Síntesis

Para comenzar a estudiar y comprender el concepto de probabilidad, sus propiedades y

elementos más importantes, se hará un reposo de la teoría de conjuntos, ya que es la
base en la que se sustentan las probabilidades. Posteriormente se trabajarán las técnicas
de conteo, que son de mucha utilidad a la hora de determinar la cantidad de elementos
que se pueden generar en la realización de un experimento aleatorio.

Posteriormente se revisará la definición axiomática, empírica de probabilidad, para definir
luego términos como experimento aleatorio, espacio muestral, evento y variable
aleatoria, los cuales son los elementos relevantes para poder determinar una
probabilidad.

Se verán las reglas básicas de probabilidad, el concepto y la interpretación de las
probabilidades condicional y total, para terminar con uno de los teoremas más
importantes aplicado en la estadística, el teorema de Bayes.

Tema 1
Teoría de conjuntos
Un conjunto es una colección bien definida de objetos, llamados elementos del conjunto.
Los objetos en sí mismos pueden ser cualquier cosa: personas, animales, números, etc.
Usualmente, los conjuntos se denotan usando letras mayúsculas y sus elementos con
letras minúsculas.
Dado un conjunto 𝐴, escribiremos 𝑎 ∈ 𝐴 si 𝑎 es un elemento del conjunto 𝐴, y 𝑏 ∉ 𝐴
índica que 𝑏 no es un elemento de 𝐴.


• Conjuntos por extensión
Hay varias maneras de describir un conjunto. Una forma es dar una lista de todos sus
elementos dentro de llaves. Así, 𝑎, 1, @ representa un conjunto con los tres
elementos 𝑎, 1 y @. En este método es irrelevante el orden de los elementos en la lista
y es utilizado para describir conjuntos con poca cantidad de elementos.

• Conjuntos por compresión
Se describe un atributo o característica común y exclusiva de sus elementos. Este
método envuelve la descripción de la propiedad del conjunto. Así,

𝐴 = 𝑥 𝑥 𝑡𝑖𝑒𝑛𝑒 𝑙𝑎 𝑝𝑟𝑜𝑝𝑖𝑒𝑑𝑎𝑑 𝑃 ,

Se lee: “el conjunto 𝐴 de todos los objetos ‘x’ tal que ‘x’ tiene la propiedad 𝑃”

Ejemplos

• 𝑉 = 𝑥/ 𝑥 𝑒𝑠 𝑢𝑛𝑎 𝑣𝑜𝑐𝑎𝑙 𝑑𝑒𝑙 𝑎𝑙𝑓𝑎𝑏𝑒𝑡𝑜

• 𝑃 = 𝑥/𝑥 𝑒𝑠 𝑢𝑛 𝑑í𝑔𝑖𝑡𝑜 𝑝𝑎𝑟

• 𝑥/ 𝑥 𝑒𝑠 𝑢𝑛 𝑒𝑛𝑡𝑒𝑟𝑜 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑜 𝑚𝑒𝑛𝑜𝑟 𝑞𝑢𝑒 100

• Conjunto vacío y unitario

Existe un conjunto especial que no posee elementos. Este conjunto es
denominado conjunto vacío y es denotado por ∅. Por otra parte, el conjunto
que tiene un solo elemento se llama conjunto unitario.

• Definición de subconjunto
Un conjunto 𝐴 es un subconjunto de 𝐵 si todo elemento de 𝐴 es también un
elemento de 𝐵 . Usamos la notación 𝐴 ⊆ 𝐵 para indicar que 𝐴 es un
subconjunto del conjunto 𝐵.



Ejemplo
• Si 𝐴 = 1,2,3 y 𝐵 = 2 , entonces 𝐵 ⊆ 𝐴.
• Si 𝐴 = 1,2,3 y 𝐵 = 2,3,4 , entonces 𝐵 no es subconjunto de 𝐴, lo
cual se denota mediante 𝐵 ⊈ 𝐴.
• Sea 𝐴 un conjunto cualquiera. Entonces ∅ ⊆ 𝐴

• Conjunto universal
Es el conjunto formado por todos los objetos de estudio en un contexto
determinado y se representa por 𝑈. Todos los conjuntos que trabajaremos
serán considerados como subconjuntos de un conjunto particular.

Ejemplo
Si 𝐴 = 0,1,2 , 𝐵 = 1,5,7 y 𝐶 = 3,4,8,9 . Entonces el conjunto
universal podría ser elegido como el conjunto
𝑈 = 0,1,2,3,4,5,6,7,8,9 .
El conjunto universal 𝑈 no es único y puede cambiar de pendiendo
de la situación.

Operaciones entre conjuntos

Dos conjuntos 𝐴 𝑦 𝐵 se pueden “combinar” para producir nuevos conjuntos utilizando las
siguientes operaciones entre conjuntos:

Unión
La unión de dos conjuntos 𝐴 𝑦 𝐵 es el conjunto 𝐴 ∪ 𝐵 formado por los elementos de 𝐴
más los elementos de B 𝐵.

Así, afirmar que 𝑥 ∈ 𝐴 ∪ 𝐵 implica que 𝑥 ∈ 𝐴 o 𝑥 ∈ 𝐵. Se puede escribir:



𝐴∪𝐵 = 𝑥/𝑥 ∈𝐴𝑜𝑥 ∈𝐵

En el siguiente diagrama de Venn la unión está representada por la región sombreada:

Figura 1. Unión

Si 𝐴 = 𝑎, 𝑏, 𝑐, 𝑑, 𝑒 y 𝐵 = 𝑎, 𝑒, 𝑖, 𝑜, 𝑢 entonces su unión es el conjunto:

𝐴 ∪ 𝐵 = 𝑎, 𝑏, 𝑐, 𝑑, 𝑒, 𝑖, 𝑜, 𝑢

Intersección
La intersección de dos conjuntos 𝐴 𝑦 𝐵 es el conjunto 𝐴 ∩ 𝐵 formado por los elementos
comunes de 𝐴 𝑦 𝐵.

Así, afirmar que 𝑥 ∈ 𝐴 ∩ 𝐵 implica que 𝑥 ∈ 𝐴 y 𝑥 ∈ 𝐵. Se puede escribir:

𝐴 ∩ 𝐵 = 𝑥/𝑥 ∈ 𝐴 𝑦 𝑥 ∈ 𝐵



En el siguiente diagrama de Venn la intersección está representada por la región
sombreada:

Figura 2. Intesección

Si 𝐴 = 𝑎, 𝑏, 𝑐, 𝑑, 𝑒 y 𝐵 = 𝑎, 𝑒, 𝑖, 𝑜, 𝑢 entonces su intersección es el conjunto:
𝐴 ∩ 𝐵 = 𝑎, 𝑒

Diferencia
La diferencia entre dos conjuntos 𝐴 𝑦 𝐵 es el conjunto 𝐴 − 𝐵 formado por los elementos
de 𝐴 que no pertenecen a 𝐵.

Así,
𝐴 − 𝐵 = 𝑥/ 𝑥 ∈ 𝐴 𝑦 𝑥 ∉ 𝐵

La diferencia de conjuntos en el siguiente diagrama de Venn está representada por la
región sombreada:

Figura 3. Diferencia

Si 𝐴 = 𝑎, 𝑏, 𝑐, 𝑑, 𝑒 y 𝐵 = 𝑎, 𝑒, 𝑖, 𝑜, 𝑢 entonces su diferencia es el conjunto:

𝐴 − 𝐵 = 𝑏, 𝑐, 𝑑 𝐵 − 𝐴 = 𝑖, 𝑜, 𝑢

Complemento
Si 𝐴 es un conjunto entonces se define el conjunto 𝐴! como la diferencia entre su
universo 𝑈 y el conjunto 𝐴. Por lo tanto,

𝐴! = 𝑈 − 𝐴 = 𝑥 ∈ 𝑈/𝑥 ∉ 𝐴

En el siguiente diagrama de Venn, el complemento de 𝐴, 𝐴! , es la siguiente región
sombreada:

Figura 4. Complemento

Si 𝑈 = 𝑎, 𝑒, 𝑖, 𝑜, 𝑢 𝑦 𝐴 = 𝑎, 𝑜 , entonces:
𝐴! = 𝑒, 𝑖, 𝑢

Propiedades
La siguiente tabla resume algunas propiedades útiles de los conjuntos similares a las
propiedades que cumplen los números naturales (incluyendo a cero) con las operaciones
de adición y multiplicación.
Sean 𝐴, 𝐵 𝑦 𝐶 subconjuntos de un conjunto universal 𝑈 . Se satisfacen las siguientes
propiedades:

o Asociativas
𝐴∪𝐵 ∪𝐶 =𝐴∪ 𝐵∪𝐶
𝐴∩𝐵 ∩𝐶 =𝐴∩ 𝐵∩𝐶

o Conmutativas
𝐴 ∪ 𝐵 = 𝐵 ∪ 𝐴
𝐴 ∩ 𝐵 = 𝐵 ∩ 𝐴



o Distributivas
𝐴∩ 𝐵∪𝐶 = 𝐴∩𝐵 ∪ 𝐴∩𝐶
𝐴∪ 𝐵∩𝐶 = 𝐴∪𝐵 ∩ 𝐴∪𝐶

o Neutro e idéntico
𝐴 ∪ ∅ = 𝐴
𝐴 ∩ 𝑈 = 𝐴

o Leyes de de Morgan
!
𝐴∪𝐵 = 𝐴! ∩ 𝐵!
!
A∩B = A! ∪ B !

Cardinalidad de conjuntos finitos

La cardinalidad de un conjunto es el número de elementos que contiene un conjunto. Así
que la cardinalidad de un conjunto D se representará como #D

Dados los conjuntos A = 1, 2, 3 y B = 3, 4, 5, 6 .

Se quiere saber cuál es el número de elementos de la unión de A con B.

Sabemos que A ∪ B = 1, 2, 3, 4, 5, 6 , luego, # A ∪ B = 6

Otra formar de visualizar la cardinalidad del ejemplo anterior es encontrar la cardinalidad

de A, B y de A ∩ B.
Y se puede probar que,

# A ∪ B = #A + #B − # A ∩ B



Tenemos que #A = 3, #B = 4 y como A ∩ B = 3 , # A ∩ B = 1. Luego,

# A ∪ B = #A + #B − # A ∩ B

# A ∪ B = 3 + 4 − 1

# A ∪ B = 6

Esta es una propiedad muy importante que se cumple en la teoría de conjuntos que será
de gran utilidad en las probabilidades.

Ejemplo:
Se revisa las hojas de vida de los 72 docentes de cátedra del departamento de Ciencias
Básicas de la Fundación Universitaria Los Libertadores. De donde se pudo obtener la
siguiente información: 48 docentes tiene título de especialización, 33 tiene título de
maestría; de los que tienen especialización 20 tienen maestría.

Encontrar:
a) El número de profesores que no tienen maestría.
b) El número de profesores que tienen maestría o especialización.
c) El número de profesores con maestría que no tienen especialización.
d) El número de profesores que no tienen especialización.
e) El número de profesores que no tienen ni maestría ni especialización.


Esta situación muestra una clara aplicación de la teoría de conjuntos. De acuerdo con la
información suministrada, el problema se puede representar como:

Figura 5. Teoría de conjuntos

Solución:
a) #M ! = 39 profesores
b) # M ∪ E = 61 profesores
c) # M − E = 13 profesores
d) #E ! = 24 profesores
!
e) # M ∪ E = 11 profesores

Tema 2
Técnicas de conteo
Son técnicas que nos permiten determinar el número de elementos de un conjunto de
acuerdo con las características de un determinado experimento.
Conocidas también como análisis combinatorio, el cual es un sistema que permite agrupar
y ordenar, en diversas formas, los elementos de un conjunto.

Principio de la multiplicación
Si un experimento se puede realizar en 𝑛! formas, y si para cada una de estas formas se
puede realizar una segunda de 𝑛! formas, y cada una de las dos primeras se puede
efectuar de 𝑛! formas, y así sucesivamente, entonces el número de elementos del
conjunto será:

𝑡𝑜𝑡𝑎𝑙 𝑎𝑟𝑟𝑒𝑔𝑙𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 = 𝑛! ∙ 𝑛! ∙ … 𝑛! . p: número de posibilidades

Ejemplo:
Se tienen 3 camisas, 2 pantalones, 4 pares de medias y dos pares de zapatos. ¿De cuántas
formas diferentes se puede vestir una persona?

𝑛! ∙ 𝑛! ∙ 𝑛! ∙ 𝑛! = 3 ∙ 2 ∙ 4 ∙ 2 = 48

Luego, una persona podría vestirse de 48 formas diferentes.

Permutación
Se denominan permutaciones de n elementos, a los diferentes grupos que se pueden
hacer tomando todos los elementos a la vez. Las permutaciones implican orden. Es una
combinación de elementos ordenados.
Cada conjunto ordenado de “n” elementos se denominará una permutación de los “n”
elementos diferentes.

𝑃! = 𝑛!

Se lee: 𝑃! : Permutaciones de n elementos.



𝑛! Se lee: n factorial, es un operador definido como:

𝑛! = 𝑛× 𝑛 − 1 × 𝑛 − 2 × … ×3×2×1

Ejemplo:
Calcular cuántas palabras diferentes con o sin sentido se pueden formar con 4 letras, por
ejemplo con las letras de la palabra MUSA.

𝑃! = 4! = 24

Permutaciones con repetición

Las permutaciones con repetición son un caso particular y existe una ley sencilla para su
formación.

𝑛!
𝑃!(!! , !! ,…!! ) =
𝑛! ! ∙ 𝑛! ! ∙ … 𝑛! !


Permutación de n elementos con k elementos repetidos.

Ejemplo:
Calcular cuántas palabras diferentes con o sin sentido se pueden formar con las letras de
la palabra CASA.



Solución:
En este caso la para CASA tiene una letra igual y se repite dos veces, entonces:

4!
𝑃!(!) = = 12
2!

Ejemplo:
En una urna hay 8 bolas, 4 verdes, 3 grises y 1 violeta. ¿De cuántas formas distintas se
pueden extraer las bolas de la urna?

Solución:

8!
𝑃!(!,!) = = 280
4! ∙ 3!

Variación
Corresponden a aquellas permutaciones donde los elementos no se toman en su
totalidad.
Dado un conjunto de “n” elementos diferentes, se denominará variación al subconjunto
de r elementos (r<n) pertenecientes al conjunto dado.
!!
La fórmula es: ! 𝑃! = !!! !

Se lee: “permutación de n elementos tomados de r en r.


Ejemplo:
Si llegan 7 persona a la cafetería de la universidad, pero solo hay 4 asientos disponibles.
De cuántas maneras pueden sentarse estas personas?

7! 7!
! 𝑃! = = = 840
7 − 4 ! 3!

Combinatoria
Son aquellas en las que no interesa el orden de la aparición de los elementos de un
conjunto. Es decir, en este caso es lo mismo AB que BA.

𝑛 !!
La fórmula es: = !! !!! !
𝑟

Se lee: “combinación de n elementos tomados de r en r”.

Ejemplo:
Se tienen 5 frutas diferentes: manzana, papaya, melón, banano y fresa, y se desea hacer
una ensalada. Si solo se pueden utilizar 3 frutas, cuantas ensaladas diferentes se pueden
preparar?

Solución:

5 5! 5!
= = = 10
3 3! 5 − 3 ! 3! ∙ 2!


Tema 3
Probabilidad
• La probabilidad se puede interpretar como el grado de creencia que uno tiene de la
ocurrencia de un suceso o un evento.
• Se relaciona con la teoría de conjuntos. Tiene que ver con la incertidumbre que
siempre se tiene en la toma de decisiones, permitiendo el análisis de los riesgos
que se corren y la forma de minimizar el azar inevitable.

Conceptos de probabilidad
• Método axiomático
La probabilidad de ocurrencia de un evento o suceso, como un número
comprendido entre 0 y 1.
Si Pbb = 1, se considera certeza absoluta.
Si Pbb = 0, se considera imposibilidad absoluta.
Si 0 < 𝑃𝑏𝑏 < 1, se consideran las siguientes opciones:
• Un hecho es cierto cuando son favorables todos los casos posibles
• Un hecho verosímil, cuando 0,5 < 𝑃𝑏𝑏 < 1
• Un hecho dudoso, si 𝑃𝑏𝑏 = 0,5. Ej: el lanzamiento de una moneda
• Un hecho inverosímil, 0 < 𝑃𝑏𝑏 < 0,5
• Un hecho imposible. Si no compro la lotería, no me la gano

• Probabilidad empírica
Se determina mediante una serie de experimentos.
𝑁𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃=
𝑁𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠


• Probabilidad a priori
Que se puede determinar sin necesidad de hacer el experimento. (lanzamiento
de una moneda)

• Experimento aleatorio
Es un proceso que se realiza bajo un conjunto de condiciones dadas y que
puede repetirse indefinidamente bajo las mismas condiciones. El resultado de
este experimento depende del azar, por lo tanto no son predecibles, pero se
puede garantizar que éste será uno de los resultados posibles.

Ejemplos:
o Un operario del departamento del control de calidad que tiene que
probar dos bombillos de un lote de cinco
o Se lanzan dos dados
o El lanzamiento de una moneda

• Espacio muestral: 𝛀
Es el conjunto de todos los resultados posibles de un experimento aleatorio.
Puede ser finito o infinito.

• Finito
El lanzamiento de una moneda. Ω = 𝑐, 𝑠

• Infinito
Una bolsa negra con 3 bolas rojas y una blanca, se selecciona una bola, se
anota el color, y luego se regresa a la bolsa; el experimento termina cuando sea
seleccionada la bola blanca.


• Evento o suceso
Un evento del espacio muestral es un grupo de resultados contenidos en éste,
cuyos miembros tienen una característica común.

• Variable aleatoria
Es una función que asocia al resultado de un experimento aleatorio un número
real. Permite describir la probabilidad de la que toman ciertos valores. No se
sabe a ciencia cierta que valores tomará la variable cuando sea determinada o
medida, pero si se conoce como se distribuyen las probabilidades asociadas a
estos valores.
Las variables aleatorias se clasifican en dos, discretas y continuas.
Las variables aleatorias discretas son aquellas cuyos valores están definidos por
una cantidad finita de elementos o que sus elementos pueden enumerarse de
manea secuencial. Por ejemplo supongamos que una persona arroja una
moneda, los resultados posibles de la variable serían discretos ya que su
resultado será cara o sello.
Las variables aleatorias continuas son aquellas cuyos valores abarcan todo un
intervalo de números reales. Por ejemplo el peso de una persona, duración de
una llamada en un call center, tiempo de atención en un banco, etc.
Este concepto se ampliará más adelante.

• Diagrama de árbol
Es una estrategia que se utiliza para hallar espacios muestrales en los cuales el
experimento consta de algunas repeticiones, o en casos donde se tenga que
considerar la combinación de distintos elementos.

Ejemplo:
Considere el experimento aleatorio de lanzar tres monedas simultáneamente al
aire (es lo mismo que lanzar una moneda tres veces) y posterior se escriben los


resultados obtenidos. Sea C el resultado anotado cuando la moneda cae cara,
y S el resultado anotado cuando cae sello.

a) Hacer el diagrama de árbol:

Figura 6. Diagrama de árbol

b) Hallar el espacio muestral:

Ω= 𝐶, 𝐶, 𝐶 , 𝐶, 𝐶, 𝑆 , 𝐶, 𝑆, 𝐶 , 𝐶, 𝑆, 𝑆 , 𝑆, 𝐶, 𝐶 , 𝑆, 𝐶, 𝑆 , 𝑆, 𝑆, 𝐶 , (𝑆, 𝑆, 𝑆)

Hallar los eventos y la probabilidad de que ocurra:
A: Solamente una moneda cae sello.
B: Al menos una moneda cae sello.
C: Dos o más monedas caen cara.
D: Las tres monedas caen cara.




Sea X: Resultado de las tres monedas:

• A : Solamente una moneda cae sello:

𝐴= 𝐶, 𝐶, 𝑆 , 𝐶, 𝑆, 𝐶 , 𝑆, 𝐶, 𝐶
3
𝑃 𝑡𝑒𝑛𝑔𝑎 𝑠𝑜𝑙𝑜 𝑢𝑛 𝑠𝑒𝑙𝑙𝑜 = = 0.375
8

• B: Al menos una moneda cae sello:

𝐵= 𝐶, 𝐶, , 𝐶, 𝑆, 𝐶 , 𝐶, 𝑆, 𝑆 , 𝑆, 𝐶, 𝐶 , 𝑆, 𝐶, 𝑆 , 𝑆, 𝑆, 𝐶 , (𝑆, 𝑆, 𝑆)
7
𝑃 𝑡𝑒𝑛𝑔𝑎 𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛 𝑠𝑒𝑙𝑙𝑜 = = 0.875
8

• C: Dos o más monedas caen cara:

𝐶= 𝐶, 𝐶, 𝐶 , 𝐶, 𝐶, 𝑆 , 𝐶, 𝑆, 𝐶 , 𝑆, 𝐶, 𝐶
4 1
𝑃 𝑡𝑒𝑛𝑔𝑎 𝑑𝑜𝑠 𝑜 𝑚𝑎𝑠 𝑐 𝑟𝑎𝑠 = = = 0.5
8 2

• D: Las tres monedas caen cara:

𝐷= 𝐶, 𝐶, 𝐶
1
𝑃 𝑡𝑒𝑛𝑔𝑎 𝑡𝑟𝑒𝑠 𝑐𝑎𝑟𝑎𝑠 = = 0.125
8

Tema 4
Reglas básicas de la probabilidad

Regla de la adición
• Eventos mutuamente excluyentes
Dos o más eventos son mutuamente excluyentes si solamente uno de ellos
puede ocurrir en un solo ensayo.
Para hallar la probabilidad de eventos mutuamente excluyentes se aplica la
probabilidad aditiva y será igual a la suma de las probabilidades de cada
evento:
𝑃 = 𝑃! + 𝑃! + ⋯ + 𝑃!

Es decir, para el caso de dos eventos,

𝑃 𝐴 𝑜 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 , es equivalente a 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐵

• Eventos compatibles
Dos eventos son compatibles, o que no son mutuamente excluyentes, cuando
la posibilidad de que ocurra un evento no impide la ocurrencia del otro. En
otras palabras, se puede dar un evento, el otro o los dos.

𝑃 𝐴 𝑜 𝐵 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴 𝑦 𝐵 , es equivalente a 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 +
𝑃 𝐵 −𝑃 𝐴 ∩ 𝐵

Para el caso de tres eventos:

𝑃 𝐴∪𝐵∪𝐶
=𝑃 𝐴 +𝑃 𝐵 +𝑃 𝐶 −𝑃 𝐴∩𝐵 −𝑃 𝐴∩𝐶 −𝑃 𝐵∩𝐶
+𝑃 𝐴∩𝐵∩𝐶

Tema 5
Probabilidad condicional

Es una probabilidad que como su nombre lo indica, está condiciona por otra probabilidad
que ya ha pasado. Es decir, es aquella que se presenta en un evento, dado que otro
evento ya ha ocurrido.

Se tiene entonces que la probabilidad de que ocurra el evento A dado que ya ocurrió el
evento B.
𝑃 𝐴𝐵

Se lee: La probabilidad de 𝐴 dado 𝐵 o la probabilidad de que ocurra 𝐴 dado que ya ha
ocurrido 𝐵.

Y se halla:
𝑃 𝐴∩𝐵
𝑃 𝐴𝐵 =
𝑃 𝐵

Regla de la multiplicación
• Eventos independientes
Dos o más eventos son independientes cuando el resultado de uno no afecta a
los otros.

Si 𝑃! , 𝑃! , … , 𝑃! son las distintas probabilidades de presentación de n eventos

independientes, la probabilidad P de que ocurran todos estos eventos en un
solo ensayo, estará dada por el producto de las probabilidades para cada
evento.



𝑃 = 𝑃! ∙ 𝑃! ∙ … ∙ 𝑃!

Ejemplo:
¿Qué probabilidad tendremos de obtener dos Jotas sacando una carta de una
baraja y la otra de una segunda baraja?

Solución:
En este caso se utilizan dos barajas distintas por lo tanto un evento no depende
del otro evento.

Luego la probabilidad solicitada está dada por:

4 4 1
𝑃= ∙ = = 0.006
52 52 169


Diferencias entre eventos mutuamente excluyentes y eventos independientes:
• En el primero se tiene un solo dado, una sola baraja, etc; en el segundo son
dos o más dados o barajas
• En el primero se extrae una sola carta o se obtiene una sola cara, es decir,
se espera la presentación de un suceso; en el segundo se espera la
presentación de dos o más sucesos
• En el primero utilizamos la conjunción “o” y en el segundo la conjunción
“y”

• Eventos dependientes


Dos o más eventos son dependientes si la ocurrencia o no ocurrencia de un
evento en cualquier prueba afecta la probabilidad de otros eventos en otras
pruebas, es decir, que la probabilidad del segundo evento depende del primer
evento, el del tercer evento depende de lo que haya sucedido en el primero y
en el segundo, y así sucesivamente,

𝑃 𝐴∩𝐵 =𝑃 𝐴 𝑃 𝐵 𝐴

Ejemplo:
¿Cuál es la probabilidad de obtener 3 ases, sacando sucesivamente tres
cartas de una baraja inglesa, sin volverlas a incluir (sin reposición) en el
montón?

Solución:
En este caso solo se utiliza una baraja para hacer el experimento, además se
hace sin reposición, es decir que al sacar la primera carta, ésta no se
devuelve a la baraja, lo cual implica que el espacio muestral cambia cada
vez que se saque una carta. Lo mismo ocurre con la cantidad de casos
probables, ya que al sacar tres ases sucesivamente disminuye la cantidad de
éstos. Luego la probabilidad pedida:

4 3 2 1
𝑃= ∙ ∙ = = 0.00018
52 51 50 5525

En el caso anterior, si nos piden la probabilidad con reposición entonces:

4 4 4 1
𝑃= ∙ ∙ = = 0.00046
52 52 52 2197


Ejemplo:
Se extrae una carta de una baraja, sabiendo que la pinta de la carta es
diamante, ¿cuál es la probabilidad de la que la carta sea un As?

Solución:
Se debe identificar los eventos y las probabilidades que entrega el
problema:

!
𝐴: obtener un As 𝑃 𝐴 = !"

!"
𝐵: obtener un diamante 𝑃 𝐵 = !"

!
𝐴 ∩ 𝐵: obtener una carta que sea diamante y As. 𝑃 𝐴 ∩ 𝐵 = !"

La probabilidad que se pide es que sabiendo que la carta obtenida es un
diamante, cual es la probabilidad de obtener un As, es decir 𝑃 𝐴 𝐵 .
Luego,
1
𝑃 𝐴∩𝐵 52 1
𝑃 𝐴𝐵 = = = = 0.0769
𝑃 𝐵 13 13
52

La probabilidad de obtener un As sabiendo que la carta que se extrajo es un
diamante es de 0.0769

Ejemplo:
El 25% de las familias de un barrio tienen gas natural, el 32% tiene
acueducto y el 16%, gas natural y acueducto.


A. ¿Cuál es la probabilidad de tener acueducto si tienen gas natural?
B. ¿Cuál es la probabilidad de tener gas natural si tienen acueducto?

Solución:
Se debe identificar los eventos y las probabilidades que entrega el
problema:

𝐺: familias que tienen gas natural:
𝑃 𝐺 =0.25

𝐴: familias que tienen acueducto:
𝑃 𝐴 = 0.32

𝐺 ∩ 𝐴: familias que tienen gas natural y acueducto:
𝑃 𝐺 ∩ 𝐴 = 0.16

a) La probabilidad de tener acueducto si tienen gas natural,

! !∩! !.!"
𝑃 𝐴 𝐺 = ! !
= !.!" = 0,64


b) La probabilidad de tener gas natural si tienen acueducto,

! !∩! !.!"
𝑃 𝐺 𝐴 = ! !
= !.!" = 0.375


Tema 6
Probabilidad total

Si se considera la partición del espacio muestral en varios eventos y estos eventos son
mutuamente excluyentes y adicional a ello se quiere calcular la probabilidad de otro
evento perteneciente al mismo espacio muestral como se puede visualizar en el siguiente
gráfico, entonces se tiene una situación en la cual se utiliza la definición de la probabilidad
total.

Figura 7. Espacio muestral. (Gráfico tomado del libro: Probabilidad y Estadística de la serie schaum)

La probabilidad total se define como:

Sean 𝐴! , 𝐴! , … , 𝐴! eventos no vacíos y mutuamente excluyentes que conforman una partición

del espacio muestral Ω, es decir, la unión de todos estos genera el espacio muestral !!!! 𝐴! = Ω.

Si B es un evento cualquiera de Ω, entonces:

! !

𝑃 𝐵 = 𝑃 𝐴! ∩ 𝐵 = 𝑃 𝐴! 𝑃 𝐵 𝐴!
!!! !!!


Tema 7
Teorema de Bayes
Este teorema se aplica cuando se formulan hipótesis a posteriori sobre la probabilidad a
priori de eventos ya ocurridos.

Si sucede cierto evento que depende de la ocurrencia de los eventos 𝐴! , 𝐴! , … , 𝐴! ,

correspondientes a un conjunto de sucesos mutuamente excluyentes, la probabilidad de
que B haya ocurrido a consecuencia de 𝐴! , lo cual se expresa como 𝑃 𝐴! 𝐵 , corresponde
al producto de las probabilidades individuales del evento 𝐴! y del evento B, dividido por la
probabilidad alternativa del evento B con respecto a cada uno de los eventos
independientes de 𝐴! , 𝐴! , … , 𝐴! . (Tomado de texto: Probabilidad y Estadística de la
serie Schaum).

Es decir,
! !! ∩!
𝑃 𝐴! 𝐵 = ! !
, utilizando en el denominador la definición de probabilidad total, se
tiene:

𝑃 𝐴! 𝑃 𝐵 𝐴!
=
𝑃 𝐴! 𝑃 𝐵 𝐴! + 𝑃 𝐴! 𝑃 𝐵 𝐴! + ⋯ + 𝑃 𝐴! 𝑃 𝐵 𝐴!

𝑃 𝐴! 𝑃 𝐵 𝐴!
𝑃 𝐴! 𝐵 = !
!!! 𝑃 𝐴! 𝑃 𝐵 𝐴!


Ejemplo:
En la facultad de ciencias de la comunicación de la FULL, el 75% de los estudiantes son
mujeres. De los hombres el 26% son menores de edad. El 30% de las mujeres son
menores de edad. Se desea seleccionar un estudiante al azar.
a) Encontrar la probabilidad de que sea menor de edad.
b) Si el estudiantes menor de edad, ¿cuál es la probabilidad de que sea una mujer?


Solución:
Para resolver este problema es conveniente identificar los eventos y realizar un árbol de
probabilidad:

𝑀: Ser mujer
𝐻: Ser hombre
𝐸: Ser menor de edad

El árbol de probabilidad es el siguiente:

Figura 8. Árbol de probabilidad

a) La probabilidad de que sea menor de edad, se obtiene sumando las intersecciones

del evento ser menor de edad con ser hombre o mujer, que es equivalente a
utilizar la probabilidad total. Es decir:


𝑃 𝐸 = 𝑃 𝑀 ∩ 𝐸 + 𝑃 𝐻 ∩ 𝐸 = 0.225 + 0.065 = 0.29


b) Para encontrar la probabilidad de que un estudiante que es menor de edad sea
mujer se utiliza el teorema de Bayes:

𝑃(𝑀 ∩ 𝐸) 𝑃(𝑀)𝑃(𝐸 𝑀)
𝑃 𝑀𝐸 = =
𝑃(𝐸) 𝑃 𝑀 𝑃 𝐸 𝑀 + 𝑃(𝐻)𝑃(𝐸 𝐻)


0.225
𝑃 𝑀𝐸 = = 0.7759
0.29

Bibliografía

• Landero, R. y González, M. (2006). Estadística con SPSS y metodología de la

Investigación. México: Editorial: Trillas.

• Mayorga, J. H. (2004). Inferencia stadística: Editorial Universidad Nacional.

• Montgomery, D. C. y Runger, G. C. (1996). Probabilidad y estadística aplicadas a la
ingeniería. México: Editorial McGraw-Hill.

• Mood, M. et. al (s.f.). Introduction to the Theory of Statistics. 3rd Edition, McGraw-
Hill.

• Tellez, C. y Lemus, D. (2014). Estadística descriptiva y probabilidad con aplicaciones
en R. Colombia: Fundación Universitaria Los Libertadores.

• Tellez, C. y Lemus, D. (2014). Estadística Inferencial con aplicaciones en R.Colombia:
Fundación Universitaria Los Libertadores.

• Walpole, M. y Myers, Y. (2007). Probabilidad y estadística para ingeniería y
ciencias.Octava edición. Editorial: Pearson.

• Wackerly, D., Mendenhall, W. y et. al (s.f.). Estadística matemática con aplicaciones.
6 edicion. Cengage Learning.