SEMESTRE 1-2022

ASIGNATURA: PROBABILIDADES
TEMA 1
INTRODUCCION A LA PROBABIBILIDAD
LECCION 4
PROBABILIDAD EN ESPACIOS MUESTRALES FINITOS – PARTE I

1. INTRODUCCION
Sea 𝜺 un Experimento Aleatorio que tiene un número finito 𝒌 de posibles resultados,
𝒆𝟏, 𝒆𝟐, … , 𝒆𝒌. Diremos que el correspondiente Espacio Muestral es Finito y puede
representarse o describirse en la forma siguiente:
𝑺 = {𝒆𝟏, 𝒆𝟐, … , 𝒆𝒌}
A partir de la Definición Axiomática de Probabilidad vamos a caracterizar la asignación de
Probabilidades a los Eventos Simples de 𝑺, los puntos individuales que lo forman. Con
cada Evento Simple 𝑬𝒊 = {𝒆𝒊} (𝒊 = 𝟏, 𝟐, … , 𝒌) podemos asociar un número real que
denotaremos 𝒑𝒊 = 𝑷(𝑬𝒊) = 𝑷({𝒆𝒊}), llamado “Probabilidad de {𝒆𝒊}”, satisfaciendo:
(1) 𝒑𝒊 ≥ 𝟎 𝒑𝒂𝒓𝒂 𝒊 = 𝟏, 𝟐, … , 𝒌
(2) 𝒑𝟏 + 𝒑𝟐 + ⋯ + 𝒑𝒌 = 𝟏

Sea 𝑨 un Evento que consta de varios Eventos Simples. Para asignar el valor de 𝑷(𝑨)
procedemos como sigue. Supongamos que 𝑺 = {𝒆𝟏, 𝒆𝟐, 𝒆𝟑, 𝒆𝟒, 𝒆𝟓} (𝒌 = 𝟓). Luego, si
definimos un Evento 𝑨 como 𝑨 = {𝒆𝟏, 𝒆𝟑, 𝒆𝟓}, y teniendo en cuenta que los elementos
individuales de 𝑺, los 𝒆𝒊 (𝒊 = 𝟏, 𝟐, … , 𝒌), son Disjuntos o Mutuamente Excluyentes dos a
dos, por el Axioma 3 tendremos que:

𝑷(𝑨) = 𝑷{𝒆𝟏} + 𝑷{𝒆𝟑} + 𝑷{𝒆𝟓} = 𝒑𝟏 + 𝒑𝟑 + 𝒑𝟓

Lo anterior puede generalizarse al caso en que un Evento 𝑨 contenga 𝒓 elementos del
Espacio Muestral S (𝒓 = 𝟏, 𝟐, … , 𝒌). Es decir, 𝑨 = {𝒆𝒋𝟏 , 𝒆𝒋𝟐 , … , 𝒆𝒋𝒓}, donde los sub-índices
𝒋𝟏, 𝒋𝟐, … , 𝒋𝒓 son 𝒓 cualesquiera valores de la lista 𝟏, 𝟐, … , 𝒌. Del Axioma 3 se sigue:

𝑷(𝑨) = 𝑷{𝒆𝒋𝟏 } + 𝑷{𝒆𝒋𝟐 } + ⋯ . +𝑷{𝒆𝒋𝒓} = 𝒑𝒋𝟏 + 𝒑𝒋𝟐 + ⋯ + 𝒑𝒋𝒓 =∑𝒓𝒊=𝟏 𝒑𝒋𝒊

Ejemplo 1
Para realizar cierta tarea se debe elegir entre tres métodos disponibles. Para un
Experimento Aleatorio que consiste en registrar el método utilizado para una realización
de la tarea podemos representar el Espacio Muestral como:
𝑺 = {𝒎𝟏, 𝒎𝟐, 𝒎𝟑} , 𝒅o𝒏𝒅𝒆 𝒎𝒊 𝒔𝒊𝒈𝒏𝒊𝒇𝒊𝒄𝒂 𝒒𝒖𝒆 𝒔𝒆 𝒆𝒍𝒊𝒈𝒊o 𝒆𝒍 𝒎é𝒕𝒐𝒅𝒐 𝒊 (𝒊 = 𝟏, 𝟐, 𝟑)
Supóngase que el encargado de la elección del método es un Supervisor, y que acuerdo a
la experiencia basada en un gran número de elecciones, se observa que los métodos 1 y 3
son elegidos la misma proporción de veces, y que tal proporción duplica la proporción de
veces que se usa el método 2.
De acuerdo a lo anterior tendremos:
𝒑𝟏 = 𝒑𝟑 = 𝟐𝒑𝟐 ,
relación que surge de la información histórica disponible. Luego, como las 𝒑𝒊 deben
satisfacer 𝒑𝟏 + 𝒑𝟐 + 𝒑𝟑 = 𝟏, al incorporar la información descrita se tendrá:
𝒑𝟏 + 𝒑𝟐 + 𝒑𝟑 = 𝟐𝒑𝟐 + 𝒑𝟐 + 𝟐𝒑𝟐 = 𝟓𝒑𝟐 = 𝟏
Luego:
𝒑𝟐 = 𝟏⁄𝟓 , 𝒑𝟏 = 𝒑𝟑 = 𝟐⁄𝟓

En resumen, estamos asignando a los elementos de 𝑺 = {𝒎𝟏, 𝒎𝟐, 𝒎𝟑} las siguientes
probabilidades:
𝟐 𝟏 𝟐
𝒑𝟏 = , 𝒑𝟐 = , 𝒑𝟑 =
𝟓 𝟓 𝟓

Ejemplo 2
Un Investigador de Salud en cierta Universidad considera, en base a su grado de
experticia, que un 40% de los estudiantes fuma, un 50% bebe y un 30% ni fuma ni bebe.
Si se entrevista a un estudiante y se registra si fuma (𝒇) o no fuma (𝒏𝒇) y si bebe (𝒃) o no
bebe (𝒏𝒃), podemos considerar el siguiente Espacio Muestral:
𝑺 = {(𝒇, 𝒃), (𝒇, 𝒏𝒃), (𝒏𝒇, 𝒃), (𝒏𝒇, 𝒏𝒃)}
Vamos a utilizar la opinión del experto para asignar las probabilidades de los puntos de 𝑺:
𝑨 = 𝑬𝒍 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆 𝒇𝒖𝒎𝒂 , 𝑩 = 𝑬𝒍 𝒆𝒔𝒕𝒖𝒅𝒊𝒂𝒏𝒕𝒆 𝒃𝒆𝒃𝒆
𝑷(𝑨) = 𝑷({(𝒇, 𝒃), (𝒇, 𝒏𝒃)} = 𝒑𝟏 + 𝒑𝟐 = 𝟎. 𝟒𝟎
𝑷(𝑩) = 𝑷({(𝒇, 𝒃), (𝒏𝒇, 𝒃)} = 𝒑𝟏 + 𝒑𝟑 = 𝟎. 𝟓𝟎
̅∩𝑩
𝑷(𝑨 ̅ ) = 𝑷(𝒏𝒇, 𝒏𝒃) = 𝒑𝟒 = 𝟎. 𝟑𝟎
Sustituyendo 𝒑𝟒 = 𝟎.𝟑𝟎 en la condición 𝒑𝟏 + 𝒑𝟐 + 𝒑𝟑 + 𝒑𝟒 = 𝟏, obtenemos:

𝒑𝟏 + 𝒑𝟐 + 𝒑𝟑 = 𝟏 − 𝒑𝟒 = 𝟎. 𝟕𝟎
Operamos con las relaciones para 𝑷(𝑨) y 𝑷(𝑩) como sigue:
𝑷(𝑨) + 𝑷(𝑩) = 𝒑𝟏 + (𝒑𝟏 + 𝒑𝟐 + 𝒑𝟑) = 𝒑𝟏 + 𝟎. 𝟕𝟎 = 𝟎. 𝟗𝟎,
que conduce a 𝒑𝟏 =𝟎. 𝟐𝟎 Luego, de las expresiones para 𝑷(𝑨) y 𝑷(𝑩) se obtiene:

𝑷(𝑨) = 𝒑𝟏 + 𝒑𝟐 = 𝟎, 𝟐𝟎 + 𝒑𝟐 = 𝟎, 𝟒𝟎,
que implica que 𝒑𝟐 = 𝟎. 𝟐𝟎.

𝑷(𝑩) = 𝒑𝟏 + 𝒑𝟑 = 𝟎, 𝟐𝟎 + 𝒑𝟑 = 𝟎, 𝟓𝟎,

que lleva a 𝒑𝟑 = 𝟎. 𝟑𝟎.

Luego, a los elementos de 𝑺 = {(𝒇, 𝒃), (𝒇, 𝒏𝒃), (𝒏𝒇, 𝒃), (𝒏𝒇, 𝒏𝒃)} les hemos asignado las
probabilidades:
𝒑𝟏 = 𝟎. 𝟐𝟎 , 𝒑𝟐 = 𝟎. 𝟐𝟎 , 𝒑𝟑 =𝟎. 𝟑𝟎 , 𝒑𝟒 =𝟎. 𝟑𝟎

2. EQUIPROBABILIDAD O SIMETRIA
La suposición más usual al trabajar con Espacios Muestrales Finitos es la de
Equiprobabilidad o Simetría, que consiste en asumir que todos los elementos de 𝑺 tienen
igual oportunidad de ocurrir, es decir, son “equiprobables”.
Si todos los Eventos Simples en un Espacio Muestral Finito con 𝒌 elementos son
equiprobables, entonces:
𝟏
𝒑𝒊 = (𝒊 = 𝟏, 𝟐, … , 𝒌)
𝒌
Se sigue que si 𝑨 es un Evento que contiene 𝒓 Eventos Simples (puntos o elementos
individuales de 𝑺), entonces 𝑷(𝑨) se determina sumando 𝒓 veces 𝟏/𝒌, es decir:
𝒓
𝑷(𝑨) =
𝒌
Tal expresión es frecuentemente expresada cómo:
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒆𝒏 𝒒𝒖𝒆 𝒑𝒖𝒆𝒅𝒆 𝒐𝒄𝒖𝒓𝒓𝒊𝒓 𝑨
𝑷(𝑨) =
𝑵ú𝒎𝒆𝒓𝒐 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔
O, equivalentemente, cómo:
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝒂𝒍 𝑬𝒗𝒆𝒏𝒕𝒐 𝑨
𝑷(𝑨) =
𝑵ú𝒎𝒆𝒓𝒐 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔
Comentario

Lo expuesto acerca de la determinación de 𝑷(𝑨) tiene validez solamente si el supuesto

de Simetría o Equiprobabilidad se cumple, con certeza o con un alto grado de certeza.
Ejemplo 1
Se hace un lanzamiento imparcial de un dado legal (el dado se lanza de forma tal que
ningún lado del mismo está favorecido y, además, el dado tiene el peso correcto y tiene
seis caras diferentes marcadas con los números 1,2,3,4,5 y 6). Si lanzamos el dado y
registramos como resultado el número de puntos de la cara del dado que queda mirando
hacia arriba, el Espacio Muestral se representa cómo:
𝑺 = {𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔}
Bajo las premisas bajo las cuales se realiza el lanzamiento, resulta apropiado asumir que
todos los posibles resultados tienen igual oportunidad de ocurrir. Por ello:
𝟏
𝑷({𝟏}) = 𝑷({𝟐}) = 𝑷({𝟑}) = 𝑷({𝟒}) = 𝑷({𝟓}) = 𝑷({𝟔}) =
𝟔

O, equivalentemente:

𝒑𝟏 = 𝒑𝟐 = 𝒑𝟑 = 𝒑𝟒 = 𝒑𝟓 = 𝒑𝟔 = 𝟏⁄𝟔 ,

donde 𝒑𝒊 = 𝑷({𝒊}) (𝒊 = 𝟏, 𝟐, 𝟑, 𝟒, 𝟓, 𝟔) es la probabilidad de obtener el valor 𝒊 al lanzar el

dado.
Sea 𝑨 el Evento definido como 𝑨 = 𝑺𝒆 𝒐𝒃𝒕𝒊𝒆𝒏𝒆 𝒖𝒏 𝒏ú𝒎𝒆𝒓𝒐 𝒎𝒂𝒚𝒐𝒓 𝒒𝒖𝒆 𝟒 ={𝟓, 𝟔}.
Podemos determinar 𝑷(𝑨) como:
𝑷(𝑨) = 𝑷({𝟓}) + 𝑷({𝟔}) = 𝟏/𝟔 + 𝟏/𝟔 = 𝟏/𝟑
O, más simplemente, como:
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒆𝒏 𝒒𝒖𝒆 𝒑𝒖𝒆𝒅𝒆 𝒐𝒄𝒖𝒓𝒓𝒊𝒓 𝑨 𝟐
𝑷(𝑨) = = = 𝟏/𝟑
𝑵ú𝒎𝒆𝒓𝒐 𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝑪𝒂𝒔𝒐𝒔 𝟔

Ejemplo 2
Consideremos los números 1,2 y 3. Los escribimos en un orden aleatorio (ello significa que
todos los posibles ordenamientos de los números tienen igual oportunidad de ocurrir). El
Espacio Muestral de este Experimento Aleatorio viene dado por:
𝑺 = {(𝟏, 𝟐, 𝟑), (𝟏, 𝟑, 𝟐), (𝟐, 𝟏, 𝟑), (𝟑, 𝟏, 𝟐). , (𝟐, 𝟑, 𝟏), (𝟑, 𝟐, 𝟏)}
Sea 𝑨 el Evento definido como:
𝑨 = 𝑨𝒍 𝒎𝒆𝒏𝒐𝒔 𝒖𝒏𝒐 𝒅𝒆 𝒍𝒐𝒔 𝒏ú𝒎𝒆𝒓𝒐𝒔 𝒒𝒖𝒆𝒅𝒂 𝒆𝒏 𝒔𝒖 𝒍𝒖𝒈𝒂𝒓 𝒏𝒂𝒕𝒖𝒓𝒂𝒍
El Evento 𝑨 ocurre cuando al menos uno de los números queda en su lugar natural, es decir:
𝑨 = {(𝟏, 𝟐, 𝟑), (𝟏, 𝟑, 𝟐), (𝟐, 𝟏, 𝟑), (𝟑, 𝟐, 𝟏)}
Luego, como del total de seis casos hay cuatro casos favorables al Evento 𝑨,
𝟒
𝑷(𝑨) = = 𝟐/𝟑
𝟔
Sugerencia: Hacer el Ejemplo con los números 1,2,3, y 4.

Ejemplo 4
Problema de los Cumpleaños
Este problema forma parte de una categoría llamada “Cálculo de Coincidencias”. El
problema que nos ocupa consiste en determinar, para un grupo de 𝒏 personas que están
en una reunión, la probabilidad de que al menos dos de ellas tengan igual fecha de
cumpleaños (día y mes).
Supongamos que 𝒏 = 𝟐. Sea 𝑨 el siguiente Evento:
𝑨 = 𝑳𝒂𝒔 𝒅𝒐𝒔 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔 𝒕𝒊𝒆𝒏𝒆𝒏 𝒍𝒂 𝒎𝒊𝒔𝒎𝒂 𝒇𝒆𝒄𝒉𝒂 𝒅𝒆 𝒄𝒖𝒎𝒑𝒍𝒆𝒂ñ𝒐𝒔
Luego:
̅ = 𝑳𝒂𝒔 𝒅𝒐𝒔 𝒑𝒆𝒓𝒔𝒐𝒏𝒂𝒔 𝒕𝒊𝒆𝒏𝒆𝒏 𝒅𝒊𝒇𝒆𝒓𝒆𝒏𝒕𝒆𝒔 𝒇𝒆𝒄𝒉𝒂𝒔 𝒅𝒆 𝒄𝒖𝒎𝒑𝒍𝒆𝒂ñ𝒐𝒔
𝑨
Si llamamos 1 y 2 a las dos personas, la fecha de cumpleaños de la persona 1 puede ser
cualquiera de los 365 días del año (estamos excluyendo años bisiestos) y lo mismo vale
para la persona 2. Esas dos fechas pueden ocurrir conjuntamente y en total hay
(𝟑𝟔𝟓)(𝟑𝟔𝟓) = 𝟑𝟔𝟓𝟐 posibles pares de fechas de cumpleaños para las personas 1 y 2. Por
otra parte, ¿en cuántos casos puede ocurrir que las dos personas tengan diferentes fechas
̅ ?. La fecha de
de cumpleaños?, es decir, ¿de cuantas maneras puede ocurrir el Evento 𝑨
cumpleaños de la persona 1 puede ser cualquiera de los 365 días del año y la de persona
2 cualquiera de los restantes 364 días. Ahora tendremos (𝟑𝟔𝟓)(𝟑𝟔𝟒) pares de fechas de
cumpleaños distintas para las dos personas. Supondremos que las fechas de cumpleaños
se distribuyen en igual proporción a lo largo del año (cada día nace la misma cantidad de
personas), lo cual tomaremos aquí como una aproximación (luego haremos un comentario
al respecto). Bajo tal premisa, los 𝟑𝟔𝟓𝟐 posibles pares de fechas de cumpleaños los
asumimos como equiprobables y tendremos:
 ̅ (𝟑𝟔𝟓)(𝟑𝟔𝟒) 𝟑𝟔𝟒
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒆𝒏 𝒒𝒖𝒆 𝒑𝒖𝒆𝒅𝒆 𝒐𝒄𝒖𝒓𝒓𝒊𝒓 𝑨
̅) =
𝑷(𝑨 = =
𝑵ú𝒎𝒆𝒓𝒐 𝑻𝒐𝒕𝒂𝒍 𝒅𝒆 𝑪𝒂𝒔𝒐𝒔 (𝟑𝟔𝟓)𝟐 𝟑𝟔𝟓
Luego,
𝟑𝟔𝟒
𝑷(𝑨) = 𝟏 − ≅ 𝟎. 𝟎𝟎𝟐𝟕
𝟑𝟔𝟓

Extendamos ahora la argumentación al caso 𝒏 = 𝟑. El número total de casos será ahora

̅ será:
𝟑𝟔𝟓𝟑, mientras que el número de casos en que puede ocurrir 𝑨
(𝟑𝟔𝟓) (𝟑𝟔𝟒) (𝟑𝟔𝟑)
Luego:
(𝟑𝟔𝟓)(𝟑𝟔𝟒)(𝟑𝟔𝟑) (𝟑𝟔𝟒)(𝟑𝟔𝟑)
𝑷(𝑨) = 𝟏 − = 𝟏 − ≅ 𝟎. 𝟎𝟎𝟖𝟐
(𝟑𝟔𝟓)𝟑 (𝟑𝟔𝟓)𝟐
Para 𝒏 = 𝟒 resultará:
(𝟑𝟔𝟓)(𝟑𝟔𝟒)(𝟑𝟔𝟑) (𝟑𝟔𝟐) (𝟑𝟔𝟒)(𝟑𝟔𝟑) (𝟑𝟔𝟐)
𝑷(𝑨) = 𝟏 − =𝟏− ≅ 𝟎. 𝟎𝟏𝟔𝟒
(𝟑𝟔𝟓) 𝟒 (𝟑𝟔𝟓)𝟐
Para 𝒏 = 𝟐𝟑 la probabilidad buscada es:
(𝟑𝟔𝟓)(𝟑𝟔𝟒)(𝟑𝟔𝟑) (𝟑𝟔𝟐) … (𝟑𝟒𝟑)
𝑷(𝑨) = 𝟏 − ≅ 𝟎. 𝟓𝟎𝟕𝟎
(𝟑𝟔𝟓)𝟐𝟑
En general:
(𝟑𝟔𝟓)(𝟑𝟔𝟒)(𝟑𝟔𝟑)(𝟑𝟔𝟐) … (𝟑𝟔𝟓 − 𝒏 + 𝟏) 𝟑𝟔𝟓!
𝑷(𝑨) = 𝟏 − 𝒏
=𝟏− 𝒏
𝟑𝟔𝟓 𝟑𝟔𝟓 (𝟑𝟔𝟓 − 𝒏)!
En la siguiente Tabla pueden observar el comportamiento de 𝑷(𝑨):
𝒏 𝑷(𝑨) %
10 0.1170 11.70
15 0.2529 25.29
20 0.4114 41.14
25 0.5687 56.87
30 0.7063 70.63
35 0.8144 81.44
40 0.8912 89.12
45 0.9410 94.10
50 0.9704 97.04
55 0.9863 98.63
60 0.9941 99.41
65 0.9977 99.77