Probabilidad

CAPITULO II
PROBABILIDAD
Hasta ahora se ha utilizado una serie de mtodos que permitan describir y sacar
conclusiones de los datos que se manipulaban; sin embargo, muchas veces se desea
inferir estas conclusiones a grupos de datos no observados de los cuales forman parte los
primeros. As, a partir de los sueldos de un grupo de personas elegidas al azar se puede
estimar y hacer hiptesis acerca de los parmetros del sueldo de toda una poblacin. Un
problema en este tipo de tareas tiene que ver con la variabilidad de los resultados. La
estimacin, por ejemplo, del promedio de los sueldos de toda una poblacin depende del
grupo de personas que al azar se escogi, no sabiendo a ciencia cierta si el valor
estimado est cerca o lejos del verdadero.
El propsito ahora es determinar un modelo que describa este tipo de situaciones y que
permita establecer una medida de la incertidumbre de los resultados.
La teora de la Probabilidad proporciona los modelos para estudiar los fenmenos que se
caracterizan por la variabilidad de sus resultados. Estos modelos se llaman modelos
aleatorios.
En general, un modelo describe las propiedades fundamentales de un fenmeno sin

describir todos los detalles.
A menudo se usan diferentes modelos para describir realidades: para representar un

automvil se puede utilizar un automvil construido a escala y as se tiene un modelo
fsico del automvil. Para representar a la Tierra se usan mapas o esferas de plstico.
Estos modelos se llaman analgicos. Existen otros modelos propios de las ciencias
experimentales, llamados modelos abstractos.
Los modelos abstractos pueden clasificarse en modelos determinsticos y modelos

aleatorios o estocsticos.
En un modelo determinstico, los fenmenos se describen mediante funciones matem-

ticas. As, para representar el rea de una plancha rectangular de aluminio se determina
el largo por el ancho del rectngulo que la representa.
Los modelos aleatorios o estocsticos describen los resultados de los llamados

experimentos aleatorios. Este tipo de experimentos se estudia a continuacin.
144. Probabilidad. Carlos Vliz C.
2.1. EXPERIMENTO ALEATORIO. ESPACIO MUESTRAL.

EVENTO.
Experimento aleatorio.
Un experimento aleatorio, es todo proceso que se puede repetir
indefinidamente obtenindose resultados imprevisibles.
Existen experiencias cuyos resultados son imprevisibles pero que no pueden repetirse
cuantas veces se desee; tal es el caso del experimento consistente en observar si para
cierto da llover o no en un lugar determinado a las 8 a.m. Esta experiencia no se puede
repetir cuantas veces se desee, el mismo da y en la misma hora. Tal vez podamos
conseguir situaciones semejantes en cuanto se refiere a lugar y hora pero no en el mismo
instante. Estas experiencias, con resultados imprevisibles pero que no pueden repetirse
cuantas veces se desee, tambin son consideradas como experimentos aleatorios por
aquellos que suelen llamarse subjetivistas, por contraposicin con los frecuentistas,
quienes aceptan como experiencias aleatorias aquellas que son repetibles cuantas veces
se desee y con resultados imprevisibles.
Los principios generales de la Teora de la Probabilidad que se estudian pueden

aplicarse a partir de cualquiera de las dos posiciones antes indicadas.
Los siguientes experimentos pueden considerarse aleatorios:
a) La eleccin de una bola de una urna, en donde existen cuatro bolas rojas y dos negras,
para luego anotar su color.
b) El nacimiento de un nio, para luego anotar si es varn o mujer.
c) La eleccin de un ciudadano, para luego anotar su grado de instruccin.
d) La produccin de un artculo por una determinada mquina, para luego anotar si es

bueno o defectuoso.
Espacio muestral de un experimento aleatorio.

Dado un experimento aleatorio E, se llama espacio muestral de E al
conjunto formado por todos los resultados posibles del experimento.
El espacio muestral se denota con .

2.1. Ejemplo.
Si se lanza una moneda, se tendr que el espacio muestral de la experiencia aleatoria es
Carlos Vliz C. Probabilidad. 145
= {c, s}, donde c = cara, s = sello.

2.2. Ejemplo.
Si se elige a un ciudadano para luego anotar su grado de instruccin: analfabeto (A),
primaria (P), secundaria (S) y superior (U); se tendr que el espacio muestral es igual a
= {A, P, S, U}.
2.3. Ejemplo.
Se lanza una moneda en forma sucesiva hasta que se obtiene cara. El espacio de este
experimento aleatorio est formado por los siguientes resultados:
c, ocurre cara en el primer lanzamiento,
sc, ocurre cara en el segundo lanzamiento,
ssc, ocurre cara en el tercer lanzamiento,

... ...
etc.
2.4. Ejemplo.
Si consideramos el experimento aleatorio que consiste en observar el da de maana en
un determinado lugar para ver si llueve o no, se tendr que el espacio muestral est
formado por los resultados: "llueve" y "no llueve". Si observamos el lugar para medir la
cantidad de lluvia que cae, se tiene como espacio muestral al conjunto [0, a], en donde
a puede ser un nmero pequeo o un nmero muy grande. No sabiendo cul ser el
valor a, en ejemplos como ste se conviene en tomar como espacio muestral al intervalo
[0, +[ .
2.5. Ejemplo.
Si se eligen dos personas una despus de otra para observar si son varones (v) o mujeres
(m), se tendr el siguiente espacio muestral:
= {(v, v), (v, m), (m, v), (m, m)},
Para cada resultado, la primera coordenada indica si la primera persona es varn o

mujer. De igual manera para la segunda coordenada.
El espacio muestral puede ser finito o infinito. Un espacio muestral infinito puede ser
enumerable, (ejemplo 2.3) o no enumerable, como el espacio [0,+[ en el ejemplo 2.4.
Los elementos de un espacio muestral finito o infinito enumerable se pueden contar.
Suceso o evento.
Un suceso o evento de un experimento aleatorio E, es cualquier
subconjunto del espacio muestral que corresponde a E.
En particular, el espacio muestral, , y el conjunto vaco, , son eventos, pues son

subconjuntos de .
Al lanzar una moneda, el espacio que se obtiene es = {c, s}, donde c = cara y s =
sello.
Los eventos que se pueden obtener son: {c}, {s}, y .
Si al realizar un experimento aleatorio el resultado pertenece a un evento A se dice que el

resultado favorece al evento A o que el evento A se realiza. Si al lanzar un dado se
obtiene un nmero par, entonces el evento A = {2, 4, 6} se realiza.
El espacio muestral se llama tambin suceso siempre cierto, siempre se realiza,

mientras que se llama suceso imposible, nunca se realiza.
Si con cada elemento del espacio muestral se forman subconjuntos unitarios, se tendrn
los eventos llamados sucesos elementales.
2.6. Ejemplo.
Si el espacio muestral de un experimento est formado por todos los habitantes de un
pas que son mayores de 15 aos, se tendr que el conjunto formado por las mujeres del
pas que tienen 17 aos es un evento.
2.7. Ejemplo.
Un evento del espacio muestral del ejemplo 2.4 es, por ejemplo, el que se determina con
la frase "que llueva a lo ms 10 milmetros cbicos". Este evento es el intervalo [0, 10].
Operaciones con eventos.
Entre los eventos de , se pueden definir operaciones tales como, la interseccin de

eventos, reunin de eventos y complemento de un evento.
Dados los eventos A y B, la interseccin de A y B, denotada con A B, es el evento

formado por los elementos comunes a A y B. Figura 2.1 (a).
El evento A B se realiza si A y B se realizan a la vez.
Si A B = , se dice que A y B son mutuamente excluyentes o disjuntos.

La reunin o unin de A y B, que se denota con A B, es el evento que est formado

por los elementos de que estn en A, en B o en ambos eventos a la vez. Figura 2.1.(b).
El evento A B se realiza si al menos uno de los eventos A o B se realiza.
(a) A B (b) A B (c) A

Figura 2.1
2.8. Ejemplo.
Se considera el espacio muestral formado por los habitantes de la regin ZZ, y los
eventos: A, formado por las personas que leen el peridico "La voz" y B, formado por las
personas que leen el peridico "La tarde". Se tiene que A B es el evento formado por
las personas que leen ambos peridicos a la vez, mientras que A B lo forman las
personas que leen el peridico "La voz", el peridico "La tarde" o ambos a la vez.
El complemento de A, que se denota con A , se define como el evento formado por los
elementos de que no estn en A. Figura 2.1. (c).
El evento A se realiza cuando el evento A no se realiza.
2.9. Ejemplo.
Al lanzar tres dados, el espacio muestral que se obtiene est formado por los elementos
(1, 1, 1), (1, 1, 2), (1, 1, 3), etc.
Cada resultado es una 3-tupla cuyas componentes pueden ser iguales o diferentes. Si el
evento A est formado por todos los resultados en donde por lo menos hay dos nmeros
iguales, entonces el complemento de A est constituido por las 3-tuplas cuyas
componentes son todas diferentes.
2.2. PROBABILIDAD DE UN EVENTO.

Histricamente, para medir lo incierto se us el concepto clsico de probabilidad. Este
concepto tuvo su origen en los juegos de azar y se aplica para experiencias "aleatorias"
para las cuales el espacio muestral es finito y con elementos igualmente posibles.
Otra manera de medir la posibilidad de que suceda o no un evento, consiste en observar

la proporcin de veces que dicho evento suceda en una serie prolongada de
experimentos repetidos. Se puede indicar que la probabilidad de que un alumno asista a

clase es 0.9, si se observa en un nmero muy grande de veces que el 90% de ellas el
alumno asiste a clases.
En la siguiente seccin se establece matemticamente el concepto de probabilidad de un

evento mediante una serie de axiomas que son consistentes con los conceptos
mencionados anteriormente y que de manera racional resuelven el problema de medir la
incertidumbre. Estos axiomas se comprendern con mayor facilidad si se toma en cuenta
lo siguiente:
El espacio muestral es el evento seguro, el que siempre se realiza, de ah que si se desea

determinar una ponderacin o medida para este evento, sta debe ser mxima. En
oposicin, el evento vaco debe tener la menor ponderacin, pues ste es el que nunca se
realiza. Si decidimos que la ponderacin de debe ser 1 y que la de debe ser 0, se
tendr, en forma natural, que para cualquier evento A, la ponderacin debe ser un valor
entre 0 y 1. Formalmente se tiene lo siguiente:
Probabilidad.
Dado el espacio muestral , la probabilidad de un evento A, que se

denota con P(A), se define como el nmero que cumple con los
siguientes axiomas, llamados de Kolmogorov.
1. La probabilidad de cualquier evento es un nmero no negativo. Esto

es,
0 P(A), para todo evento A,
2. La probabilidad del espacio muestral es 1. Esto es, P() = 1
3. Si A y B son dos eventos mutuamente excluyentes; esto es, si A B

= , entonces, la probabilidad de la unin de los dos eventos es la suma
de las probabilidades de cada uno de ellos.
Simblicamente: P(A B) = P(A) + P(B), si A B = .
A partir de la definicin se deducen otras propiedades, como las siguientes:
4. La probabilidad del evento vaco es igual a 0. Es decir, P() = 0.
5. Si A B, entonces P(A) P(B).
6. La probabilidad es un nmero entre 0 y 1. Esto es, 0 P(A) 1.

7. La probabilidad del complemento de un evento A es igual a 1 - P(A).
8. P(A B) = P(A) + P(B) P ( A B )., para todo par de eventos A y B.
El lector puede generalizar la propiedad 8 para n eventos.
Probaremos las propiedades 4) y 8).
2.10. Ejemplo.
Probar que P () = 0.
Demostracin . Se tiene que A = A , luego P ( A ) = P ( A ).
Como A = , P ( A ) = P ( A ) = P ( A ) + P (), segn 3), y as,

P () = 0.
2.11. Ejemplo.
Probar que P ( A B ) = P ( A ) + P ( B ) - P ( A B ).
Demostracin . Se cumple: A B = A ( B A ) y
B = ( A B ) ( B A ).
Aplicando la propiedad 3):
P ( A B ) = P( A ) + P ( B A ) y
P ( B) = P ( A B ) + P ( B A )
Restando miembro a miembro se llega al resultado.
Aplicando dos veces la propiedad 8) en P[(A B) C)] se tiene
P(A B C) = P(A) + P(B) + P(C) - P(A B) + P(A C) - P(B C) + P(A B C).
2.12. Ejemplo.
La probabilidad de que un hogar tenga telfono es 2/3, que tenga televisor, 3/6
y de que tenga al menos uno de los aparatos, 5/6. Hallar la probabilidad de que
un hogar tenga ambos aparatos.
Solucin.
Si denotamos con
A, al evento el hogar tiene telfono,
B , al evento el hogar tiene televisor, se tendr que

A B , corresponde al evento el hogar tiene ambos aparatos y
P( A B) = P( A) + P( B) P( A B ) = 2/3 + 3/6 5/6 = 1/3.
Medida de probabilidad.
La probabilidad P se llama medida de probabilidad, si en lugar de la propiedad
3) se cumple la siguiente propiedad.
3*) Para una sucesin de eventos disjuntos dos a dos: A 1 , A 2 , ... , se tiene
P(A 1 A 2 ...) = P(A 1 ) + P(A 2 ) + ....
Se demuestra que la propiedad 3*) implica la propiedad 3). As, toda medida de
probabilidad es una probabilidad.
Asignacin de Probabilidades
Los axiomas de probabilidad no indican como deben asignarse, en general, las
probabilidades a los diversos resultados de una experiencia aleatoria; solamente
establecen las limitaciones de las formas en que esto puede hacerse. Algunas
veces esto es posible como en el caso del lanzamiento de un dado
equilibrado, en donde a cada resultado se le asigna de antemano 1/6 de
probabilidad, acercndose de este modo a la realidad, pues es imposible que el
dado sea perfecto. Otras veces, sin embargo, tal asignacin previa es imposible,
por lo que es necesario lanzar el dado varias veces, digamos 200, y asignar a
cada resultado su respectiva frecuencia relativa. Estas probabilidades pueden
ser mejoradas lanzado un nmero mayor de veces, digamos 3000. En general se
puede asignar probabilidades provisionales para luego afinarlas a partir de
una mayor informacin de la experiencia que se estudia.
A continuacin se indica una manera de asignar probabilidades.
2.13. Ejemplo. ASIGNACIN DE PROBABILIDADES PARA UN ESPACIO MUESTRAL FINITO.
Se considera el espacio muestral finito = {w1, ... , wn}.
A cada resultado wi se le asigna como probabilidad el nmero no negativo pi, de tal

manera que p1 + p2 + ... + pn = 1.
Se define as una probabilidad P en el espacio muestral de tal manera que P[{wi}] =

pi, para i = 1, 2, ... , n.
Si en la descripcin anterior p1 = ... = pn = 1/n, cada elemento de se llama

equiprobable.
En este caso se cumple que si A es un evento de m elementos, P(A) = m/n.

Si al nmero de elementos del conjunto A se denota con #(A), se podr escribir
# ( A)
P( A) =
# ( )
En resumen, si los elementos de un espacio muestral son equiprobables, entonces la

probabilidad de un evento A es
N mero de casos favorables a A

P ( A) = .
N mero de casos posibles
Esta expresin corresponde a la definicin clsica de Probabilidad.
A las experiencias cuyos resultados son equiprobables se les llama "experiencias al

azar". As, "elegir una persona al azar" de un grupo de n personas equivale a asignar
igual probabilidad a la eleccin de cada persona. En general, "elegir m objetos al azar"
de un conjunto, significa que cada uno de los conjuntos formados con m elementos del
conjunto tiene la misma probabilidad de ser elegido.
Otros ejemplos de asignacin de probabilidades son los siguientes:
2.14. Ejemplo.
Si se considera que al lanzar N veces una moneda, la frecuencia relativa de cada
resultado A tiende a una constante c cuando N crece indefinidamente, se podr asignar al
resultado A la constante c como probabilidad. Este valor corresponde, en efecto, a una
probabilidad. Cuando la moneda es equilibrada, la constante c es igual a 0.5. As se
puede indicar que la P(c) = P(s) = 0.5.
2.15. Ejemplo.
Otra manera de asignar probabilidad a un evento, es mediante proporciones o
porcentajes. A cada evento podemos asociarle un nmero igual a la proporcin de la
poblacin que este subconjunto constituye. As, si se observa que en un pas las mujeres
constituyen el 30% de la poblacin, se podr asignar al evento "mujer" la probabilidad
0.30.
La asignacin de probabilidad con esta metodologa se basa en el conocimiento de la

composicin de la poblacin, previa a la realizacin de la experiencia.
Otro ejemplo de este tipo de asignacin aparece cuando se indica que la probabilidad de
que el tren de Lima a Huancayo llegue a tiempo es 0.85. Esto significa que el 85% de
veces el tren indicado llega a tiempo.
2.16. Ejemplo.
En un grupo de personas hay 3 mujeres: N1, N2 y N3 y 4 varones: R1, R2, R3 y R4. Si se
elige una persona "al azar", cul es la probabilidad de que sta sea varn?.
Solucin.
El espacio muestral del experimento es
= {N1, N2, N3, R1, R2, R3, R4}.
Cada elemento de este espacio es equiprobable con probabilidad 1/7.
El evento A, descrito por "elegir un varn" es {R1, R2, R3, R4}. Luego,
P(A) = #(A)/#() = 4/7.

2.17. Ejemplo.
Un lote de 5 artculos contiene 2 defectuosos: D1, D2 y 3 artculos no defectuosos: N1,
N2 y N3. Si se escogen 3 artculos al "azar" y de una sola vez, cul es la probabilidad
de que uno de stos sea defectuoso?.
Solucin.
El espacio muestral de la experiencia es
= {{N1, D1, D2}, {N1, N2, N3}, {N2, D1, D2}, {N3, D1, D2}, {N1, N2, D1}, {N1, N2,
D2}, {N1, N3, D1}, {N1, N3, D2}, {N2, N3, D1}, {N2, N3, D2}}.
El evento que interesa y cuya probabilidad se desea conocer es
A = {{N1, N2, D1}, {N1, N2, D2}, {N1, N3, D1}, {N1, N3, D2}, {N2, N3, D1}, {N2, N3,
D2}}.
Se sigue entonces que P(A) = #(A)/#() = 6/10.
2.18. Ejemplo. Probabilidad geomtrica.

Para un experimento aleatorio cuyo espacio muestral es un conjunto contenido en el
plano y de rea diferente de cero, se define la probabilidad geomtrica de un evento A
contenido en , como el nmero
Area ( A)
P ( A) =
Area ()
La funcin P as definida es efectivamente una probabilidad, como puede comprobarse.
La definicin se extiende al caso Rn. (Cuando n = 1 el rea se reemplaza por la

"longitud").
2.19. Ejemplo.
2 2
Se escoge al azar un punto del crculo C definido por x + y 4 . Hallar la probabilidad
de que el punto escogido est en el crculo D con centro el origen y radio 1.
Solucin.
El espacio muestral corresponde al crculo C y la probabilidad de que el punto elegido
est en el crculo D es
Area ( D )
P ( D) = = = 0.25
Area ( ) 4
2.20. Ejemplo.
Hallar la probabilidad de que la suma de las coordenadas de un punto (x, y), elegido al
azar del rectngulo con vrtices (0, 0), (1, 0), (1, 1), (0, 1), est entre los valores 0.5 y
1.5.
Solucin.
El espacio muestral corresponde al rectngulo indicado y cuya rea es igual 1.
Y
x+y=1.5
1.5
1
0.5
A
X
0 0.5 1 1.5
Figura 2.2
El evento A est formado por los puntos (x, y) del rectngulo que cumplen con
0.5 x + y 1.5
y cuyo grfico se indica en la figura 2.2.
Area ( A )
La probabilidad del evento A es P ( A ) = = 0.75.
Area ( )
Cuando de la definicin clsica de probabilidad se trata, es necesario conocer el nmero

de elementos de un evento ms que a los mismos elementos, esto conduce al
planteamiento de ciertas frmulas de clculo que combinadas convenientemente pueden
servir, en muchos casos, como tcnicas para la enumeracin de puntos muestrales. El
estudio de tales frmulas podra realizarse en forma exhaustiva, pero para los fines de
este texto bastar una breve introduccin.
2.3. INTRODUCCION AL CALCULO COMBINATORIO.
Comenzaremos por indicar el siguiente resultado.
"Si A1 y A2 son dos conjuntos finitos, entonces el nmero de pares ordenados

(a, b), donde a A1 y b A2, est dado por
Nmero de Pares = #(A1).#(A2)".
2.21. Ejemplo.
Una urna I contiene 3 esferas numeradas con 0, 1 y 2, mientras que otra, II, contiene 2
esferas numeradas con 3 y 4. De la urna I se extrae una esfera y tambin de la urna II.
0 3
4
1 2
Urna I Urna II
Figura 2.3
Si con A1 denotamos al conjunto de los resultados obtenidos al extraer la primera esfera

de la urna I y con A2, al conjunto formado con los resultados de extraer la segunda esfera
de la urna II, se tendr que el nmero de resultados que se pueden obtener al extraer las
dos esferas es #(A1)#(A2) = 32 = 6.
Los resultados son los pares que aparecen en la siguiente tabla.
A1\A2 3 4
0 (0, 3) (0, 4)
1 (1, 3) (1, 4)
2 (2, 3) (2, 4)
La frmula del nmero de pares puede extenderse para 3 o ms eventos.
En general, si A1, ... , An, son n conjuntos finitos, el nmero de n-tuplas que se pueden
formar, tomando el primer elemento de A1, el segundo de A2, ... , y el n-simo de An es
#(A1).#(A2)... #(An).
2.22. Ejemplo.
En una urna hay dos esferas numeradas con 0 y 1. Se extraen 3 esferas de manera
consecutiva y con restitucin.
Se denota con A1, al evento formado por los resultados de la primera extraccin, con A2,
al evento formado con los de la segunda extraccin y con A3, al evento formado con los
de la tercera extraccin.
Se tiene que A1 = A2 = A3 = {0, 1}.
El nmero de elementos del evento A, formado con las 3-tuplas de las 3 extracciones es
#(A1).#(A2).#(A3) = 23 = 8.
El ejemplo anterior es un caso particular del siguiente concepto.
Variaciones con repeticin.
De un conjunto E que tiene m elementos, en forma consecutiva y con restitucin se

escogen n de ellos.
Cada n-tupla, (w1, ... , wn), que se forma con elementos de E y en donde
pueden haber elementos repetidos, se llama variacin con repeticin.
Se puede demostrar sin dificultad que el nmero de variaciones con repeticin

de n elementos que se pueden formar a partir de los m elementos de E es mn.
2.23. Ejemplo.
Dado el conjunto E = {a, b, c, d, e}, algunas variaciones de orden 3 con repeticin son:
(a, b, c), (b, a, c), (a, a, b), (b, b, b), (c, d, e), etc.
Se observa que en este caso, el orden es importante; as la variacin con repeticin (a, b,
c) es diferente a la variacin con repeticin (b, a, c).
En total se pueden formar 53 variaciones con repeticin de orden 3, tomadas del

conjunto E que tiene 5 elementos.
2.24. Ejemplo.
De un grupo de 6 personas se escogen sucesivamente y con restitucin 4 de ellas. De
cuntas maneras se pueden escoger las 4 personas?.
Solucin.
El evento A formado por los diferentes grupos de 4 personas elegidas con restitucin
tiene 64 = 1296 elementos.
Variaciones sin repeticin.
Dado un conjunto E con m elementos.
Las n-tuplas ordenadas, (w1, ... , wn ), sin elementos repetidos, que se

pueden forman con elementos de E, se llaman variaciones sin repeticin
de n elementos tomados de los m de E.
As, del conjunto E = {a, b, c, d} se pueden formar, por ejemplo, las variaciones sin
repeticin de 3 elementos (a, b, c), (b, c, d), (c, d, b), etc.
Se observa que, al igual que para las variaciones con repeticin, el orden es importante;
por ejemplo, la variacin (b, c, d) es diferente de la variacin (c, d, b).
El nmero de variaciones sin repeticin se denota con Vnm y se puede encontrar de la

siguiente manera:
El primer elemento w1 puede escogerse de m maneras. Una vez escogido w1 quedan m -

1 maneras de escoger w2. Escogidos w1 y w2 quedan m - 2 maneras de escoger el
elemento w3 y as sucesivamente hasta el elemento wn-1; escogido este elemento, quedan
m - (n - 1) = m - n + 1 maneras de escoger el elemento wn.
m m-1 ... m- n+1
Usando la frmula del nmero de n-tuplas que se pueden formar con n conjuntos se tiene
que el nmero de variaciones sin repeticin de n elementos tomados de entre los m
elementos es
Vnm = m(m 1)(m 2)...(m n + 1)
2.25. Ejemplo.
Si E = {1, 2, 3, 4}, entonces el nmero de variaciones sin repeticin de 3 elementos
tomados de los 4 de E es
V34 = ( 4 )( 3)( 2 ) = 24.
Algunas variaciones de este tipo son: (1, 2, 3), (1, 2, 4), etc.
2.26 Ejemplo.
De un grupo de seis personas se eligen cuatro de una en una y sin reposicin. Hallar el
nmero de grupos que as se pueden formar.
Solucin.
El nmero de grupos que de esa manera se pueden formar es igual al nmero de

variaciones sin repeticin de 4 elementos tomados de un conjunto que tiene 6
elementos. Este nmero es V46 = (6)(5)( 4)(3) = 360.
2.27. Ejemplo.
De un grupo de 8 personas, se desea formar comits de 3 personas, donde una sea el
presidente, otra el secretario y la tercera el tesorero. Cuntos comits de este tipo se
pueden formar?.
Solucin.
Esta vez interesa el orden en que se escojan las 3 personas. Luego el nmero de tales
comits es igual al nmero de variaciones si repeticin de 3 elementos que se puedan
formar con las 8 personas del grupo. Esto es,
V38 = ( 8 ) ( 7 )( 6 ) = 336.
Permutaciones
Si en la discusin anterior, m = n, cada una de las variaciones se llama
permutacin de los m elementos de E y se denota con Pm.
Usando la frmula para el nmero de variaciones sin repeticin con n = m, se tiene
m
Pm = Vm = m( m 1)( m 2 ) ... 1 .
Si se define:
m! = 123...m, para m natural mayor que cero y

0! = 1,
se podr decir que el nmero de permutaciones de m elementos es igual a Pm = m!.
OBSERVACION. m! se lee "m factorial".
Se nota que cada permutacin es un arreglo de los m elementos diferentes de E.
2.28. Ejemplo.
Hay 6 maneras de arreglar los elementos del conjunto E = {a, b, c}; stas son las
permutaciones: (a, b, c), (b, a, c), (c, a, b), (a, c, b), (b, c, a), (c, b, a).
PROPIEDAD.
El nmero de variaciones sin repeticin de n elementos tomados de un conjunto de m

elementos se puede calcular con
m!
Vnm =
(m n)!
Prueba.
m( m 1)...(m n + 1)(m n)...1 m!

Vnm = m(m 1)(m 2)...( m n + 1) = =
(m n)...1 (m n)!
Combinaciones.
Se trata ahora de calcular el nmero de subconjuntos de n elementos de un conjunto E,
que tiene m elementos con n m.
Cada uno de tales subconjuntos se llama combinacin de n elementos

tomada de los m de E
El nmero de combinaciones se denota con Cnm y se puede hallar de la siguiente

manera:
Cada una de las Cnm combinaciones es un conjunto de n elementos. Por cada una de stas
hay n! permutaciones. Cada permutacin as definida es una variacin de n elementos
tomados de un conjunto con m elementos, luego
Cnm (n !) = Vnm .
m
Reemplazando el valor de Vn se tiene
m!
Cnm = .
(m n)! n !
2.29. Ejemplo.
Para A = {a, b, c, d}, las combinaciones de 2 elementos tomados de entre los 4 de A son:
{a, b}, {a, c}, {a, d}, {b, c}, {b, d} y {c, d}.
Combinaciones Permutaciones por cada

combinacin.
{a, b} (a, b), (b, a)
{a, c} (a, c), (c, a)
{a, d} (a, d), (d, a)
{b, c} (b, c), (c, b)
{b, d} (b, d), (d, b)
{c, d} (c, d), (d, c)
Por cada una de las 6 combinaciones hay 2! permutaciones. En total hay 6(2!) = 12
variaciones de 2 elementos tomados de A.
2.30. Ejemplo.
Con 8 personas se forman grupos de 3 personas cada uno, cuntos de stos se pueden
obtener?.
Solucin.
El nmero de tales grupos es igual al nmero de combinaciones de orden 3 que se
pueden formar con las 8 personas. Se tiene entonces,
8!
Num.grupos = C38 = = 56.
(8 3)! 3!
2.31. Ejemplo.
En un grupo de 50 personas hay 4 que tienen sangre con el factor RH negativo, (RH-).
Hallar la probabilidad de que escogidos 5 personas al azar y de una sola vez, dos de ellas
tengan el factor indicado.
Solucin.
El espacio muestral est formado por todas las maneras en que 5 personas pueden ser
escogidos de entre las 50. El nmero de elementos de es #() = C550 = 2118760.
El evento que interesa es el evento A, descrito por "de las cinco personas escogidas, dos
tienen el factor RH negativo".
Se trata de encontrar P(A) = #(A)/#().
Debe escogerse 2 personas con el factor RH- y 3 con RH+. Las 3 personas con RH+
deben ser escogidas de las 46 que lo tienen. As, el nmero de maneras en que tales
personas pueden ser elegidos es C346 . Por cada una de esas maneras hay C24 maneras de
escoger 2 personas con RH-, luego el evento A tiene C346C24 elementos.
C346 C24
Por tanto, P(A) = = 0.0430.
C550
2.32. Ejemplo.
Cul es la probabilidad de obtener al menos dos resultados iguales al tirar 4
veces un dado equilibrado?.
Solucin.
El espacio muestral, , est formado por todas las variaciones con repeticin
de orden cuatro, formadas con los elementos del conjunto {1, ... , 6}.
En primer lugar, se calcula la probabilidad del evento E , que corres-

ponde a "ninguno de los resultados son iguales".
El nmero de elementos de E es igual al nmero de variaciones de orden 4 sin

repeticin que se pueden formar a partir de los 6 resultados posibles; esto es,
#(E) = (6)(5)(4)(3) = 360.
El total de casos posibles al tirar 4 veces un dado es 6 4 = 1296. Luego, P(E) =

360/1296 = 0.2778; de este modo la probabilidad del evento pedido es
P( E ) = 1 - P(E) = 1 - 0.2778 = 0.7222.
2.4. EJERCICIOS.
1. Hallar el espacio muestral de los siguientes experimentos aleatorios:
E1: Eleccin de tres personas de una en una sin restitucin para luego anotar si cada una es ocupado, O o
desocupado, D.
E2: Eleccin de un automvil producido por una fbrica para luego anotar el espacio recorrido despus de
consumir un galn de gasolina.
Rpta. a) {(O,O,O), (O,O,D), (O,D,O), (D,O,O), (O,D,D), (D,O,D), (D,D,O), (D,D,D)}.
b) [ 0,+[
2. Un experimento consiste en seleccionar al azar 4 personas y observar si su sangre tiene el factor RH+ o el
factor RH-.
a) Indique el espacio muestral.

b) Enumerar los elementos de los sucesos que se describen a continuacin:
A: "Por lo menos tres personas tienen sangre con RH+".

B: "A lo ms dos personas tienen sangre con RH+".
3. El seor Prez debe pasar por tres entrevistas consecutivas para ingresar a trabajar en una compaa. Las
personas encargadas de las entrevistas son: Hugo, Paco y Luis, en ese orden. Sean los eventos descritos por
las proposiciones que se indican.
A: el veredicto de Hugo es favorable.

B: el veredicto de Paco es favorable.
C: el veredicto de Luis es favorable.
Usando A, B y C, escribir los eventos descritos por
a) "Ninguno de los veredictos es favorable".

b) "Todos los veredictos son favorables".
c) "Por lo menos dos veredictos son favorables".
d) "El veredicto del seor Hugo es favorable".
Rpta. a) A B C c) ( A B C ) ( A B C ) ( A B C ) ( A B C ).
4. En una mesa hay cuatro cartas con sus respectivos sobres. Se introducen al azar las cuatro cartas, una en
cada sobre.
a) Usando una notacin adecuada, describir el espacio muestral.
b) Describir cada uno de los siguientes eventos:
A: "slo una carta se introdujo correctamente".
B: "dos cartas se introdujeron correctamente".
Rpta. a) Permutaciones de las cartas 1, 2, 3, 4. As la permutacin (1,2,3,4) indica que la carta 1
ha sido introducida en el sobre 1, la carta 2 se ha introducido en el sobre 2, la carta 3, en el sobre
3, etc.
5. Se escoge una persona al azar de un grupo de 100. Sean los eventos descritos por:
E1: la persona escogida es hombre,

E2: la persona escogida es mujer,
E3: la persona escogida tiene educacin superior,
E4: la persona escogida proviene de un colegio estatal.
Qu significan los siguientes eventos:

A = E1 E2?, B = E2 E3 E4?, C = (E1 E3 E4) (E2 E3 E4)?.
Rpta. B: La persona elegida es mujer con educacin superior y proviene de un colegio estatal.
6. Para comparar dos estaciones de bombeo se tiene:
Para la estacin 1: P(falla en la bomba) = 0.07, P(fuga) = 0.10 y P(ambas) = 0.06.

Para la estacin 2: P(falla en la bomba) = 0.09, P(fuga) = 0.12 y P(ambas) = 0.06
Cul estacin tiene la mayor probabilidad de quedar fuera de servicio?.
7. Se tienen 5 computadoras de tipo A y 6 de tipo B. Si se eligen al azar 4 computadoras,
a) Cul es el nmero de elementos que tiene el espacio muestral ?.

b) Cul es el nmero de elementos que tiene el evento cuyos elementos estn formados por dos
computadoras de tipo A y dos de tipo B.
Rpta. a) 330. b) C25C26 .
8. La probabilidad de que Juan vaya a una determinada cita es 0.4, de que Pedro vaya a la misma cita, 0.6 y de
que ambos vayan a la cita, 0.2. Cul es la probabilidad de que Juan o Pedro vayan a la cita?.
Rpta. 0. 8.
9. La probabilidad de ganar el primer premio en una juego es 2/5 y la de ganar el segundo premio, 3/8.Si la
probabilidad de ganar al menos uno de los dos premios es 3/4, hallar la probabilidad de ganar ambos
premios.
10. Diez personas de diferentes tallas hacen cola al azar en una ventanilla. Hallar la probabilidad de que
a) el ms alto este al inicio de la cola.

b) el ms alto y el ms bajo estn en los extremos de la cola
c) el ms alto y el ms bajo estn juntos.
11. Un alumno de la universidad UU debe llevar en el segundo ciclo de estudios los cursos de Filosofa,
Matemticas y Lengua. Si la probabilidad de pasar el curso de Filosofa es 0.7, el de Lengua, 0.55, el de
Matemticas, 0.5, el de Filosofa y Matemticas, 0.3, el de Filosofa y Lengua, 0.35, el de Matemticas y
Lengua, 0.3 y los tres a la vez, 0.2; calcular,
a) la probabilidad de aprobar por lo menos dos cursos,

b) la probabilidad de aprobar por lo menos un curso,
c) la probabilidad de no aprobar curso alguno.

Rpta. a) 0.55 b) 0.9.
12. Una caja contiene 100 vacunas. La probabilidad de que al menos una no sea efectiva es 0.05 y de haya al
menos dos no efectivas es 0.01. Cul es la probabilidad de que la caja contenga
a) todas las vacunas efectivas,

b) exactamente una no efectiva
c) a lo ms una no efectiva.
13. En una lista de electores, 3 son del partido A, 8 del partido B y 13 del partido C. Otra lista tiene 5
electores del partido A, 7 del partido B y 6 del partido C. Una persona de cada lista es elegida al azar, cul
es la probabilidad de que ambas personas sean del mismo partido?.
Rpta. 0.3449
14. Cinco hombres y cuatro mujeres se sientan en forma aleatoria en 9 asientos arreglados en fila. Hallar la
probabilidad de que todas las mujeres estn juntas.
Rpta. 0.0476.
15. Dado un segmento de longitud L, se seleccionan al azar dos puntos de ste. Hallar la probabilidad de que
pueda construirse un tringulo a partir de los tres segmentos resultantes.
Rpta. 0.25
16. Dos personas acuerdan encontrarse en cierto lugar entre las 8 a.m. y las 9 a.m. de un da determinado y
convienen en que cada uno de ellos debe esperar al otro solamente 10 minutos. Hallar la probabilidad de
que se encuentren.
Rpta. 11/36.
17. Usando la probabilidad geomtrica, dar un evento diferente del vaco cuya probabilidad es 0.
18. La produccin de camisas de una determinada marca presenta el 2% de defectuosas. Si de un lote de 200
camisas se eligen al azar y de una sola vez 30 de ellas, cul es la probabilidad que de las camisas
escogidas, 3 sean defectuosas?.
Rpta. 0.0107.
19. Probar que P( A B C) = P( A) + P( B) + P(C) P( A B) P( A C) P( B C) + P( A B C) .
20. En una caja hay n balotas numeradas del 1 al n. Las balotas se sacan de una en una sin reemplazo. Si la
balota r se saca en la r - sima extraccin se considera un xito. Hallar la probabilidad de obtener al
menos un xito.
Rpta. 1/1! 1/2! + 1/3! - ... ( 1)n 11 / n!
21. Si la probabilidad de un evento A es p , entonces se define "la posibilidad de que ocurra A "
como la razn de p a 1 - p. A menudo las posibilidades se expresan como cocientes de dos
factores que no tienen un factor comn y si es ms probable de que no ocurra un evento, se
acostumbra dar las posibilidades de que no ocurra en lugar de las que s ocurra, Cules son
las posibilidades a favor o en contra de la ocurrencia de un evento si su probabilidad es
a) 3/8; b) 0.07; c) 0.45
22. Usar la definicin dada en el ejercicio anterior para probar que si las posibilidades de la
ocurrencia del evento A son de a a b , donde a y b son enteros positivos, entonces
a
P( A) = . Esta frmula se usa para determinar probabilidades subjetivas. Por ejemplo, si
a +b
un alumno "siente" que las posibilidades estn 7 a 4 de aprobar una materia, la probabilidad
subjetiva que l se asigna es 7/11.
2.5. PROBABILIDAD CONDICIONAL Y EVENTOS

INDEPENDIENTES.
La probabilidad de un evento no asume condiciones especiales aparte de las que definen
el experimento. Tal es el caso de la probabilidad de que una persona fume. Algunas
veces; sin embargo, se requiere revisar la probabilidad de un evento a partir del
conocimiento de condiciones adicionales que pueden afectar su resultado. As, la
probabilidad de que una persona fume puede ser calculada a partir de la informacin
adicional de que la persona elegida es mujer. De este modo, el espacio muestral se ha
reducido al caso de las mujeres. La probabilidad de que una persona elegida fume
sabiendo que es mujer es una probabilidad condicional.
Si el espacio muestral es finito y con n elementos equiprobables, la probabilidad

condicional de A dado el evento B, se calcula observando que el espacio muestral se
reduce a B. As,
# ( A B ) # ( A B ) / n P ( A B)
P( A B) = = = .
# ( B) # ( B) / n P( B )
En general, para cualquier espacio muestral (no necesariamente finito) la

probabilidad condicional se define de la siguiente manera:
Dados los eventos A y B , la probabilidad del evento A sabiendo que el

evento B ha sucedido, se llama probabilidad condicional de A dado B.
Esta probabilidad se denota con P(A | B) y se define como
P( A B)
P( A | B) = , si P ( B ) 0
P( B)
Cuando P(B) = 0, se puede definir P ( A| B ) = 0.
De la definicin de probabilidad condicional, se deduce que
P(A B) = P(A|B).P(B) o equivalentemente P(A B) = P(B|A).P(A)
A partir de la definicin se obtienen tambin las siguientes propiedades.
PROPIEDADES.
a) P(A|B) 0.
b) P(|B) = 1.
c) P((A1 A2)|B) = P(A1|B) + P(A2|B), si A1 A2 = .

Estas propiedades indican que la probabilidad condicional es una probabilidad en .

Puede obtenerse otras propiedades como la siguiente
P( A | B ) = 1 P ( A | B) .
2.38. Ejemplo.
Calcular P( A | B ) si, P(A) = 0.4, P(B) = 0.7 y P(A|B) = 0.2.
Solucin.
Supondremos, para simplificar, que el espacio muestral es un rectngulo de rea igual
a 1 y que los eventos A y B son como se indican. De este modo las reas de cada regin
que representa a los eventos son iguales a su probabilidad.
x y A
x
B
Figura 2.4
P( A B)
Como 0.2 = P ( A| B) = ,
P ( B)
se tiene que x = P ( A B ) = 0.2 P ( B ) = 0.2(0.7) = 014

. .
Se tiene: P ( A| B ) = P ( A B ) = 0.4 x 0.4 0.14 0.26 26 13

y
= = = = = .
P( B ) 1 P ( B ) 1 0.7 0.3 0.3 30 15
Eventos independientes.
Si la probabilidad del evento A no depende de la realizacin del evento B se dice que A
es independiente de B. Formalmente,
Se dice que dos eventos A y B son independientes si P(A | B) = P(A).
Si la probabilidad de que una persona contraiga una enfermedad E es igual a la

probabilidad de que la persona contraiga la enfermedad sabiendo que sta es mujer, se
tendr que los eventos que indican el riesgo de contraer la enfermedad y que la persona
sea mujer son independientes.
La siguiente propiedad es una consecuencia directa de la definicin de eventos

independientes y de la probabilidad condicional.
Si los eventos A y B son independientes, P(A B) = P(A)P(B)

En efecto, P(A B) = P(A | B)P(B) = P(A)P(B)
2.34. Ejemplo.
En una caja hay 7 bolas rojas y 3 verdes. Se sacan dos bolas al azar de una en una. Hallar
la probabilidad de que la primera sea roja y la segunda tambin,
a) si despus de sacar la primera bola, sta se devuelve para sacar la segunda (extraccin
con restitucin).
b) si despus de sacar la primera bola, sta no se devuelve para luego sacar la segunda
(extraccin sin restitucin).
Solucin.
Sean los eventos:
A: "La primera bola extrada es roja".

B: "La segunda bola extrada es roja".
En a) como en b), se pide calcular P(A B).
a) En este caso, la primera bola extrada se devuelve, la probabilidad de B no depende

del evento A, stos son independientes y
P(A B) = P(A)P(B) = (7/10)(7/10) = 0.4900.
b) Si la primera bola extrada no se devuelve, la probabilidad del evento B depende del

evento A. Los eventos no son independientes y
P(A B) = P(B|A)P(A) = (6/9) (7/10) = 0.4667.

2.39. Ejemplo.
Se ha determinado que los motores que produce una compaa presentan dos tipos de
defectos A y B. El 5% de los motores presentan el defecto A mientras que el 10% tienen
el defecto B. Adicionalmente, el 3% de los motores presentan ambos defectos.
Cul es la probabilidad de que un motor tenga
a) el defecto A, dado que tiene el defecto B?

b) el defecto B, dado que tiene el defecto A?.
Solucin.
Sean los eventos
A: "ocurre A"
B: "ocurre B".
Se supone que P(A) = 0.05, P(B) = 0.10 y P ( A B ) = 0.03. Luego,
P( A B) 0.03
a) P( A| B ) = = = 0.30 .
P ( B) 0.10
P( A B) 0.03
b) P( B| A) = = = 0.60.
P( A) 0.05
PROPIEDAD.
Si A y B son independientes entonces A y B tambin lo son.
Veamos que en efecto, P ( A B ) = P ( A) P ( B ).
P ( A B ) = P ( B | A) P ( A) = [1 P ( B | A)] P ( A) = [1 P ( B )] P ( A) = P ( B ) P ( A).
La penltima igualdad se cumple pues A y B son independientes.
2.40. Ejemplo.
Probar que P(A B C) = P(C|(A B)) P(B|A)P(A).
Solucin.
P(A B C) = P((A B) C)
= P(C|(A B))P(A B) = P(C|(A B))P(B|A)P(A).

2.41. Ejemplo.
La probabilidad de que se venda un determinado producto despus de ofrecerlo es 0.4.
Suponiendo independencia entre las ventas, cul es la probabilidad de que la primera
venta ocurra en la sexta oferta?.
Solucin.
Ai indica el evento: se realiza una venta en la i-sima oferta

La probabilidad de que no se realice la venta es 0.6. Luego la probabilidad pedida es
P( A1 ... A5 A6 ) = P( A1 ) P( A2 )... P( A5 ) P( A6 ) = (0.65)(0.4) = 0.0311
2.42. Ejemplo.
En los ltimos aos la Universidad ABCD ha estado llevando un registro de sus
egresados que en la actualidad tienen empleo, anotando el nmero de aos que utilizaron
para terminar su carrera y su posicin (Alta, media y baja) que tienen como
profesionales. La siguiente informacin se obtuvo de 200 egresados.
Alta Media Baja Total

5 Aos 30 70 20 120
Ms de 5 aos 20 30 30 80
Total 50 100 50 200
a) Basndose en la informacin anterior, cul es la probabilidad de que un egresado
cuya duracin de sus estudios fue de 5 aos tenga alta posicin profesional en su empleo
actual?.
b) Si el egresado tiene baja posicin profesional en su empleo, cul es la probabilidad

de que tal persona haya realizado sus estudios en ms de 5 aos?.
c) Si el egresado tiene posicin profesional media, cul es la probabilidad de que tal
persona haya realizado la carrera en 5 aos?.
Solucin.
Sean los eventos descritos del siguiente modo,
A: El egresado tiene alta posicin profesional
B: El egresado tiene mediana posicin profesional
C: El empleado tiene baja posicin profesional
D: El egresado hizo la carrera en 5 aos
E: El egresado hizo la carrera en ms de 5 aos.
P ( A D ) 30 / 200
a) P(A|D) = = = 0.2500.
P( D) 120 / 200
P( E C)
b) P(E|C) = = 0.6000.
P(C)
P( D B)
c) P ( D| B ) = = 0.7000.
P( B)
2.43. Ejemplo.
De acuerdo a la tabla de mortalidad correspondiente a cien mil personas y para 1990 -
1995 y que se da a continuacin,
a) cul es la probabilidad de que una persona est viva a los 65 aos?.

b) cul es la probabilidad de que una persona que est viva a los 30 aos lo est a los 65
aos.
Edad en aos Personas Edad en aos Personas Edad en aos Personas

vivas vivas
vivas
0 100 000 25 89937 55 76820
1 93 823 30 87876 60 71569
5 91526 35 86682 65 64485
10 90857 40 85169 70 54814
15 90453 45 83210 75 42921
20 89848 50 80523 80 29703
Solucin.
a) La probabilidad de que una persona est viva a los 65 es igual a 64485/100000 =

0.64485.
b) La probabilidad de que una persona est viva a los 65 aos dado que est viva a los
30 aos es igual a
64485 / 100000
= 0.7338.
87876 / 100000
2.44. Ejemplo.
Un alumno debe escoger entre tomar un curso de Matemticas o llevar un curso de
Letras. Si escoge el de Matemticas la probabilidad de que lo apruebe es 1/3, mientras
que si escoge el de Letras, la probabilidad de que lo apruebe es 3/4. Para decidir qu
curso llevar, acuerda lanzar una moneda equilibrada. Cul es la probabilidad de que el
alumno lleve el curso de Matemticas y lo apruebe?. Cul es la probabilidad de que
lleve el curso de Letras y no lo apruebe?.
Solucin.
Sean los eventos:
A, descrito por "llevar el curso de Matemticas",

M, descrito por "aprobar Matemticas",
L, descrito por "llevar el curso de Letras", y
B, descrito por "aprobar el curso de Letras".
La probabilidad de llevar el curso de Matemticas y aprobarlo es
P(M A) = P(M|A)P(A) = (1/3)(1/2) = 0.1667.
La probabilidad de llevar y no aprobar el curso de Letras es
P(L B ) = P( B |L)P(L) = (1 - 3/4)(1/2) = 0.1250.
(Nota: P(A) = P(L) = 1/2, pues la moneda es equilibrada)
2.45. Ejemplo.
La probabilidad de fallar de cada una de las 4 piezas de un aparato es 0.001. Si
el aparato funciona por lo menos con 3 de las piezas indicadas, hallar la
probabilidad de que ste no funcione si cada pieza se desarrolla en forma
independiente.
Solucin.
Sea M i el evento descrito por "la pieza i no falla".
Cualquiera de los siguientes eventos indica que el aparato funciona:
A = (M 1 M 2 M 3 M 4 ), B = ( M1 M 2 M 3 M 4 ),
C = (M 1 M 2 M 3 M 4 ), D = (M 1 M 2 M3 M 4 ) y
E = (M 1 M 2 M 3 M 4 ).
Como los eventos A, B, C, D y E son mutuamente excluyentes, se tiene:
P(aparato funcione) = P(A) + P(B) + P(C) + P(D) + P(E) =
0.999 4 + (0.999 3 ) (0.001) + (0.999 3 )(0.001)
+ (0.999 3 )(0.001) + (0.999 3 )(0.001) = 0.9999.
La probabilidad de que el aparato no funcione es 1 0. 9999 = 0.0001.

2.46. Ejemplo.
Una tienda tiene en stock dos lavadoras al iniciar el da lunes. El stock puede renovarse
slo hasta el da mircoles. Las probabilidades de que los clientes demanden 0, 1, 2
lavadoras el da lunes son: 0.4, 0.5 y 0.1, respectivamente. Las probabilidades para el
da martes son: 0.6, 0.2 y 0.2, respectivamente.
Si las demandas en los dos das indicados son independientes, hallar la probabilidad del
evento A que indica que al trmino del da martes no exista lavadora alguna en la tienda.
Solucin.
Si con Li y M i , denotamos los eventos que indican que i lavadoras han sido
demandadas los das lunes y martes, respectivamente, se tendr que la probabilidad de
que el da martes no exista lavadoras en stock es igual a
1 P[( L0 M 0 ) ( L0 M 1 ) ( L1 M 0 )] = 1 (0.4 0.6 + 0.4 0.2 + 0.5 0.6) = 0.38.
2.47. Ejemplo.
De la historia respecto de la prueba de ingreso a una Universidad se ha recabado la
siguiente informacin: 25% de postulantes pensaron que ingresaban a la Universidad e
ingresaron, 45% de los postulantes pensaron que ingresaban a la Universidad y no
ingresaron, 10% no pensaban ingresar pero si ingresaron, y finalmente, 20% no pensaban
ingresar y no ingresaron. Para un prximo examen se escoge un postulante al azar, cul
es la probabilidad?
a) de que no ingrese?.
b) de que ingrese si piensa ingresar?.
c) de que ingrese si no piensa ingresar?.
Solucin.
Sean los eventos definidos de la siguiente manera:
A: el postulante piensa que ingresa y

B: el postulante ingresa.
De la informacin se tiene que
P ( A B ) = 0.25, P ( A B ) = 0.45,
P ( A B ) = 0.1, P ( A B ) = 0.20.
Como A = ( A B ) ( A B ) y B = ( B A) ( B A ) , se tiene
P ( A ) = P ( A B ) + P ( A B ) = 0.7 y P( B) = P( B A) + P( B A ) = 035.
Resulta entonces lo siguiente:
a) la probabilidad de que el postulante no ingrese es
P ( B ) = 1 P ( B ) = 1 ( 0.25 + 0.1) = 0.65.
b) la probabilidad de que el postulante ingrese si piensa ingresar es
0.25
P ( B| A) = = 0.3571.
0.70
c) la probabilidad de que el postulante ingrese si no piensa ingresar es
0.1
P ( B| A ) = = 0.3333.
0.3
2.48. Ejemplo.
Se tiene una urna con n bolas negras y r bolas rojas. Cada vez que se saca una
bola al azar se devuelve sta a la urna conjuntamente con otras c del mismo
color y otras d del color opuesto. Hallar la probabilidad de sacar negra, negra y
roja en las tres primeras extracciones.
Solucin.
La probabilidad de extraer una bola negra en la primera extraccin es n /( n + r ).
Despus de la primera extraccin el nmero de bolas que hay en la urna es n +

r + c + d , ( n + c negras y r + d rojas).
La probabilidad de extraer "negra, negra" en las dos primeras extracciones es

n n+c

n+r n+r +c+d
La probabilidad de extraer "negra, negra, roja" en las 3 primeras extracciones

es
n n+c r + 2d
.
n + r n + r + c + d n + r + 2c + 2d
Ntese que si c = 0 y d = 0, se tiene una extraccin sin reemplazo y si c = 0 y d

= 1, se tiene una extraccin con reemplazo.
Si c > 0 y d = 0, se tiene el llamado " modelo de contagio ", pues cada vez
aumenta la probabilidad de las extracciones del mismo color.
Si c = 0 y d > 0, se tiene que despus de extraer una bola de un determinado

color, la probabilidad de sacar una bola del mismo color en la prxima
extraccin disminuye.
2.49. Ejemplo.
Segn una encuesta realizada,
-el 90% de los hombres ( H ) que tienen cncer pulmonar ( C ) son fumadores ( F ).
-el 70% de mujeres ( M ) que tiene cncer pulmonar son fumadoras.
-la frecuencia de cncer pulmonar es 4 10 - 4 para los hombres y de 10 - 4 para
las mujeres.
-la proporcin relativa de fumadores es 5 veces ms elevada en los hombres
que en las mujeres.
Se puede concluir que una mujer fumadora tiene ms propensin de contraer

cncer pulmonar que un hombre fumador?.
Solucin.
Los datos nos indican que:
P( F H C)
P ( F | H C ) = 0.9; es decir, = 0.9,
P( H C)
P( F M C)
P(F|M C) = 0.7 ; esto es, = 0.7 y
P( M C)
P( F H ) P( F M )
P ( F | H ) = 5 P ( F | M ); es decir, =5 .
P( H ) P( M )
Para responder afirmativamente la pregunta es suficiente probar que

P (C| M F )
> 1.
P ( C| H F )
Usando las relaciones anteriores, se tiene:
P (C| M F ) P(C M F ) P( H F )
=
P ( C| H F ) P( M F ) 0.9 P( H C )
4
0.7 10 5 P( F | M ) 3.5
= = .
P ( F | M ) 0.9 4 x10 4 3.6
Como 3.5/3.6 es mayor que 1, la respuesta es afirmativa; sin embargo, este

valor es muy cercano a 1; lo que indica que una mujer fumadora tiene, prcti-
camente, la misma probabilidad de contraer cncer pulmonar que un hombre
fumador.
Independencia de ms de dos eventos.
Los eventos A1, A2, ... , An, son mutuamente independientes (o,
simplemente, independientes) si para cualquier grupo de eventos diferentes
Ai, Aj, ..., Am , se cumple que
P(Ai Aj , ... , Am) = P(Ai).P(Aj).....P(Am)
Segn lo indicado, para que n sucesos sean independientes no es suficiente que sean
independientes dos a dos; es decir, que dos cualquiera de ellos sean independientes,
como lo muestra el ejemplo siguiente:
Se considera el espacio muestral = {a, b, c, d} sobre el que se ha definido la

probabilidad P que asigna a cada elemento el valor 1/4.
Sean los sucesos: A = {a, b}, B = {b, c}, C = {c, a}.
Se tiene que A y B son independientes pues
P ( A B ) = P ({b}) = 1 / 4 = (1 / 2 )(1 / 2 ) = P ( A ) P ( B )
De igual manera, A y C son independientes. Tambin B y C.
Sin embargo, los tres eventos A, B, C, no son mutuamente independientes puesto que
P ( A B C ) = P ( ) = 0 P ( A ) P ( B ) P ( C ) = 1 / 8.
2.6. EJERCICIOS.
1. Dados P( A) = 0.5, P( B) = 0.7 y P( A B) = 0.15, decir si A y B son independientes.
Rpta. No.
2. Para dos eventos A y B se indic P(A) = 0.65, P(B) = 0.80, P(A|B) = P(A), P(B|A) = 0.85. Es correcta la
asignacin de probabilidades?.
3. En un estudio para introducir una nueva revista semanal se ha determinado que de 200 personas
encuestados, 30 leen la revista A, 35 leen la revista B, 40 leen la revista C, 8 leen las revistas A y C, 12 leen
las revistas A y B, 15 leen las revistas B y C y 6 leen las revistas A, B y C. Si con A denotamos al evento
formado por todos los lectores de la revista A, con B denotamos al evento formado por todos los lectores de
la revista B y con C denotamos al evento formado por todos los lectores de la revista C, hallar
P( A| B), P( B| A), P( A B| C ), P( A| B C ) y P( A B| A C ).
Rpta. P( A| B) = 12 / 35, P( B| A) = 12 / 30.
4. Se ha determinado que las probabilidades de que un televidente vea los programas A, B, o C son: 0.5, 0.4 y
0.7, respectivamente. Cul es el porcentaje de televidentes que ven por lo menos dos de los programas?. Se
asume que cada persona ve los programas independientemente uno del otro.
Rpta. 0.55.
5. El 3% de la poblacin en general padece de la enfermedad E. De ellos solamente el 40% lo saben. Si se

selecciona al azar una persona, cul es la probabilidad de que padezca E pero no sea consciente de
padecerla
Rpta. 0.012.
6. Para que un postulante sea admitido a una Escuela Superior debe pasar con xito al menos dos exmenes
consecutivos de los tres a que es sometido en forma alternada ante dos personas A y B. Se supone que los
exmenes son independientes. Por experiencia se sabe que el 40% de los postulantes aprueban el examen
con A, mientras que slo el 35% aprueban el examen con B. Si a cada postulante se le permite escoger a la
persona con quien iniciar los exmenes; qu recomendar al postulante, iniciar con A o con B?.
Rpta. Con B.
7. Un estudiante tiene la probabilidad p (<1) de aprobar cada examen del curso C. Se le ofrecen dos
alternativas: a) Dar un nico examen final o b) Dar tres exmenes con la condicin de aprobar por lo menos
dos. Cul es la alternativa ms favorable?.
8. a) Probar que si A y B son independientes, A y B tambin son independientes. b) Probar P(B|A) = 1 -

P ( B | A) .
9. En la siguiente tabla se presenta la distribucin de 125 hogares de acuerdo con los ingresos de sus jefes de
familia y con el hecho de ser propietarios de telfonos y de aparatos de televisin.
Hogares con ingresos de Hogares con ingresos de ms

$1000 o menos de $1000
con telfono sin telfono con telfono sin telfono
Con TV 27 20 18 10
Sin TV 18 10 12 10
a) Cul es la probabilidad de elegir un hogar con TV?.

b) Si una familia con ingresos de ms de $1000 tiene telfono, cul es la probabilidad de que tenga TV?.
c) Cul es la probabilidad de elegir a una familia que tenga un TV, dado el hecho que tiene telfono?.
d) Son independientes los eventos "tener TV" y tener telfono?.
e) Son independientes los eventos "ingresos de menos de $1000" y "ser propietario de TV"?.
Rpta. 7. a) 0.60, b) 0.60.
10. Doscientas personas estn distribuidas de acuerdo a su sexo y lugar de procedencia de la siguiente manera:
130 son varones, 110 son capitalinos, 30 son mujeres y del interior. Si se eligen dos personas al azar, cul
es la probabilidad
a) de que ambos sean varones y del interior?.
b) b) de que al menos una de las dos personas sea mujer?.
Rpta. 8. a) 0.0889, b) 0.5786.
11. Con la finalidad de determinar la efectividad de una prueba de sangre para detectar cierta enfermedad se
realiz un estudio sobre 100 personas. De las 100 personas elegidas al azar, las pruebas convencionales
determinaron que 10 de ellas padecan la enfermedad y 90 de ellas no la tenan. En el grupo que no la
padecan, 86 individuos resultaron con pruebas negativas y 4 resultaron con pruebas positivas. En el grupo
de las personas que tenan la enfermedad se encontraron tres individuos con pruebas negativas y siete con
positivas. A partir de los datos, cul es la probabilidad de que una persona con prueba positiva padezca la
enfermedad?.
12. La compaa de telfonos asegura que la fiabilidad del servicio es tal que cuando se marca correctamente
el nmero deseado se tienen 19 chances sobre 20 de obtener tono al otro lado de la lnea.
a) Cul es la probabilidad de obtener tono al otro lado de la lnea en tres intentos a lo ms si se supone que
cada vez se marca el nmero correcto?.
b) Si se estima que en el primer intento existe un chance sobre 10, de marcar un nmero equivocado (error
de manipulacin) y para el segundo intento existe 1 chance sobre 100 de equivocacin; cul es la
probabilidad de obtener tono al otro lado de la lnea en tres ensayos a lo ms?.
Rpta. a) 0.9998, b) 0.9996.
13. Con el fin de probar la efectividad de un test para detectar enfermedades renales en pacientes con
hipertensin, se escogieron 200 pacientes hipertensos obtenindose los siguientes resultados: 56 pacientes
tenan afecciones renales, en 55 pacientes con enfermedad renal el test result positivo, en 13 pacientes sin
enfermedad renal el test result positivo.
a).Hallar la "tasa falsa positiva" del test. Esto es, la probabilidad que el test resulte negativo dado que el
paciente sufre de afecciones renales.
b). Hallar la "tasa falsa negativa" del test. Esto es, la probabilidad que el test resulte positivo dado que el
paciente no sufre de afecciones renales.
14. Una persona est expuesta al riesgo en 1000 ocasiones independientes. Si la probabilidad de
que ocurra un accidente es 1/1000 cada vez, hallar la probabilidad de que un accidente ocurra
en una o ms ocasiones.
Rpta. 0.6323.
15. Una persona tiene tiempo para jugar la ruleta cuatro veces. Gana o pierde $1 en cada juego. La persona
comienza con $2 y parar de jugar antes de los cuatro juegos si pierde todo su dinero o gana $3 (o sea, si
termina con $5). Hallar el nmero de maneras cmo pueden ocurrir los juegos. Hallar la probabilidad de
ganar $2 despus de 4 juegos.
16. En una urna hay dos bolas rojas y una negra. Hugo, Paco y Luis (en ese orden) deben sacar, uno despus
del otro, una bola sin restituirla posteriormente. Cul de las tres personas tiene mayor probabilidad de sacar
la bola negra?.
Rpta. Todos tienen igual probabilidad.
17. Probar que si M y D son dos eventos con probabilidad diferente de 0 entonces,
P( M ) = P( M | D) si y slo si P( D) = P( D| M ) .
2.7. EL TEOREMA DE LAS PROBABILIDADES TOTALES Y EL

TEOREMA DE BAYES.
Estudiaremos previamente el teorema de las probabilidades totales. Este teorema
permite el clculo de la probabilidad de un evento A considerando la informacin que
puede existir en un conjunto de condiciones mutuamente excluyentes.
Teorema de las probabilidades totales.
Sea un espacio muestral en donde se halla definida una probabilidad P. Si A1, ... , An,
son eventos con la propiedad: A1 A2 ... An = y disjuntos dos a dos, entonces se
cumple que
n
A , P ( A) = P ( A| Ai ) P ( Ai ) .
i =1

A A A
1 2 ... n
Figura 2.5
Prueba.
Se tiene que A = A.
Reemplazando por su equivalente se tiene
A = (A1 ... An) A = (A1 A) ... (An A).
Como Ai Aj = para i j resulta, (Ai A) (Aj A) = para i j,
luego,
P(A) = P(A1 A) + ... + P(An A) = P(A|A1)P(A1) + ... + P(A|An) P(An)

n
= P( A| Ai ) P( Ai ) .
i =1
2.50. Ejemplo.
Una ciudad est dividida en tres distritos: A, B y C. En el distrito A vive 1/4 de la
poblacin, en el distrito B, vive 1/2 de la poblacin y en el distrito C vive 1/4 de la
poblacin. Se ha determinado que 25 % de los que viven en el distrito A, el 20% de los
que viven en B y el 18% de los que viven en C, son desocupados. Se escoge un poblador
de la ciudad al azar, cul es la probabilidad de que sea desocupado?.
Solucin.
Sean los eventos:
A = "habitantes del distrito A", B = "habitantes del distrito B"

C = "habitantes del distrito C", D = "desocupados".
Segn el teorema de las probabilidades totales:
P ( D ) = P ( D| A) P ( A) + P ( D| B ) P ( B ) + P ( D| C ) P ( C )
= 0.25(1/4) + 0.20(1/2) + 0.18(1/4) = 0.2075.
2.51. Ejemplo.
En una poblacin en donde el 45% de las personas son mujeres, la probabilidad de que
una mujer tome un seguro de vida es 0.4, mientras que la probabilidad de que un hombre
tome el mismo tipo de seguro es 0.65. Cul es la probabilidad de que una persona
elegida tome un seguro de vida?.
Solucin.
Sean los eventos:
M, descrito por "la persona elegida es mujer"

V, descrito por "la persona elegida es varn".
S, descrito por "la persona elegida toma un seguro de vida".
Por el teorema de las probabilidades totales,
P(S) = P(S|M)P(M) + P(S|V)P(V).
Como: P(S|M) = 0.40, P(S|V) = 0.65, P(M) = 0.45 y P(V) = 0.55, se tiene P(S) = 0.5375.
Los casos descritos son experiencias aleatorias secuenciales que pueden representarse
usando los llamados rboles de probabilidades, como el de la siguiente figura, en donde
cada rama representa un resultado parcial de la experiencia y cada nudo terminal, un
punto del espacio muestral. Sobre algunas ramas del rbol se ha escrito la probabilidad
condicional del resultado que representa dada la experiencia anterior. La probabilidad de
cada nudo terminal se obtiene multiplicando los nmeros escritos sobre las ramas que
conducen a l.
* P ( S |M )P ( M ) = (0.40)(0.45)
0.40
S -
M S
0.45 -
PERS
S
0.55 V P ( S | V ) P ( V ) =( 0.65)(0.55)
S
*
0.65
Figura 2.6. Los nodos terminales que indican el resultado S estn marcados con *.
2.52. Ejemplo.
Dos mquinas producen un mismo artculo. La probabilidad de que la mquina
1 produzca un artculo defectuoso es 0.01, mientras que la mquina 2 produce
un artculo defectuoso con probabilidad 0.02. De un gran lote de artculos
producidos se extrae uno al azar, hallar la probabilidad de que sea defectuoso si
el lote contiene 50% de artculos producidos por la mquina 1 y 50% de
artculos producidos por la mquina 2.
Solucin.
Sean los eventos:
M 1 , descrito por "el artculo es producido por la mquina 1".

M 2 , descrito por "el artculo es producido por la mquina 2".
D, descrito por "el artculo es defectuoso".
Por el teorema de las probabilidades totales,
P(D) = P(D|M 1 )P(M 1 ) + P(D|M 2 )P(M 2 ).
Como: P(D|M 1 ) = 0.01, P(D|M 2 ) = 0.02 y P(M 1 ) = P(M 2 ) = 0.5, se tiene

P(D) = 0.015.
* P ( D |M )P ( M ) = ( 0.01)(0.50) = 0.005
0.01 1 1
D -
M D
1
0.5 -
ART
D
0.5 M2
DP ( D | M ) P ( M ) = 0.01
* 2 2
0.02
Figura 2.7 . Los nodos terminales que indican el evento D estn marcados con * .
El teorema de Bayes.
Un candidato a una curul parlamentaria puede recibir informacin indicndole que
ganar las elecciones con el 80% de probabilidad. Esta probabilidad puede ser revisada a
la luz de informacin adicional, como por ejemplo un sondeo de opinin. De este modo
tomar determinadas acciones; tal vez realize ms presentaciones pblicas.
El teorema de Bayes (Reverendo T. Bayes 1702-161), que a continuacin se desarrolla,

es una herramienta que permite determinar, a partir de la probabilidad a priori P(Ai), la
probabilidad "a posteriori" del evento Ai, dada una cierta informacin A, permitiendo
revisar estimaciones anteriores y reducir el riesgo en la toma de decisiones.
Teorema. (De Bayes).
Con las mismas hiptesis del teorema de las probabilidades totales, se cumple
P ( A| Ai ) P ( Ai )
P ( Ai | A ) = n , para i = 1,..., n
P ( A| A k ) P ( Ak )
k =1
Prueba.
P ( A Ai ) P ( A| Ai ) P ( Ai )
P ( Ai | A ) = = n .
P ( A)
P ( A| A k ) P ( A k )
k =1
La ltima igualdad se obtiene usando el teorema de las probabilidades totales.

2.53. Ejemplo.
La probabilidad de obtener xito en un negocio es 0.7 si no interviene en el mercado una
firma competidora, mientras que si interviene la firma competidora la probabilidad de
xito ser solamente 0.4. Se ha determinado que la probabilidad de que la firma
competidora intervenga en el mercado es 0.8.
a) Cul es la probabilidad de que se obtenga xito en el negocio?.

b) Si se obtuvo xito en el negocio, cul es la probabilidad de que haya
intervenido la firma competidora en el negocio?.
Solucin.
Con I denotamos al evento descrito por interviene la firma competidora, y con
E, al evento descrito por la compaa obtuvo xito.
a) Usando el teorema de las probabilidades totales,

P( Exito) = P(Exito| I).P(I) + P(Exito| I ) P( I ) = (0.7)(0.2) + (0.4)(0.8) = 0.46.
b) Por el teorema de Bayes,
P( E | I ) P( I ) (0.4)( 0.8) 0.32

P( I | E ) = = = = 0.6957 .
P( E ) 0.46 0.46
2.54. Ejemplo.
Un laboratorio somete a los choferes que cometen accidentes de trnsito a un test de
"dosaje etlico". Cul es la probabilidad de que un chofer de esta poblacin est ebrio,
dado que el resultado del dosaje etlico fue positivo?, si se ha determinado que:
- cuando el chofer est ebrio, el test proporciona resultado positivo en el 95% de los
casos.
- cuando el chofer no est ebrio, el test proporciona resultado negativo en el 94% de los
casos.
- el 2% de los conductores que cometen accidentes manejan ebrios.
Solucin.
El espacio muestral est formado por todos los choferes que cometen accidentes.
Sean los eventos:
E, descrito por "el chofer est ebrio" y

T, descrito por "el test es positivo".
Por el teorema de Bayes se tiene que a partir de la informacin adicional T, la

probabilidad corregida de E es
P(T | E ) P ( E ) (0.95)(0.02)
P( E | T ) = = = = 0.2442.
P(T | E ) P ( E ) + P(T | E ) P( E ) (0.95)(0.02) + (1 0.94)(0.98)
En cada uno de los siguientes ejemplos, el lector indicar el espacio muestral

correspondiente.
2.55. Ejemplo.
Un mdico tiene duda entre tres enfermedades E1, E2, y E3, posibles en un paciente.
Observando el estado general del paciente, al mdico le parece que E1 es tres veces ms
probable que cualquiera de las otras dos. Sin embargo, ordena un examen de sangre el
que se sabe resulta positivo en el 10% de los casos cuando la E1 es la causa de la
dolencia, en el 90% de los casos cuando la causa de la dolencia es la E2 y en el 60% de
los casos cuando la causa de la dolencia es la E3. Si el resultado del anlisis fue positivo
cul es la probabilidad final de cada enfermedad?. A la luz de los resultados, se puede
afirmar que E1 es tres veces ms probable que cualquiera de las otras dos
enfermedades?.
Solucin.
Se tiene que P(E1) = 3P(E2) y P(E1) = 3P(E3).
Por otro lado, P(E1) + P(E2) + P(E3) =1; de donde se tiene que
P(E1) = 0.6, P(E2) = 0.2 y P(E3) = 0.2.
Aplicando el teorema de Bayes se tiene que la probabilidad final para E1, dado que el
anlisis fue positivo es
P ( T | E1 ) P ( E1 )
P ( E1 | T ) = = 1 / 6,
P ( T | E1 ) P ( E1 ) + P ( T | E 2 ) P ( E 2 ) + P ( T | E 3 ) P ( E 3 )
en donde T indica que el resultado del anlisis fue positivo. De igual manera se obtiene
que: P(E2|T) = 1/2 y P(E3|T) = 1/3.
A la luz de los resultados del anlisis, E1 es tres veces menos probable que E2 y dos
veces menos probable que E3.
2.56. Ejemplo.
Al contestar una pregunta de "opcin mltiple" y con 5 distractores (posibles
respuestas) de los cuales slo uno es la respuesta correcta, puede ocurrir que la
persona que responda correctamente conozca realmente la respuesta o responda
al azar. La probabilidad que conozca la respuesta es 0.6 y que recurra al azar,
0.4. Si un estudiante marc correctamente la respuesta, cul es la probabilidad
de que conozca la respuesta?.
Solucin.
Sean los eventos:
A , descrito por "el alumno conoce la respuesta",

B , descrito por "el alumno contest correctamente".
La respuesta tiene cinco distractores para seleccionar uno. Se tiene entonces
que la probabilidad de contestar correctamente, dado que la persona recurri al
azar es 1/5 = 0.2.
La probabilidad pedida, P ( A |B ), es
P ( B | A) P ( A ) 1( 0.6)
P ( A| B ) = = = 0.8824.
P ( B| A) P ( A) + P ( B| A ) P ( A ) 1( 0.6) + 0.2 ( 0.4 )
2.57. Ejemplo.
Una fbrica de radios transistores produce 98% de radios buenos y 2% de
defectuosos. Antes de ponerlos a la venta se someten a un control de calidad.
Segn este control, cuando un aparato es bueno, ste es declarado como tal con
probabilidad 0.95 y cuando no lo es, ste es declarado como bueno con

probabilidad 0.04. Si un radio fue considerado como bueno en dos
verificaciones consecutivas y se considera que stas son independientes en
cualquier situacin, cul es la probabilidad de que el radio sea realmente
bueno?.
Solucin.
Sean los eventos:
B , descrito por "el radio es bueno realmente",
B', descrito por "el radio es considerado como bueno por el control en la
primera vez".
B'' , descrito por el "radio es considerado como bueno por el control la segunda
vez".
B' B'' , ser entonces, el evento descrito por "el radio es considerado como
bueno en la primera y segunda verificacin del control".
Se desea conocer P ( B |B' B'' ).
P ( B B | B ) P ( B ) P ( B | B ) P ( B | B ) P ( B )
P ( B | B B ) = =
P ( B B | B ) P ( B ) + P ( B B | B ) P ( B ) P ( B B | B ) P ( B ) + P ( B B | B ) P ( B )
( 0. 95)( 0 . 95)( 0. 98 )
= = 0. 9999 .
( 0. 95)( 0. 95) ( 0. 98 ) + ( 0. 04 ) ( 0. 04 )( 0. 02 )
2.58. Ejemplo.
Un empresario tiene una mquina automtica en su fbrica que produce
determinados artculos. Con su pasada experiencia ha comprobado que si la
mquina se ajusta en forma apropiada, la mquina producir un 90% de piezas
aceptables, mientras que si su acondicionamiento no es adecuado, slo
producir un 30% de aceptables. El empresario tambin ha observado que el
75% de los acondicionamientos se hace en forma correcta. Si la primera pieza
producida es aceptable, qu probabilidad existe de que el acondicionamiento
se haya hecho correctamente?.
Solucin.
Sean los eventos:
A , descrito por "el acondicionamiento es correcto",
B , descrito por "la primera pieza producida es aceptable".

P( A B)
Se desea calcular: P ( A |B ) = .
P( B)
La situacin puede describirse usando la siguiente grfica:
Segn los datos, la probabilidad de que ocurra simultneamente un

acondicionamiento correcto y que un artculo sea aceptable es
P ( A B ) = P ( B |A ) P ( A ) = (0.9)(0.75) = 0.6750.
* 1
B 0.9
0.75 D
A
Ajuste B * 2
-A 0.25 0.3
Figura 2.8 . Los nodos terminales 1 y 2 corresponden al evento B.
La probabilidad de que la primera pieza sea buena es
P( B) = P(( B A) ( B A )) = P( B| A) P( A) + P( B| A ) + P( B| A ) P ( A ).
= (0.9)(0.75) + (0.3)(0.25) = 0.7500.
Por tanto, P ( A |B ) = 0.675/0.7500 = 0.9000.

2.8. EJERCICIOS.
1. De acuerdo al estado civil de sus habitantes, una poblacin est dividida de la siguiente manera: el 30% son
solteros, el 40% son casados y el resto son viudos o divorciados.
La proporcin de mujeres solteras es 20%, de mujeres casadas, 25% y de mujeres viudas o divorciadas,
20%. Si se elige una persona al azar, cul es la probabilidad de que sea mujer?.
Rpta. 0.22
2. La probabilidad de que un alumno estudie para su examen de Matemticas es 0.8. Si estudia, la

probabilidad de que apruebe el examen es 0.90. Si el alumno no estudia la probabilidad de que no apruebe
el examen es 0.85. Cul es la probabilidad de que el alumno apruebe el examen?.
Rpta. 0.75.
3. El 40% de las resistencias que se utilizan en una fbrica son de la marca A y el resto son de la marca B. El
1% de las resistencias de la marca A y el 0.5 % de la marca B son defectuosas. Si de un lote de tales
resistencias adquiridas por la fbrica se elige una al azar, cul es la probabilidad que sta resulte
defectuosa?.
Rpta. 0.007.
4. En una urna hay 3 esferas rojas y x negras. De la urna se sacan al azar, dos esferas de una en
una y sin reposicin. Si la probabilidad de sacar una esfera roja en la segunda extraccin es
6/10, hallar el nmero de esferas negras que existen en la urna al comienzo de la experiencia.
Rpta . 2.
5. Una compaa est estudiando la posibilidad de construir una granja en un cierto sector agropecuario. La
compaa considera de gran importancia la construccin de un reservorio en las cercanas del lugar. Si el
gobierno aprueba este reservorio la probabilidad de que la compaa construya la granja es 0.9, de otra
manera la probabilidad es de slo 0.2. El presidente de la compaa estima que hay una probabilidad de 0.6
de que el reservorio sea aprobado.
a) Hallar la probabilidad de que la compaa construya la granja.

b) Si la granja fue construida, hallar la probabilidad de que el reservorio haya sido aprobado.
Rpta. a) 0.6200 b) 0.8709.
6. La compaa Kancio est considerando comercializar una computadora. La probabilidad de que la

compaa tenga xito es 0.8 si una firma competidora no introduce un producto similar en el mercado, en
tanto que la probabilidad de xito es slo 0.4 si la firma competidora introduce un producto similar. Kancio
estima en 0.3 la probabilidad de 0.3 de que la firma competidora comercialice el producto. Si Kancio no
tuvo xito, cul es la probabilidad de que la competencia haya lanzado su producto?.
7. Una compaa panificadora desea saber si es rentable o no la puesta en marcha de una panadera en cierta
zona de la ciudad. Los encargados del estudio creen que los posibles niveles de demanda son: demanda
baja", cuando 5% de los habitantes de la zona comprarn en la panadera, "demanda moderada", cuando
15% de los habitantes de la zona comprarn en la panadera y "demanda alta", cuando 35% de los
habitantes de la zona comprarn en la panadera. Sobre la base de experiencias pasadas en otras zonas
semejantes, la compaa asigna a priori las siguientes probabilidades a los niveles de demanda: P["demanda
baja"] = 0.20, P["demanda moderada"] = 0.50 y P["demanda alta"] = 0.30. La compaa decide, antes de
poner en marcha el servicio, tomar una encuesta a fin de determinar la demanda en la panadera. Se
seleccionan al azar 10 habitantes de la zona y se comprueba que 2 comprarn en la panadera. A la luz de
esta informacin, revise las probabilidades establecidas a priori.
Rpta. Indicaremos el resultado de la probabilidad de tener una demanda baja, dado que de 10
encuestados, 2 indican que comprarn en la panadera proyectada. Las otras probabilidades se
calculan de igual manera.
10!
( 0.05) 2 ( 0.95) 8 0.20
8!2 !
P ( Baja| de 10, 2 compraron ) =
10! 10! 10!
( 0.05) 2 ( 0.95) 8 0.20 + ( 015) 2 ( 0.85) 8 0.50 + ( 0.35) 2 ( 0.65) 8 0.30
8!2 ! 8!2! 8!2 !
8. La SUMATT afirma que, segn experiencias pasadas, la probabilidad de que el 20% de los contribuyentes
no hayan realizado sus pagos de impuestos es 0.30 y que la probabilidad de que el 60% de los
contribuyentes no hayan realizado sus pagos de impuestos es 0.70. A fin de precisar sus apreciaciones la
SUMATT escoge al azar dos contribuyentes y encuentra que los dos no hicieron sus pagos de impuestos.
Qu modificacin a su afirmacin debe hacer la SUMATT?.
9. Una empresa recibe billetes de tres bancos: A, B y C. De A recibe el 60% de todos los billetes, de B, el 30%
y el resto de C. Se ha determinado que la proporcin de billetes falsos que provienen de A es 0.1%, de B,
0.2% y de C, 0.1%. En cierta ocasin al elegir un billete al azar ste result falso; de qu banco se puede
sospechar que proviene el billete falso?.
10. Una prueba para la hepatitis (H) tiene la siguiente exactitud P[ +| E ] = 0.90 y P[ +| E ] = 0.01
a) Si en la poblacin, la probabilidad de que una persona tenga la enfermedad E es 1/1000

cul es la probabilidad de que una persona tenga la enfermedad si su resultado de anlisis es
positivo?.
b) Un paciente desea que le realicen un anlisis de su sangre porque tiene ciertos sntomas
sospechosos y por los cuales el mdico cree que tiene hepatitis con probabilidad 0.5. Si el
resultado de la prueba del paciente es positivo, cul es la probabilidad de que tenga
hepatitis?.
Rpta. a) 0.0826
11. Respecto del partido de ftbol que protagonizarn el da de maana los equipos A y B, el
Veco piensa lo siguiente: De todas maneras se abrir el marcador y cualquiera de los dos
equipos tiene igual probabilidad de hacerlo. Si A anota el primer gol la probabilidad de que el
prximo tambin sea de A es 2/3 contra 1/3 que sea de B; en cambio si es B el que anota el
primer gol habr un segundo gol que puede ser con igual probabilidad para cualquier bando.
Si el marcador llega a ponerse 2-0 a favor de cualquier equipo la desmoralizacin de uno y la
apata del otro impedirn que haya ms goles; en cambio si llega a ponerse 1-1, puede ocurrir
tres cosas con iguales probabilidades: que A anote y gane 2-1, que B anote y gane 2-1 o que
no haya ms goles. Use un diagrama de rbol para contestar lo siguiente: Cul es, de acuerdo
a lo anterior, la probabilidad de que
a) B gane?.
b) B gane dado que abri el marcador?
c) A haya abierto el marcador dado que B gan?.
Rpta. a) 7/18.
12. Una eleccin tiene lugar para elegir a uno de los candidatos A y B por mayora y a dos
vueltas. En la primera vuelta, 15% de los electores inscritos votaron en blanco, 40% de los
electores votaron por A y 45% votaron por B. Se estima que todos los electores que votaron en
la primera vuelta lo harn en la segunda vuelta, pero una encuesta indica que en razn de las
declaraciones contradictorias de los candidatos, 20% de los que votaron por A en la primera
vuelta votarn por B en la segunda vuelta y 30% de los que votaron por B votarn por A. La
misma encuesta indica que 2/3 de los que votaron en blanco en la primera vuelta votarn en la
segunda, a razn de 40% por A y 60% por B. Si la encuesta es fiable,
a) quin saldr elegido en la segunda vuelta?.
b) Si se elige un elector al azar, cuales son, en trminos de probabilidades, las diferentes
elecciones posibles de este elector?.
Rpta. a) A tendr el 49.5% de los votos y B el 45.5%.

Probabilidad

Cargado por

Información del documento

Descripción original:

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

Probabilidad

Cargado por

Copyright:

Formatos disponibles

CAPITULO II

En general, un modelo describe las propiedades fundamentales de un fenmeno sin

A menudo se usan diferentes modelos para describir realidades: para representar un

Los modelos abstractos pueden clasificarse en modelos determinsticos y modelos

En un modelo determinstico, los fenmenos se describen mediante funciones matem-

Los modelos aleatorios o estocsticos describen los resultados de los llamados

2.1. EXPERIMENTO ALEATORIO. ESPACIO MUESTRAL.

Los principios generales de la Teora de la Probabilidad que se estudian pueden

Los siguientes experimentos pueden considerarse aleatorios:

b) El nacimiento de un nio, para luego anotar si es varn o mujer.

c) La eleccin de un ciudadano, para luego anotar su grado de instruccin.

d) La produccin de un artculo por una determinada mquina, para luego anotar si es

Espacio muestral de un experimento aleatorio.

El espacio muestral se denota con .

= {c, s}, donde c = cara, s = sello.

c, ocurre cara en el primer lanzamiento,

sc, ocurre cara en el segundo lanzamiento,

ssc, ocurre cara en el tercer lanzamiento,

= {(v, v), (v, m), (m, v), (m, m)},

Para cada resultado, la primera coordenada indica si la primera persona es varn o

En particular, el espacio muestral, , y el conjunto vaco, , son eventos, pues son

Los eventos que se pueden obtener son: {c}, {s}, y .

Si al realizar un experimento aleatorio el resultado pertenece a un evento A se dice que el

El espacio muestral se llama tambin suceso siempre cierto, siempre se realiza,

Operaciones con eventos.

Entre los eventos de , se pueden definir operaciones tales como, la interseccin de

Dados los eventos A y B, la interseccin de A y B, denotada con A B, es el evento

El evento A B se realiza si A y B se realizan a la vez.

Si A B = , se dice que A y B son mutuamente excluyentes o disjuntos.

La reunin o unin de A y B, que se denota con A B, es el evento que est formado

El evento A B se realiza si al menos uno de los eventos A o B se realiza.

(a) A B (b) A B (c) A

El evento A se realiza cuando el evento A no se realiza.

(1, 1, 1), (1, 1, 2), (1, 1, 3), etc.

2.2. PROBABILIDAD DE UN EVENTO.

Otra manera de medir la posibilidad de que suceda o no un evento, consiste en observar

experimentos repetidos. Se puede indicar que la probabilidad de que un alumno asista a

En la siguiente seccin se establece matemticamente el concepto de probabilidad de un

El espacio muestral es el evento seguro, el que siempre se realiza, de ah que si se desea

Dado el espacio muestral , la probabilidad de un evento A, que se

1. La probabilidad de cualquier evento es un nmero no negativo. Esto

0 P(A), para todo evento A,

2. La probabilidad del espacio muestral es 1. Esto es, P() = 1

3. Si A y B son dos eventos mutuamente excluyentes; esto es, si A B

Simblicamente: P(A B) = P(A) + P(B), si A B = .

A partir de la definicin se deducen otras propiedades, como las siguientes:

4. La probabilidad del evento vaco es igual a 0. Es decir, P() = 0.

5. Si A B, entonces P(A) P(B).

6. La probabilidad es un nmero entre 0 y 1. Esto es, 0 P(A) 1.

7. La probabilidad del complemento de un evento A es igual a 1 - P(A).

8. P(A B) = P(A) + P(B) P ( A B )., para todo par de eventos A y B.

El lector puede generalizar la propiedad 8 para n eventos.

Probaremos las propiedades 4) y 8).

Demostracin . Se tiene que A = A , luego P ( A ) = P ( A ).

Como A = , P ( A ) = P ( A ) = P ( A ) + P (), segn 3), y as,

Aplicando la propiedad 3):

Restando miembro a miembro se llega al resultado.

Aplicando dos veces la propiedad 8) en P[(A B) C)] se tiene

P(A B C) = P(A) + P(B) + P(C) - P(A B) + P(A C) - P(B C) + P(A B C).

A, al evento el hogar tiene telfono,

B , al evento el hogar tiene televisor, se tendr que

A B , corresponde al evento el hogar tiene ambos aparatos y