PRÁCTICA 1. Aleatoriedad, experimentos y sucesos. ¿Contamos?

Probabilidad y Simulación. Grado en Ciencia de Datos

Índice

1. Lo que tengo que saber 2

1.1. Aleatoriedad, experimento y espacio muestral . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1. Teoría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Combinatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1. Teoría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3. Definición clásica de probabilidad. Propiedades de la probabilidad . . . . . . . . . . 7
1.3.1. Teoría . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.2. Ejercicios . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

2. Actividades para la memoria 14

2.1. Actividad 1: Los exámenes finales . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Actividad 2: El problema del regalo . . . . . . . . . . . . . . . . . . . . . . . . . . 14

1
1. Lo que tengo que saber

1.1. Aleatoriedad, experimento y espacio muestral

1.1.1. Teoría

Un experimento aleatorio es cualquier acción cuyo resultado es desconocido antes de

realizarla. Lanzar una moneda al aire o tirar un dado son dos ejemplos claros de un experimento
aleatorio.

El espacio muestral es el conjunto de todos los posibles resultados de este experimento. Lo

denotamos por la letra griega Ω. En los dos ejemplos anteriores, los espacios muestrales serían
Ω ={Cara, Cruz} y en el del dado Ω ={1,2,3,4,5,6}.

Un suceso o evento es cualquier subconjunto del espacio muestral. Obtener una cara al lanzar
la moneda es un subconjunto del espacio muestral del primer ejemplo y obtener un número
par podría ser un suceso en el segundo ejemplo. Hablaremos de suceso simple o elemental
cuando éste solo contenga un posible resultado y compuesto en cualquier otro caso.

1.1.2. Ejercicios

Ejercicio 1. Se lanza tres veces seguidas una moneda, ¿cuál es el espacio muestral?, ¿cuántos sucesos
lo forman?. Si en lugar de lanzar tres monedas, lanzásemos n monedas, ¿cuántos sucesos formarían
el espacio muestral?

Para responder a la primera pregunta, podemos utilizar la librería prob de R, y el comando tosscoin
que genera el espacio muestral para un experimento en el que se lanza una moneda repetidas veces.
En nuestro caso particular, lo aplicamos cuando lanzamos tres, y mostramos el espacio muestral a
continuación.

library(prob)
tosscoin(3)

## toss1 toss2 toss3

## 1 H H H
## 2 T H H
## 3 H T H
## 4 T T H

2
## 5 H H T
## 6 T H T
## 7 H T T
## 8 T T T

Podemos observar que el espacio muestral está formado por 8 sucesos Ω = {(CCC), (+CC), (C +
C), (+ + C), (CC+), (+C+), (C + +), (+ + +)} ya que en cada lanzamiento tenemos 2 posibilidades,
como tenemos tres lanzamientos el número de posibilidades es 2 · 2 · 2 = 23 = 8. A esto se le conoce
como variaciones con repetición, y lo veremos más adelante. Si queremos deducir qué ocurriría con
n
z }| {
n lanzamientos, basta con darse cuenta que 2 · · · 2 = 2n .

Ejercicio 2. se lanzan tres dados a la vez, y se suman los valores obtenidos en cada dado. ¿Cuál es
el espacio muestral de este experimento?

De nuevo utilizamos una de las funcionalidades del paquete prob, en particular el comando rolldie
que nos indica el espacio muestral para el lanzamiento de dados. En este caso basta con aplicarlo
para el caso en que se lanzan tres dados y sumar.

head(rolldie(3))

## X1 X2 X3
## 1 1 1 1
## 2 2 1 1
## 3 3 1 1
## 4 4 1 1
## 5 5 1 1
## 6 6 1 1

barplot(table(apply(rolldie(3), 1, sum)))

3
 25
20
15
10
5
0

3 4 5 6 7 8 9 10 12 14 16 18

Así, el espacio muestral será Ω = {3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18}. Observar que los
valores centrales aparecen con más frecuencia.

1.2. Combinatoria

1.2.1. Teoría

Como ya habéis visto en matemática discreta, la Combinatoria es la parte de las Matemáticas que
estudia las diversas formas de realizar agrupaciones con los elementos de un conjunto, formándolas
y calculando su número. Existen distintas formas de realizar estas agrupaciones:

(a) si influye o no el orden de colocación de los elementos (AB no es lo mismo que BA),

(b) según se puedan tomar todos los elementos de que disponemos o no y

(c) según se repitan los elementos o no:

Hablaremos de variaciones, permutaciones o combinaciones según se cumplan los puntos anteriores o

no. Veamos con un esquema como reconocer, en cada momento, de qué tipo de combinación estamos
hablando:

4
 VARIACIONES
1. SI influye el orden.
2. NO utilizamos todos los elementos.

VARIACIONES SIN REPETICIÓN VARIACIONES CON REPETICIÓN

Vnp = n!
(n−p)! V Rpn = np

PERMUTACIONES
1. SI influye el orden.
2. SI utilizamos todos los elementos.

PERMUTACIONES SIN REPETICIÓN PERMUTACIONES CON REPETICIÓN

P n = n! P Ra,b,c,...
n = n!
a!·b!·c!...

COMBINACIONES
1. NO influye el orden.
2. SI o NO podemos utilizar todos los elementos.

COMBINACIONES SIN REPETICIÓN COMBINACIONES CON REPETICIÓN

n n+p−1 (n+p−1)!
CRpn =
 
n!
 
Cnp = p = p!(n−p)! p = p!(n−1)!

1.2.2. Ejercicios

Ejercicio 3. ¿Cuántas matrículas de automóvil distintas se tendrán si los tres primeros lugares los
ocuparán letras y los 4 últimos números? ¿y si se prohíbe que repitan letras y números?

Si nos centramos en primer lugar en las letras, e intentamos seguir el esquema anterior, vemos que el
orden importa (No va a ser lo mismo ABC, que CBA, o ACB); además, no vamos a usar todos
los elementos, ya que tenemos 3 huecos y 26 letras en el alfabeto; y las letras se pueden repetir
(podemos tener AAB, o BCC, etc.). Por tanto, tenemos variaciones con repetición (V Rnp ) y
3 = 26 · 26 · 26 = 263 = 17576.
el número de combinaciones posibles se puede calcular como V R26
Siguiendo el mismo razonamiento, se obtiene el resultado para el caso de los números, y los podemos

5
 4 = 10 · 10 · 10 · 10 = 104 = 10000. El resultado final es la multiplicación de ambos
calcular como V R10
175760000.

Si por el contrario, está prohibido repetir letras y números, estamos ante variaciones sin repetición
26!
Vnp . En el caso de las letras V26
3 =
(26−3)! = 26 · 25 · 24 = 15600, y en el caso de los números
4 = 10!
V10 (10−4)! = 10 · 9 · 8 · 7 = 5040. Multiplicando ambos resultados, obtenemos el total 78624000.

En R las variaciones con repetición no requieren de una función adicional ya que son simplemente
funciones exponenciales, sin embargo, para el caso de las variaciones sin repetición, hacemos uso de
la función fact.

#Matrículas de automóvil distintas se tendrán si los tres

#primeros lugares los ocuparán letras y los 4 últimos números
26ˆ3 * 10ˆ4

## [1] 175760000

#Sin repetición de letras y números

fact(26)/fact(26-3) * fact(10)/fact(10-4)

## [1] 78624000

Ejercicio 4. Luis quiere poner 10 libros en una estantería. De los 10 libros diferentes, 4 son de
matemáticas, 3 de química, 2 de historia y 1 de lengua. El chico quiere ordenar tanto los grupos de
libros de la misma asignatura como los libros de forma que queden juntos los de la misma materia.
¿Cuántas ordenaciones diferentes son posibles?

Para resolver este problema, centrémonos primero en los 4 libros de matemáticas. Y volviendo al
esquema presentado previamente, observamos que en este caso el orden si influye. Dado que
vamos a usar todos los elementos, y no podemos repetir (ya que tenemos cuatro libros),
tenemos permutaciones sin repetición. Por tanto, habrá P 4 = 4! formas diferentes de colocar los
libros de matemáticas. Usando el mismo razonamiento, tendremos P 3 = 3! formas de colocar los
libros de química, P 2 = 2! de colocar los libros de historia y P 1 = 1! de colocar el libro de lengua.

Ahora bien, ¿qué bloque colocamos primero? Tenemos cuatro posibles bloques: matemáticas, química,
historia y lengua. De nuevo, estamos ante permutaciones sin repetición, y por tanto, las diferentes
formas de colocar estos 4 bloques se pueden calcular utilizando P 4 = 4!. El resultado final, se
obtendría multiplicando todo lo anterior, es decir, 4! · 3! · 2! · 4! = 6912.

6
Para poder calcularlo en R de nuevo hacemos uso del comando fact.

fact(4) * fact(3) * fact(2) * fact(4)

## [1] 6912

Ejercicio 5. A partir de un grupo de 5 hombres y 7 mujeres, ¿cuántos comités que consten de 2

hombres y 3 mujeres se pueden formar?

Calculemos por separado el grupo de hombres y el de mujeres. Mirando el esquema anterior, en este
caso el orden no importa, y no hay repetición, es decir, tenemos combinaciones sin repetición.
Así, tenemos que el número total de comités posibles sería
! !
5 7 5! 7!
C52 · C73 = · = · = 350 .
2 3 2!(5 − 2)! 3!(7 − 3)!

En R, basta utilizar la función choose.

choose(5,2)*choose(7,3)

## [1] 350

1.3. Definición clásica de probabilidad. Propiedades de la probabilidad

1.3.1. Teoría

La interpretación clásica de la probabilidad se basa en el concepto de sucesos igual de probables.

La idea es que, si todos los N resultados de un espacio muestral Ω son igual de probables, y un
suceso A contiene m de esos sucesos, la probabilidad de A puede calcularse con la fórmula (conocida
como formula de Laplace):
m
P (A) =
N

Definición: Un espacio de probabilidad consiste en un espacio muestral Ω y una función de

probabilidad P (·) donde la función P debe cumplir los siguientes axiomas:

0≤P ≤1

P (Ω) = 1.

Si A1 , An . . . son eventos que no pueden suceder a la vez (eventos disjuntos ∀i 6= j Ai ∩ Aj = ∅)

7
 ∞
[ ∞
X


P Aj = P (Aj )
j=1 j=1

Propiedades de la probabilidad

P (∅) = 0,

P (Ac ) = 1 − P (A)

Si A ⊆ B, P (A) ≤ P (B)

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

La cuarta de estas reglas tiene una generalización conocida como la fórmula de inclusión-exclusión:

Teorema: (Inclusión-exclusión). Para cualquier grupo de sucesos A1 , . . . , An ,

n
[ n
X X X
P (Ai ∩ Aj ∩ Ak ) − . . . (−1)n+1 P (A1 ∩ · · · ∩ An )


P Aj = P (Aj ) − P (Ai ∩ Aj ) +
j=1 j=1 i<j i<j<k

1.3.2. Ejercicios

Ejercicio 6 (El problema de las coincidencias). Supongamos que 4 invitados llegan a una casa y dejan
el sombrero en el vestíbulo. Si a la salida los recuperan de modo aleatorio, calcular la probabilidad
de que ninguno de ellos reciba su propio sombrero.

Sea A = {ninguno de ellos recibe su propio sombrero}, y sea Ai = { el i-ésimo invitado recupera su
sombrero }. Se verifica que Ac = ∪4i=1 Ai y por tanto,

4
!
[
c
P (A) = 1 − P (A ) = 1 − P Ai
i=1
4
X X
= 1− P (Ai ) + P (Ai ∩ Aj ) −
i=1 i<j
X
− P (Ai ∩ Aj ∩ Ak ) + P (A1 ∩ A2 ∩ A3 ∩ A4 )
i<j<k
! !
1 4 1 4 1 1
= 1−4· + − +
4 2 4·3 3 4·3·2 4·3·2·1
9
= = 0,375 .
24

Ejercicio 7 (Problema del cumpleaños). En una sala hay solo 3 personas, ¿cuál es la probabilidad

8
de que al menos dos personas cumplan años el mismo día?, y si hubiera n, ¿cuál sería dicha
probabilidad?

Definimos An = { al menos dos personas cumplan años el mismo día cuando el número total de
personas en la sala es n}. Utilizando la segunda propiedad de la probabilidad enunciada anteriormente
sabemos que P (A) = 1 − P (Ac ).

Observar que la segunda persona puede cumplir años en cualquier momento del año, pero sólo en 364
no coincidiría con la primera persona. En el caso de la tercera persona, ocurriría algo similar, puede
cumplir años en cualquier momento del año, pero sólo en dos no coincidiría con los cumpleaños de
las otras dos personas. Así,

364 363
P (A3 ) = 1 − · = 0,0082 .
365 365

Si lo calculamos para el caso de n personas en una sala el procedimientos es similar:

364 363 365 − n + 1

P (An ) = 1 − · ···
365 365 365
364 · · · (365 − n + 1)
= 1−
365n−1
365 · 364 · · · (365 − n + 1)
= 1−
365n
365! 1
= 1− ·
(365 − n)! 365n
n
V365
= 1− n
V R365

Observar que P (Acn ) se puede escribir haciendo uso de la definición clásica de probabilidad, dividiendo
casos favorables entre casos posibles, y donde los casos favorables los podemos calcular como una
n ), y los casos posibles como una variación con repetición (V Rn ).
variación sin repetición (V365 365

En R podemos encontrar la función pbirthday que calcula la probabilidad de que al menos dos
personas cumplan años el mismo día dándonos la posibilidad de variar el número de personas que
encontramos en la sala.

Para resolver el problema suponemos que el año tiene 365 días (no es bisiesto) y hallamos la
probabilidad de que no haya coincidencias. Para el caso de que haya tres personas en la sala,

9
obtenemos:

pbirthday(3)

## [1] 0.008204166

También podemos representar en un gráfico cómo va variando esa probabilidad dependiendo del
número de personas que hay en la sala.

n <- 1:100

library(ggplot2)
ggplot(data = data.frame(x = n, y = sapply(n,pbirthday)),
aes (x = x, y=y)) +
geom_line() +
xlab("número de personas") +
ylab("probabilidad de coincidir")

1.00

0.75
probabilidad de coincidir

0.50

0.25

0.00

0 25 50 75 100
número de personas

Observar que si en la sala hay 40 personas, la probabilidad de encontrar a al menos dos personas
que cumplan años el mismo día es casi de 0,9.

Por el contrario, si queremos saber cuantas personas tendría que haber en una sala para que con
probabilidad 0,5 coincidiesen al menos dos cumpleaños, podemos utilizar la función qbirthday.

qbirthday(0.5)

## [1] 23

10
Obtenemos que necesitaríamos 23 personas en una sala para que con probabilidad de 0,5 al menos
dos cumpliesen años el mismo día.

Pero con R, además, podemos calcular la probabilidad de encontrar a al menos tres personas que
cumplan años el mismo día. Por ejemplo, si tenemos 23 personas en la sala, la probabilidad de que
tres cumplan años el mismo día sería:

pbirthday(23, coincident = 3)

## [1] 0.01441541

Podemos realizar el mismo gráfico que antes hemos realizado para el caso de dos.

n <- 1:365

library(ggplot2)
ggplot(data = data.frame(x = n, y = sapply(n,pbirthday, coincident=3)),
aes (x = x, y=y)) +
geom_line() +
xlab("número de personas") +
ylab("probabilidad de coincidir")

1.00

0.75
probabilidad de coincidir

0.50

0.25

0.00

0 100 200 300

número de personas

En este caso necesitaríamos 88 personas para que con probabilidad 0,5 al menos tres de ellas
cumpliesen años el mismo día.

Ejercicio 8. Tenemos dos urnas y un dado. Lanzamos el dado, si nos sále un 1 o un 2 iremos a la

11
urna A si sale 3,4,5 o 6 iremos a la urna B. Sabemos que ambas urnas tienen 10 bolas. En concreto
la urna A tiene 3 rojas una negra y 6 verdes y la urna B tiene 2 verdes, 2 negras y 6 rojas. Resuelve
las siguientes cuestiones:

(a) ¿Cuál es la probabilidad de sacar un 3, 4, 5, o 6 y una bola roja?

(b) ¿Cuál es la probabilidad de sacar una bola verde si ha salido un 1?
(c) ¿Cuál es la probabilidad de sacar una bola roja si ha salido 5?
(d) ¿Cuál es la probabilidad de sacar una bola verde y un 2?

La forma más sencilla de resolver este problema es utilizando lo que se conoce como diagramas de
árbol.

library(openintro)
treeDiag(c('Resultado Dado','Resultado Urna'),
c(2/6,4/6),
out1 = c("{1,2}", "{3,4,5,6}"),
out2 = c("R", "V", "N"),
list(c(0.3, 0.6, 0.1),
c(0.6, 0.2, 0.2)),
digits = 2)

Resultado Dado Resultado Urna

R, 0.3
0.1

{1,2}, 0.3333333 V, 0.6

0.2

N, 0.1
0.03

R, 0.6
0.4

{3,4,5,6}, 0.6666667 V, 0.2

0.13

N, 0.2
0.13

(a) ¿Cuál es la probabilidad de sacar un 3, 4, 5, o 6 y una bola roja?

Sea A = {sacar un 3,4,5 o 6 y una bola roja}, y fijándonos en el diagrama de árbol previo,

12
 obtenemos que:
P (A) = 0,666 · 0,6 = 0,4 .

(b) ¿Cuál es la probabilidad de sacar una bola verde si ha salido un 1?

Sea V = {sacar bola verde sabiendo que ha salido un 1}, tenemos que

P (V ) = 0,6 .

(c) ¿Cuál es la probabilidad de sacar una bola roja si ha salido 5?

Sea R = {sacar bola roja sabiendo que ha salido un 5}, tenemos que

P (R) = 0,6 .

(d) ¿Cuál es la probabilidad de sacar una bola verde y un 2? Para responder a esta pregunta,
definimos los sucesos A2 = {sacar un dos al lanzar el dado } y V = {sacar bola verde sabiendo
1
que ha salido un dos }. Sabemos que P (A2 ) = 6 y P (V ) = 0,6. Por tanto,

1
P (A2 ∩ V ) = · 0,6 = 0,1
6

13
2. Actividades para la memoria

2.1. Actividad 1: Los exámenes finales

Se sabe que la probabilidad de que un estudiante de primero del Grado en Ciencias de Datos apruebe
Álgebra es 0,7, Análisis Matemático 0,6 y Probabilidad y Simulación 0,81. Sabiendo que el alumno
aprueba o suspende cada asignatura de forma independiente, calcular las probabilidades de que:

a) Apruebe las tres asignaturas.

b) Suspenda solo una de las tres asignaturas.
c) Si ha suspendido sólo una, la probabilidad de que haya sido Probabilidad y Simulación.

Suponiendo que el estudiante únicamente se ha matriculado de Álgebra y Análisis Matemático, y

que, si aprueba Álgebra tiene más probabilidad de aprobar Análisis Matemático por la motivación
que experimenta (y viceversa). Si la probabilidad de que apruebe ambas asignaturas es 0,5, calcula
las probabilidades de que:

d) Sólo suspenda Álgebra.

e) Suspenda alguna de las dos asignaturas.
f) Apruebe Álgebra habiendo aprobado Análisis Matemático previamente.

2.2. Actividad 2: El problema del regalo

Sois 30 personas en clase y es el cumpleaños de uno de vuestros compañeros y decidís hacerle

un regalo. El regalo consiste en una foto de cada una de las personas del grupo, sin incluir al
cumpleañero. Para hacer el regalo más divertido cogéis 100 sobres y, en cada uno de ellos sorteáis la
foto que vais a introducir. Todas las fotos tienen la misma probabilidad de entrar (o no) en cada
uno de los sobres (tenéis copias de sobra de cada foto).

Al terminar, le dais los 100 sobres y cruzáis los dedos para ver si ha conseguido completar la
colección, es decir, si ha conseguido todas vuestras fotos o le falta alguna.

Calcula la probabilidad de que el cumpleañero obtenga un conjunto completo de vuestras fotos.

14