PROBABILIDADES Sea:  = {(1,1), (1, 2), (1, 3), …(6, 5), (6, 6)}

La teoría de probabilidad es una herramienta o El evento es:

modelo matemático no determinístico que analiza A = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)}
principalmente fenómenos que no responden una
regla uniforme ni está basada en parámetros fijos. El Ejemplo 2
estudio de Probabilidades nos permite hacer Lanzamos una moneda tres veces y observas que
aseveraciones de situaciones de las cuales no estamos los resultados sean alternados.
absolutamente seguros de lo que va a ocurrir pero  = {(c,c,c), (c,c,s), (c,s,c)… (s,s,c), (s,s, s)}
expresan cierto grado de predicción. Entonces el evento es:
Modelos determinísticos son: A = {(c, s, c), (s, c, s)}
• Leyes de Kepler Sea  el espacio muestral y A el evento.
• Leyes gravitacionales, … etc.
3.1. EVENTO SEGURO
Modelos no determinísticos serían: Si el evento A es igual al espacio muestral (A =
• Situación meteorológica ), entonces el evento es seguro.
• Accidentes de tránsito, etc.
El cálculo de probabilidades sirve de andamiaje a la 3.2. EVENTO POSIBLE
estadística matemática que es la fuente de varias El evento A es posible si es subconjunto del
disciplinas muy especializadas hoy en día, tales como: espacio muestral (A  )
el diseño de experimentos, la teoría del muestreo, el
control de calidad, la teoría de decisiones y en 3.3. EVENTO IMPOSIBLE
especial la investigación operativa. Si el evento A resulta ser un conjunto vacío
entonces es un evento imposible.
1. EXPERIMENTO ALEATORIO () Ejemplo:
Es el proceso mediante el cual se puede obtener o Al lanzar un dado sean los eventos:
predecir un resultado. A: De obtener un número par
Ejemplos: B: De obtener un número impar
1: Si lanzamos una moneda al aire y observamos C: De obtener un número mayor que 8
D: De obtener un número mayor que 0
el resultados de la cara superior
2: Lanzar un dado varias veces y observar que Resolución:
ambos resultados son distintos. Se tiene el espacio muestral:
 = {1, 2, 3, 4, 5, 6}
2. ESPACIO MUESTRAL () A = {2, 4, 6} Evento posible
Es el conjunto de puntos de todos los resultados B = {1, 3, 5} Evento posible
posibles de un experimento aleatorio. C = {9, 10, 11, …} Evento imposible
Ejemplo: D = {1, 2, 3, 4, 5, 6} Evento seguro
3: Lanzar una moneda 3 veces
Mediante el “diagrama del árbol” 4. DEFINICIÓN DE PROBABILIDAD
Al hacer el estudio de los fenómenos o
experimentos aleatorios (i) consideramos el
1º 2º 3º Resultado espacio de probabilidad mediante el tema (, A, P)
c (c, c, c) donde  es el espacio muestral, A la clase de
c
s (c, c, s) eventos o álgebra de eventos y P es la función de
c c (c, s, c)
s los valores reales con lo cual definimos como
s (c, s, s) probabilidad la función que hace corresponder a
c c (s, c, c) cada elemento de A un punto en el intervalo de [0,
s s (s, c, s) 1] es decir:
s c (s, s, c) P: A → P(A); P(A)  [0, 1]
s (s, s, s) Donde P(A) es la llamada probabilidad del evento
A.
 = {(c, c, c); (c, c, s); (c, s, c); (c, s, s); (s, c, c); (s, c, s);
(s, s, c); (s, s, s)} Definición clásica
Si en un experimento el número de elementos del
Además: n() = 8 conjunto A de casos favorables para un
determinado suceso A es n(A) y el número de
3. SUCESO O EVENTO elementos de casos posibles C es n(C), entonces la
Es un subconjunto del espacio muestral y se probabilidad del suceso A de experimentar una
representa mediante una letra mayúscula. sola vez, es:

Ejemplo 1 n ( A)
P(A) = o también
Lanzamos dos dados legales y observamos que n (C)
aparecen los números iguales en la cara superior.
 7
Entre 7 caras se puede seleccionar 4 caras de C 4 =
N º casos favorables al evento A
P(A) = 35 formas diferentes.
N º total de casos posibles
35
 P(A) =
Esto es aplicable si y sólo si todos los casos son 128
igualmente posibles.
Ejemplo 1 Ejemplo 2
Encontrar la probabilidad que al lanzar un dado se Calcular la probabilidad de obtener una suma de
obtenga un valor impar. por lo menos 10 puntos al lanzar dos dados.
Resolución: Resolución:
1º El experimento es lanzar un dado, Un dado puede aparecer de 6 formas diferentes:
2º El conjunto de casos posibles 1º Número total de casos posibles:
C = {1, 2, 3, 4, 5, 6} 6 x 6 = 36 formas
3º El conjunto de casos favorables: 2º Determinando el número de casos a favor:
A = {1, 3, 5}
Entonces: n(A) = 3; n(C) = 6 10 puntos
 P(A) = 3/6 = 1/2 = 0,5 Por lo menos 10 puntos ⎯ 11 puntos
12 puntos
Ejemplo 2
Una caja tiene 100 focos entre los cuales hay 20 4+5
defectuosos, ¿cuál es la probabilidad que al sacar que la suma sea 10 5+5
una muestra de 3 focos los tres sean defectuosos? 6+4
Resolución:
1º El experimento es sacar 3 focos de una caja que 5+6
contiene 100. que la suma sea 11 6+5

2º El conjunto de casos posibles es el conjunto de que la suma sea 12 6+6

todos los grupos de 3 focos elegidos entre los
100, luego: # casos a favor = 6
C = {combinación de orden 3 de 100 elementos}  P(A) = 6/36 = 1/6
100 x 99 x 98
n(C) = C100 = = 161700
3 1x 2 x 3 6. SUCESOS COMPUESTOS
Es la ocurrencia de dos o más sucesos simples
3º El conjunto de casos favorables es el conjunto
además un suceso compuesto puede clasificarse
de todos los grupos de 3 focos, todos
en tres tipos: sucesos mutuamente excluyentes,
defectuosos elegidos entre los 20.
sucesos independientes y sucesos dependientes.
A = {combinaciones de orden 3 de 20 elementos}
20 x 19 x 18
n(A) = C320 = = 1140 6.1. Sucesos mutuamente excluyentes:
1x 2 x 3 Los eventos A y B son mutuamente
C 20 excluyentes si no pueden suceder a la vez (A 
 P(A) = 3 B) = 
100
C3 Si: P(A  B) = P(A) + P(B)
A y B son mutuamente excluyentes
5. SUCESOS SIMPLES Por ejemplo el suceso compuesto de obtener
Es aquel cuya ocurrencia o no ocurrencia no está un 6 o un 3 en un tiro de un dado son
relacionada con ningún otro suceso. mutuamente excluyente porque si el 6
aparece, el 3 no puede aparecer y viceversa.
Ejemplo 1 Teorema de la adición para sucesos
Una moneda se tira 7 veces calcular la probabilidad mutuamente excluyentes
que aparezcan exactamente 4 caras. La probabilidad P(A) de que ocurra uno u otro
Resolución: suceso de un cierto número de sucesos
1º Calculando el número total de formas mutuamente excluyentes es la suma de
probabilidades de la ocurrencia de los sucesos
1º 2º 3º 4º 5º 6º 7º por separado.
Sean “n” sucesos mutuamente excluyentes
      
con probabilidades P(A1), P(A2), P(A3)3, …,
2 x 2 x 2 x 2 x 2 x 2 x 2 = 27 = 128 P(An)
Entonces:
2. Determinando el número de casos favorables al PA = P(A1)+ P(A2) + P(A3)+ … + P(An)
evento A:
Donde:
A = A1  A2  A3  ....  An
 6.3. Sucesos Dependientes
Ejemplo: Se dice que dos o más sucesos son dependientes
Ha de escogerse al azar un comité de 4 si la ocurrencia de uno cualquiera de ellos afecta
personas entre 5 varones y 6 mujeres. ¿Cuál es la probabilidad de la ocurrencia de alguno de los
la probabilidad de que el comité esté otros sucesos.
conformado por más de 2 hombres? Así, por ejemplo, consideremos la probabilidad de
Resolución: sacar sucesivamente 2 bolas numeradas con valor
1º Sea el evento A en el cual intervengan 3 par de un cajón que contiene 10 bolas numeradas
hombres y 1 mujer. del 1 al 10, la probabilidad de un valor par en la
C5 x C6 primera extracción sería 5/10 = 1/2. Si volvemos a
P(A1) = 3 1 = 10 x 6 = 2 poner la bola extraída la probabilidad de obtener
C11 330 11 valor par en la segunda extracción es de nuevo
4
1/2 como estos dos sucesos son independientes
por lo tanto la probabilidad de obtener 2 valores
2º Sea el evento B en el cual intervengan 4
pares sería:
hombres y ninguna mujer
1/2 x 1/2 = 1/4
C5 Sin embargo, si la primera bola extraída no se
P(A2) = 4 = 5 = 1
11 330 66 vuelve a poner entonces quedarían 4 valores
C
4 pares de un total de 9, por lo cual la probabilidad
Como son eventos mutuamente de obtener valor par en la segunda extracción
excluyentes: sería 4/9. Notamos que en este caso la
2 1 13 probabilidad depende de la primera extracción,
 P(A) = + =
11 66 66 por lo tanto la probabilidad de extraer un valor
par en este caso sería: 1/2 x 4/9 = 2/9
6.2. Sucesos Independientes
Los eventos A y B son independientes si la 7. AXIOMAS DE PROBABILIDAD
ocurrencia de uno cualquiera de ellos (A) no Sea  el espacio muestral y P(A) es llamada la
afecta la probabilidad de la ocurrencia del otro probabilidad del evento A, se cumplen los
suceso (B) siguientes axiomas.
Si: P(A  B) = P(A) x P(B) 7.1. Para todo evento A, 0  P(A)  1
→ A y B son independientes 7.2. P() = 1;  es el espacio muestral
Así por ejemplo de obtener un as al tirar un dado 7.3. Si: A y B son eventos mutuamente
y sello al tirar una moneda, está compuesto de excluyentes, entonces:
dos sucesos independientes pues la ocurrencia de P(A  B) = P(A) + P(B)
un as no afecta la probabilidad de la aparición de 7.4. Si: AC es el complemento de un evento A
sello en la moneda o viceversa. entonces:
P(AC) = 1 – P(A)
Teorema de la Multiplicación para sucesos 7.5. Si: A  B, entonces P(A)  P(B)
independientes 7.6. Si: A y B son dos eventos, entonces:
Sean “n” sucesos independientes con
P(A – B) = P(A) – P(A  B)
probabilidades P(A1), P(A2), P(A3), …, P(An), 7.7. Si: A y B son dos eventos, entonces:
entonces la probabilidad P(A) que ocurran P(A  B) = P(A) + P(B) – P(A  B)
simultáneamente es la multiplicación de las
probabilidades de las ocurrencias por separado. 8. PROBABILIDADES CONDICIONAL
Entonces: P(A/B): Es la probabilidad de que el evento A
P(A) = P(A1) x P(A2) x P(A3) x … x P(An) ocurra, dado que el evento B ya ocurrió.
Ejemplo:
Calcular la probabilidad de obtener un as en un P( A  B) n (A  B)
tiro de un dado y cara en el tiro de una moneda.  P(A/B) = ó P(A/B)=
Resolución: P( B) n (B)
1º De obtener un as: P(A1) = 1/6
2º De obtener una cara: P(A2) = 1/2
 P(A) = 1/6 x 1/2 = 1/12

Nota: Cuando se habla de sucesos independientes

que ocurren en sucesión se entiende que pueden
ocurrir en cualquier orden y en el enunciado se les
asocia con la palabra “y” o “a la vez”
 TRANSFERENCIA DE APRENDIZAJE 7. La probabilidad de no obtener 9 al lanzar dos
dados es:
1. Se lanza 5 veces un dado. La probabilidad de que
las 5 caras que aparecen sean diferentes entre sí A) 8/9 B) 7/9 C) 6/9
es:
D) 5/9 E) 4/9
13 11 9
A) B) C)
54 54 54

7 5
D) E)
54 54

2. Toño y su hermano se alinean al azar, en una fila,

con 6 amigos más. Entonces, la probabilidad que
los hermanos no estén juntos es:

A) 1/3 B) 1/4 C) 2/3

D) 3/8 E) 3/4

3. De un grupo de 3 chilenos, 4 peruanos, 3

colombianos y 2 ecuatorianos se desea formar
equipos de 8 personas. La probabilidad de que
estos equipos tengan siempre igual cantidad de
personas de todas las nacionalidades es:

A) 9/55 B) 18/55 C) 1/55

D) 6/55 E) 12/55

4. La probabilidad de que Ana ingrese a la UNT es

0,4 que ingrese a una Universidad Privada es 0,7;
si la probabilidad de que no ingrese a ninguna es
0,12; la probabilidad de que ingrese a ambas
universidades es:

A) 0,52 B) 0,42 C) 0,32

D) 0,22 E) 0,12

5. Una caja contiene 90 focos de luz, entre los

cuales hay 8 defectuosos. Si se extraen 3 focos al
azar, la probabilidad de que al menos uno de
ellos sea defectuoso, es:

239 241 243

A) B) C)
979 979 979

247 249
D) E)
979 979

6. Esther, Rosa y cuatro amigas más van a ser

ubicadas en una carpeta de seis asientos. La
probabilidad de que Esther y Rosa se sienten
juntas es:

A)1/4 B) 1/3 C) 1/6

D) 2/3 E) 2/5