Taller 2 – Probabilidades

El concepto de probabilidad se relaciona con cuán factible es que ocurra un evento determinado.
Este concepto adquiere mayor importancia en los experimentos de tipo “aleatorio”, que son los
experimentos en los cuales no se sabe a priori el resultado que se va a obtener, y que se
contraponen a los experimentos determinísticos, cuyo resultado es el mismo si el experimento se
repite bajo las mismas condiciones. En probabilidades existen algunos conceptos que son
fundamentales.
Espacio muestral (Ω): conjunto de todos los posibles resultados de un experimento aleatorio.
Muestra o punto muestral: un resultado posible del experimento.
Suceso o evento: subconjunto del espacio muestral que cumple con ciertas condiciones.

Como veremos, para un experimento aleatorio existen sucesos más probables que otros de ocurrir.
Aquí entra en juego el cálculo de probabilidades. La interpretación de las probabilidades puede
sintetizarse de la siguiente forma:
1. Las probabilidades de que determinado suceso ocurra se expresa con números comprendidos
entre 0 y 1, ambos inclusive.
2. Probabilidades próximas a 1, indican que es muy factible que un suceso determinado ocurra, es
decir, que es verosímil que ocurra el evento.
3. Probabilidades próximas a 0, indican que se espera que el suceso en cuestión no ocurra.
4. Probabilidades próximas a 0,5 indican que es tan verosímil que el suceso se produzca, como
también que no ocurra el suceso.

Objetivo:
Introducir a los estudiantes en la teoría de probabilidades mediante la definición y aplicación de
conceptos y cálculo de probabilidades en experimentos aleatorios (ejemplificando con juegos de
azar)

Antes de comenzar, instalaremos los paquetes que utilizaremos durante este practico
Comenzaremos instalando el paquete Venndiagram con el siguiente comando:
install.packages("VennDiagram")
Adicionalmente, instalaremos el paquete prob (versión 0.9), a partir desde un archivo local. Para
esto utilizaremos el siguiente comando:
utils:::menuInstallLocal()
Este comando nos permitirá buscar el paquete (archivo “prob_0.9-1.tar.gz”) y seleccionarlo dando
doble click. Una vez instalado veremos el mensaje :
* DONE (prob)
 Ejemplo 1: Kino

El Kino es un juego de azar en el que se deben elegir 14 números entre 25 posibles números. En
este juego se puede obtener un premio si el boleto coincide con 14, 13, 12, 11 o 10 números entre
los sorteados. Entonces…¿Cómo podríamos calcular la probabilidad de ganar el premio máximo
en un sorteo del Kino, es decir, de tener el boleto con los 14 números ganadores?
Para responder esta pregunta recurriremos a la regla general (Laplace) de probabilidades:

!ú#$%& ($ $)$*+&, -.)&%./0$,

Pevento =
!ú#$%& ($ $)$*+&, 1&,2/0$,

Recordemos que en el taller previo aprendimos cómo calcular el número de combinaciones y

permutaciones posibles que podemos formar con distintos elementos. Esto es fundamental al
calcular la probabilidad de un evento particular, ya que nos permitirá determinar en algunos casos
el número de eventos posibles. Analicemos el ejemplo del Kino a continuación.
Primero, debemos calcular el número de combinaciones posibles de 14 números (eventos
favorables) que se pueden hacer con los 25 números (eventos posibles). Calcularemos
combinaciones debido a que no importa el orden en el cual sean escogidos los números en el sorteo.
El número de combinaciones posibles corresponde a:

25C14 =

Esto también lo podremos calcular utilizando la función choose() de R, indicando primero el

número total de elementos y luego el número de elementos a agrupar
choose(25,14)

o aplicando la fórmula matemática mediante el comando factorial() de la siguiente manera:

factorial(25)/(factorial(25-14)*factorial(14))

Por lo tanto, tenemos ________ combinaciones de 14 números que podemos formar con los 25
números posibles. Ahora, si asumimos que en cada sorteo de Kino se vende solo un cartón
con cada una de las combinaciones posibles (hay solo un cartón ganador) podemos calcular la
probabilidad de ganarse el Kino en base a la fórmula (1):

PKino =

De igual manera que en el caso anterior, la probabilidad de obtener el cartón ganador entre todas
las combinaciones posibles, siendo evaluado en R sería:

1/(factorial(25)/(factorial(25-14)*factorial(14)))## OR 1/choose(25,14)
Por lo tanto, existe una probabilidad aproximada de dos en diez millones de ganar el Kino al jugar
un cartón, lo que evidentemente representa un evento muy poco probable.

Ejemplo 2: Cartas

Para trabajar en este segundo ejemplo utilizaremos una nueva librería prob con diversas funciones
que nos serán útiles para aprender a cómo calcular probabilidades. Comenzaremos cargando el
paquete prob con el siguiente comando:

library(prob)

Imaginemos que tenemos una baraja de cartas clásicas, con 13 cartas (números) y 4 tipos de naipes
(pintas: corazones, diamantes, tréboles y espadas), es decir, 52 cartas en total. De esta baraja
sacaremos una carta al azar, entonces… ¿Cuál es la probabilidad de sacar una carta determinada
del mazo en este primer intento? por ejemplo, el As de corazón.
Podemos calcular numéricamente esta probabilidad siguiendo la regla general:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃4, ($ 5&%.6ó* =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Por ende, la probabilidad de sacar un As de corazón en este primer intento es:

𝑃4, ($ 5&%.6ó* =

El paquete prob en R, nos permite hacer este cálculo de una más visual.
Para esto generemos un juego de cartas virtual, que contendrá la misma cantidad de cartas, con la
función cards(), adicionalmente, agregaremos el argumento makespace= TRUE, de este modo
se nos generará el mazo con las 52 cartas y una columna que indicará la probabilidad de sacar
cada una de estas cartas.
cards(makespace=TRUE)

Ahora respondamos las siguientes preguntas:

¿Cuál es la probabilidad de obtener una carta de pinta Espada?, recuerden que por cada pinta hay
13 cartas, entonces….
𝑃I,1.(. =

Para poder obtener un grupo determinado de elementos que cumplen con alguna condición, como
todos los naipes de espada, utilizaremos el comando subset()almacenando el resultado de este
en un nuevo objeto, de la siguiente manera:

S <- subset(cards(makespace=TRUE), suit == ”Spade”)

Una vez generado este objeto, utilizaremos el comando sum() e indicaremos la columna que
contiene las probabilidades $probs, para que R realice la suma de las probabilidades de cada uno
de los elementos de la siguiente manera:
sum(S$probs) ##el signo $ nos permite seleccionar una columna por su
nombre, trabajando solo con los datos de esta columna

Obteniendo el mismo resultado que al realizar el cálculo de manera manual

¿Cuál es la probabilidad de obtener una carta entre 7-8?, recuerden que por cada pinta hay 7-8, por
lo tanto….
𝑃JKL =

En R, esta pregunta se resolvería de manera similar a la pregunta anterior, salvo que en lugar de
indicar suit, utilizaremos el argumento rank de la siguiente manera.
X <- subset(cards(makespace=TRUE), rank %in% 7:8)
##%in% se utiliza para identificar elementos pertenecientes a un vector o base
##de datos que cumplen con un criterio
Ahora podremos calcular el resultado de igual manera que en la pregunta anterior.
sum(X$probs)

¿Cuál es la probabilidad de sacar una carta 7- 8 o pinta de Espada?

En este caso la pregunta es diferente ya que queremos calcular la probabilidad de que, al sacar una
carta de la baraja de 52 cartas (primer intento), esta sea una carta que tenga un número entre 7 y
8 o que sea de Espada. Acorde con los nombres anteriores al conjunto de cartas 7-8 le llamamos
X, y, al conjunto de cartas de espada le llamamos S, entonces, la probabilidad de sacar una carta
7-8 o de palo Espada corresponde a, P(X ∪ S, regla de la “o”). Esta probabilidad, se puede calcular
como el número de cartas en X ∪ S, y esto multiplicado por la probabilidad de sacar cada carta, es
decir, P = 1/52. Sabemos de los ejercicios anteriores que el mazo consiste en 13 cartas por cada
pinta, es decir hay 13 cartas de espada, y que un total de 8 cartas son 7-8,sin embargo, hay 2 cartas
que cumplen con ambas condiciones (son 7-8 y de espada), por tanto calcularemos la probabilidad
de la unión entre ambos eventos de la siguiente manera:
𝑃 ( 𝑋 ∪ 𝑆 ) = 𝑃 (𝑋 ) + 𝑃 ( 𝑆 ) − 𝑃 ( 𝑋 ∩ 𝑆 )

, donde P(X∩S) corresponde a la intersección entre los eventos, es decir, la probabilidad asociada
a las cartas que cumplen las condiciones de ambos conjuntos (elementos en común), que en el
ejemplo corresponden a las cartas 7 y 8 de Espada. De este modo el resultado de la probabilidad
de la unión entre los eventos X y S será:
𝑃 (𝑋 ∪ 𝑆) =
En R es podremos obtener la intersección entre 2 objetos mediante el comando intersect(), el
cual nos devolverá los elementos que son comunes entre los objetos comparados:

intersect(S,X)

y en caso de que quisiéramos calcular la probabilidad de esta intersección solo debemos agregar
el comando sum() e indicar la columna que contiene las probabilidades, esto hará que R sume
las probabilidades de cada elemento que conforma la intersección entre los 2 eventos

sum(intersect(S,X)$probs)

De igual manera, podremos utilizar el comando union() para obtener el total de elementos entre
ambos objetos (S y X) y utilizando el comando sum() e indicando la columna de las
probabilidades podremos calcular de forma inmediata la probabilidad de la unión, como resultado
de la suma de cada una de las probabilidades individuales de los elementos que conforman la
unión de ambos eventos

sum(union(S,X)$probs)

La forma apropiada de visualizar los conjuntos, la unión o intersección de estos es a través de un
Diagrama de Venn. Este tipo de diagramas consiste en la intersección de dos o más áreas
circulares, compartiendo subconjuntos representados por las áreas comunes (Figura 1). Para
hacer nuestro diagrama en R debemos cargar el paquete que contiene esta función con la
siguiente función:

library(VennDiagram)

Finalmente graficamos nuestros datos con el siguiente comando:

draw.pairwise.venn(area1=13,area2=8,cross.area=2, category=c("S","X"))

En el póker existe una mano (5 cartas) llamada “escalera real” y consta de un 10, J, Q, K, A de
una misma pinta. Por ejemplo, imaginemos que estamos interesados en la escalera real de
corazones. En este caso la pregunta sería ¿Cuál es la probabilidad de que al sacar 5 cartas se
obtenga una escalera real de corazones en el primer intento?
La primera forma de resolver este problema es a través de técnicas de conteo y la regla general.
Debido a que en este caso el orden en que se extraen las cartas desde la baraja no es relevante,
emplearemos combinatorias para obtener el número de casos posibles. Así, el número de
combinaciones de 5 cartas de un mazo de 52 carta en total es:

52C5 =

Esto quiere decir que existen ______ maneras de sacar 5 cartas diferentes a partir de un mazo de
52 cartas. Sin embargo, a nosotros nos interesa sólo una de esas combinaciones, la que
corresponde a la escalera real de corazones, por lo tanto, es un evento con elementos en común.
Recordemos, que solo existe una forma de obtener estas 5 cartas del mazo. Por lo tanto, la
probabilidad de que al sacar 5 cartas del mazo se obtengan las cartas de la escalera real de
corazones es:
𝑃$,5.0$%. %$.0 ($ 5&%.6&*$, =

…., es decir, tres en diez millones de sacar 5 cartas y que estas constituyan la escala real de
corazones.
Similar resultado obtendremos si realizamos este cálculo en R, mediante el comando choose()
como hicimos en el ejemplo 1.
 1/choose(52,5)
Ahora hagamos el mismo cálculo aplicando la regla de la “y” (probabilidad conjunta) y muestreo sin
reemplazo. Para esto, debemos multiplicar las probabilidades de cada uno de los 5 eventos de
muestreo, que representan las 5 veces que sacamos una carta del mazo. Recordemos que
deseamos obtener: un 10 de corazón y un J de corazón y un Q de corazón y un K de corazón y
un As de corazón en 5 sorteos seguidos, de modo que, a medida que vamos sacando una carta,
la probabilidad de sacar una de las cartas favorables restantes se modifica, y esto pasa en el sorteo
de cada carta así:
𝑃$,5.0$%. %$.0 ($ 5&%.6&*$, =

Nótese que llegamos al mismo resultado utilizando estos dos métodos diferentes. Evidentemente,
esta probabilidad es bastante baja, mucho más cercana a cero que a uno.

Ejemplo 3: Dados
Tiramos dos veces al aire un dado de 6 caras. En esta oportunidad, estamos interesados en las
permutaciones que se obtiene un 3 en el primer lanzamiento, es decir, en específico, en la
probabilidad de obtener pares de lanzamientos que cumplan con esto. Cabe notar en este caso que
el experimento consiste en un muestreo con reemplazo, por lo que el número de permutaciones
totales es 6*6.

Tabla1: Posibles permutaciones de resultados al tirar un dado dos veces.

Segundo lanzamiento
1 2 3 4 5 6
1 {1,1} {1,2} {1,3} {1,4} {1,5} {1,6}
2 {2,1} {2,2} {2,3} {2,4} {2,5} {2,6}
Primer lanzamiento 3 {3,1} {3,2} {3,3} {3,4} {3,5} {3,6}
4 {4,1} {4,2} {4,3} {4,4} {4,5} {4,6}
5 {5,1} {5,2} {5,3} {5,4} {5,5} {5,6}
6 {6,1} {6,2} {6,3} {6,4} {6,5} {6,6}

Desde la Tabla 1 vemos que las siguientes permutaciones cumplen con esto:

___,____,____,____,____ Y _____
Si consideramos que X representa el evento “obtener un 3 en el primer lanzamiento”, entonces la
probabilidad de X sería
𝑃(𝑋) =

En R, también podemos lanzar los dados, para esto utilizaremos el comando rolldie()indicando
entre paréntesis el número de dados a lanzar y el argumento makespace=TRUE, resultando en el
siguiente comando:
rolldie(2,makespace=TRUE)
Al igual que en el caso de los naipes, si queremos cumplir con cierta condición, debemos utilizar el
comando subset(), en este caso indicaremos que el primer dado (X1) tenga el valor de 3.
X <- subset(rolldie(2, makespace=TRUE), X1 == 3)
Y obtendremos la probabilidad mediante el comando sum(), sumando la probabilidad individual de
cada elemento que conforma el evento X, como en los ejercicios anteriores.
sum(X$probs)
Ahora nos planteamos una pregunta diferente ¿cuál es la probabilidad que el resultado de los
lanzamientos sume 8, dado, que se obtuvo un 3 en el primer lanzamiento?
En este caso, la pregunta es diferente porque “cambia el espacio muestral”, es decir, ya no se
considera como eventos posibles el total de permutaciones, sino que solo las que cumplen con el
requisito de que el resultado del primer lanzamiento sea un 3. Por lo tanto, dentro de estas 6
permutaciones solo existe una cuya suma es 8, la permutación ______. Así, la probabilidad que el
resultado de los lanzamientos sume 8 dado que se obtuvo un 3 en el primer lanzamiento es:
8
𝑃 U X
3

A este tipo de probabilidad la llamamos probabilidad condicional, es decir, la probabilidad de que

ocurra un evento dado que ha ocurrido un evento previo. En este caso los eventos son dependientes
porque, la probabilidad de un evento está condicionada por la ocurrencia de un evento previo.
Matemáticamente, la probabilidad condicional se expresa como:
𝑃(𝑆 ∩ 𝑋)
𝑃(𝑆/𝑋) =
𝑃(𝑋)
,…donde en el numerador de la fórmula tenemos la intersección de ambos grupos, es decir, los
elementos que cumplen con las condiciones de ambos grupos. Para el caso anterior, S
representaría las permutaciones que suman 8. Vemos la suma de todas las permutaciones posibles
en la Tabla 2.
Tabla 2: Posibles sumas de los resultados al tirar un dado dos veces.
Segundo lanzamiento
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
Primer lanzamiento 3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12

De este modo, los pares de lanzamientos (permutaciones) que suman 8 (S) son las siguientes:
___, ___, ____, ____ Y _____

De acuerdo con esto, y que X es el primer lanzamiento del dado sea 3 entonces:
:
1
𝑃 (𝑆 ∩ 𝑋 ) = =
6\

Vemos que solo existe una permutación que cumple con ambos requisitos (S∩X).
Ya conocemos la probabilidad de X:
6
𝑃 (𝑋 ) = =
6\
Con esto podemos calcular la probabilidad condicional:
 𝑃(𝑆 ∩ 𝑋)
𝑃(𝑆/𝑋) =
𝑃(𝑋)

𝑃(𝑆/𝑋) =

Así, llegamos al mismo resultado que deducimos anteriormente. Evidentemente deducir el resultado
es más difícil en casos más complejos, donde la fórmula se hace fundamental para obtener las
probabilidades condicionales.
En R, también podremos evaluar la probabilidad de un evento condicionado por otro, mediante el
comando prob(). Para utilizar adecuadamente este comando, requerimos de 2 eventos, cada uno
representado en un objeto. En este caso, ya tenemos creado nuestro objeto X, el cual representa
que el primer lanzamiento haya sido 3, por tanto, crearemos nuestro segundo evento que
corresponde a que la suma de ambos lanzamientos sea 8 con el siguiente comando:

S <- subset(rolldie(2, makespace=TRUE), X1+X2 == 8)##La suma de ambos dados es 8

A continuación utilizaremos la función prob()para calcular la probabilidad de que el resultado de

los lanzamientos sume 8, dado, que se obtuvo un 3 en el primer lanzamiento.

prob(S,given=X) ##Calcular la probabilidad condicional

Ejemplo 4: Frecuencias
Se estudian 98 perros con sospecha de hepatitis, a los cuales se les palpa el hígado. Los resultados
de la palpación son clasificados en las siguientes categorías:
0: no se palpa.
1: aumentado de tamaño.
2: muy aumentado de tamaño.
Luego, a los perros se les practica una biopsia hepática para confirmar la lesión. Los resultados de
ambas pruebas se resumen en la siguiente tabla (de contingencia):

Tamaño de hígado
Lesión hepática 0 1 2 Total
Cirrosis 1 4 12 17
Hematoma 8 13 4 25
Esteatosis 12 8 9 29
Sin lesión 9 15 3 27
Total 30 40 28 98

En este caso, no disponemos de todos los resultados posibles, sino que datos de frecuencias como
resultado de ambos conjuntos o pruebas (Palpación y Biopsia). En este estudio se utilizará la
frecuencia relativa (proporción) como forma de estimación de la probabilidad. Este cálculo es similar
al anterior y aplicable a cualquier situación en la que el experimento pueda ser repetido varias veces,
y luego ver sus resultados observados. Sin embargo, difiere de la regla general de probabilidad, ya
que corresponde a una probabilidad estimada en base a los resultados de los experimentos (a
posteriori) y no a los resultados posibles.
Entonces, la probabilidad de que se produzca un suceso determinado A es simbolizada por P[A], y
viene dada por:

𝑓 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝐴

𝑃[𝐴] ≅ =
𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎 𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜

El inconveniente de este método de estimación es que en ciertas ocasiones el experimento no se

lleve a cabo con las mismas condiciones siempre; por lo tanto, es importante que la experiencia
debe ser repetible. Debe tener en cuenta que, cualquier probabilidad obtenida a partir de la
frecuencia relativa es una aproximación, por ende, se trata de un valor calculado de n pruebas. Si
usted realiza experimentos adicionales, entonces podría obtener un valor de probabilidad diferente.
Sin embargo, cuando el número de pruebas o experimentos aumenta, las diferencias entre los
valores de probabilidad obtenidos tienden a desaparecer (a ser invariante).

Entonces, sea C: el perro presenta un hígado cirrótico, y T2: el hígado tiene tamaño 2. Determine:
a) P(C)
𝑃(𝐶) =
c
P(C) , esto es probabilidad complementaria (NO C), que representa la probabilidad de que
NO ocurra un evento determinado (o la probabilidad de lo que no está en C), y que se calcula
como:
𝑃(𝐶)5 =
b) P(T2)
𝑃(𝑇\ ) =
c) P(C∩T2)
𝑃(𝐶 ∩ 𝑇\ ) =
d) P(C∪T2)
𝑃(𝐶 ∪ 𝑇\ ) =
e) P(C/T2)
𝑃(𝐶/𝑇\ ) =

Literatura revisada

Milton, J. S. 2007. Estadística para biología y ciencias de la salud. McGraw-Hill Interamericana de

España.
 Ejercicios de práctica

1. El loto es un juego de azar similar al Kino, pero que considera combinaciones de 6 números de
41 números posibles ¿Cuál es la probabilidad de ganarse el Loto, es decir, de comprar el boleto
con los 6 números ganadores? Explicite el cálculo del número de combinaciones posibles, así como
el de la probabilidad asociada. Asuma que en dicho sorteo se vendió un boleto por combinación
posible y existe solo un boleto ganador

2. Calcule la probabilidad de obtener una mano con 4 cartas iguales (póker) al extraer cinco cartas
al azar de un mazo.
Una ayuda:
(i) Sabemos cuántos cuádruples podemos formar: son 13, uno por cada valor.
(ii) Al haber seleccionado las 4 cartas iguales, quedan otras 48 (= 52 – 4) por seleccionar.
(iii) Obtenga el número de eventos favorables multiplicando el número de cuádruples
posibles por el número de elementos posibles para la quinta carta.
(iv) Para obtener la probabilidad del póker debemos dividir el número de eventos favorables
por el número de eventos posibles, es decir, el número de combinaciones posibles de
5 cartas que se pueden formar con las 52 cartas posibles.

3. Calcule la probabilidad de que:

a) el cociente de los números obtenidos al tirar 2 dados sea 2.

b) el producto de los números obtenidos al tirar 2 dados sea 6.

c) Por qué las probabilidades en (a) y (b) son distintas?

Haga el cálculo mediante la función de R correspondiente.

4. Considere un mazo de 56 cartas (cartas 14 por pinta, las 13 vistas anteriormente más el joker),
calcule la probabilidad de sacar al azar una carta 3 dado que el naipe es de espada y la probabilidad
de obtener un naipe de espada dado que la carta es 3. Resuelva esto mediante la fórmula de
probabilidad condicional y mediante la función de R para calcular probabilidad condicional.

5. De un grupo de 200 estudiantes, 137 se inscribieron en biología, 50 en matemáticas y 124 en

zoología. El número de inscritos en biología y matemáticas es 33, en matemáticas y zoología es 29
y en biología y zoología es 92. Los inscritos en las tres clases es 18. Al escoger un alumno al azar
de los 200:

a) ¿Cuál es la probabilidad de que esté en biología o matemáticas?

b) ¿Cuál es la probabilidad de que no esté en ninguna clase?

6. Calcule la probabilidad de obtener una “escala” o straight-flush de cualquier naipe (straight-
flushes una secuencia de 5 cartas consecutivas excluyendo la “escalera real” o royal-flush), en un
mazo de 52 cartas .
Pasos:
(i) Recuerde que la carta más alta de la secuencia solo puede ser: rey, reina, jota, 10, 9, 8,
7, 6 o 5. En términos de combinatorias, tenemos9C1.
(ii) Hay 4 naipes, o 4C1. Con eso ya es posible calcular todos los posibles straight-flush.
(iii) Se obtiene P = todos los straight-flush/todas combinaciones de 5 cartas.

7. Si la probabilidad de obtener una escalera real (“royal flush”) es 4/2598960, ¿Cuál es la

probabilidad de no obtener una?

8. La probabilidad de obtener:

a) una suma igual a 30 al tirar 5 dados.

b) una suma igual a 30 (al tirar 5 dados) dado que en un dado obtuvimos un 5.