Docente

Derlis Villadiego Rincón

PROBABILIDAD Y
COMBINATORIA
 TÉCNICAS DE CONTEO

Las técnicas de conteo, se refieren a un conjunto de métodos utilizados para calcular

sin necesidad de contar en forma directa, el número de posibles arreglos u
ordenaciones de un conjunto determinado de elementos.

Las técnicas de conteo, se fundamentan en dos principios importantes como son el

“principio de la multiplicación y el “principio de la adición”, que se analizarán a
continuación.

PRINCIPIO DE LA MULTIPLICACIÓN EN EL CONTEO

Si una cosa puede hacerse de 𝑛1 formas diferentes, una segunda cosa puede hacerse
de 𝑛2 formas diferentes, una tercera cosa puede hacerse de 𝑛3 formas diferentes,
etc., una r-ésima cosa puede hacerse de 𝑛𝑟 formas diferentes, todo como conjunto
puede hacerse de:
𝑛1 × 𝑛2 × 𝑛3 × ⋯ × 𝑛𝑟 formas diferentes
Ejemplo:
Supongamos que un cierto componente eléctrico consta de tres piezas diferentes, de tal
manera que cada pieza puede ser ensamblada de diferentes formas alternativas así: La
pieza A puede ser ensamblada de tres formas diferentes, la pieza B puede ser
ensamblada de dos formas diferentes y la pieza C puede ser ensamblada de dos formas
diferentes. Se quiere conocer el número total de formas como puede ser ensamblado el
componente.
Solución:
Número de formas diferentes : 3 x 2 x 2 = 12

PRINCIPIO DE LA ADICIÓN EN EL CONTEO

Supongamos que una cosa puede hacerse en 𝑛1 formas diferentes, una segunda cosa
pueda hacerse en 𝑛2 formas diferentes, una tercera cosa pueda hacerse en 𝑛3 formas
diferentes y así sucesivamente hasta r cosas que puede hacerse en 𝑛𝑟 formas diferentes.
Si solo una de estas cosas puede hacerse a la vez, entonces el número de formas como
puede realizarse la primera o la segunda o la tercera o la r cosa será igual a.

𝑛1 + 𝑛2 + 𝑛3 + ⋯ + 𝑛𝑟 Número de formas .
Ejemplo:
Un Jefe de producción debe ejecutar una tarea de tal suerte que dependiendo del costo
y del método empleado si la tarea la realiza en el primer turno puede ejecutarla en 3
formas diferentes, si la realiza en el segundo turno puede ejecutarla en 2 formas
diferentes y si la realiza en el tercer turno la puede ejecutar en 3 formas diferentes. Se
pregunta por el número de formas en que el Jefe de producción puede ejecutar la
tarea.
Solución:
Número de formas : 3 + 2 + 3 = 8.

NOTACIÓN FACTORIAL

• n! = n(n-1)(n-2)(n-3)× ⋯ ×2×1
6! = 6×5×4×3×2×1 = 720.

• 0! = 1
1! = 1
 𝑛!
• = 𝑛 × 𝑛 − 1 × 𝑛 − 2 × (𝑛 − 3) × ⋯ × (𝑟 + 1)
𝑟!

Ejemplo:

12! 12 × 11 × 10 × 9 × 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1
= = 12 × 11 × 10 × 9
8! 8!

𝑛!
• 𝑛 × 𝑛 − 1 × 𝑛 − 2 × 𝑛 − 3 × ⋯× 𝑧 =
(𝑧−1)!
Ejemplo:
10!
10 × 9 × 8 × 7 × 6 =
5!

PERMUTACIONES
Una permutación es un arreglo u ordenación de los “n” elementos que
conforman un conjunto tomados todos a la vez o tomados parte a la vez; de tal
manera que el orden interesa.
 PERMUTACIONES DE “n” OBJETOS TOMADOS “r” A LA VEZ

𝑛!
𝑃𝑛,𝑟 = , n>r
(𝑛−𝑟)!
Ejemplos:
• Supongamos que tenemos los elementos disponibles: A, B, C, D y E y se quieren
hacer arreglos que contengan solo tres de esos elementos.
Solución:
5! 5×4×3×2×1
𝑃5,3 = = =60
(5−3)! 2×1

• En una empresa hay cuatro aspirantes (Pedro, Juán, Diego, Roberto) a un concurso
el cual serán seleccionados tres de ellos para ocupar 3 cargos diferentes con
asignaciones de sueldo diferentes de acuerdo al puesto ocupado.
Solución:
4! 4×3×2×1
𝑃4,3 = = =24
(4−3)! 1
 PERMUTACIONES DE n OBJETOS TOMADOS TODOS A LA VEZ

Se trata de conocer el número de arreglos u ordenaciones de un total de “n” elementos

disponibles, tomados todos a la vez.
𝑃𝑛,𝑛 = n!
Ejemplo:
Cuatro aspirantes a un concurso en una empresa (Pedro, Juán, Diego, Roberto) fueron
seleccionados para ocupar cuatro cargos diferentes con asignaciones de sueldos
diferentes, de acuerdo al puesto ocupado.
Solución:
𝑃4,4 = 4!=4 × 3 × 2 × 1 = 24

COMBINACIONES

Una combinación es un arreglo u ordenación de “n” objetos disponibles tomados todos

a la vez o parte a la vez, sin que el orden interese.
 COMBINACIONES DE n OBJETOS TOMADOS PARTE A LA VEZ

𝑛!
𝐶𝑛,𝑟 =
𝑟! 𝑛 − 𝑟 !
Ejemplo:
Un Jefe de producción debe elegir tres de seis obreros disponibles para realizar un
trabajo, de tal manera que cada uno de los obreros debe realizar un trabajo idéntico.
¿Cuántas formas de seleccionar son posibles?
6! 6×5×4×3×2×1 6×5×4
𝐶6,3 = = = =20
3! 6−3 ! 3×2×1×(3×2×1) 3×2×1

COMBINACIONES DE n OBJETOS TOMADOS TODOS A LA VEZ

𝐶𝑛,𝑛 = 1
Ejemplo:
Una comisión esta compuesta por 6 miembros de la junta directiva del sindicato
entre los 6 disponibles. ¿De cuantas formas posibles puede conformarse la
comisión?
𝐶6,6 = 1
 PERMUTACIONES CON REPETICIÓN
Algunas veces se requiere calcular el número de arreglos u ordenaciones de “n”
objetos disponibles tomados todos a la vez, pero de tal manera, que algunos de esos
objetos son exactamente iguales, es decir, se encuentran repetidos.
𝑛!
𝑃𝑛,𝑛1 ,𝑛2,…,𝑛𝑟 =
𝑛1 ! × 𝑛2 ! × 𝑛3 ! … × 𝑛𝑟 !
Donde, 𝑛1 , 𝑛2 , 𝑛3 , … , 𝑛𝑟 son las veces que se repite cada uno de los elementos dentro
del conjunto y “n” es el total de elementos disponibles que se desea ordenar.

Ejemplos:
• Calcular el número de palabras diferentes que podemos obtener con las letras de la
palabra MUEMM.
5! 5×4×3×2×1
P= = = 20
1! × 1! × 3! 3×2×1

• De cuantas maneras diferentes pueden colocarse en una fila 12 sillas, de las cuales
3 son metálicas idénticas, 7 son acrílicas idénticas y 2 son de madera también
idénticas, si el orden de las sillas es importante.
 12! 12×11×10×9×8×(7×6×5×4×3×2×1)
P= = = 7920 𝑓𝑜𝑟𝑚𝑎𝑠
3!×7!×2! (3×2×1)×(7×6×5×4×3×2×1)×(2×1)

PRUEBAS ORDENADAS
PRUEBAS ORDENADAS CON SUSTITUCIÓN
En este caso, cada elemento seleccionado es regresado al conjunto y así el número de
elementos disponibles permanece constante después de cada selección. El número de
selecciones se simboliza por “r” y éste puede ser un número infinitamente grande. Si
hay n elementos disponibles, existen “n” formas diferentes de hacer la primera
selección, “n” formas posibles de hacer la segunda selección, “n” formas posibles de
hacer la tercera selección y así sucesivamente hasta la r-ésima selección.

Aplicando el principio de la multiplicación en el análisis combinatorio, tenemos que el

número de pruebas ordenadas con sustitución será:
Ejemplos:

• Se quiere conocer el número de formas como pueden ser rifados 4 regalos entre
diez personas, si cada persona puede participar en las 4 rifas.

Solución:

En cada rifa habrá 10 personas elegibles. Por lo tanto tenemos:

número de formas = 104 = 10.000

• De cuantas formas diferentes puede caer el número de una lotería de 4 cifras.

Solución:
el orden interesa y que cada una de las cuatro posiciones, puede ser ocupada por
cualquiera de los 10 dígitos disponibles: 0, 1, 2,…, 9. Por lo tanto, se trata de un
problema de pruebas ordenadas con repetición.
número de formas = 104 = 10.000
 PRUEBAS ORDENADAS SIN SUSTITUCIÓN

En este caso, el elemento seleccionado no es regresado al conjunto, por lo cual, habrá un

elemento disponible menos después de cada selección así: Habrá n formas de hacer la
primera selección, (n-1) formas de hacer la segunda selección, (n-2) formas de hacer la
tercera selección, (n-3) formas de hacer la cuarta selección, (n-4) formas de hacer la quinta
selección y así sucesivamente hasta la r-ésima selección, que podrá suceder en (n-r+1)
formas diferentes.

Aplicando el principio de la multiplicación en el conteo tendremos la siguiente fórmula:

Pruebas ordenadas sin sustitución = n×(n-1) ×(n-2) × (n-3) × … ×(n-r+1)

Ejemplo:
calcular el número de formas como puede hacerse la rifa de los 4 regalos entre las 10
personas, si la persona que quede favorecida en cada rifa debe ser excluida para las rifas
siguientes.

Solución:
número de formas diferentes = 10 × 9 × 8 ×7 = 5.040
PARTICIONES ORDENADAS
Algunos problemas del análisis combinatorio, se relacionan con el hecho de hacer
varias selecciones de un conjunto, una tras otra sin reemplazo así: Una primera
selección que contenga 𝑛1 elementos, una segunda selección que contenga 𝑛2
elementos, una tercera selección que contenga 𝑛3 elementos y así sucesivamente una r-
ésima selección que contenga los 𝑛𝑟 elementos restantes.

El número de formas como pueden hacerse las selecciones, parte del supuesto de que el
orden como queden los elementos seleccionados dentro de cada subconjunto, no
interesa.

Ejemplo:
Seleccionar de un grupo de 12 estudiantes, un subgrupo de 3 en una primera selección,
un subgrupo de 5 en una segunda selección y por último un subgrupo de 4 estudiantes,
de los 4 restantes.
12! 9! 4!
𝐶12,3 × 𝐶9,5 × 𝐶4,4 = × ×
3! 12 − 3 ! 5! 9 − 5 ! 4! 4 − 4 !

12 × 11 × 10 × 9! 9 × 8 × 7 × 6 × 5!
= × = 27 720 𝐹𝑜𝑟𝑚𝑎𝑠
3! × 9! 5! × (4 × 3 × 2 × 1)
 CONCEPTOS DE PROBABILIDAD
Como medida de la oportunidad o probabilidad con la que podemos esperar que un suceso
ocurra es conveniente asignar un número entre 0 y 1. Si estamos seguros de que el suceso
ocurrirá decimos que su probabilidad es 100% ó 1, pero si estamos seguros que el suceso
no ocurrirá decimos que su probabilidad es cero.

Ejemplo: si la probabilidad es de 1/4, diríamos que hay un 25% de oportunidad de que

ocurra y un 75% de oportunidad de que no ocurra.

Enfoque clásico o a priori : Si un suceso puede ocurrir en h maneras diferentes de un

número total de n maneras posibles, todos igualmente factibles, entonces la probabilidad
del suceso es h/n.

Ejemplo:
Un lote contiene 15 artículos, de los cuales, 7 son tipo X, 3 son tipo Y y 5 son tipo Z. Si se
selecciona aleatoriamente un artículo del lote. Calcular la probabilidad de que dicho
artículo sea tipo X.
7
= 0,47
15
Enfoque- como frecuencia relativa o a posteriori: Si después de n repeticiones
de un experimento, donde n es muy grande, un suceso ocurre h veces, entonces la
probabilidad del suceso es h/n. Esto también se llama la probabilidad empírica del
suceso.

Ejemplo: Si lanzamos una moneda 1000 veces y hallamos que 532 veces resultan
caras estimamos que la probabilidad de una cara es 532/1000 = 0,532.

DEFINICIONES BÁSICAS

1. Se dice que dos resultados son IGUALMENTE PROBABLES, o

equiprobables cuando estos dos resultados tienen la misma probabilidad de ocurrir.

Ejemplos:
• En el lanzamiento del dado una vez al aire los resultados 1, 2, 3, 4, 5, 6, tienen
la misma probabilidad de ocurrir si el dado no está cargado, es decir, si el dado
es corriente.

P(A) = 1/6
• Seleccionar aleatoriamente una persona entre diez, de los cuales 7 son Ingenieros
industriales y 3 son economistas. ¿Cual es la probabilidad, de que la persona
seleccionada sea un Ingeniero industrial?
Solución:
P(A) = 7/10 =0,7

Cada uno de las 10 personas, tienen la misma probabilidad de ser seleccionada, por lo cual
puedo afirmar, que se trata de 10 eventos o sucesos equiprobables, puesto que cada
persona tiene igual probabilidad de ser seleccionada.

No obstante, si esos 10 resultados igualmente probables, los agrupo en dos eventos a

saber: “Grupo de los ingenieros industriales” y “grupo de los economistas”, éstos dos
últimos eventos o resultados (ingeniero y economista) ya no son equiprobables, puesto que
la probabilidad de que un ingeniero industrial sea seleccionado es de 7/10, mientras que la
probabilidad de que un economista sea seleccionado es de 3/10. Es decir, que las personas
como tal, son eventos equiprobables, pero los grupos como tal, tienen probabilidades
diferentes y por lo tanto, no son equiprobables.
2) Dos sucesos se consideran OPUESTOS, si no pueden ocurrir simultáneamente y
además sus probabilidades se complementan.
Si A´ es el complemento de A, entonces

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

Ejemplo:
En una junta directiva compuesta por 7 miembros, existen 4 miembros de acuerdo con
un proyecto y 3 que no están de acuerdo con el mismo. Se selecciona aleatoriamente un
miembro para gestionar una autorización relacionada con dicho proyecto, ante una
entidad gubernamental. ¿Cual es la probabilidad de que la persona seleccionada esté de
acuerdo con el proyecto?

Solución:
A: Evento de que esté de acuerdo.
B: Evento de que no esté de acuerdo.

P(A) = 4/7 y P(B) = 3/7

3) Un suceso se considera CIERTO o SEGURO, si en un experimento dado,
dicho evento tiene la absoluta probabilidad de ocurrir.

Ejemplo:

Si selecciona aleatoriamente un estudiante de la Universidad Nacional, sede

Manizales, el evento de que dicho estudiante haya cursado previamente la
secundaria completa es un evento cierto o seguro, puesto que éste es un requisito
para ingresar a ésta institución. En teoría de conjuntos, el evento cierto o seguro
es igual al “espacio muestral”, que es aquel que está conformado por todos los
resultados posibles de un experimento y que se simboliza por “S”.

P(S)=1
4) Un suceso IMPOSIBLE, es aquel que no puede ocurrir, sencillamente porque
no hace parte del espacio muestral. P(Φ)=0
Ejemplo:
Si selecciona aleatoriamente un estudiante de la Universidad Nacional, sede
Manizales el evento “A” de que el estudiante seleccionado no haya cursado la
secundaria completa, es un evento imposible, puesto que según las normas de la
institución la solicitud del ingreso de un estudiante de éstas características, es
rechazado.
P(A)= 0
5) Sucesos COMPATIBLES, son aquellos que pueden suceder simultáneamente
en un experimento.
Ejemplo: En el experimento de lanzar dos dados al aire:
A: Suceso cuya suma es 7. Es compatible con el suceso
B: Uno de los dados es 5.
A={(6,1), (1.6), (3,4), (4,3), (2,5), y (5,2) }
B= {(5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (1,5), (2,5), (3,5), (4,5), (6,5)}. al lanzar
los dos dados, puede ocurrir uno de los siguientes resultados (2,5) o (5,2) y en
estas condiciones se cumplen simultáneamente los dos eventos A y B, a saber:
“suma 7” y “uno de los dados es 5”
6) Sucesos INCOMPATIBLES o MUTUAMENTE EXCLUYENTES, son los que
no pueden suceder simultáneamente.

Ejemplo:
• Al lanzar el dado corriente una vez al aire.
A: El suceso “número par” P(A)=3/6
B: El suceso “número impar” P(B)=3/6
Son mutuamente excluyente o incompatible pues la ocurrencia del uno excluye
automáticamente la ocurrencia del otro.
Estos dos sucesos son además sucesos opuestos.

• Si se lanza un dado corriente una vez al aire, el evento “3” y el evento “5”, son
mutuamente excluyentes, porque no pueden ocurrir simultáneamente.
No obstante, estos dos eventos no son opuestos, pues la probabilidad de 3 es 1/6 y la
probabilidad de 5 es 1/6, es
Los eventos no son complementarios PUESTO QUE AMBOS EVENTOS SON
NÚMEROS IMPARES.
7) Dos sucesos son INDEPENDIENTES, cuando la probabilidad de la
ocurrencia del uno, no afecta la probabilidad de la ocurrencia del otro. Es decir,

P(A⋂B) = P(A) ×P(B)

Ejemplo:
Un dado honesto se Ianza dos veces. Hallar la probabilidad de obtener 4, 5 ó 6 en
el primer lanzamiento y 1, 2,3 ó 4 en el segundo lanzamiento.

Sean

A: El suceso 4, 5 ó 6 en el primer lanzamiento.

B: El suceso 1, 2,3 ó 4 en el segundo lanzamiento.

3 4 12 1
P(A⋂B) = P(A) ×P(B)= × = 36 = 3
6 6
8. Dos sucesos son DEPENDIENTES, cuando la probabilidad de la ocurrencia del
uno, depende de si el otro ocurrió o no ocurrió.
Sean A y B dos sucesos tales que P(A)> 0. Denotamos por P(B/A) la probabilidad de
B dado que A ha ocurrido. Puesto que se sabe que A ha ocurrido.

𝑃(𝐴⋂𝐵)
P(B/A) = 𝑃(𝐴)

𝑃(𝐴⋂𝐵) = P(A) P(B /A)

Ejemplo: Se extraen dos fichas de una urna el cual contiene 7 fichas que representan a
4 mujeres y 3 hombres, quienes aspiran a pertenecer a dos comités X e Y
respectivamente de tal manera que las ficha seleccionada no es regresada a la urna.
Hallar la probabilidad de que ambas fichas seleccionada sean mujeres

𝑀1 : Evento que en la primera selección sea mujer.

𝑀2 : Evento que en la segunda selección sea mujer.

4 3 2
𝑃(𝑀1 ⋂𝑀2 ) = P(𝑀1 ) P(𝑀2 /𝑀1 )= 7 6
=7
Teorema :Si A =𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ ⋯ ∪ 𝐴𝑛 y 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 son eventos mutuamente
excluyentes, entonces:
𝑃 𝐴 = 𝑃(𝐴1 ) + 𝑃 𝐴2 + 𝑃(𝐴3 ) + ⋯ + 𝑃 𝐴𝑛

En particular si A es el espacio muestral:

𝑃(𝐴1 ) + 𝑃 𝐴2 + 𝑃(𝐴3 ) + ⋯ + 𝑃 𝐴𝑛 = 1

Teorema: Si A y B son dos sucesos cualesquiera entonces

𝑃(𝐴 ∪ 𝐵) = P(A) + P(B) - P(A⋂B)

Proposiciones en la teoría de Significado en la teoría de conjunto
probabilidades
Por lo menos uno de los sucesos A o B 𝑋 ∈𝐴∪𝐵
ocurre
Ambos sucesos A y B ocurren 𝑋 ∈ 𝐴⋂𝐵
Ni A ni B ocurren 𝑋 ∈ 𝐴′⋂𝐵′
A ocurre y B no 𝑋 ∈ 𝐴⋂𝐵′
Exactamente ocurre uno de los sucesos A o 𝑋 ∈ (𝐴⋂𝐵′ ) ∪ (𝐴′ ⋂𝐵)
B
′
No más de uno de los sucesos A o B ocurre 𝑋 ∈ 𝐴⋂𝐵 = 𝑋 ∈ (𝐴′ ∪ 𝐵′ )
Si A ocurre, también B 𝐴⊆𝐵
A y B se excluyen mutuamente 𝐴⋂𝐵 = 𝛷
Suceso A o suceso B 𝐴∪𝐵
Suceso A y suceso B 𝐴⋂𝐵
Ejemplo: Una bolsa contiene 4 bolas blancas y 3 negras, y una segunda bolsa contiene
3 blancas y 5 negras. Se saca una bola de la primera bolsa y se coloca sin verla en la
segunda bolsa. ¿Cuál es la probabilidad de que ahora se saque una bola negra de la
segunda bolsa?
Solución: Sean B1, B2 y W1, respectivamente, la extracción de una bola negra de la bolsa
1, una bola negra de la bolsa 2 y una bola blanca de la bolsa 1.
 𝑃 𝐵1 ∩ 𝐵2 o 𝑊1 ∩ 𝐵2 = 𝑃 𝐵1 ∩ 𝐵2 + 𝑃 𝑊1 ∩ 𝐵2

𝑃 𝐵1 ∩ 𝐵2 o 𝑊1 ∩ 𝐵2 = 𝑃 𝐵1 𝑃 𝐵2 |𝐵1 + 𝑃 𝑊1 𝑃 𝐵2 |𝑊1

3 6 4 5 38
𝑃 𝐵1 ∩ 𝐵2 o 𝑊1 ∩ 𝐵2 = + =
7 9 7 9 63
 Probabilidad total y Regla de Bayes
Probabilidad total

𝑷 𝑨 = 𝑷 𝑩𝟏 ∩ 𝑨 + 𝑷 𝑩𝟐 ∩ 𝑨 + 𝑷 𝑩𝟑 ∩ 𝑨 + ⋯ + 𝑷 𝑩𝒌 ∩ 𝑨
P(A) = P(B1) P(A|B1) + P(B2) P(A|B2) + P(B3) P(A|B3) + · · · + P(Bk)P(A|Bk).
Un editor envía propaganda de un libro de estadística al 70% de aquellos profesores
que están 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 también utilizarán el libro. ¿ Cual es la probabilidad de utilizar el libro?
En cierta región del país se sabe por experiencia que la probabilidad de seleccionar
un adulto mayor de 40 años de edad con cáncer es 0.05. Si la probabilidad de que
un doctor diagnostique de forma correcta que una persona con cáncer tiene la
enfermedad es 0.78, y la probabilidad de que diagnostique de forma incorrecta que
una persona sin cáncer tiene la enfermedad es 0.06, ¿cual es la probabilidad de que
a un adulto mayor de 40 años se le diagnostique cáncer?
Solución:
Consideremos los eventos:
C: un adulto seleccionado tiene cáncer,
D: el adulto se diagnostica un cáncer. C D
P(C) = 0.05 y P(D | C) = 0.78
P(C′) = 0.95 y P(D | C′) = 0.06 𝐶∩𝐷 𝐶′ ∩ 𝐷
P(D) = P(C ∩ D) + P(C′ ∩ D)
P(D) = P(C) P(D | C) + P(C’) P(D | C’) C′
P(D) = (0.05)(0.78) + (0.95)(0.06)
P(D) = 0.096
La policía planea hacer respetar los limites de velocidad usando un sistema de radar
en 4 diferentes puntos a las orillas de la ciudad. Las trampas de radar en cada uno de
los sitios L1, L2, L3 y L4 operaran 40%, 30 %, 20% y 30% del tiempo. Si una persona
que excede el limite de velocidad cuando va a su trabajo tiene probabilidades de 0.2,
0.1, 0.5 y 0.2, respectivamente, de pasar por esos lugares, ¿cual es la probabilidad de
que reciba una multa por conducir con exceso de velocidad?

Solución: Supongamos que L1, L2, L3 y L4 representan los eventos que una
persona excede el limite de velocidad cuando va a su trabajo mientras pasa a
través de los lugares respectivos y M representa el caso de que las trampas de
radar están en funcionamiento. Entonces la probabilidad 𝑃 𝑀 de que recibe una
multa por velocidad:
 𝑃 𝐿1 = 0,2 𝑦 𝑃 𝑀|𝐿1 = 0,40
𝑃 𝐿2 = 0,1 𝑦 𝑃 𝑀|𝐿2 = 0,30
𝑃 𝐿3 = 0,5 𝑦 𝑃 𝑀|𝐿3 = 0,20
𝑃 𝐿4 = 0,2 𝑦 𝑃 𝑀|𝐿4 = 0,30

𝑃 𝑀 = 𝑃 𝐿1 ∩ 𝑀 +𝑃 𝐿2 ∩ 𝑀 +𝑃 𝐿3 ∩ 𝑀 + 𝑃 𝐿4 ∩ 𝑀

𝑃 𝑀 = 𝑃 𝐿1 𝑃 𝑀|𝐿1 +𝑃 𝐿2 𝑃 𝑀|𝐿2 + 𝑃 𝐿3 𝑃 𝑀|𝐿3 +𝑃 𝐿4 𝑃 𝑀|𝐿4

𝑃 𝑀 = 0,2 × 0,40 + 0,1 × 0,30 + 0,5 × 0,20 + 0,2 × 0,30

𝑃 𝑀 = 0,27
Regla de Bayes

Si en el ejercicio anterior la persona es multada por conducir con exceso de

velocidad en su camino al trabajo, .cual es la probabilidad de que pase por el
sistema de radar que se ubica en L2?
𝑃 𝐿1 = 0,2 𝑦 𝑃 𝑀|𝐿1 = 0,40
𝑃 𝐿2 = 0,1 𝑦 𝑃 𝑀|𝐿2 = 0,30
𝑃 𝐿3 = 0,5 𝑦 𝑃 𝑀|𝐿3 = 0,20
𝑃 𝐿4 = 0,2 𝑦 𝑃 𝑀|𝐿4 = 0,30

𝑃 𝑀 = 𝑃 𝐿1 𝑃 𝑀|𝐿1 +𝑃 𝐿2 𝑃 𝑀|𝐿2 +𝑃 𝐿3 𝑃 𝑀|𝐿3 +𝑃 𝐿4 𝑃 𝑀|𝐿4

𝑃 𝑀 = 0,2 × 0,40 + 0,1 × 0,30 + 0,5 × 0,20 + 0,2 × 0,30 = 0,27

𝑃 𝐿2 ∩ 𝑀 𝑃 𝐿2 𝑃 𝑀|𝐿2 0,1 × 0,30 1

𝑃 𝐿2 |𝑀 = = = = = 0,11
𝑃 𝑀 𝑃 𝑀 0,27 9
 Bibliografía

• Estadística Hugo Gómez Giraldo pdf 2009

• Teoría y problemas de probabilidad de
estadística por Murray R. Spiegel Ph.D
McGraw-Hill