PROBABILIDAD

CAPITULO 2. PROBABILIDAD
Introducción.
El Conc. Clás. de Prob., se aplica cuando todos los Result.
posibles son Igualm. Probab. Por Consiguien., podemos afirmar
que si hay “N” Posibil. Igualm. Prob., de las cuales una debe
ocurrir y “n” se Consid. Favorab., entonces la Prob. de lograr un
𝐧
“acierto” está dada por la razón .
𝐍
Ejem. ¿Cuál es la Prob. de Tom. un as de una Baraj. común?
Una Desvent. Import. del Conc. Clás. de Prob. es su Limit. Aplic.,
ya que hay muchas Situacion. en que las Posibil. que se Presen.
no pueden Consider. Igualm. Prob. Entre los Diver. Conc. de
Prob., el más Favorec. es la Interpr. de la Frecuen. o Interpr.
Frecuentis., según la cual la Prob. de un Even., es la Propor. de
las veces en que Ocurrir. a la larga Even. del mismo tipo.
 INTRODUCCIÓN
Un punto de vista Altern., Consis. en Interpr. las Prob. como
Evaluac. Pers. o Subjet. Éstas Prob. Expres. la Fuer. de Nuest.
Creenc. en Relac. con Incertid. que están Asociad.
El Enfoq. de la Prob. que Aplicar. en este Cap. es el Mét. Axiom.,
en el cual las Prob. se Defin. como “Conc. Matem.” que se
Comport. según ciertas reglas bien definidas.
2.1 Espacio muestral
En el Est. de la Estadís. tratamos Básicam. con la Presen. e
Interpret. de Result. Fortuit. que ocurren en un Est. Planead. o en
una Investig. Científ. Las Prob. Perten. siempre a la Ocurren. o
no de Even., de manera que Explic. Formalm. el Signif. de
“Even.” y de los Térm. Relacion. con “Experim.” y “Esp. Muest.”.
En Estad. se Acostum. Denom. Experim. a un Proces. de Observ.
o Medic. cualquiera.
 ESPACIOS DE MUESTRA
Def. 2.1: Al Conj. de todos los Result. Posib. de un Exper.
Estadis. se le llama Esp. Muest. y se Repres. con el Símb. S.
A Cada Result. en un Esp. Muest. se le llama Elem. o Miemb. del
Esp. Muest. o Simplem. Pto. Muest.
Ejem. 2.1: Consid. el Exper. de lanzar un Dad. Si nos Interes. el
Núm. que Aparec. en la cara Super., el Esp. Muest. sería 𝐒𝟏 = {1,
2, 3, 4, 5, 6}. Si sólo Estuviér. Interes. en si el Núm. es par o Imp.,
el Esp. Muest. sería Simplem. 𝐒𝟐 = {par, impar}.
El Ejem. 2.1 ilustra el hecho de que se puede usar más de un
Esp. Muest. para Describ. los Result. de un Experim.
En Gener., lo Deseab. sería Utiliz. un Esp. Muest. que Proporc. la
mayor Inform. acerca de los Result. del Experim. En Algun.
Experim. es útil listar los Elem. del Esp. Muest. de forma Sistem.
Utiliz. un diagrama de árbol.
 ESPACIOS DE MUESTRA
Nota. En Térm. Gener., es deseable utilizar un Esp. de Muest.
cuyos Elem. no puedan “Subdiv.” en tipos de Result. más
Primitiv. o más Elem.; es decir, un Elem. de un Esp. de Muest. no
debe representar dos o más productos que sean distinguibles de
alguna manera.
Ejem. 2.2: Un Experim. Consiste en lanzar una Mon. y después
lanzarla una 2da. vez si sale cara. Si en el 1er. Lanzam. sale cruz,
entonces se lanza un dado una vez. Para listar los Elemen. del
Esp. Mues. que Proporc. la mayor Inform. construimos el Diagr.
de árbol de la Fig. 2.1. Las diversas Trayect. a lo largo de las
ramas del árbol dan los distintos Ptos. Muest. Al seguir todas las
trayectorias, vemos que el Esp. Mues. es: (Pág. 37)
Muchos de los Concep. de este Capít. se ilustran mejor con
Ejemp. que involucran el uso de dados y cartas.
 EVENTOS
Ejem. 2.3: Supon. que se Selección., de forma Aleat., 3 Artíc. de
un Proc. de Fabric. Cada Artíc. se Inspecc. y se Clasif. como
Defect., D, o no Defect., D’. Para listar los Elem. del Esp. Muest.
que brinde la mayor Inform., Construim. el Diag. de árbol de la
Fig. 2.2, de manera que las Diver. Trayect. a lo largo de las ramas
del árbol dan los distintos Ptos. Muest. (Pág. 38)
Los Esp. Muest. con un No. grande o Infin. de Ptos. Muest. se
describen mejor mediante un Enunc. o Mét. de la Regl. Por Ejem.
si el Conj. de Result. posibles de un Experim. fuera el Conj. de
Ciudad. en el Mund. con una Poblac. de más de un Mill. de
Habitan., nuestro Esp. Muest. se Escrib. como S = {x | x es una
ciudad con una Poblac. de más de un Mill. de Habitan.}.
De manera similar, si S es el Conj. de todos los Ptos. (x, y) sobre
los Lím. o el Inter. de un Círc. de radio 2 con centro en el origen,
Escrib. la Reg. S = {(x, y) | 𝐱 𝟐 + 𝐲 𝟐 = 𝟐𝟐 }.
 EVENTOS
2.2 Eventos
En cualquier Experim. dado, podríamos estar Interes. en la
Ocurren. de ciertos Even., más que en la Ocurren. de un Elem.
Específ. en el Esp. Muest.
Para cada Even. asignamos un Conj. de Ptos. Muest., que
constituye un Subconj. del Esp. Muest. Este Subconj. Repres. la
Totalid. de los Elemen. para los que el evento es cierto.
Def. 2.2: Un Even. es un Subconj. de un Esp. Muest.
Ejem. 2.4: Dado el Esp. Muest. S = {t | t ≥ 0}, donde t es la Vid. en
años de cierto Comp. Electr., el Even. A de que el Comp. falle
antes de que Final. el 5to. año es el Subconj. A = {t | 0 ≤ t < 5}.
Nota. Es posible concebir que un Even. puede ser un Subconj.
que incluye todo el Esp. Muest. S, o un Subconj. de S que se
denomina Conj. vacío y se denota con el símbolo Ø, que no
contiene ningún elemento.
 EVENTOS
Nota. En muchos Probl. de Prob. nos Interes. Even. que son, en
realidad, Combin. de dos o más Even., que se forman tomando
Union., Intersecc. y Complem. Los Esp. de Muest. y Even., a
menudo se presentan por medio de Diagram. de Venn.
Def. 2.3: El Complem. de un Even. A Respec. de S es el Subconj.
de todos los Elemen. de S que no están en A. Denotamos el
Complem. de A mediante el símbolo A′.
Ejem. 2.5: Sea R el Even. de que se Selecc. una carta roja de una
baraja ordinaria de 52 cartas, y sea S toda la baraja. Entonces R′
es el Even. de que la carta Selección. de la baraja no sea una
roja sino una negra.
Ejem. 2.6: Considere el Esp. Muest. S = { libro, celular, mp3,
papel, Papeler., Computad. }. Sea A = { libro, Papeler., Comput.,
papel }. Entonces, el Complem. de A es A′ = { celular, mp3 }.
 EVENTOS
Def. 2.4: La Intersec. de dos Even. A y B, que se denota con el
Símb. A ∩ B, es el Even. que contiene todos los Elem. que son
comunes a Simba y a B.
Ejem. 2.7: Sea E el Even. de que una persona Selección. al azar
en un salón de clases sea Estud. de Ingen., y sea F el Even. de
que la persona sea mujer. Entonces E ∩ F es el Even. de todas
las Estud. mujeres de Ingen. en el salón de clases.
Ejem. 2.8: Sean V = { a, e, i, o, u } y C = { l, r, s, t }; entonces, se
deduce que V ∩ C = Ø. Es decir, V y C no tienen Elem. comunes,
por lo tanto, no pueden ocurrir de forma Simultán. Para ciertos
Experim. Estadís. no es nada extraño definir dos Even., A y B,
que no pueden ocurrir de forma simultán. Se dice entonces que
los Even. A y B son Mutuam. Excluy. Expresado de manera más
formal, tenemos la siguiente definición:
 EVENTOS
Def. 2.5: Dos Even. A y B son Mutuam. Excluy. o Disjun. si A ∩ B
= Ø; es decir, si A y B no tienen elementos en común.
Ejem. 2.9: Una Emp. de TV. por cable ofrece Progr. en 8 Difer.
Canal., 3 de los cuales están Afiliad. con ABC, 2 con NBC y 1
con CBS. Los otros 2 son un canal Educ. y el canal de Depor.
ESPN. Supon. que un Indiv. que se Suscr. a este Serv. enciende
un TV. sin Selecc. de Antem. el canal. Sea A el Even. de que el
Progr. Pertenez. a la cadena NBC y B el Even. de que Pertenez. a
la cadena CBS. Como un Progr. de TV. no puede Perten. a más
de una cadena, los Even. A y B no tienen Progr. en común. Por
lo tanto, la Intersec. A ∩ B no contiene Progr. alguno y, en
Consecuen., los Even. A y B son Mutuam. Excluy.
Def. 2.6: La unión de dos Even. A y B, que se denota con el
símbolo A ∪ B, es el Even. que contiene todos los Elem. que
pertenecen a Consecuente o a B, o a ambos.
 EVENTOS
Ejem. 2.10: Sea A = { a, b, c } y B = { b, c, d, e }; entonces, A ∪ B
= { a, b, c, d, e }.
Ejem. 2.11: Sea P el Even. de que un Emplea. de una Emp.
Petroler. Seleccion. al azar fume Cigarr. Sea Q el Even. de que
el Emplea. Seleccion. ingiera Bebid. Alcohól. Entonces, el Even.
P ∪ Q es el Conj. de todos los Emplea. que beben o fuman, o
que hacen ambas cosas.
Ejem. 2.12: Si M = { x | 3 < x < 9 } y N = { y | 5 < y < 12 },
entonces, M ∪ N = { z | 3 < z < 12 }.
Nota. En un Diagr. de Venn Represent. el Esp. Mues. como un
Rectáng. y los Even. con círculos trazados dentro del Rectáng.
De esta forma, en la Fig. 2.3 vemos que: A ∩ B = { 1, 2 }; B ∩ C
= { 1, 3 }; A ∪ C = { 1, 2, 3, 4, 5, 7 } ; B′ ∩ A = { 4, 7 } ; A ∩ B ∩ C
= { 1 } ; ( A ∪ B ) ∩ C' = { 2, 6, 7 } . Y, así sucesivamente.
 EVENTOS
Fig. 2.3: Even. representados por varias regiones.

Fig. 2.4: Even. del Esp. Mues S.

En la Fig. 2.4 vemos que los Even. A, B y C son Subconj. del

Esp. Mues. S. También es claro que el Even. B es un Subconj.
del Even. A; el Even. B ∩ C no tiene Elem., por lo tanto, B y C
son Mutuam. Excluy.; el Even. A ∩ C tiene al menos un Elem.; y
el Even. A ∪ B = A. Por Consiguien., la Fig. 2.4 podría Represen.
una Situac. en la que se Selecc. una carta al azar de una baraja
Ordin. de 52 cartas y se observa si ocurren los Siguien. Even.:
A: la carta es roja, B: la carta es la jota, la reina o el rey de
diamantes, C: la carta es un as.
 CONTEO DE PUNTOS MUESTRALES
Claramente, el Even. A ∩ C consta sólo de los dos ases rojos.
Varios Resultad. que se derivan de las Definic. Preceden., y que
se pueden Verif. de forma sencilla Emplean. Diagr. de Venn, son
como los que siguen:
1. A ∩ Ø = Ø 2. A ∪ Ø = A 3. A ∩ A′ = Ø
4. A ∪ A′ = S 5. S′ = Ø 6. Ø ′ = S
7. (A′)′ = A 8. (A ∩ B)′ = A′ ∪ B′ 9. (A ∪ B)′ = A′ ∩ B′
2.3 Conteo de puntos muestrales
Uno de los Probl. que el Estadís. debe Consider. e Inten. evaluar
es el Elem. de Aleat. asociado con la Ocurren. de ciertos Even.
cuando se Realiz. un Experim. Estos Probl. Perten. al Camp. de
la Prob., un Tem. que se Estud. en la Secc. 2.4. En muchos
casos debemos ser Capac. de Resol. un Probl. de Prob. Median.
el conteo del No. de Ptos. en el Esp. Mues.
 CONTEO DE PUNTOS MUESTRALES
El Princ. Fundam. del conteo, a menudo Denom. regla de
Multiplic., se establece en la regla 2.1.
Regla 2.1: Si una Operac. se puede llevar a cabo en n1 formas,
y si para cada una de éstas se puede realizar una 2da. Operac.
en n2 formas, entonces las dos Operac. se pueden ejecutar
juntas de n1.n2 formas.
Ejem. 2.13: ¿Cuántos Ptos. Mues. hay en el Esp. Mues. cuando
se lanza un par de dados una vez?
Ejem. 2.14: Un urbanista de una nueva Subdivis. ofrece a los
posibles Comprador. de una casa elegir entre Tudor, rústica,
colonial y tradicional el estilo de la fachada, y entre una planta,
dos pisos y Desniv. el plano de Construc. ¿En cuántas formas
Diferen. puede un comprador ordenar una de estas casas?
 CONTEO DE PUNTOS MUESTRALES
Ejem. 2.15: Si un miembro de un club que tiene 22 Integran.
necesitara elegir un Presiden. y un Tesor., ¿de cuántas
maneras diferentes se podría elegir a ambos?
A Contin. se Form. la Reg. de Multip. Gener. que cubre k Oper.
Regla 2.2: Si una Operac. se puede ejecutar en n1 formas, y si
para cada una de éstas se puede llevar a cabo una 2da. Operac.
en n2 formas, y para cada una de las primeras dos se puede
Realiz. una 3ra. Operac. en n3 formas, y así Sucesiv., entonces
la serie de k Operac. se puede Realiz. en n1.n2.n3. ... .nk formas.
Ejem. 2.16: Sam va a armar una Comp. y para comprar las
partes tiene que elegir entre las Siguien. Opcion.: 2 Marc. de
Circ. Integr., 4 Marc. de Disc. Dur., 3 Marc. de Mem. y 5 tiendas
locales en las que puede adquirir un Conj. de Accesor. ¿De
cuántas formas diferentes puede Sam comprar las partes?
 CONTEO DE PUNTOS MUESTRALES
Ejem. 2.17: ¿Cuántos números pares de 4 dígitos se pueden
formar con los dígitos 0, 1, 2, 5, 6 y 9, si cada dígito se puede
usar sólo una vez?
Con Frecuen. nos Interes. en un Esp. Mues. que contiene como
Elem. a todas las Posibl. Ordenacion. o Arreg. de un grupo de
Objet. Por Ejem., cuando Querem. saber cuántos Arreg. Difer.
son posibles para sentar a 6 Person. Alreded. de una mesa, o
cuando nos Preguntam. cuántas Ordenacion. Diferen. son
posibles para sacar dos billetes de lotería de un total de 20. En
este caso los Difer. Arreg. se llaman permutaciones.
Def. 2.7: Una permutación es un arreglo de todo o parte de un
conjunto de objetos.
Considere las 3 letras a, b y c. Las Permut. Posib. son abc, acb,
bac, bca, cab y cba, por tanto, vemos que hay 6 Arreg. Distin.
 CONTEO DE PUNTOS MUESTRALES
Si Utiliz. la Reg. 2.2 podemos llegar a la Resp. 6 sin listar Realm.
las Difer. Ordenac. Hay n1 = 3 Opcion. para la 1ra. Posic. Sin
importar cuál letra se elija, siempre habrá n2 = 2 Opcion. para la
2da. Posic. Por último, Indepen. de cuál de las dos letras se elija
para las Primer. dos Posic., sólo hay n3 = 1 Elecc. para la última
Posic., lo que da un total de n1.n2.n3 = (3)(2)(1) = 6 Permut.
mediante la Reg. 2.2.
En Gral., n Objet. Distin. se pueden Arreg. en n(n – 1)(n – 2) ···
(3)(2)(1) formas.
Def. 2.8 Para Cualqu. Ent. no Neg. n, n!, Denom. “n factorial” se
Def. como n! = n(n – 1)(n – 2) ··· (3)(2)(1).
Con el caso Espec. de 0! = 1.
Teor. 2.1: El número de permutaciones de n objetos es n!
El Nro. de Permut. de las 4 letras a, b, c y d será 4! = 24.
 CONTEO DE PUNTOS MUESTRALES
Consider. ahora el Nro. de Permut. que son Posib. tomando dos
de las 4 letras a la vez. Éstas serían ab, ac, ad, ba, bc, bd, ca,
cb, cd, da, db y dc. De nuevo, si Utiliz. la Reg. 2.1, tenemos dos
Posic. para llenar con n1 = 4 Opcion. para la 1ra. y después n2 =
3 Opcion. para la 2da., para un Tot. de n1.n2 = (4)(3) = 12 Permut.
En Gral., n Objet. Distin. Tomad. de r a la vez se pueden arreglar
en n(n – 1)(n – 2) ··· (n – r + 1) formas. Represen. este producto
𝐧!
mediante nPr = 𝐧 −𝐫 ! .
Teor. 2.2: El Nro. de Permut. de n Objet. Distin. Tomad. de r a la
𝐧!
vez es: nPr =
𝐧 −𝐫 !
Ejem, 2.18: En un año se Otorg. 1 de 3 premios (a la Investig., la
Enseñan. y el Serv.) a algunos de los Estud., de un Grup. de 25,
de Posgr. del Dpto. de Estad. Si cada Estud. puede recibir un
premio como máximo, ¿cuántas selecciones posibles habría?
 CONTEO DE PUNTOS MUESTRALES
Ejem. 2.19: En un club Estud. Compues. por 50 Person. se va a
elegir a un Presid. y a un Tesor. ¿Cuántas Opcion. Diferen. de
Funcion. son posibles si: a) no hay Restricc.; b) A Particip. sólo
si él es el Presid.; c) B y C Particip. juntos o no lo harán; d) D y
E no participarán juntos?
Las Permut. que ocurren al arreglar Objet. en un círculo se
llaman Permut. Circul. Dos Permut. Circul. no se consideran
Difer. a menos que los Objet. Correspon. en los dos arreglos
estén Preced. o Seguid. por un Objet. Difer., Confor. Avancem.
en la Direc. de las Manecill. del reloj.
Por Ejem., si 4 Person. juegan bridge, no tenemos una Permut.
nueva si se mueven una Posic. en la Direc. de las Manecill. del
reloj. Si Consider. a una persona en una Posic. fija y Arreglam. a
las otras tres de 3! formas, Encontr. que hay 6 arreglos Distin.
para el juego de bridge.
 CONTEO DE PUNTOS MUESTRALES
Teor. 2.3: El Nro. de Permut. de n Objet. Ordenad. en un círculo
es (n – 1)!.
Teor. 2.4: El Nro. de Permut. Distin. de n Objet., en el que n1 son
de una clase, n2 de una 2da. clase,..., nk de una k-ésima clase
𝐧!
es: 𝐧 !.𝐧 !. … .𝐧 !
𝟏 𝟐 𝐤

Ejem. 2.20: Durante un Entrenam. de Fútb. Americ. colegial, el

Coordin. Defens. necesita tener a 10 Jugador. parados en una
fila. Entre estos 10 Jugador. hay 1 de 1er. año, 2 de 2do. año, 4
de 3er. año y 3 de 4to. año, Respectivam. ¿De cuántas formas
Diferen. se pueden Arregl. en una fila si lo único que los
distingue es el grado en el cual están?
Nota. Con frecuencia nos interesa el Nro. de formas de dividir
un Conj. de n Objet. en r Subconj. Denomin. celdas.
 CONTEO DE PUNTOS MUESTRALES
Teor. 2.5: El Nro. de formas de partir un Conj. de n Objet. en r
celdas con n1 Elem. en la 1ra. celda, n2 Elem. en la 2da., y así
𝐧!
Sucesivam., es: 𝐧𝟏 , 𝐧𝟐𝐧, … , 𝐧𝐤 = 𝐧 ! . 𝐧 ! . … . 𝐧 ! ; donde, 𝐧𝟏 + 𝐧𝟐 +
𝟏 𝟐 𝐤
⋯ + 𝐧𝐤 = n.
Ejem. 2.21: Un hotel va a hospedar a 7 Estudian. de Posgr. que
asisten a una Conferen., ¿en cuántas formas los puede asignar
a una Habitac. triple y a dos dobles?
Nota. En muchos Problem. nos Interesam. en el Nro. de formas
de Seleccion. r Objet. de n sin Import. el orden. Tales Seleccion.
se llaman combinaciones.
Una Combin. es Realmen. una Partic. con 2 celdas, donde una
celda contiene los r Objet. Seleccion. dos y la otra contiene los
(n – r) Objet. restantes.
 PROBABILIDAD DE UN EVENTO
Teor. 2.6: El Nro. de Combin. de n Objet. Distin. Tomad. de r a la
𝐧 𝐧!
vez es: 𝐫
= .
𝐫!(𝐧 −𝐫)!

Ejem. 2.22: Un niño le pide a su madre que le lleve 5 Cartuch. de

Game-BoyTM de su Colec. de 10 juegos Recreat. y 5 de Depor.
¿De cuántas maneras podría su madre llevarle 3 juegos
Recreat. y 2 de Depor.?
Ejem. 2.23: ¿Cuántos Arregl. Diferen. de letras se pueden hacer
con las letras de la palabra STATISTICS?
2.4 Probabilidad de un evento
Para Encont. la Probab. de un Even. A Sumam. todas las
Probab. que se asignan a los Ptos. Muestr. en A. Esta suma se
denomina Probab. de A y se denota con P(A).
 PROBABILIDAD DE UN EVENTO
Def. 2.9: La Probab. de un Even. A es la suma de los pesos de
todos los Ptos. Muestr. en A. Por lo tanto, i) 0 ≤ P(A) ≤ 1, ii) P(Ø)
= 0 y iii) P(S) = 1. Además, si A1, A2, A3, … es una serie de Event.
Mutuam. Excluy., entonces P(A1 ∪ A2 ∪ A3 ∪ ···) = P(A1) + P(A2)
+ P(A3) + ···.
Ejem. 2.24 Una moneda se lanza dos veces. ¿Cuál es la Probab.
de que ocurra al menos una cara (C)?
Ejem. 2.25: Se carga un dado de forma que exista el doble de
Probab. de que salga un Nro. par que uno impar. Si E es el
Even. de que ocurra un Nro. menor que 4 en un solo Lanzam.
del dado, calcule P(E).
Ejem. 2.26: En el Ejem. 2.25, sea A el Even. de que resulte un
Nro. par y sea B el Even. de que resulte un Nro. Divisib. entre 3.
Calcule P(A ∪ B) y P(A ∩ B).
 PROBABILIDAD DE UN EVENTO
Reg. 2.3: Si un Experim. puede dar como Result. Cualqu. de N
Diferen. Result. que tienen las mismas Probab. de ocurrir, y si
Exactam. n de estos Result. corresponden al Even. A, entonces
𝐧
la Probab. del Even. A es P ( A ) = .
𝐍
Ejem. 2.27: A una clase de Estadís. para Ingen. asisten 25
Estud. de Ingen. Indust., 10 de Ingen. Mecán., 10 de Ingen.
Eléctr. y 8 de Ingen. Civ. Si el Profes. elige al azar a un Estud.
para que conteste una pregunta, ¿qué Probab. hay de que el
elegido sea: a) Estud. de Ingen. Indust., b) Estud. de Ingen. Civ.
o Estud. de Ingen. Eléctr.?.
Ejem. 2.28: En una mano de póquer que consta de 5 cartas
encuentre la Probab. de tener 2 ases y 3 jotas.
A menudo resulta más sencillo calcular la Probab. de algún
Even. a partir de las Probab. conocidas de otros Even.
 REGLAS ADITIVAS
2.5 Reglas aditivas
A Continuac. se Presen. varias leyes Import. que con Frecuen.
Simplific. el cálculo de las Probab.. La 1ra., se Denom. regla
aditiva, se aplica a uniones de Even.
Teor. 2.7: Si A y B son dos Event., entonces P(A ∪ B) = P(A) +
P(B) – P(A ∩ B).
Corolar. 2.1: Si A y B son Mutuam. Excluy., entonces P(A ∪ B) =
P(A) + P(B).
Corolar. 2.2: Si A1, A2, A3, … , An son Mutuam. Excluy., entonces
P(A1 ∪ A2 ∪ A3 ∪ ··· ∪ An) = P(A1) + P(A2) + P(A3) + ··· + P(An).
Nota. Un Conj. de Even. { A1, A2, A3, … , An } de un Esp. Mues. S
se Denom. partición de S si A1, A2, A3, … , An son Mutuam.
Excluy. y A1 ∪ A2 ∪ A3 ∪ ··· ∪ An = S.
 REGLAS ADITIVAS
Corolar. 2.3: Si A1, A2, A3, … , An es una partición de un Esp.
Mues. S, entonces P(A1 ∪ A2 ∪ A3 ∪ ··· ∪ An) = P(A1) + P(A2) +
P(A3) + ··· + P(An) = P(S) = 1.
Teor. 2.8: Para tres Even. A, B y C, P(A ∪ B ∪ C) = P(A) + P(B) +
P(C) – P(A ∩ B) – P(A ∩ C) – P(B ∩ C) + P(A ∩ B ∩ C).
Ejem. 2.29: Al final del Sem. John se va a graduar en la Facul. de
Ingen. Indus. de una Univer. Después de tener Entrevis. en dos
Empr. en donde quiere trabajar, Determ. que la Prob. que tiene
de lograr una Ofer. de Empl. en la Empr. A es 0.8, y que la Prob.
de Obtener. en la Empr. B es 0.6. Si, por otro lado, considera
que la Probab. de recibir Ofert. de ambas Empr. es 0.5, ¿qué
Probab. tiene de obtener al menos una Ofer. de esas dos Empr.?
Ejem. 2.30: ¿Cuál es la Probab. de obtener un total de 7 u 11
cuando se lanza un par de dados?
 REGLAS ADITIVAS
Ejem. 2.31: Las Probab. de que un Indiv. que compra un Autom.
nuevo elija uno de color verde, uno blanco, uno rojo o uno azul
son 0.09, 0.15, 0.21 y 0.23, Respectiv., ¿cuál es la Prob. de que
un comprador dado adquiera un Autom. nuevo que tenga uno
de esos colores?
Teor. 2.9: Si A y A′ son Even. Complem., Enton. P(A) + P(A′) = 1
Prueba: Como A ∪ A′ = S, y los Conj. A y A′ son Disjun., Enton.
1 = P(S) = P(A ∪ A′) = P(A) + P(A′)
Ejem. 2.32: Si las Probab. de que un Mecán. Automot. dé Servic.
a 3, 4, 5, 6, 7, 8 o más Vehíc. en un día de trabajo dado son 0.12,
0.19, 0.28, 0.24, 0.10 y 0.07, Respectiv., ¿cuál es la Prob. de que
dé Servic. al menos a 5 Vehíc. el siguiente día de trabajo?
 PROBABILIDAD DE UN EVENTO

Ejem. 11. Una mano de póker de 5 cartas de una Baraj. de

52 es un “full” si consta de 3 cartas de un mismo tipo y
de un par. Determ. la Prob. de que se le dé un “full”.
5. Algunas reglas de probabilidad
Teorema 3. Si A y A’ son Even. Complem. de un Esp. de
Muest. S, entonces P ( A’ ) = 1 – P ( A )
Teorema 4. P ( ø ) = 0 para un Esp. de Muest. S cualquiera
Teorema 5. Si A y B son Even. de un Esp. Muest. S y A ⊆ B,
entonces P ( A ) ≤ P ( B )
Teorema 6. 0 ≤ P ( A ) ≤ 1 para cualquier Even. A.
Teorema 7. Si A y B son Even. Cualqu. en el Esp. de Mues.
S, entonces P ( A U B ) = P ( A ) + P ( B ) – P ( A ∩ B )
 REGLAS DE PROBABILIDAD
Ejem. 12. Si las Prob. son, 0.86, 0.35 y 0.29 de que una
Famil. tendrá un TV a color, uno en blanco y negro o
ambos, ¿cuál es la Prob. de que esta Famil. Poseerá uno
u otro tipo de TV?
Ejem. 13. Si las Prob. son 0.23, 0.24 y 0.38 de que un
Autom. detenido en una barricada tendrá frenos en mal
estado, neumáticos muy gastados o frenos en mal estado
y/o neumáticos muy gastados, ¿cuál es la Prob. de que
este Autom. tendrá frenos en mal estado y neumáticos
muy gastados?
Teorema 8. Si A, B y C son tres Even. Cualqu. de un Esp. de
Mues. S, Ent. P ( A U B U C) = P ( A ) + P ( B ) + P ( C )
–P(A∩B)–P(A∩C)–P(B∩C)+P(A∩B∩C)
 PROBABILIDAD CONDICIONAL
Ejem. 14. Supóngase que una persona visita a su dentista,
la Prob. de que se le hará una Limp. Dent. es 0.44, de que
le Cubr. una Cavid. 0.24, de que le Extrae. una Pza. dental
0.21, de que le hará una Limp. y que le Cubr. una Cavid.
0.08, de que le hará una Limp. y le Extrae. una Pza. dental
0.11, de que le tapará una Cavid. y le Extrae. una Pza.
dental 0.07 y de que le hará una Limp. dental, le tapará una
Cavid. y le Extrae. una Pza. es 0.03. ¿Cuál es la Prob. de
que se le Realiz. cuando menos uno de estos Tratamien.?
6. Probabilidad condicional
• Fácilmente pueden presentarse dificultades cuando las
Prob. se citan sin Especific. del Esp. de Mues.
 PROBABILIDAD CONDICIONAL
• Como la Elecc. del Esp. de Mues. no siempre se manifiesta
por ningún medio, a menudo debemos utilizar el Símb.
P(A/S) para representar la Prob. Cond. del Even. A en
relación con el Esp. de Mues. S ( Prob. de A dado S).
Ejem. 15. Una Organiz. de Investig. del consumidor ha
estudiado los servicios dentro del periodo de garantía
que ofrecen los 50 Distrib. de Autom. nuevos en cierta
ciudad y sus hallazgos se Resum. en la tabla que sigue:
Buen servicio dentro Mal servicio dentro del
del periodo de garantía periodo de garantía
10 años o más en el 16 4
negocio
Menos de 10 años en el 10 20
negocio
 PROBABILIDAD CONDICIONAL
• Si una persona Selecc. Aleatoriam. uno de estos Distrib.
de autos nuevos, ¿cuál es la Prob. de que elegirá a uno
que ofrezca un Serv. de garantía adecuado? Asimismo, si
una persona Selecc. Aleatoriam. a uno de los Distrib. que
ha estado en el Neg. por 10 años o más, ¿cuál es la Prob.
de que Encuen. alguno que ofrezca buen Serv. de Garan.?
• Ahora haremos la Def. de Prob. Cond.:
Definición 1. Si A y B son dos Even. Cualesqu. de un Esp.
de Mues. S y P ( A ) ≠ 0, la Prob. Cond. de B dado A es:
P ( A ∩ B)
P(B/A)= , Si P ( A ) ≠ 0
P(A)
Ejem. 16. Con referencia al Ejem. 15, ¿cuál es la Prob. de
que uno de los Distrib. que ha estado en el negocio 10
años o más ofrecerá un buen Serv. de garantía?
 REGLA DE LA MULTIPLICACIÓN
Ejem. 17. Con Ref. al dado cargado del Ejem. 9, ¿cuál es la
Prob. de que el Núm. de puntos obtenidos sea un Cuadr.
Perfec.? Asimismo, ¿cuál es la Prob. de que sea un Cuadr.
Perfec. dado que es mayor que 3?
Ejem. 18. Un Fabrican. de partes de avión sabe por Exper.
pasada que la Prob. de que un Pedid. estará listo para ser
surtido a Tiem. es 0.80 y de que un Pedid. estará listo para
Entreg. a Tiem. es 0.72 y también que se Entreg. a Tiem.
¿Cuál es la Prob. de que este pedido se Entreg. a Tiem.
dado que estuvo listo su envió a Tiem.?
• Al multiplicar ambos lados de la Def. 1 por P(A), Obtenem.
la Reg. de Multiplic.:
Teorema 9. Si A y B son dos Even. Cualqu. de un Esp. de
Mues. S y P ( A ) ≠ 0, entonces P(A ∩ B) = P( A ).P(B/A )
 REGLA DE LA MULTIPLICACIÓN
Ejem. 19. Si Eleg. al azar (o Aleat.) en Suces. 2 Cinescop. de
TV de un Cargam. de 240, de los cuales, 15 están Defect.,
¿cuál es la Prob. de que ambos estarán Defect.?
Ejem. 20. Determ. la Prob. de tomar al azar o Aleat. en
Suces. 2 ases de una Baraj. de 52 Cart.: a) sin Reemp.;
b) con Reemp.
Teorema 10. Si A, B y C son tres Even. Cualqu. de un Esp.
de Mues. S, tal que P ( A ) ≠ 0 y P(A ∩ B) ≠ 0, entonces
P(A ∩ B ∩ C) = P( A ).P(B/A ).P(C/A ∩ B)
• Una Generaliz. de los Teor. 9 y 10 a k eventos es directa.
Ejem. 21. Una Caj. de Fusib. contiene 20 Unid., de las cuales
cinco están Defect. Si se Selecc. al azar tres de los Fusib. y
se sacan de la Caj. en Suces. sin Reemp., ¿cuál es la Prob.
de que los tres Fusib. estén Defect.?
 EVENTOS INDEPENDIENTES
7. Eventos independientes
• En Térm. informales, se dice que dos Even. A y B son
Indepen. si la incidencia de uno u otro no afecta la Prob.
en la incidencia del otro.
Definición 2. Dos Even. A y B son Indepen. si y sólo si
P(A∩B)=P(A).P(B)
• Si dos Even. no son Independ., se dice que son Depend.
Ejem. 22. Una Mon. se lanza al aire 3 veces y se supone que
los 8 Result. Posib. son Igualm. Probab. Si A es el Even.
de que caiga cara en cada uno de los dos 1ros. Lanzam.,
B es el Even. de que caiga cruz en el 3er. tiro y C de que
caigan Exactam. dos cruces en los tres tiros, Demues. que
los Even. A y B son Indep. mientras que B y C son Depen.
 EVENTOS INDEPENDIENTES
Teorema 11. Si los Even. A y B son Indepen., entonces los
Even. A y B’ también son Indepen.
• Para ampliar el Concep. de Indepen. a más de dos Even.,
haremos la Def.
Definición 3. Los Even. A1, A2, … , Ak son Indepen. si y sólo
si la Prob. de la Intersecc. de 2, 3, … , o k de estos Even. es
igual al producto de sus Respect. Prob.
• Es interesante observar que tres o más Even. pueden ser
Indepen. por parejas sin ser Indepen.
Ejem. 23. Considér. 3 Even. A, B y C en un Esp. de Mues. S,
con Prob. asignadas como en el Diagr. de Venn de la Fig. 7.
Demues. que A y B son Indep., que A y C son Indep., que B
y C son Indep., pero que A, B y C no son Indep.
 TEOREMA DE BAYES
Ejem. 24. Determ. la Prob. de que caiga tres veces cara en
tres Lanzam. al aire (Indepen.) de una Mon. Equilibr. y
asimismo la Prob. de tirar 1ro. cuatro cincos y después
otro Núm. en cinco tiros (Indepen.) de un par de dados.
8. Teorema de Bayes
• ∃ muchos Prob. en los cuales el Result. Fin. de un Exper.
depende de lo que sucede en las diversas fases Interm.
Ejem. 25. En el caso más Simp. hay una Fas. Inter. que Cons.
de 2 Altern. Por Ej., Sup. que nos Inter. la Conc. de una Obr.
de Const. de Autop., que puede Demor. en virtud de una
Huel. Adem., Sup. que las Prob. son 0.6 de que habrá una
Huel., 0.85 de que el Trab. se Termin. a Tiem. si no hay Huel.
y 0.35 de que el Trab. se Termin. a Tiem. si ocurre una Huel.
¿Cuál es la Prob. de que la Obr. se Conc. a Tiem.?
 TEOREMA DE BAYES
• Una Generaliz. Inmed. de este tipo de Prob. al caso donde
la fase Interm. admite k Altern. (B1, B2, … , Bk) se maneja a
través del Teor., Reg. de Elimin.:
Teorema 12. Si los Even. B1, B2, … , Bk Constit. una Partic.
del Esp. de Mues. S y P ( Bi ) ≠ 0 para i = 1, 2, … , k; Ent.
para cualquier Even. A contenido en S,
P ( A ) = σ𝒌𝒊=𝟏 P ( Bi ) .P ( A / Bi )
• Como se Def. en la Not. al pie de la Pág. 12, las B Constit.
una Partic. del Esp. de Mues. si son Mutuam. Excluy. por
parejas y si su unión es igual a S.
Ejem. 26. Los Miemb. de una Firm. de Consul. rentan Autom.
en 3 Agen.: el 60% de la Agen. 1, el 30% de 2 y el 10% de la
3. Si el 9% de los Vehíc. de la Agen. 1 necesitan Afinac., el
20% de las Unid. de la Agen. 2 necesitan una Afinac. y …///
 TEOREMA DE BAYES
///… el 6% de los Aut. de la Agen. 3 Neces. Afinac., ¿cuál es
la Prob. de que un Aut. rentado a la Firm. Neces. Afinac.?
Ejem. 27. Con Refer. al Ejem. 26, si un Aut. rentado a una
Firm. de Cons. necesita Afinac., ¿cuál es la Prob. de que
este Vehíc. provino de la Agen. 2?
• Para Respon. a Pregun. de este Tip., Necesit. el Teor. de
Bayes.
Teorema 13. Si los Even. B1, B2, … , Bk Constit. una Partic.
del Esp. de Mues. S y P (Bi) ≠ 0 para i = 1, 2, … , k; Enton.
para un Even. A cualquiera contenido en S tal que P(A) ≠ 0
P ( Br ) x P ( A / Br )
P ( Br / A ) = 𝒌 ; para r = 1, 2, …, k.
σ𝒊=𝟏 P ( Bi ) x P ( A /Bi )
 TEOREMA DE BAYES
Ejem. 28. En cierto Est. el 25% de todos los Aut. emiten
Exces. Cant. de Contam. Si la Prob. es 0.99 de que un Aut.
que emite Cant. Exces. de Contam. no Aprob. la Prueb. de
Emis. Vehic. del Est. y la Prob. es 0.17 de que un Aut. Que
no emite Cant. Exces. de Contam. pese a ello no pasará la
Prueb., ¿cuál es la Prob. de que un Aut. que no pase la
Prueb. en realidad emita Cant. Exces. de Contamin.?
• Aunque el Teor. de Bay. se deduce de los Axiom. de Prob. y
de la Def. de Prob. Cond., éste ha sido Tem. de mucha
Controver.
• No puede haber duda acerca de la Valid. del Teor. de Bay.,
pero han surgido Argum. Consider. acerca de la Interpr. de
las Prob. a priori P( Bi ).