativamente, las respuestas encontradas en los ejercicios (a)-(d) pueden ser obtenidas
con ayuda de las probabilidades que aparecen en el siguiente diagrama de Venn:
Fig. 2.10: Diagrama de Venn para el ejemplo 2.3.3
2.3.2
Probabilidad emprica
todo de la frecuencia relativa, el

Este concepto esa basado en el llamado me
cual utiliza datos que se han observado empricamente, registra la frecuencia con que
ha ocurrido alg
un evento en el pasado y estima la probabilidad de que el evento ocurra
nuevamente con base en estos datos hist
oricos. En este metodo juega papel fundamental el concepto de frecuencia relativa para estimar las probabilidades.
Definici
on 2.3.4 Supongamos que un experimento aleatorio se repite n veces y que
un evento A asociado con estas n repeticiones ocurre exactamente k veces. Entonces,
k
.
la frecuencia relativa del evento A es fn = n
Si continuamos calculando esta frecuencia relativa para cada cierto n
umero de ensayos, a
medida que aumentamos n, las frecuencias relativas correspondientes seran mas estables,
2.3 Introducci
37
es decir, tienden a ser casi las mismas. En este caso, decimos que el experimento muestra
regularidad estadstica o estabilidad en las frecuencias relativas. Esto se ilustra en los
siguientes dos ejemplos.
Ejemplo 2.3.5 Considere la tabla 2.11, en donde se muestran datos tomados al lanzar una
moneda 1.000 veces.
N
umero de
Lanzamientos
1 - 100
101 - 200
201 - 300
301 - 400
401 - 500
501 - 600
601 - 700
701 - 800
801 - 900
901 - 1.000
Total: 1.000
N
umero
de caras
52
53
52
47
51
53
48
46
52
54
508
Frecuencia
relativa
0,52
0,53
0,52
0,47
0,51
0,53
0,48
0,46
0,52
0,54
0,508
Frecuencia
acumulada
52
105
157
204
255
308
356
402
454
508
Frecuencia
Acumulada
relativa
0,520
0,525
0,523
0,510
0,510
0,513
0,509
0,503
0,504
0,508
Fig. 2.11: Lanzamiento de una moneda 1.000 veces

En un total de 1.000 lanzamientos ocurrieron 508 caras, es decir, la frecuencia relativa es
aproximadamente 0,5, que es la probabilidad de obtener una cara.
Ejemplo 2.3.6 La tabla 2.12 muestra experimentos hechos por tres investigadores:
Hecho
por
Buffon
K. Pearson
K. Pearson
N
umero de
Lanzamientos
4.040
12.000
24.000
N
umero
de caras
2.048
6.019
12.012
Frecuencia
relativa
de caras
0,5069
0,5016
0,5005
Fig. 2.12: Lanzamientos de una moneda realizada por 3 investigadores

Observese que en cada una de las investigaciones, la frecuencia relativa del n
umero de caras
es aproximadamente 0,5, que es la probabilidad de obtener una cara.
En la gran mayora de los experimentos aleatorios de importancia practica tienen estabilidad. Por esto podemos sopechar que practicamente sera cierto que la frecuencia
relativa de un evento A en un gran n
umero de experimentos es aproximadamente igual
k
,
a un determinado n
umero P(A), o sea, la probabilidad del evento es P(A) = lim n
n
como podemos verificar con ayuda de los ejemplos 2.3.5 y 2.3.6, siendo A en estos dos
ejemplos el evento obtener una cara. Todo lo anterior se puede resumir en la siguiente
2.3 Introducci
38
definici
on:
Definici
on 2.3.7 (Definici
on emprica de probabilidad) Sea A un evento
asociado con un experimento. Entonces, la probabilidad P(A) es aproximadamente
igual a la frecuencia relativa de A si efectuamos el experimento muchas veces.
Cuando se usa la definici
on emprica, es importante tener en cuenta los siguientes aspectos:
La probabilidad obtenida de esta manera es u
nicamente una estimaci
on del valor
real.
Cuanto mayor sea el n
umero de experimentos, tanto mejor sera la estimaci
on de la
probabilidad, es decir, a mayor n
umero de experimentos mejor sera la estimaci
on.
La probabilidad es propia de solo un conjunto de condiciones identicas a aquellas
en las que se obtuvieron los datos, o sea, la validez de emplear esta definici
on
depende de que las condiciones en que se realiz
o el experimento sean repetidas
identicamente.
2.3.3
Definici
on cl
asica de probabilidad
Definici
on cl
asica
Se pueden encontrar diversos ejemplos en donde se asocian la misma probabilidad a
cada evento elemental. En este caso, se habla de un experimento laplaciano o
sico, es decir, un experimento que tiene finitos resultados, que suceden con la
cla
misma probabilidad. A este tipo de experimentos pertenecen los juegos de azar, como
por ejemplo, dados, juegos de cartas, ruletas; tambien modelos de la fsica, en los cuales
se puede describir la distribuci
on de una partcula cualquiera, o modelos de la genetica.
Definici
on 2.3.8 (Probabilidad de un evento elemental) Sea 6= un espacio muestral finito. Si es un evento elemental de , entonces, la probabilidad de
que suceda , en smbolos P(), es igual a 1 dividido por el n
umero de elementos
que tiene . Es decir,
P() =
1
.
N
umero de elementos de
(2.1)
Ejemplo 2.3.9 (a) Consideremos el experimento de lanzar una moneda. Entonces, =

{C, S}. Es decir, la probabilidad de obtener cara, simbolizado por P(C), y la de obtener
sello, simbolizado por P(S), esta dado por P(C) = P(S) = 12 = 0, 5. Estas probabilidades las interpretamos de la siguiente manera: En un gran n
umero de lanzamientos
aparecera una cara aproximadamente en la mitad de los lanzamientos y sello en la
otra mitad. O tambien podemos decir: si la moneda se lanza repetidamente, entonces,
el 50% (que resulta de multiplicar 0,5 por 100) de las veces resultar
a cara y en el otro
50%, sello.
2.3 Introducci
39
(b) Consideremos el experimento de lanzar un dado. Entonces, = {1, 2, 3, 4, 5, 6}. Es

decir,
P(1) = P(2) = P(3) = P(4) = P(5) = P(6) =
1
0, 166 . . . ,
6
Aqu, el smbolo significa aproximadamente igual a y, por ejemplo, P(1) = 0, 166

se lee la probabilidad de obtener un 1 es 0,166, la cual se interpreta de la siguiente
manera: De cada 1.000 lanzamientos de un dado, el n
umero 1 aparecera 166 veces
aproximadamente. O tambien as: si el n
umero de lanzamientos de un dado es grande,
entonces, en el 16,6% (que resulta de multiplicar 0,166 por 100) aparecera el n
umero
1 del dado. Las otras probabilidades las interpretamos analogamente.
A menudo es necesario asignar probabilidades a eventos de un espacio muestral. Por

eso, es importante el siguiente teorema.
Teorema 2.3.10 (Probabilidad de un evento) Sea 6= un espacio muestral
finito y supongamos que todos los eventos elementales suceden con la misma probabilidad, es decir, la expresi
on ( 2.1) se cumple para cada evento elemental de .
Entonces, para cada evento A de , tenemos
P(A) =
N
umero de elementos de A
.
N
(2.2)
Ejemplo 2.3.11 Dos dados no falsos se lanzan. Hallar la probabilidad de (a) que la suma
de los n
umeros sea un 7, (b) que la suma sea por lo menos un 11, (c) que la suma sea a lo
m
as un 2, (d) obtener un doble, (e) no obtener doble.
SOLUCION:
Como ya vimos en el ejemplo 2.2.1, el espacio muestral correspondiente contiene 36
resultados. Ademas, cada uno de ellos ocurre con la misma probabilidad.
(a) Sea A el evento de obtener un 7 al lanzar los dos dados. Entonces, A es el conjunto

A = (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) ,
O sea, que A tiene 6 elementos. Por consiguiente, aplicando (2.2), se obtiene que la
probabilidad de obtener un 7 es
P(A) =
6
1
=
0, 166.
36
6
Aqu, el smbolo significa aproximadamente igual a.

(b) Sea B el evento de obtener por lo menos un 11, es decir, B es el evento de obtener una
suma mayor o igual que 11. Debido a que

B = (5, 6), (6, 5), (6, 6) ,
entonces,
P(B) =
1
3
=
0, 0833.
36
12
2.3 Introducci
40
(c) Sea C el evento de obtener a lo m

as un
2 o, que
es equivalente, de obtener una suma
menor o igual que 2. En este caso, C = (1, 1) y, con ello,
P(C) =
1
0, 027.
36
(d) Sea D el evento de obtener un doble. Es decir,

D = (1, 1), (2, 2), (3, 3) (4, 4), (5, 5) (6, 6) .
Por lo tanto,
P(D) =
6
0, 166.
36
(e) Sea E el evento de obtener ning

un doble. Observe, D es el complemento de E, es decir,
D = E. Por lo tanto, P(E) = P(D). Entonces,
P(E) = 1 P(E) = 1 P(D) 1 0, 166 = 0, 834.
Ejemplo 2.3.12 Una organizacion de caridad vende 1000 billetes de lotera. Hay diez
primeros premios y cien premios de consolacion, todos los cuales deben ser distribuidos. El
proceso de seleccion de los ganadores es tal que, al principio, cada boleto tiene las mismas
posibilidades de ganar un primer premio y cada uno tiene las mismas posibilidades de ganar
un premio de consolacion. Ning
un boleto puede ganar m
as de un premio.
(a) Cu
al es la probabilidad de ganar un premio con un u
nico boleto?
(b) Cu
al es la probabilidad de ganar un premio de consolacion?
(c) Cu
al es la probabilidad de ganar alg
un premio?
SOLUCION:
(a) De entre los 1000 billetes, 10 ganaran primeros premios, 100 ganar
an premios de consolacion y 890 no ganaran premio alguno. Nuestro u
nico billete puede ser considerado
como uno elegido entre los 1000. Sea A el suceso el billete elegido gana un primer premio. Dado que son 1000 resultados igualmente probables, 10 de los cuales corresponde
al suceso A, tenemos que
10
= 0, 01.
P(A) =
1000
(b) De modo similar, para el suceso B, el billete elegido gana un premio de consolacion,
se deduce que
100
P(B) =
= 0, 10.
1000
(c) Ahora bien, el suceso el billete gana alg
un premio es sencillamente la union de los
sucesos A y B. Ademas, dado que solo se permite un premio por billete, estos sucesos
son mutuamente excluyentes. Por tanto, la probabilidad requerida es
P(A B) = P(A) + P(B) = 0, 01 + 0, 10 = 0, 11.
Ejemplo 2.3.13 En la primera epoca del desarrollo de un yacimiento de petr

oleo, una
empresa estimo en 0,1 la probabilidad de que las reservas econ
omicamente recuperables
excedieran los 2.000 millones de barriles. La probabilidad de que las reservas excediesen los
1.000 millones de barriles se estimo en 0,5. Dada esta informaci
on, cual es la probabilidad
estimada de que las reservas se encuentren entre 1.000 y 2.000 millones de barriles?
SOLUCION:
2.3 Introducci
41
Sea A el evento las reservas exceden los 2.000 millones de barriles y B el evento las reservas
se encuentran entre 1.000 y 2.000 millones de barriles. Estos eventos son mutuamente
excluyentes y su union, A B, es el evento las reservas exceden los 1.000 millones de
barriles. Por tanto, tenemos que
P(A) = 0, 1
P(A B) = 0, 5.
Entonces, dado que A y B son mutuamente excluyentes, se obtiene que (comp

arese con la
figura 2.13)
P(B) = P(A B) P(A) = 0, 5 0, 1 = 0, 4.
Fig. 2.13: Diagrama para las probabilidades del ejemplo 2.3.13
C
alculo de probabilidades utilizando t
ecnicas de conteo
Una dificultad practica que aparece a veces al calcular la probabilidad de un suceso es
la de contar el n
umero de resultados basicos en el espacio muestral y en el evento de
interes. Los siguientes ejemplos, ilustran c
omo se pueden utilizar las tecnicas de conteo,
explicadas en la secci
on anterior, para calcular probabilidades de eventos.
Ejemplo 2.3.14 Un estante tiene 6 libros de matematicas y 4 de fsica. Hallar la probabilidad de que 3 libros determinados de matematicas esten juntos, si
(a) todos los libros de matematicas son diferentes y los libros de fsica tambien;
(b) todos los libros de matematicas son diferentes y que todos los libros de fsica son iguales;
(c) todos los libros de matematicas son diferentes y 3 de los libros de fsica iguales.
Compare las tres respuestas y de una conclusion general.
SOLUCION:
Sean el espacio muestral correspondiente y A el evento 3 libros determinados de matem
aticas estan juntos. Nos piden calcular P(A).
(a) En este caso, los elementos de son las distintas permutaciones de los 6 + 4 = 10 libros.
Por el teorema 2.2.23, los 10 libros pueden ordenarse entre s de 10! formas. Es decir,
tiene en total 10! elementos.
Ahora, supongamos que los 3 libros determinados de matematicas se reemplazan por 1.
As, tenemos en total de 8 libros que pueden ordenarse entre s de 8! formas. Como los
tres libros se pueden ordenar entre s de 3! formas, entonces, hay 8! 3! formas de ordenar
los 10 libros con la condici
on de que 3 libros determinados esten juntos.
Por lo tanto, por la expresi
on (2.2), tenemos que
P(A) =
8! 3!
N
=
0, 0666.
N
10!
2.3 Introducci
42
(b) En este caso, por el teorema 2.2.41, tiene en total 10!

4! = 151.200 elementos. Supongamos que los 3 libros determinados de matematicas se reemplazan por 1. As, tenemos
en total de 8 libros que, por el teorema 2.2.41, pueden ordenarse entre s de 8!
4! = 1.680
formas. Como los tres libros se pueden ordenar entre s de 3! = 6 formas, entonces,
hay 1.680 6 = 10.080 formas de ordenar los 10 libros con la condici
on de que 3 libros
determinados de matematicas esten juntos y sabiendo que los de fsica son todos iguales.
Con lo anterior,
P(A) =
10.080
N
=
0, 0666.
N
151.200
(c) En este caso, por el teorema 2.2.41, tiene en total 10!

3! = 604.800 elementos. Supongamos que los 3 libros determinados de matematicas se reemplazan por 1. As, tenemos
en total de 8 libros que, por el teorema 2.2.41, pueden ordenarse entre s de 8!
3! = 6.720
formas. Como los tres libros se pueden ordenar entre s de 3! = 6 formas, entonces,
hay 6.720 6 = 40.320 formas de ordenar los 10 libros con la condici
on de que 3 libros
determinados de matematicas esten juntos y sabiendo que hay 3 fsica que son iguales.
Por consiguiente,
P(A) =
40.320
N
=
0, 0666.
N
604.800
Con respecto a los resultados obtenidos podemos concluir que si todos los libros de matematicas
son diferentes, entonces, sin importar si los de fsica son iguales o no, la probabilidad de que
3 libros determinados de matematicas esten juntos es aproximadamente 0,0666.
Ejemplo 2.3.15 Un director de personal tiene ocho candidatos para cubrir cuatro puestos.
De estos, cinco son hombres y tres mujeres. Si, de hecho, toda combinacion de candidatos
tiene las mismas probabilidades de ser elegido, cual es la probabilidad de que ninguna mujer
sea contratada?
SOLUCION:
Primero, el n
umero
total de combinaciones posibles de los ocho candidatos tomadas de cuatro en cuatro es 84 = 70. Ahora bien, para que ninguna mujer sea contratada, los candidatos
seleccionados
han de ser cuatro de los cincos hombres. El n
umero de tales combinaciones

es 54 = 5. Por tanto, si al principio cada una de las 70 combinaciones posibles fuese
igualmente probable, la probabilidad de escoger una de las cinco combinaciones que incluyen
solo hombres es 5/70 = 0, 071.
Ejemplo 2.3.16 Una caja de doce lapiceros tiene dos que estan defectuosos. Se extraen
tres lapiceros sin reemplazo. Cu
al es la probabilidad de que dos salgan defectuosos?
SOLUCION:
Sean el espacio muestral correspondiente y A el evento de los tres lapiceros seleccionados,

dos estan defectuosos. Entonces, el n
umero de elementos que tiene sera 12
= 220 y el
3

10 2
n
umero de elementos que tiene A es 1 2 = 10. Por consiguiente, la probabilidad pedida
10
= 0, 045.
es P(A) = 220
Ejemplo 2.3.17 Una caja contiene 8 fichas rojas, 3 blancas y 9 azules. Si se extraen 3
fichas sin reemplazo y sin orden, determinar la probabilidad de que (a) las 3 fichas sean
blancas, (b) 2 sean rojas y 1 blanca, (c) al menos 1 sea blanca y (d) se extraiga una de cada
color.
SOLUCION:
Sea el espacio muestral correspondiente a esta situaci
on. En este caso, sus elementos son
las distintas combinaciones de 8 + 3 + 9 = 20 fichas tomadas de 3 en 3 (ya que se sacan cada
vez 3 fichas sin
reemplazo). Por el teorema 2.2.50, las 3 fichas se pueden escoger de un total
de 20 de 20
3 = 1.140 formas. Es decir, tiene en total 1.140 elementos.
2.3 Introducci
(a) Sea A el evento sacar 3 fichas de 3 blancas. O sea, A tiene

Entonces,
P(A) =
43
3
3
= 1 elemento.
1
N
=
= 0, 000877.
N
1.140
(b) Sea A el evento las 3 fichas sacadas son 2 rojas y 1 blanca. Ahora, 2 fichas de un
total de 8 rojas se pueden seleccionar de 82 = 28 maneras y 1 ficha de un total de 3

blancas se puede seleccionar de 31 = 3 maneras. Por lo tanto, A tiene 82 31 = 84
elementos. Entonces,
P(A) =
84
N
=
= 0, 074.
N
1.140
(c) Sea A el evento por lo menos 1 de las 3 fichas sacadas es blanca. Esto quiere decir
que A, el complemento de A, es el evento de las tres bolas ninguna es blanca. Ahora,
si ninguna es blanca, entonces,
3 fichas de un total de 8 + 9 = 17 (entre rojas y azules)
se pueden seleccionar de 17
= 680 maneras. Por lo tanto, A tiene 680 elementos.
3
Entonces,
P(A) =
680
N
=
= 0, 596.
N
1.140
Por consiguiente, con lo anterior, la probabilidad pedida esta dada por

P(A) = 1 P(A) = 1 0, 596 = 0, 404.
(d) Sea A el evento las 3 fichas sacadas son
una de cada color. Ahora, 1 ficha de un total
de 8 rojas se puede seleccionar de 81 = 8 maneras, 1 ficha de un total de 3 blancas

se puede seleccionar de 31 = 3 maneras y 1 ficha de un total de 9 azules se puede

seleccionar de 91 = 9 maneras. Por lo tanto, A tiene 81 31 91 = 216 elementos.
Entonces,
P(A) =
2.3.4
216
N
=
= 0, 189.
N
1.140
Probabilidad subjetiva o personal
Existen muchos eventos de interes cuyas probabilidades de ocurrencia no se pueden calcular de acuerdo con los metodos axiomatico, clasico y de frecuencia relativa (emprica),
sino que se basan en el grado de creencia acerca de que tenga o no lugar un determinado hecho como, por ejemplo,
exista vida en alg
un planeta distante,
en los p
oximos diez a
nos se descubra alg
un remedio contra el cancer,
determinada persona se vaya a destacar en la universidad,
una persona se enferme,
una determinada maquina se da
ne,
ma
nana vaya a llover.
2.3 Introducci
44
Sin embargo, poca gente se muestra renuente a concederle probabilidades a los eventos
anteriores. Con mucha frecuencia oimos decir que hay un 20% de posibilidades de que
llueva ma
nana, que el Junior gane, etc. Aquella probabilidad que nos permite asignarle
probabilidades a eventos tales como estos se denomina probabilidad subjetiva.
Definici
on 2.3.18 La probabilidad subjetiva o personal se puede definir
como la probabilidad que expresa un grado de creencia individual sobre la posibilidad
de que un evento ocurra. Al metodo de asignar estas probabilidades se le conoce
todo subjetivo.
como me
La probabilidad subjetiva no depende del tratamiento matem
atico ni de la noci
on de experimentos repetibles.
La magnitud de la probabilidad que una persona asigna subjetivamente a un evento

depende del grado de credito que esa persona le de a la ocurrencia del evento. Esa es
la raz
on por la que es posible asignarle probabilidades a eventos que s
olo se presentan
una vez, como por ejemplo, el evento de ganar una determinada competencia atletica.
A diferencia del metodo de probabilidad de frecuencia relativa, la probabilidad subjetiva
no depende de la posibilidad de repetici
on de un experimento.
Ejemplo 2.3.19 (a) Si afirmamos que la probabilidad de que salga cara al lanzar una
moneda es 1/2, lo que tenemos en mente es que la moneda no parece estar trucada y
que resultar
a igualmente probable que salga cara o cruz. Al enjuiciar esta probabilidad subjetiva, no estamos pensando necesariamente en terminos de la experimentacion
repetida, sino que estamos interesado por un u
nico lanzamiento de la moneda. Nuestra
evaluacion de la probabilidad subjetiva implica que consideraramos justa una apuesta
que consistiese en pagar 5.000 pesos si saliera cruz y recibir 5.000 pesos si saliera cara.
Si fueramos a recibir m
as de 5.000 pesos si del lanzamiento resultase una cara, consideraramos favorable la apuesta.
(b) De modo similar, si creemos que la probabilidad de que un caballo gane una determinada
carrera es 0,4, estamos dando nuestra opinion personal de que existe una posibilidad de
40 entre 100 de que gane. Dada esta creencia, consideraramos justa una apuesta en la
que perdiesemos dos dolares si el caballo no ganase y tres dolares en caso contrario.
Debemos insistir en que las probabilidades subjetivas son personales; no se requiere que
diferentes individuos consideren que el mismo evento debe tener lugar con las mismas
probabilidades como se explica a traves de las situaciones del siguiente ejemplo:
Ejemplo 2.3.20 (a) En el ejemplo del lanzamiento de una moneda, la mayora de la gente
llegara a la conclusion de que la probabilidad apropiada para el resultado cara es 1/2.
Sin embargo, un individuo con m
as informaci
on sobre la moneda en cuestion podra
creer otra cosa.
(b) En el ejemplo de las carreras de caballos, es probable que dos apostadores cuenten
con diferentes probabilidades subjetivas. Por ejemplo, pueden no tener la misma informacion, e incluso aunque la tuvieran, podran interpretarla de distinta forma.
(c) Resulta obvio que los inversionistas individuales no cuenttan con las mismas opiniones
sobre el probable futuro comportamiento de la bolsa. Sus probabilidades subjetivas
2.3 Introducci
45
deben ser vistas como dependientes del conocimiento que tienen y su manera de interpretarlo.
Ya hemos explicado que, en el caso de apuestas, como carreras de caballos y pron

osticos
deportivos, a menudo se determina la probabilidad de ocurrencia de un evento usando
probabilidad subjetiva y se establece com
unmente en terminos de oportunidades.
Definici
on 2.3.21 Sea A un evento. Las oportunidades a favor de A se definen como
P(A)
.
Oportunidades a favor de A =
P(A)
Las oportunidades en contra de A se definen
Oportunidades en contra de A =
1
P(A)
=
.
Oportunidades a favor de A
P(A)
n
, entonces, diremos que las
Si las oportunidades en favor de A son iguales a m
oportunidades son de n a m (lo cual escribiremos n : m) a favor de A.
Observese que las oportunidades en contra de A son precisamente las oportunidades a favor
de A.
Ejemplo 2.3.22 Supongamos que la probabilidad de que un boxeador favorito gane una
pelea es 1/3. Cu
ales son las oportunidades a favor de ganar?
SOLUCION:
Sea A el evento el boxeador gana. Entonces, las oportunidades a favor de ganar son
1
P(A)
1/3
= .
=
2/3
2
P(A)
Es decir, las oportunidades son de 1 : 2 a favor de que el boxeador gane la pelea. Esto
significa que de cada 1 + 2 = 3 personas, 1 afirma que el boxeador ganara la pelea y 2, que
perder
a.
El siguiente teorema nos muestra una forma de calcular la probabilidad de un evento

dado con base en el conocimiento de las oportunidades en favor o en contra del evento.
Teorema 2.3.23 Si las oportunidades son de n : m en favor de A, entonces, la
n
probabilidad de que ocurra el eventa A es P(A) = n+m
.
Ejemplo 2.3.24 Si las oportunidades son de 5:3 en contra de que la seleccion Colombia
pierda el partido de f
utbol, cu
al es la probabilidad de que (a) pierda el partido, (b) gane?
SOLUCION:
Sea A el evento de que la seleccion Colombia pierda el partido. Por tanto, por el teorema
5
2.3.23, P(A) = 5+3
= 58 = 0, 625. Por consiguiente, P(A) = 1 P(A) = 38 = 0, 375. Es decir,
de 1.000 personas, 625 dir
an que Colombia perder
a el partido y el resto, que son 375, dir
an
que Colombia ganara el partido.
2.3 Introducci
46
Ejemplo 2.3.25 Para un partido de f

utbol, Junior de Barranquilla contra Uni
on de Santamarta, se ofrecen a Humberto las siguientes apuestas:
Tarifa
: $15.000.
Ganancia : $30.000 si Junior gana y Humberto apuesta por Junior.
$20.000 si Uni
on gana y Humberto apuesta por Uni
on.
El juego Junior vs Uni
on sigue hasta que haya un ganador. Humberto acepta esta apuesta,
pero no puede decidirse si apuesta por Junior o por Uni
on. Determinar su probabilidad
subjetiva.
SOLUCION:
La probabilidad subjetiva de Humberto puede determinarse como sigue: Humberto no
puede decidirse significa que
30 P(Junior gana) = 20 P(Union gana).
Ademas, obviamente, se tiene que
P(Junior gana) + P(Union gana) = P(Junior o Uni
on gana) = 1.
Por lo tanto, resulta que P(Junior gana) =
2
5
y P(Union gana) = 53 .
on 2.3
39. La probabilidad de que Humberto viaje a Alemania es 0,6 y la probabilidad de que viaje a
Espa
na es 0,3 y la probabilidad de que viaje a alguna de las dos ciudades es 0,8. Calcule
la probabilidad de cada uno de los siguientes eventos:
(a) Humberto viaja a ambas ciudades.
(b) Humberto viaja a Alemania pero no a Espa
na.
(c) Humberto viaja a Espa
na pero no a Alemania.
(d) Humberto no viaja a ninguna de las dos ciudades
40. Se estimo que un 20% de los estudiantes de u
ltimo curso de un campus universitario
estaban seriamente preocupados por sus posibilidades de encontrar trabajo, el 35% por
sus notas y el 28% por ambas cosas. Cual es la probabilidad de que un estudiante de
ultimo curso elegido al azar en el campus este seriamente preocupado por al menos una
de las dos cosas?
41. Un jefe de cierta compa
na recibe un determinado artculo en paquetes de 100. Un
estudio ha indicado las probabilidades, que figuran en la tabla adjunta, correspondientes
a los artculos defectuosos de un paquete.
Numero de defectuosas
Probabilidad
0
0,03
1
0,29
2
0,10
3
0,22
mas de 3
0,36
(a) Cual es la probabilidad de que haya mas de dos artculos defectuosos en un paquete?
(b) Cual es la probabilidad de que haya mas de un artculo defectuoso en un paquete?
42. Seg
un una informacion, dos de cada tres colombianos son pobres. Que relaci
on tiene
esto con probabilidad?
2.3 Introducci
47
43. Un distribuidor de enchufes sabe que en una caja de 50, dos o mas son defectuosos. Un
cliente selecciona al azar, y sin reemplazo, dos enchufes de una caja y salen defectuosos,
motivo por el cual el cliente rechaza la caja. El distribuidor extrae entonces de esa caja
dos enchufes y le informa al cliente que puede llevar la caja de 48 enchufes con confianza.
Para asegurarse, el cliente extrae otra muestra, sin reemplazo, de cinco enchufes, de los
cuales uno salio defectuoso. Si usted fuera el cliente, aceptara la caja de 48 enchufes?
44. Un dado se lanza dos veces. Encuentre la probabilidad de obtener (a) un 5 o un 7, (b) a
lo mas un 9, (c) una suma impar y (d) un m
ultiplo de 4.
45. Una urna tiene seis bolas verdes, cinco bolas rojas y cuatro bolas blancas (cada bola es
de un solo color). Si se extrae una bola, calcule la probabilidad de que la bola extrada
sea (a) no verde, (b) no roja, (c) roja y verde, (d) blanca o roja. Compare el resultado
de (d) con el obtenido en (a). Interprete siempre sus respuestas.
46. Se lanzan dos dados. Calcule la probabilidad de que la suma de los n
umeros obtenidos
sea (a) 13, (b) a lo mas 3, (c) por lo menos 4, (d) 5 o 6, (e) 5 y 6. Interprete siempre
sus resultados.
47. Una caja contiene dos bolas negras, tres blancas y cuatro rojas. Se seleccionan dos bolas
una despues de la otra.
(a) cual es la probabilidad de que la primera bola sea negra y la segunda blanca?
(b) cual es la probabilidad de obtener una bola negra y una blanca?
(c) Repita los incisos anteriores si la seleccion es con reemplazo.
48. En una comunidad el 30% de las personas son fumadoras, 55% son bebedoras y 20%
tanto fumadoras como bebedoras. Calcule la probabilidad de que una persona elegida al
azar (a) fume pero no beba, (b) ni fume ni beba, (c) fume o no beba. Interprete siempre
sus resultados.
49. Una entidad educativa ha propuesto tres proyectos para la mejora de la educaci
on en cierta
region del pais. Para i = 1, 2, 3, sea Ai el evento que representa al evento el proyecto i
fue aceptado. Supongamos que
P(A1 ) = 0, 30,
P(A2 ) = 0, 22,
P(A1 A3 ) = 0, 09,
P(A3 ) = 0, 35,
P(A2 A3 ) = 0, 06,
P(A1 A2 ) = 0, 08,
P(A1 A2 A3 ) = 0, 02.
Exprese verbalmente cada uno de los siguientes eventos y determine la probabilidad de

que ocurra cada uno de ellos:
(a) A1 A2 ,
(b) A1 A2 ,
(c) A1 A2 A3 ,
(d) A1 A2 A3 , (e) A1 A2 A3 , (f) (A1 A2 ) A3 .
50. Una caja contiene diez bombillas, cuatro de las cuales estan defectuosas. Si se seleccionan
aleatoriamente y sin reemplazo cuatro bombillas de la caja, cual es la probabilidad de
que el grupo contenga (a) dos (b) al menos dos bombillas defectuosas?
51. Una caja contiene cuatro focos rojos, cinco blancos y seis amarillos. Si se seleccionan uno
por uno, en orden aleatorio, cual es la probabilidad de que al menos se seleccionen dos
focos para obtener uno amarillo?
52. Una caja contiene diez tornillos, de los cuales tres estan defectuosos. Se extraen tres
tornillos sin reemplazo. Calcule la probabilidad de que los tres tornillos no esten defectuosos.
53. Para un control de calidad se seleccionan aleatoriamente dos abanicos sin reemplazo de un
lote. Si uno de los dos abanicos esta defectuoso, todo el lote se rechaza. Si una muestra
de 200 abanicos contiene cinco defectuosos calcule la probabilidad de que la muestra sea
rechazada.
2.3 Introducci
48
54. Una biblioteca tiene cinco ejemplares (digamos, matematica, fsica, qumica, biologa y
estadstica), de los cuales hay dos ejemplares (digamos matematica y fsica) que son de
primera edicion y el resto, de segunda edicion. Seran seleccionados al azar dos ejemplares
para ser puestos en reserva durante 3 horas. Cual es la probabilidad de que
(a) ambos ejemplares seleccionados sean primeras ediciones?
(b) ambos ejemplares seleccionados sean segundas ediciones?
(c) al menos uno de los ejemplares seleccionados sea de primera edicion?
(d) los ejemplares seleccionados sean de diferentes ediciones?
55. Se escoge un n
umero comprendido entre 0 y 999. Cual es la probabilidad de que el dgito
central sea mayor que los otros dos?
56. En el men
u del da, un restaurante vegetariano ofrece una ensalada especial que contiene
tres tipos de verduras distintas que son las preferidas por ciertos habitantes de una ciudad:
Esparrago (A), Br
ocoli (B) y Coliflor (C). A continuacion aparece el porcentaje de clientes
del restaurante que pide determinada(s) verdura(s).
70% A,
90% A o C,
80% B,
95% B o C,
75% C,
98% A, B o C,
85% A o B,
en donde, por ejemplo, el evento A o C significa que por lo menos una de las opciones A
o C fue solicitada. Calcule las probabilidades de los siguientes eventos:
(a) El siguiente cliente pide, por lo menos, una de las tres opciones.
(b) El siguiente cliente no pide ninguna de las tres opciones.
(c) El siguiente comprador solo pide la opci
on A y ninguna de las otras dos opciones.
(d) El siguiente cliente pide exactamente una de las tres opciones.
57. Supongamos que un determinado arbol puede tener tres tipos de enfermedades: Hojitis
(H), Tallitis (T) y Frutitis (F). Suponga que
P(H) = 0, 12,
P(T ) = 0, 07,
P(H F) = 0, 14,
P(F) = 0, 05,
P(T F) = 0, 10,
P(H T ) = 0, 15,
P(H T F) = 0, 01.
(a) Cual es la probabilidad de que el arbol no tenga hojitis?

(b) Cual es la probabilidad de que el arbol tenga hojitis y tallitis al mismo tiempo?
(c) Cual es la probabilidad de que el arbol tenga hojitis y tallitis al mismo tiempo, pero
no frutitis?
(d) Cual es la probabilidad de que que el arbol tenga exactamente dos de esas enfermedades?
58. Una persona desea comprar un computador. De alguna manera, logra conseguir una lista
de las direcciones de 15 personas que quieren vender sus computadores. Pero la persona
tiene tiempo para ir solo a cuatro direcciones de la lista.
(a) En cuantas formas podran escogerse las cuatro direcciones, si se considera el orden
de visita?
(b) En cuantas formas podran escogerse las cuatro direcciones, si el orden no importa?
(c) Si en siete direcciones los computadores son nuevos y en ocho ya han sido vendidos previamente, y las cuatro direcciones por visitar se escogen al azar y sin orden,
cual es la probabilidad de que en las cuatro direcciones donde vaya la persona, los
computadores sean nuevos?
2.4 Probabilidades condicionales
49
59. Al poco tiempo de ponerse a funcionar, algunas computadores fabricados por ciertas
compa
nas presentan problemas con el funcionamiento de un determinado programa (digamos, Futbolnet) que viene previamente instalado. Suponga que una peque
na empresa
tiene 30 de estos computadores y que ha habido problemas con el funcionamiento del
Futbolnet en 7 de ellos.
(a) Cuantas formas hay de seleccionar una muestra de 10 computadores de los 30 para
una revisi
on completa?
(b) En cuantas formas puede una muestra de 10 computadores contener exactamente 3
con problemas en el funcionamiento del Futbolnet?
(c) Si se escoge al azar una muestra de 10 computadores, cual es la probabilidad de que
exactamente 3 de los 10 tengan problemas con el funcionamiento del Futbolnet?
(d) Si se escoge al azar una muestra de 10 computadores, cual es la probabilidad de
que, al menos, 6 de los seleccionados tengan problemas con el funcionamiento del
Futbolnet?
60. En cierta bodega, una caja contiene ocho clavos de 1 pulgada, seis de 1 pulgada y media
y cinco de 2 pulgadas. Suponga que se seleccionan cuatro clavos al azar, sin reemplazo y
sin orden.
(a) Cual es la probabilidad de que exactamente tres de los clavos seleccionados sean de
2 pulgadas?
(b) Cual es la probabilidad de que los cuatro clavos seleccionados sean del mismo
tama
no?
(c) Cual es la probabilidad de que entre los 4 clavos seleccionados hallan dos de una
pulgada?
61. Un estante tiene 4 libros de qumica, 5 de estadstica y 3 de matematicas. Si los libros
de estadstica son diferentes entre s, encuentre la probabilidad de que 2 libros determinados de estadstica se encuentre juntos teniendo en cuenta cada una de las siguientes
situaciones:
(a) Los libros de cada tipo son todos diferentes entre s.
(b) Los libros de qumica son iguales entre s, pero los de matematicas son todos diferentes.
(c) Hay 2 libros de qumica que son iguales, pero todos los de matematicas son iguales
entre s.
(d) A excepci
on de los de estadstica, los libros de cada tipo son todos iguales entre s.
2.4
Probabilidades condicionales
Supongamos que estamos interesados en dos sucesos A y B, y se nos da la informaci

on
adicional de que B ha ocurrido. Una pregunta de interes es, entonces, cual es la
probabilidad de que A ocurra? La idea principal es que la posibilidad de que cualquier
suceso ocurra es probable que dependa de la ocurrencia o no ocurrencia de otros eventos.
Ejemplo 2.4.1 Analizemos las siguientes situaciones.
50
(a) Un fabricante que planea introducir una nueva marca puede poner a prueba el producto
a traves de su venta en una serie reducida de almacenes particularmente escogidos. Es
probable que el fabricante confe mucho m
as en el exito de la nueva marca en el mercado
si el producto resulta bien acogido en el test inicial que en caso contrario. El analisis
de la empresa correspondiente a la probabilidad de un elevado n
umero de ventas estar
a,
por tanto, condicionada por el resultado de mercado.
(b) En un barrio hay personas que saben nadar, otras que saben manejar bicicletas y otras,
ambas cosas. Se selecciona una persona al azar y deseamos la probabilidad de que la
persona sepa nadar dado que sabe manejar bicicleta.
Por tanto, en ambas situaciones tenemos que estar interesados en la ocurrencia de un determinado evento, dada la ocurrencia de otro.
Ahora, analizemos otro ejemplo.

Ejemplo 2.4.2 Supongamos que en una empresa hay 100 empleados, de los cuales 30 son
mujeres y 70, hombres. Supongamos, adem
as, que hay 21 mujeres y 33 hombres que fuman
(comp
arese con la tabla de la figura 2.14).
Fuma (F)
No Fuma (F)
Hombre (H)
33
37
Mujer (M)
21
9
Fig. 2.14: Clasificaci

on de 100 empleados de una empresa
(a) Si se saca un individuo al azar, determinar la probabilidad de que sea mujer.

(b) Si se saca un individuo, determinar la probabilidad de que sea mujer y fume.
(c) Si del grupo de las 30 mujeres se saca un individuo, determinar la probabilidad de que
fume.
SOLUCION:
(a) La probabilidad de que sea mujer es P(M) =
30
100 .
(b) La probabilidad de que sea una mujer y que fuma es P(M F) =
21
100 .
(c) La probabilidad de que una mujer fume de un total de 30 la simbolizaremos por P(F/M)
y es igual a
21
21/100
P(F M)
P(F/M) =
=
=
.
30
30/100
P(M)
Es decir, P(F/M) = P(FM)
P(M) , que es la forma como se calcula la llamada probabilidad
condicional de un evento F, sabiendo que ya ha ocurrido M.
Estos tipos de problemas conllevan a considerar el concepto de probabilidad condicional.
51
Definici
on 2.4.3 Sean A y B dos eventos de un espacio muestral 6= . La probabilidad condicional del evento A dado el evento B, simbolizada por P(A/B),
se define como
P(A B)
P(A/B) =
, si P(B) > 0.
P(B)
De igual modo, la probabilidad condicional de B dado A se define como
P(B/A) =
P(A B)
,
P(A)
si P(A) > 0.
Ejemplo 2.4.4 Una persona lanza una moneda tres veces, cual es la probabilidad de
obtener 3 caras dado que salio por lo menos una cara?
SOLUCION:
Los posibles resultados que se pueden obtener al lanzar la moneda tres veces son
(C, C, C),
(C, C, S),
(C, S, C),
(C, S, S),
(S, C, C),
(S, C, S),
(S, S, C),
(S, S, S).
Sean A y B los eventos salio por lo menos una cara y obtener 3 caras, respectivamente.
Entonces, B = {(C, C, C)} y
A = {(C, C, C),
(C, C, S),
(C, S, C),
(C, S, S),
(S, C, C),
(S, C, S),
(S, S, C)}.
Debido a que A B = {(C, C, C)}, entonces, la probabilidad de obtener 3 caras sabiendo que
salio una cara es igual a
P(B/A) =
P(A B)
1/8
1
=
= .
P(A)
7/8
7
Despejando P(B A) en las expresiones dadas en la definici

on 2.4.3, obtenemos el llamado
Teorema 2.4.5 (Teorema de multiplicaci
on para 2 eventos) Sean A y B dos
eventos de un espacio muestral 6= . Entonces, la probabilidad de la intersecci
on
A B est
a dada por
P(B A) = P(B/A) P(A)
o por
P(B A) = P(A/B) P(B).
Ejemplo 2.4.6 Supongamos que una caja tiene diez bolas, de los cuales tres estan defectuosas. Se sacan dos bolas, una detr
as de la otra y sin reemplazo. Cu
al es la probabilidad
de sacar una bola defectuosa seguida de otra defectuosa?
SOLUCION:
Sean A el evento la primera bola sacada esta defectuosa y B el evento la segunda bola
sacada esta defectuosa. Nos piden calcular P(A B). Debido a que tres de las diez bolas
3
. Ahora, como ya se ha sacado 1 bola defectuosa
estan defectuosas, se tiene que P(A) = 10
de la caja quedan en total 9 bolas disponibles, de entre las cuales, hay ahora 2 defectuosas.
Por tanto, P(B/A) = 92 . Por consiguiente, por el teorema de multiplicacion (teorema 2.4.5),
obtenemos que
3 2
P(A B) = P(A) P(B/A) =
= 0.066.
10 9
52
Es decir, la probabilidad de sacar una bola defectuosa seguida de otra bola defectuosa es
aproximadamente del 6,6%.
La regla de multiplicaci
on es mas u
til cuando el experimento consta de varias etapas
sucesivas.
on para n eventos) Sean
A1, . . . , An eventos de un espacio muestral 6= . Entonces,
P(A1 An) = P(A1) P(A2/A1) P(A3/A1 A2) P(An/A1 An1),
Como puede observarse claramente, en este teorema hemos considerando que A1 es el evento que
primero sucede, luego sucede A2 ; posteriormente, A3 y, as sucesivamente, hasta que sucede el
u
ltimo evento, que en nuestro caso es An .
Del teorema 2.4.7, obtenemos en particular que

Si n = 2, se tiene que
P(A1 A2) = P(A1) P(A2/A1).
P(A1 A2 A3) = P(A1) P(A2/A1) P(A3/A1 A2).
P(A1 A2 A3 A4) = P(A1)P(A2/A1)P(A3/A1 A2)P(A4/A1 A2 A3).
Ejemplo 2.4.8 Una caja contiene 6 fichas rojas, 4 blancas y 5 azules. Hallar la probabilidad
de que se extraigan en el orden roja, blanca y azul si las fichas (a) se reemplazan, (b) no se
reemplazan.
SOLUCION:
Hay tres eventos que debemos considerar para el problema, a saber:
R = roja en la primera extraccion.
B = blanca en la segunda extraccion.
A = azul en la tercera extraccion.
Nos piden calcular P(R B A). Al aplicar el teorema general de multiplicacion (teorema
2.4.7) para el caso de n = 3 eventos, tenemos
P(R B A) = P(R) P(B/R) P(A/R B).
(1)
Observese que en la caja hay disponible, inicialmente, 6 + 4 + 5 = 15 fichas.

(a) Si los eventos se reemplazan, entonces, reemplazando las correspondientes probabilidades en la expresi
on (1), tenemos
P(R B A) =
8
6 4 5
=
= 0, 0355.
15 15 15
225
53
(b) Si los eventos no se reemplazan, entonces, reemplazando las correspondientes probabilidades en la expresi
on (1), tenemos
P(R B A) =
4
6 4 5
=
= 0, 044.
15 14 13
91
El calculo de una probabilidad P(Aj/B), a partir de probabilidades anteriores dadas P(Ai)

y probabilidades P(B/Ai), ocupa una posici
on central en la probabilidad elemental. La
regla general para tales calculos, que es una aplicaci
on simple de la regla de la multiplicaci
on, se remonta al tiempo del reverendo Thomas Bayes, quien vivi
o en el siglo
XVII. Para expresarla necesitamos, primero, el llamado teorema de la probabilidad total.
Teorema 2.4.9 (Teorema de la probabilidad total) Si los eventos A1, A2,
. . ., An forman una partici
on de un espacio muestral (comp
arese con la definici
on
2.1.11), entonces, para cada evento B de , se tiene que
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + + P(B/An) P(An).
Del teorema 2.4.9, se tiene en particular,
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2).
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + P(B/A3) P(A3).
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + P(B/A3) P(A3) + P(B/A4) P(A4).
Hay dos comentarios que podemos hacer acerca del teorema de la probabilidad total (teorema 2.4.9):
El teorema de la probabilidad total est
a estrechamente relacionado con el siguiente teorema
de la mec
anica: El centro de gravedad de un cuerpo se puede determinar descomponiendo el
cuerpo en cualquier cantidad de partes, suponiendo que la masa de cada una de estas partes
est
a concentrada en su respectivo centro de gravedad y tomando el centro de gravedad del
sistema de puntos originados por este metodo.
El teorema de la probabilidad total tambien est
a relacionada con el siguiente an
alogo qumico:
En k recipientes se encuentran diferentes soluciones de la misma sal, en total, 1 litro. Supongamos que P(An ) simboliza el volumen del n-esimo recipiente y P(B/An ), la concentraci
on
de la soluci
on en el n-esimo recipiente. Si se re
unen el contenido de todos los recipientes en
uno s
olo y P(A) significa la concentraci
on de la soluci
on originada de esta manera, entonces,
se cumple el teorema de la probabilidad total.
Ejemplo 2.4.10 La caja I contiene 3 fichas rojas y 2 azules, en tanto que la caja II contiene
2 fichas rojas y 8 azules. Se lanza una moneda no falsa de tal forma que si cae cara, entonces,
se saca una ficha de la caja I y, por el contrario, si cae sello, se saca una ficha de la caja II.
Supongamos que quien lanza la moneda no revela si resulta cara o sello (de tal forma que la
caja de la cual se saco una ficha no se revela). Determinar la probabilidad de haber sacado
54
una ficha roja.

SOLUCION:
Sea R el evento sacar una ficha roja y supongamos que I y II son los eventos escoger la
caja I y escoger la caja II, respectivamente. Nos piden calcular P(R). En la figura 2.15
podemos visualizar claramente estos eventos (observemos que el evento R corresponde a la
regi
on sombreada).
Fig. 2.15: Diagrama para la situaci

on del ejemplo 2.4.10
Ahora, en la caja I hay en total 3 + 2 = 5 fichas y, en la caja II, 2 + 8 = 10 fichas. Puesto
que una ficha roja se puede sacar de cualquiera de las cajas, entonces, la probabildiad de
sacar una ficha roja de la caja I es P(R/I) = 53 y la de sacar una ficha roja de caja II es
2
P(R/II) = 10
= 51 .
Ademas, si C y S son los eventos resultar cara y resultar sello, respectivamente, entonces, la probabilidad de escoger la caja I es P(I) = P(C) = 21 y la de escoger la caja II es
P(II) = P(S) = 21 .
Por consiguiente, por el teorema de la probabilidad total (teorema 2.4.9) con n = 2, se
obtiene que
P(R) = P(R/I) P(I) + P(R/II) P(II) =
3 1
1 1
2
+
=
= 0, 4.
5 2
5 2
5
Ejemplo 2.4.11 Un editor enva propaganda de un libro de estadstica al 70% de aquellos

profesores que estan a cargo de esa materia. El 40% de aquellos que recibieron la propaganda
se decidieron a utilizar el libro, inclusive, el 20% de los que no recibieron la propaganda
tambien utilizaran el libro.
SOLUCION:
Consideremos los eventos recibe la propaganda y no recibe la propaganda. Entonces,
P(recibe)= 0, 70 y P(no recibe)= 1 0, 70 = 0, 30. Ademas,
P(utiliza el libro / recibe) = 0, 40,
P(utiliza el libro / no recibe) = 0, 20.
Nos piden calcular P(utiliza el libro). Esta se puede calcular con ayuda del teorema de la
probabilidad total (teorema 2.4.9) de la siguiente manera:
P(utiliza) = P(utiliza/recibe) P(recibe) + P(utiliza/no recibe) P(no recibe)
= (0, 40)(0, 70) + (0, 20)(0, 30).
Los c
alculos y las probabilidades anteriores se pueden visualizar claramente en el diagrama
de arbol que aparece en la figura 2.16. Junto a cada una de las cuatro ramas del diagrama
aparecen probabilidades (que llamaremos totales) que fueron calculadas con aplicaci
on
del teorema de multiplicacion (vease el teorema 2.4.5) y al final del diagrama aparece la
probabilidad calculada que corresponde a sumar solo las probabilidades totales en donde
aparece el evento utiliza el libro.
55

Teorema 2.4.12 (Regla o teorema de Bayes) Sea A1, A2, . . . , An una descomposici
on finita de un espacio muestral . Entonces, para cada evento B con P(B) > 0
y para todo k = 1, . . . , n, se tiene
P(Ak/B) =
P(B/Ak) P(Ak)
.
P(B/A1) P(A1) + P(B/A2) P(A2) + + P(B/An) P(An)
Del teorema de Bayes se tiene, en particular,

P(Ak/B) =
P(B/Ak ) P(Ak )
P(B/A1 ) P(A1 ) + P(B/A2 ) P(A2 ) .
P(Ak/B) =
P(B/Ak ) P(Ak )
P(B/A1 ) P(A1 ) + P(B/A2 ) P(A2 ) + P(B/A3 ) P(A3 ) .
P(Ak/B) =
P(B/Ak ) P(Ak )
P(B/A1 ) P(A1 ) +P(B/A2 ) P(A2 ) +P(B/A3 ) P(A3 ) +P(B/A4 ) P(A4 ) .
A continuaci
on se menciona el siguiente an
alogo qumico del teorema de Bayes: En k recipientes
est
an contenidas soluciones de la misma sal con diferentes concentraciones. El volumen total de la
soluci
on es 1 litro. Si P(Ak ) es el volumen de la soluci
on en el n-esimo recipiente y P(B/Ak ) es la
concentraci
on de sal en el n-esimo recipiente, entonces, la f
ormula que aparece en el teorema 2.4.12
nos permite calcular que porcentaje de la cantidad total de sal est
a en el k-esimo recipiente.
La interpretaci
on mas importante del teorema de Bayes se basa en el uso de las probabilidades subjetivas. Supongamos que una persona esta interesada en el evento Ak y se
forma una opini
on subjetiva de la probabilidad de que Ak ocurra. En este contexto, la
56
probabilidad P(Ak) se denomina probabilidad a priori. Si despues este individuo

consigue informaci
on adicional (por ejemplo, que el evento B ha ocurrido), este hecho
puede provocar una modificaci
on de su juicio inicial sobre la probabilidad de ocurrencia
de Ak. Dado que se sabe que B ha ocurrido, la probabilidad relevante correspondiente
a Ak es ahora la probabilidad condicional de Ak dado B, que se denota probabilidad
a posteriori. Desde este punto de vista, se puede interpretar el teorema de Bayes
como un metodo que nos permite actualizar una probabilidad a priori cuando se conoce
la informaci
on adicional de que el evento Ak ha tenido lugar.
Ejemplo 2.4.13 Considere la situaci
on del ejemplo 2.4.10. Determinar la probabilidad de
haber escogido la caja I (es decir, que el resultado de la moneda sea cara).
SOLUCION:
Sean R, I y II eventos definidos como en el ejemplo 2.4.10. Aqu nos piden calcular P(I/R)
(comp
arese con la figura 2.17). Del ejemplo 2.4.10, tenemos que P(R/I) = 53 , P(R/II) = 51 ,
P(I) = P(II) = 21 .

Por consiguiente, por el teorema de Bayes (teorema 2.4.12) con n = 2, se obtiene que
P(I/R) =
P(R/I) P(I)
=
P(R/I) P(I) + P(R/II) P(II)
3
5
3
5
1
2
1
2
1
5
1
2
3
= 0, 75.
4
De este modo, dada la informaci

on de que se ha sacado un ficha roja, la probabilidad de
haber escogido la caja I se ve modificada, pasando de P(I) = 0, 5 (a priori) a P(I/R) = 0, 75
(a posteriori).
Ejemplo 2.4.14 En cierta ciudad, aproximadamente el 10% de los habitantes esta afectado
por una rara enfermedad, para la cual se ha desarrollado una prueba de diagnostico. A traves
de esta prueba se ha determinado que el 85% de los individuo que padecen la enfermedad,
presentan un resultado positivo, mientras que el 20% de los individuos sin la enfermedad
muestran un resultado de prueba positivo. Supongamos que se hace una prueba en un
individuo seleccionado al azar.
(a) Cu
al es la probabilidad de que el resultado sea positivo? Y negativo?
(b) Si el resultado es positivo, cual es la probabilidad de que el individuo tenga la enfermedad?
(c) Si el resultado es negativo, cual es la probabilidad de que el individuo tenga la
enfermedad?
(d) Si el resultado es positivo, cual es la probabilidad de que el individuo este sano?
(e) Si el resultado es negativo, cual es la probabilidad de que el individuo este sano?
57
SOLUCION:
Analizando las situaciones del problema, podemos identificar los siguientes eventos:
A = el individuo esta enfermo.
A = el individuo esta sano.
B = el individuo ha sacado un resultado positivo.
B = el individuo ha sacado un resultado negativo.
Por consiguiente, P(A) = 0, 1, P(A) = 0, 90, P(B/A) = 0, 85 y P(B/A) = 0, 2. Observe que
P(B/A) = 1 P(B/A) = 0, 15
P(B/A) = 1 P(B/A) = 0, 80.
Junto a cada una de las cuatro ramas del diagrama aparecen probabilidades (que ya hemos
llamado totales) que fueron calculadas con aplicaci
on del teorema de multiplicacion (vease
el teorema 2.4.5). Todas estas probabilidades se pueden identificar facilmente en el siguiente
diagrama de arbol que se muestra en la figura 2.18.
Fig. 2.18: Diagrama de arbol para los datos del ejemplo 2.4.13.
En (a) nos piden calcular P(B) y P(B). Para calcular la probabilidad de que ocurra B,
aplicaremos el teorema de la probabilidad total con n = 2 (vease el teorema 2.4.9). De
igual manera, tambien aplicaremos este mismo teorema para calcular la probabilidad de que
ocurra B. Esto lo haremos de la siguiente manera:
Sumando las dos probabilidades totales ubicadas en las ramas correspondiente a un
resultado positivo, obtenemos:
P(B) = P(A) P(B/A) + P(A) P(B/A) = 0, 085 + 0, 18 = 0, 265.
Sumando las dos probabilidades totales ubicadas en las ramas correspondiente a un
resultado negativo, obtenemos:
P(B) = P(A) P(B/A) + P(A) P(B/A) = 0, 015 + 0, 72 = 0, 735.
Para calcular las probabilidades pedidas en (b)-(d), aplicaremos el teorema de Bayes con
n = 2 (teorema 2.4.12) de la siguiente manera:
58
(b) Nos piden calcular P(A/B).

P(A/B) =
0, 085
P(A B)
=
= 0, 3207.
P(B)
0, 265
(c) Nos piden calcular P(A/B).

P(A/B) =
P(A B)
0, 015
=
= 0, 0204.
0, 735
P(B)
(d) Nos piden calcular P(A/B).

P(A/B) =
P(A B)
0, 18
=
= 0, 6792.
P(B)
0, 265
(e) Nos piden calcular P(A/B).

P(A/B) =
P(A B)
0, 72
=
= 0, 979.
0,
735
P(B)
Observese que, para C = B o C = B, se cumple que P(A/C) = 1 P(A/C), propiedad que

siempre se cumple para todo par de eventos A y C de un espacio muestral.
Ejemplo 2.4.15 Un analista de bolsa examina las perspectivas de las acciones de un gran
n
umero de compa
nas. Cuando se investigo el comportamiento de estas acciones un a
no
antes, se descubri
o que el 15% experimentaron un crecimiento superior al de la media, el
40% inferior y el 45% restante se mantuvieron alrededor de la media. El 30% de los valores
que crecieron por encima de la media fueron clasificados como buenas adquisiciones por
el analista, al igual que el 15% de las que crecieron alrededor de la media y el 20% de las
que tuvieron un crecimiento inferior. Cu
al es la probabilidad de que un valor clasificado
como buena adquisicion por el analista crezca por encima de la media del mercado?
SOLUCION:
Definiendo los eventos
A1 : crecimiento superior a la media,
A2 : crecimiento alrededor de la media,
A3 : crecimiento inferior a la media,
B : el valor se considera como buena adquisicion,
tenemos las probabilidades P(A1 ) = 0, 25, P(A2 ) = 0, 40, P(A3 ) = 0, 35 y las probabilidades
condicionales P(B/A1 ) = 0, 30, P(B/A2 ) = 0, 15, P(B/A3 ) = 0, 20. Se necesita calcular la
probabilidad de que un valor crezca por encima de la media, dado que fue considerado buena
adquisicion por el analista. Es decir, buscamos la probabilidad condicional P(A1 /B), la cual
se deduce haciendo uso del teorema de Bayes (teorema 2.4.12) de la siguiente manera:
P(B/A1 )P(A1 )
P(B/A1 )P(A1 ) + P(B/A2 )P(A2 ) + P(B/A3 )P(A3 )
(0, 30)(0, 25)
=
= 0, 3658.
(0, 30)(0, 25) + (0, 15)(0, 40) + (0, 20)(0, 35)
P(A1 /B) =
59
Ejemplo 2.4.16 Por un canal de comunicaciones afectado por ruido se transmite uno de
dos comandos de control en forma de palabras de c
odigo 11111 y 00000. Esto se transmite
con probabilidad a priori de 0,7 y 0,3, respectivamente. Por causa del ruido, la probabilidad
de recepcion correcta de cada uno de los smbolos disminuye a 0,6. Se supone que las
palabras de c
odigo se da
nan o distorsionan independientemente. En la salida del receptor
se registra la palabra de c
odigo 10110. Determine que comando fue transmitido.
SOLUCION:
Consideremos los siguientes eventos:
A: se registr
o la palabra de c
odigo 10110;
H1 : se transmitio 11111;
H2 se transmitio 00000.
Por consiguiente, P(H1 ) = 0, 7 y P(H2 ) = 0, 3. Para poder saber cu
al fue la palabra de c
odigo
transmitida, calcularemos P(H1 /A) y P(H2 /A) y decidiremos nuestra respuesta teniendo la
probabilidad de mayor valor. Ahora,
P(A/H1 ) = (0, 6)(0, 4)(0, 6)(0, 6)(0, 4) = 0, 035,
P(A/H2 ) = (0, 4)(0, 6)(0, 4)(0, 4)(0, 6) = 0, 023.
Aplicando el teorema de Bayes (teorema 2.4.12), tenemos
P(H1 /A) =
=
P(A/H1 )P(H1 )
P(A/H1 )P(H1 ) + P(A/H2 )P(H2 )
(0, 035)(0, 7)
= 0, 78.
(0, 035)(0, 7) + (0, 023)(0, 3)
De manera analoga, encontramos que P(H2 /A) = 0, 22. Por consiguiente, como P(H1 /A) =
0, 78 es mayor que P(H2 /A) = 0, 22, podemos afirmar que la palabra de c
odigo transmitida
fue 11111.
on 2.4
62. Cierta empresa construye mesas de madera (M) o de vidrio (V) y se pueden adquirir
en uno de cuatro colores: azul (A), Roja (R), blanca (B) y natural (N). Las probabilidades correspondientes de las diversas combinaciones de tipo de material y color son las
siguientes:
Madera
Vidrio
Azul
0,13
0,15
Roja
0,13
0,12
Blanca
0,14
0,12
Natural
0,10
0,11
(a) Calcule e interprete P(R), P(M) y P(R M).

(b) Calcule P(R/M) y P(M/R) e interprete los valores de cada una de las probabilidades.
(c) Calcule e interprete P(N/V) y P(N/V).
63. La siguiente tabla recoge las proporciones de adultos en cierta ciudad, clasificadas en
aquellos que fuma o no fuman y aquellos que tiene problemas de salud.
Problemas
S
No
Fuman
0,15
0,18
No fuman
0,09
0,58
60
(a) Cual es la probabilidad de que un adulto de esta poblacion elegido al azar tenga
problemas de salud?
(b) Cual es la probabilidad de que un adulto de esta poblacion elegido fume?
(c) Cual es la probabilidad de que un adulto de esta poblacion elegido al azar que no
fume tenga problemas de salud?
64. La probabilidad de que Humberto vea cierto programa de television es 0,3 y la probabilidad
de que su esposa Greyci vea el programa es 0,6. La probabilidad de Humberto vea el
programa sabiendo que Greyci lo hace es 0,8. Encuentre la probabilidad de que
(a) Humberto y Greyci vean el programa;
(b) Greyci vea el programa sabiendo que Humberto lo hace;
(c) al menos uno de los dos vea el programa.
65. En cierta bodega, una caja contiene ocho clavos de 1 pulgada, seis de 1 pulgada y media
y cinco de 2 pulgadas. Suponga que se seleccionan tres clavos al azar, sin reemplazo y
sin orden.
(a) Si se ve que al menos uno de ellos es de 1 pulgada, cual es la probabilidad de que
los tres sean de 1 pulgada?
(b) Si al menos uno de los tres seleccionados no es de 2 pulgadas, cual es la probabilidad
de que los tres clavos tengan el mismo tama
no?
66. Una billetera contiene cinco billetes de $10.000 y siete billetes de $20.000 y una segunda
billetera contiene ocho billetes de $10.000 y cuatro de $20.000. Se escoge al azar un billete
de la primera billetera y se coloca en la segunda. Despues se selecciona un billete de la
segunda billetera y se coloca en la primera. Cual es la probabilidad de que se seleccione
un billete de $10.000 de la primera billetera y uno de $10.000 de la segunda?
67. Tres parejas de casados han comprado boletas para el cine y se sientan en una fila formada
por seis asientos. Supongamos que se sientan al azar.
(a) Utilice la regla de multiplicacion para calcular la probabilidad de que una pareja
(digamos, Jose y Carmen) se sienten juntos en el extremo izquierda y que otra pareja
(digamos, Jorge y Nubia) se sienten juntos en el medio
(b) Sabiendo que Jorge y Nubia ya se han sentado juntos en el medio, cual es la probabilidad de que los otros dos esposos (digamos, Jose, Ricardo) se sienten junto a sus
respectivas esposas (Carmen y Ana, respectivamente).
(c) Sabiendo que Jorge y Nubia ya se han sentado juntos, cual es la probabilidad de que
todos los esposos se sienten junto a sus esposas.
68. Una entidad educativa ha propuesto tres proyectos para la mejora de la educaci
on en cierta
region del pais. Para i = 1, 2, 3, sea Ai el evento que representa al evento el proyecto i
fue aceptado. Supongamos que
P(A1 ) = 0, 30, P(A2 ) = 0, 22, P(A3 ) = 0, 35, P(A1 A2 ) = 0, 08,
P(A1 A3 ) = 0, 09, P(A2 A3 ) = 0, 06, P(A1 A2 A3 ) = 0, 02.
Determine las siguientes probabilidades y exprese verbalmente cada uno de los eventos
cuya probabilidad ha sido calculada.
(a) P(A2 /A1 ).
(b) P(A2 A1 /A1 ).
61
(c) P(A2 A3 /A1 ).

(d) P(A1 A2 A3 /A1 A2 A3 ).
69. Un lote contiene 15 piezas fundidas de un proveedor local y 25 piezas fundidas de un
proveedor del pueblo contiguo. Se seleccionan dos piezas fundidas al azar, sin reemplazo,
del lote de 40. Si A denota el evento de que la primera pieza fundida seleccionada es del
proveedor local y si B denota el evento de que la segunda pieza fundida seleccionada es
del proveedor local, determine:
(a) P(A), P(B), P(A B) utilizando las tecnicas de conteo.
(b) P(B/A) y P(A/B) utilizando la definicion de probabilidad condicional.
(c) P(A B) aplicando el teorema de adicion para dos eventos.
70. En cierto batallon, 35% de los soldados reclutados son de estrato 1 y el resto, de estrato 2.
De los soldados reclutados que vienen del estrato 1, el 82% no son hijos u
nicos; mientras
que el 25% de los del estrato 2 son hijos u
nicos. Supongamos que se selecciona un soldado
al azar para una entrevista.
(a) Si es hijo u
nico, cual es la probabilidad de que venga del estrato 1? Del estrato 2?
(b) Si no es hijo u
nico, cual es la probabilidad de que venga del estrato 1? Del estrato
2?
71. En cierta empresa, 31% de los empleados son europeos, 42% son asiaticos y 27% son
latinoamericanos. De los empleados europeos, 34% son mujeres; de los asiaticos, 42%
son mujeres; mientras que de los latinoamericanos, 72% son mujeres.
(a) Cual es la probabilidad de que un empleado seleccionado al azar sea una (mujer)
europea? (Hombre) asiatico?
(b) Cual es la probabilidad de que un empleado seleccionado al azar sea una mujer?
Hombre?
(c) Si un empleado seleccionado al azar es una mujer, cual es la probabilidad de que sea
europea? Asiatica? Latinoamericana?
(d) Repita el inciso anterior, teniendo en cuenta que el empleado seleccionado sea un
hombre.
72. Una empresa fabrica computadores, cuyo disco duro tienen capacidad de 20 GB y otros
con capacidad de 30 GB. En el mes anterior, 35% de los computadores vendidos han sido
los que tienen disco duro de 20 GB. De los compradores de computadores con disco duro
de 20 GB, 45% compran los que tienen una memoria RAM de 356 MB, mientras que
el 30% de los compradores de computadores con disco duro de 30 GB tambien lo hacen
as. Si sabemos que un comprador seleccionado al azar ha comprado un computador con
memoria RAM de 356 MB, cual es la probabilidad de que tenga un computador con disco
duro de 30 GB?
73. Se envan lapiceros de diversos colores a un proveedor de artculos escolares en lotes de
20. Suponga que el 50% de estos lotes no tienen lapiceros defectuosos; 30%, un lapicero
defectuoso y el resto de los lotes, tienen dos lapiceros defectuosos. Sin tener en cuenta el
orden, supongamos que el proveedor selecciona al azar dos lapiceros de un lote y los prueba.
Cuales son las probabilidades correspondientes de que haya 0, 1 y 2 lapiceros defectuosos
en el lote, bajo cada una de las dos siguientes situaciones? (Sugerencia: Dibuje primero
un diagrama de arbol en donde las tres primeras ramas principales corresponden a los tres
tipos diferentes de lotes).
(a) Ning
un lapicero probado esta defectuoso.
62
(b) Uno de los dos lapiceros probados esta defectuoso.

(c) Ambos lapiceros probados estan defectuosos.
74. Una prestigiosa Universidad de Barranquilla utiliza tres hoteles locales para proporcionar
hospedaje nocturno a sus profesores invitados. Supongamos que a 25% de los profesores
se les asignan habitaciones en el Hotel Las Nieves , al 45% en el Hotel Paraiso y al 30% en
el Hotel San Felipe. Si hay una decorado especial en 3% de la habitaciones del Barranquilla
Plaza, 5% del Hotel El Prado y en 8%de las habitaciones del Hotel Puerta del Sol, cual
es la probabilidad de que
(a) a un cliente se le asigne una habitacion con decorado especial?
(b) a una persona con una habitacion que tiene un decorado especial se le haya asignado
acomodo en el Hotel Paraiso?
75. Para clientes que compran una estufa especial en un almacen electrodomestico, considere
los siguientes eventos:
A =La estufa comprada es colombiana;
B =El comprador quiere una estufa a gas;
C =El comprador quiere una estufa con 6 fogones.
Supongamos que sean dadas las siguientes probabilidades P(A) = 0.30, P(B/A) = 0, 75,
P(B/A) = 0, 89, P(C/A B) = 0, 90, P(C/A B) = 0, 55, P(C/A B) = 0, 62 y
P(C/A B) = 0, 40.
(a) Construya un diagrama de arbol colocando cada evento en niveles diferentes y encima
de cada una de el, las probabilidades correspondientes.
(b) Cual es la probabilidad de que la estufa comprada sea colombiana, a gas y con 6
fogones?
(c) Cual es la probabilidad de que la estufa comprada sea a gas y con 6 fogones?
(d) Cual es la probabilidad de que la estufa comprada no sea de 6 fogones?
(e) Cual es la probabilidad de que la estufa comprada sea colombiana sabiendo que es
a gas y con 6 fogones?
76. Una emisora de bonos municipales tiene tres categoras de clasificacion (A, B y C).
Suponga que el a
no pasado, de los bonos municipales que se emitieron en cierto pais,
70% tuvieron clasificacion A, 20% clasificacion B y 10% clasificacion C. De los bonos
municipales con clasificacion A, 50% fueron emitidos en ciudades, 40% en suburbios y
10% en areas rurales. De los bonos municipales con clasificacion B, 60% fueron emitidos
en ciudades, 20% en suburbios y 20% en areas rurales. De los bonos municipales con
clasificacion C, 90% fueron emitidos en ciudades, 5% en suburbios y 5% en areas rurales.
(a) Que proporcion de bonos municipales emiten las ciudades? Los suburbios? Las
areas rurales?
(b) Si una ciudad emitiera un nuevo bono municipal, cual seria la probabilidad de que
tuviera clasificacion A?
77. Se les pregunto a los suscriptores de un periodico local si lean regularmente, ocasionalmente o nunca la seccion de deportes y, tambien, si haban practicado f
utbol durante el
a
no anterior. La proporciones obtenidas en la encuesta figuran en la siguiente tabla.
F
utbol
S
No
Lee regularmente
0,21
0,10
Lee ocasionalmente
0,16
0,04
Nunca lee
0,31
0,18
2.5 Independencia
63
(a) Cual es la probabilidad de que un suscriptor elegido al azar nunca lea la seccion de
deportes?
(b) Cual es la probabilidad de que un suscriptor elegido al azar haya jugado f
utbol durante
el a
no pasado?
(c) Cual es la probabilidad de que un suscriptor que nunca lea la seccion de economa
haya jugado f
utbol durante el a
no pasado?
(d) Cual es la probabilidad de que un suscriptor que ha jugado f
utbol durante el a
no
pasado nunca lea la seccion de deportes?
(e) Cual es la probabilidad de que un suscriptor que no lea regularmente la seccion de
deportes haya jugado f
utbol durante el a
no pasado?
2.5
Independencia
En general, el concepto de que dos eventos A y B sean independientes significa que el

suceso de uno de los dos eventos no tiene ninguna influencia sobre la probabilidad de
que suceda el otro evento. Por consiguiente, definimos
Definici
on 2.5.1 Dos eventos A, B de un espacio muestral 6= se llaman (estoc
asticamente) independientes, si y s
olo si P(A/B) = P(A) y son dependientes
en cualquier otro caso. Es decir, el evento A es independiente del evento B si la
probabilidad de A no se ve afectada por la ocurrencia o no de B.
Ejemplo 2.5.2 Considere lanzar un dado no falso y defina los eventos A = {2, 4, 6}, B =
{1, 2, 3} y C = {1, 2, 3, 4}. Entonces, tenemos
P(A) =
1
,
2
P(A/B) =
1
3
P(A/C) =
1
.
2
Es decir, los eventos A y B son dependientes, mientras que los eventos A y C son independientes.
Ejemplo 2.5.3 Las probabilidades de que llueva o nieve en una ciudad determinada el
da de navidad, el da de a
no nuevo o en ambos das son P(C) = 0, 60, P(N) = 0, 60 y
P(C N) = 0, 42, respectivamente. Verifique si los eventos N y C son independientes.
SOLUCION:
Por la definicion de probabilidad condicional, tenemos que
P(N/C) =
P(C N)
0, 42
=
= 0, 70.
P(C)
0, 60
Ya que P(N/C) = 0, 70 no es igual que P(N) = 0, 60, encontramos que los eventos N y C no
son independientes. Es decir, son dependientes.
En el caso en que los eventos A y B sean independientes, encontramos con ayuda del
teorema de multiplicaci
on (teorema 2.4.5) el siguiente resultado especial: P(A B) =
P(A/B) P(B) = P(A)P(B). Por tanto, podemos formular el siguiente teorema:
2.5 Independencia
64

on para eventos independientes)
Dos eventos A, B de un espacio muestral 6= son independientes si y s
olo si
P(A B) = P(A)P(B).
Ejemplo 2.5.5 Considere lanzar un dado no falso y defina los eventos A = {2, 4, 6}, B =
{1, 3, 5}. Entonces, A B = y
P(A) = P(B) =
1
2
y P(A B) = P() = 0.
Es decir, los eventos A y B no son independientes porque P(A B) 6= P(A) P(B). El mensaje
es que si dos eventos son mutuamente excluyentes y si las probabilidades de ambos eventos
son positivas, entonces, no pueden ser independientes.
Ejemplo 2.5.6 La tabla de abajo contiene los resultados obtenidos al analizar 84 muestras
de aire con la finalidad de destectar dos moleculas raras. Sean A y B los eventos todas las
muestras de aire contienen la molecula 1 y todas las muestras contienen la molecula 2,
respectivamente.
Molecula 2 (no)
Molecula 2 (s)
Total
Molecula 1 (no)
32
16
48
Molecula 1 (s)
24
12
36
Total
56
28
84
Entonces,
3
28
1
12
1
36
= , P(B) =
=
y P(A B) =
= .
84
7
84
3
84
7
Es decir, los eventos A y B son independientes porque P(A B) = P(A) P(B).
P(A) =
Teorema 2.5.7 Sean A, B eventos de un espacio muestral 6= . Entonces, las

siguientes cuatro proposiciones son equivalentes:
(a) A y B son independientes.
(b) A y B son independientes.
(c) A y B son independientes.
(d) A y B son independientes.
Ejemplo 2.5.8 Considere lanzar un dado no falso y defina los eventos A = {2, 4, 6} y
B = {1, 2, 3, 4}. Verifique las cuatros proposiciones equivalentes del teorema 2.5.7.
SOLUCION:
Debido a que, adicionalmente, A = {1, 3, 5} y B = {5, 6}, tenemos
P(A) =
1
,
2
P(B) =
2
,
3
P(A) =
1
,
2
P(B) =
1
.
3
Ahora, como
A B = {2, 4},
se concluye que:
A B = {1, 3},
A B = {6},
A B = {5},
2.5 Independencia
65
Los eventos A y B son independientes porque P(A B) =
1
3
= P(A) P(B).
1
3
= P(A) P(B).
1
6
= P(A) P(B).
1
6
= P(A) P(B).
Ejemplo 2.5.9 Se sabe que 30% de las lavadoras de cierta compa

na requieren servicio
cuando estan todava en garanta, mientras que solo 10% de las secadoras necesitan ese
servicio. Si alguien compra una lavadora y una secadora fabricadas por esta compana,
cual es la probabilidad de que ninguna de las dos m
aquinas necesite servicio dentro de la
garanta? Suponga que las dos m
aquinas funcionan de manera independiente.
SOLUCION:
Se
nalemos como A el evento la lavadora necesita servicio de garanta y B, el evento la
secadora necesita servicio de garanta. Entonces, P(A) = 0, 30 y P(B) = 0, 10. Nos piden
calcular P(A B). Como las dos m
aquinas funcionan de manera independiente, entonces,
los eventos A y B son independientes. Con esto y con el teorema 2.5.7 (en este teorema,
si se cumple la proposici
on (a), entonces, tambien debe cumplirse (d)), los eventos A y B
tambien son independientes. Por consiguiente,
P(A B) = P(A) P(B) = (0, 70) (0, 90) = 0, 63.
El concepto de independencia se puede generalizar al caso en que se tengan mas de dos

eventos.
Definici
on 2.5.10 Se dice que n eventos A1, . . . , An de son independientes
si y s
olo si
P(Aj1 Aj2 Ajk ) = P(Aj1 ) P(Aj2 ) P(Ajk ),
(2.3)
para todo 1 j1 < j2 < < jk n, con 2 k n.

En particular, por ejemplo,6
(a) si n = 3, entonces, A, B y C son completamente independientes si y s
olo si se cumplen las 2
condiciones siguientes:
Tomando la intersecci
on de cada 2 eventos se tiene que
P(A B) = P(A) P(B),
P(A C) = P(A) P(C),
P(B C) = P(B) P(C).
P(A B C) = P(A) P(B) P(C).
(b) si n = 4, entonces, A, B, C y D son completamente independientes si y s
olo si se cumplen
las 3 condiciones siguientes:
P(A B) = P(A) P(B),
P(B C) = P(B) P(C),
P(A C) = P(A) P(C),

P(B D) = P(B) P(D),
6
El caso n = 2 ya est
a ilustrado en el teorema 2.5.4
P(A D) = P(A) P(D),

P(C D) = P(C) P(D).
2.5 Independencia
66
P(A B C) = P(A) P(B) P(C),

P(A C D) = P(A) P(C) P(D),
P(A B D) = P(A) P(B) P(D),

P(B C D) = P(B) P(C) P(D).
P(A B C D) = P(A) P(B) P(C) P(D).
El siguiente ejemplo ilustra que una independencia fsica en la realidad no necesariamente

necesita corresponder con una independencia estocastica en el modelo.
Ejemplo 2.5.11 Supongamos que un dado se lanza dos veces y consideremos los eventos
A :=primer lanzamiento es un 2, B :=segundo lanzamiento es un 5 y C :=la suma de
ambos lanzamientos es 7. Demuestre que (a) A y B son independientes, (b) B y C son
independientes (c) A y C son independientes y (d) A, B y C no son independientes.
Este ejemplo demuestra tambien que A, B y C son independientes dos a dos, pero no completamente independientes.
SOLUCION:
(a) Debido a que A y B tienen 6 elementos, tenemos que P(A) = P(B) =
consiguiente, que
P(A B) = P escoger (2,5)
1
6
y, por
1
1 1
=
= P(A) P(B),
36
6 6
entonces, podemos afirmar que A y B son independientes.

(b) El evento C es el conjunto

C = (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) ,
6
= 16 . Ahora, debido a que
es decir, C tiene 6 elementos. Por consiguiente, P(C) = 36
B C = {(2, 5)}, es claro ver que B C tiene un elemento. Por lo tanto,
P(B C) =
N
umero de elementos de B C
1
1 1
= =
=
= P(B) P(C).
N
36
6 6
O sea, que B y C son independientes.

(c) En forma semejante, se puede demostrar que A y C son independientes.
(d) A, B y C no son completamente independientes porque

1
1
6
=
= P(A) P(B) P(C).
P(A B C) = P (2, 5) =
36
63
on 2.5
78. Suponga que las proporciones de fenotipos sanguneos en determinada poblacion son los
siguientes: A : 35%, B : 28%, AB : 13% y O : 24%. Supongamos que los fenotipos de
dos personas seleccionadas al azar son independientes entre s.
(a) Cual es la probabilidad de que ambos fenotipos sean O?;
(b) Cual es la probabilidad de que sean iguales?
79. En su sistema de funcionamiento, una represa tiene cuatro puertas de seguridad identicas.
La probabilidad de que una puerta en particular se abra cuando sea necesario es 0,97. Si
las puertas funcionan independientemente, calcule la probabilidad de que (a) al menos
una puerta se abra, (b) al menos una puerta no se abra.
2.5 Independencia
67
80. La probabilidad de que Jeniffer cometa un error al marcar una pregunta de un examen de
opci
on m
ultiple es 0,2. Supongamos que hay 7 preguntas marcadas independientemente.
(a) Cual es la probabilidad de que Jeniffer no cometa error al marcar las 7 preguntas?
(b) Cual es la probabilidad de que Jeniffer cometa por lo menos un error al marcar las 7
preguntas?
81. Una costura en un chaleco antibalas necesita 10 puntos de seguridad. La costura tendra
que volverse a realizar si cualquiera de los puntos de segudidad quedo debil. Suponga que
los puntos de seguridad estan debiles independientemente unos de otros, cada uno con la
misma probabilidad.
(a) Si 20% de todas las costuras necesitan volver a efectuarse, cual es la probabilidad
de que un punto de seguridad este defectuoso?
(b) Que tan peque
na debe ser la probabilidad de un punto de seguridad debil para
asegurar que solo el 5% de todas las costuras necesiten volver a ejecutarse?
82. Una empresa de venta por correos considera tres posibles errores al enviarse un pedido:
A: el artculo enviado no es el solicitado.
B: el artculo se extrava.
C: el artculo sufre desperfectos en el transporte.
Supongase que el suceso A es independiente de los sucesos B y C y que los sucesos
B y C son mutuamente excluyentes. Las probabilidades de los sucesos individuales son
P(A) = 0, 03, P(B) = 0, 02 y P(C) = 0, 05. Calcular la probabilidad de que uno de estos
errores ocurra para al menos un pedido escogido al azar.
83. En cierta ciudad, el 70% de todas las personas examinadas en cierto consultorio odontologico no tienen caries. Si se supone que personas sucesivas tienen o no tienen caries
(obviamente, independientemente una de otra), calcule la probabilidad de los siguientes
eventos:
(a) Las tres personas siguientes examinadas tienen caries.
(b) Al menos una de las tres personas siguientes examinadas no tienen caries.
(c) Exactamente una de las tres personas siguientes examinadas tiene caries.
(d) A lo mas una de las tres personas siguientes examinadas tiene caries.
(e) Al menos una de las tres personas siguientes examinadas tiene caries.
(f) Las tres personas siguientes examinadas tienen caries sabiendo que al menos una de
ellas tiene caries.
84. Se clasifican muestras de hule de espuma de tres proveedores de acuerdo a si cumplen o
no con las especificaciones. Los resultados de 100 muestras se resumen a continuacion:
Proveedor
1
2
3
S cumple
17
18
50
No cumple
3
10
2
Si A denota el evento de que una muestra es del proveedor 1 y si B denota el evento de

que una muestra cumple con las especificaciones, determine si A y B son independientes.
Son independientes A y B?
2.5 Independencia
68
85. Se selecciono una muestra de 570 encuestados en una cierta ciudad para recoger informacion acerca del comportamiento de los consumidores. Entre las preguntas estaba:
Disfruta usted comprando ropa? De 270 hombres, 165 respondieron que s. De 300
mujeres, 224 respondieron que s.
(a) Suponga que el participante elegido es mujer. Cual es la probabilidad de que no
disfrute comprando ropa?
(b) Suponga que el participante elegido disfruta comprando la ropa. Cual es la probabilidad de que la persona sea hombre?
(c) Los eventos disfrutar comprando ropa y sexo del participante, son estadsticamente
independientes? Explique.
86. Un determinado hospital tiene dos ambulancias que trabajan de forma independiente. La
probabilidad de que una ambulancia especfica este disponible cuando se le necesite es
0,94.
(a) Cual es la probabilidad de que ninguna este disponible cuando se les necesite?
(b) Cual es la probabilidad de que por lo menos una ambulancia este disponible cuando
se le necesite?
87. En una prueba de una tarjeta de circuito impreso en la que se utiliza un patron de prueba
aleatorio, un arreglo de 10 bits es igualmente probable factible que sea cero o uno. Suponga
que los bits son independientes.
(a) Cual es la probabilidad de que todos los bits sean unos?
(b) Cual es la probabilidad de que todos los bits sean ceros?
(c) Cual es la probabilidad de que exactamente cinco bits sean unos y cinco sean ceros?
88. Una compa
na de seguros estima que el 30% de los accidentes de automovil son debidos
al estado de embriaguez del conductor y que el 20% provocan heridos. Ademas, el 40% de
los accidentes que dan lugar a heridos son debidos al estado de embriaguez del conductor
(a) Cual es la probabilidad de que un accidente elegido al azar haya sido causado por el
estado de embriaguez del conductor y haya dado lugar a heridos?
(b) Son los sucesos debido al estado de embriaguez del conductor y da lugar a heridos
independientes?
(c) Si un accidente elegido al azar es causado por el estado de embriaguez del conductor,
cual es la probabilidad de que haya dado lugar a heridos?
(d) Cual es la probabilidad de que un accidente elegido al azar haya sido provocado por
el estado de embriaguez del conductor y no haya dado lugar a heridos?
89. Cada una de las tapas de las botellas de gaseosa que llegan a una determinada seccion
son verificados por Greyci y Humberto, quienes buscan defectos. Humberto detecta 95%
de tapas defectuosas y Greyci tambien hace lo mismo. Al menos, una persona no detecta
defecto alguno en el 10% de todas las tapas defectuosas.
(a) Cual es la probabilidad de que una tapa defectuosa sea detectada solo por Humberto?
(b) Cual es la probabilidad de que una tapa defectuosa sea detectada exactamente por
una de las dos personas?
(c) Suponiendo que las inspecciones de diferentes tapas son independientes entre s, cual
es la probabilidad de que tres tapas defectuosas de un lote escapen a la deteccion de
ambas personas?
Cap. 2. Ejercicios complementarios
69
90. Se sabe que el 20% de las explotaciones agrcolas de un determinado pueblo tienen mas de
20.000 metros cuadrados y que los propietarios del 60% de las explotaciones son personas
con mas de 55 a
nos de edad. Ademas, el 55% de las explotaciones que superan los 20.000
metros cuadrados tienen como propietario a una persona mayor de 55 a
nos.
(a) Cual es la probabilidad de que una explotacion de este pueblo escogida al azar tenga
mas de 20.000 metros cuadrados y su propietario sea mayor de 55 a
nos?
(b) Cual es la probabilidad de que una explotacion de este pueblo escogida al azar tenga
mas de 20.000 metros cuadrados o su propietario sea mayor de 55 a
nos?
(c) Cual es la probabilidad de que una explotacion de este pueblo cuyo propietario es
mayor de 55 a
nos, tenga mas de 20.000 metros cuadrados?
(d) Son independientes estadsticamente el tama
no de las explotaciones y la edad de los
propietarios?
Ejercicios complementarios
91. Son las siguientes afirmaciones verdaderas o falsas? Justificar cada respuesta.
(a) La suma de las probabilidades de eventos colectivamente exhaustivos es 1.
(b) Sean los eventos A y B, la probabilidad de A dado B es igual a la probabilidad de B
dado A, si las probabilidades de A y B son iguales.
(c) Si un evento y su complemento son igualmente probables, la probabilidad de ese
evento es 0,5.
(d) Si A y B son mutuamente excluyentes, entonces, tambien lo son sus complementos.
(e) La probabilidad de la union de dos eventos no es menor que la probabilidad de la
interseccion.
(f) La probabilidad de la union de dos eventos no es mayor que la suma de la probabilidad
de cada uno de los eventos.
(g) La probabilidad de la interseccion de dos eventos es menor que la probabilidad de
cualquiera de los dos eventos.
(h) Un evento y su complemento son mutuamente excluyentes.
(i) Si dos eventos son mutuamente excluyentes, entonces son colectivamente exhaustivo.
(j) Si dos sucesos son colectivamente exhaustivos, entonces son mutuamente excluyentes.
(k) La probabilidad condicional de A dado B es mayor o igual que la probabilidad de A.
(l) Un evento y su complemento son independientes.
(m) La probabilidad condicional de A dado B es mayor o igual que la probabilidad de la
interseccion de A y B.
(n) La probabilidad de la interseccion de dos eventos no es mayor que el producto de sus
probabilidades individuales.
92. En los u
ltimos a
nos, las compa
nas de tarjeta de credito han hecho un gran esfuerzo para
lograr nuevas cuentas de estudiantes universitarios. Suponga que una muestra de 210
estudiantes en su universidad proporciono la siguiente informacion sobre si posea una
tarjeta de credito bancaria y/o una tarjeta de credito de viaje.
Tarjeta bancaria
Si
No
Tiene tarjeta de viaje

50
25
No tiene tarjeta de viaje

80
55
70
Si se selecciona un estudiante al azar, cual es la probabilidad de que

(a) tenga una tarjeta de credito bancaria?
(b) tenga una tarjeta de credito bancaria y una tarjeta de viaje?
(c) no tenga una tarjeta de credito bancaria ni una tarjeta de viaje?
(d) no tenga una tarjeta de credito bancaria o tenga una tarjeta de viaje?
93. Encuentre el n
umero de formas distintas en que se pueden guardar cuatro discos compactos
de marcas diferentes en un estuche que tiene seis compartimientos n
umerados del 1 al 6.
94. Para poder asistir a importantes citas de trabajo, Humberto debe alquilar un auto en
Barranquilla y uno, en Cartagena. Sea A el evento a Humberto le ofrecen un Mercedes Benz en Barranquilla y B el evento a Humberto le ofrecen un Mercedes Benz
en Cartagena. Supongamos que ambos eventos son independientes, que P(A) = 0, 4 y
P(B) = 0, 25.
(a) Si a Humberto no se le ofrece un Mercedes Benz en Barranquilla, cual es la probabilidad de que no se le ofrezca un Mercedes Benz en Cartagena?
(b) Cual es la probabilidad de que a Humberto se le ofrezca un Mercedes Benz en por
lo menos alguna de las dos ciudades?
(c) Si se le ofrece un Mercedes Benz en por lo menos alguna de las dos ciudades, cual
es la probabilidad de que ese ofrecimiento sea solo en Barranquilla?
95. Supongamos que seis personas se quieren montar en fila en un bus.
(a) De cuantas maneras diferentes pueden hacerlo?
(b) De cuantas maneras posibles pueden hacerlo si tres personas insisten en estar una
despues de la otra?
(c) De cuantas maneras posibles pueden hacerlo si dos personas deben estar una junto
a la otra?
(d) De cuantas maneras posibles pueden hacerlo si dos personas se niegan a estar una
junto a la otra?
96. En un peque
no municipio clasificaron a los habitantes seg
un la religion que practicaban
y encontraron lo siguiente: 10 eran Bautistas, 40 eran Islamicos, 20 eran Adventistas,
50 eran Evangelicos, 70 eran Catolicos, 30 eran Testigos de Jehova y 10 No saban (no
respondieron).
(a) Construya un diagrama de barras para los datos anteriores.
(b) Cual es el tama
no de la poblacion del municipio?
(c) Se puede calcular la media? Explique.
(d) Se puede calcular la moda? Explique.
(e) Que porcentaje de la poblacion son Islamicos? Que medida us
o para calcularla?
(f) Cual es la probabilidad de que al seleccionar a un habitante de dicho municipio, este
sea Islamico?
(g) Como son los n
umeros obtenidos en (e) y (f)? Que concluye?
97. Se pidio a una analista financiera evaluar las perspectivas de beneficio de cinco empresas para el proximo a
no, y ordenarlas con respecto a las previsiones correspondientes al
crecimiento del beneficio.
(a) Cuantas ordenaciones diferentes son posibles?
71
(b) Si, de hecho, simplemente se supone una determinada ordenacion, cual es la probabilidad de que esta suposici
on sea correcta?
98. En un experimento para estudiar la relaci
on de la hipertensi
on arterial y los habitos de
fumar, se re
unen los siguientes datos para 190 individuos:
Con hipertensi
on
Sin hipertensi
on
No
fumadores
30
40
Fumadores
moderados
25
19
Fumadores
empedernidos
28
48
Si se escoge un de estos individuos al azar, encuentre la probabilidad de que la persona

(a) sufra de hipertensi
on, sabiendo que es un fumador empedernido;
(b) sea un no fumador, dado que la persona no sufre de hipertensi
on.
99. Una cierta investigaci
on en una ciudad indica que, durante cualquier semana, el 18% de
los adultos vieron un programa deportivo de television orientado a temas relacionados con
el f
utbol y el beisbol, el 12% leen un reportaje orientado a esta tematica y el 10% realizan
ambas actividades.
(a) Cual es la probabilidad de que un adulto de esta ciudad, que ve el programa de
television, lea el reportaje mencionado?
(b) Cual es la probabilidad de que un adulto de esta ciudad, que lea el reportaje, vea
dicho programa de television?
100. El centro de informatica de cierta universidad recibe un software nuevo que debe ser
instalado en el servidor de la universidad y revisado antes de ser puesto a funcionar. En
la tabla adjunta se muestra la valoraci
on de probabilidad de un gerente correspondiente
al n
umero de das necesarios para que el software ser puesto a funcionar.
Numero de das
Probabilidad
3
0,05
4
0,27
5
0,43
6
0,13
7
0,12
Sea A el evento el software tardara mas de cinco das en ponerse a funcionar y B el

evento el software tardara mas de cuatro das en ponerse a funcionar.
(a) Calcular la probabilidad de que suceda A y la de que suceda B.
(b) Describa el complemento A del evento A y calcule la probabilidad de que suceda A.
(c) Describir el suceso interseccion A B de los sucesos A y B y calcule la probabilidad
de que suceda A B.
(d) Describir el suceso union A B de los sucesos A y B y calcular la probabilidad de que
suceda A B.
(e) Son los sucesos A y B mutuamente excluyentes? Colectivamente exhaustivos?
101. Tres parejas de casados han comprado boletas para el cine y se sientan en una fila formada
por seis asientos. Supongamos que se sientan al azar.
(a) Cual es la probabilidad de que exactamente una pareja (digamos, Jose y Carmen) se
sienten en los dos asientos del extremo derecho?
(b) Cual es la probabilidad de que Jose y Carmen se sienten uno junto a la otra?
72
102. La rugosidad en los bordes de los productos de papel cortado aumenta con el desgaste de
las cuchillas. Solo 1% de los productos cortados con cuchillas nuevas tiene bordes rugosos,
3% de los productos cortados con cuchillas con filo promedio presentan rugosidad y 5%
de los productos cortados con cuchillas desgastadas presentan rugosidad. Si 25% de las
cuchillas utilizadas son nuevas, 60% tienen filo promedio y 15% estan desgastadas, cual
es la proporcion de productos que presenta rugosidad en los bordes?
103. Los clientes acostumbran evaluar en forma preliminar el dise
no de los productos. En el
pasado, 95% de los productos de gran exito recibieron crticas favorables, 60% de los
productos con un exito moderado recibieron crticas favorables y 10% de los productos
sin mucho exito recibieron crticas favorables. Ademas, 40% de los productos han sido de
gran exito, 35% han sido de exito moderado y 25% han sido productos sin mucho exito.
(a) Cual es la probabilidad de que un producto obtenga una crtica favorable?
(b) Si un dise
no nuevo obtiene una crtica favorable, cual es la probabilidad de que sera
un producto de gran exito?
(c) Si un producto no consigue una crtica favorable, cual es la probabilidad de que sera
un producto de gran exito?
104. Una compa
na del ejercito escoge siempre a 30 soldados para vigilar en el intervalo de 4:00
a.m. a 12:00 a.m. (turno de la ma
nana); 25, de 12:00 a.m. a 7:00 p.m. (turno de la tarde)
y 40, de 7:00 p.m. a 4:00 a.m. (turno de la noche). Un coronel del ejercito selecciona 8
de estos soldados para hacerles una entrevista minuciosa. Supongamos que la selecci
on
se hace de tal forma que cualquier grupo de 8 soldados tiene la misma probabilidad de ser
seleccionado, del mismo modo que cualquier otro grupo.
(a) De cuantas maneras se pueden seleccionar 8 soldados del turno de la ma
nana?
(b) Cual es la probabilidad de que los 8 soldados seleccionados sean del turno de la
ma
nana?
(c) Cual es la probabilidad de que los 8 empleados seleccionados sean del mismo turno?
(d) Cual es la probabilidad de que, al menos, 2 turnos diferentes sean representados
entre los soldados seleccionados?
(e) Cual es la probabilidad de que, al menos, uno de los turnos no este representado en
la muestra de soldados?
105. Un consejo academico con cinco miembros de la universidad tienen la tarea de elegir el
nuevo jefe de un departamento academico, teniendo como candidatos a Humberto (H) o
a Greyci (G). Cada uno de los miembros voto en una papeleta por uno de los candidatos.
Supongamos que las papeletas se seleccionan al azar de una en una y una vez que se
saque cada papeleta, se dice el nombre del candidato que salio en la papeleta.
(a) De cuantas maneras posibles puede resultar el conteo de los votos?
(b) Si hay tres votos para Greyci y dos para Humberto, de cuantas maneras posibles
puede resultar el conteo de votos? Cuales son estas posibles maneras?
(c) Si hay tres votos para Greyci y dos para Humberto, cual es la probabilidad de que
Greyci siga delante de Humberto en todo el conteo de votos (es decir, este evento
ocurre si el orden seleccionado es GGHGH pero no para GHHGG)?
106. Si se elige al azar una letra de nuestro alfabeto (son 27 letras), encuentre la probabilidad
de que la letra sacada (a) sea una vocal, (b) sea una letra que esta ubicada antes de la
letra d, (c) sea una letra que esta ubicada desp
ues de la letra e.
73
107. Un grupo academico formado por dos ingenieros y cuatro administradores debe ser constituido para un proyecto, disponiendose de un total de cinco ingenieros y seis administradores.
(a) Cuantas son las distintas combinaciones posibles?
(b) El hermano de uno de los ingenieros es un administrador. Si el grupo es elegido al
azar, cual es la probabilidad de que los dos hermanos sean escogidos?
(c) Cual es la probabilidad de que ninguno de los dos hermanos sea escogido?
108. Un estante tiene 6 libros iguales de matematicas y 4 iguales de fsica. Hallar la probabilidad
de que los 6 libros de matematicas esten juntos.
109. La contaminaci
on del ro Magdalena es un problema que se va incrementado cada vez
mas con el pasar de los a
nos. Sean dadas las siguientes probabilidades:
La probabilidad de que el ro esta contaminado es 0,3.
La probabilidad de que una prueba en una muestra detecta contaminaci
on sabiendo
que el ro esta contaminado es 0,75.
La probabilidad de que una prueba en una muestra detecta contaminaci
on sabiendo
que el ro no esta contaminado es 0,20.
La probabilidad de que se permita pesca sabiendo que el ro esta contaminado y que
una prueba en una muestra detecta contaminaci
on es 0,20.
La probabilidad de que se permita pesca sabiendo que el ro no esta contaminado y
que una prueba en una muestra detecta contaminaci
on es 0,15.
La probabilidad de que se permita pesca sabiendo que el ro esta contaminado y que
una prueba en una muestra no detecta contaminaci
on es 0,80.
La probabilidad de que se permita pesca sabiendo que el ro no esta contaminado y
que una prueba en una muestra no detecta contaminaci
on es 0,90.
Encuentre la probabilidad de cada uno de los siguientes eventos:
(a) El ro esta contaminado, una prueba en una muestra detecta contaminaci
on y se
permite pesca.
(b) Una prueba en una muestra no detecta contaminaci
on y se permite pesca.
(c) Se permite pesca.
110. Una determinada editorial quiere decidir si va a publicar un libro de estadstica para
administracion. El analisis de los libros que se publicaron anteriormente indica que 10%
fueron grandes exitos, 20% tuvieron exito modesto, 40% lograron recuperar los gastos
de inversion y 30% fueron un fracaso. Sin embargo, antes de tomar una decision, se
va a realizar un dictamen del libro. En el pasado, 99% de los grandes exitos obtuvieron
dictamenes favorables, 70% de los exitos modesto obtuvieron dictamenes favorables, 40%
de los ttulos que alcanzaron a recuperar gastos de inversion obtuvieron dictamenes favorables y 20% de los fracasos fueron sometidos a esta clase de dictamenes. Que proporcion
de libros de texto reciben dictamenes favorables?
111. Jennifer, la propietaria de una tienda de ropa deportiva, clasifica las personas que entran
a su tienda en clientes muy jovenes, clientes con edad universitaria y clientes mayores, y
sabe que el 40%, 30% y 30% pertenecen a estas categoras, respectivamente. Jennifer
comprueba tambien, que el 20% de los clientes muy jovenes, el 60% de los clientes con
edad universitaria y el 80% de los clientes mayores realizan alguna compra.
(a) Cual es la probabilidad de que un cliente elegido al azar haga alguna compra?
74
(b) Si un cliente elegido al azar realiza una compra, cual es la probabilidad de que sea
muy joven?
112. Greyci tiene dos autom
oviles: uno, modelo 2.000 y otro, modelo 2.004. La quinta parte
del tiempo utiliza el auto modelo 2.000 para ir al trabajo y el resto del tiempo, el auto
modelo 2.004. Generalmente, cuando utiliza el auto modelo 2.000, no tiene problemas de
parqueo y, por tanto, llega a su trabajo a tiempo con una probabilidad de 0,93. Si utiliza
el auto modelo 2.004, llega a tiempo a su trabajo con una probabilidad de 0,78. Si llego a
tiempo en un da en particular, cual es la probabilidad de que haya utilizado (a) el auto
modelo 2.000, (b) el auto modelo 2.004?
113. En un perodo, una planta automotriz produce 5.000 motos. De estas, 1.000 se armaron
los lunes, 1.000 los martes, 1.000 los miercoles, y as hasta completar las 5.000 el viernes.
Fue necesario devolver 400 de estas motos que requeran reparaci
on de defectos. De las
motos armadas los jueves se devolvieron 150. Son independientes entre s los eventos
una moto se construy
o el jueves y una moto salio defectuosa?
114. Brian ha realizado un estudio para un hipermercado en donde clasifica los clientes en
aquellos que visitan el establecimiento de una manera frecuente u ocasional y en aquellos
que adquieren regularmente, ocasionalmente o nunca productos alimenticios. La siguiente
tabla presenta las proporciones correspondientes a cada uno de los seis grupos.
Visita frecuente
Visita ocasional
Regular
0,19
0,06
Ocasional
0,08
0,07
Nunca
0,12
0,48
(a) Cual es la probabilidad de que un cliente visite frecuentemente el hipermercado y

compre regularmente productos alimenticios?
(b) Cual es la probabilidad de que un cliente que nunca compra productos alimenticios
visite el hipermercado frecuentemente?
(c) Son independientes los sucesos nunca compra productos alimenticios y visita el
hipermercado frecuentemente?
(d) Cual es la probabilidad de que un cliente que visita de manera ocasional el hipermercado, compre regularmente productos alimenticios?
(e) Son los sucesos compra regularmente productos alimenticios y visita el hipermercado de manera ocasional independientes?
(f) Cual es la probabilidad de que un cliente visite frecuentemente el hipermercado?
(g) Cual es la probabilidad de que un cliente nunca compre productos alimenticios?
(h) Cual es la probabilidad de que un cliente visite el establecimiento frecuentemente o
nunca compre productos alimenticios?
115. Un lote de 25 piezas moldeadas por inyeccion contiene 5 que presentan una contracci
on
excesiva.
(a) Si se seleccionan dos piezas al azar una detras de otra, y sin reemplazo, cual es la
probabilidad de que la segunda pieza seleccionada sea una con contraccion excesiva?
(b) Si se seleccionan tres piezas al azar una detras de otra, y sin reemplazo, cual es la
probabilidad de que la tercera pieza seleccionada sea una con contraccion excesiva?
116. Se les pregunto a los estudiantes de una clase de estadsticas cuales eran las notas que
esperaban obtener en el semestre y si haban o no tratado de resolver problemas aparte
de los asignados por el profesor. En la tabla se recogen las proporciones correspondientes
a cada uno de los ocho grupos resultantes.
Problemas
Si
No
Nota de 5,0
0,21
0,12
Entre 4,0 y 4,9

0,13
0,08
75
Entre 3,0 y 3,9

0,06
0,02
Menor de 3,0
0,26
0,12
(a) Calcular la probabilidad de que un estudiante elegido al azar haya tratado de resolver
problemas adicionales.
(b) Calcular la probabilidad de que un estudiante elegido al azar espere una nota de 5,0.
(c) Calcular la probabilidad de que un estudiante elegido al azar, que haya realizado
problemas adicionales, espere una nota de 5,0.
(d) Calcular la probabilidad de que un estudiante elegido al azar, que espere una nota de
5,0, haya realizado problemas adicionales.
(e) Calcular la probabilidad de que un estudiante elegido al azar, que haya tratado de
resolver problemas adicionales, espere una nota entre 4,0 y 4,9.
(f) Son los eventos ha realizado problemas adicionales y espera una nota entre 4,0
y 4,9 independientes estadsticamente?
117. De un estudio realizado en una universidad, se sabe que el 35% de los estudiantes hacen
deporte por lo menos una vez a la semana y que el 40% de los estudiantes tienen una
nota media superior a 4,0. Ademas, el 30% de los que hacen deporte por lo menos una
vez a la semana tienen una nota media superior a 4,0.
(a) Cual es la probabilidad de que un estudiante elegido al azar hace deporte por lo
menos una vez a la semana y tenga una nota media superior a 4,0?
(b) Cual es la probabilidad de que un estudiante elegido al azar, que tiene una nota
media superior a 4,0, hace deporte por lo menos una vez a la semana?
(c) Cual es la probabilidad de que un estudiante elegido al azar hace deporte por lo
menos una vez a la semana o tenga una nota media superior a 4,0?
(d) Cual es la probabilidad de que un estudiante elegido al azar, que no tiene una nota
media superior a 4,0, no hace deporte por lo menos una vez a la semana?
(e) Son independientes los eventos hace deporte por lo menos una vez a la semana y
tiene una nota media superior a 4,0? Mutuamente excluyentes? Colectivamente
exhaustivos?
118. Un director de control de calidad, sabe que el 30% de los problemas relacionados con los
empleados tienen lugar los martes y que el 20% ocurren en la hora anterior al cambio
de turno. Sabe tambien que el 4% de los problemas tienen lugar en la hora anterior al
cambio de turno de los martes.
(a) Cual es la probabilidad de que un incidente que sucede un martes no haya ocurrido
en la hora anterior al cambio de turno?
(b) Son los sucesos el problema ocurre el martes y el problema ocurre en la hora anterior
al cambio de turno independientes estadsticamente?
119. Responda las siguientes preguntas. Explique

(a) Si A, B y C son mutuamente excluyentes, es posible que P(A) = 0, 3, P(B) = 0, 4
y P(C) = 0, 5?
(b) Si P(A/B) = 1, se cumple A = B?
(c) Si A y B son eventos mutuamente excluyentes, es posible construir un diagrama de
Venn que contenga a los tres eventos A, B y C, tales que P(A/C) = 1 y P(B/C) = 0?
120. Demuestre las siguientes afirmaciones:
76
(a) Para cualquier evento A y B con P(B) > 0, se cumple que P(A/B) + P(A/B) = 1.
(b) Si P(B/A) > P(B), entonces, P(B/A) < P(B). Sugerencia: Sume P(B/A) ambos
lados de la desigualdad y use el resultado de la parte (a).
(c) Para cualquiera de los tres eventos A, B y C con P(C) > 0, se cumple que
P(A B/C) = P(A/C) + P(B/C) P(A B/C).
(d) Si A y B son independientes, entonces, A y B tambien lo son.
(e) Si A y B son independientes, entonces tambien lo son sus complementos.
Respuestas a ejercicios impares

seleccionados
Captulo 2
1. (a) AB, AC, AD, AE, BC, BD, BE,
CD, CE, DE (b) 6 (c) 3 (d) 6
29. (a) 720 (b) 36 (c) 48 (d) 240 (e) 8

(f) 16
3. (a) {0, 1, . . . , 10} (b) {0, 1, 2, 3, 4} (c)

{7, 8, 9, 10} (f) Falso
31. (a) 120 (b) 48 (c) 72
5. (a) 10 (b) BGGBG, BGGGB, GBGGB,

GGBGB, GGGBB
7. (a) {0, 1, 2, 3, 8, 9} (b) {4} (c)
{0, 2, 3, 4, 5, 6, 7} (d) {0, 2, 3, 4, 6} (e)
{0, 1, 2, 3, 8, 9} (f) {4}
9. (a) A B C (b) A C (c) B
11. (a) 36 (b) 43 (c) 8 (d) 6 (e) 21 (f) 98
(g) 23
33. (a) 288 (b) 1.260

35. (a) 300 (b) 156 (c) 144 (d) 180
37. (a) 81 (b) 16 (c) 65
39. (a) 0,1 (b) 0,5 (c) 0,2 (d) 0,2
41. (a) 0,68 (b) 0,97
43. No
45. (a) 3/5 (b) 2/3 (c) 0 (d) 3/5
13. (a) 20 (b) 60 (c) (d) 10
47. (a) 1/12 (b) 1/6 (c) 2/27 y 4/27
15. 324
17. (a) 180 (b) 55
49. (a) 0,44 (b) 0,56 (c) 0,66 (d) 0,34 (e)
0,22 (f) 0,69
19. 1.024
51. 0,901
21. (a) 5.040 (b) 4.320
53. 0,0495
23. (a) 1.800 (b) 2.250 (c) 520
55. 0,24
25. (a) 294 (b) 180 (c) 126 (d) 105 (e)
63 (f) 30
57. (a) 0,88 (b) 0,04 (c) 0,03 (d) 0,06
27. 72
59. (a) 30.045.015 (b) 8.580.495 (c)

0,2856 (d) 0,002122
Respuestas a ejercicios impares seleccionados
61. (a) 1/6 (b) 1/6 (c) 1/6 (d) 1/6

63. (a) 0,24 (b) 0,33 (c) 0,13
65. (a) 14/201 (b) 76/959
67. (a) 1/90 (b) 1/3 (c) 1/5
69. (a) 15/40, 5/13, 7/52 (b) 14/39, 7/20
(c) 5/8
71. (a) 0,1054; 0,8236 (b) 0,4762; 0,5238
(c) 0,2213; 0,37058; 0,40823 (d)
0,3906 ; 0,46506; 0,14432
73. (a) P(0/0) = 0, 537; P(1/0) = 0;
P(2/0) = 0 (b) P(0/1) = 0;
P(1/1) = 0, 04418; P(2/1) = 0, 055813
(c) P(0/2) = 0; P(1/2) = 0;
P(2/2) = 1
75. (b) 0,2025 (c) 0,58876 (d) 0,33919
(e) 0,34394
77. (a) 0,69 (b) 0,49 (c) 0,68 (d) 0,6326
(e) 0,45588 (f) 0,68116
78
87. (a) 0,0009766 (b) 0,0009766 (c)

0,24609
89. (a) 0,05 (b) 0,10 (c) 0
91. (a) F (b) V (c) F (d) F (e) V (f) V
(g) V (h) V (i) F (j) F (k) F (l) F (m
V (n) F
93. 360
95. (a) 720 (b) 144 (c) 240 (d) 484
97. (a) 120 (b) 1/120
99. (a) 5/9 (b) 5/6
101. (a) 1/15 (b) 1/3
103. (a) 0,615 (b) 0,6179 (c) 0,05195
105. (a) 32 (b) 10 (c) 0,20
107. (a) 150 (b) 4/15 (c) 1/5
109. (a) 0,045 (b) 0,564 (c) 0,63
111. (a) 0,5 (b) 0,16
79. (a) 0,9999 (b) 0,1147
113. No
81. (a) 0,936 (b) 0,005116
115. (a) 1/5 (b) 7/92
83. (a) 0,027 (b) 0,973 (c) 0,189 (d)

0,216 (e) 0,657 (f) 0,0411
117. (a) 0,105 (b) 0,2625 (c) 0,645 (d)

0,5917 (e) No, no, no
85. (a) 0,2533 (b) 0,424 (c) 0,32326
119. (a) No (b) No (c) Si
Indice
Coeficiente
binomial, 30
Combinaciones, 29
Complemento de un evento, 8
Conteo
por enumeracion de elementos, 17
a traves de diagramas de arbol, 19
Diferencia de eventos, 8
Espacio
muestral o de resultados, 4
Evento, 4
elemental, 4
imposible, 5
probabilidad de un, 39
seguro, 5
evento elemental
probabilidad de un, 38
Eventos
colectivamente exhaustivos, 9
dependientes, 63
disyuntos, ver eventos mutuamente excluyentes
independientes, 63, 65
mutuamente excluyentes, 7
Experimento, 3
aleatorio, 4
determinstico, 3
estocastico, ver experimento aleatorio
laplaciano o clasico, 38
Formula
de Silvester, 35
Factorial, 23n
Frecuencia
relativa
de un evento, 36
Independencia de
eventos, 63, 65
Interseccion de eventos, 6
Leyes de De Morgan, 10
Metodo
axiomatico, 34
clasico, 34, 38
de la frecuencia relativa, 34, 36
subjetivo, 34, 44
Modelos de urna, 16
Oportunidad
a favor de un evento, 45
en contra de un evento, 45
Particion de un espacio muestral, 9
Permutaciones, 22
Principio de adicion, 22
Probabilidad, 34
a posteriori, 56
a priori, 56
clasica, 38
condicional, 51
emprica, 38
personal, ver probabilidad subjetiva
subjetiva, 44
Regla
de Bayes, 55
Tecnicas de conteo, 16
Teorema
de adicion para 2 eventos, 35
INDICE
de
de
de
de
adicion para 3 eventos, 35

Bayes, ver Regla de Bayes
la probabilidad total, 53
multiplicacion
para n eventos, 52
para 2 eventos, 51
para 2 eventos independientes, 64
fundamental del conteo, 20
Uni
on de eventos, 7
80

Capitulo - 2 Estadistica 1

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capitulo - 2 Estadistica 1

Cargado por

Copyright:

Formatos disponibles

Contenido

Respuestas a ejercicios impares seleccionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

Experimentos, espacios muestrales y eventos . . . . . . .

El conteo por enumeracion de elementos . . . . . . . . . . . 17

Definicion matematica de probabilidad . . . . . . . . . . . . 34

2.3.3 Definicion clasica de probabilidad . . . . . . . . . . . . . . . 38

2.1 Experimentos, espacios muestrales y eventos

Objetivos del captulo

Experimentos, espacios muestrales y eventos

Experimentos determinsticos y aleatorios

2.1 Experimentos, espacios muestrales y eventos

stico) es cualquier exDefinici

Espacio muestral, evento y evento elemental

(b) Cualquier subconjunto del espacio muestral se llama evento.

sucedido significa que el resultado observado del experimento est

(c) Si un evento tiene un solo elemento se llamar

Ejemplo 2.1.5 Consideremos los siguientes experimentos aleatorios:

2.1 Experimentos, espacios muestrales y eventos

{C} =la moneda se

En este caso, {3} = C aparece por primera vez en el cuarto lanzamiento es un

C aparece no antes del septimo lanzamiento = {6, 7, 8, . . . , } es un evento.

Se observa la edad en la que diferentes personas mueren. De esta forma, es

Eventos seguro e imposible

Operaciones entre eventos

2.1 Experimentos, espacios muestrales y eventos

(b) A y B son mutuamente excluyentes

Fig. 2.1: Los diagramas de Venn para la intersecci

2.1 Experimentos, espacios muestrales y eventos

Cuando se consideran varios eventos conjuntamente, otra posibilidad de interes es que

Fig. 2.2: Los diagramas de Venn para la uni

2.1 Experimentos, espacios muestrales y eventos

pertenece a uno de ellos, pero no al otro. El conjunto de resultados que pertenecen a un

Fig. 2.3: Diagrama de Venn para el complemento de A y partici

2.1 Experimentos, espacios muestrales y eventos

que todos los eventos elementales forman una partici

Ejemplo 2.1.12 Sea = {1, 2, 3, 4, 5} el espacio muestral correspondiente a un experimento

Fig. 2.4: Diagrama de Venn para el ejemplo 2.1.12

2.1 Experimentos, espacios muestrales y eventos

Los complementos de estos eventos son, respectivamente,

espacio muestral . En otras palabras, A y A forman una particion de .

Algunas propiedades relacionadas con eventos

Los resultados (h) e (i) son las llamadas leyes de De Morgan.

2.1 Experimentos, espacios muestrales y eventos

Teorema 2.1.15 Sean A, A1, A2, . . ., An y B eventos de un espacio muestral .

(a) Diagrama de Venn para los

(b) Diagrama de Venn para

Fig. 2.5: Diagrama de Venn para diferentes intersecciones.

son mutuamente excluyentes y su union es B (ver figura 2.6b), verificandose, de esta

2.1 Experimentos, espacios muestrales y eventos

(a) Los eventos A B y A B

Fig. 2.6: Diagrama de Venn para diferentes intersecciones.

El encuestado responde s y lo hace a la pregunta delicada,

son mutuamente excluyentes. Ademas, su union es el evento B, como se puede verificar

2.1 Experimentos, espacios muestrales y eventos

2.1 Experimentos, espacios muestrales y eventos

5. En el departamento de recaudos se acaba de terminar una votaci

2.2 Modelo de urnas y tecnicas de conteo

(a) Estudian Algebra e Ingles, pero no Ciencias Naturales.

Fracasaron exactamente en una prueba.

A pesar de la complejidad de muchos procedimientos avanzados, proporcionados por la

2.2 Modelo de urnas y tecnicas de conteo

calcular de cuantas formas podemos sentar 10 personas, una al lado de la otra

Antes de comenzar a introducir los conceptos y propiedades basicos que caracterizan a