PROBABILIDADES

1. Experimentos aleatorios, espacio muestral, sucesos o eventos, frecuencia relativa

Existen fenómenos que, al ser repetidos bajo un específico conjunto de condiciones, permiten obtener
aproximadamente el mismo resultado; por ejemplo, un auto demorará aproximadamente el mismo
tiempo todas las veces que recorra una distancia fija, con una velocidad constante dada.

Existen otros fenómenos que al ser realizados bajo las mismas condiciones no siempre permiten obtener
los mismos resultados; por ejemplo, al lanzar una moneda varias veces, las ocurrencias de cara y sello se
obtienen de manera no predecible. Este tipo de fenómenos son el motivo de estudio de la teoría de
Probabilidades y se denominan fenómenos aleatorios.

Aparentemente no es posible hacer suposiciones acerca de los resultados obtenidos de fenómenos

aleatorios; al lanzar una moneda una vez no podemos predecir el resultado pero si lanzamos un gran
número de veces, la proporción de caras parece fluctuar alrededor de un número fijo p entre 0 y 1 ( p
se halla cerca a 1/2 si la moneda no tiene defectos). Esto significa que la proporción de caras en n
lanzamientos converge a p , si n tiende a infinito.

Ejemplo 1.1.

Ejemplos de Experimentos Aleatorios

1.1.1. Un número telefónico es escogido al azar de la guía telefónica y a la persona que contesta la
llamada se le pregunta si está o no escuchando una determinada estación de radio.

1.1.2. Se lanza un dado y se anota el número que aparece en la cara superior.

1.1.3. Se cuenta el número de artículos defectuosos producidos por una máquina que ha trabajado 8
horas seguidas.

1.1.4. Se anota el número de horas que permanece prendido un foco, hasta que se quema.

1.2.5. Se toma una prueba de conocimientos a una persona determinada y se anota si la contesta
completamente o no, en el tiempo fijado

Definición 1.1. Se llama espacio muestral de un experimento aleatorio al conjunto de todos los
resultados posibles del experimento, se simboliza  .

Ejemplo 1.2. En cada uno de los cinco ejemplos planteados en el Ejemplo 1.1. el espacio muestral es:

1.2.1.  = si , no 

1.2.2.  = 1, 2 , 3 , 4 , 5 , 6 

1.2.3.  = 0 ,1, 2 , ..., N  ; N representa el número máximo de artículos producidos en las 8 horas.
  
1.2.4.  = t t  0 ; t representa el número de horas que el foco dura prendido, hasta que se quema

1.2.5.  =  C, I ; C representa completo e I incompleto

Definición 1.2. Un suceso o evento es un conjunto de posibles resultados.

En términos de conjuntos; todo subconjunto del espacio muestral es un suceso o evento; en particular 
y  son sucesos, así como cualquier posible resultado individual visto como conjunto unitario, lo que
se conoce como evento elemental o unitario.

Ejemplo 1.3.

En cada uno de los espacios muestrales del Ejemplo 1.2. :

1.3.1. A : Una contestación "si" ocurre ; A = si 

1.3.2. A : Un número impar ocurre ; A = 1, 3, 5 

1.3.3. A : Todos los artículos fueron no defectuosos ; A = 0 


1.3.4. A : El foco permanece prendido y se quema en menos de 90 horas; A = t t  90 
1.3.5. A : La persona entrega incompleta la prueba ; A =  I 

Definición 1.3. Se dice que dos eventos A y B son mutuamente excluyentes si no es posible que
ocurran los dos al mismo tiempo.

En términos de conjuntos; A y B son mutuamente excluyentes si son disyuntos; es decir, si

A B = 

Observación. Si se conocen algunos eventos, es posible crear nuevos eventos utilizando las
operaciones entre conjuntos.

Ejemplo 1.4.

Si en el Ejemplo 1.1.4. “ Se anota el número de horas que permanece prendido un foco, hasta que se
quema ", se consideran los siguientes eventos:
   
A = t t  100 ; B = t 50  t  180 ; C = t 120  t 

1.4.1. A  B = t t  180 
1.4.2. A  B = t 50  t  100 
1.4.3. B  C = t t  50 
1.4.4. B  C = t 120  t  180 
1.4.5. A  C = 

1.4.6. A  C = t t  100, o , t  120 

1.4.7. A C = t 100  t 
Definición 1.4. Si un experimento aleatorio se realiza n veces y A es un evento que aparece n A veces.
n
Se define la frecuencia relativa del evento A , que se simboliza f A , así: f A = A
n

Observación: Esta definición cumple las siguientes propiedades:

i. 0  f A  1
ii. f A = 1 si y solo si A siempre ocurre en las n veces
iii. f A = 0 si y solo si A nunca ocurre en las n veces
iv. Si A y B son dos eventos mutuamente excluyentes entonces f AB = f A + f B
v. f A "converge" en cierto sentido probabilístico a un valor P ( A) cuando n → 

La propiedad v. está indicada de manera vaga. Encierra la noción bastante intuitiva de que la frecuencia
relativa, cuando el número de observaciones aumenta, tiende a estabilizarse en la cercanía de un cierto
valor. Este no es el mismo concepto de convergencia que se da en otras ramas de la Matemática.

Ejemplo 1.5. Si al lanzar 20 veces un dado se han obtenido los siguientes resultados:
5 , 4 , 1 , 5 , 5 , 2 , 2 , 5 , 1 , 2 , 1 , 4 , 4 , 3 , 3 , 1 , 3 , 4 , 3 , 1 y se consideran los siguientes eventos:

A : “ Múltiplo de tres “ B : “ Mayor o igual que dos y menor que 5 “

C = 1, 4 ; D = 1, 2 , 3 , 4 , 5 ; E = 6 ;

Halle:

1.5.1. f A 1.5.2. f B 1.5.3. f C 1.5.4. f D 1.5.5. f E 1.5.6. f B C 1.5.7. f AC

Solución:

A = 3,6; B = 2,3,4; C = 1,4; D = 1, 2 , 3 , 4 , 5 ; E = 6 

4 11 9
1.5.1. f A = = 0.2 1.5.2. f B = = 0.55 1.5.3. f C = = 0.45
20 20 20
20 0
1.5.4. f D = =1 1.5.5. f E = =0 1.5.6. f B  C
20 20
Como B  C = 1, 2 , 3 , 4 ; f BC =
16
= 0.8
20
Obsérvese que f BC  f B + f C debido a que B y C no son mutuamente excluyentes

1.5.7. Como A y C son mutuamente excluyentes, se puede calcular f AC :

utilizando A C = 1,3,4,6 , con lo cual f AC =
13
= 0.65 ,
20
4 9 13
o utilizando f AC = f A + f C = + = = 0.65
20 20 20

2. Probabilidad

Definición 2.1.

Dados:  un espacio muestral, () partes de  ; se define la probabilidad de A () (de un

evento A ), que se simboliza P ( A) , como una función P de () en  que satisface las siguientes
propiedades:
i. P() = 1
ii. Para todo A () , P( A)  0
 
iii. Si A1 , A2 , ..., An , ... son sucesos mutuamente excluyentes, entonces P  A  =  P( A )
i i
 i  i

Proposición 2.1.

Si  es un espacio muestral y todos los conjuntos que intervienen son eventos :

( )
2.1.1. P AC = 1 − P( A)
2.1.2. P() = 0
( ) 
2.1.3. P AC  B C = P ( A  B )  C

2.1.4. P(A  B ) = P( A  B) 

C C C

2.1.5. P( A − B ) = P(A  B ) C

2.1.6. P( A) = P( A  B ) + P(A  B ) C

2.1.7. Si A  B entonces P( A)  P( B)
2.1.8. P( A  B) = P( A) + P( B) − P( A  B)

Ejemplo 2.1.

Si P( A) = 0.4 ; P( B) = 0.3 ; P( A  B) = 0.1 halle :

2.1.1. P( A  B) (
2.1.2. P B C − A ) 
2.1.3. P ( A − B )
C
  (
2.1.4. P A  B  AC )
Solución:

2.1.1. P( A  B) = P( A) + P( B) − P( A  B) = 0.4 + 0.3 − 0.1 = 0.6

( C
) (
2.1.2. P B − A = P B  A
C C
) = P(B  A)  = 1 − P(B  A) = 1 − 0.6 = 0.4
C
 
2.1.3. P ( A − B )
C
 = 1 − P(A − B) = 1 − P(A  B ) = 1 − P( A) − P(A  B) = 0.7
C

 ( )
2.1.4. P A  B  AC = P( A) + P B  AC − P A  B  AC ( ) ( ( )) = 0.4 + 0.3 − 0.1 = 0.6
Ejemplo 2.2.

En una venta de promoción de pantalones y camisas, cierto almacén ofrece 30 pantalones buenos, 70
pantalones con fallas, 60 camisas buenas y 90 camisas con fallas.

Considerando los siguientes eventos y si se toma al azar una prenda,

A : La prenda es pantalón B : La prenda es buena
C : La prenda es camisa D : La prenda es con fallas

Halle:

2.2.1. P( A  D) 2.2.2. P(C  B) 2.2.3. P( A − B) (

2.2.4. P B C  C C )
Solución:

70
2.2.1. P( A  D) = = 0.28
250

150 90 60
2.2.2. P(C  B) = P(C ) + P( B) − P(C  B) = + − = 0.72
250 250 250

( )
2.2.3. P( A − B) = P A  B C = P( A) − P( A  B) =
100 30
−
250 250
= 0.28

2.2.4. P B  C ( C C
) = P(B  C )  = 1 − P(B  C) = 1 − 0.72 = 0.28
C

3. Espacio Muestral Finito

Cuando el espacio muestral  consta de un número finito de elementos; es decir, cuando a  se le

puede simbolizar así:  =  a 1, a 2 , ..., a n  para hallar P ( A) , se debe conocer la probabilidad de cada
evento elemental  a i 
Proposición 3.1. Si P ai  = pi , para todo i = 1, 2 , ..., n , entonces :

3.1.1. pi  0 , para todo i = 1, 2 , ..., n

n
3.1.2. p
i =1
i =1
Observación 3.1. Para calcular P ( A) se suman las probabilidades de los eventos elementales que
conforman el conjunto A ya que son eventos mutuamente excluyentes

Ejemplo 3.1. En una fábrica existen cinco máquinas con las cuales se realiza toda la producción. Con
la máquina a 2 se produce el doble de lo que se hace con la máquina a1 ; con la máquina a 3 se realiza
el 30% de la producción; con la máquina a 4 se produce 10% menos que con la a1 y con la a 5 se
produce 4 veces mas que con la a 4 . Si A = a 2 , a 4 , a5 , halle P ( A) .

Solución:

P(ai ) = pi , i = 1, ..., 5
p2 = 2 p1 ; p3 = 0.3 ; p4 = p1 − 0.1 ; p5 = 4 p 4

Como p1 + p 2 + ... + p5 = 1 , entonces

p1 = 0.15 ; p2 = 0.30 ; p3 = 0.30 ; p4 = 0.05 ; p5 = 0.20

Como A = a 2 , a 4 , a5 , entonces

P( A) = P(a 2 ) + P(a 4 ) + P(a5 ) = 0.30 + 0.05 + 0.20 = 0.55

Proposición 3.2. Si en  =  a 1, a 2 , ..., a n  , los eventos elementales son equiprobables (tienen igual

probabilidad) y A tiene k elementos, entonces P(ai ) = pi = , i = 1, ..., n y P( A) =

1 k
n n

Ejemplo 3.2. Se saca al azar una carta de un naipe legal (los 52 eventos elementales son
equiprobables). Halle la probabilidad del evento A : “Se obtiene una figura” .

Solución:
12
 tiene 52 y A 12 elementos, entonces P( A) = = 0.23077
52
4. Métodos de Enumeración

4.1. Principio de Multiplicación

Si una actividad 1 se puede realizar de n1 maneras, una actividad 2 de n2 maneras, . . . . , una actividad
k de n k maneras. La acción que consiste en realizar todas las actividades una a continuación de la otra,
se puede efectuar de n1 n2 ...nk posibles formas diferentes.

Ejemplo 4.1. Cierto medicamento para el asma es fabricado por 5 empresas diferentes en forma líquida,
en tableta o en cápsula; todas las presentaciones vienen en tamaño pequeño, regular, grande y
extragrande. ¿De cuántas formas diferentes se puede hallar el medicamento en el mercado?

Solución:

Fabricantes: 5 ; Presentaciones: 3 ; Tamaños. 4

Formas diferentes: 5x3x4 = 60

4.2. Principio de Adición

Si una actividad 1 se puede realizar de n1 maneras, una actividad 2 de n2 maneras, . . . . , una actividad
k de n k maneras. La acción que consiste en realizar la actividad 1, o la actividad 2, o . . . . , o la actividad
k, sin que se puedan hacer dos o mas de ellas, se puede efectuar de n1 + n2 + ... + nk posibles formas
diferentes.

Ejemplo 4.2. Cierto accidente es observado por 3 niños, 4 niñas, 2 hombres y 5 mujeres y cada una de
las personas tiene su propia versión de lo sucedido. ¿De cuántas maneras diferentes es posible enterarse
del accidente?

Solución: De 3 + 4 + 2 + 5 = 14 posibles maneras distintas

4.3. Permutaciones

Definición 4.3.1. Si de n objetos diferentes se toman k de ellos, 1  k  n , en cierto orden

predeterminado; cada uno de estos arreglos se llama una permutación de los n objetos tomados k
de ellos a la vez

Definición 4.3.2. Dos permutaciones son diferentes si tienen al menos un elemento diferente o el orden
de presentación de los elementos es diferente.

Definición 4.3.3. Se dice que una permutación es sin repetición si cada uno de sus elementos aparece
una sola vez
Proposición 4.3.1. El número de permutaciones diferentes de n elementos distintos, tomados k de
n!
ellos, sin repetición, se simboliza n Pk y se obtiene por medio de n Pk =
(n − k )!
Ejemplo 4.3.1. Con los equipos a , b , c , d se va a jugar un cuadrangular, ¿De cuántas maneras
diferentes se puede obtener el campeón y subcampeón del cuadrangular y cuáles son esas diferentes
maneras?

Solución:
4!
P2 = = 12
4
(4 − 2)!
Las diferentes maneras son:
ab ac ad bc bd cd
ba ca da cb db dc

Ejemplo 4.3.2. Con 12 personas de las cuales 8 son mujeres, se va a formar una directiva de tres
personas: Presidente, Vicepresidente y Secretario.

4.3.2.1. ¿Cuántas directivas diferentes es posible construir?

4.3.2.2. Halle la probabilidad de los siguientes eventos:
A: El presidente de la directiva sea mujer
B: La directiva esté conformada solo por mujeres
C: Todos los miembros de la directiva sean del mismo sexo
D: El presidente sea hombre y el vicepresidente sea mujer
E: De todos los miembros de la directiva, uno sea mujer
F: De todos los miembros de la directiva, al menos dos sean mujeres
G: El presidente o el secretario sea mujer

Definición 4.3.4. Se dice que una permutación es con repetición si cada uno de sus elementos puede
aparecer mas de una vez

Proposición 4.3.2. El número de permutaciones diferentes de n elementos distintos, tomados k de

ellos, 1  k  n , con repetición, también se simboliza n Pk y se obtiene por medio de n Pk = n
k

Ejemplo 4.3.3. Con los dígitos 5, 8, 9 ¿Cuántos números diferentes de dos cifras se pueden formar y
cuáles son esos diferentes números?

Solución:

3 P2 = 23 = 8

Los diferentes números que se pueden formar son: 55 58 59 85 88 95 98 99

4.4. Combinaciones
Definición 4.4.1. Una combinación de n objetos diferentes tomados k de ellos a la vez, 1  k  n ,
es cualquier conjunto con k objetos, sin considerar el orden.

Definición 4.4.2. Dos combinaciones son diferentes si tienen al menos un objeto diferente.

Proposición 4.4.1 El número de combinaciones diferentes de n nobjetos distintos tomados k de ellos

n
a la vez, 1  k  n , sin repetición, se simboliza n C k o   y se obtiene por medio de:
k 
n n!
C k =   =
 k  k ! (n − k )!
n

Ejemplo 4.4.1. Con las personas a, b, c, d, e se desea formar grupos de tres ¿De cuántas maneras
diferentes se pueden formar los grupos y cuáles son esos distintos grupos que se pueden formar?

Solución:

 5 5!
C3 =   = = 10 5
 3  3! (5 − 3)!
5

Los diferentes grupos que se pueden formar son:

abc abd abe acd ace ade bcd bce bde cde

Definición 4.4.3. Una combinación de n objetos diferentes tomados k de ellos a la vez, 1  k  n ,

con repetición, es un conjunto con k objetos que se puede formar con los n , utilizando cada objeto
tantas veces como se quiera.

Proposición 4.4.2. El número de combinaciones diferentes de n objetos distintos tomados k de ellos

a la vez, 1  k  n , con repetición, también se simboliza n C k y se obtiene por medio de:
(n + k − 1)!
n Ck =
k ! (n − 1)!

Ejemplo 4.4.2. Con los objetos a , b , c , d se desea formar grupos de dos ¿De cuántas maneras
diferentes se pueden formar los grupos y cuáles son esos distintos grupos que se pueden formar?

Solución:

C2 =
(4 + 2 − 1)! = 10
2! (4 − 1)!
4

Los diferentes grupos que se pueden formar son: aa ab ac ad bb bc bd cc cd dd

Proposición 4.4.3. Si n objetos pueden agruparse en k clases, tales que todos los contenidos en la
misma clase son iguales, mientras que los contenidos en clases diferentes son diferentes; el número de
permutaciones de estos objetos tomados todos a la vez se simboliza n Pn1 , n2 ,...,nk y se obtiene por medio
n!
de n Pn1 , n2 ,..., nk =
n1 ! n2 ! ... nk !

Donde n i es el número de objetos que existen en la i-ésima clase y n1 + n2 + ... + nk = n

Ejemplo 4.4.3. De cuántas maneras se pueden presentar 6 bolas blancas iguales y 4 negras iguales.

Solución:
10 !
n = 10 , n1 = 6 , n2 = 4 ; entonces, 10 P6 , 4 = = 210
6! 4!

5. Probabilidad Condicional

Ejemplo 5.1. Supóngase que en una caja se encuentran p bolas rojas marcadas 1, 2,..., p ; q bolas
negras marcadas 1, 2,..., q y que todas las bolas son equiprobables; es decir, tienen la misma probabilidad
1
de ser seleccionadas, si se lo hace al azar.
p+q

Se consideran los eventos:

A : La bola seleccionada sea roja

B : La bola seleccionada esté marcada con 1.

Se desea determinar la probabilidad de que el evento B ocurra dado que el evento A ocurrió.

Para resolver lo planteado se necesita la siguiente definición:

Definición 5.1. Dados los eventos A y B tales que P( A)  0 , se define la probabilidad de B dado
A (probabilidad condicional de B dado A ), que se simboliza P ( B A), así:
P( A  B )
P( B A) =
P(A)
Si P( A) = 0 la probabilidad de B dado A no está definida.

Solución del Ejemplo 5.1:

p 1
P( A) = y P( A  B) = ; luego
p+q p+q
 1
P( A  B ) p + q 1
P ( B A) = = =
P( A) p p
p+q

y P( B A)  P(B)
2
Nótese que P( B) =
p+q

Ejemplo 5.2. Se lanzan un dado y una moneda legales y se consideran los eventos:

A : Que en el dado salga un múltiplo de 3

B : Que en la moneda salga Cara

¿Cuál es la probabilidad de que salga B dado que salió A ?

Solución: Por el principio de multiplicación, el espacio muestral tiene 12 eventos elementales, los cuales
son equiprobables si el dado y la moneda son legales
2 4
P( A  B) = ; P( A) = ; luego
12 12
2
P( A  B ) 12 1
P ( B A) = = =
P( A) 4 2
12
= y P( B A) = P(B)
6 1
Nótese que P( B) =
12 2

5.1 Independencia de Eventos

Definición 5.1.1. Dados dos eventos A y B , se dice que A y B son independientes si:
P( A  B) = P( A) P( B)

Esta definición está motivada por lo siguiente:

( )
Si la ocurrencia de B es independiente de la ocurrencia de A , entonces P B A = P(B) ; además,
P( A  B) = P( A) P( B A) por la definición 5.1; luego P( A  B) = P( A) P( B)

Nótese que los eventos del ejemplo 5.1 son dependientes y los del ejemplo 5.2 son independientes

5.2. Teorema de Bayes

Proposición 5.2.1. Dados A1 , A2 , ..., An eventos mutuamente excluyentes cuya unión es igual a 
y B un evento tal que P( B)  0 . Si se conocen P( Ak ) y P B Ak ( ) para todo k , 1 k  n,
entonces:
 P( Ai ) P( B Ai )
P( Ai B ) = ; i = 1, 2, ..., n
 P( A ) P( B Ak )
n

k
k =1