Tema 7 Combinatoria y Probabilidad.

Curso 2018/19

7 COMBINATORIA Y PROBABILIDAD.

La combinatoria se puede denir como el arte de contar bien. En la primera pare de este tema,

estudiaremos algunas técnicas combinatorias que nos permitirán contar de una forma más eciente.

Posteriormente, veremos el concepto de probabilidad y algunas de sus propiedades elementales.

7.1 Combinatoria.

Toda la combinatoria se basa, fundamentalmente, en los dos siguientes principios básicos.

Principio de la Suma. Sean A y B son dos sucesos que no pueden ocurrir simultáneamente. Si el

suceso A ocurre de m maneras distintas y el B de n maneras distintas, entonces el suceso  A ó B

podrá ocurrir de m+n maneras distintas.

Este principio puede aplicarse a más de dos sucesos siempre que sean disjuntos dos a dos, es decir,

que dos cualesquiera de ellos no puedan ocurrir simultáneamente.

Ejemplo 7.1.1. En Netix hay 15 películas de Marvel disponibles, mientras que en HBO hay 13

películas de DC Comics. Si queremos ver una película de super héroes y estamos suscritos a ambas

plataformas, en total tendremos 28 películas donde elegir.

Principio del Producto. Si un suceso A puede ocurrir de m maneras e, independientemente, un

segundo suceso B puede ocurrir en n maneras, entonces el número de maneras en que ambos, A y B,
pueden ocurrir es m · n.

Al igual que en el caso anterior, si hay más de dos sucesos disjuntos dos a dos, el Principio del

Producto sigue siendo válido.

Ejemplo 7.1.2. La clave para desactivar la Estrella de la Muerte es un código de 3 cifras. La Alianza

Rebelde ha conseguido determinar que las cifras que lo componen son todas menores o iguales que 6

y, que además, el número obtenido es par. Disponemos de un androide tipo R2 algo antiguo, pero

muy ecaz. Es capaz de enviar una clave de 3 cifras al ordenador central de la Estrella de la Muerte

cada medio segundo. Sabemos que los sensores imperiales tardan 90 segundos en detectarnos y lanzar

sus ráfagas láser. Además, necesitamos 6 segundos para saltar al hiperespacio. La Princesa Leia nos

pregunta ¾seréis capaces de desactivar a tiempo la Estrella de la Muerte? Y lo que es más importante,

¾podréis huir para recibir la gloria?

Departamento de Análisis Matemático 1 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Necesitamos calcular la cantidad de números de 3 cifras que cumplen con las condiciones requeridas.

Representemos por A1 A2 A3 nuestro número. Las posibles cifras son 0, 1, 2, 3, 4, 5 y 6. Para A1

podemos coger cualquier cifra de los dados salvo el 0, así que tenemos 6 posibilidades. Para A2 nos

sirven todas, y para A3 las cifras deben ser 0, 2, 4 ó 6, es decir, 4 posibilidades. Luego en total hay

6 × 7 × 4 = 168 posibles claves. Si tardamos medio segundo en introducir cada clave, en el peor de

los casos tardaremos 84 segundos en introducir todas, tiempo suciente para desactivar la Estrella de

la Muerte. Asimismo, disponemos de 6 segundos extra antes de ser detectados para poder realizar el

salto al hiperespacio, huir y ser condecorados. May the MATH be with you.

A partir de los principios anteriores, podemos deducir la fórmulas clásicas de los diferentes tipos

de muestras.

Denición 7.1.3 (Variaciones) . Sea un conjunto formado por n elementos distintos y sea k ≤ n.
Llamamos variación de n elementos tomados de k en k a cada una de las posibles listas ordenadas

formadas por k elementos distintos tomados de los n del conjunto original.

Observemos que en esta denición, es importante el orden en el que se extraen los elementos,

pues dos listas con los mismos elementos, pero en posiciones diferentes, se consideran dos variaciones

distintas.

Teorema 7.1.4. El número total de variaciones de n elementos tomados de k en k es

n!
Vn,k := n(n − 1) . . . (n − k + 1) = .
(n − k)!
En la denición anterior, era importante que los elementos de cada variación no se repitan, es decir,

que si un elemento se tomaba en una posición, ya podría ser tomado en sucesivas posiciones. Dicho de

otro modo, estamos extrayendo una muestra sin reemplazamiento. Sin embargo, si permitimos que un

mismo elemento salga repetido tantas veces como sea posible, es decir, si tras extraer un elemento, lo

volvemos a introducir entre los elegibles, tendremos un concepto diferente.

Denición 7.1.5 (Variaciones con repetición) . Sea un conjunto formado por n elementos distintos.

Llamamos variación con repetición de n elementos y orden k a cualquier lista ordenada de k elementos,

no necesariamente distintos, tomados entre los n del conjunto original.

En esta ocasión, al poderse repetir elementos, es posible tomar k > n.

Departamento de Análisis Matemático 2 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Teorema 7.1.6. El número total de variaciones con repetición de n elementos y orden k en k es

V Rn,k := nk .

En el caso particular en que queramos hacer una variación de tantos elementos como tenga el

original, lo llamaremos permutación.

Denición 7.1.7 (Permutaciones). Dado un conjunto de n elementos distintos, llamamos permutación

(simple) de n elementos a cada una de las formas de ordenar los n elementos del conjunto original.

Teorema 7.1.8. El número total de permutaciones de n elementos es

Pn := Vn,n = n!.

Para las permutaciones, es indispensable que los elementos originales sean distintos entre sí. Caso

contrario, es decir, si en el conjunto original hay elementos indistinguibles entre sí, precisamos de otro

concepto.

Denición 7.1.9 (Permutaciones con repetición) . Sea un conjunto con n elementos, entre los que

existen n1 iguales y de un mismo tipo, n2 iguales pero de otro tipo, y así sucesivamente, nk iguales

y de tipos diferentes a los anteriores (n1 + n2 + · · · + nk ≤ n). Se llama permutación de n elementos

entre los que n1 se repiten, n2 se repiten, ... , nk se repiten, a cada una de las posibles formas que

hay de ordenar los n elementos del conjunto original.

Teorema 7.1.10. El número total de permutaciones de n elementos entre los que n1 se repiten, n2 se

repiten, ... , nk se repiten es

n!
P Rnn1 ,n2 ,...,nk := .
n1 ! n2 ! . . . nk !
En todos los casos anteriores, el orden en el que se listaban los elementos era importante. Si esto

no ocurre, es decir, si en lugar de listas de elementos pensamos en conjuntos de elementos, entonces

precisamos de los siguientes conceptos.

Denición 7.1.11 (Combinaciones). Sea un conjunto de n elementos y k ≤ n. Se llama combinación

de n elementos tomados de k en k a cada uno de las formas de escoger k elementos distintos de los n
del conjunto original.

Departamento de Análisis Matemático 3 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Teorema 7.1.12. El número total de combinaciones de n elementos tomados de k en k es

 
n n!
Cn,k = nCk = Cnk = := .
k k! (n − k)!
n


A los números se les llama coecientes binomiales y se cumple lo siguiente.
k

Teorema 7.1.13 (Binomio de Newton) . Para cada x, y ∈ R y cada n ∈ N, se cumple que

n  
X n k n−k
n
(x + y) = x y .
k
k=0

Para generalizar esta expresión a una suma de una cantidad nita cualquiera de términos, pre-

cisamos de la siguiente denición.

Denición 7.1.14 (Coeciente multinomial) . Para cada n ∈ N y cada familia nita de números

n1 , n2 , . . . , nk ∈ N con n1 + n2 + . . . + nk = n, se dene el coeciente multinomial como

 
n n!
:=
n1 , n2 , . . . , nk n1 ! · n2 ! · . . . · nk !

Observación 7.1.15. Si en la denición de permutaciones con repetición exigimos que aparezcan

incluso los elementos que sólo aparecen 1 vez, es decir, si se cumple que n1 + n2 + . . . + nk = n,
n1 ,n2 m...,nk n


entonces P Rn = n1 ,n2 ,...,nk .

Teorema 7.1.16 (Multinomial) . Para cada x1 , x2 , . . . , xk ∈ R y cada n ∈ N se cumple que

 
X n
(x1 + x2 + . . . + xk )n = xn1 1 · xn2 2 · . . . · xnk k .
n1 , n2 , . . . , nk
n1 ,n2 ,...,nk ≥0
n1 +n2 +...+nk =n

Denición 7.1.17 (Combinaciones con repetición) . Sea un conjunto con n elementos distintos, lla-

mamos combinaciones con repetición de n elementos tomados de k en k a cada grupo formado por k
elementos, distintos o repetidos, tomados de los n iniciales.

Teorema 7.1.18. El número total de combinaciones con repetición de n elementos tomados de k en

k es
 
n+k−1
CRn,k := Cn+k−1,k .
k

Departamento de Análisis Matemático 4 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

7.2 Probabilidad

En la naturaleza, los sucesos que se presentan o los experimentos que se llevan a cabo pueden ser,

esencialmente, de dos tipos.

Sucesos deterministas: son aquellos en los que la relación causa-efecto aparece perfectamente de-

terminada.

Sucesos aleatorios: son aquellos que aun repitiéndose en las mismas condiciones, el resultado varia

de una repetición a otra, dentro de un conjunto de posibles resultados.

La Teoría de la Probabilidad busca la obtención de modelos aleatorios o estocásticos mediante los

cuales podremos conocer, en términos de probabilidad, el comportamiento de los fenómenos aleatorios.

Algunos de los elementos básicos de la Teoría de la Probabilidad se recogen a continuación.

Experimento: es cualquier proceso cuyos resultados no se conocen de antemano con certeza.

Espacio muestral: es el conjunto de todos los resultados posibles de un determinado experimento.

Suceso o Evento: es cualquier subconjunto del espacio muestral.

En cuanto a los sucesos, estos pueden ser elementales, si están constituidos por un solo elemento del

espacio muestral; compuestos, si están constituidos por varios elementos del espacio muestral. El suceso

seguro es todo el espacio muestral, mientras que el suceso imposible es el suceso cuya intersección con

el espacio muestral es ∅, es decir, aquel que no tiene elementos del espacio muestral.

Ejemplo 7.2.1. En el experimento, Lanzar un dado, se tiene que

• El espacio muestral es Ω = {1, 2, 3, 4, 5, 6}.

• El suceso imposible puede ser obtener un 7.

• El suceso seguro puede ser obtener un número entero entre 1 y 6.

• Un suceso simple puede ser obtener un 4.

• Un suceso compuesto puede ser obtener un número impar, obtener un múltiplo de 3 u obtener un

número entre 2 y 4.

Departamento de Análisis Matemático 5 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

7.2.1 Denición de probabilidad.

La primera denición de Probabilidad la dio Pierre Simon Laplace en 1812.

Regla de Laplace. Dado un experimento aleatorio en el que todos los sucesos elementales son

equiprobables, la Probabilidad de ocurrencia de un suceso es el cociente entre el número de casos

favorables al suceso y el número de casos posibles del experimento:

n
o de casos favorables
P(A) := o .
n de casos posibles

Esta regla general tiene el inconveniente de que los sucesos elementales han de ser equiprobables,

es decir, todos con la misma probabilidad. Por tanto, hemos de conocer a priori estas probabilidades

elementales, cosa que no siempre es posible.

Para evitar este y algún otro problema, se incluye la denición axiomática de probabilidad, estable-

cida a principios del siglo XX por Andrei Kolmogorov.

Denición 7.2.2. Una distribución de probabilidad o simplemente probabilidad sobre un espacio mues-

tral Ω, es una aplicación que asigna a cada suceso A ⊂ Ω un valor numérico P(A), cumpliendo las

siguientes reglas:

(a) P(A) ≥ 0 para cualquier suceso A. (b) P(Ω) = 1.

(c) Si A, B ⊂ Ω con A ∩ B = ∅, entonces P(A ∪ B) = P(A) + P(B).

Observación 7.2.3. El apartado (c) se puede generalizar. Para cualquier colección de sucesos disjuntos

dos a dos (An )∞

n=1 ⊂ Ω se tiene que

∞ ∞
!
[ X
P An = P(An ).
n=1 n=1

Una probabilidad tiene las siguientes propiedades adicionales como consecuencia de vericar los

axiomas anteriores.

Propiedades 7.2.4. Se cumplen las siguientes propiedades.

(a) P(∅) = 0. (b) P(Ac ) = 1 − P(A).

(c) Si A⊂B entonces P(A) ≤ P(B). (d) Para cualquier suceso A es 0 ≤ P(A) ≤ 1.

Departamento de Análisis Matemático 6 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

(e) Para dos sucesos generales cualesquiera P(A ∪ B) = P(A) + P(B) − P(A ∩ B).

(f ) Dados los sucesos A, B y C, se verica que

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

Ejemplo 7.2.5. En La Comarca de La Tierra Media, viven 200 Hobbits. 137 de ellos son parientes de

la familia Bolsón, 50 de la familia Brandigamo y 124 de la familia Gamyi. Por otra parte, el número de

Hobbits que son a la vez parientes de la familia Bolsón y Brandigamo es 33, de Bolsón y Gamyi es 29

y de Brandigamo y Gamyi es 92. Finalmente, el número de Hobbits que es pariente de las tres familias

a la vez es 18. Gandalf El Gris acude a La Comarca y busca al azar un Hobbit para una misión, pero

necesita que no sea pariente de ninguna de las familias anteriores. ¾Cuál es la probabilidad de que el

Hobbit elegido cumpla esta propiedad?

Sea A1 el suceso el Hobbit es pariente de la familia Bolsón, A2 el suceso el Hobbit es pariente de

la familia Brandigamo y A3 el suceso el Hobbit es pariente de la familia Gamyi. Finalmente, sea A
el suceso el Hobbit no es pariente de las familias anteriores. Se cumple que A = (A1 ∪ A2 ∪ A3 )c , por

tanto por el apartado (b) anterior, P(A) = 1−P(A1 ∪A2 ∪A3 ). Ahora, debemos calcular P(A1 ∪A2 ∪A3 ),
para lo cual vamos a usar el apartado (f ):

137 50 124 33 29 92 18 7
P(A1 ∪ A2 ∪ A3 ) = + + − − − + = .
200 200 200 200 200 200 200 8

Asó pues, la probabilidad de que Gandalf el Gris elija un Hobbit que no pertenezca a las familias
1
Bolsón, Brandigamo o Gamyi es de = 12, 5%.
8
Los apartados (e) y (f ) son casos particulares del siguiente resultado

Teorema 7.2.6 (Principio de Inclusión-Exclusión). Dada una colección nita de sucesos A1 , A2 , . . . , An ,

se cumple

n n
!
[ X X X
P Ai = P(Ai ) − P(Ai ∩ Aj ) + P(Ai ∩ Aj ∩ Ak ) − . . .
i=1 k=1 i<j i<j<k
X
k+1
. . . + (−1) P(Ai1 ∩ . . . ∩ Aik ) + . . . + (−1)n+1 P(A1 ∩ A2 ∩ . . . ∩ An ).
i1 <...<ik

Departamento de Análisis Matemático 7 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Ejemplo 7.2.7. El profesor Farnsworth ha inventado la máquina que desempareja cuerpos de person-

alidades y la ha utilizado con los n empleados de Planet Express. Ahora los cuerpos de Fry, Leela,

el doctor Zoidberg etc... yacen en el suelo, mientras que sus personalidades otan en el hiperespacio

virtual creado por el excéntrico profesor. La única posibilidad de devolver las personalidades a su

cuerpo es ejecutar el programa de recuperación. Pero tan sólo queda Bender para introducir los datos.

En un alarde de generosidad, el robot doblador accede a ayudar a sus compañeros, para lo cual decide

adjudicar, aleatoriamente, a cada cuerpo una personalidad. ¾Cuál es la probabilidad de que por lo

menos uno de los miembros de Plant Express acabe con su personalidad dentro de su propio cuerpo?

En este caso, el espacio muestral, es decir, las posibles formas de asignar a cada uno de los n
miembros de Planet Express una personalidad, es justamente Pn = n!.
Sea Ai el suceso al trabajador i de Planet Express, le ha correspondido su propia personalidad.
(n−1)! 1
Aplicando la Regla de Laplace, la probabilidad del suceso Ai es P(Ai ) = n! = n.
(n−2)!
Si i 6= j la probabilidad del suceso intersección Ai ∩ Aj es, de modo similar, P(Ai ∩ Aj ) = n! .
Y en general, dados i1 , i2 , . . . , ik índices diferentes:

(n − k)!
P(Ai1 ∩ Ai2 ∩ · · · ∩ Aik ) = .
n!

Si aplicamos el Principio de Inclusión-Exclusión (y aplicando las técnicas de combinatoria vistas

en la sección anterior), resulta que

     
n 1 n (n − 2)! n (n − 3)!
P(A1 ∪ A2 ∪ · · · ∪ An ) = − + + ··· +
1 n 2 n! 3 n!
 
n+1 n (n − n)!
+(−1)
n n!
1 1 1
= 1 − + − · · · + (−1)n+1 .
2! 3! n!

Si tenemos en cuenta el desarrollo en serie de Taylor de la función exponencial

x2 x3
ex = 1 + x + + + ...,
2! 3!
1 1
para x = −1 tenemos que e−1 = 1 − 1 + − + ..., de donde obtenemos que cuando n es muy
2 3!
grande, la probabilidad de que al menos uno de los trabajadores de Planet Express reciba su propia

personalidad tiende a 1 − e−1 , aproximadamente igual a 0.63.

Departamento de Análisis Matemático 8 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

En el caso particular en que el número de sucesos elementales sea nito, el espacio muestral también

será nito, Ω = {s1 , . . . , sn }.

Para especicar una probabilidad sobre este espacio muestral es suciente asignar un peso pi a

cada uno de los sucesos elementales si . Pero para que se satisfagan los axiomas de la probabilidad

(Denición 7.2.2), se debe cumplir que

n
X
(a) p i ≥ 0. (b) pi = 1.
i=1

En estas condiciones, la probabilidad de cualquier suceso A⊂Ω se calcula sumando los pesos pi
de todos los resultados si que pertenecen al conjunto A, es decir,

X
P(A) = pi .
si ∈A

En el caso particular de que cada peso pi sea 1/n, esto es, todos los sucesos elementales son equiprob-
ables, la probabilidad obtenida se llama distribución discreta uniforme. En ese caso, la probabilidad de

un suceso A es igual al cardinal de A dividido por el cardinal de Ω y coincide con la Regla de Laplace.

Los espacios muestrales no nitos más simples son los numerables (recordemos que un conjunto

Ω es numerable si existe una biyección de N en Ω). Un espacio muestral numerable es de la forma

Ω = {s1 , s2 , . . . , sn , . . .}, siendo si (i ∈ N) los sucesos elementales.

En los espacios muestrales numerables se pueden denir probabilidades usando el mismo proced-

imiento que en el caso nito, esto es, asignando un peso pi a cada suceso elemental si de manera

que

∞
X
(a) 0 ≤ p i ≤ 1. (b) pi = 1.
i=1

A los espacios muestrales que o bien son nitos o bien son numerables se les llama, conjuntamente,

espacios muestrales discretos.

Ejemplo 7.2.8. La probabilidad de tener éxito al invocar un Expecto Patronus es de 1/2 para magos

que hayan salido de Hogwarts con una calicación de Sobresaliente en Defensa contra las Artes Oscuras.

Nos planteamos el siguiente experimento, invocamos un Expecto Patronus hasta que tengamos

éxito. Si denotamos por O al fracaso y por P al éxito, el espacio muestral de nuestro experimento será

Ω = {P, OP, OOP, OOOP, . . .}

Departamento de Análisis Matemático 9 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

y estaremos ante un espacio muestral discreto y numerable.

El peso de cada suceso simple es 2−n , siendo n el número de veces que invocamos un Expecto

Patronus. Por ejemplo P(P ) = 1/2, P(OP ) = 1/4, P(OOP ) = 1/8, etc.

Notemos que la suma de los pesos vale 1:

∞
1 n
 
X 1/2
= = 1.
2 1 − 1/2
n=1

Con este modelo podemos calcular, por ejemplo, la probabilidad de que el número de intentos

necesarios para que aparezca un Expecto Patronus sea par:

∞  n
X 1 1
(1/2)2 + (1/2)4 + (1/2)6 + · · · = = .
4 3
n=1

Esto deja una probabilidad de 2/3 para que el número de intentos antes de que aparezca un Patronus

por primera vez sea impar.

La probabilidad de necesitar tres o más intentos para ver un Patronus es

∞
X
2−n = 1 − (2−1 + 2−2 ).
n=3

7.3 Probabilidad condicionada y Teorema de Bayes

Cuando tenemos dos sucesos que no son independientes la ocurrencia de uno puede afectar a la del

otro y viceversa. Por tanto, si poseemos información acerca de uno de ellos, podemos estimar mejor la

probabilidad del segundo. Esto es lo que se conoce como probabilidad condicionada.

Denición 7.3.1 (Probabilidad condicionada) . Sean A y B dos sucesos, con P(B) > 0. Se dene la

probabilidad de A condicionado a B como

P(A ∩ B)
P(A|B) = ,
P(B)
es decir, la probabilidad de que ocurra A, sabiendo que B es cierto.

P ( ni=1 Ai ) > 0,
T
De esta denición, se deduce que P(A ∩ B) = P(A|B)P(B) y, por inducción, si

entonces
n  n−2  n−1
! ! !
\ \ \
P Ai = P(A1 )P (A2 |A1 ) · · · P An−1  Ai P An  Ai .
i=1 i=1 i=1
Para el siguiente resultado, necesitamos el concepto de partición de un conjunto.

Departamento de Análisis Matemático 10 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Denición 7.3.2. Se dice que A1 , . . . , A n es una partición de un conjunto A (usualmente el total, Ω),
n
[
si son disjuntos dos a dos, P (Ai ) > 0 (1 ≤ i ≤ n) y, además, A= Ai .
i=1

Teorema 7.3.3 (Teorema de la Probabilidad Total) . Sea A1 , . . . , A n una partición de Ω y sea B un

n
X
suceso cualquiera. Entonces P(B) = P(B|Aj )P(Aj ).
j=1

En el resultado anterior, queremos calcular la probabilidad de un suceso a través de una partición

del espacio total. Sin embargo, en ocasiones interesa conocer qué ocurre con cada miembro de una

partición, sabiendo que un determinado suceso ya ha ocurrido.

Teorema 7.3.4 (Teorema de Bayes) . Sea A1 , . . . , An una partición de Ω y sea B un suceso con

P(B) > 0. Entonces, para cada 1≤i≤n se cumple que

P(B|Ai )P (Ai )
P(Ai |B) = n .
X
P(B|Aj )P(Aj )
j=1

En el lenguaje habitual del Cálculo de Probabilidades, P(Ai ) se conoce como probabilidad a priori

y P(Ai |B) como probabilidad a posteriori, siendo la ocurrencia de B la que establece la frontera entre

el antes y el después.

Ejemplo 7.3.5. Once y Mike, amigos y residentes en Hawkins (Indiana), se han enterado de que su

amigo Dustin posee 3 viveros bajo tierra, con crías de Demogorgons y Salamandras mezcladas. Sabe

que en el Vivero 1 hay 3 Salamandras y Dart, el Demogorgon amigo de Dustin; en el Vivero 2 hay

2 Salamandras y 2 Demogorgons malvados, mientras que en el último Vivero tiene a 1 Salamandra

y 3 Demogorgons malvados. Dustin recuerda dónde está cada vivero, pero no recuerda cual es cual;

además, al estar los viveros bajo tierra, no puede ver lo que hay dentro ni saberlo de antemano.

Once, usando sus poderes telequinéticos, es capaz de entrar (a través del Otro Lado) en un vivero

al azar y ver a una de las criaturas. Resulta ser una Salamandra. Los chicos deciden que, dado que no

tienen más tiempo para hacer comprobaciones, ese debe ser el vivero donde está Dart y destruyen el

resto de viveros, justo antes de que los Demogorgons muden y se conviertan en Stranger Things.

¾Han tomado los chicos la decisión correcta? es decir, ¾cual es el vivero que, en las condiciones

anteriores, tiene la mayor probabilidad de haber sido elegido?

Departamento de Análisis Matemático 11 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Mediante V1 , V2 , V3 , representaremos el vivero elegido. Como no hay más posibilidades, la unión

de estos tres sucesos es el Suceso Total. Además, tal y como se nos indica, la elección del vivero en el

1
que entra Once es al azar, por tanto, P(V1 ) = P(V2 ) = P(V3 ) = 3 > 0. Así pues, V1 , V2 , V3 constituyen

una partición de Ω.
Sea S es el suceso la criatura visualizada por Once es una Salamandra. Sabemos que

3 1 1
P(S|V1 ) = , P(S|V2 ) = , P(S|V3 ) = .
4 2 4

Aplicando el Teorema de Bayes,

1 3
3 · 4 1
P(V1 |B) = 1 3 1 1 1 1 = .
3 · 4 + 3 · 2 + 3 · 4
2

De forma análoga, para los otros viveros se tiene que

1 1
P(V2 |B) = , P(V3 |B) = .
3 6

Así que el vivero que tenía la mayor probabilidad de haber sido elegido era el Vivero 1, donde estaba

Dart tal y como los chicos habían pensado.

7.4 Independencia de sucesos

La información previa que se nos proporciona sobre el resultado de un experimento puede modicar la

probabilidad inicial del suceso. Cuando esto no ocurre, estamos ante sucesos que no inuyen entre sí.

Es lo que se conoce como independencia de sucesos.

Denición 7.4.1 (Sucesos independientes). Decimos que los sucesos A y B son independientes si

P(A ∩ B) = P(A)P(B).

Visto de otro modo, usando el concepto de probabilidad condicionada, se tiene que dos sucesos A
y B (con P(B) > 0 son independientes si y solo si P(A|B) = P(A).
Otra consecuencia inmediata de la denición es que si A y B son independientes, entonces tanto A
y Bc como Ac y B también son independientes.

Departamento de Análisis Matemático 12 Asignatura: Métodos Matemáticos I

Tema 7 Combinatoria y Probabilidad. Curso 2018/19

Ejemplo 7.4.2. El gran inuencer de las redes sociales Tito Eliatron (@eliatron), posee cuentas

de Twitter y de Instagram. Resulta que, si elegimos un día cualquiera del último año, el número de

seguidores de cada una de las cuentas es un número entre 1000 y 6999.

Consideremos los sucesos A Tito Eliatron posee 6000 y pico seguidores en Twitter, el suceso

B Tito Eliatron posee 4000 y pico seguidores en Instagram, y el suceso C Tito Eliatron posee,

exactamente, 11000 seguidores entre ambas redes sociales.

¾Cuáles de estos sucesos son independientes?

Como tiene 6000 y pico seguidores en twitter, hay 1000 posibilidades (de 6999 − 6000 + 1), luego

1000 1
P(A) = =
6000 P(B) = 16 . Finalmente, hay 6000 × 6000 = 36 · 106 posibles
6 . De forma análoga,
6
conguraciones de ambas cuentas, de las cuales 1000 × 1000 = 10 son favorables a los sucesos A y B

106 1
a la vez; por tanto, P(A ∩ B) = 36·106
= 36 . Entonces

1 1 1
P(A) · P(B) = · = = P(A ∩ B)
6 6 36

y los sucesos A y B son independientes.

Por otro lado, para que haya exactamente 11000, las únicas posibilidades, son

Twitter Instagram
z }| { z }| {
(4001 − 6999) + (6999 − 4001) .

Por tanto, para que ocurra A y C a la vez, hay 1000 casos favorables de Twitter (de 6000 a 6999) y

otros 1000 de Instagram (de 5000 a 4001). Además, para que ocurra C hay 2999 = 6999 − 4001 + 1
2
posibles seguidores de Twitter e Instagram, lo que hace un total de 2999 casos favorables. Por tanto,

1 29992 1 106
P(A) · P(C) = · = 0.0416389 6
= 0.0277778 = = = P(A ∩ C).
6 36 · 106 36 36 · 106

Así pues, A y C no son independientes.

Departamento de Análisis Matemático 13 Asignatura: Métodos Matemáticos I