PROBABILIDADES

EXPERIMENTO ALEATORIO (E)

DEFINICIÓN: Es una acción, ensayo, observación o proceso que para ser aleatorio debe cumplir
las siguientes condiciones:
 El experimento se puede repetir un sin número de veces y en las mismas condiciones
 El resultado no es posible predecir con exactitud.
 El resultado no se conoce hasta que no se lleva a cabo.

Es decir un experimento aleatorio o estadístico es cualquier experimento u operación cuyo resultado

no puede predecirse con exactitud antes de realizar el ensayo.

EJEMPLOS:
1) Lanzar una moneda y observar la cara superior
2) Lanzar un dado y ver la cara superior
3) Seleccionar un delegado estudiantil de un salón de 50 estudiantes
4) Extraer una bolilla de color de un bolillero que tiene seis colores diferentes.
5) Elegir un número al azar
6) Tiempo de vida de una bombilla eléctrica.

ESPACIO MUESTRAL
DEFINICIÓN: Es el conjunto de los resultados posibles de un experimento aleatorio.
EJEMPLOS:

1) E 1  cara,sello 
2) E 2   1 , 2 , 3 , 4 , 5 , 6

3) E 3  Alumno i 
i  1, 2,..., 50
 rojo,azul ,negro, 
7) E 4   
amarillo,verde,blanco 

8) E 5  1 , 2 , 3 , 4 , 5 ,... 
9) E6   t  t  0

CLASIFICACIÓN DEL ESPACIO MUESTRAL

El espacio muestral se clasifica en:
ESPACIO MUESTRAL DISCRETO.- Se da cuando los elementos del espacio muestral son
numerables, contables o finito.
EJEMPLO:
E 1 ,E 2 ,E 3 ,E 4

ESPACIO MUESTRAL CONTINUO.- Se da cuando los elementos del espacio muestral son
infinitos o están en forma de intervalos.
EJEMPLO:
E 5 ,E 6
SUCESO
DEFINICIÓN: Llamado también evento, es un subconjunto del espacio muestral.
EJEMPLOS:
Consideremos el experimento de arrojar un dado y ver qué sale en la cara superior, entonces el
espacio muestral es:
 Estadística y Probabilidades OOR 2

E 2   1 , 2 , 3 , 4 , 5 , 6
Luego cualquier subconjunto de E 2 es un suceso, por lo tanto ejemplos de sucesos de este
experimento pueden ser:
S 1   2 , 4 ,6 
S 2   1 , 3 , 5
S 3   4,5 
S 4   1,2 ,3, 4 
También podemos expresar estos subconjuntos por comprensión:
S 1   x x esun númeropar 
S 2   x x esun númeroimpar 
S 3   x x esun númeromayor que3 
S4   x 1  x  4
Y no olvidemos el siguiente subconjunto S 5   
Dicho suceso es conocido como "suceso nulo", "suceso falso" o "suceso imposible".
 
Además este subconjunto 1 , 2 , 3 , 4 , 5 , 6 del espacio muestral es exactamente el espacio
muestral (recordemos que un conjunto siempre es subconjunto de sí mismo).
Dicho suceso es conocido como "suceso verdadero", "suceso forzoso" o "suceso cierto".

La fórmula para sacar el número de sucesos de un experimento aleatorio es:

Sea el experimento aleatorio:
E   a,b,c donde n(E)  3
n(E)
Entonces nº desucesos  2  23  8

OPERACIÓN CON SUCESOS

Como los sucesos son conjuntos, operar con sucesos es operar con conjuntos.
A) UNIÓN DE SUCESOS
Dados A y B dos sucesos, A  B es el suceso que ocurre cuando ocurre A, B, o ambos. Se puede
llamar "A unión B" o bien "A ó B".

EJEMPLO: A   1, 2, 3 
Se tira un dado, y se definen los sucesos:
A: que salga menos de 4 B   2, 6 
A  B   1, 2, 3, 6 
B: que salga 2 ó 6
Con lo cual queda:
 Estadística y Probabilidades OOR 3

B) INTERSECCIÓN DE SUCESOS
Dados A y B dos sucesos, A  B es el suceso que ocurre cuando ocurren simultáneamente A y B.
Se puede llamar "A intersección B" o bien "A y B".

EJEMPLO: A   1, 2, 3 
Se tira un dado, y se definen los sucesos:
A: que salga menos de 4 B   3, 4, 5, 6 
A  B   3
B: que salga más de 2
Con lo cual queda:

C) COMPLEMENTO DE LOS SUCESOS

Dado un suceso A, su "complemento" es el suceso que ocurre si y sólo si no ocurre A. El
C
complemento de A se escribe A o también bien A y se llama "complemento de A".

EJEMPLO:
C
Si arrojo un dado, y el suceso A es que salga un 4, entonces el suceso A es que no salga un 4 o
bien que salga 1, 2, 3, 5 ó 6.
Expresados como conjuntos quedan:
E   sale 1,sale 2,sale 3 ,sale 4,sale 5,sale 6 
A   sale 4 
A C   sale 1 ,sale 2 ,sale 3 ,sale 5 ,sale 6 

OBSERVACIONES
c
1) Así como A es un subconjunto de E , A también es un subconjunto de E .
C
2) A  A  E
C
3) A  A 

D) SUCESOS DISJUNTOS O MUTUAMENTE EXCLUYENTES

Son los sucesos cuya intersección es nula. Dados los sucesos A y B, son disjuntos si y solo si
A B  .
 Estadística y Probabilidades OOR 4

EJEMPLO: B   5, 6 
Se tira un dado, y se definen los sucesos:
A: que salga menor que 3 A B 
B: que salga más de 4 Como A y B tienen intersección nula, no
Con lo cual queda: pueden suceder simultáneamente.
A   1, 2 

EJEMPLO
1) Si el suceso A es obtener un 3 al arrojar un dado, describa:
 El experimento
 El espacio muestral de dicho experimento
 El suceso A
Solución
 El experimento consiste en arrojar un dado.

 El espacio muestral de dicho experimentó es: E  1 , 2 , 3 , 4 , 5 , 6 
 El suceso A es: A  3  
Observamos que, como todo suceso, A es un subconjunto de E.

TÉCNICAS DE CONTEO
Para determinar el espacio muestral o el tamaño del espacio muestral, es necesario desarrollar
algunas técnicas de enumeración las cuales son:
 El Diagrama de Árbol
 Análisis Combinatorio.

DIAGRAMAS DE ÁRBOL
Los diagramas de árbol son ordenaciones empleadas para enumerar todas las posibilidades lógicas de
una secuencia de eventos, donde cada evento puede ocurrir en un número finito. Proporcionan un
método sistemático de enumeración objetiva de los resultados.

A continuación, se presenta un Diagrama de Árbol, referente a las respuestas que se pueden dar a tres
preguntas de Verdadero o Falso.

Tenemos dos opciones posibles para cada pregunta, V o F el árbol presenta dos ramas en cada
pregunta.
1) La teoría de conjuntos fue desarrollada por G. Cantor.
a) V b) F
2) G. Cantor es de origen francés.
a)V b) F
3) La teoría de conjuntos sirve para simplificar la Estadística.
a) V b) F
Las diferentes formas en que se puede contestar son ocho y forman el espacio muestral.
S  VVV,VVF,VFV,FVV,FFV,FVF,VFF,FFF 
Se tienen en un estante 3 libros uno de Álgebra, otro de Contabilidad y otro de Biología. ¿De cuántas
formas distintas se pueden ordenar los libros?

ACB,ABC,BCA,BAC,CAB,CBA 

ANÁLISIS COMBINATORIO
Los diagramas de árbol muestran objetivamente el número de resultados posibles en que se puede
disponer de la ordenación de un conjunto de elementos, pero esta enumeración es limitada, pues a
medida que aumenta el número de objetos dicha ordenación se complica, por lo que hay que utilizar
otro procedimiento más sencillo para determinar el número total de resultados.
Con este fin, nos apoyaremos en los conceptos permutaciones y combinaciones, los cuales tienen
como base
el principio fundamental del conteo.
 Estadística y Probabilidades OOR 6

PRINCIPIOS BASICOS DE CONTEO

Hay dos principios básicos de conteo que se utilizaran en este texto, uno comprende la adición y el
otro la multiplicación.

PRINCIPIO DE LA ADICIÓN
Supongamos que algún evento A puede ocurrir en "m" formas y un segundo evento B puede
ocurrir en "n " formas, y supongamos que ambos eventos no puedan ocurrir en forma simultánea.
Entonces A o B pueden ocurrir en "m  n" formas.
Este principio puede expresarse en términos de conjuntos, esto es, si A y B son conjuntos
disjuntos. Entonces:
n(A  B)  n(A)  n(B)
EJEMPLOS
Supongamos que una Universidad Nacional tiene 8 profesores y 5 profesoras que enseñan
estadística. Un estudiante puede escoger un profesor de estadística de 8+5=13 formas.

En la biblioteca de la facultad de Contaduría, se tienen 10 libros de economía, 8 de probabilidad y 5

de costos. Por lo tanto la biblioteca de esta facultad tiene en total 23 libros, es decir 10+8+5=23
libros.

PRINCIPIO DE MULTIPLICACIÓN
Supongamos que un evento A puede ocurrir en "m" formas e independiente de este evento, un
evento B puede ocurrir en "n " formas. Entonces las combinaciones de los eventos A y B puede
ocurrir en m * n formas.
Este principio puede expresarse en términos de conjuntos, esto es, supongamos que A y B con
conjuntos finitos entonces:
n(A  B)  n(A) * n(B)

EJEMPLO
1. Supongamos que una Academia ofrece 5 cursos de Estadística, 4 cursos de Matemática y 2
cursos de Probabilidad. Además supongamos que un estudiante va a hacer su horario,
escogiendo un curso de cada uno de los cursos ofrecidos. El número de horarios que puede
obtener es:
n  5 * 4 * 2  40
PERMUTACIONES
Una permutación de un conjunto de elementos, es un ordenamiento específico de todos o algunos
elementos del conjunto, facilita el recuento de las ordenaciones diferentes que pueden hacerse con
los elementos del conjunto.
Nota: En una permutación el orden en que se disponen los elementos del conjunto es importante.

A) PERMUTACIONES DE "n " ELEMENTOS

Por el principio fundamental del conteo podemos enunciar que el número de permutaciones de "n "
objetos distintos tomados de "n " en "n " , es:
nPn  n!
Se quiere conocer el conjunto de todas las disposiciones posibles de tres personas colocadas en hilera
para tomar una fotografía.
Solución
3P3  3 !  6
Cinco personas desean nombrar un Comité Directivo compuesto de un presidente, un vicepresidente,
un secretario, un tesorero y un vocal. ¿Cuántas maneras han de constituir el comité?
 Estadística y Probabilidades OOR 7

Solución
5P5  5 !  120
Hay seis banderas de distintos colores. ¿Cuántas señales diferentes se pueden enviar usando las seis
banderas al mismo tiempo?
Solución
6P6  6 !  720
B) PERMUTACIONES DE "n " ELEMENTOS EN DIFERENTES GRUPOS DE "k"
ELEMENTOS.
Podemos calcular el número de permutaciones n Pk , de "n " elementos, tomados en grupos o
subconjuntos de "k" elementos.
n!
n Pk 
(n  k )!
Si de un estante tomamos 2 de 3 libros ¿Cuántas permutaciones pueden realizarse?
Solución

3!
3P2  6
( 3  2 )!

¿Cuántas ternas pueden formarse con las 26 letras del alfabeto, si cada letra sólo puede utilizarse una
sola vez?
Solución
26 !
26 P 3   15600
( 26  3)!
Cinco personas entran a una sala en la que hay 8 sillas. ¿De cuántas maneras diferentes pueden
ocupar las sillas?
Solución
8!
8P5   6720
( 8  5)!
C) PERMUTACIONES DONDE NO TODOS LOS ELEMENTOS SON DIFERENTES.
Si los elementos de un conjunto no son todos diferentes entre sí, es decir, algunos de los elementos
son idénticos, la fórmula de las permutaciones presenta un nuevo aspecto.
El número de permutaciones que se pueden formar en el caso de "n " elementos, cuando hay "n 1 "
elementos idénticos, "n 2 " elementos de otro tipo idénticos, etcétera, es:
n!
nPn 1n 2 ...n k 
n 1 !n 2 !...n k !
¿Cuántas palabras diferentes de cuatro letras pueden formarse con las letras LULU?
Solución
 Estadística y Probabilidades OOR 8

4! 24
4P 2 , 2   6
2!2! 4
S  LLUU,LULU,UULL,ULUL,LUUL,ULLU

¿Cuántas palabras de once letras pueden formarse con la palabra Mississippi?.

Solución
11 !
11P4, 4, 2, 1   34650
4 ! 4 ! 2 ! 1!
¿Cuántos mensajes pueden enviarse con diez banderas utilizándolas todas, si son cuatro negras, tres
verdes y tres rojas?
Solución
10 !
10P4, 3, 3   4200
4! 3! 3!
D) PERMUTACIONES CIRCULARES
Cuando los elementos se encuentran dispuestos en forma circular tenemos:
nPncir  (n  1)! !
¿De cuántas maneras podemos ordenar 5 llaves en un llavero?
Solución
5P1  ( 5  1)!  4 !  24

COMBINACIONES
Ya sabemos que en una permutación el orden de los elementos es importante, pero cuando el orden
de colocación carece de importancia, a la disposición de dichos elementos se le denomina
combinación.
Por lo tanto, una combinación es un subconjunto o una disposición de todos los elementos de un
conjunto, sin tener en cuenta el orden de ellos.
El número de combinaciones o subconjuntos no ordenados, cada uno formado por "k" elementos,
que pueden obtenerse de un conjunto de "n " elemento es:
n! n n!
nCk  o  
(n  k )!k!  k  (n  k )!k!
Si de un estante tomamos 2 de 3 libros, ¿Cuántas combinaciones pueden realizarse?
Solución
3!
3C2  3
( 3  2 )! 2 !

Por lo tanto, el resultado se reduce a 3 posibles formas ya que en una combinación el orden de los
elementos no es importante.

Se tienen cinco obreros para un trabajo especial que requiere de tres de ellos. ¿De cuántas maneras
diferentes se puede seleccionar un equipo de tres?
Solución
 Estadística y Probabilidades OOR 9

5! 5! 120
5C3     10
( 5  3)! 3 ! 2 ! 3 ! 12
De un club de 20 socios, se van a seleccionar 3 para formar la mesa directiva. ¿De cuántas formas
puede constituirse?
Solución
20 ! 5! 6840
20C3     1140
( 20  3)! 3 ! 17 ! 3 ! 6

PROBABILIDAD
DEFINICIÓN 1.- La probabilidad clásica de un suceso, denotado como P(A) , es la razón entre el
número de casos favorables y el número de casos posibles, siendo todos los sucesos igualmente
posibles de ocurrir.
Sea A el suceso, n(A) el número de casos favorables y "m" el número de casos posibles (o
numero de elementos del espacio muestral), entonces la probabilidad de que ocurra el suceso A
será:
n(A)
P(A) 
m
La probabilidad expresa el grado de certeza de que ocurrirá un determinado suceso al hacer un
determinado experimento aleatorio.

Cuanta más alta es la probabilidad de un suceso, mayor es el grado de certeza de que ocurrirá al
hacer el experimento aleatorio.
OBSERVACIONES:
1) La probabilidad de un suceso es un número real entre 0 y 1, dicho número se puede expresar
por ejemplo como 0.2, aunque también se lo puede representar como fracción (1/5), o bien
como porcentaje (20%).
2) Si la probabilidad es 0, se sabe que el suceso no ocurrirá.
3) Si la probabilidad es 1, se sabe que el suceso ocurrirá.
Es decir, el 0 y el 1 son los casos límite.
Para valores intermedios, el suceso puede o no ocurrir. En general diremos que una probabilidad
cercana a 0 es baja, y que una probabilidad cercana a 1 es alta.

EJEMPLOS:
1) Si el suceso A consiste en obtener cara al tirar una moneda, cual es la probabilidad de que ocurra
el suceso A.
Solución
Si la moneda no está cargada, se tiene que el espacio muestral del experimento es:
E   cara,sello  m  2 y el suceso A será A   cara   n(A)  1 , por
consiguiente, la probabilidad de obtener cara al tirar una moneda será:
n(A) 1
P(A)    0.5
m 2
2) Si el suceso B consiste en obtener un 3 al tirar un dado, cual es la probabilidad de que ocurra el
suceso B.
Solución
El espacio muestral será:
 Estadística y Probabilidades OOR 10

E  1 , 2 , 3 , 4 , 5 , 6  m  6 y el suceso B es B   3   n(B)  1 , luego la probabilidad

de lanzar un dado y obtener el numero 3 será:
n(B) 1
P(B)    0.166
m 6
3) Ahora se lanza una moneda y un dado al mismo tiempo, obtener la probabilidad de obtener cara
en la moneda y un número impar en el dado.
Solución
Entonces el espacio muestral del experimento será:
1C, 1S, 2C, 2S, 3C, 3S, 
E   m  12 luego el suceso ha considerar que lo llamaremos
 4C, 4S, 5C, 5S, 6C, 6S 
D será obtener cara en la moneda y un número impar en el dado, es decir:
D  1C, 3C, 5C   n(D)  3
Por consiguiente:
n(D) 3 1
P(D)     0.25
m 12 4
Ahora definiremos axiomáticamente la probabilidad:

DEFINICIÓN 2.- Sea A un suceso del espacio muestral E asociado a un experimento aleatorio, la
probabilidad del suceso A es la función que hace corresponder un número real y solamente uno y
que cumple las siguientes condiciones:
1) P(E)  1
2) 0  P(A)  1
3) Sean A y B dos sucesos disjuntos (o mutuamente excluyentes), entonces la probabilidad de
su unión es la suma de sus probabilidades, es decir:
P(A  B)  P(A)  P(B)
De acuerdo a la definición anterior se obtienen las siguientes propiedades:

PROPIEDADES
a) P(A)  1 e) Para dos sucesos cualesquiera se cumple
C que:
b) P(A)  P(A )  1
P(A  B)  P(A)  P(B)  P(A  B)
c) P( )  0
d) Si A  B  P(A)  P(B)
Y para tres sucesos será:
P( A  B  C )  P( A)  P( B)  P(C)  P( A  B)  P( A  C)  P( B  C)  P( A  B  C)

NOTA:
Si realizamos una partición del espacio muestral E , de la siguiente manera:
A 1 ,A 2 ,...,A n
Entonces se cumple que:
P(A 1  A 2 ...  A n )  1

EJERCICIOS
1) Se tiran dos dados. Indique la probabilidad de que:
a) Salgan dos 3
 Estadística y Probabilidades OOR 11

b) Salgan dos 4
c) No salga ningún 5
d) Salga algún 5
e) No salga ningún 5 ni ningún 6
f) Salgan solamente números pares
Solución
El espacio muestral es el siguiente:
E = {(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) }
Hay 36 formas posibles de tirar los dos dados. Luego contando los resultados incluidos en cada
suceso cuya probabilidad se pide, obtenemos:
a) 1/36
b) 1/36
36  11 25
c) 
36 36
d) "salga algún 5" quiere decir "al menos un 5", es decir, 1 ó 2 cincos. En otras palabras, es el
complemento del suceso a anterior. Su probabilidad es:
25 36  25 11
1  
36 36 36
e) 16/36
f) 9/36

PROBABILIDAD CONDICIONAL
La probabilidad condicional de que ocurra un suceso A dado que ha ocurrido un suceso B
denotado por P(A / B) se define como:
P(A  B)
P(A / B)  ,  P(B)  0
P(B)
En forma similar la probabilidad condicional de que ocurra el suceso B dado que ocurrió el suceso
A será:
P(A  B)
P(B / A)  ,  P(A)  0
P(A)
De donde:
P(A  B)  P(B).P(A / B) P(A  B)  P(A).P(B/ A)

EJEMPLO:
1) Si la probabilidad de que un proyecto de investigación este bien realizado es 0.8 y la probabilidad
de que será bien realizado y bien ejecutado es 0.72. ¿Cuál es la probabilidad de que un proyecto de
investigación este bien ejecutado ya que estaba bien realizado?
Solución
Sean los sucesos:
A: el proyecto esté bien realizado
B: el proyecto esté bien ejecutado
A  B : el proyecto esté bien realizado y bien ejecutado
De donde:
 Estadística y Probabilidades OOR 12

P(A)  0.8
P(A  B)  0.72
Como nos piden la probabilidad de que el proyecto esté bien ejecutado dado que estaba bien
realizado este será:
P(A  B) 0.72
P(B / A)    0.9
P(A) 0.8

INDEPENDENCIA DE SUCESOS
DEFINICIÓN: Los eventos A y B son independientes si: P(A  B)  P(A).P(B)
Si la igualdad no se cumple, decimos que A y B son dependientes.
c c c c
Si A y B son independientes, también A y B , A y B, A y B son independientes.
OBSERVACIÓN: decimos que los n sucesos A1 , A2 , ..., An son independientes si para cada par
 A , A  , P  A  A   P  A  P  A  si i  j ,
i j i j i j si para cada trio

 A , A , A  , P  A  A  A   P  A  P  A  P  A  si i  j  k y
i j k i j k i j k así sucesivamente en
forma general, P  A1  A2  ....  An   P  A1  P  A2 ....P  An 

TEOREMA DE LA PROBABILIDAD COMPUESTA

Dados los n sucesos A1 , A2 , ..., An se verifica que:
P  A1  A2  ....  An   P  A1  P  A2 / A1  P  A3 / A1  A2 ....P  An / A1  A2  ....  An1 

EJEMPLOS
1) Dados los sucesos A y B, se sabe que:
P(A c )  0.48 P(A  B)  0.82 P(B)  0.42
a) ¿Son A y B independientes?
b) ¿Cuánto vale P[A / B]?
Solución:
a) Veamos si los sucesos A y B son independientes, en efecto:
P(A c )  P(A)  1
0.48  P(A)  1
P(A)  0.52

Ahora hallemos P(A  B) , para ello utilicemos:

P(A  B)  P(A)  P(B)  P(A  B)
0.82  0.52  0.42  P(A  B)
P(A  B)  0.12
Luego:
P(A) * P(B)  ( 0.52)( 0.42)  0.2184
  P(A  B)  P(A) * P(B)
P(A  B)  0.12
Por consiguiente, no son independientes.
b) Ahora calculemos P(A / B) , en efecto:
 Estadística y Probabilidades OOR 13

P(A  B) 0.12
P(A / B)    0.29
P(B) 0.42
PROBABILIDAD TOTAL
Si A 1 ,A 2 ,A 3 ,...,A n son sucesos que representan una partición del espacio muestral E , y B
un suceso cualquiera en E , entonces la probabilidad total de que ocurra el suceso B esta dado por:
P(A)  P(A 1 ).P(B / A 1 )  ...  P(A n ).P(B / A n )
n
  P(A i ).P(B / A i )
i 1
Gráficamente se tiene:
A3
A1
A2

An B A4
EJEMPLOS:
1) En una determinada ciudad, la probabilidad de que una persona elegida al azar sea mujer y tenga
ojos azules es 0.1, y la probabilidad de que una persona elegida al azar sea hombre y tenga ojos
azules es 0.15. ¿Cuál es la probabilidad de que una persona elegida al azar tenga ojos azules?
Solución:
El experimento consiste en tomar una persona al azar, y registrar su sexo y el color de sus ojos.
Definimos 3 sucesos:
M : Que la persona elegida al azar sea mujer.
H : Que la persona elegida al azar sea hombre.
A : Que la persona elegida al azar tenga ojos azules.
A
Como una persona es hombre o es mujer y no hay otras posibilidades, entonces:

P(M)  P(H)  1
Como además no se puede ser hombre y mujer al mismo tiempo, los sucesos M y
H son disjuntos. Es decir, M y H constituyen una partición del espacio muestral E .
Además nos dan como datos:
P(M  A)  0.1
P(H  A)  0.15
Nos piden: P(A)
Como A  E entonces A  E  A . Por lo tanto:
P(A)  P(A  E)
Además M y H constituyen una partición de E , entonces:
P(A  E)  P(A  (M  H))
Ahora distribuimos la intersección y queda:
P(A  (M  H))  P((A  M)  (A  H))
Como M y H son disjuntos, entonces A  M y A  H son disjuntos. Una persona no puede
ser hombre y mujer al mismo tiempo, por lo tanto tampoco puede:
(tener ojos azules y ser mujer) y (tener ojos azules y ser hombre)
al mismo tiempo. Queda:
P((A  M)  (A  H))  P(A  M)  P(A  H)  0.1  0.15  0.25
 Estadística y Probabilidades OOR 14

2) Una empresa que fabrica lámparas tiene 2 plantas, la A y la B. Cada lámpara fabricada por A tiene
probabilidad 0.01 de ser defectuosa. Cada lámpara fabricada por B tiene probabilidad 0.02 de ser
defectuosa. Si las plantas A y B producen el 60% y el 40% de las unidades respectivamente, ¿cuál es
la probabilidad de que una lámpara fabricada por la empresa sea defectuosa?

TEOREMA DE BAYES:
Si A 1 ,A 2 ,A 3 ,...,A n es una partición del espacio muestral E , y B un suceso cualquiera en E ,
entonces la probabilidad de que ocurra el suceso A i dado que ocurrió el suceso B esta dado por:
P(A i ).P(B / A i )
P(A i / B) 
P(B)
Donde:
El numerador es la probabilidad de la intersección.
El denominador es la probabilidad total.
EJEMPLOS
1) En un determinado grupo de gente hay personas rubias, morochas y pelirrojas. El 60% de la
gente es morocha, el 30% rubia y el 10% pelirroja. El 50% de los rubios tiene ojos claros, el
40% de los pelirrojos tiene ojos claros y el 25% de los morochos tiene ojos claros. Si una
persona elegida al azar tiene ojos claros, ¿cuál es la probabilidad de que sea rubia?
Solución
Sean los eventos: C: Personas con ojos claros P(C / R)  0.5
R: Personas rubias P(R)  0.3 P(C / P)  0.4
M: Personas morochas P(M)  0.6 P(C / M)  0.25
P: Personas pelirrojas
P(P)  0.1
Aplicamos la regla de Bayes, esto es:
P(R).P(C / R) P(R).P(C / R)
Como P(R / C)  
P(C) P(C / R)P(R)  P(C / M)P(M)  P(C / P)P(P)
( 0.3)( 0.5)
P(R / C)   0.441
( 0.5)( 0.3)  ( 0.25)( 0.6)  ( 0.4)( 0.1)

2. El parte meteorológico ha anunciado tres posibilidades para el fin de semana:

a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente es la
siguiente:
a) Si llueve: probabilidad de accidente del 20%.
b) Si nieva: probabilidad de accidente del 10%
c) Si hay niebla: probabilidad de accidente del 5%.
Calcular:
a) La probabilidad de que estuviera lloviendo el día del accidente
b) La probabilidad de que estuviera nevando el día del accidente
c) La probabilidad de que haya niebla el día del accidente