PROBABILIDADES E INFERENCIA ESTADÍSTICA

(pag. 33-43)
1.4.3 PERMUTACIÓN
FACTORIAL DE UN NÚMERO. Sea n un número entero positivo, el factorial
de n, se denota por "n!" 0 "n" y se define como el producto de todos los
enteros consecutivos de 1 hasta n inclusive, es decir

N! = 1 x 2 x 3x...x(n - 1) n = n(n - 1) x...x 2 x 1.

Así, 5! = 5 x 4 x 3 x 2 x 1 = 120
10! = 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = 3628800
observe que, n! = n(n - 1)!

De este último, si n = 1, tenemos 1! = 1 x 0!. Luego definimos

convencionalmente 0! = 1.
Supongamos, ahora que estamos interesados sólo en el número de elementos
que tiene, un espacio muestral cuyos, elementos son todas las ordenaciones (o
arreglos) posibles de un conjunto de objetos. Por ejemplo, podemos estar
interesados en saber, ¿de cuántas formas posibles pueden sentarse 8
personas alrededor de una mesa?, o podemos preguntarnos, ¿de cuántas
formas pueden adjudicarse los lugares de partida a los 10 participantes de una
carrera automovilística?. Los diferentes arreglos se llaman permutaciones.

DEFINICIÓN 1.4.1 Una permutación es un arreglo de todos o parte de un

conjunto de objetos.
Suponga que tenemos un conjunto de tres objetos, A = {a,b,c} y estamos
interesados en el número de arreglos (las posibles permutaciones), con los
elementos del conjunto A. Las posibles permutaciones son:
abc. acb, bac, bca, cab y cba
vemos que hay 6 permutaciones distintas:
Se puede llegar a la misma respuesta sin tener que escribir todas las
ordenaciones posibles, de la siguiente manera: los arreglos de los 3 objetos es
equivalente a disponerlos en 3 celdas, así
 3 2 1

Hay 3 formas posibles de llenar la primera celda, con cualquiera de los tres:
objetos a, b y c; paca la segunda celda hay 2 formas posibles, cualquiera de los
dos objetos restantes después de haber llenado la primera y solamente queda
una forma de llenar la tercera. Aplicando el principio de multiplicación da un
total de 3 x 2 x 1 = 6 formas (o permutaciones).
En general, supongamos que tenemos un conjunto de n objetos, y estamos
interesados en el número de permutaciones que se puede hacer con los n
objetos, generalizando el proceso anterior tendremos, n casillas.

n n-1 n-2 n-3 . . . . 3 2 1

La primera casilla se puede llenar de n maneras; la segunda de n - 1 maneras

la tercera de n - 2, etc. la última de solo una manera. Aplicando el principio de
multiplicación se tiene.

n(n - 1) (n - 2) (n - 3) ... 2 x 1 = n! permutaciones, que se denota por

Pn o P(n, n) o
n Pnn . Es decir nPn o P(n, n) o Pnn = n!

la cual se lee así: "número de permutaciones de n objetos tomados de n a n" o

simplemente número de permutaciones de n objetos diferentes. Para precisar
mejor damos el siguiente teorema.

TEOREMA 1.4.5 El número de permutaciones de n objetos diferentes es

n
Pn = nPn = n!

EJEMPLO 9. Un inspector visita 6 máquinas diferentes durante el día. A fin -de

impedir a los operadores que sepan cuando inspeccionará, varía el orden -de
las visitas. ¿De cuántas maneras puede hacerlo?
SOLUCIÓN. Puesto que el inspector tiene que inspeccionar las 6 máquinas
diferentes, el número de maneras, es el número de permutaciones de las 6
máquinas. Es decir

6P6 = 6! = 6 x 5 x 4 x 3 x 2 x 1 = 720 formas.

EJEMPLO 10. En una competencia automovilística intervienen 40

participantes. ¿De cuántas formas distintas se pueden adjudicar los lugares de
largada a los 40 competidores de la competencia?

SOLUCIÓN. Se desea saber de cuántas formas posibles se pueden ordenar

los 40 competidores. El número de tales ordenaciones posibles es

40 P40 = 40!

EJEMPLO 11. ¿De cuántas maneras se pueden colocar 10 chicas en una fila,
de manera que dos chicas, en particular, no queden juntas?

SOLUCIÓN. Separemos del grupo una de las chicas en cuestión, de manera

que consideremos sólo 9. Estas se podrán ordenar de 9! formas. Para cada
ordenación de 9, la chica separada puede ubicarse en 8 lugares sin estar junto
a la otra chica en cuestión. Por lo tanto, de acuerdo con el principio de
multiplicación, el número total de formas diferentes es. 8 x 9!.

EJEMPLO 12. ¿De cuantas maneras se pueden colocar 12 niños en una fila,
de manera que cuatro niños, en particular, queden juntos?.
SOLUCIÓN. Separemos los cuatro niños en cuestión, de manera que
consideremos solamente 8. Estos se podrán ordenar de 8 formas. Para cada
ordenación de 8 los 4 niños en cuestión pueden ubicarse en 9 lugares. Para
cada posición, de los 4 niños, estos pueden ordenarse de 4! formas. Por lo
tanto, de acuerdo con el principio de multiplicación, el número total de formas
diferentes es 4! X 9 x 8! = 4! x 9! .
Supongamos ahora que tenemos un conjunto con n objetos diferentes y
deseamos permutar r de estos n objetos 0 < r < n. Tendremos entonces r
celdas. La primera celda se puede llenar de n formas, la segunda de n - 1
formas, etc. y la r-ésima celda de n -(r -1) = n – r + 1 formas.

n n-1 n-2 n-3 . . . 1-r+1

Aplicando el principio de multiplicación, el número de permutaciones de los o

objetos diferentes tomados r a r es

n(n - 1)(n - 2)(n - 3) ... (n - r +1)

lo cual se puede escribir

( n−r ) ! n!
n(n - 1)(n - 2) ... (n - r + 1) =
( n−r ) ! ( n−r ) !

Que se denota por P(n,r), nPr o Prn . Usaremos Prn o nPr,

indistintamente.

TEOREMA 1.4.6. El número de permutaciones de n objetos diferentes tomados

r a r es

n!
Prn=nPr =
( n−r ) !
NOTA. Hemos visto que una permutación es un arreglo' de todos o parte de los
elementos de un conjunto que tiene objetos diferentes. Así, si A = {a, b, c} se
vio que las diferentes permutaciones son:
abc, acb, bac, bca, cab, cba

Es decir, el orden de los elementos es importante,

Observe, que estos elementos son comparables con las ternas ordenadas que
se pueden formar con los elementos dé dicho conjunto sin repetición de sus
elementos; (o sea no están las ternas (a,a,a),(b,b,b,) y (c,c,c)).

(a,b,c) , (a,c,b) , (b,a,c) , (b,c,a) , (c,a,b) , (c,b,a)

En general, si el conjunto tiene n elementos. Una permutación de los n

elementos, es una n-upla ordenada.; y el número de permutaciones de los n
elementos es el número de n-uplas ordenadas que se forman con los n
elementos sin repetición.
Las permutaciones de los n-elementos tomados r a r, son r-uptas ordenadas, y
el número de permutaciones de Tos n elementos tomados r a r, es el número
de r-uplas ordenadas que se pueden formar con los n elementos sin repetición.

EJEMPLO 13. Un grupo está formado por 5 personas y desean formar una
comisión integrada por presidente y secretario. ¿De cuántas maneras puede
nombrarse esta comisión?

SOLUCIÓN. El cargo de presidente puede ser ocupada de 5 maneras

diferentes y una vez ocupado el cargo de presidente, el cargo de secretario
puede ser ocupado de 4 maneras diferentes; entonces la elección de la
comisión se puede hacer de 5 x 4 = 20 maneras diferentes o simplemente,
número de permutaciones de 5 personas tomadas 2 a 2.

5!
5P2 = = 5 x 4 = 20 maneras
( 5−2 ) !
NOTA. El lector puede dar nombres a las personas, digamos A,B,C,D,E.
Entonces, se busca todos los pares ordenados que se pueden formar con
dichas letras, sin repetición.
(A , B) , (A , C) , (A , D) , (A , E)
(B , A) , (B , C) , (B , D) , (B , E)
(C , A) , (C , B) , (C , D) , (C , E)
(D , A), (D , B) , (D , C) , (D , E)
(E , A), (E , B) , (E , C) , (E , D)

Donde cada letra de la primera componente indica la persona que ocupa el

cargo de presidente, y la segunda, indica la persona que ocupa el cargo de
secretario. Así (C, B) indica que C resultó elegido presidente y B secretario. Y
es sin repetición, ya que el par (A , A) no está en la permutación, pues si
estuviera significaría que la persona A ocupa el cargo de presidente y
secretario; lo cual no puede ser.

EJEMPLO 14. Encontrar el número, total de enteros positivos que pueden

formar^ se utilizando los dígitos {1,2,3,4}, si ningún dígito ha de repetirse
cuando se forma un número.

SOLUCIÓN. El número total de enteros positivos es

4! 4!
4 P1 + 4P2 + 4P3 + 4P4 =4 + + +4!
( 4−2 ) ! ( 4−3 ) !
= 4 + 12 + 24 + 24 = 64 números diferentes.

EJEMPLO 15. Se va a colorear un mapa de cuatro países, con colores

diferentes para cada país. Si hay disponibles 6 colores diferentes. ¿De cuántas
maneras puede colorear el mapa?

SOLUCIÓN. Se necesita permutaciones de cuatro de un conjunto de 6

elementos. Es decir,
 6!
6 P4 = = 6 x 5 x 4 x 3 = 360 maneras.
( 6−4 ) !

EJEMPLO 16. En un ómnibus que posee 37 asientos (en ocho filas de cuatro
asientos cada una con un pasillo en el medio, y al final 5 asientos juntos), se
desea ubicar 25 pasajeros.
(a) ¿De cuántas formas se pueden ubicar?
(b) ¿De cuántas formas se pueden ubicar si deciden no ocupar los últimos 5
asientos?
(c) ¿De cuántas formas se pueden ubicar si viajan cinco amigos que deciden
viajar juntos en los últimos asientos?
(d) ¿De cuántas formas se pueden ubicar si ocupan los 18 asientos que
poseen ventanilla?
(e) ¿De cuántas formas se pueden ubicar si 10 de los pasajeros están
enfermos y deben viajar en asientos que poseen ventanilla?

SOLUCIÓN
(a) En este Caso se debe calcular el número de grupos de 25 asientos que se
pueden formar de entre los 37 asientos considerando el orden, ya que en
los asientos elegidos los pasajeros se pueden distribuir de diferentes formas
y cada grupo de 25 asientos nos indicará cuales son los asientos elegidos
por los pasajeros. El número buscado es

37 !
37 P25 =
( 37−25 ) !

(b) En este caso se considera sólo 32 asientos. El razonamiento es el mismo

que en el caso anterior. El número buscado es

32 !
32 P25 =
( 32−25 ) !

(c) Como los cinco amigos viajan juntos en el último asiento, entonces los
restantes 20 pasajeros se ubicarán en los 32 asientos que quedan
disponibles Y razonando como antes, este número es
 32 !
32 P20 =
( 32−20 ) !
Ahora bien para cada una de estas ubicaciones disponibles de los 20 pasajeros
los 5 amigos se ubicarán de 5P5 = 5! formas distintas. Luego, el número
buscado es

32 !
32 P20 . 5P5 = .5!
( 32−20 ) !

(d) Primero veamos de cuántas formas pueden ocuparse los 18 asientos con
ventanilla. Se trata de hallar el número de grupos de 18 pasajeros que se
pueden formar con los 25 y considerando el orden. El número es

25 ! 25!
25 P18 = .
( 25−18 ) ! 7!

Para cada una de estas formas de ocupar los asientos con ventanilla, ¿de
cuántas formas se pueden ubicar los 7 pasajeros restantes en los 19 asientos
aún libres?. Es claro que es de 19P7 formas. Y el número buscado es

25 ! 19 !
25 P18 . 19P7 = .
7 ! 12 !

(e) Veamos antes de cuantas formas posibles se pueden ubicar los 10

pasajeros enfermos en los 18 asientos con ventanilla. Se trata de hallar
grupos de 10 asientos que se pueden formar de entre los 18 asientos,
dichas formas posibles son

18 !
18 P10 =
( 18−10 ) !

Para cada una de estas ubicaciones de los pasajeros enfermos; ¿De cuántas
formas se pueden ubicar los 15 pasajeros restantes en los 27 asientos aún
libres?. Es evidente que es 27P15 formas. Por lo tanto, el número buscado es
 18 ! 27 !
18 P10 . 27P18 = .
8 ! 12 !
Las permutaciones que ocurren por arreglos de objetos formando (o alrededor
de un círculo) un círculo se llaman permutaciones circulares. En estas
agrupaciones no hay primero ni último elemento, por hallarse todos en una
línea cerrada. Para determinar el número de permutaciones circulares que
pueden formarse con los n objetos distintos de un conjunto, basta observar que
considerando fija la posición de uno cualquiera de ellos, los n - 1 restantes
podrán cambiar de lugar, de (n - 1)! formas diferentes tomando todas las
posiciones sobre la circunferencia relativa al primer punto. Si cambiamos ahora
la posición de este, los de los demás respecto de él será seguro uno de los ya
considerados. Por lo tanto, el número de permutaciones circulares será.

(n – 1)!

La permutación; circular se denota por Pg

TEOREMA 1.4.7. El número de permutaciones de n objetos distintos alrededor

de un círculo es

Pnc =( n−1 ) !

EJEMPLO 17. ¿De cuántas formas, diferentes pudieron .sentarse, en la última

cena, alrededor de la mesa, Jesucristo y ,los 12 apóstoles?

SOLUCIÓN
(a) Si la mesa fuera circular, tendremos la permutación circular. El número de
formas es

P13
c = (13 - 1)! = 121
(b) Si la mesa no es circular, se tendrá una permutación de las 13 personas. El
número de formas es
13 P13 = 13!
1.4.4 PERMUTACIÓN CON REPETICIÓN
Hasta ahora hemos permutado .objetos diferentes (esto, es, se pueden
distinguir). Sin embargo, este no siempre es el caso. Supongamos por ejemplo,
que estamos interesados en el número de permutaciones distinguibles uno de
otro, que se pueden formar con las letras de la palabra "AMAR".
Si usáramos la palabra "AMOR" en vez de "AMAR", la permutación estudiada
es aplicable directamente y daría el número de permutaciones distinguibles 4P4
= 4! = 24. Sin embargo esperamos que, la respuesta al presente problema sea
menor que 24, pues tenemos letras, repetidas. Así, la permutación "MAOR" y
"MOAR" corresponden a, las permutaciones: indistinguibles "MAAR” y "MAAR"
en nuestro problema. Luego, a cada permutación de las letras, de "AMAR" le
corresponde 2P2 permutaciones de "AMOR" que aparecen como permutaciones
de las letras {A,0}, así

OMAR AMOR MAOR MOAR AOMR OAMR RAOM ROAM

MROA MRÁO MORA MARO ORMA ARMO AROM ORAM
RMOA RMAO ROMA RAMO OMRA AMRO AORM OARM

Reemplazando A por 0 vemos que cada uno de estos pares se vuelve

indistinguible en el caso de la palabra "AMAR". Por lo tanto, hay

4 P4 4!
= = 12 permutaciones distinguibles que se pueden hacer con la
2 P 2 2!
palabra "AMAR".

Un ejemplo simple es el siguiente. Consideremos un conjunto con cuatro

elementos diferentes {a,b,c,d}. Luego hay 4! = 24 permutaciones distintas.
Supongamos ahora que
 a=b=x y c=d=y

Entonces, se puede listar sólo las siguientes permutaciones distinguibles

XXYY , XYXY , YXXY , YXYX , XYYX , YYXX
2!1!}
es decir, tenemos 4 P4 4! = 6 permutaciones distinguibles.
=
2 P 22 P 2 ¿

Consideremos ahora el problema de contar el número de permutaciones de las

13 letras de la palabra "DIVISIBILIDAD". En este caso la letra I aparece 5
veces, la letra D aparece 3 veces, y cada una de las otras 5 aparecen
exactamente, una vez. 13P13 es el número de permutaciones de los elementos
de un conjunto que tiene 13 elementos tales como {D,A,V,E,S,I,B,0,L,U,T,N,R}.
Denotemos por P el número (desconocido) de permutaciones diferentes de las
letra de DIVISIBILIDAD. Correspondiendo a cada uno de estas permutaciones,
hay 5P5 . 3P3 permutaciones de las letras DAVESIBOLUTNR. Entonces ,¡.

13 P 13 13 !
P . 5P5 . 3P3 = 13P13 ó P = =
5 P 5.3 P 3 5 ! 3 !

TEOREMA 1.4.8. El número de permutaciones distintas de n objetos de los

cuales n1 son de una clase, n2 de una segunda clase, ..., nk de una k-ésimo
clase y todo los demás objetos de clase 1, se denota por Pnn ,n ,… , n
1 2 k
y está
dado como

n!
Pnn ,n ,… , n =
1 2 k

n1 ! n 2 ! … n k !

EJEMPLO 18. Un estante de una librería tiene capacidad para 10 libros de

Matemáticas que tiene pasta verde, 8 de Física de pasta roja y 7 de Química
de pasta azul. ¿De cuántas maneras pueden colocarse los libros según los
colores?
SOLUCIÓN Como interesa sólo los colores, entonces sea n1 = 10, n2 = 8, n3 =
7. Luego, el número de permutaciones distinguibles es

25 !
P10,8,7
25 = =21,034,600
10 ! 8 ! 7 !

EJEMPLO 19. Suponga que un día oscuro nacen en cierto hospital cuatro
pares de mellizos, idénticos, dos pares de mellizas, idénticas, nueve niños y
once niñas. Se utiliza una tinta no indeleble para escribir sus nombres. El día
siguiente (aún oscuro) la tinta desaparece. ¿De cuántas maneras es posible
mezclar los niños?

SOLUCIÓN. Aquí n1 = 2 , n2 = 2 , n3 = 2 , n4 = 2 para niños y n5 = 2, n6 = 2 para

niñas. Y el total de niños es n = 32, luego

2,2,2,2,2 32 ! 32 !
P32 = =
2 ! 2 ! 2! 2 ! 2 ! 2! (2! )6

1.4.5 PARTICIÓN DE UN CONJUNTO

A menudo se necesita contar el número de formas de particionar un conjunto
de n objetos diferentes en r subconjunto llamados celdas. La partición se hace
teniendo en cuenta los siguientes criterios:
1. Los r subconjuntos son disjuntos dos a dos.
2. La unión de todos los subconjuntos es igual al conjunto original.
3. El orden de los elementos dentro de cada celda no tiene importancia.
Empezaremos considerando un ejemplo simple. Sea el conjunto {a,b,c,d,e}.
Las posibles particiones en dos celdas,' en las que la primera contenga cuatro
elementos y la segunda sólo un elemento, son:

{{a.b.c.d} , {e}} , {{a.b.c.e} , {d}} , {{a.b.d.e} , {c}} '' {{a.c.d.e} , ib}} , {{b.c.d.e} , {a}}

vemos que hay 5 formas distintas de hacer una partición de un conjunto de

cinco elementos en dos celdas (o subconjuntos) que contenga cuatro
elementos en la primera y uno en la segunda. El número de particiones para
este ejemplo se puede escribir así,

5!
=5
4!1!

Consideremos ahora el ejemplo siguiente

EJEMPLO 20. Suponga que un hombre tiene 8 bonos financieros diferentes de
-ocho compañías distintas, y que piensa regalarlos a sus hijos de la siguiente
manera: a su hijo mayor, 3; a su segundo hijo, 3; y al menor, 2. ¿En cuántas
formas puede repartir los bonos?

SOLUCIÓN. Una de las formas sería tomar los bonos, alineándolos y dar los
tres primeros a su hijo mayor, los siguientes tres al segundo y los dos últimos al
menor.

Como existen 8P8 = 81 formas de alinearlos en la mesa, también son 8! , las

formas eh que pueden ser distribuidos. Sin embargo, no todas estas formas
-son diferentes. Hay 3! maneras de arreglar el orden de los bonos para su
primer hijo, 3! para los de su segundo hijo, y 2! para los del tercero. Por lo
tanto, los bonos pueden repartirse de

8!
= 560 formas .
3 !3 !2 !

Este argumento puede generalizarse a un conjunto con n elementos y a r

subconjuntos, tal que el primero tenga n1 elementos, el segundo, n2, y el r-
ésimo subconjunto nr elementos (n1 + n2 + ... + nr = n). El número de divisiones
posibles está dado por
 n!
n1 ! n 2 … , nr

n
que se denota así ( n1 ,n 2 , … , nr ) . Donde el número superior representa

el número total de elementos del conjunto y los números inferiores representan

al número de elementos asignados a cada celda.
TEOREMA 1.4.9. El número de formas posibles, que n objetos diferentes
pueden dividirse en r grupos distinguibles conteniendo n 1, n2, … , nr objetos
respectivamente donde n1 + n2 + … + nr = n, es

( n ,n n, … , n )= n ! ,n n!! , … , n !
1 2 r 1 2 r

Pág. 44-53
1.4.6 COMBINACIÓN
En muchos casos estaremos interesado en el número de formas de seleccionar
r objetos de n, sin importar el orden. Estas selecciones se llaman
Combinaciones

DEFINICIÓN 1.4.2. Un subconjunto de r elementos de un conjunto que tiene n

elementos diferentes, se llama una combinación de los elementos n tomados r
a r.
Determinaremos ahora, el número de combinaciones de r elementos que se
pueden formar con los n objetos diferentes de un conjunto. Este número se
nota por

Crn o C (n , r )

Comenzaremos nuestra discusión considerando un conjunto: de cuatro,

elementos diferentes {a,b,c.d}. Tenemos los siguientes subconjuntos no vacíos
 {a}, {b}, {c) , {d}
{a,b} , {a,c} , {a.d} , {b,c) , {b,d} , {c,d}
{a,b,c} , {a,b,d} , {a.c.d} , {b.c.d} , {a,b,c,d}

Existen cuatro subconjuntos de un elemento. Es decir el número de

combinaciones dé un elemento es 4, o C14 = 4, uno por cada elemento.
También hay seis subconjuntos de 2 elementos; por lo tanto el número de
combinaciones de 4 elementos; tomados 2 a 2 es 6 o sea C24 = 6. Así mismo
hay cuatro subconjuntos de 3 elementos; es decir el número de combinaciones
de 4 elementos tomados 3 a 3 es 4, o sea

C34 = 4; y hay sólo un subconjunto de cuatro elementos, por lo tanto el

número de combinaciones de 4 elementos tomados 4 a 4 es uno o sea C 44 =

1.

En general con un conjunto que tiene n elementos se formará:

(a) n combinaciones de un elemento (combinaciones de los. n elementos
tomados. uno a uno); es decir C14 - n .
(b) n combinaciones de n - 1 elementos (combinaciones de los n elementos
tomados de n - 1 a n - 1); es decir

n −1
Cn =n

(c) Una combinación de n elementos (combinaciones de los n elementos

tomados n a n); es decir

n
Cn =1

Luego, el problema será, calcular el número de combinaciones de los n

elementos tomados r a r, o sea Crn , con
 r ≠ 1, n -1, n

2
En el ejemplo discutido hemos obtenido C 4 = 6. Además se puede observar,
que hay una conexión entre el problema planteado y el problema de
permutaciones considerado en la sección anterior. Para esto escribimos todas
las combinaciones de 4 elementos tomados 2 a 2 en una columna como
muestra la siguiente tabla y a su derecha sus respectivas permutaciones.

P22

{|
{a , b } ( a , b ) , (b , a)
{a , c } ( a , c ) , (c , a)
( a ,d ) , (d , a)
C24 {a , d } ¿ ← P 24
{b , c } ( b , c ) , (c , b)
{b . d } ( b ,d ) , (d , b)
{c , d } ( c , d ) , (d , c )

Note que, cada par ordenado de la derecha de la recta es una permutación de

2 a 2 del conjunto situado a la izquierda de la recta, en la misma fila. Para cada
subconjunto de dos elementos hay, pues P22 permutaciones. Entonces, P22

es el número de columnas a la derecha de la recta y C24 es el número de

filas. Además todos los elementos que estáñala derecha déla recta es el
número total de permutaciones de 2 a 2 que se puede formar con los
elementos del conjunto {a.b.c.d}. Es decir, es P24 . Por lo tanto, se tiene que

2 2 2
C 4 . P2=P 4
2
P 4!
ó C = 42 =
2
4 =6
P 2 2 ! 2!

En general, consideremos ahora un conjunto con n elementos diferentes, Crn

denotará el número (desconocido) de combinaciones de los n elementos
tomados r a r. Imaginemos una tabla en la cual cada una de las combinaciones
de r elementos determina una fila. En cada una de las filas escribiremos a su
derecha las Prr , permutaciones de los r elementos del conjunto que identifica
la fila.

{
⏟
{}

|
r número de columnas
Pr
r −elementos
{… … … … … … } ⏞( ...... )( ...... ) (......)
{… … … … … … } r −uplas r −uplas
Crn {… … … … … … } ¿
¿
número de filas {… … … … … … } ¿
{… … … … … … } ( ...... )( ...... ) (......)
{… … … … … … } r −uplas r −uplas
⏟
{}

r −elementos

El número total de permutaciones de n elementos diferentes tomados r a r que

se pueden formar con los n elementos del conjunto es Prn . Es decir, el
número total de elementos de la tabla. Luego,

Crn . Prr=P rn
n!
r
de donde, r P ( n−1 ) !
n n!
Cn = = =
P r
r
r! r ! ( n−r ) !

Este número, en Matemática tiene un símbolo especial.

n!
(nr)= r ! ( n−1 )!

Llamados coeficiente Binomial, porque aparece como coeficiente en el

desarrollo del binomio (a+b)n.
Nota: Una combinación de n elementos distintos tomados de a r, en realidad
es una partición del conjunto en dos subconjuntos (o celdas), donde una de
ellas contiene r objetos y la otra las n - r restantes. Por lo tanto, el número de
tales combinaciones será el número de particiones, es decir

n!
(r , n−1
n
)= r ! ( n−r )!
=C r
n

TEOREMA 1.4.10. El número de combinaciones de n objetos diferentes

tomados r a la vez, es

n!
()
Crn = n =
r r ! ( n−r ) !

EJEMPLO 21. Se extraen dos cartas de una baraja de 52 cartas. ¿De cuántas
maneras se puede hacer esto?

SOLUCIÓN. Se necesita sólo subconjuntos de dos cartas, sin importar el orden

entonces, en número de forma de seleccionar estas dos cartas es

52 ! 52 x 51
C252= = =26 x 51=1326
2 ! 50! 2

EJEMPLO 22. Un estudiante tiene que contestar 8 de 10 preguntas en un

examen.
(a) ¿De cuántas maneras puede el estudiante escoger las 8 preguntas?
(b) Si las tres primeras son obligatorias, ¿de cuántas maneras puede escoger
las preguntas?
(c) Si tiene que contestar 4 de las 5 primeras. ¿De cuántas formas puede
hacerlo?

SOLUCIÓN
(a) Como interesa subconjuntos de 8 preguntas de un conjunto de 10
preguntas sin importar el orden, esto sería de
 8 10!
C10= =45 formas
8!2!

(b) Puesto que las tres primeras preguntas son obligatorias; las 5 restantes
tendrá que escoger de las 7 preguntas sobrantes. Luego, esto se hace de
7!
1.C 57= =21 formas
5 ! 2!
(c) Si tiene que contestar 4 de las 5 primeras, lo haría de C54=5 maneras. Y
las 4 preguntas restantes seleccionará de las 5 preguntas finales, lo cual lo
haría de C54=5 formas. Entonces las 8 preguntas se seleccionará de

C54 . C 45=5 . 5=25 formas

EJEMPLO 23. ¿De cuántas maneras puede seleccionarse una partida de 4 o

más personas, si hay 10 personas disponibles?

SOLUCIÓN. Nos interesa los subconjuntos de 4,5,6,7,8,9, y 10 personas que

se pueden formar con las 10 personas disponibles. Esto se hará de

4 5 6 7 8 9 10
C10 +C 10+C 10+ C10 +C10 +C 10+C 10=¿
10 ! 10 ! 10 ! 10! 10 ! 10 ! 10 !
+ + + + + + =848
4 ! 6 ! 5! 5 ! 6 ! 4 ! 7 ! 3 ! 8! 2! 9 ! 1! 10 ! 10!

EJEMPLO 24. Suponga que queremos formar comisiones de cuatro miembros

de un grupo de 4 hombres R,S,T,U y 5 mujeres V,W,X,Y,Z. Si además se
especifica que R y S no pueden estar en la misma, comisión a menos que la
comisión esté formado por lo menos por una mujer. ¿Cuál es el número de
comisiones que se puede formar?

SOLUCIÓN. Los diferentes casos que se presentan en la solución del

problema, se visualiza esquemáticamente en el siguiente diagrama:
R está en la comisión y S no está, entonces de las 9 personas quedan 7, y de estos; 7 deben sal ir las

Igual que el caso anterior, S está y R no está.

Ni R ni S están en la comisión, entonces de los 7 deben salir los 4 de la comisión

. R y S están en la comisión, entonces hay formas de escoger una mujer y es el número de formas d

Igual R y S están en la comisión y hay dos mujeres en la comisión lo cual se puede hacer de formas.

Luego, el número total de comisiones aceptable es

2C 37 +C 47 +C 15 . C12 +C 25=125

Observe que el problema puede resolverse así: Hay C 49 = 126 comisiones

que se pueden formar con los 4 hombres y 5 mujeres. Y hay una comisión
conformada por los cuatro hombres R,S,T,U no aceptable. Luego, el número de
comisiones aceptables es 126 - 1 = 125.

EJEMPLO 25. ¿Cuántas comisiones integradas por un chico y una chica

pueden formarse de cinco chicos y ocho chicas, si cierto chico rehúsa trabajar
con dos chicas?

SOLUCIÓN. Si llamamos R al chico que no quiere trabajar con dos chicas. Los
diferentes casos se muestra en el diagrama siguiente

R está Ren la comisión, entonces de las 8 chicas quedan solamente 6.

R no está
R en la comisión, entonces de los 4 restantes chicos sale 1 y otro de las 8 chicas

Por lo tanto, el número total de comisiones aceptables será

C16 +C 14 x C 18=6 +32=38

Observe, que el problema puede resolverse así: hay C16 C 15 = 40 comisiones,
en los cuales hay dos que no es aceptable. Luego, hay 40-2=38 comisiones
aceptables.

EJEMPLO 26. El asta de bandera de un barco tiene tres posiciones en las que
puede colocarse una bandera. Suponiendo que el barco lleva cuatro banderas
(diferentes) para hacer señales.
(a) ¿Cuántas señales diferentes pueden hacerse con una bandera? (se supone
que la misma bandera colocada en posiciones diferentes indica diferentes
señales).
(b) ¿Cuántas señales diferentes pueden hacerse con dos banderas?
(c) ¿Cuántas señales diferentes pueden hacerse con las banderas?

SOLUCIÓN
(a) Veamos primero de cuántas formas puede seleccionarse una bandera, lo
1
cual se puede hacer de C4 formas. Puesto que la misma bandera,
colocada en posiciones diferentes indica señales diferentes, entonces por
cada bandera seleccionada hay P13 , señales diferentes. Por lo tanto, el
número total de señales que puede hacerse con una bandera es

1 2
C 4 . P3=4 x 3=12

(b) En este caso el número de maneras de escoger 2 banderas de entre los

2
cuatro que lleva el barco es C 4 y por cada uno de estos subconjuntos de
2
dos banderas hay P3 señales diferentes que se pueden formar (es una
permutación puesto que interesa la posición donde se pone cada bandera).
Luego, el número de señales diferentes que pueden hacerse con 2
banderas es

2 2 4! 3!
C 4 . P 3= . =36
2 ! 2! ( 3−2 ) !
(c) Puesto que se dispone sólo de 3 astas, entonces escogeremos
subconjuntos de 3 banderas de las 4 existentes para señales. Esto se hace
de C34 formas y para cada uno de estas combinaciones hay P33
señales diferentes que pueden hacerse. Entonces, el número de sánales
diferentes que se pueden hacer con todas las banderas es
3 3 4!
C 4 . P3= .3 !=24
3 ! 1!

EJEMPLO 27. Una joven tiene 15 amigos.

(a) ¿De cuántas maneras puede invitar a una cena a 6 de ellos?
(b) Si entre las 15 personas hay dos matrimonios y cada pareja asisten juntos a
cualquier reunión. ¿De cuántas maneras puede invitar a 6 amigos?
(c) Si entre las 15 personas hay 2 que no pueden estar en la misma reunión.
¿De cuántas formas puede invitar a 6 amigos?

SOLUCIÓN. En cada caso se debe extraer un conjunto de 6 personas,

entonces se trata de un problema de combinaciones.
(a) El número de maneras de elegir 6 personas de un grupo de 15 es

6
C15

(b) Se puede presentar los siguientes casos:

(i) Ninguno de los dos matrimonios -están en la cena, entonces de los 11
restantes debe elegirse 6. El número de formas de elegir 6 de 11 es
C611
(ii) Uno de los matrimonios asiste a. la reunión y los 4 restantes debo
elegirse de las otras 11 personas.
El número de formas de elegir un matrimonio de los dos es C12 y el
4
número de maneras de escoger 4 personas de 11 es C11 .
Por lo tanto, el número de formas de elegir los 6, es C12 x C 411
(iii) Los dos matrimonios asisten a la cena. El número de formas de elegir
2
los dos matrimonios, es C2
 Las dos personas restantes se elige de los 11; y el número de maneras
es C211 . Por lo tanto, el número de formas de elegir los 5, es

C22 x C 211 . Finalmente, el número de maneras de invitar a 6 amigos, es

Cc611 +C 12 x C11
4
+ C22 x C11
2

(c) Se presentan los siguientes casos:

(i) Ninguna de las personas en cuestión están en la reunión, entonces las
6 personas se eligen de las 13. El número de maneras de escoger 6 de
13 es

5
C13

(ii) Una de las personas en cuestión está en la reunión, entonces las 5

personas restantes se eligen de las 13. El número de maneras de
1
escoger una de las dos personas en cuestión de C2 y el número de
5
formas de elegir 5 de 13 es C11 . Por lo tanto, el número de elegir las
1 5
6 personas, es C2 x C 13
Finalmente el número de maneras de elegir 6 amigos en el caso (c), es

C613 +C 12 x C 513

1.4.7 NOTAS SOBRE MUESTREO CON V SIN REEMPLAZO

Suponga un conjunto con n objetos. Considere el problema anterior de extraer r
objetos de este conjunto. Puede no interesar el orden en que se extraen los
objetos. También la extracción se puede hacer con o sin reemplazamiento.
Sobre este último hemos dado una breve nota al pasar en 1.2. Aquí
formalizaremos estos conceptos.
DEFINICIÓN 1.4.3. Si al extraer los r objetos del conjunto de n objetos, se
considera el orden en que son seleccionados los objetos; el conjunto de los r
objetos extraídos, se llama una muestra ordenada de tamaño r.

DEFINICIÓN 1.4.4. Cuando un objeto se extrae y se reemplaza antes de

extraer el siguiente objeto, se dice que el muestreo es con reemplazamiento.
Calculemos ahora, el número de formas de extraer una muestra ordenada de
tamaño r de un conjunto de n objetos, si el muestreo es con reemplazamiento.
La primera extracción ocurre de n formas, uno por cada objeto; la según da
extracción también ocurre de n formas, ya que el muestreo es con
reemplazamiento. Entonces, el numero de formas de extraer dos objetos con
reemplazamientos será n.n = n2. Igualmente para la extracción de 3 objetos el
número de formas es

n2 . n = n 3

y para cualquier número r de extracciones, el número de formas será n r.

DEFINICIÓN 1.4.5. Si al extraer un objeto no se reemplaza, para extraer el

-siguiente, se dice que el muestreo es sin reemplazamiento.
El número de formas de extraer muestras ordenadas de tamaño r de un
conjunto de n objetos, si el muestreo es sin reemplazamiento se obtiene así la
primera extracción ocurre de n formas, la segunda extracción ocurre de n - 1
formas. Entonces, el número de formas de extraer dos objetos sin
reemplazamiento es n(n - 1). Similarmente para la tercera extracción hay n - 2
formas Luego, el número de formas de extraer 3 objetos es n(n - 1)(n - 2). Así
sucesivamente, el número de formas de extraer una muestra de tamaño r, sin
reemplazamiento es

n!
n ( n−1 )( n−2 ) … ( n−r +1 ) =
(1−r )
 r
el cual es equivalente a Pn , número de permutaciones de n objetos tomados
r a r. Si no interesa el orden en que se extraen los elementos de la muestra El
número de maneras de escoger r objetos de los n, está dado por

EJEMPLO 28. Considere las placas de automóviles que tiene tres letras
seguidas de tres dígitos. Si pueden emplearse todas las combinaciones
posibles, ¿cuántas placas diferentes pueden formarse?.

SOLUCIÓN. Las placas forman 6-uplas ordenadas; donde las tres primeras
son letras y las tres siguientes dígitos. Como no hay restricciones respecto a
las letras y números que se usan; es decir puede usarse letras y números
iguales. Entonces, hay (26)3 formas ordenadas de extraer las tres letras y (10) 3
formas de extraer los tres números. Luego, el número de formas de formar
placas con tres letras seguidas de tres dígitos es

(26)3 . (10)3 = 17576(10)3

1.7.1 REGLA DE MULTIPLICACIÓN

De la definición de probabilidad condicional, obtenemos una fórmula para hallar
la probabilidad de la intersección (o producto) de los evento A y B, esto es, de

P [ A ∩B ]
P[ A∨B]= . P [ B ] >0
P [ B]
P[A∩B]
P [ B| A ¿= . P [ A ]> 0
P[A]

Multiplicando ambos miembros de la expresión (1) por P[B] y por P[A] la

expresión (2), obtenemos las ecuaciones

P[A ∩ B] = P[8] P[A | B] = P[AB] y

P[A ∩ B] = P[A] P[B|A] = P[AB] ,
este resultado en teoría de probabilidad, se denomina REGLA DE
MULTIPLICACIÓN o probabilidad de la intersección, (también probabilidad
conjunta); expresa la probabilidad de que ocurra los eventos A y B es igual a
la probabilidad de la ocurrencia de uno de ellos multiplicado por la probabilidad
condicional que ocurra el segundo, dado que el primero ha ocurrido.

EJEMPLO 13. Una urna contiene 5 bolas blancas y 6 negras; se extrae al azar
sucesivamente y sin reposición (con reposición) dos bolas, ¿cuál es la
probabilidad que las dos resultan blancas?

SOLUCIÓN (a) Sin reposición.

PRIMERA FORMA. Sean los eventos:

A1: "La primera bola resultó blanca".
A2: "La segunda bola resultó blanca".
E : "Las dos bolas resultan blancas".
Es claro que la probabilidad pedida es la del evento

E = A1 ∩ A2 = A1A2

Es decir, E es la intersección de los dos eventos y la ocurrencia de A1 influye

en la de A2. 0 sea

P[E] = P[A1A2] = P[A1] P[A2 | A1]

En la urna hay 11 bolas de los cuales 5 son blancas, entonces

5
P [ A 1 ]=
11

Después de la ocurrencia del evento Alf queda 10 bolas de las cuales 4 son
blancas, luego
 4
P [ A 2∨A 1 ] =
10

Por lo tanto

5 4 2
P [ E ] =P [ A 2∨A 1 ] = x =
11 10 11

Un esquema que ayuda a visualizar la solución de este problema es

SEGUNDA FORMA. El problema se puede enfocar de otra manera: Como

existe 5 + 6 = 11 bolas, el número de formas de seleccionar dos de ellas esta

dado por (112) y cada una de estas formas tienen igual probabilidad de

ocurrir. El número de sucesos favorables al evento E, la obtenemos de la

siguiente manera: como existen 5 bolas blancas, podemos elegir dos de ellas

de (52) formas diferentes, luego aplicando la definición clásica es,

P [ E ]=
( 2) 2 ! 3 ! 2
5
=
5!
=
11 ! 11
( 2 ) 2!9!
11

(b) Con reemplazo. En este caso también el evento E se escribe como la

intersección de los eventos A1 y A2. O sea E = A1A2. Y la ocurrencia de A1 no
afecta a la ocurrencia de A2. En efecto:

5
P [ A 1 ]=
11
Puesto que después de la ocurrencia de A1 se devuelve la bola a la urna,
también:

5
P [ A 2∨A 1 ]=
11

El esquema siguiente ayuda a visualizar la solución del problema.

EJEMPLO 14. En el ejemplo 13. ¿Cuál es la probabilidad de obtener una bola

do cada color?

SOLUCIÓN (a) Sin restitución.

PRIMERA FORMA. Sean los siguientes eventos:
A1: "La primera bola resultó blanca".
A2: "La segunda bola resultó blanca".
B1: "La primera bola resultó negra".
B2: "La segunda bola resultó negra".
E : "Obtener una bola de cada color".

En este caso la probabilidad pedida, es, la del evento E formado por la unión
de los eventos A1B2 y B1A2, es decir, E = A1B2 U B1A2 y como dichos eventos
son mutuamente excluyentes, tenemos

P[E] = P[A1B2] + P[B1A2]

= P[A1] P[B2|A1] + P[B1] P[A2 | B1] (1)

La ocurrencia del primer evento influye en la ocurrencia del segundo. Pues lo

que en la urna hay 11 bolas de las cuales 5 son blancas, se tiene
 5
P [ A 1 ]=
11

Similarmente P[B1] = 6/11

Después de la ocurrencia de A1, queda 10 bolsas de las cuales 6 son negras,
entonces:
P[B2 | A1] = 6/10

Similarmente P[A2 | B1] = 5/10. Por lo tanto, reemplazando estos resultados en

(1) se obtiene:

5 6 6 5 6
P [ E ]= x + x =
11 10 11 10 11
Un diagrama que ayuda a visualizar estos problemas en el llamado “ARBOL DE
PROBABILIDAD PARA EXPERIMENTOS SUCESIVOS” y es como indica la
figura 1.7.8

Fig. 1.7.8

Cada rama completa del diagrama del árbol, se llama una trayectoria y
representa un posible resultado del experimento. En cada segmento que une la
secuencia de experimentos se pone sus respectivas probabilidades.

SEGUNDA FORMA. El número de formas de extraer dos bolas de 11 es

(112)
Cada uno de estos son igualmente posibles.
Número de sucesos favorables al evento E: Existen (51) formas de elegir

una bola blanca y (61) formas de elegir una bola negra, entonces aplicando

el principio de multiplicación, el número de sucesos favorables a E está dado

(51) (61) , y aplicando la definición clásica es

P [ E ]=
( 1 )(1 ) 5 x 6
5 6
= =
5 x6
=
6
11 ! 11 x 5 11
(112) 2 ! 9 !
(b) Con restitución. Como en el caso anterior se pide calcular la probabilidad
del evento E = A1B2 U B1A2. Es evidente que
P[E] = P[A1B2] + P[B1A2]
= P[A1] P[B2|A1] + P[B1] P[A2 | B1]
5 6 6 5 60
¿ x x x =
11 11 11 11 121
EJEMPLO 15. En un sistema de alarma, la probabilidad que se produzca
peligro es 0.10. Si éste se produce la probabilidad que la alarma funcione es de
0.95. La probabilidad que funcione la alarma sin haber ha' do peligro es 0.03.
Determinar la probabilidad que haya un peligro y 1 alarma no funcione.

SOLUCIÓN Definimos los siguientes eventos:

P : "hay peligro",
F : "la alarma funciona". Entonces, F: "la alarma no funciona".
Luego, debemos determinar la probabilidad del evento:
P F : "haya peligro y la alarma no funciona"

P[P F ] = P[P] p[ F |P]

P[P] = 0.10. Si ocurre el evento P, P[F | P] = 0.95 pero

P[ F |P]= 1-P[F|P]= 1- 0.95 = 0.05. (teorema 1.7.2)
Por lo tanto, P[P F ] = (0.10) (0.05) = 0.005.

Fig. 1.7.9 Árbol de probabilidades para el problema 15.

TEOREMA 1.7.5. Si A, B y C son eventos de Ω, tales que P[A] ≠ 0 y P[AB]

≠ 0, entonces

P [ C|A ∩C ] =P [ A ] P [C∨ A ∩ B]

DEMOSTRACIÓN. Consideremos dos eventos A  B y C; de la definición

de probabilidad condicional

A∩B
¿
P [ A ∩ B]
P [ B| A ] =
P[ A]
P¿
P [C ∩ A ∩ B]
P [ C|A ∩B ] = ¿
P [ A ∩ B] P[ A ∩ B∩ C]
P [ A ] P [ B| A ] P [ C|A ∩B ] =P[ A ] x
P[ A ] P [ A ∩ B]

¿ P[ A ∩ B ∩C ]

El siguiente teorema es una generalización del teorema anterior.

TEOREMA 1.7.6 Si A1 , A2, ..., An son eventos de un espacio muestral finito y
P[A1 ∩ A2∩ …∩An] ≠ 0, entonces
P[A1 ∩ A2∩ …∩An] = P[A1] P[A2|A1] P[A3|A1∩A2]….
la demostración queda como ejercicio para el lector interesado.

EJEMPLO 16. Dos establos A y B tienen 1,000 cabezas de vacuno cada uno.
Existe una epidemia que afecta a los cascos y la boca del ganado. La
 1 1
proporción de ganados afectados con y respectivamente (por
5 4
establo).

Se escoge un ganado al azar.

(a) ¿Cuál es la probabilidad que el ganado escogido viene del rancho y tiene
afección a los cascos y la boca?.
(b) Si el 70% de los ganados afectados tienen edad menor que un año, ¿cuál
es la probabilidad que el ganado escogido venga del rancho B, tiene|
afección y es mayor que un año de edad?

SOLUCIÓN. Definimos los siguientes eventos:

A: "el ganado escogido es del rancho A"
B: "el ganado escogido es del rancho B"
E: "el ganado tiene afección al casco y la boca"
(a) Debemos calcular
1000 1 1
P[A∩E] = P[A] P[E|A] = x =
2000 5 10
(b) Definimos el evento F: la vaca escogida tenga edad mayor que un año.
Entonces,
P[B∩E∩E] = P[B] P[E|B] P[F|(B∩E)]
1000 1 75 1 1 3 3
= x x = x x =
2000 4 250 2 4 10 80
ya que en el rancho B hay 250 ganados afectados y de estos el 30% son
mayores que un año de edad.

Fig. 1.7.10 Árbol de probabilidad para el problema 16

EJEMPLO 17. Un lote de 100 fusibles contiene 2 fusibles defectuosos. Si se
prueban los fusibles uno por uno, ¿cuál es la probabilidad que el último fusible
defectuoso sea detectado en la tercera prueba?

SOLUCIÓN. Definimos los siguientes eventos.

Dij: “el i-ésimo defectuoso se obtuvo en la extracción i = 1,2 ; j = 1,2,3”
Bij: “el i-ésimo bueno se obtuvo en la j-ésima extracción j = 1,2, ; j = 1,2,3”
E: “el último fusible defectuoso es detectado en la tercera prueba”

En el diagrama del árbol de probabilidades, podemos seguir sólo por las ramas
que cumplen las condiciones requeridas por el evento cuya probabilidad se
quiere calcular (en nuestro caso el evento E) y llegar solamente a los
resultados favorables a dicho evento. Para el problema en cuestión, siguiendo
este proceso se obtiene el árbol de probabilidades de la fig. 1.7.12. De donde
el evento E se escribe

E = D11 B12 D23 U B11 D12 D23

Luego, P[E] = P[D11 B12 D23] + P[D11 B12 D23]
= P[D11] P[B12|D11] P[D23 | D11 B12] + P[B11]
P[D12|B11] P[D23|B11D12]
2 98 1 98 2 1
¿ . . .+ . .
100 99 98 100 99 98

EJEMPLO 18. Un lote de 100 lámparas contiene 10 piezas defectuosas. Si se

selecciona 3 lámparas aleatoriamente, ¿cuál es la probabilidad que sólo una
sea defectuosa?

PRIMER MÉTODO. Definimos Tos siguientes eventos:

 D : "se selecciona una lámpara defectuosa".
N : "se selecciona una lámpara no defectuosa".
A : "sólo una sea defectuosa de las tres extraídas"

Siguiendo el mismo proceso del ejemplo anterior se obtiene el diagrama del

árbol de probabilidades de la fig. 1.7.13. De donde
A = NND U NQN U ONN

Eventos Favorables a

Fig. 1.7.13

P[A] = P[NND] + P[NDN] + P[DNN]

90 89 10 90 10 89 10 90 89
¿ . . . . . + . .
100 99 98 100 99 98 100 99 98
89 89 89 267
¿ + + = =0.2476
10 x 98 11 x 98 11 x 98 1078

SEGUNDO MÉTODO. El número de elementos del espacio muestral es

(1003) . Como el evento A contiene 1 defectuoso y 2 no defectuoso, entonces

A tiene (101)(902) elementos. Luego, por la definición clásica es

 P [ A ]=
( )(
10 90
1 2 ) =
10 x
90!
88 ! 2 ! 3 x 89
= =
267
=0.2476
100! 11 x 98 1078
( 3 ) 97 ! 3 !
100

EJEMPLO 19. Un grupo que consta de 5 hombres y 10 mujeres se divide al

azar en cinco grupos de tres personas cada uno. Calcular la probabilidad
que en cada grupo haya un hombre.

SOLUCIÓN. Definimos los siguientes eventos:

Ai : "en el grupo ¿ haya un hombre (i = 1,2,3,4,5)".
A : "en cada grupo de 3 personas haya un hombre".
El evento A se escribe así, A = A1A2A3A4A5 , Luego,
P[A] = P[A1] P[A2 | A1] P[A3 | A1A2] P(A4I A1A2A3] P[A5 | A1A2A3A4]

(¿ 51)(102) . (41 )(82) . (31)(62) . (21)(42) . 1

(153) (123) ( 123) (63) 1
5 ! 10! 4 ! 8 ! 3! 6! 4!
x x x 2! x
4 ! 8 ! 2 ! 3 ! 2! 6 ! 2 ! 2! 4 ! 2! 2 !
¿ x x x x1
15 ! 12! 6! 6!
3! 12 ! 3!9! 3! 6! 3!3 !
5 ! 10 ! 35
¿ =0.081
15 !

EJEMPLO 20. En un cajón hay 80 tubos buenos y 20 malos; en un segundo

ca¬jón el 30% son malos y en un tercer cajón, el 25% son malos. Se sabe que
ni número de tubos del tercer cajón es el triple de los que hay en el segúndo y
en total hay 260 tubos. Se mezclan los tubos de las tres cajas.
(a) Al extraer, al azar, un tubo; calcule la probabilidad que sea malo, si se sabe
que pertenece al segundo cajón.
(b) Al extraer, al azar, 2 tubos; calcule la probabilidad que el primero y el
segundo sean malos.
SOLUCIÓN. Sea x el número de tubos en el segundo cajón, o sea
100 + x + 3x = 260 ,
de donde x = 40 , y 3x = 120 .

Entonces, en la primera caja hay 100 tubos de los cuales 80 son buenos y 20
malos; en el segundo cajón hay 40 tubos de los cuales 28 son buenos y 12
malos; y en el tercer cajón hay 120 tubos de los cuales 90 son buenos y 30
malos.
(b) Sea D, el evento: "obtener un tubo defectuoso" y C: "el tubo pertenece al
segundo cajón".
Luego,
12
P [ AC ] 260 12
P [ D|C ] = = = =0.3
P [C ] 40 40
260

(c) Sea D, el evento: "obtener el primer y el segundo tubo defectuoso.

"Entonces,
D = D1D2
62 61 3782
P [ D ]=P [ D1 ] P [ D2|D1 ]= x = =0.056
260 259 57340

EJEMPLO 21. Una caja contiene 7 tarjetas marcadas, "sin, premio': y 5 con
"premio mayor". En un concurso, dos personas A y B, extraen tarjetas de la
caja en forma alternada hasta que una de ellas saca una marcada con el
"premio mayor". Si A selecciona la tarjeta en primer lugar, ¿cuál es la
probabilidad que extraiga una con "premio mayor"?

SOLUCIÓN. Definimos los siguientes eventos:

Ai : "el jugador A obtiene la tarjeta con premio mayor en su i-ésima jugada".
Bj : "el jugador B obtiene la tarjeta con premio mayor en su j-ésima jugada".
Ap : "el jugador A extrae una tarjeta con premio mayor".
El evento Ap se escribe, Ap = A1 U A 1 B 1 A2 U A 1 B 1 A 2 B 2 A3 U
A 1 B 1 A 2 B 2 A 3 B 3A4
Luego,
P[Ap] = P[A1] P[ A 1 B A2] + P[ A
1 1 B 1 A 2 B A3] + P[ A
2 1 B 1 A
2 B 2 A 3 B 3 A4]
5 7 6 5 7 6 5 4 5 7 6 5 4 3 2 5
¿ + . . + . . . . + . . . . . .
12 12 11 100 12 11 10 9 8 12 11 10 9 8 7 6
248 62
¿ = =0.63
12 x 11 x 3 99

El diagrama del árbol de probabilidad para este problema se muestra en la fig.

1.7.14.

Fig. 1.7.14

EJEMPLO 22. Una urna contiene 10 bolas, 5 marcadas con la letra A y 5 bolas
marcadas con la letra B, Dos jugadores, A y B juegan de la siguiente forma:
comienza el jugador A extrayendo una bola y a continuación B realiza también
una extracción, y así alternadamente. Las extracciones se hacen sin
reposición. Gana el primer jugador que extraiga una bola con su letra (A una
bola A y B una bola B).
(a) ¿Cuál es la probabilidad que gane el jugador A? ¿Cuál de B?
(b) ¿Cuál es la probabilidad que no gane ninguno de los dos?

SOLUCIÓN. Definimos los siguientes eventos;

GA "gana el jugador A"
GB "gana el jugador B"
GN "no gana ninguno de los jugadores"
AK (K = 1,2,... ): "En la K-ésima extracción se obtiene una bola marcada con A"
BK(K = 1,2,... ): "En la K-ésima extracción se obtiene una bola nrar cada con B"
Consideremos el diagrama del árbol de probabilidad de la fig. 1.7.15

Fig. 1.7.15

(a) De este diagrama obtenemos:

5 5 5 4 5 5 4 4 3 5 5 4 4 3
P [G A ]= + x x + x x x x + x x x x
10 10 9 8 10 9 8 7 6 10 9 8 7 6
3 2 5 5 4 4 3 3 2 2 1 175
x x + x x x x x x x x =
5 4 10 9 8 7 6 5 4 3 2 252

5 4 5 5 4 3 5 5 4 4 3 2 5 5 4 4
P [ G B ]=
c x x x x x x x x x x x x x x
10 9 10 9 8 7 10 9 8 7 6 5 40 9 8 7
3 3 2 1 76
x x x =
6 5 4 3 252

(b) No gana ninguno de los jugadores, cuando A saque todas las bolas marca
das con B y B todas las bolas marcadas con A, o sea
5 5 4 4 3 3 2 2 1 1
P [G N ] = x x x x x x x x x 1=
10 9 8 7 6 5 4 3 2 252
ESTADÍSTICA PARA ADMINISTRACIÓN Y ECONOMÍA
4.1 Experimentos, reglas y asignación de probabilidades
Experimentos, reglas de conteo y asignación de probabilidades
En el contexto de la probabilidad, un experimento es definido como un proceso
que genera resultados definidos. Y en cada una de las repeticiones del
experimento, habrá uno y sólo uno de los posibles resultados experimentales. A
continuación se dan varios ejemplos de experimentos con sus
correspondientes resultados.

Experimento Resultado experimental

Lanzar una moneda
Tomar una pieza para inspeccionarla
Realizar una llamada de ventas
Lanzar un dado
Jugar un partido de fútbol
Cara, cruz
Con defecto, sin defecto
Hay compra, no hay compra
1, 2, 3, 4, 5, 6
Ganar, perder, empatar

Al especificar todos los resultados experimentales posibles, está definiendo el

espacio muestral de un experimento.

ESPACIO MUESTRAL
El espacio muestral de un experimento es el conjunto de todos los resultados
experimentales.
A un resultado experimental también se le llama punto muestral para
identificarlo como un elemento del espacio muestral.

FIGURA 4.1 PROBABILIDAD COMO MEDIDA NUMÉRICA DE LA

POSIBILIDAD DE QUE UN EVENTO OCURRA
Considere el primer experimento presentado en la tabla anterior, lanzar una
moneda. La cara de la moneda que caiga hacia arriba —cara o cruz—
determina el resultado experimental (puntos muéstrales). Si denota con S el
espacio muestral, puede emplear la notación siguiente para describir el espacio
muestral.
S = {Cara, cruz}

En el segundo experimento de la tabla -tomar una pieza para revisarla- puede

describir el espacio muestral como sigue:

S = {Defectuosa, no defectuosa}

Los dos experimentos descritos tienen dos resultados experimentales (puntos

muéstrales). Pero, observe ahora el cuarto experimento enumerado en la tabla,
lanzar un dado. Los resultados experimentales, definidos por el número de
puntos del dado en la cara que cae hacia arriba, son los seis puntos del
espacio muestral de este experimento.

S= {1,2,3,4,5,6}

Reglas de conteo, combinaciones y permutaciones

Al asignar probabilidades es necesario saber identificar y contar los resultados
experimentales. A continuación tres reglas de conteo que son muy utilizadas.
Experimentos de pasos múltiples La primera regla de conteo sirve para
experimentos de pasos múltiples. Considere un experimento que consiste en
lanzar dos monedas. Defina los resultados experimentales en términos de las
caras y cruces que se observan en las dos monedas. ¿Cuántos resultados
experimentales tiene este experimento? El experimento de lanzar dos monedas
es un experimento de dos pasos: el paso 1 es lanzar la primera moneda y el
paso 2 es lanzar la segunda moneda. Si se emplea H para denotar cara y
Tpara denotar cruz, (H, H) será el resultado experimental en el que se tiene
cara en la primera moneda y cara en la segunda moneda. Si continúa con esta
notación, el espacio muestral (5) en este experimento del lanzamiento de
monedas será el siguiente:

S = {(H, H), (H, T), (T, H), (T, T)}

Por tanto, hay cuatro resultados experimentales. En este caso es fácil

enumerar todos los resultados experimentales.
La regla de conteo para experimentos de pasos múltiples permite determinar el
número de resultados experimentales sin tener que enumerarlos.

REGLA DE CONTEO PARA EXPERIMENTOS DE PASOS MÚLTIPLES

Un experimento se describe como una sucesión de k pasos en los que hay n 1
resultados posibles en el primer paso, n2 resultados posibles en el segundo
paso y así en lo sucesivo, entonces el número total de resultados
experimentales es (n1) (n2)…(nk).
Si considera el experimento del lanzamiento de dos monedas como la sucesión
de lanzar primero una moneda (n1 = 2) y después lanzar la otra (n2 = 2),
siguiendo la regla de conteo (2)(2) = 4, entonces hay cuatro resultados
distintos. Como ya se mostró, estos resultados son S = {(H, H), (H, T), (T, H),
(T, T)}. El número de resultados experimentales de seis monedas es (2)(2)(2)
(2)(2)(2) = 64.

FIGURA 4.2 DIAGRAMA DE ÁRBOL PARA EL LANZAMIENTO DE DOS

MONEDAS
Un diagrama de árbol es una representación gráfica que permite visualizar un
experimento de pasos múltiples. En la figura 4.2 aparece un diagrama de árbol
para el experimento del lanzamiento de dos monedas. La secuencia de los
pasos en el diagrama va de izquierda a derecha. El paso 1 corresponde al
lanzamiento de la primera moneda, el paso 2 al de la segunda moneda. En
cada paso, los dos resultados posibles son cruz o cara. Observe que a cada
uno de los resultados posibles en el paso 1 pertenecen dos ramas por los dos
posibles resultados en el paso 2. Cada uno de los puntos en el extremo
derecho del árbol representa un resultado experimental. Cada trayectoria a
través del árbol desde el nodo más a la izquierda hasta uno de los nodos en el
extremo derecho del árbol, muestra una secuencia única de resultados.
Ahora una aplicación de la regla de conteo para experimentos de pasos
múltiples en el análisis de un proyecto de expansión de la empresa Kentucky
Power & Light (KP&L). Kentucky Power & Light ha empezado un proyecto que
tiene como objetivo incrementar la capacidad de generación de una de sus
plantas en el norte de Kentucky. El proyecto fue dividido en dos etapas o pasos
sucesivos: etapa 1 (diseño) y etapa 2 (construcción). A pesar de que cada
etapa se planeará y controlará con todo el cuidado posible, a los
administrativos no les es posible pronosticar el tiempo exacto requerido en
cada una de las etapas del proyecto. En un análisis de proyectos de
construcción similares encuentran que la posible duración de la etapa de
diseño es de 2, 3, o 4 meses y que la duración de la construcción es de 6, 7 u 8
meses. Además, debido a la necesidad urgente de más energía eléctrica, los
administrativos han establecido como meta 10 meses para la terminación de
todo el proyecto.
Como hay tres posibles periodos para la etapa del diseño (paso 1) y tres para
la etapa de la construcción (paso 2) cabe aplicar la regla de conteo para
experimentos de pasos múltiples, entonces el total de resultados posibles es
(3)(3) = 9. Para describir los resultados experimentales emplean una notación
de dos números; por ejemplo, (2, 6) significa que la etapa del diseño durará 2
meses y la etapa de la construcción 6. Esto da como resultado una duración de
2 + 6 = 8 meses para todo el proyecto. En la tabla 4.1 aparecen los nueve
resultados experimentales que hay para el problema de KP&L. El diagrama de
árbol de la figura 4.3 muestra como se presentan los nueve resultados (puntos
muéstrales).
La regla de conteo y el diagrama de árbol ayudan al administrador del proyecto
a identificar los resultados experimentales y a determinar la posible duración
del proyecto.

TABLA 4.1 RESULTADOS EXPERIMENTALES (PUNTOS MUÉSTRALES)

PARA EL PROYECTO KP&L
Duración (meses)
Etapa 1 Etapa 2 Notación para los Proyecto completo:
Diseño Construcció resultados duración (meses)
n experimentales
2 6 (2, 6) 8
2 7 (2,7) 9
2 8 (2,8) 10
3 6 (3,6) 9
3 7 (3,7) 10
3 8 (3,8) 11
4 6 4(6) 10
4 7 (4,7) 11
4 8 (4,8) 12

FIGURA 4.3 DIAGRAMA DE ÁRBOL PARA EL PROYECTO KP&L

De acuerdo con la información de la figura 4.3, la duración del proyecto es de 8
a 12 meses, y seis de los nueve resultados experimentales tienen la duración
deseada de 10 meses o menos. Aun cuando identificar los resultados
experimentales ayuda, es necesario considerar cómo asignar los valores de
probabilidad a los resultados experimentales antes de evaluar la probabilidad
de que el proyecto dure los 10 meses deseados.
Combinaciones Otra regla de conteo útil le permite contar el número de
resultados experimentales cuando el experimento consiste en seleccionar n
objetos de un conjunto (usualmente mayor) de N objetos. Ésta es la regla de
conteo para combinaciones.

REGLA DE CONTEO PARA COMBINACIONES

El número de combinaciones de N objetos tomados de n en n es
N!
()
c Nn = N =
n n! ( N −n ) !
donde N!= N(N - 1)(N - 2) … (2)(1)
n! = n(n - 1)(n - 2) … (2)(1)
y por definición, 0! = 1

La notación ! significa factorial; por ejemplo, 5 factorial es 5! = (5)(4)(3)(2)(1)

=120.
Como ejemplo del uso de la regla de conteo para combinaciones, considere un
procedimiento de control de calidad en el que un inspector selecciona al azar
dos de cinco piezas para probar que no tengan defectos. En un conjunto de
cinco partes, ¿cuántas combinaciones de dos partes pueden seleccionarse?
De acuerdo con la regla de conteo de la ecuación (4.1) es claro que con N — 5
y n = 2 se tiene
 5! ( 5 ) ( 4 )( 3 )( 2 ) (1) 120
()
C52 = 5 = = =
2 2 ! ( 5−2 ) ! ( 2 )( 1 ) ( 3 )( 2 ) (1) 12
=10

De manera que hay 10 resultados posibles en este experimento de la selección

aleatoria de dos partes de un conjunto de cinco. Si etiqueta dichas partes como
A, B, C, D y E, las 10 combinaciones o resultados experimentales serán AB,
AC, AD, AE, BC, BD, BE, CD, CE y DE.
Para ver otro ejemplo, considere la lotería de Florida en la que se seleccionan
seis números de un conjunto de 53 números para determinar al ganador de la
semana. Para establecer las distintas variables en la selección de seis enteros
de un conjunto de 53, se usa la regla de conteo para combinaciones. -

53 ! 53 ! ( 53 ) (52 ) ( 51 ) (50 )( 49 ) (48)

( )53
6
= =
6 ! ( 53−6 ) ! 6 ! 47 !
=
( 6 ) (5 )( 4 ) ( 3 ) ( 2 ) (1)
=22 957 480

La regla de conteo para combinaciones arroja casi 23 millones de resultados

experimentales en esta lotería. Si una persona compra un billete de lotería,
tiene una en 22 957 480 posibilidades de ganar la lotería.
Permutaciones. La tercera regla de conteo que suele ser útil, es para
permutaciones. Dicha regla permite calcular el número de resultados
experimentales cuando se seleccionan n objetos de un conjunto de N objetos y
el orden de selección es relevante. Los mismos n objetos seleccionados en
orden diferente se consideran un resultado experimental diferente.

REGLA DE CONTEO PARA PERMUTACIONES

El número de permutaciones de # objetos tomados de n en n está dado por
N!
()
PNn =n ! N =
n ( N −n ) !
La regla de conteo para permutaciones tiene relación estrecha con la de
combinaciones; sin embargo, con el mismo número de objetos, el número de
permutaciones que se obtiene en un experimento es mayor que el número de
combinaciones, ya que cada selección de n objetos se ordena de n! maneras
diferentes.
Para ver un ejemplo, reconsidere el proceso de control de calidad en el que un
inspector selecciona dos de cinco piezas para probar que no tienen defectos.
¿Cuántas permutaciones puede seleccionar? La ecuación (4.2) indica que si N
= 5 y n = 2, se tiene

De manera que el experimento de seleccionar aleatoriamente dos piezas de un

conjunto de cinco piezas, teniendo en cuenta el orden en que se seleccionen,
tiene 20 resultados. Si las piezas se etiquetan A, B, C, D y E, las 20
permutaciones son AB, B A, AC, CA, AD, DA, AE, EA, BC, CB, BD, DB, BE, EB,
CD, DC, CE, EC, DE y ED.

Asignación de probabilidades
Ahora verá cómo asignar probabilidades a los resultados experimentales. Los
tres métodos comúnmente usados son el método clásico, el método de la
frecuencia relativa y el método subjetivo. Sin importar el método que se use, es
necesario satisfacer los requerimientos básicos para la asignación de
probabilidades.

REQUERIMIENTOS BÁSICOS PARA LA ASIGNACIÓN DE PROBABILIDADES

1. La probabilidad asignada a cada resultado experimental debe estar entre 0
y 1, inclusive. Si denota con E¡ el i-ésimo resultado experimental y con P(E)
su probabilidad, entonces exprese este requerimiento como
0 ≤ P(E¡) ≤ 1 para toda i (4.3)
2. La suma de las probabilidades de los resultados experimentales debe ser
igual a 1.0. Para resultados experimentales n escriba este requerimiento
como
P(Ei) +P(E2) + … + P(En) = 1 (4.4)

El método clásico de asignación de probabilidades es apropiado cuando todos

los resultados experimentales tienen la misma posibilidad. Si existen n
resultados experimentales, la probabilidad asignada a cada resultado
experimental es Un. Cuando emplee este método, satisfará en automático los
dos requerimientos básicos de la asignación de probabilidades.
Por ejemplo, considere el experimento del lanzamiento de una moneda, los dos
resultados experimentales —cruz o cara— tienen la misma posibilidad. Como
uno de los dos resultados igualmente posibles es cara, la probabilidad de que
caiga cara es 1/2 o 0.50. Asimismo, la probabilidad de que caiga cruz también
es 1/2 o 0.50.
Otro ejemplo, considere el experimento de lanzar un dado. Es razonable
pensar que los seis resultados que pueden presentarse son igualmente
posibles y, por tanto, la probabilidad asignada a cada resultado es 1/6. Si P(l)
denota la probabilidad de que la cara del dado que caiga hacia arriba sea la
que tiene un punto, entonces P(l) = 1/6. De manera similar P(2) = 1/6, P(3) =
1/6, P(4) = 1/6, P(5) = 1/6 y P(6) = 1/6. Observe que dichas probabilidades
satisfacen los dos requerimientos básicos de las ecuaciones (4.3) y (4.4),
porque cada una es mayor o igual que cero y juntas suman 1.0.
El método de frecuencia relativa para la asignación de probabilidades es el más
conveniente cuando existen datos para estimar la proporción de veces que se
presentarán los resultados si el experimento se repite muchas veces.
Considere, por ejemplo un estudio sobre los tiempos de espera en el
departamento de rayos x de un hospital pequeño. Durante 20 días sucesivos
un empleado registra el número de personas que están esperando el servicio a
las 9:00 a.m.; los resultados son los siguientes.

Número de personas Número de días:

que espera Resultados de ocurrencia
0 2
1 5
2 6
3 4
4 3
Total 20
En estos datos aparece que 2 de los 20 días, había cero pacientes esperando
el servicio, 5 días había un paciente en espera y así sucesivamente. Con el
método de la frecuencia relativa, la probabilidad que se le asignará al resultado
experimental cero pacientes esperan el servicio, será 2/20 = 0.10; al resultado
experimental un paciente espera el servicio, 5/20 = 0.25; 6/20 = 0.30 a dos
pacientes esperan el servicio; 4/20 = 0.20 a tres pacientes esperan el servicio y
3/20 = 0.15 a cuatro pacientes esperan el servicio. Como sucede con el método
clásico, al usar el método de frecuencia relativa se satisfacen en automático los
dos requerimientos básicos correspondientes a las ecuaciones (4.3) y (4.4).
El método subjetivo de asignación de probabilidades es el más indicado
cuando no es factible suponer que todos los resultados de un experimento
sean igualmente posibles y, además, cuenta con pocos datos relevantes. El
método subjetivo de asignación de probabilidades a los resultados de un
experimento, usa toda la información disponible, por ejemplo, la propia
experiencia o la intuición. Después de considerar dicha información se asigna
un valor de probabilidad que expresa el grado de confianza (en una escala de 0
a 1) que tiene acerca de que un resultado experimental ocurra. Co¬mo la
probabilidad subjetiva expresa el grado de confianza que tiene un individuo, es
personal. Cuando se usa el método de probabilidad subjetiva, es de esperarse
que personas distintas asignen probabilidades diferentes a los mismos
resultados de un experimento.
En el método subjetivo hay que tener cuidado de que se satisfagan los dos
requerimientos básicos expresados en las ecuaciones (4.3) y (4.4). Sea cual
sea el grado de confianza que tenga la persona, el valor de probabilidad
asignado a cada resultado experimental debe estar entre 0 y 1, inclusive, y la
suma de las probabilidades de todos los resultados experimentales debe ser
1.0.
Considere el caso en el que Tom y Judy Elsbernd hacen una oferta para la
compra de una casa. Hay dos resultados posibles:
E1 = su oferta será aceptada
E2 = su oferta no será aceptada
Judy cree que la probabilidad de que su oferta sea aceptada es 0.8; por tanto,
Judy establece que P(E1) = 0.8 y P(E2) = 0.2; Tom, por su parte, cree que la
probabilidad de que su oferta sea aceptada es 0.6; por tanto, Tom establecerá
P(E1) = 0.6 y P(E2) = 0.4. Observe que la estimación de probabilidad de Ex que
hace Tom refleja bastante pesimismo de que su oferta sea aceptada.
Tanto Judy como Tom asignaron probabilidades que satisfacen los dos
requerimientos básicos. El hecho de que sus probabilidades sean diferentes
subraya la naturaleza personal del método subjetivo.
Incluso en situaciones de negocios en que es posible emplear el método
clásico o el de las probabilidades relativas, los administradores suelen
proporcionar estimaciones subjetivas de una probabilidad. En tales casos, la
mejor estimación de una probabilidad suele obtenerse combinando las
estimaciones del método clásico o del método de las frecuencias relativas con
las estimaciones subjetivas de una probabilidad.

Probabilidades para el proyecto KP&L

Para continuar con el análisis del proyecto KP&L hay que hallar las
probabilidades de los nueve resultados experimentales enumerados en la tabla
4.1. De acuerdo con la experiencia, los administrativos concluyen que los
resultados experimentales no son todos igualmente posibles. Por tanto, no
emplean el método clásico de asignación de probabilidades. Entonces deciden
hacer un estudio sobre la duración de los proyectos similares realizados por
KP&L en los últimos tres años. En la tabla 4.2 se resume el resultado de este
estudio considerando 40 proyectos similares.
Después de analizar los resultados de este estudio, los administrativos deciden
emplear el método de frecuencia relativa para asignar las probabilidades. Los
administrativos podrían haber aportado probabilidades subjetivas, pero se
dieron cuenta de que el proyecto actual era muy similar a los 40 proyectos
anteriores. Así, consideraron que el método de frecuencia relativa sería el
mejor.
Si emplea la tabla 4.2 para calcular las probabilidades, observará que el
resultado (2, 6) — duración de la etapa 1, 2 meses, y duración de la etapa 2, 6
meses— se encuentra seis veces en los 40 proyectos. Con el método de las
frecuencias relativas, la probabilidad signada a este resultado es 6/40 = 0.15.
También el resultado (2, 7) se encuentra seis veces en los 40 proyectos 6/40 =
0.15. Continuando de esta manera, se obtienen, para los puntos muéstrales del
proyecto de KP&L, las asignaciones de probabilidad que se muestran en la
tabla 4.3. Observe que P(2, 6) representa la probabilidad del punto muestral
(2,6), P(2, 7) representa la probabilidad del punto muestral (2, 7) y así
sucesivamente.

TABLA 4.2 DURACIÓN DE 40 PROYECTOS DE KP&L

Duración (meses)
Etapa 1 Etapa 2 Notación para los Proyecto completo:
Diseño Construcció resultados duración (meses)
n experimentales
2 6 (2, 6) 6
2 7 (2,7) 6
2 8 (2,8) 2
3 6 (3,6) 4
3 7 (3,7) 8
3 8 (3,8) 2
4 6 4(6) 2
4 7 (4,7) 4
4 8 (4,8) 6
Total 40

TABLA 4.3 ASIGNACIÓN DE PROBABILIDADES PARA EL PROYECTO

KP&L, EMPLEANDO EL MÉTODO DE LAS FRECUENCIAS
RELATIVAS
Punto muestral Tiempo de terminación Probabilidad del punto muestral
del proyecto
(2, 6) 8 meses 2.6) 8 meses P(2,6) = 6/40= 0.15
(2,7) 9 meses (2.7) 9 meses P(2.7) = 6/40 = 0.15
(2,8) 10 meses (2,8) 10 meses P(2, 8) = 2/40= 0.05
 (3,6) 9 meses (3.6) 9 meses P(3. 6) - 4/4Ü = 0.10
(3,7) 10 meses (3.7) 10 meses PO, 7) = 8/40 = 0.20
(3,8) 11 meses (3.8) 11 meses P(3,S) = 2/40= 0.05
4(6) 10 meses (4. 6) 10 meses P(4.6)= 2/40= 0.05
(4,7) 11 meses (4.7) 11 meses P(4,7) = 4/40= a 10
(4,8) 12 meses (4.8) 12 meses P(4. 8) = 6/40= 0.15
Total 1.00

NOTAS Y COMENTARIOS
1. En estadística la noción de experimento difiere un poco del concepto de
experimento de las ciencias físicas. En las ciencias físicas, los
investigadores suelen realizar los experimentos en laboratorios o en
ambientes controlados, con objeto de investigar causas y efectos. En los
experimentos estadísticos, la probabilidad determina los resultados. Aun
cuando un experimento se repita con exactitud, el resultado puede ser
completamente diferente. Debido a esta influencia que tiene la probabilidad
sobre los resultados, a los experimentos en estadística también se les
conoce como experimentos aleatorios.
2. Cuando de una población de tamaño N se extrae una muestra aleatoria sin
reemplazarla, se emplea la regla de conteo para combinaciones para
calcular la cantidad de muestras de tamaño n que pueden seleccionarse.

BAYES
Teorema de Bayes
En el estudio de la probabilidad condicional vio que revisar las probabilidades
cuando se obtiene más información es parte importante del análisis de
probabilidades. Por lo general, se suele iniciar el análisis con una estimación de
probabilidad inicial o probabilidad previa de los eventos que interesan.
Después, de fuentes como una muestra, una información especial o una
prueba del producto, se obtiene más información sobre estos eventos. Dada
esta nueva información, se modifican o revisan los valores de probabilidad
mediante el cálculo de probabilidades revisadas a las que se les conoce como
probabilidades posteriores. El teorema de Bayes es un medio para calcular
estas probabilidades. En la figura 4.9 se presentan los pasos de este proceso
de revisión de la probabilidad.

FIGURA 4.9 REVISIÓN DE LA PROBABILIDAD USANDO EL TEOREMA DE

BAYES

TABLA 4.6 CALIDAD DE DOS PROVEEDORES

Proveedor de piezas Porcentaje de piezas

buenas malas
Proveedor 1 98 2
Proveedor 2 95 5

Como aplicación del teorema de Bayes, considere una fábrica que compra
piezas de dos pro-veedores. Sea A1 el evento la pieza proviene del proveedor 1
y A2 el evento la pieza proviene del proveedor 2. De las piezas que compra la
fábrica, 65% proviene del proveedor 1 y 35% restante proviene del proveedor
2. Por tanto, si toma una pieza aleatoriamente, le asignará las probabilidades
previas P(A1) = 0.65 y P(A2) = 0.35.
La calidad de las piezas compradas varía de acuerdo con el proveedor. Por
experiencia, sabe que la calidad de los dos proveedores es como muestra la
tabla 4.6. Si G denota el evento la pieza está buena y B denota el evento la
pieza está mala, la información de la tabla 4.6 proporciona los siguientes
valores de probabilidad condicional.

P(G I A) = 0.98 P(B I A1) = 0.02

P(G I A2) = 0.95 P(B I A2) = 0.05
El diagrama de árbol de la figura 4.10 representa el proceso de recibir una
pieza, de uno de los dos proveedores, y después determinar si la pieza es
buena o mala como experimento de dos pasos. Se observa que existen cuatro
resultados experimentales: dos corresponden a que la pieza esté buena y dos
corresponden a que la pieza esté mala.
Cada uno de los resultados experimentales es la intersección de dos eventos,
de manera que para calcular estas probabilidades puede usar la ley de la
multiplicación. Por ejemplo,

P(A1, G) = P(A1 ∩ G) = P(A1)P(G I A1)

FIGURA 4.10 DIAGRAMA DE ÁRBOL PARA EL EJEMPLO DE LOS

DOS PROVEEDORES

FIGURA 4.11 ÁRBOL DE PROBABILIDAD PARA EL EJEMPLO DE

LOS DOS PROVEEDORES
El proceso del cálculo de estas probabilidades conjuntas se representa
mediante un árbol de probabilidad (figura 4.11). De izquierda a derecha por el
árbol, las probabilidades de cada una de las ramas del paso 1 son
probabilidades previas y las probabilidades de cada una de las ramas del paso
2 son probabilidades condicionales. Para hallar la probabilidad de cada uno de
los resultados experimentales, simplemente se multiplican las probabilidades
de las ramas que llevan a ese resultado. En la figura 4.11 se muestra cada una
de estas probabilidades conjuntas junto con las probabilidades en cada rama.
Suponga ahora que las piezas de los dos proveedores se emplean en el
proceso de fabricación de esta empresa y que una máquina se descompone al
tratar de procesar una pieza mala. Dada la información de que la pieza está
mala, ¿cuál es la probabilidad de que sea del proveedor 1 y cuál es la
probabilidad de que sea del proveedor 2? Para responder estas preguntas
aplique el teorema de Bayes usando la información del árbol de probabilidad
(figura 4.11).
Como B es el evento la parte está mala, lo que busca son las probabilidades
posteriores P{A1 I B) y P(A2 I B). De acuerdo con la ley para la probabilidad
condicional

P( A1 ∩B)
p ( A 1|B )= (4.14)
P (B)

Del árbol de probabilidad

 P(A1∩B) = P(A1) P(B | A1) (4.15)

Para hallar P(B), se observa que B sólo puede presentarse de dos maneras:
(A1 ∩ B) y (A1 ∩ B). Por tanto:

P(B) = P(A1∩B) + (P A2∩B)

= P(A1) P(B | A1) + P(A2) P(B | A2) (4.16)

Sustituyendo las ecuaciones (4.15) y (4.16) en la ecuación (4.14) y expresando

dé manera similar P(A2|B) se obtiene el teorema de Bayes para el caso de dos
eventos.

TEOREMA DE BAYES (CASO DE DOS EVENTOS)

P ( A1 ) P( B∨ A 1)
P ( A 1∨B )= (4.17)
P ( A 1 ) P ( B| A 1) + P ( A 2) P(B∨ A 2)
P ( A2 ) P(B∨ A 2)
P ( A 2∨B )= (4.18)
P ( A1 ) P ( B| A 1 )+ P ( A 2 ) P(B∨ A 2)

A partir de la ecuación (4.17) y los valores de probabilidad del ejemplo, se tiene

P ( A1 ) P( B∨ A 1)
P ( A 1∨B )=
P ( A 1 ) P ( B| A 1) + P ( A 2) P(B∨ A 2)

( 0.65 ) (0.02) 0.0130

¿ =
( 0.65 )+ ( 0.35 ) (0.05) 0.0130+ 0.0175

0.0130
¿ =0.4262
0.0305

Y usando la ecuación (4.18) se encuentra P(A 2 | B).

 ( 0.35 )( 0.05)
P ( A 2|B )=
( 0.65 ) ( 0.02 )+ ( 0.35 ) (0.05)

0.0175 0.0175
¿ = =05738
0.130+ 0.0175 0.0305

Observe que al principio de este ejemplo, la probabilidad de seleccionar una

pieza y que fuera del proveedor 1 era 0.65. Sin embargo, dada la información
de que la pieza está mala, la probabilidad de que la pieza provenga del
proveedor 1 bajó a 0.4262. En efecto, si la pieza está mala, la posibilidad de
que sea del proveedor 2 es mayor que 50-50; es decir, P(A 2|B) = 0.5738.
El teorema de Bayes es aplicable cuando los eventos para los que se quiere
calcular la probabilidad revisada son mutuamente excluyentes y su unión es
todo el espacio muestral. En el caso de n eventos mutuamente excluyentes A1,
A2,..., An, cuya unión sea todo el espacio muestral, el teorema de Bayes aplica
para calcular cualquiera de las probabilidades posteriores P(A 1|B) como se
muestra a continuación
TEOREMA DE BAYES
P ( A i ) P (B∨ Ai )
P ( P i|B ) =
P ( A 1) P ( B| A1 ) + P ( A2 ) P ( B| A 2 ) +…+ P ( An ) P ( B| A n )

Con las probabilidades previas F(A 1), P(A2), ..., P(An) y las probabilidades
condicionales adecuadas P(B | A1), P(B | A2),..., P(B | An), se usa la ecuación
(4.19) para calcular la probabilidad posterior de los eventos A1, A2,... An

Método tabular
Para realizar los cálculos del teorema de Bayes es útil emplear un método
tabular. En la tabla 4.7 se muestra este método aplicado al problema de las
piezas de los proveedores. Los cálculos que se muestran ahí se realizan
mediante los pasos siguientes.
Paso 1. Se harán las columnas siguientes:
 Columna 1: Para los eventos mutuamente excluyentes A, de los
que quiere tener la probabilidad posterior
Columna 2: Para las probabilidades previas P(Ai) de los eventos
Columna 3: Para las probabilidades condicionales P(B | Ai) de la
nueva información B dado cada evento
Paso 2. En la columna 4 se calculan las probabilidades conjuntas P(A i ∩
B), de cada evento y la nueva información, empleando la ley de la
multiplicación. Estas probabilidades conjuntas se encuentran
multiplicando las probabilidades previas de la columna 2 por las
correspondientes probabilidades condicionales de la columna 3;
es decir, P(Ai ∩ B) = P(Ai)P(B | Ai).
Paso 3. Sume las probabilidades de la columna 4. Esta suma es la
probabilidad de la nueva información, P(B). Así, en la tabla 4.7 se
ve que la probabilidad de que una pieza sea del proveedor 1 y
esté mala es 0.0130 y que la probabilidad de que la pieza sea del
proveedor 2 y esté mala es 0.0175. Como éstas son las únicas
dos maneras de tener una pieza mala, la suma 0.0130 + 0.0175,
que es 0.0305, da la probabilidad de hallar una pieza mala en las
piezas recibidas de los dos proveedores.
Paso 4. En la columna 5 se calculan las probabilidades posteriores
usando la relación básica de la probabilidad condicional.

P( Ai ∩B)
P ( A i|B )=
P(B)

Observe que las probabilidades conjuntas P(A¡ C\ B) están en la columna 4 y

que la probabilidad P(B) es la suma de la columna 4.

TABLA 4.7 MÉTODO TABULAR PARA LOS CÁLCULOS DEL TEOREMA

DE BAYES APLICADO AL EJEMPLO DE LOS DOS
PROVEEDORES
(1) (2) (3) (4) (5)
 Probabilidades Probabilidades Probabilidades
Probabilidades
(1) (2) (3) (4) (5)
Probabilidades Probabilidades Probabilidades Probabilidades
Eventos Previas Condiciones conjuntas posteriores
Ai P(Ai) P(B|Ai) P(Ai∩B) P(Ai|B)
A1 0.65 0.02 0.0130 0.013080.0305=0.426
A2 0.35 0.05 0.0175 2
1.00 P(B)=0.0305 0.0175/0.0305=0.5738
1.0000