Si cada uno de los puntos del espacio muestral de la figura representa un resultado con una

probabilidad de 1/28, determina

a) P(A) =
b) P(B) =
c) P(AUBUA´) =

P ( A  B )  P ( A)  P ( B )  P ( A  B )
. . .
A B
. .
P( A  B' ) . . . .
. .
.
. . . . .
. . . . . .
P ( A' B ) . .
. .
P( A  B)
.
 Teoremas

Teorema 1-1: Si una operación puede ejecutarse en n1 maneras y si para cada

una de éstas se puede efectuar una segunda operación en n2 maneras,
entonces las operaciones pueden llevarse a cabo juntas en n1 n2 maneras.

Teorema 1-2: Si es posible efectuar una operación en n1 maneras y si para

cada una de éstas se puede efectuar una segunda operación en n2 maneras, y
para cada una de las dos primeras se puede efectuar una tercera operación
en n3 formas, y así sucesivamente, entonces la secuencia de k operaciones
puede llevarse a cabo en n1n2,…, nk formas.
Teorema 1-3: El número de permutaciones de n objetos distintos es n!

Teorema 1-4: El número de permutaciones de n objetos diferentes tomando r a

la vez es:
ab ba
a, b, c, d Ac ca n!
n Pr 
Ad da

( n  r )!
Bc cb
Cd dc
Bd db

Teorema 1-5: El número de permutaciones de n objetos distintos arreglados en

círculo es (n-1)!
4!=1x2x3x4=24
0! =1
Teorema 1-3: El número de permutaciones de n objetos distintos es n!

Teorema 1-4: El número de permutaciones de n objetos diferentes tomando r a

la vez es:
ab ba
a, b, c, d Ac ca n!
n Pr 
Ad da

( n  r )!
Bc cb
Cd dc
Bd db

 n
 n!
  n Cr 
 r  r!( n  r )!
Teorema 1-6: El número de permutaciones diferentes de n objetos, de los cuales
n1 son de una clase, n2 de una segunda clase, …, nk de una k-ésima clase, es

n!
n1! n2 !...nk !

Teorema 1-7: El número de formas de partir un conjunto de n objetos en r celdas,

con n1 elementos en la primera celda, n2 elementos en la segunda, y así
sucesivamente, es
 n  n!
 
 n  n ...  n  n1! n2 !...nr !
Donde n1 + n2 + … + nr = n  1 2 r 
Teorema 1-8: El número de combinaciones de n objetos distintos tomando r a la
vez es (Cuando no importa el orden de los objetos):
ab ba
ac ca
 n
 n!
ad da
  n Cr 
r!( n  r )!
bc cb
cd dc
bd db
 r 
Teorema 1-9: Si un experimento puede dar como resultado cualquiera de N
resultados diferentes igualmente probables, y si exactamente n de estos
resultados corresponden al evento A, entonces la probabilidad del evento A es
n
P ( A) 
N
Teorema 1-10: si A y B son cualesquiera dos eventos, entonces

P ( A  B )  P ( A)  P ( B )  P ( A  B )
Si A y B son mutuamente excluyentes, entonces

P( A  B)  P( A)  P( B)

Si A1, A2, A3, …, An son mutuamente excluyentes, entonces

P( A1  A2 ...An )  P( A1 )  P( A2 )  ...  P( An )
Teorema 1-11: si A y A´ son eventos complementarios, entonces

P ( A)  P ( A´)  1

Teorema 1-12: si en un experimento pueden ocurrir los eventos A y

B, entonces
P( A  B)  P( A) P( B | A)
Teorema 1-13: Dos eventos A y B son independientes si y sólo si

P ( A  B )  P ( A) P ( B)
Teorema 1-15: Si los eventos B1, B2, …, Bk constituyen una partición del espacio
muestral S tal que P(B) ≠ 0 para i = 1, 2, …, k, entonces, para cualquier evento A
de S,
k k
P( A)   P( Bi  A)  P( Bi ) P( A | Bi )
i 1 i 1
En el siglo XVIII el reverendo Thomas Bayes, ministro presbiteriano Inglés, planteó la siguiente pregunta:

¿Realmente existe Dios? Ya que estaba interesado en las ciencias matemáticas intentó desarrollar una fórmula
para llegar a evaluar la probabilidad de que Dios exista, con base a la evidencia de la que él disponía aquí en la
Tierra. Más adelante, Laplace definió el trabajo de Bayes y le dio el nombre de “Teorema de Bayes” y se expresa:
Teorema 1-16: Si los eventos B1, B2, …, Bk constituyen una partición del espacio muestral S, donde P(Bi) ≠ 0 para i
= 1, 2, …, k, entonces, para cualquier evento A de S tal que P(Ai) ≠ 0

P( Br  A) P ( Br ) P ( A | Br )
P( Br | A)  k
 k

 P( B
i 1
i  A)  P( B ) P( A | B )
i 1
i i

Donde A1 y A2 son mutuamente excluyentes y colectivamente exhaustivos y A representa cualquiera de los

eventos A1 o A2.
Probabilidad a priori. Es la probabilidad inicial con base en el nivel actual de información
Probabilidad a posteriori. Es la probabilidad revisada con base a la información adicional
 El constructor de una nueva subdivisión ofrece a sus posibles
compradores de casa una selección de 4 diseños, 3 diferentes
sistemas de calefacción, una cochera cerrada o abierta y un patio o un
porche cubierto ¿cuántos planes de diferentes están disponibles para
un comprador?
4 diseños
3 sistema de calefacción (4)(3)(2)(2)  48
2 cochera abierta o cerrada
2 patio o porche techado

Teorema 1-2: Si es posible efectuar una operación en n1 maneras y si para cada una de éstas se
puede efectuar una segunda operación en n2 maneras, y para cada una de las dos primeras se
puede efectuar una tercera operación en n3 formas, y así sucesivamente, entonces la secuencia
de k operaciones puede llevarse a cabo en n1n2,…, nk formas.
P(AUB)= P(A) + P(B) – P(A∩B) Dependientes
P(AUB)= P(A) + P(B) Mutuamente excluyentes
P(AUBUC)= P(A) + P(B) + P(C) Mutuamente excluyentes
P(A) + P(A’) = 1
P(A y no B)= P(A∩B’)= P(A-B) = P(A) – P(A∩B)
P(AUC) ∩ P(A) = P(B∩A) U P(C∩A)
P(A) ∩ P(BUC) = P(A∩B) U P(A∩C)
P(A’)’ =P(A)
P(A-B) = P(A ∩ B’)
P(A’UB’) = P(A’ ∩ B’)
P(AUBUC)= P(A) + P(B) + P(C) - P(A∩B) - P(A∩C)- P(B∩C) + P(A∩B∩C)
Y = intersección
O = unión
Sin reposición → ya no se colocó en la urna
No A → es complemento de A
Dependientes P(A∩B) = P(B) P(A|B)
Independientes P(A∩B) = P(A) P(B)
Definición clásica: P(A) = favorable / posible
Definición empírica: P(A) = favorable / total de resultados
Definición axiomática:
P(Ω) o P(U) → R
P(E) = 1
P(S) = P(Ω) = 1
Ejercicio: un banco local reporta que 80% de sus clientes tienen una cuenta de
cheques, 60% una cuenta de ahorros y 50% tienen ambas. Si se selecciona al azar un
cliente, ¿cuál es la probabilidad de que el cliente no tenga ninguna de las dos?
(0.80 + 0.60) – 0.50 = 0.90 .: 1 – 0.90 = 0.10

P ( A  B )  P ( A)  P ( B )  P ( A  B )
P( A  B)  (0.80)  (0.60)  (0.50)
P( A  B)  1.40  0.50  0.90
P ( A)  P ( A´)  1
P( AUB)'  1  P( AUB)  1  0.90  0.10
Ejercicio: considera la siguiente tabla:
a) Determina: P(A1)= 3/10 A1 A2 A3 TOTAL

b) establece P(B1|A2) = 1/3 B1 2 1 3 6

B2 1 2 1 4
c) determina P(B2 y A3) = 1/10
TOTAL 3 3 4 10

P( A  B)  P( A) P( B | A)
P( A2  B1) 1 / 10 10 1
P( B1 | A2 )    
P( A2 ) 3 / 10 30 3
Si cada uno de los artículos incluidos en un catálogo comienza con tres
letras distintas, seguidas de 4 dígitos distintos y diferentes de cero,
encuentre la probabilidad de elegir al azar un artículo que tenga como
primera letra una vocal y como último dígito un número par.
a, b, c, d, e, f, g, h, i, j, k, l, m, n, o, p, q, r, s, t, u, v, w, x, y, z
S=n1 X n2 = 26 x 9 = 234
1, 2, 3, 4, 5, 6, 7, 8, 9

a, e, i, o, u 2, 4, 6, 8

S=n3 X n4 = 5 x 4 = 20
P(A) = 20/234 = 10/117 = 0.08547
Se elige al azar una permutación de la palabra White, encuentra la probabilidad de que la
permutación

a) Comience con consonante = 3/5

b) Termine con vocal = 2/5
c) Tenga consonantes y vocales alternadas

3 2 2 1 12 1
* * *    0.10
5 4 3 2 120 10
Ejercicio: El consejo directivo de la empresa Y está integrado por 8 hombres y 4 mujeres.
Se seleccionará al azar un Comité de 4 integrantes, al azar, para recomendar a un nuevo
Presidente de la Compañía.
•¿cuál es la probabilidad de que sean mujeres los cuatro integrantes del Comité?
•¿cuál es la probabilidad de que los 4 integrantes sean hombres?

•P(A1 y A2 y A3 y A4) = P(A1) P(A2|A1) P(A3|A1 y A2) P(A4|A1 y A2 y A3)

(4/12)(3/11)(2/10)(1/9) = 24/11880 = 0.002

•P(B1 y B2 y B3 y B4) = P(B1) P(B2|B1) P(B3|B1 y B2) P(B4|B1 y B2 y B3)

(8/12)(7/11)(6/10)(5/9) = 1680/11880 = 0.141
El equipo de una universidad juega 12 partidos de fútbol en una
temporada, ¿cuántas formas puede terminar la temporada con 7
ganados, 3 perdidos y 2 empates?
12!
n!
 7920 n1! n2 !...nk !
7!3!2!

De un grupo de 40 billetes de lotería se extraen 3 para determinar los

premios 1º., 2º. Y 3º. Encuentra el número de puntos muestrales de S
para el otorgamiento de los 3 premios. Si cada participante tiene sólo
un boleto

( 40)(39)(38)  59280
En una generación de 100 estudiantes de nivel medio superior, 54 estudiantes estudian
matemáticas, 69 historia y 35 ambas materias. Si se elige al azar uno de estos
estudiantes, encuentre la probabilidad de que
a) Estudie matemáticas o historia
b) No estudie ninguna de esas materias
c) Estudie historia pero no matemáticas
a ) P ( A  B )  P ( A)  P ( B )  P ( A  B )
P ( A  B )  P (54 / 100 )  P (69 / 100 )  P (35 / 100 )
P ( A  B )  0.88
A B
b) P ( A  B )   1  0.88  0.12
35 34
19
c) P ( B )  P ( A  B )  69 / 100  35 / 100  34 / 100  0.34
12

A = {x|x; es un estudiante que estudia Matemáticas}

B= {x|x; es un estudiante que estudia Historia}
 Ejercicio: Si un empleado que lleva más de 10 años en la empresa y si otra Compañía
le hiciera una oferta de trabajo igual o ligeramente mayor que la de su puesto actual,
¿cuál es la probabilidad de que el empleado permanezca en la empresa?
A = si permanecerán
TIEMPO DE SERVICIO
B = más de 10 años
LEALTAD
MENOS DE DE 1 A 5 DE 6 A 10 MÁS DE
TOTAL
1 AÑO AÑOS AÑOS 10 AÑOS
P( A  B)
P( B | A)  SI PERMANECERÁN 10 30 5 75 120
P( A) NO PERMANECERÁN 25 15 10 30 80
TOTAL 35 45 15 105 200

P(A y B) = P(A) P(B|A) = (120/200) (75/120) = 0.375

 38 45 83
28 50 78
22 17 39
88 112 200

P(sec masc) 28 / 200

P(masc | sec)    0.359
P(sec) 78 / 200
P( fem  no univ.) 95 / 200
P(no univ. | fem)    0.848
P( fem) 112 / 200
Ejercicio: El equipo de beisbol X, un equipo de liga menor de la organización de los Indios
de Cleveland, juega 70% de sus partidos por la noche, y 30% durante el día. El equipo gana
50% de sus juegos nocturnos y 90% de los diurnos. De acuerdo con un diario del día de
hoy, los X ganaron ayer, ¿cuál es la probabilidad de que el partido se haya desarrollado por
la noche?
P ( no ) P ( ga | no ) ( 0.70)( 0.50)
P ( no | ga )    0.564
P ( no ) P ( ga | no )  P ( día ) P ( ga | día ) (0.70)( 0.50)  ( 0.30)( 0.90)
0.35
Gana 0.50

0.35
Pierde 0.50
Noche 0.70

0.27
Día 0.30 Gana 0.90

Pierde 0.10
0.03
Ejercicio: Una persona que se traslada todos los días de su casa al trabajo y viceversa posee
2 automóviles, un compacto y uno estándar. Aproximadamente ¾ partes del tiempo utiliza
el automóvil estándar. Cuando utiliza el automóvil compacto, por lo general llega a su casa
alrededor de las 5:30 pm aproximadamente el 75% de las veces, si utiliza el automóvil de
tamaño estándar llega a su casa alrededor de las 5:30 p.m. aproximadamente el 60% de las
veces. Si llega a casa después de las 5:30 p.m., ¿cuál es la probabilidad de que haya
utilizado el automóvil compacto?

0.75
5:30 =0.19

0.06
Comp 1/4
0.25 + 5:30 =0.06
P( D | C )   0.17
0.06  0.30
0.60 5:30 =0.45
Est 3/4

0.40
+ 5:30 =0.30
Ejercicio: en cierto distrito electoral, el 40% de los votantes elegibles son
demócratas, el 35% son republicanos y el resto son independientes. Durante la
última elección primaria, el 15% de los demócratas, el 20% de los republicanos
y el 10% de los independientes votaron. Encuentre la probabilidad de que una
persona que votó sea un demócrata.

P(D) = 0.40 0.15(0.40)

P(R) = 0.35 P(V | D)   0.387
P(I) = 0.25 0.40(0.15)  0.35(0.20)  (0.25)(0.10)
P(D|V) = 0.15
P(R|V) = 0.20
P( I|V) = 0.10