DINANDI P CABRERA SANTANA

2021-2854

Introducción
Históricamente la Estadística, en sus inicios, no usaba la teoría de las probabilidades, de
hecho, ambas ramas de la Matemática en sus inicios fueron independientes; esto es así
debido a que la Estadística era de naturaleza descriptiva, como se ha visto en el
tema Estadística descriptiva, análisis de datos. Con el tiempo, empezó a usarse para
predecir sucesos a partir de datos anteriores, y también para llegar a conclusiones
globales usando datos parciales, es lo que se denomina inferencia estadística. Pero estas
predicciones y conclusiones no deben nunca interpretarse como precisas, como puede
ser en Ciencias Exactas, sino que siempre están limitadas por conceptos como “margen
de confianza”, “valor estimado”, “hipótesis” y también “probabilidad “. En este post
vemos una introducción breve y simple a la teoría de la probabilidad aplicada a la
Estadística.
Probabilidad y predicción
El concepto de probabilidad es la base de la Estadística, y no es un concepto fácil de
entender. La utilidad de los datos del pasado es comprender el presente y poder hacer
predicciones sobre el futuro. También, la utilidad de tener unos datos parciales,
una muestra de datos es la de poder hacer predicciones sobre el conjunto total de los
datos, o población. A estas predicciones en Estadística las llamamos inferencias, y al
conjunto de técnicas para lograrlo, técnicas de inferencia Estadística.
Pero en Estadística estas inferencias no son nunca predicciones exactas sino
aproximadas. Para dar una valoración de cuan aproximadas son, utilizamos el concepto
de probabilidad. Así, una predicción con una probabilidad asociada del 100% tendría
certeza absoluta, y en el otro extremo, con una probabilidad asociada del 0% tendría
falsedad absoluta: nunca se cumpliría. En las aplicaciones prácticas, estos valores
extremos nunca se alcanzan.

Precisión

Torres Petronas

Si leyéramos que la altura de la torres Petronas en Kuala Lumpur es de 452,340 metros,

podríamos pensar, con razón, que no tiene mucho sentido detallar los decímetros,
DINANDI P CABRERA SANTANA
2021-2854

centímetros y milímetros de la altura, con lo metros sería suficiente, debido a que unos
milímetros más o menos no tienen importancia en este caso concreto.
La valoración del número de decimales correcto es una dificultad para muchos
estudiantes; es típico usar una calculadora y dar como resultado demasiados decimales.
¿Cuál es el número correcto de decimales? Depende del problema que estemos
resolviendo.

El número de decimales de un cálculo frecuentemente es infinito. El número de decimales significativo depende del
problema concreto que estamos resolviendo: la media de calificaciones, las medidas de un estante, la longitud de
una pieza de relojería, etc.

En Estadística los resultados nunca son precisos, al contrario, se intenta averiguar

cuanta probabilidad de certeza tiene una afirmación, una hipótesis o un resultado.

Cálculo de probabilidades

Usaremos el clásico ejemplo de la moneda. Es de conocimiento general que, si la

moneda no está trucada, la probabilidad de obtener cara o cruz al lanzarla es la misma:
1/2 para los dos resultados. ¿Qué significa realmente esta afirmación?  Significa que, en
un gran número de tiradas, las frecuencias de obtención de cara y de cruz serían
aproximadamente la mitad del total. En la tabla siguiente vemos una simulación por
ordenador del lanzamiento de la moneda:

lanzamientos caras % caras cruces % cruces

10 4 40.00% 6 60.00%
100 41 41.00% 59 59.00%
200 108 54.00% 92 46.00%
500 280 56.00% 220 44.00%
1000 485 48.50% 515 51.50%
Vemos que, al aumentar el número de lanzamientos, los porcentajes de caras y cruces se
van aproximando al 50% predicho. Pero en ningún caso ha coincido exactamente en ese
50%. Es una predicción aproximada, tanto más precisa como mayor sea el número de
tiradas de la moneda. A este concepto de probabilidad, una aproximación a la frecuencia
esperada, le podemos dar una definición más matemática:
DINANDI P CABRERA SANTANA
2021-2854

Definición 1: Dado uno  de los posibles resultados de un experimento, el cual

repetimos n  veces, la probabilidad de ese resultado se define como el límite,
cuando  n es muy grande, de la frecuencia relativa del resultado respecto al número
total de repeticiones; si x es el número de veces que hemos obtenido el resultado, la
frecuencia relativa es  x/n y la probabilidad será

En el ejemplo de la moneda, la probabilidad 1/2 se obtiene de realizar infinitos

lanzamientos de la moneda:

Regla de Laplace
Para el cálculo práctico de las probabilidades no se usa la definición anterior, sino otros
métodos, el más simple de ellos es la conocida regla de Laplace:

Es un hecho notable que el valor de la probabilidad calculada con la regla de Laplace

coincida con la de la definición 1, que usa límites.  La regla de Laplace tal como se ha
dado supone que cada caso posible es igualmente probable, de lo contrario no
funcionará.

Ejemplo 1: la regla aplicada al lanzamiento de la moneda, para obtener la probabilidad

de obtener cara en un lanzamiento, es:

Esto es correcto siempre que todos los resultados (cara y cruz) sean igualmente
probables. Si realizamos dos lanzamientos de la moneda y queremos saber la
probabilidad de obtener al menos una cara, tendremos que contar los casos favorables y
los posibles; abreviando por C el resultado “sale cara” y por “X” el resultado “sale
cruz”, los casos son:

casos posibles: CC, CX, XC, XX

casos favorables: CC, CX, XC

por tanto, la P(al menos una cara en dos lanzamientos) = 3/4.

Interpretación de la probabilidad como una frecuencia teórica

De la definición 1 podemos obtener una igualdad útil en los problemas:

Para el caso de un número de repeticiones muy elevado, tendremos la igualdad ,

donde   es el número de repeticiones del resultado estudiado.

Ejemplo 2: La probabilidad de que una bombilla halógena recién fabricada sea

defectuosa es del 0,01%. ¿Cuántas bombillas defectuosas esperamos encontrar en una
remesa de 10.000 bombillas? Aplicamos la fórmula anterior, teniendo en cuenta que el
número de “repeticiones” considerado (el número de bombillas) es
DINANDI P CABRERA SANTANA
2021-2854

elevado:   Recordemos que esta cifra es

solo una aproximación.
Combinación de casos independientes

Volvamos al lanzamiento de dos monedas (o al lanzamiento de una moneda dos veces).

Los resultados posibles eran CC, CX, XC, XX. Si nos preguntamos por la probabilidad
de obtener cualquiera de estos resultados, como por ejemplo “sacar dos caras”,
obtenemos para todos ellos el valor 1/4 (un caso favorable de cuatro posibles), pero la
probabilidad de obtener una cara es 1/2. Vemos que P(CC) = 1/4 = 1/2 · 1/2 =
P(C)·P(C). Para tres monedas, los casos posibles son ocho: CCC, CCX, CXC, XCC,
XXC, XCX, CXX, XXX, y la probabilidad de obtener cualquiera de estos resultados es
de 1/8 = 1/2 · 1/2 · 1/2 = P(C)·P(C)·P(C). En general, la probabilidad de cada
combinación posible al realizar n veces el lanzamiento se obtiene
multiplicando las probabilidades de todos los resultados que intervienen en la
combinación, siempre que cada lanzamiento sea independiente del anterior, esto es, que
los resultados no estén influenciados por los obtenidos anteriormente.
Resultados no equiprobables

Cuando cada caso tiene una probabilidad distinta, no podemos aplicar la regla de
Laplace. Debemos estudiar la probabilidad de cada caso.

Ejemplo 3: siguiendo con las bombillas del ejemplo 2, si compramos 3 bombillas, y las
probamos ¿cuál es la probabilidad de que la primera sea defectuosa y las otras dos no?
La probabilidad de que una bombilla sea defectuosa es 0.0001, y de que no lo sea de
0.9999. Entonces como cada bombilla es independiente de las demás, la probabilidad
del caso “defectuosa, correcta, correcta” será 0.0001·0.9999·0.9999=0.000099.

Ejemplo 4: siguiendo con las bombillas del ejemplo 2, si compramos 3 bombillas, ¿cuál
es la probabilidad de que una sea defectuosa?
Llamemos C al resultado “pruebo una bombilla y es correcta”, y D al resultado “pruebo
una bombilla y es defectuosa”. Las combinaciones posibles son CCC, CCD, CDC,
DCC, DDC, DCD, CDD, DDD. No son igualmente probables, luego no podemos
aplicar Laplace. La probabilidad de cada una de ellas se obtiene multiplicando las
probabilidades de todos los resultados que intervienen en la combinación, teniendo en
cuenta que P(C)=0.9999, P(D)=0.001. Obtenemos:

Caso Probabilidad
CCC 0.99970003
CCD 0.00009998
CDC 0.00009998
DCC 0.00009998
DDC 0.00000001
DCD 0.00000001
DINANDI P CABRERA SANTANA
2021-2854

CDD 0.00000001
DDD 1E-012
La probabilidad pedida “una es defectuosa”, comprende tres casos: CCD, CDC, DCC.
Sumemos ahora sus probabilidades: 0.00009998 + 0.00009998 + 0.00009998
= 0.00029994. 
Por otro lado, si sumamos las probabilidades de todos los casos posibles, el resultado es
1. Esta es una regla fundamental: la suma de probabilidades de todos los casos posibles
es siempre igual a 1.
Espacio muestral de un experimento aleatorio
Damos algunas definiciones básicas, y luego vemos sus propiedades y aplicaciones.

Definición 2: Dado un experimento aleatorio (ver el tema Estadística descriptiva,

análisis de datos), su espacio muestral Ω es el conjunto de todos los posibles resultados
del experimento. Ejemplos:
 Lanzamiento de un dado: Espacio muestral Ω = {1,2,3,4,5,6}, un conjunto
de  6 elementos.
 Medición de la temperatura en un reactor químico: Ω contiene todos los
valores reales positivos (espacio muestral infinito).
Definición 3: Puntos muestrales son cada uno de los posibles resultados de un
experimento aleatorio; también podemos decir que son los elementos que componen el
conjunto espacio muestral Ω del experimento. Ejemplos:  en el caso del dado los
puntos muestrales son {1}, {2}, … {6}.
Definición 4: Sucesos. Un suceso S es un subconjunto cualquiera del espacio muestral
Ω de un experimento aleatorio. Ejemplo: para el experimento “lanzar un dado y anotar
la puntuación” un suceso puede ser el subconjunto S = {2, 4, 6}. En particular
un suceso elemental es un subconjunto formado por un único punto muestral, como S
= {2}.
Álgebra de sucesos
Temporalmente, nos situamos en otra área: la lógica de proposiciones, aplicándola al
caso de sucesos aleatorios.
Definición 5: Una  proposición lógica P será  una afirmación cualquiera sobre el
resultado de un experimento aleatorio. Por ejemplo, en el caso del dado, algunas
proposiciones son:
 P1: “Ha salido un número par”
 P2: “Ha salido un número mayor que 4”
 P3: “No ha salido mayor que 4”
 P4: “Ha salido un número par que es mayor que 2 y menor que 5”
La  correspondencia que estamos definiendo entre las proposiciones lógicas y los
sucesos ha de cumplir:

 Cada proposición lógica se entenderá que se está refiriendo a algún suceso

del espacio muestral Ω de un experimento aleatorio; este suceso es único: no
pueden haber dos sucesos distintos relacionados con la misma proposición.
 En cambio, dado un suceso, podemos asociarle muchas proposiciones
lógicas
DINANDI P CABRERA SANTANA
2021-2854

En otras palabras, la relación entre entre el conjunto de proposiciones Σ de un

experimento y el conjunto de sucesos Ψ del mismo experimento es una aplicación
inyectiva (o de uno-a-muchos).

Ejemplo 5: para el experimento de lanzar un dado, con Ω = {1,2,3,4,5,6}:

 P1: “Ha salido un número par”, se relaciona con el suceso S1 = {2, 4, 6}
 P2: “Ha salido un número mayor que 4”, se relaciona con el suceso S2 = {5,
6}
 P3: “No ha salido mayor que 4”, se relaciona con el suceso S3 = {1,2,3,4}
 P4: “Ha salido un número par que es mayor que 2 y menor que 5”, se
relaciona con el suceso S4 = {4}
Todas las proposiciones posibles respecto al experimento aleatorio son válidas, incluso
aquellas que no tienen sentido, o son triviales:

 P5: “Ha salido un número mayor que 6”, se relaciona con el subconjunto
vacío S = ø, a este suceso se le llama suceso imposible.
 P6: “Ha salido un número entre 1 y 6”, se relaciona con el conjunto total S
= Ω = {1,2,3,4,5,6}, a este suceso se le llama suceso seguro.
Álgebra de sucesos
Dentro del conjunto de proposiciones se pueden definir operaciones lógicas que le
proporcionan estructura algebraica: el álgebra de Boole. Las operaciones son: AND (y),
OR (o), NOT (no). El resultado de una operación lógica entre proposiciones es otra
proposición lógica.
Ejemplo 6:
 AND: P1: “Ha salido un número par”, P2: “Ha salido un número mayor que
4”, P = P1 y P2: “Ha salido un número par y mayor que 4”.
 NOT: P1: “Ha salido un número par”; negación: P = No “Ha salido un
número par”
 OR: P3: “No ha salido mayor que 4”, P5: “Ha salido un número mayor que
6”, P = P4 o P5: “O bien no ha salido mayor que 4, o bien ha salido un
número mayor que 6”
También tenemos una correspondencia entre las operaciones lógicas y las operaciones
en el espacio muestral:

operación lógica Operación entre conjuntos de Ω

AND (“y”) Intersección de conjuntos, símbolo ∩
OR (“o”) Unión de conjuntos, símbolo ∪

NOT (“no”) Complementario de un conjunto S es Sc

Ejemplo 7:
 A la proposición P = (P1 y P2) = (“Ha salido un número par” y “Ha salido
un número mayor que 4”) corresponde el suceso (S1∩ S2) = {2,4,6}∩ {5,6 }
= {6}
 A la proposición P = no (“Ha salido un número par”) corresponde el suceso
complementario del {2,4,6} que es {1,3,5}
 Sucesos excluyentes: son aquellos que no tienen elementos en común, es
decir, que su intersección es nula.
DINANDI P CABRERA SANTANA
2021-2854

Regularidad estadística. Primera definición de

probabilidad
Supongamos que realizamos N repeticiones de un experimento aleatorio y que
formamos la tabla de frecuencias relativas. Entonces, el principio de regularidad
Estadística afirma que, conforme N se hace más grande, las frecuencias relativas de
todos los resultados tienden a ser constantes.
Ejemplo 8: lanzamiento de una moneda. Tabla de frecuencias relativas
Punto muestral N=10 N=100 N=1000
46/100 = 502/1000 =
“cara” 4/10 = 0.4 0.46 0.502
54/100 = 498/100 =
“cruz” 6/10 = 0.6 0.54 0.498
Se observa que las frecuencias relativas se estabilizan alrededor del valor 0.5. Tomamos
este valor límite de la frecuencia relativa cuando N es muy grande como la primera
definición de probabilidad:
Definición 5: Probabilidad (frecuencialista) de un suceso S. Dado un suceso S
asociado al espacio muestral Ω de un experimento aleatorio, del cual podamos realizar
un número cualquiera N de ejecuciones, la probabilidad P(S) del suceso viene dada por:

Donde f(S) representa la frecuencia relativa del suceso S cuando hacemos N

repeticiones del experimento aleatorio.
Ejemplo 9: la probabilidad de S: “ha salido cara” en el experimento de lanzar la
moneda es 0.5, pues ese el valor obtenido al simular por ordenador el lanzamiento un
número elevado de repeticiones.

Segunda definición de probabilidad: regla de Laplace,

combinatoria
Esta primera definición de probabilidad como límite de frecuencias relativas es útil para
interpretar resultados de cálculos, pero no lo es para obtener probabilidades, pues obliga
a realizar un límite de una frecuencia relativa, para la cual en general no tenemos
ninguna expresión analítica. La siguiente definición, debida a Laplace, soluciona este
inconveniente:

Definición 6: Probabilidad de un suceso S, regla de Laplace. Dado un suceso S

asociado al espacio muestral Ω de  un experimento aleatorio, si el número de puntos
muestrales de S es card(S) y el número de puntos muestrales de Ω es card(Ω), la
probabilidad P(S) del suceso viene dada por:
DINANDI P CABRERA SANTANA
2021-2854

Ejemplo: la probabilidad de S: “ha salido cara” en el experimento de lanzar la

moneda se calcula contando el número de puntos muestrales de S = {“cara”}, que es 1,
y del espacio Ω = {“cara”, “cruz”}, que es 2. Luego P(“cara”) = 1/2 = 0.5.
Ejemplo 10: la probabilidad de sacar un número par al lanzar un dado, según la regla de
Laplace, es:

Teoría combinatoria
En casos simples es inmediato aplicar la regla de Laplace, pero en general no será tan
simple. Consideremos por ejemplo el siguiente problema: “Una lotería está formada
por N números, de los que m tendrán premio. Calcular la probabilidad de que nos
toque algún premio si hemos comprado k números “. Calcular el número de puntos
muestrales ahora no es trivial. La teoría combinatoria proporciona técnicas directas para
hacerlo; en nuestro caso la solución viene dada por:

Donde  representan las combinaciones de a elementos tomados de b en b, y el símbolo !

representa la operación factorial. No trataremos esta teoría aquí, aunque en este blog
hay una introducción a la teoría y se pueden encontrar algunos problemas resueltos de
combinatoria.
Tercera definición de probabilidad: axiomas y propiedades
La definición más moderna de probabilidad se debe a Kolmogorov:
Definición 7: Probabilidad de un suceso S, Kolmogorov. Dado un suceso S asociado
al espacio muestral Ω de un experimento aleatorio, probabilidad es toda función P que
asigna a cada suceso S de un espacio muestral un número P (S) comprendido en el
intervalo [0, 1] y que además verifica las siguientes propiedades (axiomas de la
probabilidad):
1. P (Ω) = 1
2. Si A, B son sucesos excluyentes, entonces P (A ∪ B) = P (A) + P (B)

Se puede demostrar que esta definición es más general que las dos anteriores: La regla
de Laplace y el límite de la frecuencia relativa verifican los axiomas, pero hay
probabilidades que no se pueden calcular con la regla de Laplace ni con frecuencias, y si
según la definición de Kolmogorov.

De la definición de Kolmogorov se pueden deducir otras propiedades de la

probabilidad:
1. P(no S) = P(Sc) = 1 – P(S)
2. P(suceso imposible) = P(ø) = 0
3. P(A o B) = P(A∪ B) = P(A) + P(B) – P(A∩ B)
4. Si el espacio muestral Ω se puede considerar dividido en n subconjuntos
disjuntos entre sí, Ω = A1 ∪ A2 ∪ … ∪ An, entonces P(A1) + P(A2) + … +
P(An) = 1
En las aplicaciones y problemas, se suele usar la definición 2 (Laplace) para calcular, la
definición 1 para interpretar el significado de la probabilidad, y las propiedades de la
probabilidad para simplificar los cálculos.

Ejemplo 11: Calcular la probabilidad de que al lanzar dos dados simultáneamente, o

bien la suma de las puntuaciones de ambos dados mayor que 6, o bien la puntuación de
DINANDI P CABRERA SANTANA
2021-2854

ambos dados sea al menos de 4. Si realizamos ese experimento 100 veces, ¿en cuantas
de ellas esperaremos que se cumpla que “las puntuaciones de ambos dados mayor que
6 o bien la puntuación de ambos dados sea al menos de 4“?
Definimos los sucesos S: “la suma de las puntuaciones de ambos dados mayor que 6”, y
T: “la puntuación de ambos dados sea al menos de 4”. Para hallar las probabilidades por
la regla de Laplace necesitamos contar los puntos muestrales (resultados posibles) de
cada suceso y también del espacio total.

Resultados posibles para S: {1+6, 2+5, 2+6, 3+4, 3+5, 3+6, 4+3, 4+4, 4+5, 4+6, 5+2,
5+3, 5+4, 5+5, 5+6, 6+1, 6+2, 6+3, 6+4, 6+5, 6+6}, total 21

Resultados posibles para T:  {4+4, 4+5, 4+6, 5+4, 5+5, 5+6, 6+4, 6+5, 6+6}, total 9

Resultados posibles totales: tantos como parejas (a, b) podemos formar siendo a,b
números entre 1 y 6: son 6·6 = 36.

Ahora aplicamos la tercera propiedad de Kolmogorov: P(S o T) = P(S∪T)

= P(S) + P(T) – P(S ∩ T). Necesitamos calcular el número de puntos del
conjunto (S ∩ T) = {1+6, 2+5, 2+6, 3+4, 3+5, 3+6, 4+3, 4+4, 4+5, 4+6,
5+2, 5+3, 5+4, 5+5, 5+6, 6+1, 6+2, 6+3, 6+4, 6+5, 6+6} ∩ {4+4, 4+5, 4+6,
5+4, 5+5, 5+6, 6+4, 6+5, 6+6} = {4+4, 4+5, 4+6, 5+4, 5+5, 5+6, 6+4, 6+5,
6+6} = T; esto sucede porque T está incluido en S (T es un subconjunto de
S).
También se puede visualizar gráficamente: en una cuadrícula de 6 x 6 marcamos las
casillas con una suma superior a 6 con un 1, y las que cumplen que los dos valores son
al menos 4 las resaltamos en amarillo:

Valores posibles de las puntuaciones del lanzamiento de dos dados; hay 21 combinaciones con suma > 6, y 9
combinaciones con los dos valores mayores o iguales a 4

Probabilidades según Laplace: P(S) = 21/36, P(T) = 9/36. P(S

∩ T) = 9/36
Probabilidad P(S o T) = P(S∪T) = 21/36 + 9/36 – 9/36
= 21/36.
Si repetimos N = 100 veces el lanzamiento de los dos dados, usando la definición 4 de
probabilidad, esperaremos que en 100·21/36 = 58 ocasiones suceda que se cumpla que
“la suma de puntuaciones de ambos dados mayor que 6 o bien la puntuación de ambos
dados sea al menos de 4”.
DINANDI P CABRERA SANTANA
2021-2854

Probabilidad condicionada. Sucesos independientes

Cuando tenemos un conocimiento parcial del resultado de un experimento aleatorio
podemos utilizarlo para mejorar nuestras predicciones. Por ejemplo: sabemos que en un
dado ha salido al menos un 4. ¿Cuál es ahora la probabilidad de que sea un número
par? Si no utilizamos la información “ha salido al menos un 4” será, por la regla de
Laplace:
P(par) = card {2,4,6} / card {1,2,3,4,5,6} = 3/6

Si en cambio utilizamos la información “extra”, entonces el espacio muestral queda

restringido a ser los puntos del suceso “ha salido al menos un 4” que son {4,5,6} y en el
suceso “número par” habrá que eliminar el punto {2} que es incompatible. Por lo tanto,
será:
P (“par” condicionada por “ha salido al menos un 4”) = card {4,6} / card {4,5,6} = 2/3

En general:

Definición 8: Diremos que el suceso A está condicionado por el suceso B  cuando el

conocimiento parcial del resultado B modifica el espacio muestral original Ω,
reduciéndolo a otro Ω’, de tal modo que la probabilidad de A respecto a Ω’ es diferente
a la original respecto a  Ω. La notación para la probabilidad de A condicionada a B
es P (A | B).
Se puede demostrar fácilmente que la nueva función de probabilidad P (S | B) verifica
los axiomas y propiedades de la probabilidad de Kolmogorov, y por tanto está bien
definida.

Sucesos independientes
En el ejemplo anterior hemos visto que si A = {“un número par”} y B = {“ha salido al
menos un 4”} entonces P (A) = 3/6 = 1/2, P (A | B) = 2/3, y las probabilidades no son
las mismas. ¿Siempre será así? En general no.

Definición 9: Cuando tengamos que  P (A | B) = P (A) diremos que los sucesos A y B

son  independientes. El condicionamiento impuesto por B no afecta a A. En cambio,
cuando el condicionamiento si afecte a la probabilidad, diremos que los sucesos
son  dependientes,

En general se cumple que:

Si los sucesos A, B son independientes, entonces:

Interpretar correctamente la probabilidad condicionada

Los conceptos de dependencia e independencia de sucesos, así como el
condicionamiento suelen ser mal comprendidos la primera vez que los vemos. Por
ejemplo, en los enunciados de problemas hay que distinguir claramente cuando nos
están hablando de probabilidad condicionada o de probabilidad conjunta de dos sucesos;
en el primer caso hay una información previa: un suceso se supone que ya ha sucedido,
el otro no, mientras que en la probabilidad conjunta no hay esa información previa. Por
DINANDI P CABRERA SANTANA
2021-2854

ejemplo: En una urna hay 4 bolas de color azul, 6 de color rojo y 3 de color amarillo.
Sacamos una bola al azar sin mirarla; suponiendo que alguien nos dice “no es de color
amarillo”, ¿cuál es la probabilidad de que sea roja? Esta es una probabilidad
condicionada, pues ya ha sucedido el suceso “no es de color amarillo” (la información
previa), y por tanto calcularemos:
P(roja | no es de color amarillo ) = P(roja ∩ no es de color amarillo ) / P(no es de color
amarillo )

En cambio, si sacamos una bola al azar y la pregunta es ¿cuál es la probabilidad de que

simultáneamente suceda que la bola no sea amarilla y sea roja? el cálculo será
simplemente P(roja ∩ no es de color amarillo ).

Consideremos otro experimento con la misma urna: sacamos una bola que resulta ser
roja; la devolvemos a la urna, y a continuación volvemos a sacar una bola. Nos
preguntamos por la probabilidad de que vuelva a ser roja. Aquí entra un nuevo
elemento: si consideramos que las distintas extracciones (que son las repeticiones del
mismo experimento aleatorio) son independientes entre sí, entonces la probabilidad
entre extracciones no varía, dado que hemos devuelto la bola a la urna para que haya
exactamente el mismo número de bolas en la segunda extracción. Entonces:

P(bola roja en cada extracción) = 6 / (4 + 6 + 3) = 6 / 13

P((roja en 1ª) Y (roja en 2ª extracción)) = P(roja en 1ª) · P(roja en 2ª extracción) = 6 / 13

· 6 / 13 = 36 / 13²
Aquí hemos usado la igualdad [1] para calcular la probabilidad P((roja en 1ª) Y (roja en
2ª extracción)), teniendo en cuenta que las extracciones son independientes.
Sucesos realmente independientes
¿Cuándo podemos considerar que dos sucesos son independientes? Siempre que no se
afecten el uno al otro por cualquier medio, ni queden afectados por agentes externos.
Por ejemplo, en un laboratorio realizamos, por primera vez, un experimento con una
cierta medida M, y la repetimos unos días después. Nos preguntamos por la
probabilidad de haber cometido un error absoluto en la medida respecto al valor
real R, |R – M|, mayor que una tolerancia e: P(|R – M| > e). ¿Esta probabilidad será la
misma el primer dia y el segundo dia? Aquí es más delicado suponer independencia de
sucesos, ya que hay diversos factores externos que pueden influir, por ejemplo, la
segunda vez se tiene la experiencia de la primera, y podría ser que se procediera mejor
en la preparación previa del experimento. También podría ser que los con los resultados
de la primera prueba hubiéramos intercambiado información con otros compañeros de
trabajo sobre el experimento en cuestión, de forma que en la segunda ocasión sabemos
algo más. Por ello en esta situación es más arriesgado suponer que los sucesos son
independientes.
Ejemplo 11: (Nonplussed!: Mathematical Proof of Implausible Ideas – by Julian
Havil): Como condición para ser aceptado en un club de tenis un jugador novato N ha
de jugar tres partidos contra dos miembros del club, que les llamaremos B (jugador de
nivel bueno) y M (jugador de nivel medio). Para ser aceptado, N debe ganar dos
partidos consecutivos de los tres. N  debe elegir uno de las dos posibilidades: jugar en
el orden   M, B, M  o en el orden B, M, B. La pregunta es: ¿cuál es la mejor opción?
Este es un buen ejemplo de que en ocasiones las probabilidades no son intuitivas en
absoluto. Sin hacer ningún cálculo, de forma intuitiva, creeremos que el más importante
DINANDI P CABRERA SANTANA
2021-2854

es jugar lo menos posible con el jugador B, y por tanto la mejor opción es escoger el
orden de juego M, B, M i no el B, M, B. Vamos a hacer el cálculo de probabilidades.

Supongamos que la probabilidad de que N venza a M es m, y de que venza a B es b, y

que los sucesos son independientes (no afecta al partido siguiente el resultado del
anterior).  En el orden de juego M, B, M, todas las combinaciones para vencer dos
partidos consecutivos son: (vencer M, vencer B, vencer M), (vencer M, vencer B, perder
M), (perder M, vencer B, vencer M). ¿Cuáles son las probabilidades de estas
combinaciones? Son:
 P(vencer M, vencer B, vencer M) = m·b·m
 P(vencer M, vencer B, perder M) = m·b·(1-m)
 P(perder M, vencer B, vencer M) = (1-m)·b·m
Observar que para calcular la probabilidad de perder aplicamos la 1ª propiedad de la
probabilidad de Kolmogorov: P(no S) = 1 – P(S). La probabilidad de vencer dos
partidos consecutivos en el orden M, B, M será la suma de las anteriores probabilidades,
ya que los sucesos (vencer M, vencer B, vencer M), (vencer M, vencer B, perder M),
(perder M, vencer B, vencer M) son mutuamente excluyentes: la suma es mbm + mb(1-
m) + (1-m)bm = bm(m + 1 – m + 1 – m) = bm(2 – m).
Hacemos lo mismo para el orden de juego B, M, B. Las combinaciones y sus
probabilidades son:

 P(vencer B, vencer M, vencer B) = b·m·b

 P(vencer B, vencer M, perder B) = b·m·(1-b)
 P(perder B, vencer M, vencer B) = (1-b)·m·b
La suma es b·m·b + b·m·(1-b) + (1-b)·m·b = bm(b + 1 – b + 1 – b) = bm(2 – b)

Como b < m (menos probabilidad de ganar el jugador bueno que el medio), resulta que
bm(2 – b) > bm(2 – m), o sea que en el orden de juego B, M, B el jugador novicio tiene
más probabilidades de vencer en dos partidos consecutivos que en el orden M, B, M, !
incluso siendo  que deberá jugar dos partidos contra el mejor jugador en vez de sólo
uno! Un resultado contra intuitivo, pero rigurosamente cierto.

Ejemplo 12:  Consideremos el mismo problema del club de tenis, pero esta vez

incorporando aspectos subjetivos; si el jugador novicio gana en un partido al jugador de
mejor nivel B, consideraremos que su motivación aumenta y también mejorará su nivel
de juego; por otro lado si pierde contra el jugador de nivel medio M entonces bajará
ligeramente.
 si gana a B, sus probabilidades de ganar en el siguiente partido, que eran m,
b respectivamente, pasan a ser m’, b’, que cumplirán m < m’ < 1, b < b’ < 1.
Concretamente, es P( ganar a M | haber ganado B) = m’, P( ganar a B | haber
ganado B) = b’
 si pierde con M, sus probabilidades de ganar en el siguiente partido, que eran
m, b respectivamente, pasan a ser m”, b”, que cumplirán m” < m < 1, b” < b
<1
Ahora estamos considerando probabilidades condicionadas: la probabilidad de ganar un
partido depende del resultado del partido anterior. Rehacemos los cálculos; para el
orden de juego M, B, M
 P(vencer M, vencer B, vencer M) = m·b·m’
DINANDI P CABRERA SANTANA
2021-2854

 P (vencer M, vencer B, perder M) = m·b·(1-m)

 P(perder M, vencer B, vencer M) = (1-m)·b”·m’
La suma de estas probabilidades es m·b·m’ + m·b·(1-m) + (1-m)·b”·m’ = mbm’ + mb –
m²b + m’b” – mm’b” = mm'(b – b”) + mb(1 – m) + m’b”

para el orden de juego B, M, B. Las combinaciones y sus probabilidades son:

 P(vencer B, vencer M, vencer B) = b·m’·b’

 P(vencer B, vencer M, perder B) = b·m’·(1-b’)
 P(perder B, vencer M, vencer B) = (1-b)·m·b
La suma de estas probabilidades es b·m’·b’ + b·m’·(1-b’) + (1-b)·m·b = bm’b’ + bm’ –
bm’b’ + mb – b²m = bm’ + bm – bbm

¿Cuál es ahora la mejor opción? Para simplificar, damos valores concretos a las
probabilidades: m = 0.7, b = 0.5, m’=0.8, b’= 0.6, m” = 0.6, b”=0.4. Sustituimos:

 P (ingresar en el club jugando M, B, M) = mm'(b – b”) + mb(1 – m) + m’b”

= 0.7·0.8·(0.5 – 0.4) + 0.7·0.5(1 – 0.7) + 0.8·0.4 = 0.481
 P (ingresar en el club jugando B, M, B) = bm’ + bm – bbm = 0.5·0.8 +
0.5·0.7 – 0.5·0.5·0.7 = 0.575
Vemos que sigue siendo la mejor opción la que incluye más partidos contra el mejor
jugador.

Ejemplo 13: En una encuesta, al 29% le gusta la música clásica. Este 29% se desglosa
en un 17% que no les gusta la música moderna y un 12% que también les gusta la
música moderna. Por otro lado, en un 68% sólo les gusta la música moderna y a un 3%
no les gusta la música. Planteamos el experimento aleatorio: preguntar a una persona al
azar sobre sus gustos musicales. Sean los sucesos siguientes:
 M: le gusta la música moderna
 X: sólo le gusta un tipo de música
La pregunta que nos hacemos es: ¿Son M y X independientes? ¿Dicho de otro modo, el
conocimiento previo de que a una persona les guste la música moderna condiciona el
que le guste sólo ese tipo de música?
Representamos los datos en un diagrama:

Hacemos los cálculos teniendo en cuenta el diagrama:

 P(M) =P(“sólo moderna” O “clásica y también moderna”) = 0.68 + 0.12 =

0.8
 P(X) = P(“sólo moderna” O “sólo clásica”) = 0.68 + 0.17 = 0.85
DINANDI P CABRERA SANTANA
2021-2854

 P(X ∩ M) = P(“sólo un tipo de música” Y “sí la moderna”) = P(“sólo

moderna” ) = 0.68
 P(X)·P(M) = 0.85 · 0.8 = 0.68
Resulta que P(X∩ M) = P(X) · P(M), por tanto X, M son independientes

Teoremas de la probabilidad total y de Bayes

Teorema 1 (de la probabilidad total): Si tenemos un conjunto de sucesos B1, B2, …,
Bn excluyentes entre sí de tal forma que el espacio muestral Ω pueda expresarse como
la unión = B1∪ B2∪ …∪ Bn, (decimos queB1, B2, …, Bn es una partición de Ω) y
además conocemos las probabilidades P(B1), P(B2) … P(Bn), entonces para cualquier
suceso A se cumple:

Teorema 2 (de Bayes): En las mismas condiciones del teorema anterior tendremos que:
Equivalentemente, usando el teorema de la probabilidad total:

Ejemplo 14: El 20% de cierta población tiene estudios superiores, el 60% medios y el
20% básicos. Sabemos que leen habitualmente algún periódico local el 40% de los que
tienen estudios superiores, el 25% de lo que tienen estudios medios y el 10% de los que
tienen estudios básicos. Elegida una persona al azar resulta que lee habitualmente algún
periódico. ¿Cuál es la probabilidad de que tenga estudios superiores?
La población total está dividida en tres conjuntos disjuntos B1: estudios superiores,
B2: medios, B3: básicos. Sabemos las probabilidades condicionadas siguientes: si
escogemos al azar una persona, y resulta que tiene estudios superiores, entonces P (leer |
B1) = 0.4. Igualmente, P (leer | B2) = 0.25, P (leer | B3) = 0.1. La probabilidad pedida
tiene una información previa: “resulta que lee habitualmente algún periódico”, por
tanto, es condicionada, es: P (estudios superiores | lee). Usamos el teorema de Bayes:

Calculamos primero el denominador, que es la probabilidad total de leer un periódico en

esa población, sin tener en cuenta el factor estudios: Un 25% de la población lee
habitualmente un periódico. Sustituimos en el teorema de Bayes:

La probabilidad de que una persona con estudios superiores sea lector es superior a la
media de la población, 25%, como era de esperar.

Resuelve los siguientes problemas de probabilidad:

 

1-Halla la probabilidad de que al lanzar al aire dos monedas, salgan

 
A Dos caras
B Dos cruces
C Una cara y una cruz
Solución
DINANDI P CABRERA SANTANA
2021-2854

Hallar la probabilidad de que al lanzar al aire dos monedas, salgan:

 
A Dos caras.

 
 
Multiplicamos la probabilidad que tiene el suceso de que caiga una cara en una moneda (1/2),
por la probabilidad del mismo suceso en la otra moneda (1/2), debido a que son sucesos
independientes
 

 
B Dos cruces.
 
El suceso de que caiga una cruz en una moneda y también cruz en la otra, son sucesos
independientes y cada uno tiene una probabilidad de (1/2) como lo observamos en el esquema.
Debido a esto, se multiplican ambas probabilidades
 

 
C Una cara y una cruz.
 
La probabilidad de sacar una cara y una cruz, se refiere a las siguientes dos posibilidades:  cara
y cruz, o cruz y cara. Significa que primero debemos sacar la probabilidad de cada opción (1/2)
(1/2) y después sumarlas, para tener el resultado, observa:
 
DINANDI P CABRERA SANTANA
2021-2854

¡En Superprof te ayudamos a encontrar tus clases particulares matemáticas!

 
2 Halla la probabilidad de que al levantar unas fichas de dominó se obtenga un número de
puntos mayor que 9 o que sea múltiplo de 4.
Solución
 
Hallar la probabilidad de que al levantar unas fichas de dominó se obtenga un número de puntos
mayor que 9 o que sea múltiplo de 4.
En el conjunto A ponemos a las fichas donde el total de puntos de cada una es mayor a nueve, y
en el B a las fichas donde la cantidad de puntos de cada una es múltiplo de cuatro:
 

 
en este caso observamos que la ficha (6,6) pertenece a ambos conjuntos, o en otras
palabras  . Esto significa que ahora debemos emplear la
fórmula   para conocer la probabilidad
deseada.
Ahora, tomando en cuenta que existen 28 fichas de dominó, los valores quedan de la siguiente
forma:
 

 
 
3 Un dado está trucado, de forma que las probabilidades de obtener las distintas caras son
proporcionales a los números de estas. Hallar:
 
A La probabilidad de obtener el 6 en un lanzamiento
B La probabilidad de conseguir un número impar en un lanzamiento
Solución
Un dado está trucado, de forma que las probabilidades de obtener las distintas caras son
proporcionales a los números de estas. Hallar:
DINANDI P CABRERA SANTANA
2021-2854

 
A La probabilidad de obtener el 6 en un lanzamiento
 
Ya que el dado está trucado, la probabilidad de cada cara es proporcional al número de la cara
correspondiente.

Por ejemplo    es proporcional a  , y podemos pensar que el factor de

proporcionalidad es  , así que     y así con las demás caras.
 
Si por otro lado sumamos las probabilidades de cada cara tenemos lo siguiente
 

 
y entonces
 

llevándonos a que     por lo tanto:

 

 
B La probabilidad de conseguir un número impar en un lanzamiento
 
En este caso sólo es necesario sumar las probabilidades de que conseguir todos los impares
posibles.
 

¿Tienes problemas con las clases de matematicas secundaria?

4 Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. Se pide:
A La probabilidad de que salga el 7
B La probabilidad de que el número obtenido sea par
C La probabilidad de que el número obtenido sea múltiplo de tres
DINANDI P CABRERA SANTANA
2021-2854

Solución
 Se lanzan dos dados al aire y se anota la suma de los puntos obtenidos. Se pide:
 
A-La probabilidad de que salga el 7
 
Agrupamos a todas las posibilidades donde la suma sea siete
 

 
nos damos cuenta que son 6 formas posibles, y como hay 36 formas posibles distintas en las que
pueden caer dos dados, entonces:
 

 
B-La probabilidad de que el número obtenido sea par
 
Las parejas para que el número obtenido sea par son
 
(1,1)
(1,3), (2,2),(3,1)
(1,5),(2,4),(3,3),(4,2),(5,1)
(2,6),(3,5),(4,4),(5,3),(6,2)
(4,6),(5,5),(6,4)
(6,6)
 
que son 18, significa que la probabilidad de que el resultado obtenido sea par es
 

 
C-La probabilidad de que el número obtenido sea múltiplo de tres
DINANDI P CABRERA SANTANA
2021-2854

 
Nos damos cuenta que cada una de estas parejas suman a algún múltiplo de tres
 

 
y son 12 de ellas, entonces
 

 
aquí en representa a los múltiplos de 3.
5 Se lanzan tres dados. Encontrar la probabilidad de que:
A Salga 6 en todos
B Los puntos obtenidos sumen 7
Solución
 
Se lanzan tres dados. Encontrar la probabilidad de que:
 
A Salga 6 en todos
 
Solamente existe una forma de que salga seis en todos (6,6,6), y si consideramos que
hay   formas distintas en que pueden caer tres dados, entonces
 

 
B Los puntos obtenidos sumen 7
 
Aquí se encuentran las formas en que pueden caer los dados, donde la suma de los puntos es
siete:
 
DINANDI P CABRERA SANTANA
2021-2854

 
y con esta lista, nos damos cuenta de que existen 15 distintas formas para que la suma sea 7,
entonces la probabilidad buscada queda:
 

6 Busca la probabilidad de que al echar un dado al aire, salga:

 
A Un número par
B Un múltiplo de tres
C Mayor que cuatro
Solución
 
Busca la probabilidad de que al echar un dado al aire, salga:
 
A Un número par
 
Para que sea par, se tienen las siguientes opciones: 2,4,6.
Significa que hay 3 formas de las 6 posibles, de esta manera la probabilidad queda
 
DINANDI P CABRERA SANTANA
2021-2854

 
B Un múltiplo de tres
 
En esta caso los múltiplos de tres son: 3 y 6. Por lo tanto hay 2 formas para que sea múltiplo de
3, y 6 formas en que puede caer un dado
 

 
C Mayor que cuatro
 
En este caso los mayores que cuatro son 5 y 6, llevándonos a que la probabilidad es
 

7 Se sacan dos bolas de una urna que se compone de una bola blanca, otra roja, otra verde y otra
negra. Describir el espacio muestral cuando:
A La primera bola se devuelve a la urna antes de sacar la segunda
B La primera bola no se devuelve
Solución
 
Se sacan dos bolas de una urna que se compone de una bola blanca, otra roja, otra verde y otra
negra. Describir el espacio muestral cuando:
 
A La primera bola se devuelve a la urna antes de sacar la segunda
 
La primer bola puede ser cualquiera de las cuatro B,R,V,N y al momento de registrar la que
salió y regresarla a la urna, puede salir nuevamente cualquiera de las cuatro, significa que por
ejemplo si al principio salió B, entonces con la segunda extracción se puede tener BB,BR,BV o
BN, y así sucesivamente con las demás opciones, quedando nuestro espacio muestral como
 
E = {BB, BR, BV, BN, RB, RR, RV, RN, VB, VR, VV, VN, NB, NR, NV, NN}
 
DINANDI P CABRERA SANTANA
2021-2854

B La primera bola no se devuelve

 
Como la bola que se saca al principio no se devuelve, entonces en la segunda extracción debe
salir alguna de las cuatro restantes, significa que ya no es posible que se repita la bola, quedando
el espacio muestral como
 
E = { BR, BV, BN, RB, RV, RN, VB, VR, VN, NB, NR, NV}
 
8Una urna tiene ocho bolas rojas, 5 amarilla y siete verdes. Se extrae una al azar de que:
A Sea roja
B Sea verde
C Sea amarilla
D No sea roja
E No sea amarilla