PROBABILIDADES

1. EXPERIMENTOS ALEATORIOS. ESPACIO MUESTRAL

FENÓMENOS O EXPERIMENTOS DETERMINISTAS son aquellos en los que

puede predecirse de antemano cuál va a ser el/los resultados del experimento. También
se les llama fenómenos causales, porque la causa determina el efecto.
FENÓMENOS O EXPERIMENTOS ALEATORIOS son aquellos en los que no
puede predecirse de antemano cuál va a ser el/los resultados.

Ejemplos:

1) Experimento: Lanzamos un objeto desde una cierta altura y medimos la

aceleración con la que cae.
Resultado: La aceleración con la que cae el objeto es de 9.8 m/s2.
2) Experimento: Calculamos el perímetro de un cuadrado de lado 1 m.
Resultado: El perímetro es de 4 m.
3) Experimento: Lanzamos un dado y anotamos el resultado.
Resultado: Puede salir cualquier número del 1 al 6.
4) Experimento: Extraemos una carta de una baraja.
Resultado: Puede salir cualquier carta de la baraja.
En los dos primeros ejemplos conocemos de antemano cuál va a ser el resultado
del experimento (experimentos deterministas), mientras que en los otros dos no
(experimentos aleatorios).

NOTA: La palabra aleatorio significa que depende de la suerte o el

azar. En latín, ALEA, significa suerte o azar. Es famosa la frase
de Julio César cuando, al atravesar el río Rubicón para tomar Roma,
dijo: "Alea jacta est", o sea, "La suerte está echada".

ESPACIO MUESTRAL. Es el conjunto formado por todos los resultados de un

experimento o fenómeno aleatorio. Lo denotamos con la letra E.

2. SUCESOS. CLASES

El espacio muestral asociado al experimento aleatorio consistente en lanzar tres

dados y anotar la suma de los puntos obtenidos es:
{3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}
Podemos considerar algunos subconjuntos de E, por ejemplo:
Salir múltiplo de 5: A = {5, 10,15}
Salir número primo: C = {3, 5, 7, 11, 13,17}
Salir mayor o igual que 12: D = {12, 13, 14, 15, 16, 17,18}
Todos estos subconjuntos del espacio muestral E los llamamos sucesos.
Suceso de un fenómeno o experimento aleatorio es cada uno de los subconjuntos del
espacio muestral E. Usaremos letras mayúsculas para referirnos a sucesos.
Sea E un espacio muestral. Se denomina espacio de sucesos de E al conjunto de
las partes o subconjuntos de E. Se simboliza  (E).

Si E = {a,b,c};  (E) = {, {a},{b},{c},{a,b},{a,c},{b,c},E}

1
Se advierte que
 En un espacio de sucesos siempre están dos sucesos, el llamado suceso
imposible,, y el propio espacio muestral, E.
 Para un espacio muestral finito, con n sucesos simples, el espacio de sucesos,
 (E), está formado por 2n sucesos.
CLASES DE SUCESOS
Suceso elemental. Es cada uno de los posibles resultados de un experimento
aleatorio.
Suceso compuesto. Es el que está formado por dos o más resultados del
experimento; es decir, por dos o más sucesos elementales.
Suceso seguro. Es el que se verifica siempre al realizar el experimento aleatorio.
Está formado por todos los resultados posibles del experimento y, por tanto,
coincide con el espacio muestral.
Suceso imposible. Es el que nunca se verifica. Se representa por  .
Ejemplo:
En el experimento de tirar un dado y anotar la cara superior, el suceso A =
“salir par” se produce siempre que el resultado sea 2,4 ó 6 y, por tanto, se dice que
estos tres sucesos elementales son favorables a A. El suceso A = {2, 4, 6} es un
subconjunto del espacio muestral, y al constar de más de un elemento es un suceso
compuesto. El suceso B= “salir múltiplo de 5” sólo se produce cuando el resultado
es 5; por tanto, B= {5}, y como es un subconjunto del espacio muestral que está
formado por un único elemento, es un suceso elemental.
El suceso A= “salir un número menor que 10” es un suceso seguro, y el suceso
B= “salir un múltiplo de 7” es un suceso imposible.

OPERACIONES CON SUCESOS.

 INCLUSIÓN E IGUALDAD DE SUCESOS. Un suceso A

B
A está incluido (contenido) en otro suceso B, si todo
suceso elemental de A pertenece también a B. Se
representa A  B .
Dos sucesos A y B son iguales si están formados por los A  B
mismos sucesos elementales. Se representa por A = B.

 UNIÓN DE SUCESOS. La unión de dos sucesos A y B,

representada por A  B , es el suceso que se produce
cuando se realiza A o B, o ambos. A  B es el
subconjunto del espacio muestral formado por los
sucesos simples que pertenecen a A o a B.
A  B =  x  x  A o x  B

 INTERSECCIÓN DE SUCESOS. Si tenemos dos

sucesos A y B de un mismo experimento aleatorio,
llamamos suceso intersección de A y B al suceso que se
realiza cuando lo hacen A y B simultáneamente. Se
representa por A  B .
A  B =  x  x  A y x  B .

2
  DIFERENCIA DE SUCESOS. La diferencia de los
sucesos A y B, representada por A – B, es el suceso que se A B
verifica cuando se realiza A y no se realiza B.
A  B   x  x  A y x  B .
AB
A-B

 DIFERENCIA SIMÉTRICA DE SUCESOS. Es el suceso que

resulta cuando se verifica uno sólo de los dos sucesos. Se A B

representa por AB y se cumple AB   A  B    B  A  .

B-A
A-B

SUCESO CONTRARIO. Para un suceso cualquiera A de un experimento

aleatorio, llamamos suceso contrario del suceso A al suceso que se
verifica cuando no se verifica A, y recíprocamente. Se representa por A ,
Ac, o A’. A   x  E  x  A . Así pues, la diferencia de sucesos se puede
expresar A  B  A  B .

Se cumple que: a) Dos sucesos contrarios recubren el espacio muestral:

A A  E
b) Dos sucesos contrarios son incompatibles: A  A   .
c) E  
d)   E

A los sucesos contrarios también se les llama sucesos complementarios.

SUCESOS INCOMPATIBLES. Dos o más sucesos son incompatibles cuando no se

pueden dar simultáneamente. Si A y B son incompatibles A  B =  . El que se
produzca el suceso A impide que se produzca el B, y viceversa. En caso contrario
diremos que los sucesos son compatibles.

3. ÁLGEBRA DE BOOLE DE SUCESOS

En el espacio de sucesos  (E) asociado al espacio muestral E correspondiente a un

experimento aleatorio cualquiera, las operaciones unión, intersección y
complementación verifican las propiedades:

3
PROPIEDADES UNIÓN INTERSECCIÓN
CONMUTATIVA AB = BA A B  B  A
ASOCIATIVA A   B  C    A  B  C A   B  C    A  B  C
IDEMPOTENTE A A  A A A  A
SIMPLIFICACIÓN A   B  A  A A   B  A  A
DISTRIBUTIVA A   B  C    A  B   A  C  A   B  C    A  B   A  C 

ELEMENTO A  A A E  A
NEUTRO
ABSORCIÓN A E  E A  

A las familias de conjuntos que verifican las propiedades anteriores se les

denomina álgebra de Boole. Por tanto, el espacio de sucesos  (E) con las operaciones
unión, intersección y complementación se le llama álgebra de Boole de los sucesos
aleatorios.
Son álgebra de Boole la de los sucesos, la de los conjuntos y la de las
proposiciones lógicas, entre otras.
En el álgebra de Boole anterior, se verifican las siguientes propiedades, conocidas
como LEYES DE DE MORGAN:
1)  A  B   A  B
2)  A  B   A  B
Las representaciones de los sucesos o diagramas de Venn permiten comprobar las
propiedades de la unión e intersección de sucesos.
Ejemplo 1.

Se lanzan dos monedas sucesivamente y se toman los sucesos A = “salir

exactamente una cara” y B = “en la segunda moneda sale cruz”. Comprobemos que se
cumplen las leyes de De Morgan.
El suceso A  B es el suceso “hay exactamente una cara o en la segunda moneda sale
cruz”, luego A  B = {cx, xc, xx} y  A  B  = E - A  B = {cc}.
Puesto que A = {cc, xx} y B = {xc, cc}, se tiene que A  B = {cc}, y se cumple
 A  B  A  B .
El suceso A  B ocurre si “en la primera moneda sale cara y en la segunda sale cruz},
luego  A  B  = {cc, xc, xx} = A  B

Ejemplo 2.

Se extraen sucesivamente tres bolas de una urna que contiene bolas blancas y
rojas. Halla el espacio muestral y describe el suceso contrario del A = “alguna bola es
roja”. Luego, calcula la diferencia A - A .

El espacio muestral es: E = {BBB,BBR,BRB,BRR,RBB,RBR,RRB,RRR}

A = “ninguna bola es roja” = “todas son blancas” = {BBB}
A- A = A   A   A  A  A = {BBR, BRB, BRR, RBB, RBR, RRB, RRR}

4
FRECUENCIA RELATIVA Y PROBABILIDAD

Ejemplo: Se lanza un dado 200 veces y se anotan los resultados. Los datos aparecen en
la siguiente tabla:

Resultado del Nº de veces (fi) Frecuencias relativas (fr)

lanzamiento
1 24 0.12
2 30 0.15
3 36 0.18
4 37 0.185
5 41 0.205
6 32 0.16
Total n=200 1

Si A es un suceso de un experimento aleatorio y n es el nº total de pruebas que se

realizan:
LA FRECUENCIA ABSOLUTA DE A es el nº total de veces que ocurre A.
Frecuencia absoluta de A
LA FRECUENCIA RELATIVA DE A = . Es la proporción
Nº de pruebas
de veces que el suceso A ocurre.
Observamos que:
1) La frecuencia relativa de un suceso es un nº comprendido entre 0
y 1. 0  f r  1
2) La suma de las frecuencias relativas de los sucesos elementales
ha de ser 1.  f r  1
EJERCICIO: Lanza una moneda, observa el resultado y completa la tabla:

Nº de lanzamientos 10 20 30 40 50 70 100 130 150

Nº de veces que sale cara
Frecuencia relativa

¿Hacia qué nº se aproxima la frecuencia relativa de sacar cara? ¿Cuál será la

probabilidad de sacar cara?
SOLUCIÓN:
 Observamos que la frecuencia relativa se acerca a 0.5, a medida que aumenta el
nº de pruebas.
 Intuitivamente, la probabilidad de sacar cara es 1 de entre 2: ½ = 0.5

Si se puede repetir el experimento un número grande de veces en las mismas

condiciones, se puede estimar la probabilidad de un suceso a partir de su frecuencia
relativa.
LEY DE LOS GRANDES NÚMEROS, LEY DEL AZAR O LEY DE
ESTABILIDAD DE LAS FRECUENCIAS RELATIVAS.
En series largas de pruebas la frecuencia relativa de un suceso tiende a estabilizarse
alrededor de un número que coincide con su probabilidad. P ( A)  lim f r ( A)
n 

5
ESPACIOS EQUIPROBABLES. REGLA DE LAPLACE.
Un espacio muestral es equiprobable si consta de un número finito de sucesos
elementales y todos ellos tienen la misma probabilidad de suceder. E = {x1, x2,…,xn} y
P(x1)= P(x2)=…=P(xn)
La probabilidad es una función que asigna a cada suceso A un número, representado por
P(A), que mide la posibilidad de que A se produzca.
Si E es equiprobable,
nº de sucesos elementales de que consta A nº de casos favorables a A
P( A)  
nº de sucesos elementales de que consta E nº de casos posibles
Observa que se cumple que 0  P ( A)  1
4. DEFINICIÓN AXIOMÁTICA DE PROBABILIDAD.

La definición que vamos a adoptar es la que dio el matemático ruso Andrei Kolmogorov
(1903-1987), en el año 1933, basando sus axiomas en las propiedades de las frecuencias
relativas de los sucesos.
La probabilidad es cualquier función que asigna a los sucesos asociados a un
experimento aleatorio un número que cumple con los tres axiomas siguientes:
 La probabilidad del suceso seguro o espacio muestral es 1. P(E)=1
 Cualquiera que sea el suceso A, su probabilidad es un número no negativo.
P(A)  0
 Si A y B son dos sucesos incompatibles, A  B   , entonces la probabilidad
del suceso unión es la suma de las probabilidades: P(A  B) = P(A) + P(B)
De estos axiomas se deducen las propiedades siguientes:
I. P (  )=0. E y  son incompatibles y E = E   , luego por los axiomas 1
y 3 tenemos 1=1+P(  )  P(  )=0
II. Si     P  P . A y B-A son incompatibles y
A  ( B  A)  B luego por los axiomas 3 y 2 tenemos
P ( B )  P ( A)  P ( B  A)  P ( A)
III. P(A)  1. Como A  E de la propiedad 2 y del axioma 1 se deduce que
P ( A)  P ( E )  1
IV. P(Α) = 1 - P(Α) . Puesto que A y A son incompatibles y A  A  E se
tiene por el axioma 3 que P( A  A)  P( A)  P( A)  1  P( A)  1  P( A)

PROBABILIDAD DE LA UNIÓN DE SUCESOS

Sean A y B dos sucesos de un experimento

aleatorio de n sucesos elementales
equiprobables, siendo a el número de sucesos
elementales de A-B, b el de B-A y c el de
A  B . Observando la figura y aplicando la
probabilidad de Laplace, se puede ver que: a c b
ac bc
P ( A)  ; P( B)  ;
n n
abc c
P( A  B)  ; P( A  B) 
n n
Luego P ( A)  P ( B )  P ( A  B )  P ( A  B ) y,
por tanto, la probabilidad de la unión de dos sucesos es:

6
 P ( A  B )  P ( A)  P ( B )  P ( A  B )

En el caso particular de sucesos incompatibles, al ser A  B   la fórmula se

nos queda:
P ( A  B )  P ( A)  P ( B )

1. PROBABILIDAD CONDICIONADA

En el cálculo de las probabilidades de algunos sucesos, el valor de dicha

probabilidad varía en función del conocimiento de determinadas informaciones relativas
a estos sucesos.
Ejemplo:
La distribución, en porcentajes, de la sangre española en grupos sanguíneos y factores
Rhesus es:

O A B AB TOTAL
Rh+ 35 40 4 2 81
Rh- 6 9 3 1 19
Total 41 49 7 3 100

Elegido un individuo al azar,

- La probabilidad de que su sangre sea del grupo B es del 7%
- La probabilidad de que su sangre tenga el factor Rh+ es del 81%
- Sabiendo que pertenece al grupo B, la probabilidad de tener Rh+ es
P(Rh+/B)=4/7=57.14%
- Sabiendo que tiene el factor Rh+, la probabilidad de pertenecer al grupo B es P
(B/Rh+)= 4/81 = 4.49%.

Estas situaciones y otras análogas nos conducen al concepto de PROBABILIDAD

CONDICIONADA.

Si A y B son dos sucesos compatibles y no imposibles (P(A)  0, P (B)  0) de un

mismo espacio muestral, se llama probabilidad del suceso A condicionado al B, y se
escribe P(A/B), a la probabilidad de que ocurra el suceso A supuesto que haya ocurrido
el B.

P( A  B) P( A  B)
P( A / B)  , análogamente P( B / A)  .
P( B) P( A)

Se puede demostrar que P( A / B)  1  P( A / B)

NOTA 1: Obsérvese que así como A y B son sucesos de la categoría de

pruebas inicial  (E), el suceso B/A ya no es de esa categoría de pruebas
porque, como es seguro que se ha dado A, el espacio muestral ahora no es E,
sino A.
NOTA 2: Podemos, a veces, hallar P (B/A) sin usar la fórmula, sino sabiendo que A
se ha realizado y a partir de ahí hallar P (B/A). Pero si usamos la fórmula, tendremos

7
en cuenta que P(A  B) y P(A) se calculan suponiendo que aún no se ha realizado el
experimento, es decir, a priori.

PROBABILIDADES MEDIANTE DIAGRAMA DE ÁRBOL (EXPERIMENTOS COMPUESTOS)

EJEMPLO 1: Se lanza una moneda tres veces. ¿Cuál es la probabilidad de obtener tres
caras? ¿Y la de obtener al menos dos caras?
SOLUCIÓN: E={ccc,ccx,cxc,xcc,cxx,xcx,xxc,xxx}
P (obtener 3 caras) = P({ccc})= 1/8
P (obtener al menos dos caras) = P ({ccx,cxc,xcc,ccc})= 4/8 = ½

Otra forma:
1ª moneda 2ª moneda 3ª moneda Resultado Probabilidad

CCC 1/8
C
C X CCX 1/8
C C CXC 1/8
X X CXX
1/8
C XCC 1/8
C X XCX 1/8
X
C XXC 1/8
X
X XXX 1/8

Las probabilidades de cada rama son todas iguales a ½.

EJEMPLO:

En una urna hay 10 bolas, de las que 7 son azules y 3 son verdes. Se sacan
sucesivamente (sin reemplazamiento) dos bolas al azar. ¿Cuál es la probabilidad de que
la segunda bola sea verde si la primera ha sido azul?

SOLUCIÓN:
1ª bola 2ª bola RESULTADO PROB

8
 P ( A  A)
P(A).P(V/A)=
A AA 7
10  69
6/9

P(A)=7/10 A
AV
7
10  93
V
P(V/A)=3/9

7/9 A VA
3
10  97

3/10
V
2/9 V VV 3
 92
10
1ª

 Si sabemos que la primera bola extraída es azul, antes de sacar la segunda bola,
en la urna quedan 6 bolas azules y 3 bolas verdes, que hacen un total de 9 bolas.
Por tanto, el nuevo espacio muestral es una urna con 6 bolas azules y 3 verdes.
De aquí hallamos directamente la probabilidad condicional pedida. P (2ª bola
verde si la 1ª es azul) = 93 .
 Es evidente que la probabilidad de que la segunda bola sea verde, está
condicionada por el resultado de la primera extracción.
 La probabilidad de que la 2ª bola sea verde condicionado a que la 1ª bola es azul
P(2ª bola verde y 1ª azul) 107  93 3
se representa P(2ªbola verde/1ªbola azul)=  7 9
P(1ª bola azul) 10

5.1. PROBABILIDAD COMPUESTA O DEL PRODUCTO

Si en la fórmula de probabilidad condicionada despejamos P ( A  B ) obtenemos:
P(A B) = P(A)× P(B/A) O también P ( A  B )  P ( B )  P ( A / B ) , fórmula que recibe el
nombre de probabilidad compuesta o del producto.

Esta expresión se utiliza con más frecuencia, en la resolución de problemas, que la que
aparece en la definición de probabilidad condicionada.
Para tres sucesos tenemos: P ( A  B  C )  P ( A)  P ( B / A)  P (C / A  B )
Esta fórmula admite una generalización para n sucesos.

5.2. SUCESOS DEPENDIENTES E INDEPENDIENTES.

Un suceso A es independiente de B si P(A)=P(A/B); en caso contrario, A es
dependiente de B.
 Decimos que dos sucesos A y B son independientes entre sí, si la ocurrencia de
uno de ellos no modifica la probabilidad del otro, es decir, si: P(B/A)=P(B) ó
P(A/B)=P(A).
 Decimos que dos sucesos A y B son dependientes entre sí, si la ocurrencia de
uno de ellos modifica la probabilidad del otro, es decir, si P(B/A)  P(B) ó
P(A/B)  P(A)

9
Despejando de la fórmula de probabilidad condicionada y sustituyendo la condición de
independencia de dos sucesos se obtiene, para dos sucesos independientes:
P ( A  B )  P ( A)  P ( B )
Como consecuencia de la definición se tiene que tres sucesos A, B y C son
independientes si se cumplen a la vez P ( A  B )  P ( A)  P ( B ) , P ( A  C )  P ( A)  P (C ) ,
P ( B  C )  P ( B )  P (C ) , y P ( A  B  C )  P ( A)  P ( B )  P (C )

EJEMPLO: a) Calcula la probabilidad de que al extraer 3 cartas, sucesivamente,

de una baraja española de 40 cartas, sean todas copas.
b) Calcula la probabilidad de que al extraer 3 cartas, con
reemplazamiento, de una baraja española, sean todas copas.
SOLUCIÓN:
a) Se pide calcular P (C1  C2  C3 ) , utilizando la probabilidad compuesta:
P(C1  C2  C3 )  P (C1 )  P(C2 / C1 )  P(C3 / C1  C2 )  1040  39  38  0.012
9 8

b) Como la carta extraída se vuelve a introducir, los sucesos son independientes

y la probabilidad buscada es:
P(C1  C2  C3 )  P(C1 )  P(C2 )  P(C3 )  10
40  40  40  0.016
10 10

6. PROBABILIDAD TOTAL.

Cuando sucede que un suceso B está condicionado por otros Ai, el cálculo de su
probabilidad a través de sus probabilidades condicionadas es el teorema de la
probabilidad total.

Previamente definamos, para una colección de sucesos, lo que se conoce como

sistema completo de sucesos.
E

Llamamos sistema completo de sucesos a una familia A1,

A2,…An de sucesos de  (E) que cumplen:
a) Son incompatibles dos a dos, Ai  Aj  , i  j
n
b) La unión de todos ellos es el suceso seguro A E i
i 1

Teorema de la probabilidad total.

Sea E el espacio muestral de un experimento aleatorio, representado en la figura, y sea

también A1, A2 y A3 un sistema completo de sucesos. En estas condiciones, para
cualquier suceso B   (E), se cumple:
P( B)  P( A1 )  P( B / A1 )  P( A2 )  P( B / A2 )  P( A3 )  P( B / A3 )
n
P ( B )   P ( Ai )  P ( B / Ai )
i 1

10
7. TEOREMA DE BAYES

En el año 1763, dos años después de la muerte de Thomas Bayes, se publicó una
memoria en la que aparece, por vez primera, la determinación de la probabilidad de las
causas a partir de los efectos que han podido ser observados. El cálculo de dichas
probabilidades recibe el nombre de Teorema de Bayes.
En el teorema de la probabilidad total, para el cálculo de P (B) se ha considerado
la influencia de los sucesos Ai en B a través de las P (B/Ai). Ahora se invierte el interés
y se quiere conocer la influencia del suceso B sobre las Ai, es decir, conocer P (Ai/B).
P( Ai  B)
Como P( Ai / B)  , P( Ai  B)  P( Ai )  P( B / Ai ) y
P( B)
n
P ( B )   P ( Ai )  P ( B / Ai ) se tiene:
i 1

P ( Ai )  P ( B / Ai )
P ( Ai / B )  n

 P( A )  P ( B / A )
i 1
i i

DEMOSTRACIÓN.
P( Ai )  P( B / Ai )
p( Ai  B)  P( Ai )  P( B / Ai )  P( B)  P( Ai / B)  P( Ai / B) 
P( B)
Las probabilidades P (Ai) reciben el nombre de probabilidades a priori.
Las probabilidades P (Ai/B) reciben el nombre de probabilidades a posteriori.
Las probabilidades P (B/Ai) reciben el nombre de verosimilitudes.

NOTA: EN LOS PROBLEMAS RELACIONADOS CON LA PROBABILIDAD, Y EN PARTICULAR

CON LA PROBABILIDAD CONDICIONADA, ASÍ COMO CON LA PROBABILIDAD TOTAL Y EL
TEOREMA DE BAYES, ES ACONSEJABLE QUE, CON LA INFORMACIÓN DEL PROBLEMA,
CONSTRUYAS UNA TABLA DE CONTINGENCIA O UN DIAGRAMA DE ÁRBOL.

8. TABLAS DE CONTINGENCIA Y DIAGRAMAS DE ÁRBOL.

Una tabla de contingencia es una forma de presentar los datos que permite abordar de
forma sencilla la resolución de problemas de cálculo de probabilidades.
En particular, una tabla de contingencia para las probabilidades de dos sucesos refleja
todas las posibilidades que pueden presentar estos sucesos y es de la forma:

A A TOTAL
B P( A  B) P( A  B) P(B)
B P( A  B ) P( A  B ) P( B )
TOTAL P(A) P ( A) 1

Estas tablas se pueden generalizar a más de dos sucesos.

DIAGRAMAS DE ÁRBOL

11
Es una forma de representar determinadas situaciones, en particular los sucesos
compuestos.

C
0.9

A
0.05
0.1
C
C
0.01

B
0.95
0.99 C

Si el árbol está bien construido tiene que ocurrir:

a) Que la suma de todas las probabilidades de las ramas que parten de un nudo sea
1.

b) Que la suma de todas las probabilidades de los sucesos finales sea 1.

12