PREUNIVERSITARIO

2022-2

PROBABILIDADES
10
 ORIGEN DE LA PROBABILIDAD
Aparte de algunas consideraciones elementales hechas por Girolamo Cardano en
el siglo XVI, la doctrina de las probabilidades data de la correspondencia de Pierre
de Fermat y Blaise Pascal (1654). Christiaan Huygens (1657) le dio el tratamiento
científico.

La palabra probabilidad deriva del latín probabilitas, que también puede significar
"probidad“. En cierto sentido, esto difiere mucho del significado moderno de
probabilidad, que en cambio es una medida del peso de la evidencia empírica.
 APLICACIONES EN LA VIDA DIARIA
La probabilidad es una rama de las matemáticas tan cercanas a nosotros
que muchas veces, a veces sin darnos cuenta, las utilizamos en nuestro
lenguaje cotidiano. Algunas aplicaciones en la vida diaria lo vemos en:
Juegos de Azar:
Los dueños de los casinos están en el negocio para
ganar dinero por lo que han estudiado muy bien cuál es
la probabilidad de que el cliente gane en cada juego y
saben perfectamente que dicha probabilidad es baja.
Meteorología:
Las predicciones que hacen los meteorólogos sobre el
tiempo que hará en los próximos días se hace en base
a los patrones de lo que ha ocurrido en años anteriores
y se expresa en términos de probabilidad: "la
probabilidad de que llueva es del 90%“.
Decisiones médicas:
Si un paciente necesita que le realicen una
cirugía querrá saber cuál es la probabilidad de
éxito para decidir si se opera o no.
Esperanza de vida:
Es una medida del promedio de
años que se espera que viva una
persona en las condiciones de
mortalidad del período que se
calcula. Se basa en el cálculo de la
probabilidad de muerte o de vida
de la población a partir de los
datos recogidos sobre
nacimientos y defunciones,
distribuidos por sexo, edades,
territorios...
Prima de seguros:
Las compañías de seguros de autos analizan la edad y
el historial del cliente en el momento de decidir el tipo
de prima que va a aplicar. Si ha tenido varios
accidentes lo más probable es que pueda tener otro
por lo que su prima será más alta.

Fiabilidad de los productos:

En el diseño de muchos bienes de consumo como
coches, electrodomésticos, móviles... se utiliza la teoría
de la fiabilidad para reducir la probabilidad de avería.
Esta probabilidad de avería también está relacionada
con la garantía que el fabricante hace del producto.
 DEFINICIONES BÁSICAS

Experimento aleatorio(): Es un experimento que consiste en la realización de

una o más pruebas, cuyo resultado (en cada una) depende del azar, por tanto, no
se puede anticipar el resultado exacto, pero es posible conocer los posibles
resultados.

Espacio Muestral(  ): Conjunto de todos los posibles resultados de un

experimento aleatorio.

Evento o Suceso ( 𝐴 ⊂ Ω ): Conjunto de uno o más resultados de un

experimento aleatorio (es un subconjunto del espacio muestral). El vacío también
se considera un evento.
Ejemplo
Experimento Espacio muestral Eventos o Sucesos
aleatorio () () (A, B, C,…)
𝐴: Se obtiene un número par
𝜺𝟏 : Lanzar un dado 𝜴𝟏 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
𝐴 = {2,4,6}
𝒏(𝜴𝟏 ) = 𝟔 𝐵: Sale un número primo
𝐵 = {2,3,5}

𝜺𝟐 : Lanzar una 𝐶: Se obtiene dos caras

𝑪𝑪𝑪, 𝑪𝑪𝑺, 𝑪𝑺𝑪,
moneda 3 veces
𝜴𝟐 = 𝑺𝑪𝑪, 𝑪𝑺𝑺, 𝑺𝑪𝑺, 𝐶 = {𝐶𝐶𝑆, 𝐶𝑆𝐶, 𝑆𝐶𝐶}
𝑺𝑺𝑪, 𝑺𝑺𝑺
𝐷: Salen al menos dos sellos
𝒏(𝜴𝟐 ) = 𝟖
𝐷 = {𝐶𝑆𝑆, 𝑆𝐶𝑆, 𝑆𝑆𝐶, 𝑆𝑆𝑆}
 CLASIFICACIÓN DE LOS ESPACIOS MUESTRALES
𝛀 DEFINICIÓN EJEMPLOS

Discreto Posee un número 𝜀1 :Lanzar una moneda dos veces

finito finito de elementos 𝛺1 = {𝐶𝐶, 𝐶𝑆, 𝑆𝐶, 𝑆𝑆}
Posee un número 𝜀2 :Lanzar una moneda hasta
Discreto infinito numerable obtener la primera cara
infinito de elementos 𝛺2 = {𝐶, 𝑆𝐶, S𝑆𝐶, 𝑆𝑆𝑆𝐶, S𝑆𝑆𝑆𝐶, … }
Posee un número 𝜀3 :Lanzar un dardo en un
Continuo infinito no blanco de 10cm de radio
numerable de
elementos 𝛺3 = {(𝑥, 𝑦) ∈ ℝ2 𝑡𝑎𝑙 𝑞𝑢𝑒 𝑥 2 + 𝑦 2 ≤ 100}
 Álgebra de eventos
1. Sean 𝐴1 , 𝐴2 , … , 𝐴𝑛 eventos del espacio muestral , se cumple que:
𝒏

∎ ራ 𝑨𝒊 : Evento donde ocurre al menos uno de los eventos 𝐴1 , 𝐴2 , … , 𝐴𝑛 .

𝒊=𝟏
𝑨 ∪ 𝑩: es el evento donde ocurre sólo 𝐴 ó sólo 𝐵 ó ambos a la vez.
𝒏

∎ ሩ 𝑨𝒊 : Evento donde todos los eventos 𝐴1 , 𝐴2 , … , 𝐴𝑛 ocurren a la vez.

𝒊=𝟏

2. El número de eventos diferentes que se puede encontrar en un espacio

muestral  es: 2𝑛() .
En particular, llamemos:
Evento Imposible:∅ (nunca ocurre)
Evento seguro:  (siempre ocurre)
 Aplicación 1
Se lanzan un par de dados y definimos los siguientes eventos:
A: La suma de los resultados obtenidos es mayor que 4 pero menor a 7.
B: El producto de los resultados es impar
Determine el valor del cardinal de 𝐴 ∪ 𝐵
Resolución Los eventos son:
Los posibles resultados son: 4,1 ; 3,2 ; 2; 3 ; 1,4 ; 5,1 ;
𝐴=
Dado26 7 8 9 10 11 12 4,2 ; 3,3 ; 2,4 ; (1,5)
6 7 8 9 10 11 1,1 ; 1,3 ; 1,5 ; 3,1 ; 3,3 ; 3,5 ;
5 𝐵=
5 6 7 8 9 10 5,1 ; 5,3 ; 5,5
4
4 5 6 7 8 9 1,1 ; 1,3 ; 1,5 ; 3,1 ; 3,3 ; 3,5 ;
3
3 4 5 6 7 8 𝐴∪𝐵 = 5,1 ; 5,3 ; 5,5 ; 4,1 ; 3,2 ; 2,3 ;
2
2 3 4 5 6 7 1,4 ; 4,2 ; (2,4)
1
𝒏 𝑨 ∪ 𝑩 = 𝟏𝟓
Rpta.: 15
1 2 3 4 5 6 Dado1
 PROBABILIDAD DE UN EVENTO
Definición axiomática
Definición: Sea  el espacio muestral asociado a un experimento
aleatorio. La probabilidad de cualquier evento 𝐴 de , es el número real
𝑷(𝑨) que satisface los siguientes axiomas:
P1) 0 ≤ 𝑃 𝐴 , ∀ 𝐴 ⊂ 
P2) 𝑃  = 1
P3) Si 𝐴 y 𝐵 son dos eventos mutuamente excluyentes, entonces:
𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷(𝑩)
De los axiomas de probabilidad resultan los siguientes teoremas:
Teorema 1: Si ∅ es el evento imposible, entonces P ∅ = 0.
Demost.
Como  y ∅ son eventos disjuntos y = ∪ ∅,
por el axioma P3 se tiene P()=P()+P(∅) → P(∅)=0
 Teorema 2: Si 𝐴𝐶 es el evento complementario de 𝐴 (no ocurre 𝐴) entonces
PROPIEDAD DEL
𝑷 𝑨 = 𝟏 − 𝑷 𝑨𝑪 o 𝑷 𝑨𝑪 = 𝟏 − 𝑷(𝑨)
COMPLEMENTO
Demost.
Como 𝐴 y 𝐴𝐶 son eventos disjuntos y =𝐴 ∪ 𝐴𝐶 por el axioma P3) se tiene P()=P(𝐴)+P(𝐴𝐶 )

Luego, por el axioma P2) se tiene 1 = 𝑃 𝐴 + 𝑃(𝐴𝐶 )

Al despejar un sumando se obtiene los resultados deseados.

Teorema 3: Sean 𝐴 y 𝐵 eventos de un mismo espacio muestral entonces
𝑷 𝑨∪𝑩 =𝑷 𝑨 +𝑷 𝑩 −𝑷 𝑨∩𝑩 (PRINCIPIO INCLUSIÓN-EXCLUSIÓN)

Demost. Por el axioma P3.

𝑐
𝐴 = (𝐴 ∩ 𝐵 ) ∪ (𝐴 ∩ 𝐵) 𝑃 𝐴 = 𝑃 𝐴 ∩ 𝐵𝑐 + 𝑃(𝐴 ∩ 𝐵)
Se observa
que se
𝐵 = (𝐵 ∩ 𝐴𝑐 ) ∪ (𝐴 ∩ 𝐵) 𝑃 𝐵 = 𝑃 𝐴 ∩ 𝐵𝑐 + 𝑃(𝐴 ∩ 𝐵)
expresa de
forma 𝐴 ∪ 𝐵 = 𝐴 ∩ 𝐵𝑐 ∪ 𝐴𝑐 ∩ 𝐵 ∪ 𝐴 ∩ 𝐵 . 𝑃 𝐴 ∪ 𝐵 = 𝐴 ∩ 𝐵𝑐 + (𝐴𝑐 ∩ 𝐵)+P(𝐴 ∩ 𝐵)
mutuamente
excluyente : ⇒ 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 − 𝑃 𝐴 ∩ 𝐵 + 𝑃 𝐵 − 𝑃 𝐴 ∩ 𝐵 + 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃(𝐴 ∩ 𝐵)
 OBS: Para tres eventos 𝐴, 𝐵 y 𝐶 de un mismo espacio muestral se
verifica que:

𝑷 𝑨∪𝑩∪𝑪 =𝑷 𝑨 +𝑷 𝑩 +𝑷 𝑪 −𝑷 𝑨∩𝑩 −𝑷 𝑨∩𝑪 −𝑷 𝑩∩𝑪 +𝑷 𝑨∩𝑩∩𝑪

Aplicación 2
Las probabilidades que Jorge, Luis y Miguel resuelvan un problema son 1/5,
2/3 y 5/6 respectivamente. Determine la probabilidad que al menos uno de
ellos resuelva dicho problema.
RESOLUCIÓN Sean
𝐴: Evento que resulta de que al menos uno resuelva el problema.
𝐴𝐶 : Ninguno de ellos resuelva el problema.
4 1 1
𝑃 𝐴∪ 𝐴𝐶 =𝑃 𝐴 + 𝑃(𝐴𝐶 ) 1=𝑃 𝐴 + 5 3 6
43
1 2 5 𝑃(𝐴) =
43 Rpta.:
1=𝑃 𝐴 + 1 −5 1 −3 1− 6 45 45
 Aplicación 3
Sea A, B, C los eventos que un número seleccionado desde 1 hasta 1000
es divisible por 4, 5 y 7 respectivamente. Sea E = A ∩ Bc ∩ Cc . Determine
P(E).

Resolución
ሶ
140 1000 1000 1000 1000
20ሶ − − +
A
ሶ5 B
p E = 4 20 28 140
4ሶ 1000
ሶ
35 250 − 50 − 35 + 7
7ሶ C
p E =
28ሶ 1000
E = A ∩ Bc ∩ Cc RPTA: p E = 0.172
p E = p m4 − p m20 − p m28 + p(m140)
 Aplicación 4
Determine la probabilidad de obtener al menos tres 6 cuando se lanzan
18 dados.
RESOLUCIÓN
Sea
𝐴: Evento que resulta de obtener al menos tres 6 al lanzar 18 dados
𝐴𝐶 : Evento que resulta de obtener ningún 6 o un solo 6 o dos 6.

# de man. dif. : Ningún 6 Un 6 Dos 6

de obtener
𝟏𝟖 𝟏𝟖
𝟓𝟏𝟖 + 𝟏
𝟓𝟏𝟕 + 𝟐
𝟓𝟏𝟔
𝑷(𝑨) = 𝟏 − ≈ 𝟎, 𝟔𝟎
𝟔𝟏𝟖
Rpta.: 𝟎, 𝟔𝟎
 Probabilidad de un evento en un
espacio muestral finito
Sea  = 𝒘𝟏 , 𝒘𝟐 , … , 𝒘𝒏 , un espacio muestral finito, si 𝐴 es un evento del
espacio equiprobable  que consta de 𝑘 puntos muestrales (0 ≤ 𝑘 ≤ 𝑛)
entonces la probabilidad de 𝐴 es el número:
𝟏 𝟏 𝟏 𝒌
𝑷 𝑨 = + + ⋯+ =
𝒏 𝒏 𝒏 𝒏
𝑘 sumandos
Es decir, 𝒏(𝑨) 𝑪𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔
𝑷 𝑨 = =
𝒏() 𝑪𝒂𝒔𝒐𝒔 𝒑𝒐𝒔𝒊𝒃𝒍𝒆𝒔
Nota: Se puede verificar que 𝑷 𝑨 = 𝒏(𝑨)
cumple con los 3 axiomas
𝒏()
antes mencionado.
Aplicación 5
En una caja hay tres fichas rojas y cuatro fichas azules, de dicha caja
se extraen tres fichas simultáneamente. Calcule la probabilidad de
obtener al menos un rojo y al menos un azul.
Resolución:
7!
𝜀: 𝐸𝑥𝑡𝑟𝑎𝑒𝑟 𝑡𝑟𝑒𝑠 𝑓𝑖𝑐ℎ𝑎𝑠 𝑛 Ω = 𝐶37 = = 35
3! × 4!
𝐴: Obtener al menos un rojo y al menos un azul
(1R y 2A) o (2R y 1A)
7 fichas
𝑛 𝐴 = 𝐶13 × 𝐶24 + 𝐶23 × 𝐶14 = 30

3×6 3×4 𝟔
Rpta.:
𝑛 𝐴 30 𝟔 𝟕
𝑃 𝐴 = 𝑃 𝐴 = =
𝑛 Ω 35 𝟕
 Aplicación 6
Se tiene un polígono regular de 30 lados, si se desea formar triángulos uniendo tres
vértices del polígono con la condición que ningún lado del polígono debe ser un lado
del triángulo. Determine la probabilidad de elegir un triángulo con dichas condiciones.
RESOLUCIÓN
Número de formas diferentes de obtener 𝑛(Ω) = 𝟑𝟎
= 4 060
𝟑
un triángulo sin restricción:
Por otro lado, si ningún lado del polígono debe ser un lado del triángulo se tiene que
quitar dichos triángulos con tal restricción, así se presentan dos casos:
1) El triángulo esta formado por un solo 2) El triángulo esta formado por dos
lado del polígono lados del polígono
Número de formas = 30 × 26 Número de formas = 30
diferentes: = 780 diferentes:
3250 325
N° de formas distintas de obtener 𝑛(𝐴) = 4060 − 780 − 30 𝑃(𝐴) = =
un triángulo con dichas condiciones 4060 406
= 3 250 325
Rpta: 406
 Aplicación 7
José es un compulsivo apostador en “Metegolazo.com” (sitio web de apuestas deportivas). Para la
fecha 12 del campeonato de la “LIGA UNO” de los 10 partidos que se van a programar él decide
apostar al azar en el resultado final de cuatro partidos (gana local, gana visita o hay empates) solo
puede hacer una apuesta por cada partido seleccionado. Además, en cada uno de estos partidos
seleccionados, siempre apuesta por el equipo del cual él es hincha como ganador. Sea 𝐴 el evento
conformado por el número de apuestas diferentes que puede realizar José. Determine la
probabilidad de 𝐴.
RESOLUCIÓN
Sea 𝑈 el equipo favorito de José, luego se presentan dos opciones en su apuesta:
1) Esta el equipo 𝑈 en su apuesta: 2) No esta el equipo 𝑈 en su apuesta:
Número de formas 𝟗 𝟗
diferentes para apostar
= 𝐶 𝟑
× 3 3 Número de formas
diferentes para apostar
𝐶
=
𝟒
× 34

= 2 268 = 10 206
N° de formas diferentes de apostar para José = 𝑛(𝐴) = 12 474
10
N° total de formas diferentes para apostar = 𝑛(Ω) =
𝟒
𝐶
× 34 = 17 010
12 474 6 237 11 × 567 𝟏𝟏
𝑃 𝐴 = = = Rpta:
17 010 8 505 15 × 567 𝟏𝟓
 Eventos mutuamente excluyentes

Dos eventos A y B de un mismo de un mismo espacio muestral  ≠ ∅

son mutuamente excluyentes si no pueden ocurrir en forma simultánea,
esto implica que 𝑷 𝑨 ∩ 𝑩 = 𝟎.
Ejemplo:
Se lanzan dos dados y se registra los resultados obtenidos, también se
definen los siguientes eventos:
A: La suma de los resultados es un número impar
B: La suma de los resultados es un número par
C: El producto de los resultados es un número impar
¿Qué eventos son mutuamente excluyente? Rpta: A y B; A y C
 PROBABILIDAD CONDICIONAL

Sean 𝑨 y 𝑩 dos eventos de un mismo espacio muestral  con 𝑷(𝑨) > 𝟎, la

probabilidad que ocurra el evento 𝑩 dado que ha ocurrido el evento 𝑨 se
denomina probabilidad condicional y se denota por 𝑷(𝑩/𝑨) y se calcula:

𝑷 𝑨 ∩ 𝑩 𝒏(𝑨 ∩ 𝑩)
𝑷 𝑩Τ𝑨 = =
𝑷 𝑨 𝒏(𝑨)
Gráficamente 𝛀
A B
Nuevo espacio Casos favorables
muestral
Disminuye la
(el espacio muestral
incertidumbre
se reduce)
 Aplicación 8
Para dos sucesos A y B se sabe que 𝑃 𝐵 = 2𝑃 𝐴 ; 𝑃 𝐴 ∪ 𝐵 = 2𝑃 𝐴 ∩ 𝐵 = 0,1
Calcule 𝑃(𝐴) × 𝑃(𝑀Τ𝑁), siendo M el suceso más probable y N el menos probable
entre A y B.

RESOLUCIÓN
𝐿𝑢𝑒𝑔𝑜
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵 𝑀 =𝐵˄𝑁 =𝐴
0,1 2𝑃 𝐴 0,05 𝑃𝑜𝑟 𝑡𝑎𝑛𝑡𝑜
𝑃(𝐴) × 𝑃(𝑀|𝑁) = 0,05
3𝑃 𝐴 = 0,15
𝑃 𝐴 = 0,05 𝑃 𝐵∩𝐴
𝑃 𝐵 = 0,1 𝑃(𝐴)
Rpta: 𝟎, 𝟎𝟓
 Aplicación 9
Dos tipos de máquinas I y II, producen 100 y 200 balas por hora. Se sabe
que I produce un 5% de balas defectuosas y II produce un 6%. Se elige una
bala de un lote producido en una hora Si se sabe que es defectuosa, ¿cuál
es la probabilidad de que proceda de la máquina tipo I.

Resolución
1
× 5%
5% 3
1 MAQUINA D
𝑃 𝑀1Τ𝐷 =
1 2
I × 5% + × 6%
3 3 3
5%
MAQUINA 6% 𝑃 𝑀1Τ𝐷 =
2 D 5% + 12%
II 5
3 𝑃 𝑀1Τ𝐷 = = 𝟎, 𝟐𝟗𝟒𝟏
17
 Aplicación 10
Una urna contiene: 2 bolas blancas, 3 negras y 4 rojas. Se extraen tres bolas,
una a continuación de la otra: la primera es negra, la segunda es, no se sabe y
la tercera es blanca. ¿Cuál es la probabilidad que la segunda sea roja?

RESOLUCIÓN
3 4 2
Sea: × ×
= 9 8 7
𝐵: Evento que resulta de extraer 3
3 4 2 3 2 2
bolas (negra, no se sabe y blanca) × × + × × + 3 × 2×1
en ese orden. 9 8 7 9 8 7 9 8 7
𝐴: Evento conformado por
elementos de 𝐵 donde la segunda
bola es roja. = 4
7
 Eventos independientes
Dos eventos A y B (distintos del ∅) de un mismo espacio muestral 
asociado a un experimento aleatorio se dice que son independientes si
la ocurrencia de uno de ellos no influye en la ocurrencia del otro.

Es decir se cumple 𝑷 𝑩/𝑨 = 𝑷 𝑩 𝒚 𝑷 𝑨/𝑩 = 𝑷 𝑨

Consecuencia: Como
𝑃 𝐴 ∩ 𝐵
𝑃 𝐵Τ𝐴 = = 𝑃(𝐵) 𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑨 . 𝑷(𝑩)
𝑃 𝐴
En general: Si 𝐴 y 𝐵 son eventos independientes, de un mismo espacio
muestral, entonces
𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑨 . 𝑷(𝑩)
 Aplicación 11
Una de dos urnas tiene bolas 99 rojas y 1 negras, y la otra tiene 1
bolas rojas y 1 negras. Se elige una bola al azar de cada urna, y luego
una de estas dos bolas se elige al azar. ¿Cuál es la probabilidad de
que esta bola sea roja?
RESOLUCIÓN 𝟏
(Ι ΙΙ ) 99 1 1
Ι 𝟐
𝑹 𝑵 𝑹 = 𝑥 𝑥
𝑅𝑜𝑗𝑎𝑠 → 99 100 2 2
𝟏
𝑁𝑒𝑔𝑟𝑎𝑠 → 1 𝟏 𝟏
𝟏𝟎𝟎
𝒙
𝟐 𝟐 1 1 1
𝑵 𝑹 𝑹 = 𝑥 𝑥
ΙΙ 𝟐
100 2 2
𝑅𝑜𝑗𝑎𝑠 → 1 𝟐 99 1 2
𝑁𝑒𝑔𝑟𝑎𝑠 → 1 𝑹 𝑹 𝑹 = 𝑥 𝑥
100 2 2
𝑵 𝑵
298
𝑷= = 𝟎, 𝟕𝟒𝟓
400
 Aplicación 12
Los coeficientes de la ecuación cuadrática 𝑎𝑥 2 + 𝑏𝑥 + 𝑐 = 0, se
determinan lanzando un dado tres veces resultando (a, b, c). Calcular
la probabilidad de que la ecuación no tiene raíces reales.

Resolución X 1 2 3 4 5 6
La ecuación no tiene raíces reales cuando: 𝑏2 < 4𝑎𝑐
Entonces nos piden
1 1 2 3 4 5 6
2 43 𝟏𝟕𝟑 2 2 4 6 8 10 12
𝑃 𝑏2 < 4𝑎𝑐 = 1 − 𝑃 𝑏 ≥ 4𝑎𝑐 = 1 − =
216 𝟐𝟏𝟔 3 3 6 9 12 15 18
1 Ningún caso
4 4 8 12 16 20 24
4 1 ≥ 𝑎𝑐 1 caso
9 2,25 ≥ 𝑎𝑐 3 casos 5 5 10 15 20 25 30
16 4 ≥ 𝑎𝑐 8 casos 6 6 12 18 24 30 36
25 6,25 ≥ 𝑎𝑐 14 casos
36 9 ≥ 𝑎𝑐 17 casos
43 casos Respuesta: 173/216
 Probabilidad de un evento en un espacio muestral
infinito numerable
Sea  = 𝒘𝟏 , 𝒘𝟐 , … , 𝒘𝒏 , … , un espacio muestral infinito numerable, es decir:

 =  wi    
P  wi  =  P(wi ) = 1
i =1  i =1  i =1
Luego, si 𝐴 es un evento de , se tiene que:

P( A) =  P(w )
wi  A
i
 Aplicación 13
Jose y Humberto juegan alternativamente sacando una ficha con
reposición de una urna que contiene 3 fichas de color rojo y una de
color azul, si gana el primero que obtiene la ficha azul, calcule la
probabilidad de que gane José, si él inicia el juego.

Resolución
X: Evento de  que resulta ganador Luis
Sea X= 𝐸, 𝐹𝐹𝐸, 𝐹𝐹𝐹𝐹𝐸, …
E: Sale la ficha azul en la extracción 𝑖. 2 4
F: No sale la ficha azul en la extracción 𝑖. P ( X ) =  1  +  1  3  +  1  3  + ...
       
El espacio muestral que resulta  4   4  4   4  4 
de extraer una ficha hasta obtener 1  2
3 3
4

una azul es: =   1 +   +   + ...
  
4 4   4  
= 𝑬, 𝑭𝑬, 𝑭𝑭𝑬, … 1 1 4
= . 2
=
4 3 7
1−  
4
 Aplicación 14
Si tres personas 𝐴, 𝐵 y 𝐶 juegan a lanzar una moneda uno después del
otro y si gana el que obtiene la primera cara, calcule la probabilidad de
que gane 𝐵, si 𝐴 inicia el juego seguido de 𝐵 y después 𝐶 y así
sucesivamente.
Resolución
X: Evento de  que resulta ganador 𝑩
Sea
E: Sale cara en la tirada 𝑖. X= 𝑭𝑬, 𝑭𝑭𝑭𝑭𝑬, 𝑭𝑭𝑭𝑭𝑭𝑭𝑭𝑬, …
F: No sale cara en la tirada 𝑖. 4 7
 1  1   1  1   1  1 
P( X ) =    +    +    + ...
El espacio muestral que resulta  2  2   2  2   2  2 
de lanzar una moneda hasta obtener  3 6

 
1    
1 1
una cara s: =   1 +   +   + ...
 4    2   2  
= 𝑬, 𝑭𝑬, 𝑭𝑭𝑬, … 1 1 2
= . 3
=
4 1 7
1−  
2
 Probabilidad de un evento en un espacio muestral
continuo

Sea 𝐴 cualquier evento de un espacio muestral continuo , tal que la

medida (longitud o área) de 𝐴 exista, denotado por 𝑚(𝐴). Definamos la
probabilidad de 𝐴 como:
m( A)
P( A) =
m()
Observación:
En el caso de un espacio muestral continuo la probabilidad de un punto en
 es cero, por lo tanto, si 𝑃 𝐴 = 0 no implica que 𝐴 = ∅.
 Aplicación 15
Un centro de esparcimiento en forma de hexágono regular de 30𝑚 de lado, en
cuyos vértices existen piscinas en forma de sector circular de 10𝑚 de radio.
Si un paracaidista cae dentro del centro de esparcimiento. ¿Cuál es la
probabilidad de que no caiga en el agua?

Resolución Sea el evento 𝐴 el conjunto de puntos que estan

El espacio muestral  es el conjunto dentro de las 6 regiones de cada sector circular
de puntos de la siguiente región : con medida de angulo central 1200 :
2𝜋 2
30𝑚 ×10
𝐦() 𝑚 A =6 3
2
𝑚2

=200𝜋 𝑚2
Luego nos piden, la probabilidad del
complemento de 𝐴:
𝑐
1350 3 − 200𝜋= 0,73
302 3 𝑃 𝐴 =
𝑚  =6 4
𝑚2 =1350 3𝑚2 1350 3
 Aplicación 16
Dos médicos deciden encontrarse en un centro de salud entre las
7:00am y 8:00am. Si convienen que cada uno de ellos debe esperar al
otro a lo más 20 minutos. ¿Cuál es la probabilidad de que se
encuentren?
1/3
SOLUCIÓN:
8
Sean 1/3
𝑥: Hora de llegada de 𝐴.
𝑦: Hora de llegada de 𝐵. Área sombreada:
El espacio muestral es: 12
2 2 5
− 3 × 3= 9
= 𝒙, 𝒚 ∈ ℝ𝟐 : 𝟕 ≤ 𝒙 ≤ 𝟖, 𝟕 ≤ 𝒚 ≤ 𝟖 1/3
7 5
5
El evento es: 1/3 𝑃 𝐸 = 92 =
1 9
𝟏 7 8
E= 𝒙, 𝒚 ∈ : 𝒙 − 𝒚 ≤
𝟑
 Variable aleatoria discreta (VAD)
Asocia a cada elemento de un espacio muestral Ω = 𝑤1 ; 𝑤2 ; 𝑤3 ; … un número real.

Es decir 𝐗: 𝛀 ⟶ ℝ
𝛀 ∋ 𝐰𝐢 ⟶ 𝐗 𝐰𝐢 = 𝐱 𝐢 Se dice que la
variable es
Ejemplo: Se lanza una moneda tres veces y se define la variable aleatoria aleatoria porque
𝑋: Número de caras obtenidas su valor depende
𝑿 𝒇 del azar, y es
𝒇 𝒙𝒊 = 𝑷 𝑿 = 𝒙𝒊 discreta si su valor
Ω 𝑿 𝒘𝒊 = 𝒙𝒊
𝟏
se obtiene por un
SSS 𝑷𝑿=𝟎 = simple conteo y
0 𝟖
SSC por lo general
SCS 𝟑
1 𝑷 𝑿=𝟏 = estos valores son
CSS 𝟖
enteros.
SCC 𝟑
2 𝑷 𝑿=𝟐 =
CSC 𝟖
CCS 𝟏
𝑷 𝑿=𝟑 =
CCC 3 𝟖
 Distribución de Probabilidad Discreta
Función de probabilidad: Es aquella función que asigna a cada valor
de la variable aleatoria 𝑋 su respectiva probabilidad.
Es decir, sea 𝑨 el conjunto de valores de la variable aleatoria discreta 𝑿,
entonces

𝐟: 𝐀 ⟶ 𝟎, 𝟏 Observación:
𝐱 𝐢 ⟶ 𝐟 𝐱 𝐢 = 𝐏 𝐗 = 𝐱 𝐢 = 𝐩𝐢 Ésta función no es inyectiva y
tampoco sobreyectiva
Sea la variable aleatoria discreta 𝑋 con:
𝑋: 𝑥1 , 𝑥2 , … , 𝑥𝑘 (Valores de la variable)
𝑃: 𝑝1 , 𝑝2 , … , 𝑝𝑘 (Respectivas probabilidades)
Tabla de distribución de probabilidad discreta
Se debe cumplir 𝑿 𝒙𝟏 𝒙𝟐 ⋯ 𝒙𝒌
• 𝟎 ≤ 𝒑𝒊 ≤ 𝟏 ; 𝒑𝒂𝒓𝒂 𝒕𝒐𝒅𝒐 𝒊: 𝟏, 𝟐, 𝟑, … , 𝒌
𝑷 𝑿 = 𝒙𝒊 𝒑𝟏 𝒑𝟐 ⋯ 𝒑𝒌
• 𝒑𝟏 + 𝒑𝟐 + ⋯ + 𝒑𝒌 = 𝟏
 Valor Esperado ó Esperanza matemática E(X)
También llamada valor esperado, esperanza , o media de una variable
aleatoria, es el número que formaliza la idea de valor promedio de un
fenómeno aleatorio.
Si 𝑋 es una variable aleatoria discreta, con la siguiente tabla de
distribución de probabilidad 𝑿 𝒙 𝒙 ⋯ 𝒙
𝟏 𝟐 𝒌
𝑷 𝑿 = 𝒙𝒊 𝒑𝟏 𝒑𝟐 ⋯ 𝒑𝒌

el valor esperado 𝐤
de 𝑿 esta dado por:
𝐄 𝐗 = ෍ 𝐱 𝐢 . 𝐩𝐢 = 𝐱 𝟏 . 𝐩𝟏 + 𝐱 𝟐 . 𝐩𝟐 + ⋯ + 𝐱 𝐤 . 𝐩𝐤
𝐢=𝟏

Propiedades: 1. 𝐄 𝐚𝐗 + 𝐛 = 𝐚𝐄 𝐗 + 𝐛, 𝐝𝐨𝐧𝐝𝐞 𝐚 𝐲 𝐛 𝐬𝐨𝐧 𝐜𝐨𝐧𝐬𝐭𝐚𝐧𝐭𝐞𝐬

2. Sean 𝐗 𝟏 , 𝐗 𝟐 , … . , 𝐗 𝐧 Variables aleatorias. Entonces
𝐄 𝐗 𝟏 , 𝐗 𝟐 , … . , 𝐗 𝐧 = 𝐄(𝐗 𝟏 ) + 𝐄 𝐗 𝟐 + ⋯ . +𝐄( 𝐗 𝐧 )
 3. Sea X una variable aleatoria entonces Y=h(X) es variable
aleatoria. Por ejemplo 𝑌 = 𝑋 2 es variable aleatoria.
Aplicación 17
Se tiene una ruleta divida en cuatro sectores circulares de 900 cada uno , hay
dos sectores de color amarillo , uno naranja y uno negro , si se gira la rueda
tres veces , se define la variable aleatoria "𝑋“ como el numero de veces que
se obtiene el sector amarillo , calcule 𝐸(𝑋).
Resolución Sea
𝑋: El número de veces que se obtiene el color amarillo.
𝑋 0 1 2 3
𝑃(𝑋) 1 3 3 1
8 8 8 8
1 3 3 1 3
𝐸 𝑥 =0 +1 +2 +3 =
8 8 8 8 2
 Aplicación 18
Una empresa compra diariamente pescado en un puerto a 3 soles el Kg , para comercializar en los
mercados de Lima Norte. El pescado no vendido se ofrece en 1 sol el Kg . Calcule el valor esperado
de la ganancia diaria de la empresa, sabiendo que diariamente compra 1600 Kg de pescado para
vender en 4,5 soles el Kg. , además se sabe que para mantener la empresa en el mercado debe
superar los 700 soles diarios de ganancia en promedio , indique también si la empresa se
mantendrá o no en el mercado.
Demanda diaria en Kg (𝑥) 900 1200 1500
Probabilidad (𝑃(𝑥)) 0,5 k k k
RESOLUCIÓN Compra diaria en Kg(oferta) 1600 1600 1600
Demanda (Kg) 900 1200 1500
0,5𝑘 + 𝑘 + 𝑘 = 1 Queda( Kg) 700 400 100
𝑘 = 0,4 Probabilidad 0,20 0,40 0,40

𝑈1 = 900 4,5 + 700 1 − 1600 3 = −50

𝑈2 = 1200 4,5 + 400 1 − 1600 3 = 1000 𝐸 𝑈 = −50 0,20 + 1000 0,4 + 2050 0,4 =1210
𝑈3 = 1500 4,5 + 100 1 − 1600 3 = 2050 El valor esperado de la Utilidad es 1210 soles ,
por ello se mantendrán en el mercado.
 Problema 1
Con respecto a un espacio muestral Ω arbitrario. Determine la veracidad de las
siguientes proposiciones:
I. Si 𝑃 𝐴 = 0 entonces 𝐴 = ∅.
II. Si 𝑃 𝐴 = 𝑃(𝐵) entonces 𝐴 = 𝐵.
III. Si 𝑃 𝐴 + 𝑃(𝐵) = 1 entonces 𝐵 = 𝐴𝐶 .

A) VVV B) VVF C) VFF D) FFV E) FFF

Resolución
𝐵 = 2,4,6 III) 𝑃 𝐴 +𝑃 𝐵 =1
I) Imposible, no ( F )
siempre es el vacío 1 𝐴 = 1,2,4
II) 𝑃 𝐴 = 𝑃 𝐵 𝑃𝐴 =𝑃𝐵 = 𝐵 = 1,2,6
2
Ω = 1,2,3,4,5.6 𝐴≠𝐵 𝐵 ≠ 𝐴𝐶
𝐴 = 1,3,5 (F) (F) CLAVE E
 Problema 3
Con respecto a un espacio muestral Ω no nulo y eventos 𝐴, 𝐵 no nulos.
Determine la veracidad de las siguientes proposiciones:
I. Si 𝑃 𝐴 < 𝑃(𝐵) entonces 𝑃 𝐴𝐶 > 𝑃(𝐵𝐶 )
II. Si 𝑃 𝐴 > 1 entonces 𝑃 𝐵 + 𝑃 𝐵𝐶 = 1
III. 𝑃 (𝐴 ∪ 𝐵) ∩ 𝐵𝐶 = 𝑃(𝐴) si y sólo si 𝑃 𝐴 ∩ 𝐵 = 0.

A) VVV B) VVF C) VFF D) FFV E) FFF

Resolución
I) 𝑃 𝐴 <𝑃 𝐵 1−𝑃 𝐴𝑐 <1−𝑃 𝐵𝐶
𝑃 𝐴𝑐 >𝑃 𝐵𝐶 (V)
II) 𝑃 𝐴 >1→𝑃 𝐵 +𝑃 𝐵𝐶

F V ≡ (V)
III) 𝐴 ∪ 𝐵 ∩ 𝐵𝐶 = 𝐴 ↔ 𝐴 ∩ 𝐵 = ∅ ( V ) CLAVE A
 Problema 5
Las probabilidades de resolver un problema por 3 personas son 2/7, 4/7
y 4/9 respectivamente. ¿Cuál es la probabilidad de que se resuelva el
problema?
A) 122/147 B) 115/121 C) 77/120 D) 89/115 E) 97/136
Resolución resuelve A resuelve B.
2 4 4 2 4
𝑃 𝐴∩𝐵∩𝐶 = × × 40 100
7 7 9 7 7
30 441 441 4 4 16
32
𝑃 𝐴∩𝐵∩𝐶 = 𝑃 𝐵∩𝐶 = × =
441 441 32 7 9 63
80 366
2 4 8 24 441 𝑃 𝐴⊔𝐵∪𝐶 =
𝑃 𝐴∩𝐵 = × = 441 441
7 7 49 441 𝟏𝟐𝟐
2 4 8 60 𝑃 𝐴⊔𝐵∪𝐶 =
𝑃 𝐴∩𝐶 = × = 𝟏𝟒𝟕
441 4
7 9 63
resuelve C. 9 CLAVE A
 Problema 7
Si se cumple: n(A) = 160; n(B) = 150; n(C) = 120;
𝑛 𝐴 ∪ 𝐵 ∪ 𝐶 = 𝑛 Ω = 180. Calcule el menor valor de 𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 .

A) 5/36 B) 7/18 C) 13/72 D) 17/90 E) 71/180

Resolución B
A Si a=b=c=0 𝟕𝟎
b 𝑃 𝐴∩𝐵∩𝐶 =
m 𝑚 + 𝑛 + 𝑥 = 160 𝟏𝟖𝟎
a 𝑚 + 𝑝 + 𝑥 = 150 𝟕
x 𝑃 𝐴∩𝐵∩𝐶 =
p 𝑛 + 𝑝 + 𝑥 = 120 𝟏𝟖
n
2 𝑚 + 𝑛 + 𝑝 + 𝑥 + 𝑥 = 430
c 2 180 + 𝑥 = 430
C 𝑥 = 70 CLAVE B
 Problema 8
Una empresa de informática diseña un test psicológico de 10 preguntas
para sus trabajadores con alternativas: Siempre, Algunas veces, Nunca. Si
8 trabajadores responden el test, ¿cuál es la probabilidad que hayan
contestado con la alternativa Siempre o Nunca, sabiendo que todos
respondieron el test?

A) 0,036 B) 0,085 C) 0,068 D) 0,039 E) 0,049

Resolución
3 alternativas
2
P(siempre o nunca) = 8
3 2
P(S o N de 8 trabajadores) = = 0,039
3
CLAVE D
 Problema 9
Dos personas deciden encontrarse en cierto lugar para cerrar un negocio
entre las 7:00 pm y 8:00 pm. Si convienen que cada uno de ellos debe esperar
al otro a lo más 20 minutos, calcule la probabilidad de que se encuentren.
A) 1/11 B) 3/11 C) 5/11 D) 5/9 E) 7/9

Resolución
Hora de y Encuentro:
1
llegada B 𝑥−𝑦 ≤
8 1 3
3 2 2 1
𝑃 𝑒𝑛𝑐 =1− × × ×2
3 3 2
4 𝟓
x 𝑃 𝑒𝑛𝑐 =1− =
7 9 𝟗
Hora de
7 8 llegada A CLAVE D
 Problema 11
En un aula del Cepre-Uni hay 35 varones y 15 mujeres; las dos quintas partes de
los varones y la tercera parte de las mujeres eligió como su curso favorito a
Aritmética. Determine la probabilidad
Que le guste Aritmética dado que es una mujer.
Que no le guste Aritmética dado que es un varón.
Que sea mujer dado que le gusta Aritmética.
De como respuesta el producto de resultados.
A) 1/4 B) 1/2 C) 5/6 D) 1/19 E) 1/12
Resolución
5 1
Varón Mujer Total 𝑃 𝐴/𝑀 = =
15 3
Respuesta:
Aritmética 14 5 19 21 3
𝑃 𝑂/𝑉 = = 𝟏
Otro curso 21 10 31 35 5
5 𝟏𝟗
Total 35 15 50 𝑃 𝑀/𝐴 =
19 CLAVE D
 Problema 13
El 76% de los estudiantes de Ingeniería de Sistemas ha aprobado el curso de
Matemática Discreta, el 45% aprobó Estadística. Además el 30% aprobó
Matemática Discreta y Estadística. Si Jorge aprobó Matemática Discreta, ¿cuál
es la probabilidad de haber aprobado también Estadística?.
A) 0,23 B) 0,3947 C) 0,41 D) 0,56 E) 0,79
Resolución
Ω
𝑃 𝐸∩𝑀
𝑃 𝐸/𝑀 =
E 15% 30% 𝑃 𝑀
46% M 30
𝑃 𝐸/𝑀 =
76
9% 𝑃 𝐸/𝑀 = 𝟎,3947
CLAVE B
 Problema 14
Sea el espacio muestral C A, B = {f: A → B / f es una función } y sean los eventos
𝑋: Formado por funciones inyectivas.
𝑌: Formado por funciones sobreyectivas.
Si 𝐴 = {1,2,3} y 𝐵 = 1,2,3,4 calcule P X ∪ Y .
A) 2/5 B) 3/5 C) 3/8 D) 5/8 E) 3/10
Resolución
A B Ω = 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒 𝐴 → 𝐵
f 𝑛 Ω = 𝑛 𝐵 𝑛 𝐴
= 4 3
= 64
1
1
2 𝑋 = 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑠 𝑖𝑛𝑦𝑒𝑐𝑡𝑖𝑣𝑎𝑠 𝑑𝑒 𝐴 → 𝐵
2 𝑛(𝐵)
3 4
𝑛 𝑋 = 𝑃𝑛(𝐴) = 3 = 4 × 3 × 2 = 24
𝑃
3
4 𝑌 = 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑠 𝑠𝑜𝑏𝑟𝑒𝑦𝑒𝑐𝑡𝑖𝑣𝑎𝑠 𝑑𝑒 𝐴 → 𝐵 = ∅
𝑛 𝐵 =4 24 𝟑
𝑛 𝐴 =3 𝑃 𝑋∪𝑌 = =
64 𝟖 CLAVE C
 Problema 15
Sea el espacio muestral: Ω = {A ∈ 𝑀2×2 (R) / sus elementos son diferentes dos a dos }
donde 𝑀2×2 (R) es el conjunto de matrices de orden 2 × 2 con entradas en un
conjunto R. Sean los eventos: X = {A ∈ Ω/ 𝐴 = 1 }, Y = {A ∈ Ω/ 𝐴 = 2 }.
Si R = {1,2, … , 9} , calcule P X ∪ Y .

A) 1/25 B) 7/45 C) 1/36 D) 5/252 E) 13/63

Resolución 2 4
1 3 1 4 1 3 2 1
𝑎 𝑏 2 7 2 9 3 7 2 8 8 5
𝑐 𝑑 4 5 9 7 5 3 5 9 2 3
𝑛 Ω = 𝑃49 = 9 × 8 × 7 × 6 2 3 5 4 6 4 2 4 5 8
3 4 5 7 7 9 4 6 3 7
𝑛 Ω = 3024 5 7 4 6 6 8 5 8 2 5
𝑛 𝑋 ∪ 𝑌 = 15 × 4 15 × 4 𝟓
𝑝= = CLAVE D
3024 𝟐𝟓𝟐
 Problema 17
De un conjunto de 20 puntos no colineales. ¿Calcule la probabilidad de elegir
una pareja de triángulos diferentes de manera que estos tengan dos vértices
en común?

A) 3/67 B) 1/61 C) 5/59 17

D) 7/41 E) 4/13 2) # de maneras diferentes de: 3 × 𝐶1
Resolución: elegir el segundo triángulo = 51
1) # de maneras diferentes: 𝐶 20 =1140 # de parejas de
3 triángulos: 1140 × 51
de elegir el primer triángulo
con dichas condiciones 2
Sea 𝐴, 𝐵, 𝐶 los vértices del triángulo (𝑛 𝐴 )
elegido, para elegir otro triángulo con 𝐶320 (𝐶320 − 1) 1140 × 1139
𝑛 𝜴 = =
dos vértices en común debemos fijar 2 2
dos vértices y elegir un vértice de los 17 51 3
vértices restantes 𝑃 𝐴 = =
1139 67
CLAVE A
 Problema 17
De un conjunto de 20 puntos no colineales. ¿Calcule la probabilidad de elegir
una pareja de triángulos diferentes de manera que estos tengan dos vértices
en común?

A) 3/67 B) 1/61 C) 5/59 D) 7/41 E) 4/13

Resolución: Cada triangulo tiene 51

𝐶 20 triángulos que comparten
# de triángulos: 3 = 1140
uno de sus lados
Se escoge un triángulo 51 3
𝑃 = =
1140 − 1 67
17 triangulos que
comparten este lado

CLAVE A
 Problema 18
Sea el espacio muestral Ω = {(x, y, z) ∈ 0,9 3 / x + y + z = 12; x, y, z ∈ ℤ }
Sean los eventos X = x, 2x, z ∈ Ω , Y = {(x, y, 3y) ∈ Ω }
Calcule 𝑃 𝑋 + 𝑃(𝑌).
A) 3/67 B) 1/61 C) 5/59 D) 7/73 E) 4/13

4) Si 𝑥, 𝑦, 𝑧 ∈ 0,2,10 ,
Resolución Número de ternas que cumplen: 3!=6
1) Si: 𝑥, 𝑦, 𝑧 ∈ ℤ ∩ [0,12], 5) Si 𝑥, 𝑦, 𝑧 ∈ 1,1,10 ,
Número total de ternas 14
14! Número de ternas que cumplen: 𝑃𝑅23 = 3
𝑃𝑅2 = = 91
que cumplen: 2! 12!
𝑛(𝛺) =91-18 =73
2) Si 𝑥, 𝑦, 𝑧 ∈ 0,0,12 ,
𝑋: 3𝑥 + 𝑧 = 12 (𝑥, 𝑧) ∈ 1,9 , 2,6 , 3,3 , (4,0)
Número de ternas que 𝑃𝑅23 = 3 𝑌: 𝑥 + 4𝑦 = 12 (𝑥, 𝑦) ∈ 8,1 , 4,2 , 0,3
cumplen: 3 4 7
3) Si 𝑥, 𝑦, 𝑧 ∈ 0,1,11 , 𝑃 𝑋 + 𝑃(𝑌) = + =
73 73 73
Número de ternas que cumplen: 3!=6 CLAVE D
 Problema 20
Las entradas de la matriz
𝑎 𝑏
𝐴=
𝑐 𝑑
se determinan lanzando un dado cuatro veces resultando (a, b, c, d). Calcule
la probabilidad de que la matriz sea simétrica.

A) 1/5 B) 1/6 C) 2/5 D) 2/3 E) 5/6

Resolución
𝑎=𝑑 𝑦 𝑏=𝑐
Resultado de los dados: a b c d

# formas diferentes = 6 X 6 = 36
36 𝟏
𝑝= =
216 𝟔 CLAVE B
 Problema 29
Dos dados han sido enumerados desde 0 hasta 5 en cada una de sus caras,
si se propone un juego de que al lanzar dos de dichos dados se pagará 200
soles a aquel que obtenga como suma de cuadrados de sus resultados otro
número cuadrado perfecto positivo, caso contrario perderá S/ 25. Calcule la
utilidad esperada en soles.
A) – 25 B) 15 C) 30 D) 50 E) 90
Resolución
𝑛 Ω = 36
0,1 ; 0,2 ; 0,3 ; 0,4 ; 0,5
0 1 3 4 𝐴=
1,0 ; 2,0 ; 3,0 ; 4,0 ; 5,0 ; 3,4 ; 4,3
12 24 12 24
𝑃 𝐴 = →𝑃 𝐴𝐶 = 𝐸 𝑈 = 200 × − 25 ×
36 36 36 36
𝐸 𝑈 = 𝟓𝟎 CLAVE D
 Problema 2
Con respecto a un espacio muestral Ω y eventos A,B no nulos,
determine el valor de verdad de las siguientes proposiciones:
I.
II. Si , entonces
III. Si y son eventos independientes, entonces

A) VVV B) VVF C) VFF D) FFV E) FFF

Resolución
II. V
I.
V
V III.
1
Rpta. A
 Problema 4

Calcule la probabilidad de que un año bisiesto tenga 52 domingos.

A) 1/5 B) 2/5 C) 3/7 C) 5/7 E) 6/7
Resolución

Año bisiesto: 366 días 52 semanas y 2 días

cada día de la semana se repite 52 veces
Con toda seguridad hay: 52 domingos, 52 lunes, 52 martes,
52 miércoles, . . . , 52 sábados.
y dos días que se podrían repetir una vez más y llegar a 53.

P(52 domingos) = 1 sin clave

Problema 6
Tres bebés pasarán por control de crecimiento y desarrollo en un
hospital y luego se devolverá al azar a sus madres. Calcule la
probabilidad de que al menos un bebé vaya con su madre.
A) 1/5 B) 2/5 C) 4/5 C) 1/3 E) 2/3
Resolución
Probabilidad de que al menos
madres A B C Al menos 1
un bebé vaya con su madre:
a b c sí
a c b sí 4
P=
b a c sí 6
bebés 2
b c a no =
c a b no 3
c b a sí
Rpta. E
 Problema 06
Tres bebés pasarán por control de crecimiento y desarrollo en un hospital
y luego se devolverá al azar a sus madres. Calcule la probabilidad de que
al menos un bebé vaya con su madre.
A) 1/5 B) 2/5 C) 4/5 D) 1/3 E) 2/3
Resolución
𝑃(𝑁𝑖𝑛𝑔𝑢𝑛 𝐵𝑒𝑏𝑒 𝑣𝑎 𝑎 𝑠𝑢 𝑀𝑎𝑚𝑎) = 𝟏 − 𝑷(𝑵𝒊𝒏𝒈𝒖𝒏 𝑩𝒆𝒃𝒆 𝒗𝒂 𝒂 𝒔𝒖 𝑴𝒂𝒎𝒂)

B1 M1 𝑪𝑻 = 𝟑 𝒙 𝟐 𝒙 𝟏 = 𝟔
𝑪𝑭 = 𝟐 2 1
B2 M2 𝑃(𝑁𝑖𝑛𝑔𝑢𝑛 𝐵𝑒𝑏𝑒 𝑣𝑎 𝑎 𝑠𝑢 𝑀𝑎𝑚𝑎) = =
6 3
1 𝟐
B3 M3 𝑃(𝑁𝑖𝑛𝑔𝑢𝑛 𝐵𝑒𝑏𝑒 𝑣𝑎 𝑎 𝑠𝑢 𝑀𝑎𝑚𝑎) = 𝟏 − =
3 𝟑
Clave E
 Problema 10
En una urna se tiene 100 bolillas enumeradas desde el 1 hasta el 100.
Determine la probabilidad de extraer una bolilla numerada con un
número primo dado que se extrajo una bolilla impar.
A) 1/4 B) 1/2 C) 6/25 D) 12/25 E) 17/50
Resolución

Pares Impares
Primos 𝟏 𝟐𝟒 𝟐𝟓
No primos 𝟐𝟔 𝟕𝟓
𝟓𝟎 𝟓𝟎

𝟐𝟒 𝟏𝟐
∴𝑃 (𝑝𝑟𝑖𝑚𝑜/𝐼𝑚𝑝𝑎𝑟) =
𝟓𝟎
=
𝟐𝟓
Clave D
Problema 12
En una urna se tiene 2 bolas rojas, 3 negras y 5 azules. Si extraemos dos bolas al
azar una por una y sin reposición, determine la probabilidad que
1. La segunda extracción sea una bola azul.
2. Las dos bolas extraídas son del mismo color.
De como respuesta la suma de resultados.
A) 23/45 B) 73/90 C) 47/90 D) 2/15 E) 7/15
Resolución
𝜀: 𝐸𝑥𝑡𝑟𝑎𝑒𝑟 𝐷𝑜𝑠 𝐵𝑜𝑙𝑎𝑠 sin 𝑟𝑒𝑝𝑜𝑠𝑖𝑐𝑖𝑜𝑛
𝟏) 𝑃(𝑆𝑒𝑔𝑢𝑛𝑑𝑎 𝑎𝑧𝑢𝑙) = 𝑃(𝐴𝐴) + 𝑃(𝑂𝑡𝑟𝑜 𝑐𝑜𝑙𝑜𝑟 𝑦 𝐴)
5 4 5 5 𝟒𝟓
𝑃(𝑆𝑒𝑔𝑢𝑛𝑑𝑎 𝑎𝑧𝑢𝑙) = 𝑥 + 𝑥 =
10 9 10 9 𝟗𝟎
2 1 3 2 5 4 𝟐𝟖
𝟐) 𝑃(𝑅𝑅 𝑜 𝑁𝑁 𝑜 𝐴𝐴) = 𝑥 + 𝑥 + 𝑥 =
10 9 10 9 10 9 𝟗𝟎
𝟕𝟑
∴ 𝜮=
𝟗𝟎 Clave B
 Problema 16
Una de dos urnas tiene bolas 9 rojas y 6 negras, y la otra tiene 5 bolas rojas
y 10 negras. Se elige una bola al azar de cada urna, y luego una de estas dos
bolas se elige al azar. ¿Cuál es la probabilidad de que esta bola sea roja?
A) 1/12 B) 5/12 C) 4/15 D) 7/15 E) 11/15
Resolución 𝟏
(Ι ΙΙ ) 9 10 1
Ι 𝟐
𝑹 𝑵 𝑹 = 𝑥 𝑥
𝑅𝑜𝑗𝑎𝑠 → 9 15 15 2
𝟏
𝑁𝑒𝑔𝑟𝑎𝑠 → 6 𝟔 𝟓
𝟏𝟓
𝒙
𝟏𝟓 𝟐 6 5 1
𝑵 𝑹 𝑹 = 𝑥 𝑥
ΙΙ 𝟐
15 15 2
𝑅𝑜𝑗𝑎𝑠 → 5 𝟐 9 5 2
𝑁𝑒𝑔𝑟𝑎𝑠 → 10 𝑹 𝑹 𝑹 = 𝑥 𝑥
15 15 2
𝑵 𝑵
210 𝟕
Clave D
∴ 𝑷= =
450 𝟏𝟓
 Problema 19
𝑚 𝑌 = 144 𝑢2 𝑚 Ω = 288𝑢2
Sea el espacio muestral
𝑚 𝑋 = 36𝜋 𝑢2
• Ω = {(x, y) ∈ ℝ2 / |x| + |y| = 12}
• Sean los eventos
• X = {(x, y) ∈ Ω / 𝑥 2 + 𝑦 2 ≤ 62 }
• Y = {(x, y) ∈ Ω / x + y ≤ 12 ˄ y ≥ 0 }
• Calcule 𝑃(𝑋 ∪ 𝑌).
𝜋+2 𝜋−1 𝜋+2
• A) 9
B) 9
C) 8
𝜋+8 𝜋+6
• D)D)16
𝜋+8 E)
16 12

144 + 18𝜋
Resolución 𝑚 𝑋 ∩ 𝑌 = 18𝜋 𝑢2 𝑃 𝑋 ∪ 𝑌 = 288
Graficando en el plano 𝜋+8
𝑃 𝑋∪𝑌 = CLAVE D
16
 Problema 21
Una urna contiene doce fichas de las cuales tres están premiadas. Si a
una persona le toca extraer cinco fichas al azar y a otra persona el resto,
Calcule la probabilidad de que las tres fichas premiadas sean obtenidas
por una misma persona.
A) 1/34 B) 4/65 C) 9/44 D) 13/113 E) 7/232
Resolución
𝑛 Ω = 𝐶512 × 𝐶77 = 792 1 2 3 4 5 6

3 9
𝐶
𝑛 𝑃1 = 3 × 𝐶2 7 8 9 10 11 12
3 9
𝑛 𝑃2 = 𝐶3 × 𝐶4
9 9 𝟗
𝐶2 + 4𝐶 36 + 126 162
𝑝= = = =
𝐶512 × 𝐶77 792 792 𝟒𝟒
CLAVE C
 Problema 30
En una casa importadora de solamente televisores LCD de 52 pulgadas,
suponga que el número de LCD que se vende al mes está definido por
la variable X, y tiene la siguiente x 0 1 2 3
función de probabilidad. F(x) 0,1 0,3 0,4 0,2
El costo de LCD permanece fijo en S/ 2 000 por este mes y se obtiene un
descuento de S/ 20x2 en cualquier compra, lo que espera obtener en soles
esta empresa en la venta de LCD al final del mes próximo es
A) 3 000 B) 3 074 C) 3 326 D) 3 400 E) 3 550
Resolución x
0
|
1
|
2
|
3
|

y = 2000x – 20x2 0 1980 3920 5820 Rpta. C

y | | | |

E(y) = 0(0,1) + 1980(0,3) + 3920(0,4) + 5820(0,2) = 3326