Estadistica03 PDF

Capı́tulo 3
Probabilidad
”La probabilidad no nos puede decir lo que va a suceder,

sólo nos dice lo que es probable que suceda”.
Conjuntos. Técnicas de conteo. Experimento aleatorio. Espacio muestral. Su-

cesos.
Probabilidad. Espacios probabilidad finitos, contables y continuos.
Probabilidad condicionada. Fórmulas de la probabilidad total y de Bayes. Su-

cesos independientes. Experimentos compuestos.
Ejercicios.
1
2 3. Probabilidad
La Teorı́a de la Probabilidad es la ciencia de la incertidumbre, las matemáticas

que describen el comportamiento del azar. Dicho comportamiento, que es impredeci-
ble con pocas repeticiones, pasa a ser regular y predecible con muchas repeticiones.
Se interesa, por tanto, por los fenómenos de azar o aleatorios. Ahora bien, ”alea-
torio” no significa ”de cualquier manera”, sino una clase de orden que únicamente
aparece después de muchas repeticiones.
Definición: Un fenómeno aleatorio es aquel que puede reproducirse en las mis-
mas condiciones iniciales y, en cambio, los resultados de cada realización o ”prueba”
del mismo pueden ser distintos de tal manera que, aunque conocemos de antemano,
todos los posibles resultados que se pueden obtener, no sabemos el resultado de cada
prueba.
Ejemplo 3.0.1. Lanzamiento de una moneda Cuando lanzamos una moneda al ai-
re sólo hay dos posibles resultados, cara o cruz. A priori no podemos predecir el
resultado, puede variar cuando volvamos a lanzarla. Sin embargo, existe un com-
portamiento regular de los resultados, una regularidad que aparece sólo después de
muchas repeticiones. Ası́, la proporción de lanzamientos cuyo resultado es cara es
bastante variable al principio, cuando el número de pruebas es pequeño, pero se va
estabilizando a medida que hacemos más y más lanzamientos, aproximándose al va-
lor 0,5, la ”probabilidad de obtener cara”. Este hecho remarcable es la base de la
idea de probabilidad.
Dado que para calcular probabilidades debemos, en muchos casos, contar, para
”contar bien”, necesitamos algunas técnicas de conteo. Previamente, introducimos
algunas nociones de la Teorı́a de Conjuntos.
3.1. Conjuntos.
Los conceptos de conjunto y elemento son tan intuitivos que no pueden definirse.
Si el alfabeto, por ejemplo, es un conjunto, cada letra es un elemento.
Los conjuntos se expresan con letras mayúsculas: A, B, C, . . . y sus elementos
Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
3.1. Conjuntos 3
con letras minúsculas: a,b,c, . . . . Cuando un elemento w pertenece a un conjunto A

se indica por w ∈ A, en caso contrario por w 6∈ A.
Ejemplo 3.1.2. Si A es el conjunto de las vocales, se representa de la forma
A = {a, e, i, o, u}
y ası́, puede afirmarse que a ∈ A, mientras que m 6∈ A.
Hay ciertos conjuntos que siempre se representan con las mismas letras. Por
ejemplo:
El conjunto de los números naturales: N = {1, 2, 3, 4, . . . }
El conjunto de los números enteros: Z = {0, ±1, ±2, ±3, ±4, . . . }
El conjunto de los números racionales: Q
El conjunto de los números irracionales: I
El conjunto de los números reales: R, y
El conjunto de los números complejos: C
Un conjunto está determinado cuando conocemos una caracterı́stica que nos per-
mite saber, sin lugar a dudas, qué elementos pertenecen a él y cuáles no. Dicha
caracterı́stica puede establecerse por
comprensión. Por ejemplo, A es el conjunto de las vocales,
extensión. Por ejemplo, A = {a, e, i, o, u},
lenguaje simbólico. Por ejemplo, C = {n ∈ N/10 < n < 25}, lo que indica que
C es el conjunto de todos los números naturales desde el 11 hasta el 24, ambos
inclusive.
Dos conjuntos especiales son:

4 3. Probabilidad
el conjunto vacı́o es el que no tiene elementos y se indica por ∅. Por ejemplo,

∅ = {n ∈ N/10 < n < 11}, y
el conjunto unitario es el que tiene un solo elemento. Por ejemplo, si B es el

conjunto de las vocales de la palabra ”mar”, entonces B = {a}.
Cardinal: Dado un conjunto A, su cardinal es el número de elementos que lo

componen y lo notamos por n(A). Por ejemplo, en los casos anteriores n(A) = 5,
n(B) = 1 y n(C) = 14.
Se definen las siguientes relaciones y operaciones con conjuntos:
→ Relaciones:
• Inclusión: A ⊂ B si todo elemento de A es elemento de B. Se dice ası́, que

A es subconjunto de B.
• Igualdad: A = B si están formados por los mismos elementos.
B
A
Ejemplo 3.1.3. Si P es el conjunto de los números pares, entonces P ⊂ N.

De hecho, los conjuntos de números se relacionan de la forma:
N⊂Z⊂Q⊂R⊂C
Si A es el conjunto de las vocales y M el conjunto de las vocales de la palabra

”murciélago”, entonces A = M.
→ Operaciones:
• Unión de conjuntos: Dados dos conjuntos A y B, el conjunto ”A unión

B” que expresamos por A ∪ B es el conjunto formado por los elementos que

3.1. Conjuntos 5
pertenecen al menos a uno de dichos conjuntos, esto es, por los elementos que
pertenecen al conjunto A o al conjunto B,
A ∪ B = {w / w ∈ A o w ∈ B}
• Intersección de conjuntos: Dados dos conjuntos A y B, el conjunto ”A inter-

sección B” que expresamos por A∩B es el conjunto formado por los elementos
comunes a dichos conjuntos, esto es, por los elementos que pertenecen al con-
junto A y también al conjunto B,
A ∩ B = {w / w ∈ A y w ∈ B}
A B A B A B
A∪B A∩B
Si A ∩ B = ∅, se dice que A y B son conjuntos disjuntos.
• Diferencia de conjuntos: Dados dos conjuntos A y B, el conjunto ”A menos

B” (A − B) es el formado por los elementos de A que no pertenecen a B, esto
es, por los elementos que pertenecen al conjunto A y no pertenecen al conjunto
B,
A − B = {w / w ∈ A y w ∈
/ B}
Se llama diferencia simétrica de dos conjuntos A y B, y lo notamos por A∆B,

al conjunto formado por los elementos que pertenecen a A o a B, pero no a
ambos
A∆B = {w / w ∈ A y w ∈
/B o w∈B y w∈
/ A}

6 3. Probabilidad
A B A B A B
A−B B−A A∆B
Gráficamente, puede observarse que,
A − B 6= B − A,
A − B y B − A son disjuntos,
A∆B = (A − B) ∪ (B − A)
A ∪ B = (A∆B) ∪ (A ∩ B)
Ejemplo 3.1.4. 1) Si A = {g, o, m, a} y B = {g, a, t, o}, entonces
A ∪ B = {g, o, m, a, t} A ∩ B = {g, o, a} A − B = {m} B − A = {t}
2)Si A es el conjunto de los divisores de 16 y B el de los divisores de 40, determina

los conjuntos unión, intersección y diferencias de ambos.
Observación: De las definiciones de unión e intersección se deducen las siguien-

tes equivalencias
∪ ←→ o
∩ ←→ y
Clase: Es un conjunto no vacı́o cuyos elementos son conjuntos. Las clases se

expresan con letras góticas mayúsculas: A, B, C, ... Un caso particular importante
es
Clase de las partes de un conjunto: Dado un conjunto Ω, la clase de las
partes del conjunto Ω es el conjunto o familia cuyos elementos son todos los posibles
subconjuntos de Ω. Se indica por P(Ω). Ası́, si A ⊂ Ω, entonces A ∈ P(Ω).

3.1. Conjuntos 7
Ejemplo 3.1.5. Si Ω = {a, b, c}, entonces
P(Ω) = {∅, {a}, {b}, {c}, {a, b}, {a, c}, {b, c}, Ω}
Es interesante observar que, en general, si n(Ω) = n, entonces n (P(Ω)) = 2n .
Conjunto complementario: Si A ⊂ Ω, entonces el conjunto complementario

de A respecto a Ω, es el conjunto de los elementos de Ω que no pertenecen a A. Se
indica por Ac y queda determinado por
Ac = {w / w ∈ Ω y w 6∈ A}
Ω
A
Se deduce ası́ las relaciones siguientes:
Ac = Ω − A y A − B = A ∩ Bc
Ejemplo 3.1.6. Si F es el conjunto de las vocales fuertes, entonces F c es el conjunto

de las vocales débiles,
A = {a, e, i, o, u} F = {a, e, o} F c = {i, u}
Propiedades 3.1.1. Si A, B y C son tres subconjuntos cualesquiera de Ω, pueden

probarse las siguientes propiedades de la unión, intersección y complementación,
Idempotente: A∪A=A
A∩A=A
Commutativa: A∪B =B∪A
A∩B =B∩A
Asociativa: A ∪ (B ∪ C) = (A ∪ B) ∪ C
A ∩ (B ∩ C) = (A ∩ B) ∩ C

8 3. Probabilidad
Distributiva: A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C)
Simplificativa: A ∪ (A ∩ B) = A
A ∩ (A ∪ B) = A
Elemento neutro: A∪∅ =A
A∩Ω= A
Elemento complementario: A ∪ Ac = Ω
A ∩ Ac = ∅
Elemento absorbente: A∪Ω= Ω
A∩∅ =∅
Leyes de Morgan: (A ∪ B)c = Ac ∩ B c
(A ∩ B)c = Ac ∪ B c
La clase P(Ω) tiene, en virtud de estas propiedades, estructura de álgebra y ello

significa, en definitiva, que
1. Ω ∈ P(Ω).
2. Es clase cerrada para la complementación: ∀A ∈ P(Ω) ⇒ Ac ∈ P(Ω)
3. Es clase cerrada para la unión:
∀A1 , A2 , . . . , An ∈ P(Ω) ⇒ A1 ∪ A2 ∪ · · · ∪ An ∈ P(Ω)
4. Es clase cerrada para la intersección:
∀A1 , A2 , . . . , An ∈ P(Ω) ⇒ A1 ∩ A2 ∩ · · · ∩ An ∈ P(Ω)
No obstante, existen otras clases A de conjuntos de Ω tales que A ⊂ P(Ω) y también

tienen estructura de álgebra. Por ejemplo,
El álgebra más sencillo asociado a cualquier conjunto Ω es A = {∅, Ω}.
∀A ⊂ Ω, la clase de conjuntos A = {∅, A, Ac , Ω} es un álgebra.

3.2. Técnicas de conteo 9
3.2. Técnicas de conteo.

Son métodos que nos permiten cuantificar eventos difı́ciles de enumerar. En pri-
mer lugar, consideraremos los principios básicos para contar los elementos de un
conjunto:
Principio de la adición → Principio de inclusión-exclusión.
Principio del producto.
Principio de distribución de Dirichlet.
Principio de la adición: si podemos realizar una primera tarea de m maneras,

mientras que una segunda tarea podemos realizarla de n maneras y no se pueden
realizar las dos tareas simultáneamente, entonces podemos realizar cualquiera de las
dos de m + n maneras. Formalmente, si A y B son conjuntos disjuntos, entonces
n(A ∪ B) = n(A) + n(B)
en caso contrario,
n(A ∪ B) = n(A) + n(B) − n(A ∩ B)
El principio de inclusión-exclusión, conocido también como principio de la criba es

una generalización del principio de adición y ası́, para tres conjuntos A, B y C,
n(A∪B ∪C) = n(A) + n(B) + n(C) −n(A∩B) −n(B ∩C) − n(A∩ C) + n(A ∩B ∩ C)
mientras que, para k conjuntos A1 , A2 , . . . , Ak ,

k
X X

n ∪ki=1 Ai = n(Ai ) − n(Ai ∩ Aj ) + · · · + (−1)k+1 n(A1 ∩ A2 ∩ · · · ∩ Ak ) (3.1)
i=1 i<j
Ejemplo 3.2.7. Todo estudiante de ingenierı́a tiene que superar un curso de Es-
tadı́stica y otro de Informática. Una encuesta a 140 estudiantes de segundo ciclo
muestra que: 60 aprobaron el curso de Estadı́stica, 45 aprobaron el curso de In-
formática y 20 aprobaron ambos cursos. Determina el número de estudiantes que:

10 3. Probabilidad
a) aprobaron al menos uno de los cursos, b) aprobaron exactamente uno de los dos
cursos, c) suspendieron ambos cursos.
Sol. Si aprobar el curso de Estadı́stica es el conjunto E y aprobar el de Informáti-
ca es el conjunto I, entonces n(E) = 60, n(I) = 45, n(E ∩ I) = 20, y
a) Aprobar al menos uno de los cursos es el conjunto E ∪ I, con lo cual,
n(E ∪ I) = n(E) + n(I) − n(E ∩ I) = 60 + 45 − 20 = 85
b) Aprobar exactamente uno de los dos cursos, es el conjunto
(E ∩ I c ) ∪ (I ∩ E c ) = (E − I) ∪ (I − E) = E△I
pero, dado que también es cierta la relación (E ∪ I) = (E△I) ∪ (E ∩ I), entonces
n(E ∪ I) = n(E∆I) + n(E ∩ I) ⇒ n(E∆I) = 85 − 20 = 65
c) Suspender ambos cursos es el conjunto E c ∩ I c = (E ∪ I)c , y
n(E ∪ I)c = n(Ω) − n(E ∪ I) = 140 − 85 = 55
Principio del producto: si una tarea se puede separar en dos etapas, primera
y segunda, y si hay m resultados posibles para la primera etapa y n para la se-
gunda, entonces la tarea puede realizarse, en el orden asignado, de m × n maneras.
Formalmente, si A × B es el conjunto producto cartesiano de A y B, entonces
n(A × B) = n(A) × n(B)
y su generalización a más de dos conjuntos es
n(A1 × A2 × · · · × Ak ) = n(A1 ) × n(A2 ) × · · · × n(Ak )
Ejemplo 3.2.8. Supongamos que el menú del Comedor universitario consta de 3

primeros platos (n(A) = 3), 4 segundos platos (n(B) = 4) y 2 postres distintos
(n(C) = 2). ¿Cuántos menús distintos pueden confeccionarse eligiendo un primer
plato, un segundo plato y un postre?
Sol. Aplicando el principio del producto, hay un total de 3 × 4 × 2 = 24 menús
distintos.

Principio de distribución de Dirichlet: nos dice de cuántas formas distin-

tas pueden distribuirse n objetos en k casillas cuando n > k, lo que significa que
habrá alguna casilla con, al menos,

n−1
+ 1 objetos
k
Ejemplo 3.2.9. Si tenemos 11 palomas, ¿cómo pueden ocupar 10 nidos? Es evidente

que, al menos, dos de las palomas han de meterse en un mismo nido. En efecto,
aplicando el principio de distribución de Dirichlet,

11 − 1
+ 1 = 2 palomas
10
En segundo lugar, estudiamos las principales técnicas de conteo o Combinatoria,

que nos permiten contar bien, para lo cual debemos saber responder a las siguientes
preguntas:
1. ¿Qué elementos iniciales debemos elegir? {e1 , e2 , . . . , en }
2. ¿Cuántos son? n
3. ¿Cuántos elementos entran en cada grupo? p
4. ¿Se pueden repetir los elementos en un grupo?
5. ¿Influye el orden?
Variaciones: Es el número total Vn,p de grupos distintos que podemos formar,

cuando influye el orden, tomando p elementos de un conjunto inicial de n elementos
(p < n) de tal manera que no hayan elementos repetidos.
n!
Vn,p = n × (n − 1) × (n − 2) × · · · × [n − (p − 1)] = (3.2)
(n − p)!

12 3. Probabilidad
Ejemplo 3.2.10. Un autobús de lı́nea une 5 localidades. En cada una de ellas se

puede adquirir ”billete de ida” para las otras. Si queremos imprimir el nombre de
la localidad de origen y destino en cada billete, ¿cuántos billetes distintos debemos
imprimir?.
Sol. La localidad de origen puede ser cualquiera de las 5 (n = 5). En cada
billete se imprimen 2 localidades (p = 2). Puesto que se trata de billetes de ida,
las localidades de origen y destino no se pueden repetir y, además influye el orden.
Ası́ pues el número total de billetes distintos es V5,2 = 5 × 4 = 20.
Variaciones con repetición: Es el número total V Rn,p de grupos distintos

que podemos formar, cuando influye el orden, tomando p elementos de un conjunto
inicial de n elementos de tal manera que dichos elementos pueden repetirse.
V Rn,p = np (3.3)
Ejemplo 3.2.11. ¿Cuántas quinielas de fútbol tendré que rellenar para tener la
seguridad de acertar los 14 resultados?.
Sol. Puesto que los posibles resultados son {1, X, 2}, entonces n = 3. Cada una
de las 14 casillas (p = 14) puede rellenarse con cualquiera de los 3 elementos iniciales
(hay repetición) e influye el orden. Ası́, el número total de columnas distintas a
rellenar es V R3,14 = 314 .
Permutaciones: Es el número total de ordenaciones distintas de n elementos.
Pn = n! = n × (n − 1) × · · · × 2 × 1 (3.4)
Pn = Vn,n y 0! = 1
Ejemplo 3.2.12. ¿Cuántos resultados distintos pueden darse en una carrera en la

que participan 8 corredores?.
Sol. Puesto que n = 8, p = 8, los 8 corredores son distintos y el orden influye,
puede haber 8! = 40320 resultados distintos.

Permutaciones circulares: Supongamos que queremos saber de cuántas ma-

neras distintas pueden sentarse n personas alrededor de una mesa circular, teniendo
en cuenta que dos permutaciones son iguales cuando una de ellas se puede obtener
a partir de la otra mediante un giro de las personas alrededor de la mesa.
Si, por ejemplo, n = 4, entonces las cuatro disposiciones siguientes son la misma,
A D C B
D B C A B D A C
C B A D
porque se han ido obteniendo girando 90o , en el sentido de las agujas del reloj, las
personas de la izquierda. La posición relativa entre ellas no ha cambiado, se trata de
la misma permutación. Estas 4 permutaciones se llaman ”permutaciones circulares”
y ası́, el número total de permutaciones circulares es
4!
= 3! = 6
4
En general, el número total de permutaciones circulares de n elementos es
(n − 1)! (3.5)
Permutaciones con repetición: Es el número total P Rn=n1 +···+nk de grupos

distintos que podemos formar, cuando influye el orden, con n elementos, entre los
cuales existen n1 iguales entre sı́, n2 iguales entre sı́ y distintos de los anteriores y
ası́ sucesivamente, hasta un número final nk de ellos iguales entre sı́, de forma que
n1 + n2 + · · · + nk = n.
n!
P Rn=n1 +···+nk = (3.6)
n1 ! × n2 ! × · · · × nk !
Ejemplo 3.2.13. ¿Cuántas palabras distintas, tengan o no tengan sentido, se pue-
den formar con las letras de la palabra ESTADISTICA?.
Sol. El conjunto inicial está formado por 11 letras (n = 11), aunque las letras
distintas son {E, S, T, A, D, I, C} de tal manera que cada una de las letras S, T , A,

14 3. Probabilidad
I se repiten 2 veces. Por tanto, el número total de palabras distintas de 11 letras que
podemos formar con las letras de ESTADISTICA son,
11!
P R11=2+2+2+2+1+1+1 = = 2494800
2! × 2! × 2! × 2!
Combinaciones: Es el número total Cn,p de grupos distintos de p elementos que

podemos formar con n elementos iniciales (n ≥ p) de tal manera que los elementos
en cada grupo no se repiten, pero no importa el orden de los elementos en el grupo.

n n!
Cn,p = = (3.7)
p p! × (n − p)!
Ejemplo 3.2.14. Si un examen consta de 10 preguntas y debemos contestar 5, ¿de

cuántas formas distintas podemos elegir las preguntas?.
Sol. Hay que agrupar las 10 preguntas de 5 en 5, las preguntas elegidas no se
repiten y no importa en qué orden se contestan. Por tanto,

10 10!
= = 252
5 5! × 5!
Combinaciones con repetición: Es el número total CRn,p de grupos distin-

tos que podemos formar, cuando no influye el orden, tomando p elementos de un
conjunto inicial de n elementos de tal manera que dichos elementos pueden repetirse.

n+p−1
CRn,p = (3.8)
p
Ejemplo 3.2.15. ¿De cuántas fichas constarı́a un dominó que tuviese hasta el nueve
doble?
Sol. Contando con la cara blanca, hay 10 dı́gitos (n = 10). Cada ficha tiene dos
caras, esto es, los dı́gitos se agrupan de 2 en 2 y, puesto que se pueden repetir y no
importa el orden, el número total de fichas serı́a

11 11 × 10
CR10,2 = = = 55
2 2

3.3. Espacio muestral. Sucesos 15
3.3. Espacio muestral. Sucesos.

Dado un fenómeno aleatorio, su espacio muestral es el conjunto Ω formado por
todos los posibles resultados del mismo. Ası́, el espacio muestral Ω puede ser finito,
contable o continuo.
Cada resultado w del experimento puede considerarse como un elemento del
espacio muestral Ω, y lo expresamos por w ∈ Ω. Como consecuencia de esta inter-
pretación, podemos utilizar el mismo lenguaje, los mismos conceptos y las mismas
notaciones de la Teorı́a de Conjuntos para desarrollar la Teorı́a de la Probabilidad.
Un suceso de un fenómeno aleatorio es cualquier conjunto de resultados del
mismo. Los sucesos se expresan con letras mayúsculas: A, B, C, . . . Cuando se
realiza un experimento aleatorio, se hace una prueba del mismo. Si el resultado w
obtenido es un elemento del suceso A ( w ∈ A) se dice que el suceso A ha ocurrido.
En caso contrario, A no ha ocurrido.
Ejemplo 3.3.16. En el fenómeno aleatorio que consiste en lanzar un dado, Ω =

{1, 2, 3, 4, 5, 6}. Un suceso de dicho fenómeno es, por ejemplo, ”obtener un núme-
ro impar”. Si dicho suceso lo notamos por I, entonces I = {1, 3, 5}. Supongamos
entonces que al lanzar el dado, obtenemos el número 3, puesto que 3 ∈ I, puede
afirmarse que el suceso I ha ocurrido, pero si al lanzar el dado obtenemos el número
2, decimos que el suceso I no ha ocurrido.
En todo experimento aleatorio destacan los sucesos siguientes:
Suceso elemental es cada uno de los resultados que se pueden obtener en una
prueba,
Si w ∈ Ω ⇒ E = {w} es suceso elemental
y son, en definitiva, todos los conjuntos unitarios.
Suceso seguro es el suceso que siempre ocurre, es decir, es el suceso Ω.
Suceso imposible es el suceso que nunca ocurre. Lo representamos por ∅.

16 3. Probabilidad
→ Relaciones entre sucesos:
• Inclusión: A ⊂ B si cada vez que ocurre A, también ocurre B.
• Igualdad: A = B si A ⊂ B y B ⊂ A.
B
A
→ Operaciones con sucesos:
• Unión de sucesos: Dados dos sucesos A y B, el suceso ”A unión B” (A ∪ B)

es el suceso que ocurre cuando al menos ocurre el suceso A o el suceso B.
A ∪ B = {w ∈ Ω; w ∈ A o w ∈ B}
• Intersección de sucesos: Dados dos sucesos A y B, el suceso ”A intersección

B” (A ∩ B) es el suceso que ocurre cuando ocurren ambos sucesos A y B.
A ∩ B = {w ∈ Ω; w ∈ A y w ∈ B}
A B A B A B
Ω Ω Ω
A∪B A∩B
Dos sucesos A y B son incompatibles cuando no pueden ocurrir a la vez

y, formalmente, se indica por A ∩ B = ∅.
• Suceso contrario: Dado un suceso A, el suceso contrario de A es el suceso

que ocurre cuando no ocurre A. Lo representamos por Ac .

3.3. Espacio muestral. Sucesos 17
Ac
A A
Ω Ω
A ∪ Ac = Ω
A ∩ Ac = ∅
• Diferencia de sucesos: Dados dos sucesos A y B, el suceso ”A menos B”

(A − B) es el suceso que ocurre cuando ocurre A y no ocurre B,
A − B = {w ∈ Ω; w ∈ A y w ∈
/ B}
A B A B A B
Ω Ω Ω
A−B B−A A∆B
Ejemplo 3.3.17. En el fenómeno aleatorio que consiste en lanzar un dado, si A es

el suceso ”obtener múltiplo de 3” y B es el suceso ”obtener múltiplo de 2”, entonces
A ∪ B = {2, 3, 4, 6}, mientras que A ∩ B = {6} es el suceso ”obtener múltiplo de 6”.
Ası́ mismo, sus sucesos contrarios son: Ac = {1, 2, 4, 5} y B c = {1, 3, 5}.
Si I es el suceso ”obtener un número impar al lanzar el dado”, entonces su suceso
contrario I c es el de ”obtener un número par”.
La clase de todos los sucesos de un experimento aleatorio es la formada por todas

las partes del espacio muestral Ω. En consecuencia, se puede representar por P(Ω)
y ası́, con tal que A sea un suceso de dicho fenómeno aleatorio (A ⊂ Ω), será A ∈
P(Ω). En virtud de las propiedades de la unión, intersección y complementación
de los sucesos de un fenómeno aleatorio (Propiedades 3.1.1), dicha clase, como ya
sabemos, tiene estructura de álgebra. No obstante, existen otras clases A de sucesos
del fenómeno aleatorio tales que A ⊂ P(Ω) y tienen también estructura de álgebra.

18 3. Probabilidad
Si A ⊆ P(Ω) es un álgebra de sucesos de un fenómeno aleatorio, el par (Ω, A)

se llama espacio probabilizable.
3.4. Probabilidad.
Una probabilidad P sobre (Ω, A) es una función
P : A −→ R
A P (A)
tal que es
I No negativa: P (A) ≥ 0 para cualquier A ∈ A.
II Aditiva: Si A ∩ B = ∅, entonces P (A ∪ B) = P (A) + P (B).
Si A1 , A2 , . . . , An son sucesos mutuamente incompatibles, entonces
Sn Pn
P( i=1 Ai ) = i=1 P (Ai )
III P (Ω) = 1.
Cuando el espacio (Ω, A) está dotado de una medida de probabilidad P , el sistema

(Ω, A, P ) es el espacio de probabilidad asociado al experimento aleatorio en estudio.
Propiedades 3.4.2.
1. P (∅) = 0.
2. P (Ac ) = 1 − P (A).
3. Si A ⊂ B, entonces P (A) ≤ P (B).
a) 0 ≤ P (A) ≤ 1.
4. ∀A, B ∈ A, P (A) = P (A ∩ B) + P (A − B).
5. ∀A, B ∈ A, P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

3.4. Probabilidad 19
a) ∀A, B ∈ A, P (A ∪ B) ≤ P (A) + P (B).

b) ∀A, B, C ∈ A
P (A ∪ B ∪ C) =
P (A) + P (B) + P (C) − P (A ∩ B) − P (B ∩ C) − P (A ∩ C)
+P (A ∩ B ∩ C)
Dem.
1. ∀A ∈ A, es A = A ∪ ∅ ⇒
P (A) = P (A ∪ ∅) = P (A) + P (∅) ⇒ P (∅) = 0
2. ∀A ∈ A, es Ω = A ∪ Ac ⇒ P (Ω) = P (A ∪ Ac ) = P (A) + P (Ac ) ⇒
1 = P (A) + P (Ac ) ⇒ P (Ac ) = 1 − P (A)
3. Si A ⊂ B, entonces B = A ∪ (B − A) ⇒ P (B) = P (A) + P (B − A) y, dado

que P (B − A) ≥ 0, entonces P (A) ≤ P (B).
a) 0 ≤ P (A) ≤ 1, porque ∀A ∈ A es ∅ ⊂ A ⊂ Ω.
4. ∀A, B ∈ A, es A = (A ∩ B) ∪ (A − B) ⇒ P (A) = P (A ∩ B) + P (A − B).
5. ∀A, B ∈ A, el conjunto A ∪ B puede expresarse de diversas formas equivalentes:
A ∪ B = (A − B) ∪ B = (A − B) ∪ (A ∩ B) ∪ (B − A) = A ∪ (B − A)
Si tomamos, por ejemplo,
A ∪ B = (A − B) ∪ B ⇒ P (A ∪ B) = P (A − B) + P (B)
y, puesto que aplicando la 4a propiedad, P (A − B) = P (A) − P (A ∩ B), queda
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
Suceso nulo: Es cualquier suceso A ∈ A tal que A 6= ∅, pero P (A) = 0.

20 3. Probabilidad
Posibilidad de un suceso.
Dado un suceso A de un experimento aleatorio (P (A) = p), sus posibilidades
(”odds”) son de x a y porque
p x
P (A) = p ⇒ Odds(A) = = (x : y) (3.9)
1−p y
Ejemplo 3.4.18. Si P (A) = 0, 3, entonces
0, 3 3
Odds(A) = = (3 : 7)
0, 7 7
las posibilidades de A son de 3 a 7.
Las posibilidades son muy útiles cuando se habla de eventos muy raros (Odds(A) =
1 : 99) o muy frecuentes (Odds(A) = 99 : 1).
Conocidas las posibilidades de un evento (x:y), su probabilidad p viene dada por
x x
odds = ⇒ p= (3.10)
y x+y
Espacio de probabilidad finito.

Si el espacio muestral Ω de un fenómeno aleatorio es finito,
Ω = {w1 , w2, . . . , wn } y A = P(Ω)
pueden darse dos situaciones: los sucesos elementales son equiprobables, o no lo son.
• Si los sucesos elementales son equiprobables, es decir,
∀i = 1, . . . , n Ei = {wi } y P (Ei ) = p
entonces
1
p=
n
donde n = n(Ω) es el número de resultados o casos posibles. La probabilidad de
cualquier suceso está determinada, pues
[
∀A ∈ A A= Ei
wi ∈A

con lo cual,
X X n(A)
P (A) = P (Ei ) = p = p n(A) =
wi ∈A wi ∈A
n
donde n(A) es el número de sucesos elementales que componen el suceso A o equi-
valentemente, el número de resultados o casos favorables al suceso A. Ası́,
casos favorables
∀A ∈ A P (A) = (3.11)
casos posibles
es la definición de Laplace. Se dice que el espacio de probabilidad (Ω, A, P ) es
uniforme, porque la probabilidad está uniformemente repartida al ser constante en
cada suceso elemental.
Ejemplo 3.4.19. 1) En el experimento que consiste en lanzar una moneda, entonces

Ω = {C, X} es un espacio muestral finito, el álgebra P(Ω) = {∅, {C}, {X}, Ω}
está formada por 4 sucesos, de los cuales {C} y {X} son los sucesos elementales
que, supuesto que la moneda no está cargada, son sucesos equiprobables:
1
P ({C}) = P ({X}) =
2
2) El espacio de probabilidad asociado al experimento que consiste en lanzar
un dado también es un espacio de probabilidad finito. ¿Cuántos sucesos elementales
tiene? ¿Cuántos sucesos constituyen el álgebra P(Ω)? ¿Es un espacio de probabilidad
uniforme? Razona tu respuesta.
• Si los sucesos elementales no son equiprobables, es decir,
∀i = 1, . . . , n Ei = {wi } y P (Ei ) = pi
pero son ciertas las condiciones siguientes:
1. pi ≥ 0 para cada i = 1, . . . , n y
P
2. i pi = 1.
entonces la probabilidad de cualquier suceso también está determinada, pues

[ X X
∀A ∈ A A= Ei ⇒ P (A) = P (Ei ) = pi
wi ∈A wi ∈A wi ∈A

22 3. Probabilidad
Ejemplo 3.4.20. En una partida de póker, Mar (M) tiene el doble de probabilidad
de ganar a Borja (B), y éste tiene, a su vez, una probabilidad doble de ganar a
Carlos (C). Determina a) la probabilidad de que gane cada uno de ellos, es decir,
P (M), P (B) y P (C), b) la probabilidad de que ganen Borja o Carlos.
Sol. Puesto que cada partida puede ganarla uno de ellos, el espacio de resultados
posibles es finito Ω = {Mar, Borja, Carlos}, pero sus elementos son ”no equipro-
bables”. En efecto, si la probabilidad de que gane Carlos es ”p”, es decir, P (C) = p,
entonces
P (B) = 2p y P (M) = 2 P (B) = 4p
y puesto que
1
P (M) + P (B) + P (C) = 1 ⇔ 7p = 1 ⇔ p=
7
entonces
4 2
a) P (M) = 7
P (B) = 7
P (C) = 71 .
b) P (B ∪ C) = P (B) + P (C) = 37 .
Espacio de probabilidad contable.

Si Ω = {w1 , w2 , . . . , wn , . . . } y A ⊆ P(Ω), de tal forma que
∀n ≥ 1 En = {wn } y P (En ) = pn
y son ciertas las condiciones siguientes:
1. pn ≥ 0 para cada n ≥ 1 y
P
2. n pn = 1.
entonces la probabilidad de cualquier suceso está determinada, pues

[ X X
∀A ∈ A A= En ⇒ P (A) = P (En ) = pn
wn ∈A wn ∈A wn ∈A

Ejemplo 3.4.21. En el experimento que consiste en lanzar sucesivamente una mo-

neda hasta que sale cara, entonces Ω = {C, XC, XXC, XXXC, . . . } es un espacio
muestral contable y, como consecuencia, el espacio de probabilidad asociado a él.
La probabilidad de cada suceso o resultado elemental es
n−1
z }| { 1
En = {X . . . X C} y P (En ) =
2n
y puesto que
X X 1
P (En ) = n
=1
n n
2
entonces la probabilidad de cualquier suceso de dicho experimento está determinada.
En efecto, si A es el suceso ”lanzar la moneda como mucho 3 veces”, entonces
1 1 1 7
P (A) = P (E1 ) + P (E2 ) + P (E3 ) = + + =
2 4 8 8
Espacio de probabilidad continuo.

Si el espacio muestral Ω es continuo, está dotado de una medida ”geométrica”
finita, m(Ω), y todos sus puntos o sucesos elementales son equiprobables, entonces
la uniformidad es igualmente válida y la probabilidad de cualquier suceso A es
directamente proporcional a su medida m(A), esto es,
P (A) = k m(A)
Dado que
1
P (Ω) = k m(Ω) = 1 ⇒ k=
m(Ω)
y ası́
m(A)
∀A ∈ A P (A) = (3.12)
m(Ω)
es la definición geométrica de la probabilidad.
Ejemplo 3.4.22. Supongamos una diana circular de radio R, ¿cuál es la probabili-

dad de que un dardo caiga a una distancia r del centro?

24 3. Probabilidad
Sol. Si Ω son todos los puntos de la diana, es decir, todos los puntos de un
cı́rculo de radio R, entonces
Ω = {(w1 , w2 ); w12 + w22 ≤ R2 }
y puesto que el dardo puede caer sobre cualquiera de los puntos (w1 , w2) ∈ Ω, los
puntos son equiprobables. Si m(Ω) es el área de la diana, esto es, m(Ω) = π R2 , y
A es el cı́rculo inscrito de radio r (< R),
r2
A = {(w1 , w2 ); w12 + w22 ≤ r 2 } ⇒ m(A) = π r 2 ⇒ P (A) =
R2
3.5. Probabilidad condicionada.

Sea (Ω, A, P ) el espacio de probabilidad asociado a un experimento aleatorio.
Supongamos que en una prueba de dicho experimento ha ocurrido el suceso A.
La pregunta es ¿sirve de algo saber que ha ocurrido A? es decir, ¿el conocimien-
to de la ocurrencia de A nos proporciona alguna información que pueda ser útil
para determinar la probabilidad de cualquier otro suceso?. Analicemos el problema
considerando el siguiente
Ejemplo 3.5.23. Mis nuevos vecinos tienen 3 hijos, ¿cuál es la probabilidad de que
exactamente dos de ellos sean varones?
Dado que cada hijo tiene la misma probabilidad de ser varón (V) que mujer (M),
Ω = {V V V, V V M, V MV, V MM, MV V, MV M, MMV, MMM}
son 8 resultados equiprobables. Se trata, por tanto, de un espacio de probabilidad

uniforme. Si B es el suceso ”exactamente dos de ellos son varones”, entonces
3
B = {V V M, V MV, MV V } ⇒ P (B) =
8
Si una vecina me dice que los dos mayores son varones, ¿cuál es la probabilidad de
que exactamente dos de ellos sean varones?.

3.5. Probabilidad condicionada 25
Si A es el suceso ”los dos mayores son varones”, entonces A = {V V V, V V M},

con lo cual el suceso B|A ”exactamente dos de ellos son varones, sabiendo que los
dos mayores lo son” es
1
B|A = {V V M} ⇒ P (B|A) =
2
Puesto que P (B|A) 6= P (B), la información proporcionada por A ha influido en la
probabilidad de que ocurra B, se dice que el suceso B está condicionado por el suceso
A o, recı́procamente, el suceso A condiciona a B.
Si analizamos los resultados obtenidos, podemos observar que

3  3 = n(B) casos favorables a B

P (B) = donde
8 
 8 = n(Ω) casos posibles
mientras que

1  1 = n(A ∩ B) casos favorables a A ∩ B

P (B|A) = donde
2 
 2 = n(A) casos favorables a A
lo que significa que saber que ha ocurrido A tiene dos consecuencias importantes:
1. el espacio muestral Ω ha cambiado y ha sido sustituido por el suceso A,
2. el suceso B ocurre si w ∈ B pero dado que también w ∈ A, entonces w ∈ A∩B,

es decir, los casos favorables al suceso B|A son, en definitiva, los del suceso
A ∩ B.
Ası́ pues,
n(A∩B)
n(A ∩ B) n(Ω) P (A ∩ B)
P (B|A) = = n(A)
=
n(A) P (A)
n(Ω)
lo que nos conduce a la
Definición: La probabilidad condicionada del suceso B, dado A, es la probabi-

lidad de que ocurra B, sabiendo que ha ocurrido A, y viene dada por
P (A ∩ B)
P (B|A) = si P (A) 6= 0 (3.13)
P (A)

26 3. Probabilidad
Ejemplo 3.5.24. En el experimento que consiste en lanzar un par de dados equili-

brados, ¿cuál es la probabilidad de que uno de los dados sea 2 si la suma es 6?.
Sol. El espacio muestral es Ω = {(m, n); m, n = 1, . . . , 6} y los sucesos elemen-
tales son cada uno de los 36 pares ordenados {(m, n)} de probabilidad P ({(m, n)}) =
1/36. Se trata, por tanto, de un espacio de probabilidad finito y uniforme. Si A es
el suceso ”la suma es 6” entonces
A = {(m, n); m + n = 6} = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
y si B es el suceso ”uno de los dados es 2”, entonces
B = {(2, n), (m, 2); m, n = 1, . . . , 6}

= {(2, 1), (2, 2), (2, 3), (2, 4), (2, 5), (2, 6), (1, 2), (3, 2), (4, 2), (5, 2), (6, 2)}
El suceso ”uno de los dados es 2, sabiendo que la suma es 6” es el suceso B|A de

probabilidad

n(A∩B) 2

 n(A)
= 5
P (B|A) = 2
 P (B∩A) P ({(2,4),(4,2)} 2

P (A)
= P (A)
= 36
5 = 5
36
Se tiene ası́ que si A y B son sucesos de un experimento aleatorio, la probabilidad

del suceso intersección puede expresarse por
P (A ∩ B) = P (A)P (B|A)
o también
P (A ∩ B) = P (B)P (A|B)
y generalizando este resultado a un número finito de sucesos, llegamos al
Teorema de la probabilidad producto:
P (A1 ∩ A2 ∩ · · · ∩ An ) =
P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · · · · · P (An |A1 ∩ · · · ∩ An−1 )

Ejemplo 3.5.25. Se seleccionan 3 artı́culos al azar uno tras otro de un lote que
contiene 12 artı́culos de los cuales 4 están defectuosos. Determina la probabilidad
de que los 3 artı́culos extraı́dos no estén defectuosos.
Sol. Si Ai es el suceso ”el i-ésimo artı́culo extraı́do no está defectuoso”, entonces
8 7 6
P (A1 ) = P (A2 |A1 ) = y P (A3 |A1 ∩ A2 ) =
12 11 10
con lo cual,
8 7 6 14
P (A1 ∩ A2 ∩ A3 ) = P (A1 ) P (A2 |A1 ) P (A3 |A1 ∩ A2 ) = × × =
12 11 10 55
Partición: Una clase de sucesos C = {A1 , A2 , . . . , An } de un fenómeno aleatorio

constituyen una partición del espacio muestral Ω cuando,
1. son incompatibles dos a dos: Ai ∩ Aj = ∅ para i 6= j, y
2. A1 ∪ A2 ∪ · · · ∪ An = Ω
La partición se dice no nula cuando, además, P (Ai ) > 0 para cada Ai .
Ejemplo 3.5.26. Si el espacio muestral asociado a cierto experimento aleatorio

viene dado por Ω = {w1 , w2, w3 , w4 , w5 , w6 , w7 }, determina cuál de las siguientes
clases de conjuntos es una partición de Ω:
a) C1 = {{w1 , w3 , w5 }, {w2}, {w4 , w7}}
b) C2 = {{w1 , w5 , w7}, {w3 , w4 }, {w2, w5 , w6 }}
c) C3 = {{w1 , w2 , w5 , w7 }, {w3}, {w4 , w6 }}
d) C4 = {{w1 , w2 , w3, w4 , w5 , w6 , w7 }}
Teorema de la probabilidad total: Si A1 , . . . , An es una partición no nula de Ω,

entonces n
X
∀B ∈ A P (B) = P (Ai ) · P (B|Ai )
i=1

28 3. Probabilidad
Ejemplo 3.5.27. Hay 3 cajas: la primera C1 contiene 10 bombillas de las cuales

4 son defectuosas, la caja C2 contiene 6 bombillas de las cuales 1 es defectuosa y
la caja C3 contiene 8 bombillas de las cuales 3 son defectuosas. Si seleccionamos
una caja al azar y posteriormente extraemos también el azar una bombilla de dicha
caja, a) ¿cuál es la probabilidad de extraer una bombilla no defectuosa de la primera
caja?, b) ¿cuál es la probabilidad de que la bombilla no sea defectuosa?.
Sol. Este experimento puede describirse mediante un ”árbol”. La probabilidad de
cada resultado del proceso es la asociada a cada una de las trayectorias del árbol y
puede calcularse aplicando el Teorema del producto de la probabilidad condicionada.
Ası́,
D
P (D|C1)
C1
P (N|C1 )
P (C1) N
D
P (D|C2)
P (C2) C2
P (N|C2 )
N
P (C3) D
P (D|C3)
C3
P (N|C3 )
N
donde
1
P (C1) = P (C2) = P (C3 ) =
3
porque cualquiera de las 3 cajas tiene la misma probabilidad de ser seleccionada. Por
otra parte, una vez seleccionada la caja, la probabilidad de que la bombilla extraı́da
sea defectuosa (D) o no defectuosa (N) depende de la caja seleccionada de tal manera
que,
4 6
P (D|C1) = ⇒ P (N|C1) =
10 10
si la caja seleccionada es C1 ,
1 5
P (D|C2) = ⇒ P (N|C2) =
6 6
si la caja seleccionada es C2 , y
3 5
P (D|C3) = ⇒ P (N|C3) =
8 8
si la caja seleccionada es C3 . Se tiene ası́ el árbol,

D
4/10
C1
6/10
1/3 N
D
1/6
1/3 C2
5/6
N
1/3 D
3/8
C3
5/8
N
y podemos ya responder a las cuestiones planteadas:
a) la probabilidad de extraer una bombilla no defectuosa de la primera caja es
1 6 1
P (N ∩ C1 ) = P (C1) P (N|C1 ) = × =
3 10 5
b) la probabilidad de que la bombilla no sea defectuosa es la probabilidad P (N),
que está asociada a 3 trayectorias que son mutuamente excluyentes o incompatibles
y que calcularemos aplicando el Teorema de la probabilidad total,
P (N) = P (N ∩ C1 ) + P (N ∩ C2 ) + P (N ∩ C3 )
1 6 1 5 1 5
= × + × + ×
3 10 3 6 3 8
247
=
360
Fórmula de Bayes: Si A1 , . . . , An es una partición no nula de Ω, entonces

P (Ai ) · P (B|Ai )
∀Ai P (Ai |B) = Pn ∀B ∈ A
i=1 P (Ai ) · P (B|Ai )
Ejemplo 3.5.28. En el experimento anterior (Ejemplo 3.5.27), ¿cuál es la pro-

babilidad de que la bombilla se haya extraı́do de la caja C3 , sabiendo que no es
defectuosa?.
Sol. Se trata de calcular la probabilidad P (C3 |N) que, por la definición (3.13)
viene dada por
P (N ∩ C3 )
P (C3 |N) =
P (N)

30 3. Probabilidad
pero, dado que la probabilidad P (N) se ha calculado mediante el Teorema de la

probabilidad total, el resultado
1 5
P (N ∩ C3 ) P (C3) P (N|C3 ) 3
× 8 75
P (C3|N) = = = 247 =
P (N) P (N) 360
247
es, en definitiva, la Fórmula de Bayes.
Sucesos independientes.
Cuando P (B|A) 6= P (B), se dice que B y A son sucesos dependientes pues,
efectivamente, la ocurrencia de A ha influido en la probabilidad de ocurrencia de B.
Cuando P (B|A) = P (B), se dice que B y A son sucesos independientes.
La dependencia y la independencia de dos sucesos A y B de un experimento
aleatorio, son conceptos simétricos, es decir, si B es independiente de A, entonces
A también es independiente de B. En efecto, sean A y B dos sucesos no nulos, y
supongamos que B es independiente de A, entonces
P (A ∩ B)
P (B|A) = P (B) ⇔ = P (B) ⇔ P (A ∩ B) = P (A) · P (B)
P (A)
con lo cual,
P (A ∩ B)
P (A|B) = = P (A)
P (B)
y A es independiente de B. Como consecuencia se deduce la siguiente
Caracterización: Dos sucesos A y B son independientes si, y sólo si
P (A ∩ B) = P (A) · P (B)
Propiedad: Si A y B son independientes, también lo son los tres pares de

sucesos:
A y Bc, Ac y B, Ac y B c
En efecto, vamos a probar, por ejemplo, que A y B c son independientes:
P (A ∩ B c ) = P (A) − P (A ∩ B) = P (A) − P (A)P (B) = P (A)[1 − P (B)]

= P (A)P (B c )

Independencia dos a dos: Los sucesos A1 , A2 , . . . , An son independientes dos

a dos si
P (Ai ∩ Aj ) = P (Ai ) · P (Aj ) ∀i 6= j
Independencia mutua: Los sucesos A1 , A2 , . . . , An son mutuamente indepen-

dientes si son independientes dos a dos, tres a tres, .... , es decir,
P (Ai ∩ Aj ) = P (Ai ) · P (Aj ) ∀i 6= j

P (Ai ∩ Aj ∩ Ak ) = P (Ai ) · P (Aj ) · P (Ak ) ∀i 6= j 6= k
.. ..
. .
P (A1 ∩ A2 ∩ · · · ∩ An ) = P (A1 ) · P (A2 ) · · · · · P (An )
Ejemplo 3.5.29. Si Ω = {1, 2, 3, 4, 5, 6, 7, 8} es un espacio muestral equiprobable y

consideramos los sucesos A = {1, 2, 3, 4}, B = {2, 3, 4, 5} y C = {4, 6, 7, 8}. Vamos
a analizar si son mutuamente independientes.
Sol. Para que los tres sucesos A, B y C sean mutuamente independientes han
de serlo dos a dos y también tres a tres. Dado que
4 1
P (A) = P (B) = P (C) = =
8 2
y puesto que
3 1
P (A ∩ B) = P ({2, 3, 4}) = 6= = P (A)P (B)
8 4
ya no pueden ser independientes dos a dos. Sin embargo,
1
P (A ∩ B ∩ C) = P ({4}) = = P (A)P (B)P (C)
8
son independientes tres a tres pero, dado que no lo son dos a dos, no son mutuamente
independientes.
Experimentos compuestos.
El espacio probabilizable (Ω, A) de un experimento que es composición de dos
experimentos cuyos espacios probabilizables son (Ω1 , A1 ) y (Ω2 , A2 ), es

32 3. Probabilidad
Ω = Ω1 × Ω2 , y
A es el álgebra más pequeña que contiene a todos los sucesos de la forma

(A1 , A2 ), para cada A1 ∈ A1 y para cada A2 ∈ A2 .
Si los resultados del primer experimento no influyen en la probabilidad de los

resultados del segundo, ambos experimentos son independientes y la función P sobre
(Ω, A) definida por
P (A1 , A2 ) = P (A1 ) · P (A2 ) ∀A1 ∈ A1 y A2 ∈ A2
es una probabilidad.
Si los resultados del primer experimento influyen en la probabilidad de los re-

sultados del segundo, ambos experimentos son dependientes y la función P sobre
(Ω, A) definida por
P (A1, A2 ) = P (A1 ) · P (A2 |A1 ) ∀A1 ∈ A1 y A2 ∈ A2
es una probabilidad.
Ejemplo 3.5.30. ¿Cuál es la probabilidad de extraer dos figuras de una baraja

española de 40 cartas, cuando las extracciones se hacen a) sin devolución, b) con
devolución?
Sol. a) En este caso se trata de dos experimentos dependientes, porque la pri-
mera carta extraı́da cambia la composición de la baraja e influye, por tanto, en la
probabilidad de la segunda carta que vamos a extraer. Ası́, si Fi es el suceso ”la
i-ésima carta extraı́da es figura”, entonces
12 11 11
P (F1 , F2 ) = P (F1 ) · P (F2 |F1 ) = × =
40 39 130
b) En este caso los dos experimentos son independientes y, por tanto,

2
12 9
P (F1 , F2 ) = P (F1 ) · P (F2 |F1 ) = P (F1 ) · P (F2 ) = =
40 100

3.6. Ejercicios 33
3.6. Ejercicios.
1. Se realiza una encuesta a 70 estudiantes de ingenierı́a para saber qué otro
idioma, inglés (I) o francés (F), hablan, obteniéndose la siguiente información: 35
hablan inglés, 20 hablan francés y 7 hablan ambos idiomas. Se pide: a) ¿Cuántos no
hablan inglés?, b) ¿Cuántos hablan francés o inglés?, c) ¿Cuántos alumnos hablan
francés solamente?, d) ¿Cuántos no hablan ninguno de los idiomas?, e) ¿Qué con-
junto es F c ? ¿Cuántos alumnos son?, f) ¿Qué conjunto es I −F ? ¿Cuántos alumnos
son?.
10. Si para ir de la ciudad A a la ciudad B tenemos que atravesar tres puentes

sobre el rı́o R1, dos puentes sobre el rı́o R2 y otros dos puentes sobre el rı́o R3,
¿cuántas rutas distintas hay cruzando cada puente una sola vez?.
15. ¿Cuál es el tamaño mı́nimo de una población para que exista al menos un
dı́a del año (de 365 dı́as) en el que coincidan las fechas de cumpleaños de al menos
9 personas?.
21. En un conjunto de 100 personas, ¿cuántas como mı́nimo nacieron el mismo

mes del año?.
23. Determina las combinaciones y variaciones de los 4 elementos: {a, b, c, d} en

grupos de 3.
57. Escribe todos los números de dos cifras distintas que pueden formarse con
los números 3,4,5 y 6 a) ¿cuántos son?, b) ¿cuántos de ellos son pares?, c) ¿cuántos
son múltiplos de 5?, d) ¿cuántos son mayores que 60?, e) ¿cuánto suman todos los
números del apartado a)?.
60. a) ¿De cuántas formas pueden perseguir 3 perros a 3 gatos?, b) y ¿2 perros

a 3 gatos?, c) y ¿4 perros a 3 gatos?, d) y ¿m perros a k gatos?.
63. ¿Cuántas lı́neas telefónicas son necesarias para comunicar entre sı́ a 20 abo-
nados?.

34 3. Probabilidad
66. En una panaderı́a hay 15 tipos distintos de panes, ¿de cuántas formas pode-
mos elegir 3 de ellos?.
77. ¿Cuántos números de cuatro cifras distintas pueden escribirse con los núme-
ros 0,2,4,6?.
84. ¿De cuántas formas pueden sentarse 6 personas alrededor de una mesa cir-
cular si hay 2 que no pueden sentarse juntas?.
97. En un grupo de 5 hombres y 6 mujeres se ha de formar un comité de 4 per-

sonas, ¿de cuántas maneras se podrá formar dicho comité si a) ha de estar formado
por 2 hombres y 2 mujeres, b) tiene que haber más mujeres que hombres, c) tiene
que haber al menos tres hombres?.
103. ¿De cuántas formas distintas se pueden colocar 3 libros iguales de Matemáti-
cas, 5 libros iguales de Estadı́stica y 4 libros iguales de Quı́mica en una estanterı́a?.
121. Simplifica las expresiones siguientes: a) [A − (A ∩ B)] ∪ B, b) (A ∪ B) ∩

(Ac ∪ B), c) (Ac ∪ B) ∩ (A ∩ B)c .
123. Dados tres sucesos A, B y C de un experimento aleatorio, demuestra que

los sucesos A ∩ B c ∩ C c y A ∩ (B ∪ C) son incompatibles.
132. Dada la distribución de probabilidad sobre el espacio Ω = {1, 2, 3, 4, 5, 6},
Resultado 1 2 3 4 5 6
Probabilidad 0,1 0,3 0,2 0,1 0,1 0,2
Determina la probabilidad de cada uno de los sucesos siguientes: A = {obtener par},

B = {2, 3, 4, 5}, C = {n; n < 3}, D = {n; n > 7}, A ∩ B, A ∪ B y B ∩ C.
136. Se analizan muestras de agua de mar para detectar la presencia de dos

metales pesados: plomo y mercurio, obteniendo que el 38 % de las muestras tomadas
en las proximidades de la desembocadura del rı́o en cuyas orillas se localizan muchas
plantas industriales tiene niveles tóxicos de plomo o de mercurio, y que el 32 % tienen

3.6. Ejercicios 35
niveles de plomo tóxicos. De estas muestras, el 10 % contiene un nivel alto de ambos

metales. Se pide: a) ¿cuál es la probabilidad de que una muestra dada contenga
un alto nivel de mercurio, b) ¿cuál es la probabilidad de que una muestra dada
contenga plomo solamente?, c) ¿cuál es la probabilidad de que una muestra dada
no contenga plomo ni mercurio?, d) ¿cuál es la probabilidad de que una muestra
dada contenga sólo mercurio?.
138. Un sistema puede tener tres tipos de defectos: A1 , A2 y A3 . Si sabemos las

probabilidades de los sucesos siguientes:
Suceso A1 A2 A3 A1 ∪ A2 A1 ∪ A3 A2 ∪ A3 A1 ∩ A2 ∩ A3
Probabilidad 0,12 0,07 0,05 0,13 0,14 0,10 0,01
determina la probabilidad de que a) el sistema no tenga el defecto tipo 1, b) el
sistema tenga defectos tipo 1 y 2 al mismo tiempo, c) el sistema tenga defectos tipo
1 y tipo 2 al mismo tiempo, pero que no tenga defectos tipo 3, d) el sistema tenga
solamente dos defectos, e) el sistema tenga dos defectos, f) el sistema tenga algún
defecto
141. a) En la loterı́a primitiva, ¿cuál es la probabilidad de acertar los seis núme-

ros? ¿cuál es la probabilidad de acertar cinco números?, b) ¿cuál es la probabilidad
de acertar una quiniela de pleno al 15? c) Si compro un sólo boleto del sorteo de la
ONCE, ¿cuál es la probabilidad de acertar las cinco cifras?.
142. Si en un examen de cierta materia, un alumno ha de contestar dos temas

seleccionados al azar de entre los 20 que constituyen el programa, ¿cuántos temas,
como mı́nimo, deberı́a estudiar el alumno para que la probabilidad de que le toquen
dos temas que se ha estudiado sea superior al 50 %?
146. Un dado de quinielas tiene 6 caras, en tres de ellas tiene un 1, en dos una
X y en una un 2. ¿Qué es más probable: que en los 3 primeros signos de la quiniela
hayan dos unos, o que los 3 primeros signos de la quiniela sean diferentes?.
148. En el cajón donde guardo los calcetines, hay 8 calcetines blancos, 6 azules y
4 grises. Si saco dos calcetines al azar, ¿cuál es la probabilidad de que sean pareja?.

36 3. Probabilidad
154. En una caja de bombillas LED hay cuatro bombillas de 4W, cinco de 10W
y seis de 17W. Si seleccionamos 3 bombillas al azar, determina la probabilidad de
que a) exactamente dos de las bombillas sean de 17W, b) las tres bombillas tengan
la misma potencia, c) seleccionemos una bombilla de cada potencia.
156. ¿Cuál es la probabilidad de que al menos dos personas en un grupo de k

(2 ≤ k ≤ 365) hayan nacido el mismo dı́a del año?.
161. En un examen tipo test que consta de 15 preguntas, las respuestas son
Verdadero o Falso, a) ¿Cuál es la probabilidad de que un alumno que contesta al
azar acierte todas las preguntas?, b) Si el alumno sabe que 10 son verdaderas y 5
falsas pero las señala al azar porque no ha estudiado, ¿cuál es la probabilidad de
que responda todas correctamente?.
173. De la Comisión de Ingenierı́a Industrial de la Escuela, que se compone de

ocho profesores y cinco alumnos, se eligen al azar 4 miembros para una subcomi-
sión. Calcula la probabilidad de que la subsomisión tenga: a) el mismo número de
profesores que de alumnos, b) algún alumno, c) mayorı́a de profesores.
174. Una empresa necesita cubrir dos puestos de trabajo y se presentan cincuenta
aspirantes, de los cuales 30 hablan inglés. Si se eligen dos personas al azar, calcula
la probabilidad de que a) ninguno hable inglés, b) uno de los dos hable inglés, c)
los dos hablen inglés, d) al menos uno de ellos hable inglés.
175. Desde el año 2000, las matrı́culas de un vehı́culo en España constan de

cuatro dı́gitos y tres letras consonantes (suprimiéndose las letras Ñ y Q). a) ¿Cuál
es el número total de matrı́culas distintas?, b) Considerando únicamente los cuatro
dı́gitos de la matrı́cula, ¿cuál es la proporción de capicúas?, c) En el caso anterior,
¿cuál es la proporción de números acabados en 1 y en 5?.
176. Considerando un tablero de 9 casillas (3 × 3), a) ¿de cuántas formas dis-

tintas podrı́amos pintarlo si cada casilla debe pintarse de un color distinto?, b) ¿de
cuántas formas distintas podrı́amos pintarlo utilizando de uno a tres colores?, c)

3.6. Ejercicios 37
¿cuál es la probabilidad de que el tablero tenga el mismo número de casillas de cada

uno de los tres colores?.
201. Sean los sucesos A = {x; |x − 12 | < 1

3
} y B = {x > 0; |x − 31 | < 1
2
} de
Ω = [0, 1]. Determina la probabilidad de: A ∪ B, A ∩ B, A − B, B − A, Ac ∪ B . c
202. Se selecciona al azar un punto dentro de un cı́rculo. Determina la probabi-

lidad de que el punto esté más cerca del centro del cı́rculo que de su circunferencia.
211. En una encuesta a 500 personas de Almerı́a, sabemos que toman leche
entera o desnatada para desayunar. Hemos obtenido que 280 son mujeres (M) y que
de ellas, 180 toman leche desnatada. Sabemos también que 125 de los hombres (V)
toman leche entera. a) ¿Cuál es la probabilidad de que elegido un individuo al azar,
tome leche entera?, b) ¿Qué sucesos son M|E y E|M?, c) ¿Quiénes toman más
leche entera, los hombres o las mujeres?, d) ¿Cuál es la probabilidad de que elegidos
dos individuos al azar, tomen ambos leche desnatada?, e) ¿Cuál es la probabilidad
de que elegidos dos hombres al azar, tomen ambos leche desnatada?.
223. En una residencia universitaria, el 40 % de los estudiantes son de primer

año, pero sólo el 10 % de ellos tienen coche; el 30 % son de segundo año, aunque el
20 % de ellos tienen coche; el 25 % son de tercer año, y el 40 % de ellos tienen coche;
finalmente, el 60 % de los de cuarto año tienen coche, a) ¿Cuál es la probabilidad
de que un estudiante sea de segundo año y no tenga coche?, b) Si un estudiante
es de tercer o cuarto año, ¿cuál es la probabilidad de tenga coche?, c) ¿cuál es
la probabilidad de que un estudiante de dicha residencia tenga coche?, d) Si un
estudiante tiene coche, ¿cuál es la probabilidad de que sea de tercer curso?.
226. En un estudio que se realiza sobre una población de aves, vemos que hay
doble número de hembras que de machos. Se ha inoculado un virus al 5 % de los
machos y al 10 % de las hembras. Si se elige un ejemplar al azar, determina la
probabilidad de que a) esté inoculado, b) sea hembra, sabiendo que está inoculado.
227. El alcohol puede actuar como un carcinógeno, no de forma directa sino

a través de su metabolito, el acetildehı́do. Por otra parte, un estudio presentado

38 3. Probabilidad
por la ” Agencia Internacional para la Investigación sobre el Cáncer” indica que el

consumo de tabaco y alcohol aumenta 43 veces la probabilidad de contraer cáncer de
garganta. Si en cierta población, el 18 % de los individuos fuman y consumen alcohol,
determina: a) La probabilidad de que una persona contraiga cáncer de garganta, b)
Si a un individuo se le ha diagnosticado cáncer de garganta, ¿cuál es la probabilidad
de que sea fumador y consuma alcohol?.
228. Un estudio reciente ha revelado que el consumo de grasas hidrogenadas

(”trans”) aumenta en un 25 % el riesgo de infarto. Si en una encuesta llevada a
cabo entre los alumnos de cierto instituto, el 72 % son consumidores habituales de
estas grasas, determina a) la probabilidad de que un adolescente sufra un infarto,
b) Si un adolescente sufriera un infarto, ¿cuál serı́a la probabilidad de que fuera
consumidor de grasas ”trans”?.
231. Una industria aeronáutica elije a sus proveedores aplicando el siguiente

criterio: en cada sección, selecciona al azar 5 piezas a las que somete a un examen
exhaustivo y, si todas ellas lo superan, firma un contrato de suministro con la em-
presa que las fabrica. a) ¿Cuál es la probabilidad de que firme contrato con un
fabricante que dispone de 150 piezas de las cuales 30 son defectuosas?, b) Entre
las piezas elegidas de dicho fabricante, ¿cuál es la probabilidad de que la tercera
pieza examinada sea la primera en no superar el examen?, c) Si, por un lado, la
probabilidad de que una pieza defectuosa pase el examen es del 0,2 % y, por el otro
lado, hay un posible suministrador que sabe que el 1 % de las piezas que fabrica son
defectuosas, ¿cuál es la probabilidad de que una de sus piezas pase el examen?.
235. Para estudiar la contaminación del aire, un inspector decide examinar la

emisión de gases de 6 de los 24 camiones de carga de la compañı́a. Si 4 de los
camiones de dicha compañı́a emiten cantidades excesivas de contaminantes a) ¿cuál
es la probabilidad de que ninguno de ellos sea examinado por el inspector? b) ¿cuál
es la probabilidad de que 2 de los camiones que emiten cantidades excesivas de
contaminantes sean examinados por el inspector?.

3.6. Ejercicios 39
237. Enviamos un mensaje utilizando un código de sólo 0’s y 1’s. En promedio,

la razón entre el número de 0’s y 1’s que se envı́an es de 3/4. Debido a problemas con
la conexión, cada 0 enviado es recibido como un 1 con una probabilidad de 1/4, y
cada 1 envı́ado es recibido como un 0 con probabilidad 1/3. Calcula la probabilidad
de que un sı́mbolo recibido como 1, también fuese enviado como un 1.
238. Un ladrón roba una tarjeta 4B y, sin conocer la clave, va a un cajero para
sacar dinero. Determina la probabilidad de que acierte antes de que la tarjeta se
quede bloqueada por fallar la tercera vez consecutiva, si a) la clave tiene cuatro
cifras, b) las cuatro cifras de la clave son iguales, c) las cuatro cifras de la clave son
distintas, d) la clave tiene dos treses, un cuatro y un cinco?.
242. Una ficha de dominó es rectangular, una de sus caras está dividida en dos
cuadrados, y cada uno de esos cuadrados puede ser blanco o contener de 1 a 6 puntos.
Si de la caja de fichas del juego del dominó a) elegimos tres fichas al azar, ¿cuál es
la probabilidad de no coger ningún doble?, b) elegimos cuatro al azar, ¿qué es más
probable: que ninguna ficha sea doble o que sólo una lo sea?, c) elegimos dos fichas
al azar, ¿cuál es la probabilidad de que ambas sean del mismo tipo?, d) elegimos al
azar una ficha detrás de otra, ¿cuál es la probabilidad de que la primera ficha doble
sea la cuarta extraı́da?.
243. Una máquina está calibrada en el 70 % de los casos en que se utiliza. Cuando
lo está, la probabilidad de producir piezas defectuosas es sólo del 1 %; cuando no lo
está, la probabilidad es del 10 %. Si se seleccionan al azar y con reemplazamiento
5 piezas y ninguna es defectuosa, ¿cuál es la probabilidad de que la máquina no
esté calibrada?.
249. Se dispone de 8 componentes electrónicos idénticos, aunque uno de ellos no

funciona. Cada uno de los otros 7 componentes, tiene una probabilidad de superar
las 58 horas consecutivas de funcionamiento del 75 %. Elegidos 2 componentes al
azar entre los 8, se montan en paralelo. Determina la probabilidad de que el sistema
funcione más de 58 horas consecutivas.

40 3. Probabilidad
262. El 30 % de los clientes que acuden a cierta gasolinera, utilizan gasolina sin
plomo de 95, el 25 % gasolina sin plomo de 98, el 35 % diesel A y el resto, diesel
A+ . Sin embargo, sólo el 30 %, 60 %, 50 % y 40 % de ellos, respectivamente, llenan
sus depósitos. a) ¿Cuál es la probabilidad de que el próximo cliente llene su tanque
con diesel A?, b) Si un cliente llena su tanque, ¿qué tipo de combustible es más
probable que haya utilizado?, c) ¿Qué tipo de combustible es más probable que
utilice un cliente que no llena su tanque?.
266. En el circuito siguiente, la probabilidad de que la primera componente falle

es de 0,1. Si dicha componente falla, la probabilidad de que la segunda falle es 0,15.
Si la primera componente no falla, la probabilidad de que la segunda falle es 0,08. La
probabilidad de fallo de la tercera componente es 0,12. a) ¿Cuál es la fiabilidad del
sistema?, b) ¿Es más fiable el sistema si las tres componentes se montan en serie?,
c) ¿Qué fiabilidad debe tener la tercera componente para que la del sistema sea, al
menos, del 95 %?.
C1
b
C3
C2
275. A una clase de Estadı́stica asisten 25 estudiantes de ingenierı́a quı́mica,

pero sólo el 20 % de ellos son repetidores; 10 estudiantes de ingenierı́a mecánica, de
los cuales el 40 % son repetidores; otros 10 de ingenierı́a eléctrica, aunque sólo el
10 % son repetidores; y finalmente, 8 de ingenierı́a electrónica, con un porcentaje de
repetidores del 25 %. Si la profesora elige al azar a un estudiante para que conteste
una pregunta, a) ¿Cuál es la probabilidad de que sea un alumno no repetidor y
de ingenierı́a quı́mica?, b) Si un estudiante es de ingenierı́a eléctrica o electrónica,
¿cuál es la probabilidad de que sea repetidor?, c) ¿Cuál es la probabilidad de que

3.6. Ejercicios 41
el alumno sea repetidor?, d) Si no es un alumno repetidor, ¿cuál es la probabilidad

de que sea de ingenierı́a mecánica?, e) Si la profesora selecciona a un total de 5
alumnos, ¿cuál es la probabilidad de que al menos 1 sea de ingenierı́a electrónica?.
277. Se dispone de dos cajas C1 y C2 . La primera contiene 7 tornillos y 3 púas,

mientras que en la segunda caja es al contrario. Se escoge una caja al azar y sacamos
una tras otra y con reemplazamiento, 5 piezas, obteniendo T pT pT , donde ”T” indica
tornillo y ”p” púa. ¿Cuál es la probabilidad de que la muestra proceda de la segunda
caja?.
279. Se ha analizado la concentración de arsénico y mercurio de los vertederos

de un paı́s, encontrándose que el 31 % de ellos tienen una concentración de arsénico
alta. En ese caso, la probabilidad de que en el vertedero haya una concentración de
mercurio alta es del 33 %; en caso contrario, la probabilidad de que en el vertedero
haya una concentración alta de mercurio es del 35 %. a) ¿Cuál es la probabilidad
de que un vertedero tenga una concentración alta de alguna de las sustancias?, b)
Si un vertedero tiene una alta concentración de mercurio, ¿cuál es la probabilidad
de que su concentración de arsénico no lo sea?, c) Si en un vertedero la concen-
tración de mercurio no es alta, ¿cuál es la probabilidad de que su concentración en
arsénico tampoco lo sea?, d) ¿Cuál es la probabilidad de que un vertedero tenga
una concentración alta de una sustancia solamente?.
303. De los sucesos A y B se sabe que P (A) = 0, 7, P (B) = 0, 6 y P (Ac ∪ B c ) =

0, 8. Analiza si A y B son independientes.
306. De los sucesos A y B se sabe que P (A) = 0, 3 y P (B) = 0, 6. Determina

P (A ∩ B c ) en los siguientes casos: a) sabiendo que P (A ∩ B) = 0, 2, b) sabiendo
que A y B son independientes.
307. La profesora propone la resolución de un mismo problema a Carlos y An-

tonio. La probabilidad de que lo resuelva Antonio es 1/3, y la de que lo resuelva
Carlos es 1/4. Determina la probabilidad a) de que lo resuelvan ambos, b) de que
el problema se resuelva.

42 3. Probabilidad
308. Se lanza una moneda 3 veces y se definen los sucesos: A el primer lanza-
miento es cara, B el segundo lanzamiento es cara y C se obtienen exactamente dos
caras consecutivas. Analiza si los sucesos A, B y C son mutuamente independientes.
310. Un sistema de seguridad consta de un circuito con dos componentes eléctri-

cos conectados en serie y otro componente que es una alarma acústica independiente
de los anteriores, de modo que sólo falla el sistema si los tres fallan. La probabilidad
de que falle el primero es 0.02, la de que falle el segundo si ha fallado el primero es
0.01, y la de que falle la alarma es 0.005, ¿cuál es la probabilidad de que no funcione
el sistema?.
311. Un sistema consta de 4 componentes: C1 y C2 , que están conectados en serie,

constituyen un subsistema S1 que está conectado en paralelo con el subsistema S2 =
{C3 , C4 } cuyos componentes están conectados en serie. Si los componentes funcionan
o fallan independientemente uno de otro, y cada uno funciona con probabilidad 0,9.
¿Cuál es la probabilidad de que el sistema funcione?. Recı́procamente, ¿cuál debe ser
la probabilidad de funcionamiento de un componente para garantizar que el sistema
funcione con una probabilidad del 99 %?.
313. Un artı́culo se somete a control de calidad en una serie de etapas indepen-

dientes, cada una de duración fija. Si el artı́culo es defectuoso, entonces la proba-
bilidad de detectarlo durante cualquiera de las etapas es p. Una vez detectado un
artı́culo defectuoso, éste se desecha. Determina: a) Si un artı́culo es defectuoso, ¿cuál
es la probabilidad de detectarlo antes de la tercera etapa?, b) Si cuando un defecto
no ha sido detectado durante las tres primeras etapas, el artı́culo pasa el control,
¿cuál es la probabilidad de que un artı́culo defectuoso pase el control?, c) Si el 10 %
de los artı́culos son defectuosos, ¿cuál es la probabilidad de que un artı́culo seleccio-
nado al azar pase la inspección (pasará automáticamente si no es defectuoso, pero
podrı́a pasarla también siendo defectuoso)?, d) Suponiendo, además, que p = 0, 6,
si un artı́culo seleccionado al azar ha pasado el control, ¿cuál es la probabilidad de
que, en realidad, sea defectuoso?.

3.6. Ejercicios 43
314. Un avión tiene 5 bombas. Se quiere destruir un puente. La probabilidad de

destruirlo de un bombazo es 1/5. a) ¿Cuál es la probabilidad de que se destruya el
puente?, b) Si se lanzan las 5 bombas, ¿cuál es la probabilidad de que se destruya
el puente?.
326. Dos máquinas A y B, que funcionan independientemente, producen un

determinado tipo de pieza. Se sabe que la máquina A produce un 10 % de piezas
defectuosas, y la máquina B un 5 %. Se seleccionan al azar una pieza fabricada por
cada una de las máquinas. a) ¿Cuál es la probabilidad de que las dos piezas sean
defectuosas? b) ¿Cuál es la probabilidad de que ninguna pieza sea defectuosa? c) Si
sólo una pieza ha sido defectuosa, ¿cuál es la probabilidad de que haya sido fabricada
por B?.
333. Un sistema tiene dos componentes A y B conectadas en paralelo. La pro-

babilidad de que funcione A es de 0,9; la probabilidad de que funcione B es 0,8;
y la probabilidad de que funcionen ambas es 0,77, a) Analiza si las componentes
funcionan de forma independiente la una de la otra, b) ¿Cuál es la probabilidad
de que el sistema funcione?, c) ¿Cuál es la probabilidad de que funcione A y no
funcione B?, d) ¿Cuál es la probabilidad de que ninguna componente funcione?, e)
Si la componente A funciona, ¿cuál es la probabilidad de que B no funcione?.
353. En una urna hay 6 bolas rojas y 4 azules. Sacamos dos bolas de la urna.
Determina la probabilidad de que ambas sean del mismo color si a) se extraen con
devolución, b) se extraen sin devolución.
357. Disponemos de una urna A con 7 bolas rojas y 3 negras, y otra urna B con
3 bolas rojas y 5 negras. Lanzamos un dado: si sale un número par sacamos una
bola de la urna A y la introducimos en la urna B, y luego sacamos una bola de B;
pero si sale un número impar, se saca una bola de la urna B y la introducimos en la
urna A y luego sacamos una bola de la urna A. Determina la probabilidad de que
a) ambas bolas sean negras, b) sean una bola roja y otra negra.


Estadistica03 PDF

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadistica03 PDF

Cargado por

Copyright:

Formatos disponibles

Capı́tulo 3

”La probabilidad no nos puede decir lo que va a suceder,

Conjuntos. Técnicas de conteo. Experimento aleatorio. Espacio muestral. Su-

Probabilidad. Espacios probabilidad finitos, contables y continuos.

Probabilidad condicionada. Fórmulas de la probabilidad total y de Bayes. Su-

La Teorı́a de la Probabilidad es la ciencia de la incertidumbre, las matemáticas

Alicia M. Juan González

con letras minúsculas: a,b,c, . . . . Cuando un elemento w pertenece a un conjunto A

Ejemplo 3.1.2. Si A es el conjunto de las vocales, se representa de la forma

y ası́, puede afirmarse que a ∈ A, mientras que m 6∈ A.

El conjunto de los números naturales: N = {1, 2, 3, 4, . . . }

El conjunto de los números enteros: Z = {0, ±1, ±2, ±3, ±4, . . . }

El conjunto de los números racionales: Q

El conjunto de los números irracionales: I

El conjunto de los números reales: R, y

El conjunto de los números complejos: C

comprensión. Por ejemplo, A es el conjunto de las vocales,

extensión. Por ejemplo, A = {a, e, i, o, u},

Dos conjuntos especiales son:

Alicia M. Juan González

el conjunto vacı́o es el que no tiene elementos y se indica por ∅. Por ejemplo,

el conjunto unitario es el que tiene un solo elemento. Por ejemplo, si B es el

Cardinal: Dado un conjunto A, su cardinal es el número de elementos que lo

• Inclusión: A ⊂ B si todo elemento de A es elemento de B. Se dice ası́, que

• Igualdad: A = B si están formados por los mismos elementos.

Ejemplo 3.1.3. Si P es el conjunto de los números pares, entonces P ⊂ N.

Si A es el conjunto de las vocales y M el conjunto de las vocales de la palabra

• Unión de conjuntos: Dados dos conjuntos A y B, el conjunto ”A unión

Alicia M. Juan González

• Intersección de conjuntos: Dados dos conjuntos A y B, el conjunto ”A inter-

Si A ∩ B = ∅, se dice que A y B son conjuntos disjuntos.

• Diferencia de conjuntos: Dados dos conjuntos A y B, el conjunto ”A menos

Se llama diferencia simétrica de dos conjuntos A y B, y lo notamos por A∆B,

Alicia M. Juan González

A−B B−A A∆B

Gráficamente, puede observarse que,

Ejemplo 3.1.4. 1) Si A = {g, o, m, a} y B = {g, a, t, o}, entonces

A ∪ B = {g, o, m, a, t} A ∩ B = {g, o, a} A − B = {m} B − A = {t}

2)Si A es el conjunto de los divisores de 16 y B el de los divisores de 40, determina

Observación: De las definiciones de unión e intersección se deducen las siguien-

Clase: Es un conjunto no vacı́o cuyos elementos son conjuntos. Las clases se

Alicia M. Juan González

Ejemplo 3.1.5. Si Ω = {a, b, c}, entonces

Es interesante observar que, en general, si n(Ω) = n, entonces n (P(Ω)) = 2n .

Conjunto complementario: Si A ⊂ Ω, entonces el conjunto complementario

Se deduce ası́ las relaciones siguientes:

Ejemplo 3.1.6. Si F es el conjunto de las vocales fuertes, entonces F c es el conjunto

A = {a, e, i, o, u} F = {a, e, o} F c = {i, u}

Propiedades 3.1.1. Si A, B y C son tres subconjuntos cualesquiera de Ω, pueden

Alicia M. Juan González

La clase P(Ω) tiene, en virtud de estas propiedades, estructura de álgebra y ello

2. Es clase cerrada para la complementación: ∀A ∈ P(Ω) ⇒ Ac ∈ P(Ω)

3. Es clase cerrada para la unión:

∀A1 , A2 , . . . , An ∈ P(Ω) ⇒ A1 ∪ A2 ∪ · · · ∪ An ∈ P(Ω)

4. Es clase cerrada para la intersección:

∀A1 , A2 , . . . , An ∈ P(Ω) ⇒ A1 ∩ A2 ∩ · · · ∩ An ∈ P(Ω)

No obstante, existen otras clases A de conjuntos de Ω tales que A ⊂ P(Ω) y también

El álgebra más sencillo asociado a cualquier conjunto Ω es A = {∅, Ω}.

∀A ⊂ Ω, la clase de conjuntos A = {∅, A, Ac , Ω} es un álgebra.

Alicia M. Juan González

3.2. Técnicas de conteo.

Principio de la adición → Principio de inclusión-exclusión.

Principio del producto.