s Universidad de Antioquia • Semilleros de Matemáticas • 2018

ca
LÓGICA MATEMÁTICA

ti
má
te
SEMILLEROS DE
Ma
MATEMÁTICAS
de
o
ut

Luis Fernando Echeverri D.

Edwin Zarrazola R.
it

Pedro Hernández R.
Cristhian Zuluaga H.
st

Alejandro Piedrahita H.
In

Instituto de Matemáticas
Universidad de Antioquia
 s
SEMILLERO DE MATEMÁTICAS - LÓGICA MATEMÁTICA

ca
Tercera edición: 2018

©Universidad de Antioquia
©Semilleros de Matemáticas

ti
Diseño y diagramación original en LATEX:
Paulo Mora Noguera
e-mail: prmora@outlook.com

má
Actualización de diseño y diagramación en LATEX:
Alejandro Piedrahita H.
e-mail: alejandro.piedrahita@udea.edu.co

te
Todos los derechos reservados.
Esta publicación no puede ser reproducida, ni en todo ni en parte, por ningún medio inventado o
por inventarse, sin el permiso previo, por escrito, del Semillero de Matemáticas de la Universidad
de Antioquia. Ma
de
o

El Instituto de Matemáticas de la Universidad de Antioquia, a través del Semillero de Matemáticas,

ut

ofrece a estudiantes de enseñanza media y público en general los siguientes programas de extensión:

Semillero de Matemáticas grado 6° Razonamiento lógico I

Semillero de Matemáticas grado 7° Razonamiento lógico II
it

Semillero de Matemáticas grado 8°

Álgebra y trigonometrı́a
Semillero de Matemáticas grado 9°
Cálculo diferencial
Semillero de Matemáticas grado 10°
st

Información de contacto
Universidad de Antioquia
In

Ciudad Universitaria
Bloque 6 - Oficina 109
Teléfono: (574) 2195648
E-mail: semilleroscen@udea.edu.co
http://ciencias.udea.edu.co/semilleros/
 s
ca
8

ti
PROBABILIDAD

má
te
Reseña Histórica

MaLa Probabilidad nos proporciona una

manera de medir la “tendencia” o fre-
cuencia con que un evento puede ocu-
rrir. En ciertos fenómenos de la vida
diaria no siempre es posible predecir
con certeza los resultados de un acon-
de

tecimiento. Por ejemplo, cuando lanza-

mos una moneda al aire, no podemos
predecir con seguridad si ésta caerá “se-
llo”. A este tipo de fenómenos se le denominan aleatorios y se diferencian de
o

los fenómenos deterministas en los que sı́ es posible determinar con certeza
el resultado de un evento, como por ejemplo el tiempo que tarda en llegar al
ut

suelo un objeto soltado en el vacı́o, desde una altura conocida.

La Teorı́a de la Probabilidad es la rama de las matemáticas que estudia los

fenómenos aleatorios y gran parte de su desarrollo tuvo como motivación el
it

interés que despertaba en muchas personas los juegos de azar.

Los primeros conceptos básicos de probabilidad surgieron en 1654 de la co-

st

rrespondencia establecida entre los matemáticos franceses Pierre de Fermat

y Blaise Pascal. En 1956 el matemático holandés Christiaan Huygens escribe
el primer libro de probabilidad titulado De ratiociniis in ludo aleae (Sobre
In

los Cálculos en los Juegos de Azar), en este introduce conceptos de gran im-
 LÓGICA
MATEMÁTICA

s
ca
portancia en probabilidad y resuelve algunos de los problemas propuestos por
Fermat y Pascal. En 1713 el matemático suizo Jakob Bernoulli publicó su
obra maestra Ars Conjectandi (el Arte de la conjetura), un trabajo pionero

ti
en la teorı́a de la probabilidad que junto con la obra escrita por el matemático
francés Abraham de Moivre en 1718, The Doctrine of Chance (La Doctrina
de las Probabilidades), proporcionaron los fundamentos para considerar a la

má
probabilidad como una disciplina de estudio de las matemáticas. En el si-
glo XIX se presentaron avances importantes, el matemático alemán Carl F.
Gauss desarrolló el método de mı́nimos cuadrados para resolver un proble-

te
ma de astronomı́a y el fı́sico austriaco Ludwig Boltzmann junto con el fı́sico
estadounidense Josiah W. Gibbs aplicaron la teorı́a de la probabilidad en el
estudio de la termodinámica, con el fin de comprender el movimiento de los
Ma
gases a nivel molecular. Sus contribuciones dieron origen a la mecánica es-
122 tadı́stica y sentaron las bases de la teorı́a de la probabilidad del siglo XX.

La noción moderna de probabilidad fue introducida en 1933 por el matemáti-

co ruso Andrey Kolmogorov en su libro Los fundamentos de la Teorı́a de la
de

Probabilidad. Su trabajo no sólo proporcionó una base formal a la teorı́a de

la probabilidad sino que también contribuyó al desarrollo de nuevos campos
de aplicación como los procesos estocásticos y en particular los procesos de
Markov.
o
ut

OBJETIVO GENERAL
Aplicar los principios de la teorı́a de la probabilidad a situaciones en las que
interviene el azar.
it

OBJETIVOS ESPECÍFICOS
st

1. Calcular probabilidades de eventos igualmente probables.

Probabilidad

2. Utilizar los principios aditivos y multiplicativos de conteo para calcular

probabilidades.
In

3. Usar los teoremas de probabilidad total y de Bayes para calcular probabi-

lidades de eventos dependientes.
 SEMILLEROS de
MATEMÁTICAS

s
ca
INTRODUCCIÓN
Aunque históricamente el concepto de probabilidad fue objeto de varias in-
terpretaciones, dos posturas fueron predominantes a lo largo de los siglos. La

ti
primera consistió en interpretar las probabilidades en términos de frecuencias
relativas. La segunda interpretación de probabilidad consistió en considerar a
la probabilidad como una medida de incertidumbre personal sobre un evento.

má
El ingrediente fundamental de la teorı́a de la probabilidad es el de un expe-
rimento que pueda ser repetido bajo las mismas condiciones (al menos hi-
potéticamente) y que conduzca a resultados que no sean los mismos cada vez

te
que se repite, como en el lanzamiento de una moneda. Al conjunto de todos
los posibles resultados de un experimento se le denomina espacio muestral.
Por ejemplo, para el lanzamiento de una moneda el espacio muestral consiste
Ma
de dos posibles resultados: “cara” y “sello”. Para el lanzamiento de dos da-
dos (ver figura en la página 121), el espacio muestral consiste de 6 × 6 = 36 123
posibles resultados.

En 1795 el matemático francés Pierre–Simon de Laplace presentó la siguiente

de

definición de probabilidad:

Definición 8.1 (Noción laplaciana).

Si los resultados de un experimento son igualmente probables, se de-
fine la probabilidad de un evento como la razón
o

número de casos favorables

ut

número total de casos posibles

it

Por ejemplo, si nuestro experimento consiste en el lanzamiento de una moneda

y es igual de probable obtener “cara” o “sello”, entonces la probabilidad de
obtener “cara” es:
st

Probabilidad

número de casos favorables 1

=
número total de casos posibles 2
In

¿Qué ocurre si nuestra moneda está fabricada de una manera especial y es

más probable que la moneda caiga “sello” que “cara”? ¿Cómo calcular la
 LÓGICA
MATEMÁTICA

s
probabilidad de obtener “cara”? En este caso se dice que la moneda está

ca
sesgada.

Otra dificultad que presenta esta definición es cuando en nuestro experimento

ti
el número posible de resultados no es finito. Por ejemplo, el experimento que
consiste en lanzar una moneda hasta que caiga “sello” por primera vez. Como
no sabemos si caerá “sello” alguna vez, y si lo hace, no sabemos cuándo

má
ocurrirá esto por primera vez, el número posible de lanzamientos es n =
1, 2, 3, . . . En este caso la definición (8.1) tampoco es aplicable.

La dificultad final que presenta la definición de frecuencia relativa (8.1) es

te
la ambigüedad intrı́nseca contenida en la noción de “resultados igualmente
probables”: la definición contiene lo que precisamente se busca definir.

En conclusión, la definición (8.1) sólo la utilizaremos en el caso en que el

Ma
espacio muestral de nuestro experimento sea finito y que cada uno de los
124 posibles resultados sea igualmente probable. Para situaciones más generales,
en las secciones siguientes del Taller te enseñaremos la noción de probabilidad
moderna desarrollada en el siglo XX.
de

TEORÍA CLÁSICA DE LA PROBABILIDAD

En esta sección enunciaremos con mayor precisión algunos conceptos ya men-
cionados en la introducción y que son de gran importancia en la toerı́a de la
o

probabilidad.
ut

CONCEPTOS BÁSICOS
La palabra experimento tiene varios significados dependiendo del contexto.
it

En probabilidad, tenemos la siguiente definición.

Definición 8.2 (Experimento).

st

Un experimento es cualquier fenómeno cuyo resultado no se puede pre-

Probabilidad

decir con certeza.

In

Las siguientes propiedades caracterizan a un experimento:

1. Está sujeto a repetición.

 SEMILLEROS de
MATEMÁTICAS

s
2. Su resultado final depende del azar.

ca
3. Se pueden conocer la totalidad de sus posibles resultados.

4. Se observa cierto patrón de regularidad en los resultados obtenidos a me-

ti
dida que aumentan las repeticiones.

Un ejemplo de experimento es el lanzamiento de una moneda como ya lo

má
mencionamos en la introducción. Es imposible predecir si el resultado será
cara (C) o sello (S), es decir que su resultado depende del azar. En este
experimento el total de resultados posibles lo conforman los elementos del
conjunto {C, S} y a medida que aumentan los lanzamientos de la moneda se

te
observa como patrón de regularidad que el número de caras y el número de
sellos tienden a ser iguales.

Definición 8.3 (Ensayo).

Ma 125
A cada repetición de un experimento se le denomina ensayo.
de

Definición 8.4 (Espacio muestral).

Al conjunto formado por todos los posibles resultados de un experimento
se le denomina espacio muestral y se acostumbra denotar por la letra
S.
o

Ejemplo 8.1. Considera el experimento de lanzar dos dados. El número total

de posibles resultados es 6 × 6 = 36, y cada uno de los resultados lo podemos
ut

denotar por medio del par ordenado (i, j) donde i y j asumen alguno de los
valores 1, 2, 3, 4, 5 ó 6. La pareja (2, 5) por ejemplo representa un lanzamiento
en el que el primer dado la cara mostrada es 2 y en el segundo dado es 5. El
it

espacio muestral en este caso es el siguiente:

S = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6),
st

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

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

(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6)}
 LÓGICA
MATEMÁTICA

s
ca
Definición 8.5 (Evento).
A cualquier subconjunto del espacio muestral se le denomina evento.

ti
Ejemplo 8.2. Para el espacio muestral S del ejemplo anterior (8.1) tenemos
como ejemplos de eventos los siguientes subconjuntos de S:

1. A: la suma de las caras de los dados es un número par.

má
A = {(1, 1), (1, 3), (1, 5), (2, 2), (2, 4), (2, 6),
(3, 1), (3, 3), (3, 5), (4, 2), (4, 4), (4, 6),

te
(5, 1), (5, 3), (5, 5), (6, 2), (6, 4), (6, 6)}

2. B: la suma de las caras de los dados es un número impar.

126
Ma
B = {(1, 2), (1, 4), (1, 6), (2, 1), (2, 3), (2, 5),
(3, 2), (3, 4), (3, 6), (4, 1), (4, 3), (4, 5),
(5, 2), (5, 4), (5, 6), (6, 1), (6, 3), (6, 5)}

3. C: la suma de las caras de los dados un número primo.

de

C = {(1, 1), (1, 2), (1, 4), (1, 6), (2, 1),
(2, 3), (2, 5), (3, 2), (3, 4), (4, 1),
(4, 3), (5, 2), (5, 6), (6, 1), (6, 5)}
o

La unión, la intersección, la diferencia y el complemento de eventos entre

ut

otros también son eventos.

A∪B A∩B A−B

A B A B A B
it
st

Ejemplo 8.3. Considera los eventos definidos en el ejemplo (8.2). A partir

Probabilidad

de operaciones entre conjuntos se pueden construir nuevos eventos:

1. C ∩ A = C − B C : la suma de las caras de los dados es un número primo

In

par.
C ∩ A = C − B C = {(1, 1)}
 SEMILLEROS de
MATEMÁTICAS

s
2. C C : la suma de las caras de los dados no es un número primo.

ca
C C = {(1, 3), (1, 5), (2, 2), (2, 4), (2, 6), (3, 1), (3, 3),
(3, 5), (3, 6), (4, 2), (4, 4), (4, 5), (4, 6), (5, 1),

ti
(5, 3), (5, 4), (5, 5), (6, 2), (6, 3), (6, 4), (6, 6)}

Definición 8.6 (Eventos mutuamente excluyentes).

má
Dos eventos A y B son mutuamente excluyentes si A ∩ B = φ.

te
Ejemplo 8.4. En el ejemplo (8.2) A y B son eventos mutuamente excluyen-
tes.

DEFINICIÓN INTUITIVA DE PROBABILIDAD

Ma 127
La probabilidad de un evento es un concepto abstracto que se usa para des-
cribir el grado de certidumbre o verosimilitud de un evento, de acuerdo a las
condiciones bajo las cuales se realiza el experimento. Intuitivamente, la pro-
babilidad de un evento es el cociente entre el número de casos favorables y el
de

número total de casos posibles, bajo el supuesto que todos los casos (favora-
bles o no) son igualmente posibles como fue explicado en la introducción. Si
A es un evento, la probabilidad de A se representa como P (A).

Ejemplo 8.5. En este ejemplo vamos a calcular la probabilidad de que al

o

lanzar dos dados la suma de las caras sea 6, bajo el supuesto que cualquier
ut

cara de los dados es igualmente probable de salir. En este caso el espacio

muestral S es el del ejemplo (8.1) y el evento “A: la suma de las caras es 6”
es el subconjunto
it

A = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}.

La probabilidad de obtener 6 en la suma de las caras es por tanto

st

número de casos favorables 5

P (A) = =
Probabilidad

número total de casos 36

In

Otro experimento que mencionaremos consiste en lanzar una moneda n veces,

bajo el supuesto que es igualmente probable que la moneda caiga “cara” o
“sello” en cada uno de los n lanzamientos. En este caso el espacio muestral
 LÓGICA
MATEMÁTICA

s
está formado por n–úplas en las que la entrada i–ésima representa el resul-

ca
tado obtenido al lanzar la moneda la i–ésima vez. Por ejemplo, (C, S, . . . , S)
representa el resultado de n lanzamientos de una moneda: en el primer lan-
zamiento se obtuvo “cara”, en el segundo “sello”, . . . , y en el último “sello”.

ti
El número total de posibles resultados es
n
|×2×
2 {z· · · × 2} = 2 .

má
n veces

Finalmente observemos que para esta definición, la probabilidad de un evento

A de un espacio muestral S de n elementos verifica las siguientes reglas:

te
1. La probabilidad de un evento es un número entre cero y uno (0 ≤ P (A) ≤
1) porque:

0 ≤ número de casos favorables ≤ número total de casos

Ma
128 ⇓
número de casos favorables
0 ≤ ≤ 1
número total de casos
⇓
de

0 ≤ P (A) ≤ 1

2. La probabilidad del evento vacı́o ∅ es cero (P (∅) = 0) porque en este caso

número de casos favorables = 0.

o
ut

3. La probabilidad del espacio muestral es uno (P (S) = 1) porque en este

caso

número de casos favorables = número total de casos.

it

4. La probabilidad de un evento compuesto es igual a la suma de las proba-

bilidades de los sucesos elementales que lo constituyen.
st

5. La probabilidad de un evento y su complemento suman la unidad:

Probabilidad

P (A) + P (Ac ) = 1.
In

6. La probabilidad de la unión de dos eventos es igual a la suma de las pro-

babilidades de los eventos menos la probabilidad de su intersección:
 SEMILLEROS de
MATEMÁTICAS

s
ca
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

A B

ti
má
porque si la intersección es no vacı́a, en la suma de probabilidades de los
eventos A y B se contabilizan dos veces los elementos comunes, por lo que
es preciso descontarlos una vez.

te
Las principales aplicaciones de las leyes de la probabilidad clásica se centran en
fenómenos de azar donde cada resultado, en principio, es igualmente probable
como en juegos de cartas, dados, loterı́as, etc. Su aplicación a cuestiones
Ma
cientı́ficas más generales queda restringida por la dificultad de que se satisfaga
la condición de equiprobabilidad que presupone la teorı́a. 129
DEFINICIÓN FORMAL DE PROBABILIDAD
de

La búsqueda de unos principios generales para la teorı́a de la probabilidad,

exentos de la ambigüedad de los postulados del enfoque clásico y de cuestiones
de juegos de azar, condujo a una concepción abstracta de probabilidad.

Definición 8.7 (Probabilidad).

o

Una probabilidad es una función que a cada elemento A de un espacio

ut

muestral S le asocia un número real P (A) ∈ R. Esta función satisface

los siguientes axiomas:

1. Para cualquier evento A se cumple que

it

0 ≤ P (A) ≤ 1.

2. Para cualquier par de eventos mutuamente excluyentes A y B se cum-

st

ple que
Probabilidad

P (A ∪ B) = P (A) + P (B).
In

3. P (S) = 1.
 LÓGICA
MATEMÁTICA

s
Consideremos el siguiente ejemplo:

ca
Ejemplo 8.6. El espacio muestral es S = {1, 2} y

0 si A = ∅

ti




 1 si A = {1}

4
P (A) =
3
 4 si A = {2}



má


1 si A = S


La función P satisface los axiomas de la definición (8.7).

te
A partir de la definición 8.7 es posible demostrar las siguientes propiedades.

130
Ma
Teorema 8.1 (Propiedades de la probabilidad). Para cualquier par de
eventos A y B de un espacio muestral S se cumplen las siguientes pro-
piedades:

1. P (φ) = 0.
de

2. Si A ⊆ B, entonces P (A) ≤ P (B).

3. P (AC ) = 1 − P (A).

4. P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

o

5. P (A − B) = P (A) − P (A ∩ B).
ut

6. P (A + B) = P (A) + P (B) − 2P (A ∩ B).

Ejemplo 8.7. Considera los eventos definidos en el ejemplo (8.2) y los ha-
it

llados en el ejemplo (8.3).

1. Notemos que AC = B, luego

st

18 1
P (B) = P (AC ) = 1 − P (A) = 1 − = .
Probabilidad

36 2
Además, A y B son mutuamente excluyentes y A ∪ B = S (en este caso se
In

dice que A y B son una partición del espacio muestral S), de esta manera

P (S) = P (A ∪ B)
 SEMILLEROS de
MATEMÁTICAS

s
ca
= P (A) + P (B) − P (A ∩ B)
= P (A) + P (B) − P (φ)
18 18
= + −0

ti
36 36
=1

1 1
2. C ∩ A ⊆ A implica = P (C ∩ A) ≤ P (A) =

má
36 2

15 14 1
3. P (C ∩ A) = P (C − B C ) = P (C) − P (C ∩ B) = 36 − 36 = 36 .

18 15 2·14 17
4. P (B + C) = + − = 36 .

te
36 36 36

PROBABILIDAD CONDICIONAL
Ma
Un evento dependiente es aquel que puede presentarse tan solo a continuación
de otro. Por ejemplo, las condiciones para la segunda extracción de una bola 131
contenida en una urna son diferentes que para la primera si la bola anterior
no se devuelve al montón, etc. La probabilidad de un evento A dependiente
de otro evento B se denomina condicionada y se denota por P (A|B).
de

Definición 8.8 (Probabilidad condicional).

La probabilidad condicional de un evento A dado un evento B se
denotada con el sı́mbolo P (A|B) y se define como
o

P (A ∩ B)
P (A|B) = si P (B) 6= 0.
ut

P (B)

Análogmente, la probabilidad de B dado A es

P (A ∩ B)
it

P (B|A) = si P (A) 6= 0.
P (A)
st

Probabilidad

De la anterior se deduce que

P (A ∩ B) = P (B) · P (A|B) = P (A) · P (B|A) (8.1)

In

A (8.1) se le denomina regla multiplicativa.

 LÓGICA
MATEMÁTICA

s
Ejemplo 8.8. En un grupo de 36 estudiantes hay 9 que dominan el idioma

ca
inglés, 4 que dominan el francés y 2 que dominan ambos idiomas. Se selecciona
aleatoriamente a un alumno y se comprueba que domina el inglés. ¿Cuál es
la probabilidad de que domine el francés?

ti
Solución. Definamos los eventos:

má
A: dominar el idioma inglés.

B: dominar el idioma francés.

te
9 4 2
De acuerdo al enunciado tenemos que P (A) = 36 , P (B) = 36 y P (A∩B) = 36 .
Se pide hallar P (B|A). Por la definición de probabilidad condicional

132 P (B|A) =
Ma
P (A ∩ B)
=
2
36 2
= .
P (A) 9 9
36
de

Definición 8.9 (Eventos independientes).

Dos eventos A y B son independientes si

P (A ∩ B) = P (A) · P (B).
o
ut

Notemos que si A y B son eventos independientes, entonces a partir de la

definición de probabilidad condicional tenemos que P (A∩B) = P (A) y P (B ∩
A) = P (B).
it

Ejemplo 8.9. Se lanzan tres monedas al aire para ver si caen “cara” (C) o
“sello” (S). El espacio muestral está dado por
st

S = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}

Probabilidad

Considere los siguientes eventos.

In

A : En las tres monedas sale el mismo sı́mbolo.

B : Por lo menos sale una cara.

 SEMILLEROS de
MATEMÁTICAS

s
C : Por lo menos salen dos caras.

ca
Los eventos escritos por extensión son los siguientes

A = {CCC, SSS}

ti
B = {CCC, CCS, CSC, SCC, CSS, SCS, SSC}
C = {CCC, CCS, CSC, SCC}

má
1. ¿Son A y B eventos independientes?
1 2 7 7
= P (A ∩ B) 6= P (A) · P (B) = · =

te
8 8 8 32
Por lo tanto A y B no son eventos independientes.

2. ¿Son A y C eventos independientes?

1
Ma 2 4 1 133
= P (A ∩ C) = P (A) · P (C) = · =
8 8 8 8
Por lo tanto A y C son eventos independientes.
de

3. ¿Son B y C eventos independientes?

4 7 4 7
= P (B ∩ C) 6= P (B) · P (C) = · =
8 8 8 16
Por lo tanto B y C no son eventos independientes.
o

Haciendo uso del axioma 3 de la definición 8.7 y de la regla multiplicativa

ut

(8.1) se puede demostrar los siguientes dos teoremas.

it

Teorema 8.2 (Teorema de la probabilidad total). Si los eventos

B1 , B2 , . . . Bk constituyen una partición del espacio muestral S (es decir,
B1 ∪ B2 ∪ · · · ∪ Bk = S y B1 , B2 , . . . Bk son mutuamente excluyentes dos
a dos), entonces para cualquier evento A contenido en S se tiene que
st

Probabilidad

P (A) = P (B1 ) · P (A|B1 ) + P (B2 ) · P (A|B2 ) + · · · + P (Bk ) · P (A|Bk ).

In
 LÓGICA
MATEMÁTICA

s
ca
Teorema 8.3 (Teorema de Bayes). Si los eventos B1 , B2 , . . . Bk cons-
tituyen una partición del espacio muestral S y P (Bj ) 6= 0 para todo j,
entonces para un evento A contenido en S tal que P (A) 6= 0, se tiene

ti
que

P (Bj ) · P (A|Bj )
P (Bj |A) = ,
P (B1 ) · P (A|B1 ) + P (B2 ) · P (A|B2 ) + · · · + P (Bk ) · P (A|Bk )

má
con j = 1, 2, . . . , k.

te
Ejercicio 8.1. En un curso de Matemáticas hay 10 fı́sicos, 30 biólogos y 10
quı́micos. 3 fı́sicos, 10 biólogos y 5 quı́micos obtuvieron notas finales superiores
a 4.5. Ma
134 1. Si se elige un estudiante aleatoriamente, ¿cuál es la probabilidad de que
haya obtenido una nota final menor o igual a 4.5?

2. Si se elige un estudiante al azar y se observa que obtuvo nota superior

a 4.5, ¿cuál es la probabilidad de que sea un fı́sico?, ¿un biólogo?, ¿un
de

quı́mico?

Solución. Definamos los eventos

B1 : ser un fı́sico en el curso de matemáticas.

o

B2 : ser un biólogo en el curso de matemáticas.

ut

B3 : ser un quı́mico en el curso de matemáticas.

A: obtener nota final superior a 4.5.

it

De acuerdo al enunciado tenemos que

10 30 10
P (B1 ) = , P (B2 ) = y P (B3 ) = ,
50 50 50
st

3 10 5
P (A|B1 ) = , P (A|B2 ) = y P (A|B3 ) =
Probabilidad

50 50 50
1. Se pide hallar P (AC ). De acuerdo al teorema de la probabilidad total
In

tenemos que

P (A) = P (B1 ) · P (A|B1 ) + P (B2 ) · P (A|B2 ) + P (B3 ) · P (A|B3 )

 SEMILLEROS de
MATEMÁTICAS

s
ca
10 3 30 10 10 5 19
= · + · + · = ,
50 50 50 50 50 50 125
luego
19 106

ti
P (AC ) = 1 − =
125 125
2. Se pide hallar las probabilidades P (B1 |A), P (B2 |A) y P (B3 |A), respecti-
vamente. En todos los casos utilizamos el teorema de Bayes.

má
P (B1 ) · P (A|B1 )
P (B1 |A) =
P (B1 ) · P (A|B1 ) + P (B2 ) · P (A|B2 ) + P (B3 ) · P (A|B3 )

te
10
· 3 3
= 50 19 50 =
125
38
P (B2 ) · P (A|B2 )
P (B2 |A) = Ma
P (B1 ) · P (A|B1 ) + P (B2 ) · P (A|B2 ) + P (B3 ) · P (A|B3 )
30 10
·
= 50 19 50 =
15 135
125
19
P (B3 ) · P (A|B3 )
P (B3 |A) =
P (B1 ) · P (A|B1 ) + P (B2 ) · P (A|B2 ) + P (B3 ) · P (A|B3 )
de

10
· 5 5
= 50 19 50 = . X

125
38

EJERCICIOS
o

1. Una bolsa contiene cuatro bolas: de que al extraer al azar 2 bolas,

ut

tres blancas y una amarilla. La las 2 sean rojas es:

probabilidad de que al extraer al a) 1
6
azar una bola, ésta sea amarilla 3
it

b) 4
es:
1
c) 2
a) 0
1
3
d) 4
b)
st

4
3. Al lanzar 2 dados al azar, la pro-
Probabilidad

c) 1
1
babilidad de que la suma de los
d) 4 puntos que aparecen en sus caras
In

2. Una bolsa contiene tres bolas ro- sea menor o igual 12 es:
5
jas y una negra. La probabilidad a) 36
 LÓGICA
MATEMÁTICA

s
1 1
b) a)

ca
12 169
3
c) 12 b) 2
13
d) 1 1
c) 13

ti
4. En el ejemplo anterior, la proba- d) 5
13
bilidad de que la suma de sus ca-
ras sea uno es: 8. En un baile de disfraces se reúnen

má
a) 1 10 matrimonios. Si se eligen 2 per-
36
b) 0 sonas al azar, la probabilidad de
que las dos sean esposos es:
c) 1

te
1
3 a) 10
d) 36
1
b) 100
5. Una caja contiene 100 arandelas
Ma 1
entre las cuales hay 10 defectuo- c) 190

136 sas. La probabilidad de que al ex- d) 1

200
traer al azar una muestra de 3
arandelas, las tres estén defectuo- 9. En una empresa hay 10 obreros y
sas es: 3 empleados. Si se eligen 3 de ellos
de

a) 5 al azar, indistintamente, la proba-

2745
2 bilidad de que los 3 sean emplea-
b) 2695
2
dos es:
c) 4720 2
4 a) 13
d) 720
o

1
b) 13
6. Se lanzan al azar 3 monedas al
3
ut

aire. La probabilidad de que las 3 c) 13

caigan “cara” es: 1
d) 286
1
a) 2
10. Al lanzar tres dados al azar, la
it

7
b) 8
probabilidad de obtener 15 pun-
1
c) 4 tos o más es:
1
d) 8 7
st

a) 216
7. Si se elige al azar una carta de una
Probabilidad

13
b) 216
baraja de póquer1 , la probabili-
5
dad de que sea un AS o un SEIS c) 54
In

5
es: d) 36
1
Hay 4 cartas de una misma especificación; la baraja contiene 52 cartas.
 SEMILLEROS de
MATEMÁTICAS

s
11. Se lanzan al azar 2 dados y una 3
d ) 11

ca
moneda. La probabilidad de que
15. La probabilidad de que exacta-
salga “6” y “6” en los dados y “se-
mente una esté defectuosa es:
llo” en la moneda es:

ti
5
1 a) 22
a) 71
9
1
b) 22
b) 72 9
c) 11

má
1
c) 73 3
d ) 22
1
d ) 74
16. Si se lanza al azar un dado, la pro-

te
[Preguntas (12)–(15)]. Un recipien- babilidad de que no salga 6 es:
te completamente oscuro contiene 12 a) 356
bombillas, entre las cuales hay 2 de- b) 26
fectuosas. Si se extrae al azar una Ma c) 16
muestra de 3 bombillas:
d ) 56 137
12. La probabilidad de que todas
17. Si se lanzan al azar 2 dados y su
estén buenas es:
suma es 6, la probabilidad de que
6
de

a) 11 el resultado se haya obtenido me-

3 diante un 3 en cada dado es:
b) 12
5
c) 17 a) 36
12
1
1 b)
d) 16
36
1
c)
o

5
13. La probabilidad de que 2 bombi- d) 1
18
ut

llas estén defectuosas es:

6 18. Se tiene una bolsa con fichas nu-
a) 11
meradas con todos los números de
3
b) 11 dos cifras distintas que se pueden
it

1
c) 22 escribir con los dı́gitos 1, 2 y 3.
d) 2 La probabilidad de que al elegir
11
al azar una ficha, el número sea
st

14. La probabilidad de que al menos par es:

Probabilidad

una sea defectuosa es: a) 1 3

5
a) 22 b) 2
In

3
8 1
b) 11 c) 6
5 5
c) 11 d) 6
 LÓGICA
MATEMÁTICA

s
[Preguntas (19)–(20)]. Un instituto 9
b) 20

ca
ofrece cursos de nivelación en ma- c) 407
temáticas y fı́sica. Se matriculan 40
d ) 25
40
estudiantes de la siguiente manera: en

ti
matemáticas 25, en fı́sica 22, y en am- 21. El laberinto que muestra la figura
bas materias 7. Se escoge un alumno está concebido para ejecutar sen-
al azar. tencias especiales. Se le ofrece al

má
19. La probabilidad de que el alumno condenado que camine por el la-
escogido esté matriculado en el berinto, —del que claro está, que
curso de fı́sica es: no conoce el plano— que condu-

te
11
ce a puertas semejantes. Unas su-
a) 20
ponen su libertad y otras en con-
9
b) 20 Ma traste con un fiero león que presu-
7
c) 40 miblemente dará buena cuenta de
138 él. Si quieres ayudar al máximo al
d ) 25
40 condenado, ¿en qué zona, A o B,
20. La probabilidad de que el alumno colocarı́as el león?
escogido esté matriculado exclusi-
de

1
vamente en el curso de matemáti- 2
Entrada
B
cas es: 3
11 A
a) 20
o
ut
it
st
Probabilidad

In