03 Teoria de La Probabilidad

2.
TEORÍA DE LA PROBABILIDAD
La inferencia estadística —es decir, obtener conclusiones para una población a partir de
una muestra— se basa en los fundamentos de la teoría de la probabilidad, rama de las
matemáticas que se ocupa de los fenómenos que se producen al azar o fenómenos alea-
torios. Pero para poder hacer predicciones o tomar decisiones inteligentes es necesario
saber, cuando menos, qué es posible que suceda para después, poder juzgar lo que es
probable. Por esta razón es que en este capítulo se estudiará primeramente el problema
de determinar lo que es posible en ciertas situaciones, y en las siguientes secciones de
este mismo capítulo aprenderemos a juzgar lo que es probable, presentando las técnicas
fundamentales y los conceptos que son necesarios para comprender la inferencia estadís-
tica.
2.1. CONCEPTOS BÁSICOS DE LA TEORÍA DE CONJUNTOS
El estudio de la probabilidad y, especialmente, el cálculo de probabilidades se facilita mu-

cho con el concepto de conjunto. La teoría de conjuntos se empezó a desarrollar en la
segunda parte del siglo XIX, por Georg Cantor (1845-1918).
Esta sección trata sobre las nociones y conceptos básicos de la teoría y del álgebra de
conjuntos que nos capacitarán para el estudio de la teoría de la probabilidad y la estadís-
tica, aunque cabe mencionar que la teoría de conjuntos no solamente es importante en
este campo, sino que es fundamental en toda la matemática moderna.
Sin embargo, debido a que las probabilidades son números asociados con la ocurrencia
potencial de eventos o sucesos, la teoría de conjuntos proporciona un medio consistente
de registrar los sucesos. Por lo tanto, la teoría de conjuntos es un preámbulo a la teoría
de la probabilidad.
2.1.1. DEFINICIONES BÁSICAS
CONJUNTO. Es una lista o colección bien definida de objetos. A los objetos comprendidos
en un conjunto se les llama elementos o miembros.
Un conjunto particular se puede especificar o describir de dos maneras:
FORMA TABULAR. También llamado método por enumeración, consiste en enumerar cada
elemento del conjunto. Por ejemplo, el conjunto A de los números impares menores que
15 se escribe:
A = {1, 3, 5, 7, 9, 11, 13}
FORMA DESCRIPTIVA. También llamada por comprensión, consiste en establecer las pro-
piedades que caracterizan a los elementos del conjunto. Por ejemplo, el mismo conjunto A
de los números impares menores que 15 se escribe:
A = {x : x es un número impar, x < 15}
43
2.1.2. NOTACIÓN Y SIMBOLOGÍA
Los conjuntos se expresan frecuentemente con símbolos, como una notación abreviada.
Los conjuntos se designan con letras mayúsculas. El signo “igual” (=) quiere decir “se
define como”. Los elementos, separados por comas y expresados con letras minúsculas,
se encierran entre llaves, tal como se muestra en los ejemplos dados anteriormente. Aho-
ra bien, si a es un elemento del conjunto A, esto se escribe como
a ∈ A
Si cada elemento de A pertenece también a un conjunto B, esto es, si a ∈ A y también a ∈

B para todo a en A, entonces se dice que A es un subconjunto de B, o que A está conteni-
do en B, lo cual se denota por
A ⊂ B ó B ⊃ A
Dos conjuntos A y B se dice que son iguales si cada uno está contenido en el otro, esto
es, si ambos contienen exactamente los mismos elementos. En símbolos,
A = B si y sólo si A ⊂ B y B ⊂ A
Las negaciones de a ∈ A, A ⊂ B y A = B se escriben a ∉ A, A ⊄ B y A ≠ B, respectiva-

mente.
A menos que se establezca otra cosa, todos los conjuntos en una investigación se supo-
nen subconjuntos de un conjunto fijo llamado conjunto universal, denotado (en esta sec-
ción) por U.
CONJUNTO UNIVERSAL. Es un conjunto cuyos objetos son todos los resultados posibles de
un experimento o suceso. El experimento puede realmente realizarse o puede ser hipoté-
tico. Por ejemplo, en un solo lanzamiento de dado, el conjunto universal puede ser defini-
do como:
U = {1, 2, 3, 4, 5, 6}
donde los elementos de U representan todos los resultados posibles del experimento hi-
potético. Cabe mencionar que el conjunto universal de un análisis particular cambia cuan-
do cambia la esfera de interés.
CONJUNTO VACÍO. También llamado conjunto nulo, es un conjunto que no tiene elementos,
y se denota por la letra griega phi, ∅. Este conjunto se considera como un subconjunto de
cualquier otro conjunto. Así, para cualquier conjunto A:
∅ ⊂ A ⊂ U
Por ejemplo, dado el conjunto A = {2, 4, 6, 8, 10, 12}, algunos de los subconjuntos de A
son:
44
∅ , {2, 4, 6} , {2} , {4} , {6, 8, 10, 12} , {4, 8, 12} , {2, 4, 6, 8, 10, 12}, etc.
Nótese que el conjunto universal U y el conjunto vacío también son subconjuntos.
Los conjuntos pueden ser finitos o infinitos. Se dice que un conjunto es finito si está vacío
o si consta exactamente de n elementos (donde n es un entero positivo). De otra manera,
se dice que el conjunto es infinito.
Se dice que un conjunto es contable si es finito o si sus elementos pueden ser ordenados
en forma de sucesión, en cuyo caso se dice que el conjunto es infinito contable; de lo
contrario, el conjunto es no contable.
Ejemplo 2.1. Notación de conjuntos
a) Sea M el conjunto de los meses del año, esto es,
M = {en, feb, mar, abr, may, jun, jul, ago, sep, oct, nov, dic}
M consta de exactamente 12 elementos. Por lo tanto, M es finito.
b) Sea P el conjunto de los ríos de la Tierra
P = {x : x es un río de la Tierra}
Aunque puede ser difícil contar el número de ríos de la Tierra, P es un conjunto finito.
c) Sea Y el conjunto de los enteros pares (positivos), esto es,
Y = {2, 4, 6, 8, ...}
Y es un conjunto infinito contable porque sus elementos pueden enlistarse en forma de

sucesión,
d) Sea I el intervalo unidad de los números reales, esto es,
I = {x : 0 ≤ x ≤ 1}
I es un conjunto infinito no contable porque sus elementos no pueden enlistarse. ∎
2.1.3. OPERACIONES CON CONJUNTOS
Se pueden formar nuevos conjuntos, tomando el conjunto universal y algunos de sus sub-
conjuntos y ejecutando una o varias de las posibles operaciones entre conjuntos, sin olvi-
dar que cada nuevo conjunto resultante será también un subconjunto del conjunto univer-
sal.
45
Las operaciones básicas que se pueden realizar con conjuntos son las siguientes:
 UNIÓN. La unión de dos conjuntos A y B, denotada por A ∪ B, es el conjunto que con-

siste de todos los elementos que pertenecen a A, a B, o a ambos; es decir,
A ∪ B = {x : x ∈ A ó x ∈ B}
 INTERSECCIÓN. La intersección de dos conjuntos A y B, representada por A ∩ B, es el

conjunto de elementos que pertenecen simultáneamente a ambos conjuntos; es decir,
A ∩ B = {x : x ∈ A y x ∈ B}
Aquí cabe mencionar que si A y B no tienen elementos en común, entonces se dice que A
y B son conjuntos disjuntos, mutuamente excluyentes o ajenos. Así, si A y B son disjuntos,
entonces su intersección es el conjunto nulo o vacío:
A∩B=∅
 DIFERENCIA. La diferencia de dos conjuntos A y B, o el complemento relativo de B con

respecto a A, representada por A − B o por A \ B, es aquella colección de elementos
que pertenecen a A pero no a B; esto es,
A − B = {x : x ∈ A, x ∉ B}
Obsérvese que A − B y B son disjuntos, esto es, (A − B) ∩ B = ∅.
 COMPLEMENTO. El complemento absoluto de un conjunto A, o simplemente el com-

plemento, expresado por A c , es el conjunto que consta de todos los elementos del
conjunto universal U que no son elementos del conjunto A, es decir,
A c = {x : x ∈ U, x ∉ A }
Ejemplo 2.2. Operaciones con conjuntos
Sean U = {a, b, c, d, e, f, g}, A = {a, b, c, d, e}, B = {a, c, e, g} y C = {b, e, f, g}. Enton-

ces:
a) A ∪ C = {a, b, c, d, e, f, g} = U
b) B ∩ A = {a, c, e}
c) C − B = {b, f }
d) B c ∪ C = {b, d, e, f, g} donde B c = {b, d, f }
e) C c ∩ A = {a, c, d } donde C c = {a, c, d}
f) ( A  C ) c = {b, e, f, g} donde A − C = {a, c, d}
g) ( A  B c ) c = {b, d, f, g} donde A − B c = {a, c, e}
h) ( A  A c ) c =  c = U donde A ∩ Ac = ∅ ∎
46
Para expresar las relaciones entre conjuntos, aparte de las formas tabular y descriptiva,
también se puede utilizar un diagrama llamado diagrama de Venn, nombre que proviene
del lógico inglés John Venn (1834-1923), y que se utiliza con frecuencia para verificar re-
laciones entre conjuntos, sin necesidad de hacer demostraciones formales basadas en el
álgebra de conjuntos. En estos diagramas, el conjunto universal U es representado por un
rectángulo, mientras que los conjuntos aparecen como regiones planas dentro del rectán-
gulo, en forma de círculos o porciones de éstos, tal como se muestra en la figura 2.1.1.
Las regiones sombreadas de los diagramas de Venn representan las distintas relaciones
entre conjuntos.
A A
A B A B
U U
U U
a) Unión (A ∪ B sombreado) b) Intersección (A ∩ B sombreado)
A A
A B
A B
U U
U
U
c) Conjuntos disjuntos (A ∩ B = ∅) d) Diferencia ( A − B sombreado)
A
A
U
e) Complemento ( A c sombreado)
Figura 2.1. Operaciones con conjuntos representadas por diagramas de Venn
47
Cuando se tienen tres conjuntos, se dibujan los círculos tal como aparecen en la figura
2.1.2. En este diagrama, los círculos dividen el rectángulo (el área total) en ocho regiones,
siendo fácil determinar entonces si los conjuntos en cuestión son parte de A o A c , de B o
B c , de C o C c .
A B 8
2
7 5
1
4 3
6
U
C
Figura 2.2. Diagrama de Venn para tres conjuntos
 CONJUNTO PRODUCTO. El conjunto producto de dos conjuntos A y B, representado por

A × B, es aquella colección de elementos formada por todas las parejas ordenadas
(a, b), donde a ∈ A y b ∈ B; esto es,
A × B = {(a, b) : a ∈ A, b ∈ B}
El producto de un conjunto por sí mismo, A × A, se denota A 2 . Asimismo, un método

conveniente para hallar el producto A × B × C es por medio del llamado diagrama de ár-
bol, el cual se estudiará más detalladamente en la sección 2.2.1.
El concepto de conjunto producto se puede extender a un número finito de conjuntos en

forma natural. Así, el conjunto producto de los conjuntos A1 , A 2 , ..., A n , denotado por
A1 × A 2 × ... × A n es el conjunto de todas las n-uplas ordenadas ( a 1 , a 2 , ..., a n ), donde
a i ∈ A i para cada i.
Ejemplo 2.3. Conjunto producto
Sea S = {a, b, c} y T = {b, c, d}. Entonces
S × T = {(a, b), (a, c), (a, d), (b, b), (b, c), (b, d), (c, b), (c, c), (c, d)} ∎
 PARTICIÓN. Una partición de un conjunto X es una subdivisión de X entre subconjun-

tos no vacíos que son mutuamente excluyentes y cuya unión es X, o sea la clase de
subconjuntos no vacíos de X tales que cada a ∈ X pertenece a un único subconjunto.
Los subconjuntos de una partición se llaman células.
48
2.2. DEFINICIÓN DE PROBABILIDAD
El interés por los conceptos de la teoría de la probabilidad y por el cálculo de probabilida-

des se remonta al siglo XVII, cuando en 1654, los matemáticos franceses Blas Pascal
(1623-1662) y Pierre de Fermat (1601-1665) formularon la teoría de la probabilidad a tra-
vés del intercambio de numerosas cartas. Esta importante correspondencia fue promovida
por las preguntas que hacía a Pascal el filósofo francés y conocido jugador Antoine Gom-
baud Chevalier de Méré.
PROBABILIDAD. Es el estudio de experimentos aleatorios o libres de determinación. Es

decir, la probabilidad se refiere a la posibilidad relativa de que ocurra algún evento. En
forma muy simple se puede definir la probabilidad como un número de 0 a 1 —aunque
con frecuencia las probabilidades se expresan en porcentajes—, que se le asigna a un
fenómeno para indicar su posibilidad de ocurrencia, dando una probabilidad de 0 a un
fenómeno que no puede ocurrir y una probabilidad de 1 a un fenómeno que con certeza
ocurrirá. Existen tres enfoques para definir la probabilidad:
2.2.1. PROBABILIDAD CLÁSICA.
El concepto clásico de probabilidad se creó originalmente en relación con juegos de azar,

y se presta fácilmente a servir como puente de enlace entre las posibilidades y las proba-
bilidades. Este concepto se aplica sólo cuando todos los resultados posibles son igual-
mente probables.
PROBABILIDAD CLÁSICA A PRIORI. Este concepto, que sostuvieron Pascal, Fermat y sus
sucesores hasta el siglo XX, se puede definir como sigue: Si en un experimento pueden
producirse n resultados igualmente probables y mutuamente excluyentes y si dentro de
estos n resultados el evento E puede ocurrir s veces, la probabilidad del evento E, que se
escribe P (E), está dada por
s
P (E) = (2.11)
n
donde: s = resultados favorables al evento E

n = número total de resultados del experimento
Una definición de esta naturaleza es útil para resolver problemas en los que generalmente
no es necesario realizar los experimentos para calcular las probabilidades deseadas, sino
que basta con emplear un razonamiento lógico: de ahí el término a priori.
PROBABILIDAD CLÁSICA EMPÍRICA. En este caso, aunque la probabilidad se sigue definien-

do como la proporción entre el número de resultados favorables y el número total de re-
sultados, estos resultados se basan en datos observados, no en el conocimiento anterior
a un proceso.
49
Ejemplo 2.4. Probabilidad clásica
¿Cuál es la probabilidad de sacar un as de un paquete barajado de 52 naipes?
Hay s = 4 ases entre los n = 52 naipes, así que la probabilidad es
s 4 1
P (un as) = = = ∎
n 52 13
La desventaja principal del concepto clásico de probabilidad consiste en que, como se

mencionó anteriormente, los resultados deben ser igualmente probables; sin embargo, en
la práctica esta suposición con frecuencia no se cumple debido a que existen muchas
situaciones en las que las posibilidades que surgen no pueden considerarse igualmente
probables. Como consecuencia de esto y de otras limitaciones, el concepto clásico de
probabilidad ha sido ampliado en tal forma que se pueden hoy obtener soluciones para
problemas más prácticos.
2.2.2. PROBABILIDAD FRECUENCIAL.
Se puede describir este concepto en una forma no muy rigurosa, de la siguiente manera:
Considérese un evento E que se produce en n repeticiones o ensayos de algún experi-
mento. De acuerdo con el concepto de frecuencia relativa de ocurrencia, la probabilidad
del evento E, P (E), es igual a la frecuencia relativa de ocurrencia del evento E, cuando n
crece indefinidamente:
número de veces que sucede E

P ( E ) = Lim (2.12)
n n
Si se hace que n E sea igual al número de veces que ocurre el evento E en n ensayos de
un experimento, se puede entonces estimar a P (E) mediante la expresión
nE
P(E)= (2.13)
n
la cual es la frecuencia relativa de ocurrencia del evento E.
Es decir, de acuerdo con este concepto, la probabilidad de que ocurra un acontecimiento

(resultado) es la proporción de las ocasiones en que, a la larga, tienen lugar los eventos
del mismo tipo. Así, según este concepto, la probabilidad de un suceso se calcula obser-
vando en cuántas ocasiones han ocurrido eventos similares en el pasado. Sin embargo, la
elección de sucesos similares es una cuestión de juicio personal y de ningún modo resulta
contradictorio que se pueda llegar a diferentes probabilidades concernientes al mismo
suceso.
50
Ejemplo 2.5. Probabilidad frecuencial
Ciertas pruebas muestran que 294 de 300 aislantes de cerámica probados podrían resistir
un choque térmico. ¿Cuál es la probabilidad de que cualquiera de tales aislantes pueda
resistirlo?
294
Entre los aislantes probados, = 0.98 pueden resistir el choque térmico, y utilizamos
300
esta cifra como una estimación de la probabilidad. ∎
2.2.3. PROBABILIDAD SUBJETIVA.
Existen muchos eventos de interés cuyas probabilidades de ocurrencia no se pueden cal-

cular de acuerdo con los métodos de frecuencia relativa o de probabilidad clásica, en cuyo
caso se utiliza la llamada probabilidad subjetiva, la cual se refiere a la posibilidad de ocu-
rrencia asignada a un evento por un individuo particular. Estas probabilidades expresan la
fuerza de una creencia propia en relación con las incertidumbres que intervienen y que se
aplican, especialmente, cuando la evidencia directa es escasa o nula.
La asignación de probabilidades subjetivas a diversos eventos generalmente se basa en

una combinación de la experiencia del individuo, la opinión personal y el análisis de una
situación particular. Asimismo, la magnitud de la probabilidad que una persona asigna
subjetivamente a un evento, depende del grado de crédito que esa persona le dé a la ocu-
rrencia del evento. Por esta razón es posible asignar probabilidades a eventos que sólo se
presentan una vez ya que, a diferencia del método de probabilidad frecuencial, la probabi-
lidad subjetiva no depende de la posibilidad de repetición de un experimento.
2.3. ESPACIO MUESTRAL Y EVENTOS
Los elementos básicos de la teoría de la probabilidad son los resultados del proceso o
fenómeno en estudio. Por lo tanto, con el fin de facilitar la comprensión del resto del capí-
tulo, es conveniente definir primero algunos términos.
EXPERIMENTO. Es el proceso de efectuar una observación o medición. Cualquier experi-

mento puede originar varios resultados posibles. Cuando se estudian los resultados de un
experimento, por lo general se identifican las diversas posibilidades con números, puntos
u otras clases de símbolos, de manera que se puedan tomar en cuenta todos los aspectos
concernientes a los resultados desde un punto de vista matemático sin tener que recorrer
largas descripciones verbales de lo que ha sucedido, lo que está sucediendo o lo que ocu-
rrirá.
ESPACIO MUESTRAL. Es el conjunto de todos los resultados posibles de un experimento,

listados de modo completo y mutuamente excluyentes (o sea que los elementos del con-
junto no se traslapan). El espacio muestral se acostumbra denotar con la letra S. Los es-
pacios muestrales para un determinado experimento no son únicos y se deben seleccio-
nar de tal modo que se obtenga toda la información pertinente para un caso dado. A un
51
resultado particular del experimento, o sea a un elemento de S, se le llama punto muestral
o muestra.
EVENTO. Los elementos básicos de la teoría de probabilidad son los resultados del proce-
so o fenómeno bajo estudio. Así, un evento es un subconjunto cualquiera de un espacio
muestral y suele designarse por medio de una letra mayúscula, recordando que un sub-
conjunto es una parte cualquiera de un conjunto, incluso el conjunto como un todo y, en
forma trivial, al conjunto vacío, que no tiene ningún elemento. Existen varias clases de
eventos:
 EVENTO SIMPLE. Es el que puede describirse mediante una característica sencilla. La

compilación de todos los eventos posibles es el espacio muestral. El conjunto vacío ∅
y el espacio muestral S de por sí son eventos.
 EVENTO IMPOSIBLE. Es el conjunto vacío ∅, es decir es el evento que nunca puede

ocurrir.
 EVENTO SEGURO. Es el conjunto universal o espacio muestral S, es decir es el evento

que siempre ocurre.
 EVENTO COMPUESTO. Es el que puede expresarse en términos de dos o más eventos.

Así, es posible combinar eventos para formar nuevos eventos usando las diferentes
operaciones con conjuntos:
a) La unión de dos eventos A y B, denotada A ∪ B, es el evento que sucede si y sólo

si A o B o ambos suceden.
b) La intersección de dos eventos A y B, denotada A ∩ B, llamada también evento
conjunto, es el evento que sucede si y sólo si A y B suceden simultáneamente.
c) La diferencia de dos eventos A y B, denotada A − B es el evento en el que sola-
mente sucede A.
d) El complemento de un evento A, denotado A c , es el evento que sucede si y sólo si
A no sucede.
EVENTOS MUTUAMENTE EXCLUYENTES. Dos eventos A y B son mutuamente excluyentes si

ambos eventos no pueden ocurrir al mismo tiempo, es decir, si la ocurrencia de A impide
la ocurrencia de B y viceversa. Esto implica que A y B no tienen elementos en común,
esto es que A ∩ B = ∅.
EVENTOS COLECTIVAMENTE EXHAUSTIVOS. Dos eventos A y B son colectivamente exhausti-

vos si uno de los eventos debe ocurrir. Por ejemplo, ser hombre y mujer son eventos mu-
tuamente excluyentes y colectivamente exhaustivos, ya que nadie es ambos (son mutua-
mente excluyentes) y todos son uno u otro (son colectivamente exhaustivos).
Por lo tanto, resulta claro que la manera en que se subdivide el espacio muestral depende
de los tipos de probabilidades que se han de determinar. Existen varias formas en las que
puede verse un espacio muestral particular. Entre ellas, las más comunes son:
52
TABLAS DE CONTINGENCIAS. Este método implica asignar los eventos apropiados a una
tabla de clasificaciones cruzadas, la cual proporciona una presentación clara del número
de resultados posibles de las variables relevantes. Por ejemplo, si las dos variables de
interés para un evento consistente en la extracción de una carta de una baraja normal de
52 cartas fueron “presencia de as” y “color de la carta”, la tabla de contingencias tendría el
aspecto siguiente:
Rojo Negro Totales

As 2 2 4
No as 24 24 48
Totales 26 26 52
Tabla de contingencias para variables de color de carta
DIAGRAMAS DE VENN. Los eventos y espacios muestrales son a menudo representados

por diagramas de Venn. Estos diagramas se utilizan con frecuencia para verificar relacio-
nes entre eventos, haciendo así innecesario hacer demostraciones formales basadas en
el álgebra de conjuntos. El espacio muestral se representa por medio de un rectángulo y
los eventos por medio de círculos o partes de círculos dentro del rectángulo. Para desa-
rrollar un diagrama de Venn, los eventos A y B deben estar definidos. No importa qué
evento se defina como A o B, siempre y cuando se sea consistente al evaluar los diversos
eventos.
A A
A B A B
S S
S S
A ∪ B sombreado A ∩ B sombreado
(sucede A o B o ambos) (A y B suceden simultáneamente)
AA B
A
A
S S
S
c
U
A sombreado A − B sombreado
(A no sucede) (sucede solamente A)
53
A B
A B
S
Eventos mutuamente excluyentes (A ∩ B = ∅)
Figura 2.3. Diagramas de Venn que representan relaciones entre eventos
Ejemplo 2.6. Espacio muestral y eventos
Láncese un dado y obsérvese el número que aparece en la cara superior. Entonces el

espacio muestral consiste en los seis números posibles:
S = {1, 2, 3, 4, 5, 6}
Sea A el evento de salir un número par, B de salir impar y C de salir primo:
A = {2, 4, 6}, B = {1, 3, 5}, C = {2, 3, 5}
Entonces:
A ∪ C = {2, 3, 4, 5, 6} es el evento de que el número sea par y/o primo

B ∩ C = {3, 5} es el evento de que el número sea impar primo
B − C = {1} es el evento de que el número sea impar pero no primo
C c = {1, 4, 6} es el evento de que el número no sea primo
Obsérvese que A y B son mutuamente excluyentes, ya que A ∩ B = ∅; es decir que un

número par y un número impar no pueden ocurrir simultáneamente. Asimismo, A y B son
colectivamente exhaustivos, pues todos los números son uno u otro (par o impar). ■
Sea el caso de lanzar una moneda y un dado.
a) Expresar explícitamente los siguientes eventos:

i) A = {aparecen águilas y un número par}
ii) B = {aparece un número primo}
iii) C = {aparecen sellos y un número impar}
El espacio muestral consta de doce elementos:
54
S = { a1, a 2 , a3 , a 4 , a5 , a 6 , s1 , s 2 , s3 , s 4 , s5 , s 6 }
Entonces: A = {a2, a4, a6} C = { s1 , s3 , s5 }

B = {a2 , a3 , a5 , s2 , s3 , s5 }
b) Expresar explícitamente el evento en que:

i) A o B suceden
ii) B y C suceden
iii) Sucede solamente B
A ∪ B = {aparecen águilas y un número par o aparece un número primo}

= {a2 , a3 , a4 , a5 , s2 , s3 , s5 }
B ∩ C = {aparecen sellos y un número primo impar} = { s 3 , s 5 }
B − [(A ∩ B) ∪ (B ∩ C)] = {aparece un número primo, pero no águila-par ni sello- impar}

= {a3 , a5 , s2 } ■
En la figura siguiente, C es el evento de que un mineral contiene cobre y U es el evento

que contiene uranio.
4
C 1 U
2 3
S
Explíquese con palabras qué eventos están representados por:

a) Las regiones 1, 2, 3 y 4
Región 1: C ∩ U = {el mineral contiene cobre y uranio}

Región 2: C − U = {el mineral contiene solamente cobre}
Región 3: U − C = {el mineral contiene solamente uranio}
Región 4: (C  U ) c = {el mineral no contiene cobre ni uranio}
b) Las regiones 1 y 3 juntas: U = {el mineral contiene uranio}
c) Las regiones 3 y 4 juntas: C c = {el mineral no contiene cobre}
d) Las regiones 1, 2 y 3 juntas: C ∪ U = {el mineral contiene cobre y/o uranio} ■
55
Cuando tenemos tres eventos, dibujamos los círculos tal como aparecen en la Figura 2.4.
En este diagrama, los círculos dividen el espacio muestral en ocho regiones, y es fácil
determinar entonces si los eventos en cuestión son parte de A o A c , de B o B c , de C o
Cc.
A A B B
2
7 5 8
1
4 3
C6
S
U
C
Figura 2.4. Diagrama de Venn para tres eventos
EJERCICIOS 2.1
1. Si A es el evento en que cierto estudiante lleva un curso de Cálculo y B es el evento en

el que el estudiante está tomando un curso de Mecánica Aplicada, describir qué even-
tos están representados por las regiones sombreadas de los cuatro diagramas de Venn
siguientes
AA A
S S
S
S
A B
A B A B
A B
S A S
S S
2. De 25 microcomputadoras disponibles en un almacén, diez de ellas tienen tarjetas
adaptadoras para una impresora, cinco tienen tarjetas adaptadoras para un módem, y
trece no tienen ninguna de éstas. Utilizar P para representar a aquéllas que tengan tar-
jetas de impresora, M para las que tienen tarjetas de módem y, luego, representar sim-
bólicamente los siguientes conjuntos, así como mencionar el número de microcompu-
tadoras que hay en cada uno.
a) Las que tengan ambas tarjetas.
b) Las que no tengan tarjeta alguna.
c) Las que sólo tengan tarjetas para impresora.
56
d) Las que tengan exactamente una de las tarjetas.
3. Sea el caso de lanzar una moneda de centavo, una de diez centavos y un dado.
a) Escribir el espacio muestral S apropiado.
b) Expresar explícitamente los eventos siguientes: A = {que aparezcan dos caras y un
número primo}, B = {que aparezca un 2}, C = {que aparezca exactamente una cara y
un número primo}
c) Expresar explícitamente el evento en que:
i) A y B suceden
ii) Sucede solamente B
iii) Sucede B ó C
4. Veinte motores eléctricos se sacan de una línea de ensamble y se examinan para ver
si tienen defectos. Once de los motores no tienen defectos, ocho tienen defectos en el
acabado exterior, y tres tienen defectos en su ensamble y no funcionarán. Sea A el
conjunto de motores que tienen defectos de armado y F el conjunto que tiene defectos
en su acabado exterior. Con A y F escribir una notación simbólica para:
a) El conjunto de motores que tienen los dos tipos de defectos.
b) El conjunto de motores que tiene por lo menos un tipo de defecto.
c) El conjunto de motores que no tienen defectos.
d) El conjunto de motores que tiene exactamente un tipo de defecto.
5. Un experimento consiste en el lanzamiento de una moneda y un dado. Si A es el he-

cho de que salga águila en el lanzamiento de la moneda y B es el hecho de obtener 3
ó 6 en el lanzamiento del dado, explicar qué significado tiene cada uno de los siguien-
tes eventos:
a) A c
b) B c
c) A ∩ B
d) ( A  B ) c
e) A − B
f) A c ∪ B c
6. En un grupo de 160 posgraduados de ingeniería, 92 se han inscrito en un curso avan-

zado de estadística, 63 en uno de investigación de operaciones y 40 están inscritos en
ambos cursos. ¿Cuántos están inscritos en al menos uno de los dos cursos?
2.4. ANÁLISIS COMBINATORIO
El simple proceso de contar sigue desempeñando un papel importante en cualquier disci-

plina, llámese administración, economía, ingeniería, etc. Algunas veces el proceso de
conteo puede simplificarse mediante el uso de dispositivos mecánicos o al realizar cuen-
tas en forma indirecta. En otros casos, el proceso de contar se puede facilitar apreciable-
mente por medio de técnicas matemáticas especiales, mismas que se estudiarán en esta
sección.
57
En el estudio de la probabilidad existen básicamente dos tipos de problemas. En primer
lugar, existe el problema de citar todo lo que puede suceder en una situación dada y, des-
pués, el de determinar cuántas cosas diferentes pueden acontecer (sin elaborar en reali-
dad una lista completa). El segundo tipo de problema es de especial importancia, ya que
en muchos casos no se necesita realmente una lista completa y, por lo tanto, es posible
ahorrarse mucho trabajo. Sin embargo, aunque el primer tipo de problema quizá parezca
sencillo y directo, no siempre se da este caso, ya que en muchas situaciones de impor-
tancia práctica es virtualmente imposible contar físicamente el número de ocurrencias de
un evento. Por lo tanto, cuando se está frente a una situación de estas es muy útil poder
disponer de un método corto, rápido y eficaz para contar.
Las técnicas para determinar sin enumeración directa el número de resultados posibles de
un experimento particular o el número de elementos de un conjunto particular son conoci-
das con el nombre de análisis combinatorio o técnicas de conteo, las cuales son esencia-
les en el estudio de la probabilidad.
2.4.1. DIAGRAMA DE ÁRBOL
En ocasiones puede ser muy difícil, o al menos tedioso, determinar el número de elemen-
tos de un conjunto finito por medio de la enumeración directa. Para manejar sistemática-
mente este tipo de problemas, es útil dibujar un diagrama de árbol, el cual permite tener
una lista de los posibles resultados.
DIAGRAMA DE ÁRBOL. Es un dibujo que se usa para enumerar todos los resultados posi-
bles de una serie de experimentos en donde cada uno de éstos puede suceder en un nú-
mero finito de maneras. El diagrama de árbol se construye de izquierda a derecha y el
número de ramas en cada punto es el número de resultados posibles del experimento
siguiente. Por lo tanto, siguiendo un camino específico de izquierda a derecha a lo largo
de las ramas del árbol, se obtiene un resultado específico del experimento.
Es importante mencionar que el diagrama de árbol solamente resulta útil para mostrar
todas las secuencias posibles de un experimento cuando el número de posibilidades no
es demasiado grande.
Ejemplo 2.9. Diagrama de árbol
Un proceso industrial consta de tres pasos y puede realizarse de tres formas en el primer
paso; dos formas en el segundo paso y tres formas en el paso final. ¿De cuántas formas
es posible obtener el producto? Hacer un diagrama de árbol.
Las formas en que se puede realizar el producto son 18, las cuales son:
adf aef bdf bef cdf cef

adg aeg bdg beg cdg ceg
adh aeh bdh beh cdh ceh
58
El diagrama de árbol tiene la forma
f
d
g
a h
f
e g
h
f
d g
origen b h
f
e g
h
f
d g
c h
f
e g
h
Es decir: 3 × 2 × 3 = 18 formas ■
2.4.2. PRINCIPIOS MULTIPLICATIVO Y ADITIVO
PRINCIPIO MULTIPLICATIVO. Este principio, llamado también principio fundamental del con-
teo, está basado en el mismo método de razonamiento mostrado en el diagrama de árbol,
y puede establecerse como sigue:
Si una elección consta de k pasos, donde el primer paso puede realizarse de

n 1 maneras diferentes, el segundo paso puede realizarse de n 2 maneras di-
ferentes, y así sucesivamente, entonces el número de maneras en que los k
pasos pueden realizarse conjuntamente en el orden indicado es el producto
n 1 × n 2 × n 3 × ... × n k .
La regla de multiplicación se utiliza frecuentemente cuando se realizan varias elecciones

de un conjunto y se está interesado en el orden en que se efectúan. Sin embargo, ésta
sólo ayuda a determinar el número total de resultados para un experimento. Todavía se
deben asignar probabilidades a esos resultados para completar el modelo probabilístico.
Ejemplo 2.10. Principio de multiplicación
Un producto se arma en tres etapas. En la primera etapa hay cinco líneas de armado, en
la segunda etapa hay cuatro líneas de armado, y en la tercera etapa hay seis líneas de
armado. ¿De cuántas maneras puede moverse el producto en el proceso de armado?
59
Primera etapa: 5 maneras ( n1 )
Segunda etapa: 4 maneras (n2 )
Tercera etapa: 6 maneras ( n3 )
Entonces hay n 1 × n 2 × n 3 = 5 × 4 × 6 = 120 maneras diferentes ■
Supongamos que una placa de automóvil consta de dos letras distintas seguidas de tres
dígitos de los cuales el primero no es cero. ¿Cuántas placas diferentes pueden grabarse?
Se tienen 26 letras en el alfabeto y 10 dígitos. Por tanto
Primera letra: 26 maneras ( n1 )

Segunda letra: 25 maneras (n2 )
Como el primer dígito no es cero, entonces
Primer dígito: 9 maneras ( n3 )
Los restantes dos dígitos pueden estar repetidos. Por tanto
Segundo dígito: 10 maneras (n4 )

Tercer dígito: 10 maneras ( n5 )
Entonces pueden grabarse
n 1 × n 2 × n 3 × n 4 × n 5 = 26 × 25 × 9 × 10 × 10 = 585 000 placas diferentes ■
De A a B hay seis caminos y de B a C hay cuatro.

a) ¿De cuántas maneras se puede ir de A a C pasando por B?
De A a B: 6 maneras ( n1 )
De B a C: 4 maneras ( n2 )
Por tanto, para ir de A a C pasando por B hay
n 1 × n 2 = 6 × 4 = 24 maneras
60
b) ¿De cuántas maneras se puede hacer el viaje redondo de A a C pasando por B?
De C a B: 4 maneras ( n3 )
De B a A: 6 maneras (n4 )
Por tanto, para ir de C a A pasando por B hay
n 3 × n 4 = 4 × 6 = 24 maneras
Entonces el viaje redondo de A a C pasando por B puede hacerse de
24 × 24 = 576 maneras
c) ¿De cuántas maneras se puede hacer el viaje redondo de A a C sin usar el mismo ca-
mino más de una vez?
Como de ida ya se usó un camino de A a B y otro de B a C, entonces

De C a B: 3 maneras ( n 5 )
De B a A: 5 maneras (n6 )
Por tanto, para ir de C a A pasando por B hay
n 5 × n 6 = 3 × 5 = 15 maneras
y el viaje redondo de A a C pasando por B sin usar el mismo camino más de una vez
puede hacerse de
24 × 15 = 360 maneras ∎
PRINCIPIO ADITIVO. Supóngase que un procedimiento, designado como 1, se puede hacer

de n 1 maneras y que un segundo procedimiento, designado como 2, se puede hacer de
n 2 maneras. Supóngase además que no es posible que ambos, 1 y 2, se hagan juntos.
Entonces, el número de maneras como se puede hacer 1 ó 2 es n 1 + n 2 .
Ejemplo 2.13. Principio de adición
Para ir a la ciudad de Guadalajara se tienen para escoger cuatro líneas de autobuses,

cinco líneas de aviones y tres líneas de ferrocarril. ¿De cuántas formas es posible hacer el
viaje?
61
En autobús (1): 4 maneras ( n 1 )
En avión (2): 5 maneras ( n 2 )
En ferrocarril (3): 3 maneras ( n 3 )
No es posible que 1, 2 y 3 se hagan juntos. Por lo tanto hay:
n 1 + n 2 + n 3 = 4 + 5 + 3 = 12 maneras ■
EJERCICIOS 2.2
1. Un servicio de pruebas de productos evalúa el funcionamiento de una podadora de

césped como fácil de operar, de dificultad mediana o difícil; como cara o barata; como
de reparación costosa, regular o barata. Dibújese un diagrama de árbol que muestre las
diferentes maneras en que puede clasificarse una podadora de césped por dicho servi-
cio.
2. Un inspector de edificios debe revisar la instalación eléctrica de un nuevo edificio de

departamentos el lunes, martes, miércoles o jueves, a las 8 a.m., 1 a.m. o 2 p.m. Dibú-
jese un diagrama de árbol que muestre las distintas formas en que puede ocurrir la ins-
pección de la instalación eléctrica del nuevo edificio de departamentos.
3. Si los cinco finalistas de un campeonato internacional de volibol son España, Estados

Unidos, Uruguay, Portugal y Japón, dibújese un diagrama de árbol que muestre los dis-
tintos finalistas posibles para primero y segundo lugar.
4. Un alumno puede estudiar 0, una o dos horas para un examen de computación en una
noche. Constrúyase un diagrama de árbol para encontrar el número de formas en las
cuales puede estudiar en total seis horas para el examen durante cuatro noches conse-
cutivas.
5. En un estuche de instrumentos de óptica hay seis lentes cóncavos, cuatro convexos y

tres prismas. ¿En cuántas diferentes formas puede elegir uno de los lentes cóncavos,
uno de los convexos y uno de los prismas?
6. Si una prueba consta de doce preguntas de verdadero o falso, ¿de cuántas maneras
distintas puede un estudiante contestar la prueba?
7. ¿Cuántos números telefónicos diferentes de siete dígitos se pueden formar si el primer

dígito no puede ser igual a cero?
8. Un vendedor en una ciudad A desea manejar su carro hasta la ciudad D, pasando por
las ciudades B y C. Hay dos carreteras de A a B, tres de B a C y dos de C a D. ¿De
cuántas formas diferentes puede ser hecho el viaje por el vendedor?
9. Un artículo manufacturado debe pasar por tres controles. En cada uno de los controles
se inspecciona una característica particular del artículo y se la anota de conformidad. En
62
el primer control hay tres mediciones posibles, mientras que en cada uno de los últimos
controles hay cuatro mediciones posibles. ¿Cuántas maneras hay de anotar el artículo?
10. Una aerolínea tiene seis vuelos diarios de Nueva York a California, y siete vuelos de
California a Hawaii. Si los vuelos se hacen en días separados, ¿Cuántos diferentes
arreglos de vuelos puede ofrecer la aerolínea de Nueva York a Hawaii?
11. Un investigador quiere determinar el efecto de tres variables, presión, temperatura y el

tipo de catalizador, en la producción de un proceso de refinación. Si el investigador tie-
ne la intención de utilizar tres temperaturas, tres presiones y dos tipos de catalizador,
¿cuántos experimentos habría que hacer si quisiera incluir todas las posibles combina-
ciones de presión, temperatura y tipo de catalizador?
12. Si hay nueve autos en una carrera, ¿en cuántas formas diferentes pueden ocupar el
primero, segundo y tercer lugar?
13. Un cuestionario enviado por correo en un estudio de mercado consta de ocho pregun-
tas, cada una de las cuales puede responderse en tres formas distintas. ¿En cuántas
formas diferentes puede una persona contestar las ocho preguntas del cuestionario?
2.4.3. PERMUTACIONES, PRUEBAS ORDENADAS Y PARTICIONES ORDENADAS
A menudo, la regla de la multiplicación se aplica cuando se toman varias opciones de un

conjunto y es importante el orden en que se presentan. En términos generales, si se se-
leccionan los objetos de un conjunto, cualquier disposición (orden) específica de estos
objetos se conoce como permutación. Así, las permutaciones son útiles para contar el
número de todos los diferentes arreglos u ordenamientos que se pueden hacer con un
conjunto de objetos.
PERMUTACIÓN. Es un arreglo de todos o parte de los objetos dentro de un conjunto de

objetos en un orden definido. El número total de permutaciones de un conjunto de objetos
depende del número de éstos, tomados a la vez para cada permutación. Así, las permuta-
ciones pueden ser:
 PERMUTACIONES DE DIFERENTES OBJETOS TOMADOS PARTE DE ELLOS A LA VEZ. Una

ordenación de un número r de objetos tomados de un conjunto de n objetos (r < n) en
un orden dado se llama una permutación r o una permutación de los n objetos toma-
dos r a la vez, y se denota por n Pr .
El número de permutaciones de n objetos cuando se toman r a la vez está dado por la

fórmula
n!
n Pr = (2.1)
(n  r )!
donde: r = número de objetos tomados a la vez para cada permutación

n = total de objetos
63
Como los productos de enteros consecutivos figuran en muchos problemas relativos a las
permutaciones y otros tipos de disposiciones especiales, conviene presentar aquí la nota-
ción factorial. En esta notación, el producto de todos los enteros positivos desde 1 hasta
n inclusive, se denomina n factorial y se denota por n!. Es decir,
n! = n (n − 1) (n − 2) ... 3  2  1 (2.2)
Asimismo, para hacer que diversas fórmulas puedan aplicarse de manera más general,
conviene definir 0! = 1. También obsérvese que n! = n (n − 1)!
Ejemplo 2.14. Permutaciones
Un experimento consiste en asignar cuatro de diez trabajadores para realizar cuatro ta-
reas distintas. ¿De cuántas maneras se pueden asignar estos cuatro trabajadores para
hacer las cuatro tareas?
Como n = 10 trabajadores
r = 4 trabajadores
entonces el número total de maneras en que se pueden asignar a cuatro de los diez tra-
bajadores es:
n! 10! 10!
10 P4 = = = = 5 040 maneras ■
( n  r )! (10 - 4) ! 6!
Si no se permiten repeticiones,
a) ¿Cuántos números de tres dígitos se pueden formar con los seis dígitos 2, 3, 5, 6, 7 y
9?
Se tienen seis dígitos diferentes, de los cuales se toman tres para cada arreglo o per-
mutación. Por lo tanto, pueden formarse
n! 6! 6!
6 P3 = = = = 120 números de tres dígitos
(n  r )! ( 6 - 3 )! 3!
b) ¿Cuántos de éstos son menores que 400?
En este caso, el primer dígito sólo puede ser de dos maneras (2 o 3). En cada caso
quedan cinco dígitos de los cuales se deben escoger dos para completar el número. Es-
to puede hacerse de
64
n! 5! 5!
5 P2 = = = = 20 maneras
(n  r )! (5 - 2)! 3!
Entonces, por principio de multiplicación hay
2 × 20 = 40 números menores que 400
c) ¿Cuántos son pares?
En este caso el último dígito puede ser de dos maneras (2 o 6). En cada caso quedan
cinco dígitos de los cuales se deben escoger dos para completar el número. Esto puede
hacerse de
n! 5! 5!
5 P2 = = = = 20 maneras
(n  r )! (5 - 2)! 3!
2 × 20 = 40 números pares
d) ¿Cuántos son impares?
En este caso el último dígito puede ser de cuatro maneras (3, 5, 7 o 9). En cada caso
quedan cinco dígitos de los cuales se deben escoger dos para completar el número. Es-
to puede hacerse de
n! 5! 5!
5 P2 = = = = 20 maneras
(n  r )! (5 - 2)! 3!
4 × 20 = 80 números impares
Nótese que la suma de los incisos (c) y (d) da el total de números que pueden formar-
se.
e) ¿Cuántos son múltiplos de 5?
En este caso el último dígito sólo puede el 5, quedando cinco dígitos de los cuales se
deben escoger dos para completar el número. Por lo tanto hay
n! 5! 5!
5 P2 = = = = 20 números que son múltiplos de 5 ■
(n  r )! (5 - 2)! 3!
65
 PERMUTACIONES DE DIFERENTES OBJETOS TOMADOS TODOS A LA VEZ. Para obtener la
fórmula del número de permutaciones de n objetos diferentes, tomados todos a la vez,
se sustituye n = r en la fórmula factorial de n Pr , con lo cual se obtiene:
n! n!
n Pn = = = n! (ya que, por definición, 0! = 1)
(n  n ) ! 0!
Por tanto, el número de permutaciones de n objetos cuando se toman todos a la vez está
dado por
n Pn = n! (2.3)
Una sección de una maquinaria determinada consta de cinco piezas y puede ser ensam-
blada poniendo las piezas en cualquier orden. Supóngase que se decide estudiar el tiem-
po de ensamblaje para esta sección de maquinaria midiendo el tiempo que requiere para
cada uno de los ensamblajes resultantes de tomar las piezas en distinto orden. ¿Cuántas
de estas mediciones habrá que hacer?
Como n = 5
r=5
entonces el número total de mediciones es:
5 P5 = 5! = 120 mediciones ∎
Cuatro libros distintos de matemáticas, seis diferentes de física y dos diferentes de quími-
ca se colocan en un estante. ¿De cuántas formas distintas es posible ordenarlos si:
a) Los libros de cada asignatura deben estar todos juntos?
Las tres asignaturas se pueden ordenar de
3 P3 = 3! = 6 maneras
En cada caso los libros se pueden acomodar de:
Matemáticas: 4 P4 = 4! = 24 maneras
Física: 6 P6 = 6! = 720 maneras
Química: 2 P2 = 2! = 2
66
Entonces, por principio de multiplicación, en cada uno de los acomodos por asignatu-
ra, los libros se pueden ordenar de
24 × 720 × 2 = 34 560 maneras
Como son seis casos en que se pueden acomodar las asignaturas, entonces el nú-
mero total de maneras en que se pueden acomodar los libros es
6 × 34 560 = 207 360
b) Solamente los libros de matemáticas deben estar juntos?
Hay doce espacios en el estante y los libros de matemáticas ocupan cuatro de ellos.
Por tanto, hay nueve lugares en donde pueden ubicarse. En cada uno de estos nueve
casos, los libros de matemáticas pueden acomodarse de 4 P4 = 4! = 24 maneras,
mientras que los ocho libros restantes se pueden acomodar de 8 P8 = 8! = 40 320
maneras. Entonces, en cada caso todos los libros pueden ordenarse de
24 × 40320 = 967 680 maneras
Como son nueve casos distintos, entonces en total tenemos
9 × 967 680 = 8 709 120 maneras ∎
 PERMUTACIONES CIRCULARES. Para distribuir n objetos diferentes alrededor de un

círculo, considérese que uno de los objetos puede colocarse en cualquier lugar del
círculo. De esta manera quedan n − 1 lugares disponibles en el círculo para acomodar
los n − 1 objetos restantes. Entonces, en general n objetos pueden distribuirse alrede-
dor de un círculo de
(n − 1) (n − 2) ... 3  2  1 = (n − 1)! maneras (2.4)
Ejemplo 2.18. Permutaciones circulares
¿De cuántas formas pueden tres hombres y tres mujeres sentarse alrededor de una mesa
si:
a) No se impone ninguna restricción
Se acomoda a una de las personas (la que sea) y a su alrededor se acomodan las de-
más. Es decir, quedan cinco personas que deberán acomodarse en los cinco lugares
disponibles. Es decir, las seis personas pueden sentarse alrededor de la mesa de
(n − 1)! = 5! = 120 maneras
67
b) Dos mujeres determinadas no deben sentarse juntas
Si se acomoda a una de las mujeres en cuestión en cualquier lugar, entonces la otra

mujer sólo tiene tres lugares para acomodarse, quedando en cada caso cuatro lugares
disponibles para las otras cuatro personas, las cuales pueden acomodarse de 4! = 24
maneras. Entonces, por principio de multiplicación habrá
3 × 24 = 72 maneras en que ambas mujeres no se sientan juntas
c) Cada mujer debe estar entre dos hombres?
En este caso las tres mujeres disponen de tres lugares, en los que pueden acomodarse
de 3! = 6 maneras. En cada caso quedan tres lugares para los tres hombres, que tam-
bién pueden acomodarse de 3! = 6 maneras. Por lo tanto, por principio de multiplica-
ción, habrá
6 × 6 = 36 maneras en que cada mujer queda entre dos hombres ■
Ejemplo 2.19. Permutaciones circulares
a) ¿De cuántas maneras tres americanos, cuatro franceses, cuatro daneses y dos italia-
nos pueden sentarse en una fila de modo que los de la misma nacionalidad se sienten
juntos?
En una fila, las cuatro nacionalidades se pueden ordenar de
4 P4 = 4! = 24 maneras
En cada caso las personas se pueden acomodar de:
Americanos: 3 P3 = 3! = 6 maneras
Franceses: 4 P4 = 4! = 24 maneras
Daneses: 4 P4 = 4! = 24 maneras
Italianos 2 P2 = 2! = 2 maneras
Entonces, por principio de multiplicación, en cada uno de los acomodos por naciona-
lidad, las personas se pueden acomodar de
6 × 24 × 24 × 2 = 6 912 maneras
Como son 24 casos en que se pueden acomodar las nacionalidades, entonces el nú-
mero total de maneras en que se pueden acomodar las personas es
24 × 6 912 = 165 888
68
b) Resolver el mismo problema si se sientan en una mesa redonda.
En una mesa redonda, las personas de alguna nacionalidad (la que sea) se acomodan
en cualquier lugar y a su alrededor se acomodan las demás nacionalidades. Es decir,
quedan tres nacionalidades que deberán acomodarse en los tres lugares disponibles.
Entonces, las cuatro nacionalidades pueden sentarse alrededor de la mesa de
(n − 1)! = 3! = 6 maneras
Como en el inciso anterior, en cada caso las personas se pueden acomodar de:
6 × 24 × 24 × 2 = 6 912 maneras
Como son seis casos en que se pueden acomodar las nacionalidades, entonces el
número total de maneras en que se pueden acomodar las personas es
6 × 6 912 = 41 472 ∎
 PERMUTACIONES CON REPETICIONES. En la exposición anterior los objetos que se or-

denaron fueron todos diferentes. Sin embargo, con frecuencia se desea saber el nú-
mero de permutaciones de objetos de los cuales algunos son iguales. El número de
permutaciones de n objetos de los cuales n 1 son iguales, n 2 son iguales, ..., y n k son
iguales, denotado por n Pn 1, n 2 , , n k , es:
n!
n Pn 1, n 2 , , n k = (2.5)
n1!n 2!n k !
Ejemplo 2.15. Permutaciones con repeticiones
¿Cuántas señales diferentes, cada una de ocho banderas colocadas en una línea vertical,
pueden formarse con un conjunto de cuatro banderas rojas sin marcar, tres blancas sin
marcar y una azul?
Tenemos n = 8 banderas
n 1 = 4 rojas
n 2 = 3 blancas
n! 8!
entonces son 8 P4, 3 = = = 280 señales diferentes ■
n 1! n 2! 4! 3!
Ejemplo 2.20. Permutaciones con repeticiones
Hallar el número de permutaciones que se pueden formar con todas las letras de la pala-
bra BARRA.
69
Tenemos n = 5 letras
n1 = 2 A
n2 = 2 R
n! 5!
entonces son 5 P2, 2 = = = 30 permutaciones diferentes ■
n 1! n 2! 2! 2!
PRUEBAS ORDENADAS. Una prueba ordenada de tamaño r se define como la selección de

r objetos de un conjunto que contiene n objetos.
Muchos problemas del análisis combinatorio y, en particular, de probabilidad, se relacio-

nan con estas selecciones (por ejemplo, una carta de una baraja, una persona de una
población o un objeto de una urna). Se consideran dos casos:
 PRUEBAS ORDENADAS DE TAMAÑO r CON SUSTITUCIÓN O CON REEMPLAZO. En este caso

cada objeto escogido se regresa al conjunto antes de tomar el siguiente. Entonces,
como hay n maneras diferentes para seleccionar cada objeto, según el principio fun-
damental del conteo, habrá
n  n  n  ...  n = n r (2.6)
r veces
pruebas ordenadas diferentes de tamaño r con sustitución.
 PRUEBAS ORDENADAS DE TAMAÑO r SIN SUSTITUCIÓN O SIN REEMPLAZO. En este caso el

objeto no se devuelve al conjunto antes de escoger el siguiente, por lo cual no habrá
repeticiones en la prueba ordenada. Entonces, una prueba ordenada de tamaño r sin
sustitución es simplemente una permutación r de objetos del conjunto. Por lo tanto
habrá
n!
n Pr = n (n − 1) (n − 2) ... (n − r + 1) = (2.7)
(n  r )!
pruebas ordenadas diferentes de tamaño r sin sustitución tomadas de un grupo de n

objetos.
Ejemplo 2.21. Pruebas ordenadas
¿De cuántas maneras se pueden escoger sucesivamente tres cartas de una baraja de 52
cartas, (a) con sustitución y (b) sin sustitución?
Se tiene: n = 52 cartas
r = 3 cartas
70
a) n r = (52) 3 = 140 608 pruebas ordenadas de tamaño 3 con sustitución
n! 52!
b) n Pr = 52 P3 = = = 132 600 pruebas ordenadas de tamaño 3 sin reem-
(n  r )! 49!
plazo ∎
EJERCICIOS 2.3
1. Considérense todos los enteros positivos de tres dígitos diferentes. (Observamos que el
cero no puede ser el primer dígito).
a) ¿Cuántos son mayores que 700?
b) ¿Cuántos son impares?
2. Hallar el número de palabras de cuatro letras que se pueden formar con las letras de la
palabra CRISTAL.
a) ¿Cuántas de ellas contienen sólo consonantes?
b) ¿Cuántas empiezan y terminan por consonante?
c) ¿Cuántas contienen ambas vocales?
3. a) ¿De cuántas maneras tres niños y dos niñas pueden sentarse en una fila?
b) ¿De cuántas maneras pueden sentarse si los niños se sientan juntos y las niñas
también?
c) ¿De cuántas maneras pueden sentarse en la fila si justamente las niñas se sientan
juntas?
4. Hallar el número de maneras como se pueden colocar en un estante cinco libros gran-
des, cuatro medianos y tres pequeños de modo que los libros de igual tamaño estén
juntos.
5. ¿De cuántas formas pueden ordenarse siete libros en un estante si:

a) Tres libros determinados deben estar juntos;
b) Dos libros determinados deben ocupar los extremos?
6. Hallar el número de maneras en que cinco personas pueden sentarse en una fila si dos
de las personas insisten en sentarse una al lado de la otra.
7. Resolver el problema anterior si se sientan alrededor de una mesa circular.
8. Hallar el número de maneras que cuatro niños y cuatro niñas se pueden sentar en
una fila si los hombres y las mujeres deben quedar alternados.
9. Resolver el problema anterior si se sientan alrededor de una mesa circular.
10. ¿De cuántas formas pueden sentarse siete personas alrededor de una mesa si dos
personas determinadas no deben estar una al lado de la otra?
71
11. En una pequeña clase de geología, cada uno de los cuatro estudiantes debe escribir
un informe sobre una de ocho prácticas de campo. ¿En cuántas formas diferentes pue-
de elegir una de las prácticas si:
a) Dos estudiantes cualesquiera no pueden elegir la misma práctica de campo
b) No hay restricciones sobre sus elecciones?
12. ¿Cuántos números de cinco cifras diferentes pueden formarse con los dígitos 1, 2, 3,
…, 9 si:
a) Los números deben ser impares;
b) Las primeras dos cifras de cada número son pares?
13. Hallar el número de permutaciones que se pueden formar con todas las letras de la
palabra SATELITES.
14. ¿Cuántas señales diferentes se pueden formar con ocho banderas colocadas en línea
vertical si cuatro son rojas, dos son azules y dos son verdes?
15. Se ordenan en una fila cinco bolas rojas, dos bolas blancas y tres bolas azules. Si las
bolas de igual color no se distinguen entre sí, ¿de cuántas formas posibles pueden or-
denarse?
16. Una urna contiene doce bolas.

a) ¿De cuántas maneras pueden escogerse cuatro bolas un a tras otra si cada bola es
devuelta a la urna antes de escoger la siguiente?
b) ¿De cuántas maneras pueden escogerse cinco bolas una tras otra si no se devuelve
a la urna la bola antes de escoger la siguiente?
2.4.4. COMBINACIONES
Una característica de las permutaciones es que el orden en que se disponen los objetos
es importante. Sin embargo, existen muchos problemas en los que se desea conocer el
número de formas en que se pueden seleccionar r objetos de un conjunto de n elementos,
pero sin el deseo de incluir en la cuenta a todos los diversos órdenes en los que puede
acomodarse la selección. Así, si el orden de la disposición no importa, entonces lo que se
desea encontrar es el número de combinaciones.
COMBINACIÓN. Es un arreglo de cierto número de objetos tomados de un conjunto de n

objetos en tal forma que el orden en que se disponen no importa. Así, el número total de
combinaciones posibles de un conjunto de objetos tomados todos a la vez es 1. El núme-
ro de combinaciones de n objetos tomados r a la vez, llamado combinación r, se denota
n
por n C r o por el símbolo  
r
El número total de combinaciones posibles de un conjunto de objetos diferentes, tomados

parte a la vez, puede ser obtenido encontrando primero el número total de permutaciones,
contando después las permutaciones con los mismos objetos como una combinación.
Entonces, para obtener una fórmula que se aplique a este tipo de problemas, considérese
que, en general, hay r! permutaciones de r objetos cualesquiera, seleccionados de un
72
conjunto de n objetos diversos, de manera que las n Pr permutaciones de los r objetos
escogidos del conjunto de n objetos diferentes contengan r! veces a cada subconjunto de
r objetos. Por lo tanto, para determinar el número de formas en que pueden seleccionarse
r objetos de un conjunto de n objetos distintos (r ≤ n), sin importar el orden en que se se-
leccionan simplemente se divide n Pr entre r! y se obtiene:
nPr n (n  1) (n  2)(n  r  1)
n Cr = =
r! r!
O, en notación factorial:
n!
n Cr = (2.9)
r ! (n  r ) !
Ejemplo 2.22. Combinaciones
Encontrar el número total de combinaciones del conjunto de letras a, b, c, tomadas dos a

la vez.
3!
El número total de permutaciones es: 3 P2 = =6
(3  2) !
Cada combinación consiste de dos letras. Entonces, el número total de permutaciones de

las mismas dos letras, tomadas todas a la vez es
2 P2 = 2! = 2
Las dos permutaciones consistentes de las mismas letras son consideradas como sola-
mente una combinación. Por lo tanto, el número total de combinaciones es
3 P2 6
3 C2 = = =3 ■
2! 2
Hay doce maneras en las cuales un artículo manufacturado puede tener un pequeño de-
fecto y diez maneras en las cuales puede tener un defecto mayor.
a) ¿De cuántas maneras puede ocurrir un defecto menor y uno mayor?
Por el principio de multiplicación hay
12 × 10 = 120 maneras
73
b) ¿Dos defectos menores y dos mayores?
Se tiene: n = 12 defectos menores

r=2
Por lo tanto dos defectos menores pueden ocurrir de
12!
12 C 2 = = 66 maneras
2! 10!
Además: n = 10 defectos mayores

r=2
Por lo tanto dos defectos mayores pueden ocurrir de
10 !
10 C 2 = = 45 maneras
2! 8 !
Entonces, por el principio de multiplicación, dos defectos menores y dos mayores

pueden ocurrir de
66 × 45 = 2 970 maneras ∎
Una delegación de cuatro estudiantes de un colegio se selecciona todos los años para
asistir a la asamblea anual de la asociación de Estudiantes.
a) ¿De cuántas maneras puede escogerse la delegación si hay doce estudiantes elegi-
bles?
Ya que no interesa el orden en que se seleccionen los estudiantes, sino solamente

quiénes serán elegidos, se trata de un problema de combinaciones. Así, si se tienen
n = 12 estudiantes de los cuales se seleccionarán r = 4, se tiene entonces que hay
12! 12!
12 C 4 = = = 495 delegaciones posibles
4!(12  4)! 4! 8!
b) ¿De cuántas maneras si dos de los estudiantes elegibles no asisten al mismo tiempo?
Sean A y B los dos estudiantes en cuestión. Hay tres casos a considerar: que vaya A
pero no B, que vaya B pero no A o que no vayan ni A ni B.
Si va A pero no B, entonces quedan 10 estudiantes de los que se escogen los tres res-
tantes, de
74
10! 10!
10 C 3 = = = 120 maneras
3!(10  3)! 3! 7!
Lo mismo sucede si va B pero no A, pero si no van ni A ni B, entonces de los diez es-

tudiantes restantes se eligen los cuatro que se necesitan para formar la delegación. Es-
to puede hacerse de
10! 10!
10 C 4 = = = 210 maneras
4!(10  4)! 4! 6!
Como los tres casos no pueden suceder al mismo tiempo, entonces por el principio de
adición habrá
120 + 120 + 210 = 450 delegaciones en las que A y B no van juntos
c) ¿De cuántas maneras si dos de los estudiantes elegibles son casados y sólo asisten si
van juntos?
Aquí hay dos casos a considerar: que vayan ambos o que no vaya ninguno. Si van am-
bos, entonces de los diez estudiantes restantes se eligen los dos que faltan para com-
pletar la delegación. Esto puede hacerse de
10! 10!
10 C 2 = = = 45 maneras
2!(10  2)! 2! 8 !
Si no van ninguno, entonces la delegación puede escogerse de 210 maneras (ver inci-
so anterior). Por lo tanto, ya que ambos casos no pueden suceder al mismo tiempo, por
el principio de adición se tiene que hay
45 + 210 = 255 delegaciones ■
Un estudiante tiene que contestar ocho de diez preguntas en un examen.

a) ¿Cuántas maneras de escoger tiene?
El orden en que se contesten las preguntas no importa; por tanto, tenemos un problema
de combinaciones. Como no hay restricciones, entonces n = 10 y r = 8. Por consi-
guiente hay
10! 10!
10 C 8 = = = 45 maneras
8!(10  8)! 8 ! 2!
b) ¿Cuántas maneras, si las tres primeras preguntas son obligatorias?
Como las tres primeras preguntas son obligatorias, las otras cinco preguntas deben se-
leccionarse de las siete restantes. Esto se puede hacer de
75
7! 7!
7 C5 = = = 21 maneras
5!(7  5)! 5 ! 2!
c) ¿Cuántas, si tiene que contestar cuatro de las primeras cinco preguntas?
De las primeras cinco preguntas se deben elegir cuatro. Esto puede hacerse de
5! 5!
5 C4 = = = 5 maneras
4!(5  4)! 4! 1!
Las otras cuatro preguntas se seleccionan de las cinco restantes, lo que puede hacer-
se también de 5 C 4 = 5 maneras. Por tanto, por el principio fundamental del conteo, las
ocho preguntas pueden seleccionarse de
5 × 5 = 25 maneras ∎
Una caja de cartón con doce baterías para radio contiene tres que están defectuosas.
¿De cuántas maneras diferentes puede un inspector escoger cuatro de las baterías y ob-
tener:
a) Ninguna batería defectuosa
Se tienen en la caja tres baterías defectuosas y nueve no defectuosas; de estas últi-

mas pueden escogerse tres de
9! 9!
9 C3 = = = 84 maneras
3!(9  3)! 3! 6!
b) Dos baterías defectuosas?
Dos baterías defectuosas significa que se escogen dos defectuosas y dos no defectuo-
sas. Entonces, de las tres baterías defectuosas pueden escogerse dos de
3! 3!
2!(3  2)! 2! 1!
y de las nueve baterías no defectuosas pueden escogerse dos de
9! 9!
9 C2 = = = 36 maneras
2!(9  2)! 2! 7 !
Por tanto, por el principio fundamental del conteo, las cuatro baterías pueden seleccio-
narse de
76
3 × 36 = 25 maneras
c) Las tres baterías defectuosas?
Tres baterías defectuosas significa que se escogen tres defectuosas y una no defectuo-
sas. Las tres baterías defectuosas pueden escogerse de
3 C 3 = 1 manera
y de las nueve baterías no defectuosas pueden escogerse una de
9! 9!
1!(9  1)! 1! 8!
Por tanto, por el principio fundamental del conteo, las cuatro baterías pueden seleccio-
narse de
1 × 9 = 9 maneras ∎
EJERCICIOS 2.4
1. Una tienda de artículos electrodomésticos posee en existencia ocho clases de refrige-

radores, seis tipos de lavadoras y cinco clases de hornos de microondas. ¿En cuántas
formas diferentes pueden elegirse dos artículos de cada clase para una barata?
2. Siete personas han solicitado trabajo para llenar dos vacantes. ¿De cuántos modos se
pueden llenar las vacantes si:
a) La primera persona seleccionada recibe mayor salario que la segunda;
b) No hay diferencia entre las vacantes?
3. ¿De cuántas maneras puede escogerse un comité, compuesto de tres hombres y dos
mujeres, de un grupo de siete hombres y cinco mujeres?
4. ¿De cuántas maneras diferentes pueden elegirse tres de 20 ayudantes de laboratorio

para auxiliar en un experimento?
5. ¿De cuántas formas diferentes puede el director de un laboratorio de investigación ele-

gir a dos químicos entre siete aspirantes, y tres físicos entre nueve candidatos?
6. Una caja de cartón con quince baterías para radio contiene tres que están defectuosas.
¿En cuántas formas diferentes un inspector puede elegir cuatro de las baterías y obte-
ner:
a) Dos defectuosas
b) Ninguna defectuosa?
7. Hay diez puntos A, B, ... en un plano; en una misma línea no hay tres.
a) ¿Cuántas líneas forman los puntos?
b) ¿Cuántas líneas no pasan por A o B?
77
c) ¿Cuántos triángulos determinan los puntos?
8. Una clase consta de nueve niños y tres niñas.

a) ¿De cuántas maneras el profesor puede escoger un comité de cuatro?
b) ¿Cuántos comités contarán con una niña por lo menos?
9. Una señora tiene once amigos de confianza.

a) ¿De cuántas maneras puede invitar cinco de ellos a comer?
b) ¿De cuántas maneras si dos son casados y no asisten el uno sin el otro?
c) ¿Cuántas maneras si dos de ellos no la van bien y no asisten juntos?
10. Un estudiante tiene que resolver diez preguntas de trece en un examen.

a) ¿Cuántas maneras de escoger tiene?
b) ¿Cuántas si una de las dos primeras es obligatoria?
c) ¿Cuántas, si tiene que contestar por lo menos tres de las cinco primeras?
11. Con cinco estadísticos y seis economistas quiere formarse un comité de tres estadísti-
cos y dos economistas. ¿Cuántos comités diferentes pueden formarse si:
a) Dos estadísticos determinados deben estar en el comité
b) Un economista determinado no debe estar en el comité?
13. Con siete consonantes y cinco vocales diferentes, ¿Cuántas palabras pueden formar-
se que consten de cuatro consonantes y tres vocales? No es necesario que las pala-
bras tengan significado.
14. El alfabeto inglés tiene 26 letras de las cuales cinco son vocales.
a) ¿Cuántas palabras de cinco letras, tres consonantes diferentes y dos vocales dife-
rentes, se pueden formar?
b) ¿Cuántas de éstas contienen la letra b?
c) ¿Cuántas contienen las letras a y b?
d) ¿Cuántas contienen las letras a, b y c?
15. Una caja de cartón con doce baterías para radio contiene dos que están defectuosas.
¿De cuántas maneras diferentes puede un inspector escoger tres de las baterías y ob-
tener:
a) Una defectuosa
b) Ambas baterías defectuosas?
2.5. AXIOMAS Y TEOREMAS DE PROBABILIDAD
Es importante subrayar que los axiomas o postulados de probabilidad no proporcionan

una manera de asignar probabilidades a los diversos resultados de un experimento; tan
solo limitan las formas en que esto puede hacerse. En la práctica, las probabilidades se
asignan con base en la experiencia, con el apoyo de un análisis cuidadoso de las condi-
ciones que rodean al experimento y hasta por medio de suposiciones y evaluaciones sub-
jetivas, como la suposición común de que todos los resultados tienen la misma probabili-
dad de ocurrencia.
78
2.5.1. AXIOMAS DE PROBABILIDAD
Supóngase que un experimento tiene asociado un espacio muestral S. Una probabilidad

es una función de valor numérico que asigna un número P (A) a cada evento A de tal ma-
nera que son válidos los siguientes axiomas:
AXIOMA 1. La probabilidad de un evento cualquiera es un número real positivo o cero.
Simbólicamente, para todo evento A en S,
0 ≤ P (A) ≤ 1 (2.10)
El lado derecho de esta desigualdad expresa simplemente el hecho de que no puede ha-
ber más resultados favorables que resultados totales y que un evento no puede ocurrir
más del 100% de las veces. Es decir, este axioma establece que las probabilidades son
números reales que varían entre 0 y 1.
AXIOMA 2. La probabilidad de un espacio muestral cualquiera es igual a 1.
Simbólicamente, para cualquier espacio muestral S,
P ( S) = 1 (2.11)
Una probabilidad de 1 implica que el evento ocurrirá el 100% del tiempo, o bien, que es
seguro que ocurra (evento seguro).
AXIOMA 3. Si dos eventos A y B son mutuamente excluyentes en S, entonces la probabili-

dad de que ocurra uno u otro es igual a la suma de sus probabilidades. Esto es,
P (A ∪ B) = P (A) + P (B) (2.12)
Cabe mencionar que los tres postulados o axiomas de probabilidad anteriores se aplican
únicamente cuando el espacio muestral S es finito.
Ejemplo 2.27. Axiomas de probabilidad
Si un experimento arroja tres resultados posibles que se excluyen mutuamente A, B y C,

verifíquese en cada caso si la asignación de probabilidades está permitida:
1 1 1
a) P(A) = , P(B) = y P(C) =
3 3 3
La asignación de probabilidad está permitida ya que todos los valores se encuentran

1 1 1
sobre el intervalo [0, 1] y su suma es + + = 1.
3 3 3
79
b) P(A) = 0.64, P(B) = 0.38 y P(C) = − 0.02
La asignación de probabilidad no está permitida porque P(C) es negativa.
c) P(A) = 0.35, P(B) = 0.52 y P(C)) = 0.26
La asignación de probabilidad no está permitida porque 0.35 + 0.52 + 0.26 = 1.13, que
excede a 1.
d) P(A) = 0.57, P(B) = 0.24 y P(C) = 0.19
La asignación de probabilidad está permitida porque todos los valores se encuentran

sobre el intervalo [0, 1] y su suma es 0.57 + 0.24 + 0.19 = 1. ∎
2.5.2. TEOREMAS DE PROBABILIDAD
Mediante el uso de los tres axiomas de probabilidad, es posible deducir muchas otras
reglas de acuerdo con las cuales se deberán “comportar” las probabilidades.
El siguiente teorema, llamado regla de la adición, se deduce directamente del tercer

axioma. Este se aplica únicamente a dos eventos mutuamente excluyentes, pero se pue-
de generalizar sin dificultad:
TEOREMA 2.1. Si n eventos son mutuamente excluyentes en un espacio muestral S, en-

tonces la probabilidad de que ocurra uno de ellos es igual a la suma de sus probabilida-
des individuales.
Simbólicamente, si A1 , A 2 , ..., A n es una sucesión de eventos mutuamente excluyentes,

es decir A i ∩ A j = ∅ para toda i ≠ j, entonces
 n  n
P   Ai  =  P ( Ai ) = P ( A1 ∪ A 2 ∪  ∪ A n ) = P ( A1 ) + P ( A 2 ) + ... + P ( A n )
 i 1 
  i 1
(2.13)
La tarea de asignar probabilidades a todos los eventos posibles conectados con una si-
tuación dada puede ser muy tediosa. Por fortuna, rara vez es necesario asignar probabili-
dades a todos los eventos posibles y la regla siguiente (que es una aplicación directa de
la generalización anterior del tercer axioma) hace relativamente fácil determinar la proba-
bilidad de un evento cualquiera con base en las probabilidades asignadas a los resultados
individuales del espacio muestral correspondiente.
REGLA DE CÁLCULO DE LA PROBABILIDAD DE UN EVENTO. Si A es un evento cualquiera en

un espacio muestral finito S, entonces P (A) es igual a la suma de las probabilidades de
todos los resultados individuales incluidos en A.
80
TEOREMA 2.2. Si ∅ es el conjunto vacío, entonces
P (∅)= 0 (2.14)
DEMOSTRACIÓN:
Sea A un evento cualquiera. Entonces A y ∅ son mutuamente excluyentes y A ∪ ∅ = A.

Por el axioma 3:
P (A ∪ ∅) = P (A)
P (A) + P (∅) = P (A)
Restando P (A) de ambos lados se obtiene
P (∅) = 0 ∎
TEOREMA 2.3. Si A c es el complemento de un evento A, entonces
P ( A c ) = 1 − P (A) (2.15)
DEMOSTRACIÓN:
Recordando que el complemento A c de un evento A es el conjunto de todos los resulta-

dos de un espacio muestral S que no están en A, entonces A y A c son mutuamente ex-
cluyentes y su unión es S, es decir,
Ac ∪ A = S
Por los axiomas 2 y 3 se obtiene
P ( A c ∪ A) = P (S)
P ( A c ) + P (A) = 1
de donde P ( A c ) = 1 − P (A) ∎
TEOREMA 2.4. Si A ⊂ B, entonces
P (A) ≤ P (B) (2.16)
81
DEMOSTRACIÓN:
Si A ⊂ B, entonces B se puede descomponer en los eventos A y B − A mutuamente ex-

cluyentes, como se ilustra en el diagrama de Venn.
B B sombreado
A
B−A
S
Así,
B = A ∪ (B − A)
P (B) = P [A ∪ (B − A)]
P (B) = P (A) + P (B − A)
P (B − A) = P (B) − P (A)
Pero P (B − A) ≥ 0
Por lo tanto P (B) − P (A) ≥ 0
De donde P (A) ≤ P (B) ∎
TEOREMA 2.5. Si A y B son dos eventos, entonces
P (A − B) = P (A) − P (A ∩ B) (2.17)
DEMOSTRACIÓN:
A se puede descomponer en los eventos mutuamente excluyentes A − B y A ∩ B; esto es,
A = (A − B) ∪ (A ∩ B)
Por el axioma 3: P (A) = P (A − B) + P (A ∩ B)
de donde P (A − B) = P (A) − P (A ∩ B) ∎
82
A
B
A−B S
A∩B
A sombreado
El último teorema, llamado regla general de la adición, se utiliza para obtener la probabili-
dad de la unión de dos eventos A y B, considerando la ocurrencia del evento A o del
evento B o de ambos, A y B.
TEOREMA 2.6. Si A y B son dos eventos, entonces
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) (2.18)
DEMOSTRACIÓN:
De acuerdo con un diagrama de Venn para la unión de A y B, es fácil ver que A ∪ B se

puede descomponer en los eventos A − B y B mutuamente excluyentes; esto es,
A ∪ B = (A − B) ∪ B
Por el axioma 3: P (A ∪ B) = P (A − B) + P (B)
Por el teorema 2.5: P (A ∪ B) = P (A) + P (B) − P (A ∩ B) ∎
A
B
A−B S
A ∪ B sombreado
Cuando A y B son mutuamente excluyentes, P (A ∩ B) = 0, y esta fórmula se reduce a la

del tercer axioma de probabilidad. Por eso, el axioma 3 se conoce también como regla
especial de la adición.
83
La regla general de la adición se puede generalizar en relación con tres eventos cuales-
quiera, A, B y C. Así, la probabilidad de que cuando menos ocurra uno de ellos está dada
por
P (A ∪ B ∪ C) = P (A) + P (B) + P (C) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) +

+ P (A ∩ B ∩ C)
(2.19)
A continuación se resumen los axiomas y teoremas de probabilidad:
AXIOMAS DE PROBABILIDAD
Axioma 1. Para todo evento A, 0 ≤ P (A) ≤ 1

Axioma 2. Para cualquier espacio muestral S, P (S) = 1
Axioma 3. Si A y B son eventos mutuamente excluyentes, P (A ∪ B) = P (A) + P (B)
TEOREMAS DE PROBABILIDAD
Teorema 2.1. Si n eventos son mutuamente excluyentes, entonces
P ( A1 ∪ A 2 ∪  ∪ A n ) = P ( A1 ) + P ( A 2 ) + ... + P ( A n )
Teorema 2.2. P (∅) = 0

Teorema 2.3. P ( A c ) = 1 − P (A)
Teorema 2.4. P (A − B) = P (A) − P (A ∩ B)
Teorema 2.5. P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
Ejemplo 2.28. Teoremas de probabilidad

7 1 5
Sean los eventos A y B con P (A ∪ B) = , P (A ∩ B) = y P ( Ac ) = . Hallar P (A),
8 4 8
P (B) y P (A ∩ B c ).
5 3
P ( A c ) = 1 − P (A), por lo tanto P (A) = 1 − P ( A c ) = 1 − =
8 8
P (A ∪ B) = P (A) + P (B) − P (A ∩ B),
por lo tanto P (B) = P (A ∪ B) + P (A ∩ B) − P (A)

7 1 3 3
= + − =
8 4 8 4
3 1 1
P (A ∩ B c ) = P (A − B) = P (A) − P (A ∩ B) = − = ■
8 4 8
84
Si las probabilidades de que una familia, aleatoriamente elegida en una encuesta realiza-
da en una gran ciudad, posea un televisor de color, en blanco y negro o ambas son, res-
pectivamente, 0.87, 0.36 y 0.29, ¿cuál es la probabilidad de que una familia en esa ciudad
posea un tipo o ambas clases?
Sean los eventos:
A = {la familia posee un televisor a color} P (A) = 0.87

B = {la familia posee un televisor en blanco y negro} P (B) = 0.36
A ∩ B = { la familia posee ambas clases de televisor} P (A ∩ B) = 0.29
Entonces A ∪ B = {la familia posee un tipo o ambas clases de televisor}, de donde
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 0.87 + 0.36 − 0.29 = 0.94 ■
Entre 842 robos a mano armada en cierta ciudad, 143 nunca fueron resueltos. Estímese
la probabilidad de que un robo a mano armada sea resuelto en esa ciudad.
143
Sea A = {el robo nunca fue resuelto} → P (A) =
842
Por lo tanto A c = {el robo es resuelto}, de donde
143 699
P ( A c )= 1 − P (A) = 1 − = ■
842 842
Si las probabilidades de que cierto proyectil estalle durante el despegue o de que sufra
una falla su sistema de dirección en pleno vuelo son 0.0002 y 0.0005 respectivamente,
encuéntrense las probabilidades de que el proyectil:
a) No estalle durante el despegue
Sea A = {el proyectil estalle durante el despegue} → P (A) = 0.0002

B = {el sistema de dirección falla en pleno vuelo} → P (B) = 0.0005
Por tanto, A c = {el proyectil no estalle durante el despegue}
P ( A c ) = 1 − P (A) = 1 − 0.0002 = 0.9998 = 99.98%
85
b) Estalle durante el despegue o su sistema de dirección sufra una falla en pleno vuelo
A y B son mutuamente excluyentes. Por tanto
P (A ∪ B) = P (A) + P (B) = 0.0002 + 0.0005 = 0.0007 = 0.07%
c) Ni explote durante el despegue ni su sistema de dirección sufra una falla en pleno

vuelo.
P ( A  B ) c = 1 − P (A ∪ B) = 1 − 0.0007 = 0.9993 = 99.93% ∎
EJERCICIOS 2.5
1. Un experimento tiene los cuatro posibles resultados, mutuamente excluyentes, A, B, C

y D. Verifíquese si están permitidas las siguientes asignaciones de probabilidad. Si la
asignación de probabilidad no está permitida, dé la razón.
a) P (A) = 0.31, P (B) = 0.27, P (C) = 0.28, P (D) = 0.16
b) P (A) = 0.32, P (B) = 0.27, P (C) = − 0.06, P (D) = 0.47
1 1 1 1
c) P (A) = , P (B) = , P (C) = , P (D) =
2 4 8 16
5 1 2
d) P (A) = , P (B) = , P (C) = 3, P (D) =
18 6 9
2. Explíquese qué es erróneo en cada una de las siguientes afirmaciones:

a) La probabilidad de que una muestra de mineral contenga plata es 0.38 y la probabili-
dad de que no la contenga es 0.52.
b) La probabilidad de que una operación de perforación tenga éxito es 0.34 y la de que
fracase es – 0.66.
c) El servicio de reparación del aire acondicionado asegura que la probabilidad de que
el compresor se halle en buen estado es 0.82, 0.64 la de que el ventilador del motor
funcione correctamente y 0.41 la que ambos se hallen en buen estado.
3. Si P (A) = 0.35, P (B) = 0.73 y P (A ∩ B) = 0.14, calcúlese:

a) P (A ∪ B) c) P (A ∩ B c )
b) P ( A c ∩ B) d) P ( A c ∪ B c )
4. La probabilidad de que un servicio de pruebas para consumidores califique un nuevo

dispositivo anticontaminante de autos como muy malo, malo, regular, bueno, muy
bueno o excelente es de 0.07, 0.12, 0.17, 0.32, 0.21 y 0.11, respectivamente. ¿Cuáles
son las probabilidades de que lo califiquen como:
a) Muy malo, malo, regular o bueno?
b) Bueno, muy bueno o excelente?
86
3 1 1
5. Sean A y B eventos con P (A) = , P (B) = y P (A ∩ B) = . Hallar:
8 2 4
a) P (A ∪ B) c) P ( A c ∩ Bc) e) P (A ∩ B c )
b) P ( A c ) y P ( B c ) d) P ( A c ∪ Bc) f) P (B ∩ A c )
2.6. ESPACIOS PROBABILÍSTICOS
Los espacios muestrales se clasifican de acuerdo con el número de elementos que con-
tienen. En general, se dice que un espacio muestral es finito si tiene un número finito o
infinito contable de elementos. Si sus elementos constituyen un continuo, se dice que el
espacio muestral es infinito.
ESPACIO FINITO DE PROBABILIDAD. Es aquel que se obtiene al asignar a cada punto a i ∈ S

(siendo S un espacio muestral finito) un número real p i llamado probabilidad de a i , que
satisface las propiedades siguientes:
1) pi ≥ 0
n
2)  pi = p 1 + p 2 + ... p n = 1
i 1
Ejemplo 2.32. Espacios probabilísticos
Sea S = { a 1 , a 2 , a 3 , a 4 } y sea P una función de probabilidad de S. Hallar:
1 1 1
a) P ( a 1 ) si P ( a 2 ) = , P (a3 ) = y P (a4) =
3 6 9
P (S) = 1 ∴ P ( a1) + P ( a 2 ) + P ( a3 ) + P ( a 4 ) = 1
1 1 1
P ( a1) + + + =1
3 6 9
11 7
P ( a1) = 1 − ∴ P ( a1) =
18 18
1
b) P ( a 1 ) y P ( a 2 ) si P ( a 3 ) = P ( a 4 ) = y P ( a1) = 2 P ( a 2 )
4
P (S) = 1 ∴ P ( a1) + P ( a 2 ) + P ( a3 ) + P ( a 4 ) = 1
1 1
2P ( a 2 ) + P ( a 2 ) + + =1
4 4
87
1 1
3P ( a 2 ) = ∴ P (a2) =
2 6
1
Como P ( a 1 ) = 2P ( a 2 ) ∴ P ( a 1 ) =
3
2 1 1
c) P ( a 1 ) si P {( a 2 , a 3 )} = , P {( a 2 , a 4 )} = y P (a2) =
3 2 3
2 2 2
P {( a 2 , a 3 )} = → P (a2 ) + P (a3 ) = ∴ P (a3 ) = − P (a2)
3 3 3
2 1 1
= − =
3 3 3
1 1 1 1 1 1
P {( a 2 , a 4 )} = → P (a2) + P (a4) = ∴ P (a4) = − P (a2) = − =
2 2 2 2 3 6
P ( a1) + P ( a 2 ) + P ( a3 ) + P ( a 4 ) = 1 ∴ P ( a1) = 1 − P ( a 2 ) − P ( a3 ) − P ( a 4 )
1 1 1 1
P ( a1) = 1 − − − = ∎
3 3 6 6
Ejemplo 2.33. Espacios probabilísticos
Se carga un dado de manera que los números pares tienen el doble de posibilidad de salir
que los impares. Hallar la probabilidad de que: (a) aparezca un número par; (b) aparezca
un número primo; (c) aparezca un número impar; (d) aparezca un número primo impar.
Sea el espacio muestral S = {1, 2, 3, 4, 5, 6}
y sean: A = evento de que aparezca un número par = {2, 4, 6}

B = evento de que aparezca un número impar = {1, 3, 5}
C = evento de que aparezca un número primo = {2, 3, 5}
D = evento de que aparezca un número primo impar = {3, 5}
Además, se sabe que los números pares tienen el doble de posibilidad de salir que los
impares, es decir,
P (A) = 2P (B)
Entonces, el espacio de probabilidad, o sea la probabilidad de cada punto, es:
P (1) = p, P (2) = 2p, P (3) = p, P (4) = 2p, P (5) = p, P (6) = 2p
Como la suma de las probabilidades debe ser igual a 1, entonces
88
P (1) + P (2) + P (3) + P (4) + P (5) + P (6) = 1
p + 2p + p + 2p + p + 2p = 1
1
9p = 1 ∴ p=
9
2 2 2 6 2
a) A = {2, 4, 6} ∴ P (A) = P (2) + P (4) + P (6) = + + = =
9 9 9 9 3
2 1 1 4
b) C = {2, 3, 5} ∴ P (C) = P (2) + P (3) + P (5) = + + =
9 9 9 9
1 1 1 3 1
c) B = {1, 3, 5} ∴ P (B) = P (1) + P (3) + P (5) = + + = =
9 9 9 9 3
1 1 2
d) D = {3, 5} ∴ P (D) = P (3) + P (5) = + = ■
9 9 9
EJEMPLO 2.34. ESPACIOS PROBABILÍSTICOS
Tres caballos, A, B y C intervienen en una carrera; A tiene doble posibilidad de ganar que
B, y B el doble de ganar que C. ¿Cuáles son las respectivas probabilidades de ganar, esto
es, P (A), P (B) y P (C)? ¿Cuál es la probabilidad de que B o C ganen?
Se sabe que A tiene el doble de posibilidad de ganar que B, y que B tiene el doble de po-
sibilidad de ganar que C, es decir
P (A) = 2P (B) y P (B) = 2P (C)
Como la suma de las probabilidades debe ser igual a 1, entonces
P (A) + P (B) + P (C) = 1
Sustituyendo se tiene
2P (B) + P (B) + P (C) = 1
3P (B) + P (C) = 1
3 (2P (C)) + P (C) = 1
7P (C) = 1
89
1
de donde P (C) =
7
2 4
y, por tanto, P (B) = 2P (C) = y P (A) = 2P (B) =
7 7
la probabilidad de que B o C ganen es entonces
2 1 3
P (B ∪ C) = P (B) + P (C) = + = ∎
7 7 7
ESPACIO FINITO EQUIPROBABLE. Es un espacio finito S de probabilidad, donde cada punto

muestral tiene la misma probabilidad. En particular, si S contiene n puntos, entonces la
probabilidad de cada punto es 1/n. Además, si un evento A contiene r puntos, entonces su
probabilidad es r/n, es decir,
número de elementos de A r
P ( A) = = (2.20)
número de elementos de S n
Los términos a ciegas, al azar y aleatorio se interpretan como una imposición de probabi-
lidades iguales al número finito de puntos en el espacio muestral. Por lo tanto, estos tér-
minos se usarán solamente respecto a un espacio equiprobable.
Ejemplo 2.35. Espacio finito equiprobable
Una clase consta de 10 hombres y 20 mujeres de los cuales la mitad de los hombres y la
mitad de las mujeres tienen los ojos castaños. Hallar la probabilidad de que una persona
escogida al azar sea un hombre o tenga los ojos castaños.
10 1
Sea A = {el estudiante es hombre} → P (A) = =
30 3
15 1
B = {el estudiante tiene los ojos castaños} → P (B) = =
30 2
Por lo tanto, A ∪ B = {el estudiante es hombre o tiene los ojos castaños}, de donde
1 1 1 2
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = + − = ■
3 2 6 3
90
Si tres de veinte neumáticos están defectuosos y cuatro de ellos se escogen aleatoria-

mente (esto es, cada neumático tiene la misma posibilidad de ser seleccionado), ¿cuál es
la probabilidad de que solamente uno de los defectuosos sea escogido?
Hay 20 C 4 = 4 845 formas igualmente probables de elegir cuatro de los veinte neumáti-
cos, así que n = 4 845.
El número de resultados favorables es el número de formas en las cuales uno de los

neumáticos defectuosos y tres de los neumáticos en buen estado pueden escogerse. Así,
s = ( 3 C 1 )( 17 C 3 ) = 3 × 680 = 2 040
Se sigue entonces que la probabilidad es
s 2 040 8
P (1 defectuoso) = = = = 0.42 ∎
n 4 845 19
Sean dos artículos escogidos al azar de un grupo de doce, de los cuales cuatro son de-
fectuosos. Sea A = {dos artículos defectuosos} y B = {dos artículos no defectuosos}. Ha-
llar P (A) y P (B), así como la probabilidad de que por lo menos un artículo sea defectuo-
so.
12!
Hay 12 C 2 = = 66 maneras de escoger dos artículos entre doce, es decir, S
2! 10!
consta de 66 elementos.
4!
Hay 4 C2 = = 6 maneras de escoger dos artículos defectuosos entre cuatro, es
2! 2!
decir, A consta de 6 elementos.
8!
Hay 8 C2 = = 28 maneras de escoger dos artículos no defectuosos entre ocho, es
2! 6 !
decir B tiene 28 elementos.
4 C2 6 1 8 C2 28 14
Por lo tanto: P (A) = = = y P (B) = = =
12 C2 66 11 12 C2 66 33
Ahora, sea C = {por lo menos un artículo defectuoso}
C es el complemento de B, o sea C = B c . Entonces, por el teorema 2.3:
91
14 19
P (C) = P ( B c ) = 1 − P (B) = 1 − = ■
33 33
ESPACIO INFINITO DE PROBABILIDAD. Sea S = { a 1 , a 2 , ...} un espacio muestral infinito. Se

obtiene un espacio de probabilidad asignando a cada a i ∈ S un número real p i llamado
su probabilidad, tal que
1) pi ≥ 0

2)  p i = p 1 + p 2 + ... = 1
i 1
Con frecuencia, las probabilidades que se asignan a los eventos se basan en evidencia
experimental o en estudios de observación que producen datos de frecuencia relativa pa-
ra los eventos de interés. Los datos sólo dan aproximaciones a las verdaderas probabili-
dades, pero esas aproximaciones son con frecuencia bastante buenas y, en general,
constituyen la única información de que se dispone acerca de los eventos de interés.
EJERCICIOS 2.6
1. Sea el espacio muestral S = { a 1 , a 2 , a 3 }. Hallar P ( a 1 ) si:

1
a) P ( a 1 ) = 2 P ( a 2 ) y P ( a 3 ) =
4
b) P {( a 2 , a 3 )} = 2 P ( a 1 )
c) P ( a 3 ) = 2 P ( a 2 ) y P ( a 2 ) = 3 P ( a 1 )
2. Se carga una moneda de manera que la posibilidad de salir águila ( A) sea tres veces la
de salir sello (C). Hallar P (A) y P (C).
3. Tres estudiantes A, B y C intervienen en una prueba de natación. A y B tienen la misma

probabilidad de ganar y el doble de la de C. Hallar la probabilidad de que gane B o C.
4. Una compañía manufacturera tiene dos expendios al menudeo. Se sabe que el 30% de
los clientes potenciales compran productos sólo en la tienda I, el 50% compra en la
tienda II, el 10% compra en las tiendas I y II, y el 20% de los consumidores no compra
en ninguna de las dos. Sea A el evento en el que un cliente potencial, seleccionado al
azar, compra en I y B el evento en el que compra en II. Calcular las siguientes probabi-
lidades y describir qué significa cada evento:
a) P (A) d) P ( A  B ) c
b) P (A ∪ B) e) P ( A c ∩ B c )
c) P ( B c ) f) P (A ∪ B c )
92
5. Diez estudiantes A, B, ... están en una clase. Si se escoge un comité de tres, al azar,
hallar la probabilidad de que:
a) A pertenezca al comité
b) A y B pertenezcan al comité
c) A o B pertenezca al comité
6. Una clase consta de seis niñas y diez niños. Si se escoge al azar un comité de tres,
hallar la probabilidad de:
a) Seleccionar exactamente dos niños.
b) Seleccionar por lo menos un niño.
c) Seleccionar exactamente dos niñas.
7. Una clase está formada por cinco estudiantes de primero, cuatro de segundo, ocho de
penúltimo y tres de último año. Se escoge un estudiante al azar para representar la cla-
se. Hallar la probabilidad de que el estudiante sea:
a) De segundo año
b) De penúltimo o de último año.
8. De las diez niñas de una clase, tres tienen ojos azules. Si se escogen dos niñas al azar,
¿cuál es la probabilidad de que:
a) Las dos tengan ojos azules
b) Ninguna tenga ojos azules
c) Una por lo menos tenga ojos azules
9. De 120 estudiantes, 60 estudian francés, 50 estudian inglés y 20 estudian francés e

inglés. Si se escoge un estudiante al azar, hallar la probabilidad de que el estudiante:
a) Estudie francés o inglés
b) No estudie francés ni inglés.
10. Un paquete de seis focos tiene dos piezas defectuosas. Si se seleccionan tres focos
para su uso, calcular la probabilidad de que ninguno tenga defectos.
11. De una caja que contiene seis bolas rojas, cuatro blancas y cinco azules se extrae una
al azar. Determinar la probabilidad de que sea:
a) No roja
b) Roja o blanca
12. La probabilidad de que una persona que se detiene en una gasolinera solicite la revi-
sión de neumáticos es 0.12, la probabilidad de que pida la revisión de aceite es 0.29 y
la probabilidad de que solicite ambas cosas es 0.07.
a) ¿Cuál es la probabilidad de que una persona que se detiene en esa gasolinera pida
la revisión de neumáticos o de aceite?
b) ¿Cuál es la probabilidad de que una persona que se detiene en esa gasolinera no
solicite la revisión de neumáticos ni de aceite?
14. Se escogen al azar tres lámparas entre quince de las cuales cinco son defectuosas.
Hallar la probabilidad de que:
a) Una exactamente sea defectuosa
b) Una por lo menos sea defectuosa.
93
2.7. PROBABILIDAD CONDICIONAL
2.7.1. PROBABILIDAD CONDICIONAL
Con frecuencia no tiene sentido hablar de la probabilidad de un evento sin especificar el

espacio muestral en el cual se define el evento. Como la elección del espacio muestral
nunca es, por ningún medio, evidente, resulta útil emplear el símbolo P (A \ S) para repre-
sentar la probabilidad condicional del evento A en relación con el espacio muestral S o “la
probabilidad de A dado S”. El símbolo P (A \ S) hace explícito que nos referimos a un es-
pacio muestral específico S y que por lo general es preferible a la notación abreviada
P (A) a menos que se sobreentienda con claridad la elección de S.
En muchos casos la esfera de interés puede reducirse solamente a un subconjunto del

espacio muestral S. Así, a veces un espacio muestral para un experimento se puede re-
ducir mediante información adicional disponible sobre los elementos en cuestión. Esta
información adicional se llama información condicional y la probabilidad P (A \ B) se de-
nomina probabilidad condicional puesto que su cálculo depende de una condición espe-
cífica dada por una información adicional. Una probabilidad calculada usando como de-
nominador el conjunto universal se llama probabilidad incondicional.
La siguiente definición de probabilidad condicional se aplica a dos eventos cualesquiera A

y B que pertenezcan a un espacio muestral S dado:
PROBABILIDAD CONDICIONAL. La probabilidad de que ocurra el evento A, dado que el

evento B ha ocurrido, se llama probabilidad condicional de A dado B. Se simboliza por
P (A \ B) y se calcula mediante la expresión:
P ( A  B)
P (A \ B) = (2.21)
P ( B)
Si P(B) = 0, entonces P (A \ B) no está definido.
La ecuación 2.21 es equivalente a:
número de elementos de A y B
P (A \ B) =
número de elementos de B
número de maneras en que A y B suceden

o bien P (A \ B) =
número de maneras en que B sucede
Las probabilidades condicionales satisfacen los tres axiomas de probabilidad.
La probabilidad condicional es muy importante en muchas aplicaciones prácticas de la

probabilidad. En dichas aplicaciones, con frecuencia cambios aparentemente pequeños
en la información básica a partir de la cual se obtienen las probabilidades, afectan drásti-
camente las probabilidades condicionales.
94
Ejemplo 2.38. Probabilidad condicional
Si se lanza un par de dados corrientes y si la suma es 6, hallar la probabilidad de que uno

de los dados sea 2.
Sean: B = {la suma es 6} = {(1, 5), (2, 4), (3, 3), (4, 2), (5, 1)}
A = {aparece por lo menos un 2}
B consta de cinco elementos de los cuales dos pertenecen a A: (2, 4) y (4, 2)
Por lo tanto, A ∩ B = {(2, 4), (4, 2)}
P ( A  B) 2
de donde P (A \ B) = = = 0.4 ■
P ( B) 5
En cierta facultad, 25% de los estudiantes no aprobaron matemáticas, 15% no aprobaron

química y 10% no aprobaron las dos. Se selecciona un estudiante al azar.
a) Si no aprobó química, ¿cuál es la probabilidad de que no aprobara matemáticas?
Sea M = {estudiantes que no aprobaron matemáticas} → P (M) = 0.25
Q = {estudiantes que no aprobaron química} → P (Q) = 0.15
M ∩ Q = {estudiantes que no aprobaron las dos} → P (M ∩ Q) = 0.10
P (M  Q) 0.10
Entonces P (M \ Q) = = = 0.67 = 67%
P (Q ) 0.15
b) Si no aprobó matemáticas, ¿cuál es la probabilidad de que no aprobara química?
P (Q  M ) 0.10
P (Q \ M) = = = 0.4 = 40% ■
P (M ) 0.25
En cierta ciudad, 40% de la población tiene cabellos castaños, 25% tiene ojos castaños y
15% tiene cabellos y ojos castaños. Se escoge una persona al azar.
a) Si tiene cabellos castaños, ¿cuál es la probabilidad de que también tenga ojos casta-
ños?
95
Sea A = {una persona tiene cabello castaño} → P (A) = 0.40
B = {una persona tiene ojos castaños} → P (B) = 0.25
A ∩ B = {una persona tiene cabellos y ojos castaños} → P (A ∩ B) = 0.15
Por tanto, B \ A = {persona con ojos castaños dado que tiene cabellos castaños}
P ( B  A) 0.15
P (B \ A) = = = 0.375 = 37.5%
P ( A) 0.40
b) Si tiene ojos castaños, ¿cuál es la probabilidad de que no tenga cabellos castaños?
Sea A c = {persona sin cabellos castaños} → P (Ac) = 1 − P (A) = 0.60
P ( A c  B) P ( B  A) P ( B) - P ( A  B)
P ( A c \ B) = = =
P ( B) P ( B ) P ( B)
0.25  0.15 0.10
= = = 0.40 = 40%
0.25 0.25
c) ¿Cuál es la probabilidad de que no tenga cabellos ni ojos castaños?
A ∪ B es el evento en que la persona tiene cabellos u ojos castaños. Por tanto
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = 0.40 + 0.25 − 0.15 = 0.5 = 50%
( A  B ) c es el evento en que una persona no tiene cabellos ni ojos castaños y
P ( A  B ) c = 1 − P (A ∪ B) = 1 − 0.50 = 0.50 = 50% ∎
EJERCICIOS 2.7
1. Si la probabilidad de que un sistema de comunicación tenga alta fidelidad es 0.81 y la

probabilidad de que tenga alta fidelidad y alta selectividad es 0.18, ¿cuál es la probabi-
lidad de que un sistema con alta fidelidad tenga también alta selectividad?
2. Se lanzan tres monedas corrientes. Hallar la probabilidad de que sean todas águilas si:
a) La primera de las monedas es águila.
b) Al menos una de las monedas es águila.
3. Se escogen al azar dos dígitos diferentes entre los dígitos 1 a 9.

a) Si la suma es impar, ¿cuál es la probabilidad de que 2 sea uno de los números esco-
gidos?
b) Si 2 es uno de los dígitos seleccionados, ¿cuál es la probabilidad de que la suma sea
impar?
96
4. Se lanza un par de dados corrientes. Si los dos números que aparecen son diferentes,
hallar la probabilidad de que:
a) La suma sea 6.
b) Aparezca un as
c) La suma sea menor o igual a 4
5. Si la probabilidad de que un proyecto de investigación esté bien planeado es 0.80 y la

probabilidad de que será bien planeado y ejecutado es 0.72, ¿cuál es la probabilidad de
que un proyecto de investigación bien planeado también esté bien ejecutado?
6. La probabilidad de que un nuevo aeropuerto obtenga la autorización para su diseño es

0.16, la probabilidad de que consiga autorización para el uso eficiente de materiales es
0.24 y la probabilidad de que logre ambas autorizaciones es 0.11. Encuéntrense las
probabilidades de que el aeropuerto obtenga la autorización de diseño dado que:
a) Obtuvo la autorización para el uso eficiente de materiales.
b) No obtuvo la autorización para el uso eficiente de materiales.
7. Se debe examinar un grupo grande de personas respecto a dos síntomas comunes de

cierta enfermedad. Se considera que 20% de las personas presentan solamente el sín-
toma A, 30% tienen solamente el síntoma B, 10% tienen ambos síntomas, y el resto no
tiene síntoma alguno. Para una persona escogida al azar de este grupo, encuentre las
probabilidades de los eventos siguientes:
a) Que la persona no presente síntoma alguno.
b) Que la persona presente al menos un síntoma.
c) Que la persona presente ambos síntomas, dado que presenta el síntoma B.
2.7.2. PROBABILIDAD CONJUNTA
Con frecuencia se necesita determinar la probabilidad de que ocurran conjuntamente dos

eventos A y B, esto es, P (A ∩ B). Se puede obtener una forma de hallar la probabilidad
de un evento conjunto, que es muy útil cuando no hay datos originales. Se obtiene a partir
de la ecuación para probabilidad condicional, la cual puede manipularse algebraicamente
de forma tal que la probabilidad conjunta P (A ∩ B) pueda determinarse a partir de la pro-
babilidad condicional de un evento:
P ( A  B)
P (A \ B) =
P ( B)
Si se multiplican ambos miembros de esta ecuación por P (B), se obtiene la fórmula si-
guiente, que se conoce como regla general de la multiplicación, la cual permite determi-
nar la probabilidad de que ocurran dos eventos simultáneamente:
TEOREMA 2.7. REGLA GENERAL DE LA MULTIPLICACIÓN. Si P (B) ≠ 0, entonces
P (A ∩ B) = P (B) P (A \ B) (2.22)
97
Además, para los eventos A1 , A 2 , ..., A n se tiene:
P ( A1 ∩ A 2 ∩  ∩ A n ) = P ( A1 ) P ( A 2 \ A1 ) P ( A 3 \ A1 ∩ A 2 ) ... P ( A n \ A1 ∩ A 2 ∩ 
... ∩ A n  1 )
(2.23)
Ejemplo 2.41. Probabilidad conjunta
Cuando se recibe una entrega de un proveedor, el comprador usualmente inspecciona la

calidad del envío. Un almacén de descuento ha recibido 100 aparatos de televisión del
proveedor, de los cuales les es desconocido que diez están defectuosos. Si se seleccio-
nan al azar dos aparatos para ser sometidos a una inspección muy minuciosa, ¿cuál es la
probabilidad de que ambos estén defectuosos?
Sea A = {el primer aparato de televisión está defectuoso}
B = {el segundo aparato de televisión está defectuoso}
Por lo tanto, A ∩ B = {ambos aparatos de televisión están defectuosos}
P (A ∩ B) = P (A) P (B \ A)
10
donde: P (A) = (hay diez aparatos defectuosos en un lote de 100)
100
9 porque como el experimento es sin reemplazo, des-

P (B \ A) =
99 pués de haber seleccionado el primer aparato, que
resultó defectuoso, habrá ya sólo 9 televisores defec-
tuosos en el lote, ahora de 99 aparatos solamente.
10 9 1
Por lo tanto, P (A ∩ B) = × = = 0.0091 = 0.91% ■
100 99 110
Entre 60 refacciones automotrices transportadas en un camión cargado en Veracruz, 45

tienen por destino a Puebla y 15 a Tampico. Si dos de las refacciones son descargadas
en Jalapa por error y la “selección” es aleatoria, encontrar las probabilidades de que:
a) Ambas refacciones tengan por destino a Puebla
Sea A = {la primera refacción tenía por destino a Puebla}

B = {la segunda refacción tenía por destino a Puebla}
98
Por lo tanto, A ∩ B = {ambas refacciones tenían por destino a Puebla}
45 44
P (A ∩ B) = P (A) P (B \ A), donde P (A) = y P (B \ A) =
60 59
45 44 99
P (A ∩ B) = × = = 0.5593 = 55.93%
60 59 177
b) Ambas refacciones debían llegar a Tampico
Sea C = {la primera refacción tenía por destino a Tampico}

D = {la segunda refacción tenía por destino a Tampico}
Por lo tanto, C ∩ D = {ambas refacciones tenían por destino a Tampico}
15 14
P (C ∩ D) = P (C) P (D \ C), donde P (C) = y P (D \ C) =
60 59
15 14 21
P (C ∩ D) = × = = 0.0593 = 5.93%
60 59 354
c) Una tenía por destino Puebla y la otra Tampico.
45 15 135
P (A ∩ D) = P (A) P (D \ A) = × = = 0.1907 = 19.07%
60 59 708
15 45 135
P (C ∩ B) = P (C) P (B \ C) = × = = 0.1907 = 19.07%
60 59 708
135 135 270

Por lo tanto, P {una tenía por destino Puebla y otra Tampico} = + =
708 708 708
= 0.3814 = 38.14% ■
De cinco motores uno de ellos tiene defectos, y se deben seleccionar dos al azar para
utilizarlos en determinado día. Calcular la probabilidad de que el segundo motor seleccio-
nado no tenga defectos, en caso de que el primero no haya sido defectuoso.
Sea A = {el primer motor no tiene defectos}

B = {el segundo motor no tiene defectos}
Por tanto A ∩ B = {ambos motores no tienen defectos}
4 3
P (A ∩ B) = P (A) P (B \ A), donde P (A) = y P (B \ A) =
5 4
99
4 3 3
P (A ∩ B) = × = = 0.6 = 60% ∎
5 4 5
Una caja contiene ocho bolas rojas, tres blancas y nueve azules. Si se extraen tres bolas
al azar, determinar la probabilidad de que:
a) Las tres bolas sean rojas.
Tenemos n = 20 bolas, de las cuales n 1 = 8 rojas, n 2 = 3 blancas y n 3 = 9 azules
Sea A = {la primera bola es roja)

B = {la segunda bola es roja}
C = {la tercera bola es roja}
Por tanto, A ∩ B ∩ C = {las tres bolas son rojas}
P(A ∩ B ∩ C) = P (A) P (B \ A) P (C \ A ∩ B)
n1 8 2
donde P (A) = = =
n 20 5
n1  1 7
P (B \ A) = =
n 1 19
n1  2 6 1
P (C \ A ∩ B) = = =
n2 18 3
Por tanto
2 7 1 14
P (las tres bolas son rojas} = × × = = 0.0491 = 4.91%
5 19 3 285
b) Las tres bolas sean blancas.
Sea A = {la primera bola es blanca)

B = {la segunda bola es blanca}
C = {la tercera bola es blanca}
Por tanto, A ∩ B ∩ C = {las tres bolas son blancas}
P (A ∩ B ∩ C) = P (A) P (B \ A) P (C \ A ∩ B)
n2 3
donde P (A) = =
n 20
100
n2  1 2
P (B \ A) = =
n 1 19
n 2 1
P (C \ A ∩ B) = 2 =
n2 18
Por tanto
3 2 1 1
P (las tres bolas son blancas} = × × = = 0.0009 = 0.09%
20 19 18 1140
c) Dos sean rojas y una sea blanca
Como el orden no importa, entonces hay 20 C 3 = 1140 maneras de extraer tres bolas
del total de 20, entre las cuales hay
8 C2 × 3 C1 = 28 × 3 = 84
maneras de extraer dos bolas rojas y una blanca. Por tanto
84 7
P (dos bolas rojas y una blanca} = = = 0.0737 = 7.37%
1140 95
d) Al menos una sea blanca
Al menos una bola blanca significa:

A = {una bola blanca y dos de otro color}
B = {dos bolas blancas y una de otro color} o bien
C = {tres bolas blancas}
es decir A ∪ B ∪ C.
Además, A, B y C son mutuamente excluyentes. Por tanto,
P(A ∪ B ∪ C) = P (A) + P (B) + P (C)
Como el orden de extracción no importa, entonces hay
3 C1 × 17 C 2 = 3 × 136 = 408 maneras de extraer una bola blanca y dos de otro color
3 C2 × 17 C 1 = 3 × 17 = 51 maneras de extraer dos bolas blancas y una de otro color
3 C 3 = 1 manera de extraer tres bolas blancas
408 34 51 17 1
De donde P (A) = = , P (B) = = , P (C) =
1140 95 1140 380 1140
101
Por tanto
34 17 1 23
P(al menor una bola blanca) = + + = = 0.4035 = 40.35%
95 380 1140 57
e) Se extraiga una de cada color.
Como el orden de extracción no importa, entonces hay
3 C1 = 3 maneras de extraer una bola blanca

8 C1 = 8 maneras de extraer una bola roja
9 C1 = 9 manera de extraer una bola azul
3 × 8 × 9 = 216 maneras de extraer una bola de cada color
Por tanto
216 18
P (una bola de cada color) = = = 0.1895 = 18.95%
1140 95
f) Las bolas sean extraídas en el orden roja, blanca, azul.
En este caso el orden de extracción sí importa. Por tanto,
Sea A = {la primera bola es roja)

B = {la segunda bola es blanca}
C = {la tercera bola es azul}
Por tanto, A ∩ B ∩ C = {bolas roja – blanca - azul}
P(A ∩ B ∩ C) = P (A) P (B \ A) P (C \ A ∩ B)
n1 8 2
donde P (A) = = =
n 20 5
n2 3
P (B \ A) = =
n 1 19
n3 9 1
P (C \ A ∩ B) = = =
n2 18 2
Por tanto
102
2 3 1 3
P (bolas roja – blanca - azul} = × × = = 0.0316 = 3.16% ∎
5 19 2 95
Un ingeniero de una fábrica de microcircuitos inspeccionará un lote de obleas de silicio

para tratar de encontrarles defectos. Suponer que cuatro circuitos integrados están defec-
tuosos en un recipiente que contiene 20 obleas. Se seleccionan dos obleas al azar para
esa inspección. Calcular la probabilidad de que:
a) Ninguna de ellas tenga defectos
Sea A = {la primera no tiene defectos}

B \ A = {la segunda no tiene defectos dado que la primera tampoco tiene defectos}
Por tanto, A ∩ B = {ninguna tiene defectos}
P (A ∩ B) = P (A) P (B \ A),
16 15
donde P (A) = y P (B \ A) = . Por consiguiente,
20 19
4 15 12
P {ninguna tiene defectos} = × = = 0.632 = 63.2%
5 19 19
b) Por lo menos una de las dos no tenga defectos
Por lo menos una no tiene defectos significa:
Una oblea defectuosa y una sin defectos, o bien ninguna tiene defectos
Sea A = {una no tiene defectos y la otra es defectuosa}

B = {ninguna tiene defectos}
A ∪ B = {por lo menos una no tiene defectos}
A y B son mutuamente excluyentes, entonces
P (A ∪ B) = P (A) + P (B)
Como el orden de extracción no importa, entonces hay 20 C 2 = 190 maneras de selec-

cionar dos obleas del total de 20. De estas, son
4 C1 × 16 C 1 = 4 × 16 = 64 maneras de seleccionar una oblea defectuosa y una sin

defectos
16 C 2 = 120 maneras de seleccionar dos obleas sin defectos. Por tanto,
103
64 32
P (A) = = = 0.337 = 33.7%
190 95
120 12
P (B) = = = 0.632 = 63.2%
190 19
Por consiguiente,
32 12 92
P (por lo menos una no tiene defectos) = + = = 0.968 = 96.8%
95 19 95
c) Ambas no tengan defectos, dado que por lo menos una no tiene defectos.
P ( B  ( A  B)) P ( B)
P (B \ (A ∪ B)) = =
P ( A  B) P ( A  B)
12
15
= 19 = = 0.652 = 65.2% ∎
92 23
95
EJERCICIOS 2.8
1. Una clase tiene diez niños y cinco niñas. Se escogen tres estudiantes de la clase al
azar, uno tras otro. Hallar la probabilidad de que:
a) Los dos primeros sean niños y la tercera niña
b) El primero y el tercero sean niños y el segundo niña
c) El primero y el tercero sean del mismo sexo y el segundo del sexo opuesto
2. Los estudiantes de una clase se escogen al azar, uno tras otro, para presentar un exa-
men. Hallar la probabilidad de que niños y niñas queden alternados si:
a) La clase consta de cuatro niños y tres niñas
b) La clase consta de tres niños y tres niñas
3. Entre las 24 facturas preparadas por un departamento de ventas cuatro contienen erro-
res mientras que las otras no. Si aleatoriamente se revisan dos de ellas, ¿cuáles son
las probabilidades de que:
a) Ambas contengan errores
b) Ninguna contenga error?
4. Con seis balas, de las cuales tres son negras, se carga aleatoriamente una pistola.
¿Cuál es la probabilidad de que las primeras tres balas disparadas sean negras?
5. En cinco de doce camiones de reparto de una compañía, el escape no reúne los requi-
sitos de ley y cuatro de los doce camiones son aleatoriamente elegidos para revisión.
¿Cuál es la probabilidad de que en ninguno de ellos el escape reúna los requisitos de la
ley?
104
6. Entre cinco generadores portátiles producidos en una línea de montaje en un día, hay
dos defectuosos. Si se seleccionan dos generadores para su venta, determinar la pro-
babilidad de que ambos no tengan defectos. Suponer que la selección de los dos gene-
radores para la venta se hizo de tal modo que todas las muestras posibles de tamaño
dos tienen la misma posibilidad de ser seleccionadas.
7. Un lote de doce artículos tiene cuatro defectuosos. Se toman al azar tres artículos del
lote uno tras otro. Hallar la probabilidad de que todos los tres estén buenos.
2.8. INDEPENDENCIA ESTADÍSTICA
Se dice que un evento B es independiente de un evento A si la probabilidad de que B su-

ceda no está influenciada porque A haya o no sucedido. Es decir, cuando el conocimiento
previo de un evento B no afecta la probabilidad de ocurrencia de un evento A, esta carac-
terística es denominada independencia estadística. En otras palabras, si la probabilidad de
A iguala a la probabilidad condicional de A dado B:
P (A) = P (A \ B)
entonces se dice que A y B son independientes, siempre que uno sea independiente del
otro. Si dos eventos A y B no son independientes, se dice que son dependientes o asocia-
dos.
Si se sustituye P(A) por P (A \ B) en el teorema de multiplicación, se obtiene
P (A ∩ B) = P (A) P (B) (2.24)
Esta regla, llamada regla especial de la multiplicación, se utiliza a veces como definición
de independencia; en cualquier caso puede emplearse para determinar si dos eventos
dados son independientes. Por lo tanto, si esta regla se cumple para dos eventos A y B,
entonces A y B son estadísticamente independientes. Asimismo, tres eventos A, B y C
son independientes si:
 P (A ∩ B) = P (A) P (B)
P ( A ∩ C ) = P ( A) P ( C )
P (B ∩ C) = P (B) P (C)
Esto es, si los eventos son independientes dos a dos.
 P (A ∩ B ∩ C) = P (A) P (B) P (C)
En general, la regla especial de la multiplicación puede generalizarse con facilidad de ma-

nera que se aplique a la incidencia de más de tres eventos independientes, multiplicando
simplemente todas las probabilidades individuales.
Es importante mencionar que la mayor parte de los casos en los que se presentan asun-
tos de independencia no son aquellos en los que los eventos están bien definidos y tan
sólo se calculan las probabilidades para comprobar la definición. Con frecuencia, se supo-
105
ne la independencia de dos eventos para poder calcular su probabilidad conjunta. Es de-
cir, la independencia se usa frecuentemente como hipótesis simplificadora, y que podría
no cumplirse en todos los casos para los que se supone. Recuérdese que los modelos
probabilísticos simplemente son modelos, y que no siempre reflejan exactamente la reali-
dad. Esto no debe ser motivo de preocupación, ya que en todas las ramas de la ciencia se
hacen hipótesis simplificadoras al crear sus modelos, sean probabilísticos o deterministas.
Ejemplo 2.46. Independencia estadística
Se arroja dos veces un dado legal. Encontrar la probabilidad de obtener primero un 4 y

luego un número menor que 4.
1
Sean: A = {sale 4 en el primer tiro} → P (A) =
6
1
B = {sale un número menor que 4 en el segundo tiro} → P (B) =
2
A y B son independientes, por lo tanto P (A ∩ B) = P (A) P (B)
1 3 1
P (A ∩ B) = × = = 0.083 = 8.3% ■
6 6 12
1
La probabilidad de que un hombre vivirá diez años más es , y la probabilidad de que su
4
1
esposa vivirá diez años más es . Hallar la probabilidad de que:
3
a) Ambos estén vivos dentro de diez años
1
Sean A = {el hombre vivirá diez años más} → P (A) =
4
1
B = {la mujer vivirá diez años más} → P (B) =
3
A y B son independientes. Por lo tanto,
1 1 1
P (A ∩ B) = P (A) P (B) = × = = 0.083 = 8.3%
4 3 12
b) Al menos uno estará vivo dentro de diez años
1 1 1 1
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) = + − = = 0.5 = 50%
4 3 12 2
106
c) Ninguno estará vivo dentro de diez años
1
P (A ∪ B)c = 1 − P (A ∪ B) = = 0.5 = 50%
2
d) Solamente la esposa estará viva dentro de diez años.
1 1 1
P (A \ B) = P (A) − P (A ∩ B) = − = = 0.25 = 25% ■
3 12 4
La caja A contiene ocho artículos de los cuales tres son defectuosos, y la caja B contiene
cinco artículos de los cuales dos son defectuosos. Se saca al azar un artículo de cada
caja.
a) ¿Cuál es la probabilidad de que ambos artículos sean no defectuosos?
5
Sea A = {el artículo de la caja A es no defectuoso} → P (A) =
8
3
B = {el artículo de la caja B es no defectuoso} → P (B) =
5
Como los artículos extraídos provienen de diferentes cajas, entonces A y B son inde-
pendientes. Por tanto
P (A ∩ B) = P (A) P (B)
5 3 3
P (ambos artículos sean no defectuosos) = × = = 0.375 = 37.5%
8 5 8
b) ¿Cuál es la probabilidad de que un artículo sea defectuoso y otro no?
5
Sea A = {el artículo de la caja A es no defectuoso} → P (A) =
8
3
C = {el artículo de la caja A es defectuoso} → P (C) =
8
3
5
2
D = {el artículo de la caja B es defectuoso} → P (D) =
5
Como los artículos extraídos provienen de diferentes cajas, entonces A y C son inde-
pendientes de B y D. Por tanto
P (un artículo defectuoso y otro no) = P (A ∩ D) + P (B ∩ C)
107
= P (A) P (D) + P (B) P (C)
5 2 3 3 1 9
= × + × = +
8 5 5 8 4 40
19
= = 0.475 = 47.5%
40
c) Si un artículo es defectuoso y otro no, ¿cuál es la probabilidad de que el artículo

defectuoso proceda de la caja A?
3
Sea C = {el artículo de la caja A es defectuoso} → P (C) =
8
3
5
3 3 9
Por tanto P (C ∩ B) = × =
8 5 40
P (C  B)
P (el artículo defectuoso procede de la caja A) = P (C \ B) =
P ( B)
9
3
= 40 = = 0.375 = 37.5% ∎
3 8
5
EJERCICIOS 2.9
1. Si los eventos A y B son independientes y P (A) = 0.25 y P (B) = 0.40, encuéntrese:

a) P (A ∩ B) c) P (A ∪ B)
b) P (A \ B) d) P ( A c ∩ B c )
1 2
2. La probabilidad de que A dé en el blanco es y la de B es . Si A y B disparan,
4 5
¿cuál es la probabilidad de que se pegue en el blanco?
3. Cuatro veces se arroja un dado legal. ¿Cuál es la probabilidad de no obtener un 6 en

ninguno de las cuatro ocasiones?
4. Las probabilidades de que tres hombres peguen en el blanco son, respectivamente,

1 1 1
, y . Cada uno dispara una vez al blanco.
6 4 3
a) Hallar la probabilidad de que exactamente uno de ellos pegue en el blanco
b) Si solamente uno pega en el blanco, ¿cuál es la probabilidad de que sea el primer
hombre?
108
5. Si las probabilidades de que cierto proyectil estalle durante el despegue o de que sufra
una falla su sistema de dirección en pleno vuelo son 0.0002 y 0.0005 respectivamen-
te, encuéntrense las probabilidades de que el proyectil:
a) No estalle durante el despegue
b) Estalle durante el despegue o su sistema de dirección sufra una falla en pleno vuelo
c) Ni explote durante el despegue ni su sistema de dirección sufra una falla en pleno
vuelo.
6. Una bolsa contiene cuatro bolas blancas y dos bolas negras; otra contiene tres bolas
blancas y cinco bolas negras. Si se extrae una bola de cada bolsa, hallar la probabilidad
de que:
a) Ambas sean blancas
b) Ambas sean negras
c) Una sea blanca y otra negra.
2.9. TEOREMA DE BAYES
Cuando se habla de probabilidad condicional, se busca la probabilidad de un cierto evento

A dado que otro evento B ha ocurrido. Se piensa en general que A es un evento final, de
alguna manera un efecto, para el cual B es una causa posible, y que ambos se encuen-
tran ordenados en el tiempo. Este concepto puede ampliarse para revisar probabilidades
basadas en nueva información y, así, determinar la probabilidad de que un efecto particu-
lar se deba a una causa específica.
Al clérigo inglés Thomas Bayes (1702-1761), quien era además un matemático de cierta
importancia, se le atribuye generalmente el desarrollo de una fórmula interesante para el
cálculo de la probabilidad de que algún evento que haya ocurrido (o “efecto”) sea el resul-
tado de alguna “causa”. Esta fórmula, conocida como el teorema de Bayes, se considera
como una de las bases de la moderna teoría de la decisión, cuerpo de conocimientos
consagrados al complejo problema de tomar decisiones bajo la incertidumbre, que se ha
venido desarrollando desde 1950 aproximadamente.
El teorema de Bayes se basa en el concepto de partición de un espacio muestral.
PARTICIÓN DE UN ESPACIO MUESTRAL. Se dice que los eventos A1 , A 2 , ..., A n seccionan o

dividen un espacio muestral S si existen dos condiciones:
 A i ∩ A j = ∅ para todo par de i, j (es decir, los eventos son mutuamente excluyen-
tes).
 A1 ∪ A 2 ∪ ... ∪ A n = S
Entonces, si los eventos A1 , A 2 , ..., A n forman una partición en el espacio muestral S, y

si X es cualquier otro evento en S:
109
A1 An
...
X
A2 A3
X = S ∩ X = ( A1 ∪ A 2 ∪  ∪ A n ) ∩ X
= ( A1 ∩ X) ∪ ( A 2 ∩ X) ∪  ∪ ( A n ∩ X)
donde cada ( A i ∩ X) son eventos mutuamente excluyentes. Por lo tanto,
P (X) = P ( A1 ∩ X) + P ( A 2 ∩ X) +  + P ( A n ∩ X)
Por el teorema de multiplicación para probabilidad condicional:
P (X) = P ( A1 ) P (X \ A1 ) + P ( A 2 ) P (X \ A 2 ) + ... + P ( A n ) P (X \ A n )
(2.25)
El procedimiento para calcular P(X) mostrado en la ecuación 2.25, con frecuencia se de-
nomina regla de eliminación o regla de probabilidad total, donde A1 , A 2 , ..., A n son n
eventos mutuamente excluyentes y colectivamente exhaustivos.
Ejemplo 2.49. Probabilidad total
Tres máquinas, A, B y C, producen respectivamente 50%, 30% y 20% del número total de
artículos de una fábrica. Los porcentajes de desperfectos de producción de estas máqui-
nas son 3%, 4% y 5% Si se selecciona al azar un artículo, hallar la probabilidad de que
éste sea defectuoso.
Sea X el evento de que un artículo es defectuoso. La probabilidad total de X es:
P (X) = P (A) P (X \ A) + P (B) P (X \ B) + P (C) P (X \ C)
donde:
P (A) = 0.5 P (X \ A) = 0.03
P (B) = 0.3 P (X \ B) = 0.04
P (C) = 0.2 P (X \ C) = 0.05
P (X) = (0.5) (0.03) + (0.3) (0.04) + (0.2) (0.05) = 0.037 = 3.7% ■
110
Como se sabe que para cualquier i, la probabilidad condicional de A i dado X se define
por
P ( Ai  X )
P ( A i \ X) =
P(X )
Entonces, reemplazando la ecuación 2.25 en lugar de P(X) y utilizando P ( A i ∩ X) =

P ( A i ) P (X \ A i ) para reemplazar P ( A i ∩ X), se obtiene:
P ( Ai ) P ( X \ Ai )
P ( A i \ X) =
P ( A1) P ( X \ A1)  P ( A 2 ) P ( X \ A 2 )    P ( A n ) P ( X \ A n )
TEOREMA 2.8. TEOREMA DE BAYES. Si A1 , A 2 , ..., A n son eventos mutuamente excluyen-

tes y colectivamente exhaustivos cuya unión es el espacio muestral S, X es un evento
arbitrario tal que P (X) > 0 y P (X \ A i ) y P ( A i ) son conocidos para 1 ≤ i ≤ k, entonces
P ( Ai ) P ( X \ Ai )
P ( A i \ X) = n
(2.26)
 P(A j) P(X \ A j)
j 1
La fórmula de Bayes es una fórmula matemática relativamente simple. Las probabilidades

condicionales que se calculan a través de esta fórmula se denominan algunas veces pro-
babilidades de causas.
Ejemplo 2.50. Teorema de Bayes
Considérese la fábrica del ejemplo anterior. Supóngase que se selecciona un artículo al

azar y resulta ser defectuoso. Hallare la probabilidad de que el artículo haya sido produci-
do por la máquina A, esto es, hallar P (A \ X).
Por el teorema de Bayes:
P ( A) P ( X \ A) P ( A) P ( X \ A)
P (A \ X) = =
P ( A) P ( X \ A)  P ( B) P ( X \ B)  P (C ) P ( X \ C ) P(X )
(0.5) (0.03) 0.015

P (A \ X) = = = 0.4054 = 40.54% ■
0.037 0.037
111
EJERCICIOS 2.10. TEOREMA DE BAYES
1. Tres máquinas, A, B y C producen respectivamente 60%, 30% y 10% del número total
de artículos de una fábrica. Los porcentajes de desperfectos de producción de estas
máquinas son respectivamente 2%, 3% y 4%. Seleccionado un artículo al azar resultó
defectuoso. Hallar la probabilidad de que el artículo hubiera sido producido por la má-
quina C.
2. En cierta facultad, 4% de los hombres y 1% de las mujeres tienen más de 6 pies de

estatura. Además, 60% de los estudiantes son mujeres. Ahora bien, si se selecciona al
azar un estudiante y es más alto que 6 pies, ¿cuál es la probabilidad de que el estu-
diante sea mujer?
3. Una empresa de asesoría alquila autos de tres agencias: 20% de la agencia D, 20% de
la agencia E y 60% de la agencia F. Si 10% de los autos de la agencia D, 12% de los
provenientes de E y 4% de los autos de F tienen neumáticos en mal estado,
a) ¿Cuál es la probabilidad de que la empresa contrate un auto con neumáticos en mal
estado?
b) ¿Cuál es la probabilidad de que un auto con neumáticos en mal estado rentado por
la empresa provenga de la agencia F?
4. Una compañía compra neumáticos de dos proveedores, 1 y 2. El proveedor 1 tiene un

antecedente de suministrar llantas con 10% de defectos, en tanto que el proveedor 2
tiene una tasa de sólo el 5% de defectos. Supóngase que el 40% de las existencias ac-
tuales vinieron del proveedor 1. Si se toma una llanta de esa existencia y se ve que está
defectuosa, calcular la probabilidad de que la haya suministrado el proveedor 1.
5. Los motores eléctricos que salen de dos líneas de ensamble se almacenan en una bo-
dega común; dicha bodega contiene un número igual de motores de cada línea. Los
motores se muestrean en forma periódica, en esa bodega, y se prueban. Se sabe que
el 10% de los motores de la línea I son defectuosos y el 15% de los de la línea II son
defectuosos. Si se selecciona un motor al azar en la bodega y se encuentra que tiene
defectos, calcular la probabilidad de que provenga de la línea I.
6. Un armador de ventiladores eléctricos usa motores de dos proveedores. La compañía A

le suministra el 90% y la compañía B el otro 10% de los motores. Supóngase que se
sabe que el 5% de los motores que suministra la compañía A son defectuosos y que el
3% de los que suministra la compañía B también lo son. Se encuentra que un ventilador
ya armado tiene un motor defectuoso. ¿Cuál es la probabilidad de que ese motor haya
sido suministrado por la compañía B?
7. Una planta de ensamblado recibe sus reguladores de voltaje de tres diferentes pro-
veedores: 60% del proveedor A, 30% del proveedor B y 10% del proveedor C. Si 95%
de los reguladores de voltaje que provienen de A, 80% de los reguladores del provee-
dor B y el 65% de los reguladores proporcionados por C tienen un rendimiento de
acuerdo con las especificaciones, encontrar la probabilidad de que cualquier regulador
de voltaje recibido por la planta dé un rendimiento según las especificaciones.
112
8. Con base en el problema anterior, encuéntrense las probabilidades de que un regula-
dor de voltaje cuyo rendimiento corresponde a las especificaciones provenga:
a) del proveedor A
b) del proveedor B
EJERCICIOS DE REPASO DEL CAPÍTULO 2
1. Un club que tiene doce miembros va a elegir, en votación secreta, cuatro directivos, a
saber: un presidente, un vicepresidente, un secretario y un tesorero. Todos los doce
miembros son elegibles y desean prestar sus servicios en la votación. ¿Cuántos gru-
pos posibles de cuatro miembros pueden servir, si no se tiene en cuenta en tipo de
trabajo?
2. Quince estudiantes de secundaria han pasado las pruebas semifinales para llegar a
ser líder dirigente. De estos semifinalistas se escogerán seis para que conformen el
equipo líder del primer escuadrón. ¿Cuántos equipos diferentes se pueden formar con
estos quince semifinalistas?
3. Un contratista tiene 16 planos de casas, de los cuales tiene que seleccionar nueve,
para utilizarlos en la construcción de nueve casas en un callejón de un nuevo barrio.
¿De cuántas maneras diferentes se pueden construir las casas si cada una de ellas se
construye según un plano diferente?
4. Un diseñador de jardines tiene once arbustos, de los cuales debe seleccionar cinco
para adornar el frente de un edificio para oficinas. ¿De cuántas maneras se pueden
sembrar los arbustos si se tiene en cuenta que son arbustos distintos?
5. El productor de un programa de variedades de la televisión tiene diez números para

distribuir en una hora. ¿Cuántos programas diferentes puede organizar si cada núme-
ro sólo lo puede presentar una vez?
6. El encargado de poner los discos en una radiodifusora tiene que escoger cinco discos
entre diez para ponerlos en un programa de 15 minutos. ¿De cuántas maneras se
puede programar la distribución de estos cinco discos entre las cinco interrupciones
que hay entre comerciales, charlas, etc.?
7. En una agrupación de secretarias, hay siete cuyos escritorios están colocados uno
detrás de otro. ¿De cuántas maneras se pueden distribuir las secretarias en los escri-
torios?
8. Una trabajadora social tiene que visitar diez clientes en una semana. Los clientes son
tres niños, cuatro adolescentes, dos personas maduras y un anciano. ¿Cuántos orde-
namientos distintos de las visitas puede preparar la trabajadora social, si desea dife-
renciar los clientes sólo por edad?
9. Un psicólogo tiene 14 pacientes entre los cuales debe seleccionar nueve para un ex-
perimento en grupo. ¿Cuántos grupos de nueve se pueden hacer?
10. Se le da a un niño una caja que contiene quince juguetes diferentes para que escoja
cinco. ¿Cuántos grupos diferentes de cinco juguetes se pueden hacer?
113
11. Durante las vacaciones, una familia que vive en Louisville desea visitar consecutiva-
mente a Nashville, Atlanta y Miami. Existen dos rutas distintas entre Louisville y Nash-
ville, tres entre Nashville y Atlanta y tres entre Atlanta y Miami. ¿De cuántas maneras
diferentes puede viajar la familia de Louisville a Miami?
12. Un profesor tiene ocho estudiantes y desea sentarlos en la primera fila, pero en esa
fila no hay sino cinco asientos. ¿De cuántas maneras diferentes se pueden distribuir
en los cinco asientos de la primera fila los ocho estudiantes?
13. Una profesora debe nombrar un comité de cuatro muchachos y tres muchachas entre
los estudiantes. Debe escogerlos entre un grupo de ocho hombres y seis mujeres.
¿Cuántos comités diferentes se pueden nombrar?
14. Un grupo de 50 adultos está compuesto de 20 hombres y 30 mujeres. De 35 personas

del grupo que están a favor de un candidato para alcalde, 15 son hombres. Se selec-
ciona al azar una persona del grupo. ¿Cuál es la probabilidad de que esta persona
sea una mujer que se opone al candidato?
15. Un experimento consiste en asignar cuatro de diez trabajadores para realizar cuatro
tareas distintas. ¿De cuántas maneras se pueden asignar estos cuatro trabajadores
para hacer las cuatro tareas?
16. Hallar el número de permutaciones que se pueden formar con todas las letras de la
palabra PROPOSICION.
17. Supóngase que una urna contiene ocho bolas. Hallar el número de pruebas ordena-
das de tamaño 4:
a) Con sustitución
b) Sin sustitución
18. Sea P (A) = 0.6, P (A ∩ B) = 0.25 y P (B c) = 0.7

a) Calcular P (B \ A)
b) ¿Son A y B eventos independientes? ¿Por qué?
c) Calcular P ( A c )
20. Explíquese por qué existe un error en cada una de las siguientes afirmaciones:
a) La probabilidad de que un estudiante obtenga una A en un curso de geología es
0.32, y la probabilidad de que consiga una A o B es 0.27.
b) Una compañía trabaja en la construcción de dos centros comerciales; la probabilidad
de que el más grande quede terminado a tiempo es 0.35 y la probabilidad de que
ambos sean concluidos a tiempo es 0.42.
21. Si A y B son mutuamente excluyentes, P(A) = 0.29 y P(B) = 0.43, calcúlese:

a) P ( A c ) c) P (A ∩ B c )
b) P (A ∪ B) d) P ( A c ∩ B c )
114
23. Si se extrae una carta de un paquete bien barajado de 52 naipes, ¿cuál es la probabi-
lidad de obtener
a) Un rey rojo c) Una carta negra
b) Un 3, 4, 5 o 6 d) Un as rojo o una reina negra?
24. Cuando se arroja un par de dados legales, ¿cuáles son las probabilidades de obtener
a) 2 o 12 c) 2, 3 o 12?
b) 7 u 11
25. Para encontrar defectos se inspeccionan las partes hidráulicas del tren de aterrizaje
que provienen de una instalación de reparación de aviones. Los antecedentes muestran
que 8% tiene defectos sólo en los ejes, 6% tiene defectos sólo en los bujes, y que el 2%
tiene defectos tanto en los ejes como en los bujes. Si se seleccionan al azar las partes
hidráulicas que se usarán en una aeronave, determinar la probabilidad de que tengan:
a) Un defecto en los bujes.
b) Un defecto en un eje o en un buje
c) Sólo uno de los dos tipos de defectos.
d) Ningún defecto en los ejes o en los bujes.
26. Una agencia de alquiler de autos tiene 18 autos compactos y 12 tamaño intermedio. Si
se escogen aleatoriamente cuatro de ellos para una inspección de seguridad, ¿cuál es
la probabilidad de obtener dos de cada clase?
27. Se lanza un par de dados corrientes. Hallar la probabilidad de que la suma de sus
números sea 10 o mayor si:
a) Aparece un 5 en el primer dado.
b) Aparece un 5 en uno de los dados por lo menos.
28. Si las probabilidades son 0.58, 0.25 y 0.19 de que una persona invierta en bonos del
mercado de valores, en acciones o ambos, calcúlese las probabilidades de que en tal
gama de opciones:
a) El que invierta en bonos también invierta en acciones
b) El que invierta en acciones también invierta en bonos.
29. A un jugador le reparten cinco cartas, una tras otra, de una baraja corriente de 52 car-
tas. ¿Cuál es la probabilidad de que todas sean diamantes?
30. Una urna A contiene cinco bolas rojas y tres blancas, y una urna B contiene dos rojas
y seis blancas.
a) Si se saca una bola de cada urna, ¿cuál es la probabilidad de que las dos sean del
mismo color?
b) Si se sacan dos bolas de cada urna, ¿cuál es la probabilidad de que todas las cuatro
bolas sean del mismo color?
31. En una prisión, el 10% de los reclusos estudió hasta cuarto grado o menos. El 50%
hizo quinto, sexto o séptimo grado y el 40% hizo más de séptimo grado. Por otro lado,
el 20% del primer grupo, el 50% del segundo grupo y el 70% del tercero tienen una
edad de menos de 25 años. Se escoge al azar un recluso en esa prisión y se halla que
tiene menos de 25 años. ¿Cuál es la probabilidad de que ese individuo pertenezca al
primer grupo de nivel de estudios? ¿Al segundo? ¿Al tercero?
115
34. De las personas examinadas en el departamento de salud de un condado, el 45%
proviene de un sector A del condado, el 30% de un segundo sector B y el 25% de un
tercer sector C. El 30% de los pacientes del sector A, el 20% del sector B y el 10% del
sector C están en la nómina de bienestar social del condado. Se escoge al azar un pa-
ciente entre los archivos del departamento y se halla que está inscrito en la nómina del
bienestar social. ¿Qué probabilidad hay de que ese paciente sea del sector A? ¿B?
¿C?
116

03 Teoria de La Probabilidad

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

03 Teoria de La Probabilidad

Cargado por

Copyright:

Formatos disponibles

2.

2.1. CONCEPTOS BÁSICOS DE LA TEORÍA DE CONJUNTOS

El estudio de la probabilidad y, especialmente, el cálculo de probabilidades se facilita mu-

2.1.1. DEFINICIONES BÁSICAS

Un conjunto particular se puede especificar o describir de dos maneras:

A = {1, 3, 5, 7, 9, 11, 13}

A = {x : x es un número impar, x < 15}

Si cada elemento de A pertenece también a un conjunto B, esto es, si a ∈ A y también a ∈

Las negaciones de a ∈ A, A ⊂ B y A = B se escriben a ∉ A, A ⊄ B y A ≠ B, respectiva-

Nótese que el conjunto universal U y el conjunto vacío también son subconjuntos.

Ejemplo 2.1. Notación de conjuntos

a) Sea M el conjunto de los meses del año, esto es,

M consta de exactamente 12 elementos. Por lo tanto, M es finito.

b) Sea P el conjunto de los ríos de la Tierra

c) Sea Y el conjunto de los enteros pares (positivos), esto es,

Y es un conjunto infinito contable porque sus elementos pueden enlistarse en forma de

d) Sea I el intervalo unidad de los números reales, esto es,

I es un conjunto infinito no contable porque sus elementos no pueden enlistarse. ∎

2.1.3. OPERACIONES CON CONJUNTOS

 UNIÓN. La unión de dos conjuntos A y B, denotada por A ∪ B, es el conjunto que con-

 INTERSECCIÓN. La intersección de dos conjuntos A y B, representada por A ∩ B, es el

 DIFERENCIA. La diferencia de dos conjuntos A y B, o el complemento relativo de B con

Obsérvese que A − B y B son disjuntos, esto es, (A − B) ∩ B = ∅.

 COMPLEMENTO. El complemento absoluto de un conjunto A, o simplemente el com-

Ejemplo 2.2. Operaciones con conjuntos

Sean U = {a, b, c, d, e, f, g}, A = {a, b, c, d, e}, B = {a, c, e, g} y C = {b, e, f, g}. Enton-

a) Unión (A ∪ B sombreado) b) Intersección (A ∩ B sombreado)

Figura 2.1. Operaciones con conjuntos representadas por diagramas de Venn

 CONJUNTO PRODUCTO. El conjunto producto de dos conjuntos A y B, representado por

El producto de un conjunto por sí mismo, A × A, se denota A 2 . Asimismo, un método

El concepto de conjunto producto se puede extender a un número finito de conjuntos en

Ejemplo 2.3. Conjunto producto

Sea S = {a, b, c} y T = {b, c, d}. Entonces

 PARTICIÓN. Una partición de un conjunto X es una subdivisión de X entre subconjun-

El interés por los conceptos de la teoría de la probabilidad y por el cálculo de probabilida-

PROBABILIDAD. Es el estudio de experimentos aleatorios o libres de determinación. Es

2.2.1. PROBABILIDAD CLÁSICA.

El concepto clásico de probabilidad se creó originalmente en relación con juegos de azar,

donde: s = resultados favorables al evento E

PROBABILIDAD CLÁSICA EMPÍRICA. En este caso, aunque la probabilidad se sigue definien-

¿Cuál es la probabilidad de sacar un as de un paquete barajado de 52 naipes?

Hay s = 4 ases entre los n = 52 naipes, así que la probabilidad es

La desventaja principal del concepto clásico de probabilidad consiste en que, como se

2.2.2. PROBABILIDAD FRECUENCIAL.

número de veces que sucede E

la cual es la frecuencia relativa de ocurrencia del evento E.

Es decir, de acuerdo con este concepto, la probabilidad de que ocurra un acontecimiento

2.2.3. PROBABILIDAD SUBJETIVA.

Existen muchos eventos de interés cuyas probabilidades de ocurrencia no se pueden cal-

La asignación de probabilidades subjetivas a diversos eventos generalmente se basa en

2.3. ESPACIO MUESTRAL Y EVENTOS

EXPERIMENTO. Es el proceso de efectuar una observación o medición. Cualquier experi-

ESPACIO MUESTRAL. Es el conjunto de todos los resultados posibles de un experimento,

 EVENTO SIMPLE. Es el que puede describirse mediante una característica sencilla. La

 EVENTO IMPOSIBLE. Es el conjunto vacío ∅, es decir es el evento que nunca puede

 EVENTO SEGURO. Es el conjunto universal o espacio muestral S, es decir es el evento

 EVENTO COMPUESTO. Es el que puede expresarse en términos de dos o más eventos.

a) La unión de dos eventos A y B, denotada A ∪ B, es el evento que sucede si y sólo

EVENTOS MUTUAMENTE EXCLUYENTES. Dos eventos A y B son mutuamente excluyentes si

EVENTOS COLECTIVAMENTE EXHAUSTIVOS. Dos eventos A y B son colectivamente exhausti-

Rojo Negro Totales

Tabla de contingencias para variables de color de carta

DIAGRAMAS DE VENN. Los eventos y espacios muestrales son a menudo representados