Capitulo 3

PROBABILIDADES
Introducción
En el espacio muestral determinado por Ω se pueden definir una serie de eventos
o sucesos. “A” que son el resultado en la experimentación en Ω
En forma general se tienen dos tipos de experimentos:
Experimentos Determinísticos.- los cuales se caracterizan por que el resultado
puede ser predicho sin la necesidad de realizar el experimento
 Todos los experimentos de laboratorio
Experimentos no Determinísticos.- el resultado no puede ser predicho hasta
realizar el ensayo
 Experimentos aleatorios
 Experimentos asociados al análisis combinatorio
 Experimentos asociados a la parte frecuencial
Como el espacio muestral Ω es el conjunto universo, los eventos o sucesos son
subconjuntos de Ω y se puede operar según el algebra de conjuntos.
Lo que interesa es determinar la cantidad posible de veces en las que el evento o
suceso “A” se puede dar dentro de Ω (cardinalidad).

i) 𝑛(𝐴𝐶 ) = 𝑛(Ω) − 𝑛(𝐴)

ii) 𝑛(𝐴 ∪ 𝐵) = 𝑛(𝐴) + 𝑛(𝐵) − 𝑛(𝐴 ∩ 𝐵)

iii) 𝑛(𝐴 − 𝐵) = 𝑛(𝐴) − 𝑛(𝐴 ∩ 𝐵)

vi) 𝑛(𝐴∆𝐵) = 𝑛(𝐴) + 𝑛(𝐵) − 2𝑛(𝐴 ∩ 𝐵)

v)𝑛(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑛(𝐴) + 𝑛(𝐵) + 𝑛(𝐶) − 𝑛(𝐴 ∩ 𝐵) − 𝑛(𝐴 ∩ 𝐶) − 𝑛(𝐵 ∩ 𝐶) + 𝑛(𝐴 ∩

𝐵 ∩ 𝐶)

Cuando el experimento este asociado a criterios de ordenamiento, entonces

hablamos del análisis combinatorio
Si interesa el arreglo:

𝑚!
sin repeticion 𝑚𝐴𝑛 = (𝑚−𝑛)!
 Variación o arreglo: {
con repeticion 𝑚𝐴𝑅𝑛 = 𝑚𝑛

𝑃𝑛 = 𝑛!
 Permutación: { 𝐶
𝑃𝑛 = (𝑛 − 1)!

 Con repetición
𝑛!
𝑛𝑃𝑅𝑛1 ,𝑛2 ,𝑛3 ,…..,𝑛𝑘 = 𝑛
1 !∗𝑛2 !∗……∗𝑛𝑘 !

∑ 𝑛1 + 𝑛2 + 𝑛3 + ⋯ + 𝑛𝑘 = 𝑛
 Si no interesa el orden:
𝑛 𝑛!
sin repeticion: 𝑛𝐶𝑚 = ( ) =
𝑚 (𝑛 − 𝑚)! ∗ 𝑚!
(𝑛 + 𝑚 − 1)!
con repeticion: 𝑛𝐶 ∗ 𝑅𝑚 =
{ (𝑛 − 1)! ∗ 𝑚!

Los eventos o sucesos pueden ser: incluyentes (evento A incluye al evento B),
excluyentes (evento A no incluye al evento B).
El análisis combinatorio se puede determinar en función del principio de adición o
del principio de multiplicación.
DEFINICION DE PROBABILIDAD
La probabilidad es el grado de incertidumbre que un evento o suceso sea un éxito
Definición de la place.- la probabilidad es la razón de la cantidad de veces en las
que se puede dar el evento o suceso “A”a las opciones totales en el espacio
muestral Ω
𝑛𝐴
𝑃(𝐴) =
𝑛Ω
Definición frecuencial.- la probabilidad de un evento A es el cociente de la
cantidad de veces que se repite A al numero total de observaciones realizadas
𝐹𝐴
𝑃(𝐴) = = ℎ𝐴
𝑛
Definición subjetiva.-
𝑃(𝐴) = 0 (Evento A ha sido un fracaso)

𝑃(𝐴) = 1 (Evento A ha sido un éxito)

Ejemplo.-
Con los dígitos 0, 1, 2, 3, 4, 5, 6,7 se desean formar números de cuatro cifras
a) determinar cuál es la cantidad de números que se pueden formar sin repetición.
b) cuántos de estos números son pares.
c) ¿Cuál es la probabilidad de que un número elegido al azar de los anteriores sea
impar?
d) ¿Cuál es la probabilidad de que el numero elegido al azar este entre 2000 y
4000
Solución
  8 dijitos → # 4 cifras

7 7 6 5
𝑛Ω == 𝟕(𝟕) ∗ 𝟔(𝟓) = 𝟏𝟒𝟕𝟎 𝑵𝑼𝑴𝑬𝑹𝑶𝑺
 pares

6 6 5 4

𝑛𝑨 = 𝟕𝟐𝟎 𝑵𝑼𝑴𝑬𝑹𝑶𝑺 𝑷𝑨𝑹𝑬𝑺

 impares
𝑛𝐵 = 1470 − 720
𝑛𝐵 = 750 𝑁𝑈𝑀𝐸𝑅𝑂𝑆 𝐼𝑀𝑃𝐴𝑅𝐸𝑆

Entonces….
𝑛𝐵 750
𝑃𝐵 = = = 0.51
𝑛Ω 1470

Probabilidad del 51% de números impares

 entre 2000 y 4000
2 7 6 5

𝑛𝐶 = 𝟕𝟔𝟎

𝑛𝐶 760
𝑃𝐵 = = = 0.517
𝑛Ω 1470

Probabilidad del 51,7% de números entre 2000 y 4000

Ejemplo:
Si 𝑃𝐴 = 0,4 ; 𝑃𝐵 = 0,5 ; 𝑃𝐴∩𝐵 = 0,3. Hallar 𝑃𝐴∪𝐵 , 𝑃𝐴∩𝐵𝐶 𝑃𝐴𝐶 ∩𝐵𝐶
Solución
A)
𝑛𝐴∪𝐵 = 𝑛𝐴 + 𝑛𝐵 − 𝑛𝐴∩𝐵 \\ ÷ 𝑛Ω
𝑛𝐴∪𝐵 𝑛 𝑛 𝑛𝐴∩𝐵
= 𝑛𝐴 + 𝑛𝐵 −
𝑛Ω Ω Ω 𝑛Ω

𝑃𝐴∪𝐵 = 𝑃𝐴 + 𝑃𝐵 − 𝑃𝐴∩𝐵
𝑃𝐴∪𝐵 = 0.4 + 0.5 − 0.3
𝑃𝐴∪𝐵 = 0.6
B)
𝑛𝐴∩𝐵𝐶 = 𝑛𝐴 − 𝑛𝐴∩𝐵 \\ ÷ 𝑛Ω
𝑛𝐴∩𝐵𝐶 𝑛 𝑛𝐴∩𝐵
= 𝑛𝐴 −
𝑛Ω Ω 𝑛Ω

𝑃𝐴∩𝐵𝐶 = 𝑃𝐴 − 𝑃𝐴∩𝐵

𝑃𝐴∩𝐵𝐶 = 0.4 − 0.3

𝑃𝐴∩𝐵𝐶 = 0.1
C)
𝑛𝐴𝐶∩𝐵𝐶 = 𝑛Ω − 𝑛𝐴∪𝐵 \\ ÷ 𝑛Ω
𝑛𝐴𝐶 ∩𝐵𝐶 𝑛 𝑛𝐴∪𝐵
= 𝑛Ω −
𝑛Ω Ω 𝑛Ω

𝑃𝐴𝐶 ∩𝐵𝐶 = 𝟏 − 𝑃𝐴∪𝐵

𝑃𝐴𝐶 ∩𝐵𝐶 = 1 − 0.6

𝑃𝐴𝐶 ∩𝐵𝐶 = 0.1
AXIOMAS DE PROBABILIDAD
 𝑃(𝛺) = 1
 𝑃(∅) = 1
 𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴)
 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
 𝑃(𝐴 ∩ 𝐵 𝐶 ) = 𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)
 𝑃(𝐴𝐶 ∩ 𝐵) = 𝑃(𝐵 − 𝐴) = 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
 𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) +
+𝑃(𝐴 ∩ 𝐵 ∩ 𝐶)
Ejemplo.-

En una urna hay 2 bolas azules una blanca y 3 rojas se extraen alazar 3 bolas sin
reposición. Calcule la probabilidad de que las dos bolas sean rojas, o una blanca y
otra azul.

Solución.-

2 azules
1 blanca
3 rojas
Total= 3 bolas

RR o BA → elementos excluyentes no hay bolas mitad rojas ni mitad azul →

𝑃(𝐴 ∩ 𝐶) = 0

6!
𝑛𝛺 = 𝐶62 = = 15
4! ∗ 2!

A: dos bolas son rojas

𝐶32 3
𝑃𝐴 = =
15 15

1
𝑃𝐴 =
5

B: una blanca y otra azul

𝐶11 ∗ 𝐶21 2
𝑃𝐵 = =
15 15

Entonces…

1 2
𝑃(𝐴 ∪ 𝐵) = +
5 15
 1
𝑃(𝐴 ∪ 𝐵) =
3

El gerente de una planta química se entera de la notificación de un pleito en la corte,

la compañía puede ser culpable de contaminación. Mas aun el sabe que si la
encuentran culpable debe instalar un sistema de purificación, pagar una multa o
ambos. Hasta ahora solo un 10% de las compañías en casos similares han tenido
que pagar la multa e instalar el sistema de purificación. Adicionalmente cuando la
decisión de la corte no obliga a las dos penas, una compañía ah tenido 3 veces
mas, la probabilidad de ser multada de que ser requerida para instalar el sistema de
purificación. Si el 28% de las compañías han sido culpables ¿Cuál es la probabilidad
de que esta compañía sea requerida para instalar el sistema de purificación?

Solución

A: instale el sistema de purificación

B: pagar la multa

𝑃(𝐴 ∩ 𝐵) = 0.1

𝑃(𝐵) = 3𝑃(𝐴)

𝑃(Ω) = 0.28

𝐴∪𝐵 =Ω

𝑃(𝐴) =?

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

𝑃(Ω) = 𝑃(𝐴) + 3𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)
𝑃(Ω) + 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴) =
4
0.28 + 0.10
𝑃(𝐴) =
4
𝑃(𝐴) = 0.095 ≅ 9.5%
Ejemplo.-

de 250 empleados se sabe que 130 fuman cigarrillos, hay 150 hombres de la
compañía de los cuales 85 fuman cigarrillos. Si un empleado es seleccionado al
azar ¿ cual es la probabilidad de que?

a) Que no fume cigarrillos

b) Sea mujer y fume cigarrillos
c) Sea hombre o fume cigarrillos

Solución.-

fuman no fuman total

hombres 85 65 150
mujeres 45 55 100
total 130 120 250\250

a)
120 12
𝑃(𝑛𝑜 𝑓𝑢𝑚𝑎) = =
250 25
b)
45 9
𝑃(𝑚𝑢𝑗𝑒𝑟 𝑦 𝑓𝑢𝑚𝑒) = =
250 50
c)

𝑃(𝐻𝑜𝑚𝑏𝑟𝑒 ∪ 𝐹𝑢𝑚𝑒) = 𝑃(𝐻) + 𝑃(𝐹) − 𝑃(𝐻 ∩ 𝐹)

150 130 85
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒 ∪ 𝐹𝑢𝑚𝑒) = + −
250 250 250

195 39
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒 ∪ 𝐹𝑢𝑚𝑒) = =
250 50
PROBABILIDAD CONDICIONAL

El objetivo de este tipo de probabilidades es encontrar la probabilidad de un evento

A dado que otro evento B del mismo espacio muestral ya ha sucedido.

AyB∈ Ω

Nomenclatura
𝑃 (𝐴 / 𝐵) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑑𝑎 𝑎 𝐵

𝑃(𝐴 ∩ 𝐵)
𝑃 (𝐴 / 𝐵) =
𝑃(𝐵)
Como:

𝑛(𝐴∩𝐵) 𝑛(𝐵)
𝑃 (𝐴 ∩ 𝐵) = ^ 𝑃 (𝐵) =
𝑛 𝑛

Tambien:

𝑛(𝐴 ∩ 𝐵)
𝑃 (𝐴 / 𝐵) = 𝑛
𝑛(𝐵)
𝑛

𝑛(𝐴 ∩ 𝐵)
𝑃 (𝐴 / 𝐵) =
𝑛(𝐵)
AXIOMAS
1. 𝑃(𝐴𝐶 /𝐵) = 1 − 𝑃(𝐴/𝐵)
2. 𝑃(𝐴 ∪ 𝐵/𝐶) = 𝑃(𝐴/𝐶) + 𝑃(𝐵/𝐶) − 𝑃(𝐴 ∩ 𝐵/𝐶)
3. 𝑃(𝐴/𝐵) ≠ 𝑃(𝐵/𝐴)

TEOREMA DE LA MULTIPLICACION
𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 / 𝐵) =
𝑃(𝐵)

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) ∗ 𝑃(𝐴 / 𝐵)

Cuando un espacio muestral está dividido en k superficies muestrales tales que no

existe intersección entre ellos.

𝐵𝒊 ∩ 𝐵𝒋 ≠ 𝟎

∀𝒊 ≠ 𝑗

Entonces es posible dibujar un árbol

de probabilidades
Un aparato electrónico consta de dos partes la probabilidad de que falle la primera
es 0.20, que falle las dos partes 0.15 y que falle solo la segunda parte 0.45
calcular la probabilidad que:
a) Falle solo la primera parte
b) Falle la primera cuando se sabe que fallo la segunda
Solución.-
Datos:
𝑃(𝐴 ∩ 𝐵) = 0.15

𝑃(𝐴) = 0.20

𝑃(𝑠𝑜𝑙𝑜 𝐵) = 0.45

𝑃(𝐴/𝐵) =? ?

𝑃(𝑠𝑜𝑙𝑜 𝐴) =?

a) 𝑃(𝑠𝑜𝑙𝑜 𝐴) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)

𝑃(𝑠𝑜𝑙𝑜 𝐴) = 0.20 − 0.15

𝑃(𝑠𝑜𝑙𝑜 𝐴) = 0.05

b)

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 / 𝐵) =
𝑃(𝐵)

𝑃(𝑠𝑜𝑙𝑜 𝐵) + 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵)

𝑃(𝐵) = 0.45 − 0.15

𝑃(𝐵) = 0,60

Entonces:

0.15
𝑃(𝐴 / 𝐵) = → 𝑃(𝐴 / 𝐵) = 1⁄4
0.60
Ejemplo

Considere 3 urnas, la urna 1 contiene 2 bolas blancas y 4 rojas, la 2 ocho blancas y

4 rojas y la 3 una blanca y 3 rojas. Se selecciona una bola de cada una.¿ cual es la
probabilidad que la bola seleccionada de la urna 1 sea blanca dado que la muestra
contiene exactamente 2 bolas blancas?

Solución.-

A: la bola extraída de la urna I sea blanca

B: 2 de las 3 bolas seleccionadas son blancas

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 / 𝐵) =
𝑃(𝐵)

𝐵 = {(𝑏𝑏𝑟, 𝑏𝑟𝑏, 𝑟𝑏𝑏)}

2 8 3 2 4 1 4 8 1
𝑃𝐵 = ∗ ∗ + ∗ ∗ + ∗ ∗
6 12 4 6 12 4 6 12 4

48 + 8 + 32 88
𝑃𝐵 = =
6 ∗ 12 ∗ 4 6 ∗ 12 ∗ 4

2 8 3 2 4 1 56
𝑃(𝐴 ∩ 𝐵) = ∗ ∗ + ∗ ∗ =
6 12 4 6 12 4 6 ∗ 12 ∗ 4

56
𝑃(𝐴 / 𝐵) = 6 ∗ 12 ∗ 4
88
6 ∗ 12 ∗ 4

7
𝑃(𝐴 / 𝐵) =
11
TEOREMA DE LA PROBABILIDAD TOTAL

Sea un espacio muestral Ω particionado en B1, B2, B3,……, Bk sub espacios

muestrales tales que no existe intersección entre 2 de ellos cualquiera

𝐵1 ∩ 𝐵2 ∩ 𝐵3 ∩ … … .∩ 𝐵𝑘 = Ω
Sea un elemento A común a todas las particiones del cual se desea encontrar su
probabilidad, entonces:

De la probabilidad condicional:

𝑃(𝐴 ∩ 𝐵)
𝑃 (𝐴 ⁄ 𝐵) = → 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) ∗ 𝑃(𝐴/𝐵)
𝑃(𝐵)

Entonces:

𝐴 𝐴 𝐴 𝐴
𝑃(𝐴) = 𝑃(𝐵1 ) ∗ 𝑃( ) + 𝑃(𝐵2 ) ∗ 𝑃( ) + 𝑃(𝐵3 ) ∗ 𝑃( ) + ⋯ … + 𝑃(𝐵𝑛 ) ∗ 𝑃( )
𝐵1 𝐵2 𝐵3 𝐵𝑛

𝐴
𝑃(𝐴) = ∑𝑃(𝐵𝑖 ) ∗ 𝑃( )
𝐵𝑖
TEOREMA DE BAYES
Si se tiene un espacio muestral Ω particiado en B1, B2, B3,……..,Bk sub espacios
muestrales y se conoce la probabilidad del evento A común a todas las
particiones, el objetivo es hallar la probabilidad que provenga de la j – esima
partición dado que le evento A ha sucedido.

𝑃(𝐵𝑖 /𝐴) =?

𝐴 𝑃(𝐵𝑖 ∩𝐴) 𝑃(𝐴∩𝐵𝑖 )

𝑃(𝐵 ) = =
𝑖 𝑃(𝐴) 𝑃(𝐴)

𝐴 𝑃(𝐵𝑖 ) ∗ 𝑃(𝐴/𝐵𝑖 )
𝑃( ) =
𝐵𝑖 𝐴
∑𝑃(𝐵𝑖 ) ∗ 𝑃(𝐵 )
𝑖

Ejemplo.-
Se tiene 5 fusiles que cuando son apuntados apropiadamente tienen
probabilidades de dar en el blanco respectivamente como sigue: 0.5, 0.6, 0.7, 0.8,
0.9 se escoge aleatoriamente uno de los fusiles, se apunta y dispara. ¿Cuál es la
probabilidad de que no dé en el blanco?
1 0.5
2 0,6
1
5 fusiles 3 0,7 se elige uno al azar =F 𝑃𝐹 = 5
4 0,8
{5 0,9

A: el fusil disparado da en el blanco

Por el teorema de probabilidad total
𝐴
𝑃(𝐴) = ∑𝑃(𝐵𝑖 ) ∗ 𝑃( )
𝐵𝑖
 𝐴 𝐴 𝐴 𝐴
𝑃(𝐴) = 𝑃(𝐵1 ) ∗ 𝑃( ) + 𝑃(𝐵2 ) ∗ 𝑃( ) + 𝑃(𝐵3 ) ∗ 𝑃( ) + ⋯ … + 𝑃(𝐵5 ) ∗ 𝑃( )
𝐵1 𝐵2 𝐵3 𝐵5

1 5 1 6 1 7 1 8 1 9
𝑃(𝐴) = ∗ + ∗ + ∗ + ∗ + ∗
5 10 5 10 5 10 5 10 5 10
1 5+6+7+8+9
𝑃(𝐴) = [ ]
5 10
35
𝑃(𝐴) = = 0.7
50

𝑃(𝐴𝐶 ) = 1 − 𝑃(𝐴)
𝑃(𝐴𝐶 ) = 1 − 0.7 → 𝑃(𝐴𝐶 ) = 0.3
Ejemplo.-
En vista de los gastos que suponen reparación o sustitución de mercadería
defectuosa, la gerencia desea vigilarla taza de imperfectos en el proceso de
producción. Le pide al ingeniero industrial que examine un plan propuesto para un
nuevo proceso de producción de grandes transformadores, en realidad el nuevo
proceso supone 2 procesos separados, cada uno de los cuales produce al
transformador como ultima etapa del proceso total. El examen de las maquinas y de
las operaciones que intervieven en cada mitad del proceso de producción convence
al ingeniero de que hay una probabilidad de 0.0014 de que una parte del proceso
produzca un defectuoso y otra de 0,0025 de que la otra parte produzca el
defectuoso.
a) Que porcentaje de la producción total ha de estimarse defectuosa
b) Si se elige un transformador al azar y resulta ser defectuoso. ¿Cuál es la
probabilidad de que haya manufacturado en la 1ra parte del proceso?

P. DEFECTUOSO
1ra PARTE 0.0014
2da PARTE 0.0025 1
𝑃(1𝑟𝑎 𝑃𝐴𝑅𝑇𝐸) = 𝑃(2𝑑𝑎 𝑃𝐴𝑅𝑇𝐸) =
2

Del teorema de probabilidad total

𝐷 𝐷
𝑃(𝐷) = 𝑃(1𝑟𝑎) ∗ 𝑃( ) + 𝑃(2𝑑𝑎) ∗ 𝑃( )
1𝑟𝑎1 2𝑑𝑎

1 1
𝑃(𝐷) = ∗ 0.0014 + ∗ 0.0025
2 2
𝑃(𝐷) = 0.00195 ≅ 0.195%
b) se elige un transformador→ defectuoso por BAYES

𝑃(1𝑟𝑎 ∩ 𝐷) 𝑃(1𝑟𝑎) ∗ 𝑃 (𝐷⁄1𝑟𝑎)

𝑃 (1𝑟𝑎⁄𝐷) = =
𝑃(𝐷) 𝑃(𝐷)
 0.5 ∗ 0.0014
𝑃 (1𝑟𝑎⁄𝐷) = → 𝑃 (1𝑟𝑎⁄𝐷 ) = 0.3590
0.00195

Ejemplo.-
un experimento consiste en lanzar un par de dados y sumar la suma de los
números que aparecen en las caras superiores ¿Cuál es la probabilidad que la
suma 4 salga antes de la suma 6?
Solución.-

Espacio muestral
(1,1); (1,2); (1,3); (1,4); (1,5); (1,6);
(2,1); (2,2); (2,3); (2,4); (2,5); (2,6);
(3,1); (3,2); (3,3); (3,4); (3,5); (3,6);
(4,1); (4,2); (4,3); (4,4); (4,5); (4,6);
(5,1); (5,2); (5,3); (5,4); (5,5); (5,6);
{ (6,1); (6,2); (6,3); (6,4); (6,5); (6,6);
𝑛Ω = 𝟑𝟔
A: la suma es 4
B: la suma es 6
𝐸𝒏 : la suma no sea 4 ni 6 o salga 6 antes de 4
3
𝑃𝑨 = 36
5
𝑃𝐵 =
36
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
3 5
𝑃(𝐴 ∪ 𝐵) = + −0
36 36
8
𝑃(𝐴 ∪ 𝐵) =
36
𝑃(𝐸𝒏 ) = [1 − 𝑃(𝐴 ∪ 𝐵)] ∗ [1 − 𝑃(𝐴 ∪ 𝐵)][1 − 𝑃(𝐴 ∪ 𝐵)] ∗ … . .∗ [1 − 𝑃(𝐴 ∪ 𝐵)] ∗ 𝑃(𝐴)
8 8 8 8 3 28 𝑛−1 3
𝑃(𝐸𝒏 ) = [1 − ] ∗ [1 − ] [1 − ] ∗ … . .∗ [1 − ] ∗ =( ) ∗
36 36 36 36 36 36 36

Entonces…
 ∞
3 28 𝑛−1
𝑃(𝐸𝒏 ) = ∑ ∗( )
36 36
𝑛=1

1 7 𝑛−1
𝑃(𝐸𝒏 ) = ∑∞
𝑛=1 12 ∗ (9) Progresión geométrica infinita
1 7
𝑎 ∗
𝑃(𝐸𝒏 ) = = 12 9
1−𝑟 1−7
9

7
𝑃(𝐸𝒏 ) =
24
7
𝑃(𝑠𝑎𝑙𝑔𝑎 𝑠𝑢𝑚𝑎 4 𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 6) = 𝑃(𝐸𝑛 𝐶 ) = 1 −
24

17
𝑃(𝑠𝑎𝑙𝑔𝑎 𝑠𝑢𝑚𝑎 4 𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 6) =
24
PROBABILIDAD DE EVENTOS INDEPENDIENTES
Dos eventos son independientes si cada uno de ellos no depende del otro; pero
ambos forman parte del mismo espacio muestral, entonces se utiliza el teorema de
multiplicación.

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)

Si existe una secuencia de eventos independientes

𝑃(𝐴 ∩ 𝐵) = ∏ 𝑃(𝐴) ∗ 𝑃(𝐵)

𝑖=1

Se cumple:
 𝑃(𝐴∩𝐵)
 𝑃(𝐴⁄𝐵 ) = = 𝑃(𝐴)
𝑃(𝐵)
𝑃(𝐵∩𝐴)
 𝑃(𝐵⁄𝐴) = = 𝑃(𝐵)
𝑃(𝐴)

Ejemplo.-

El dado A tiene 4 caras rojas y 2 blancas, el dado B tiene 2 caras negras y 4 blancas,
se elige uno de estos dados al azar, se lanza “n” veces y en todas ellas sale cara
roja, la probabilidad de que haya lanzado el dado A es 32\33 ¿Cuántas veces se
lanzó el dado?

4𝑅 2𝑅
𝐴={ 𝐵={
2𝐵 4𝐵
32 1 4 4 4 1 2 2 2
𝑃(𝐴⁄𝑐𝑎𝑟𝑎 𝑟𝑜𝑗𝑎) = 33 𝑃𝑨 = 2 ∗ 6 ∗ 6 ∗ 6 ∗ … … … + 2 ∗ 6 ∗ 6 ∗ 6 ∗ … ..
1 4 𝑛 1 2 𝑛
𝑃𝑨 = 2 ∗ (6) + 2 ∗ (6)

A: se lanzan n veces y sale cara roja

1 4 𝑛
𝑃(𝐷𝐴 ⁄𝐴) =
𝑃(𝐷𝐴 ∩ 𝐴)
= 2 ∗ (6) 32
𝑛 𝑛 =
𝑃(𝐴) 1 4 1 2 33
2 ∗ (6) + 2 ∗ (6)
Entonces…
4 𝑛
( ) 4𝑛 32
6
4 𝑛 2 𝑛
= 4𝑛 +2𝑛 = 33
( ) +( )
6 6

32[(2𝑛 )2 + 2𝑛 ] = 33(2𝑛 )2
32 ∗ 2𝑛 = (2𝑛 )2
(2𝑛 )2 − 32 ∗ 2𝑛 = 0
(2𝑛 )(2𝑛 − 32) = 0
2𝑛 = 32 → 2𝑛 = 25 𝑛=5 →→ 𝑠𝑒 𝑙𝑎𝑛𝑧𝑎 5 𝑣𝑒𝑐𝑒𝑠
Ejemplo.-
Para que funcione adecuadamente un equipo electrónico debe tener las dos
componentes conectadas que aparecen en el diagrama en correcto
funcionamiento. El diagrama muestra que A debe funcionar y lo mismo alguno de
los 2 B. suponga que las componentes B funcionan independientemente de A, e
independientemente una de otra y que la confiabilidad de A es 0,9 y la de B1 y B2
es 0.8. Calcular la confiabilidad del equipo.

𝑃(𝐴) = 0,9
𝑃(𝐵1) = 𝑃(𝐵2) = 0,8

E: el equipo funcione correctamente

𝑃(𝐸) = 𝑃(𝐴) ∗ 𝑃(𝐵)
Pero…
𝑃(𝐵) = 𝑃(𝐵1) ∗ 𝑃(𝐵2)
𝑃(𝐸) = 0.9 ∗ 0.82

𝑃(𝐸) = 0,576