UNIDAD I.

INTRODUCCION A LA TEORIA DE PROBABILIDAD

Uno de los objetivos de la Estadística es el hacer inferencias acerca de una población

basándose en la información contenida en la muestra. Dado que la muestra sólo
proporciona información parcial de la población, se necesita entonces de un
mecanismo que permita conseguir el objetivo mencionado, ese mecanismo es la
probabilidad.

La probabilidad permite el uso de información parcial, la contenida en la muestra, para

inferir sobre la naturaleza de un conjunto mayor de datos, la población.

Por tanto, para obtener conclusiones válidas y hacer predicciones correctas acerca de
la población a través de la observación de una parte de ella, debe recurrirse a métodos
de inferencia estadística. Estos métodos implican el uso inteligente de la teoría de
probabilidades, la cual es la base de la inferencia estadística.

La teoría de probabilidades se utiliza para manejar situaciones en las que interviene la

incertidumbre. Hay muchas situaciones en las que no puede determinarse el resultado
preciso, a pesar de que se conozca el conjunto de todos los resultados posibles.

El objetivo de la probabilidad es el estudio de los fenómenos aleatorios. Es decir, se

encarga de medir la incertidumbre provocada por el azar.

A continuación se dan una serie de definiciones necesarias para entender lo referente

a probabilidades.

Experimento o ensayo: Es cualquier situación en la cual se pueden presentar uno o

varios resultados de un conjunto bien definido de posibles resultados.

Los experimentos pueden ser de dos tipos: determinístico o aleatorio.

Experimento Determinístico: Es aquel que al repetirlo bajo las mismas condiciones

siempre da el mismo resultado (predecible). Ejemplos: Fenómenos físicos y químicos.

Experimento Aleatorio(EA): Es aquel experimento que al repetirlo bajo las mismas

condiciones su resultado varía haciendo imposible su predicción.

Ejemplo: Lanzar un dado y observar la cara superior

Características de un experimento aleatorio:

1.- Se puede determinar el conjunto de resultados posibles pero no predecir un

resultado particular.

2.- Si el experimento se reproduce un gran número de veces entonces aparece algún

modelo de regularidad estadística en los resultados obtenidos.

1
En el ejemplo dado, se sabe que se obtendrá una cara con los números enteros
comprendidos entre 1 y 6, ambos inclusive; pero en un momento determinado no se
puede predecir cuál número se obtendrá. Lo que se sabe es que si se hacen muchos
lanzamientos cada cara aparecerá en la proporción 1/6.

Definición de espacio muestral: Un espacio muestral es el conjunto de todos los

resultados posibles de un experimento aleatorio. Se simboliza con la letra griega
omega( Ω ) .

Ejemplo 1:

EA: Lanzar un dado y observar la cara superior

Ω¿ { 1,2,3,4,5,6 }

Ejemplo 2:

EA: Lanzar una moneda y observar la cara superior

Ω ¿ { cara , sello }

Definición de suceso : Un suceso es un subconjunto del espacio muestral Ω, es decir,

un conjunto de posibles resultados del experimento aleatorio. Se simbolizará con
letras mayúsculas: A, B, C, etc.

Sucesos del Ejemplo 1:

A= Obtener el 3 en la cara superior del dado.

B= Obtener un número par en la cara superior del dado.

Sucesos del Ejemplo 2:

C= Obtener cara.

D= Obtener sello.

Definición de suceso elemental o punto muestral: Un suceso elemental es cada uno

de los resultados posibles de un experimento aleatorio. Es decir, cada elemento del
espacio muestral Ω .

Sucesos elementales del Ejemplo 1: El ejemplo 1 tiene seis sucesos elementales o

puntos muestrales.

A= Obtener 1 en la cara superior del dado. A ={ 1 }

B= Obtener 2 en la cara superior del dado. B ={ 2 }

C= Obtener 3 en la cara superior del dado. C ={ 3 }

2
D =Obtener 4 en la cara superior del dado. D ={ 4 }

E =Obtener 5 en la cara superior del dado. E ={ 5 }

F =Obtener 6 en la cara superior del dado. F ={ 6 }

Sucesos elementales del Ejemplo 2:

A = Obtener cara. A ={ c }, donde c= cara

B= Obtener sello. B ={ s }, donde s = sello

Definición de suceso compuesto: Es la combinación de dos o más sucesos

elementales.

Ejemplos de algunos sucesos compuestos del lanzamiento de un dado:

A = Obtener un número par en la cara superior del dado. A ={ 2,4,6 }

B= Obtener un número múltiplo de 3 en la cara superior del dado. B = { 3,6 }

Definición de espacio muestral discreto: Se denomina espacio muestral discreto, a un

espacio muestral que posee un número finito o infinito numerable de elementos.

Ejemplo 3: Los espacios muestrales de los experimentos aleatorios señalados en los

ejemplos 1 y 2, son espacios muestrales discretos finitos.

Ejemplo 4: EA: Lanzar una moneda hasta que salga cara(c) y anotar el número de
lanzamientos realizados,

{ c , sc , ssc , sssc , ssssc , … } , este es un ejemplo de un espacio muestral discreto infinito,

puesto que Ω = { 1 , 2, 3,4,5 , … }.

Definición de espacio muestral continuo: Se denomina espacio muestral continuo, a

un espacio muestral que posee un número no numerable de elementos.

Ejemplo 5: EA: Observar el tiempo que pierde una persona esperando en una cola el
autobús

Ω = { t /t ≥ 0 }

Definición de suceso imposible: Se denomina suceso imposible a aquel que nunca

ocurre, se denota por ϕ .

Ejemplo 6: En el lanzamiento de un dado, el suceso:” obtener el número 7” es un

suceso imposible

Definición de suceso seguro: Se denomina suceso seguro a aquel que siempre ocurre,
se denota por Ω.

3
Ejemplo 7: En el lanzamiento de un dado, el suceso:” obtener el número 1 ó 2 ó 3 ó 4
ó 5 ó 6” es un suceso seguro, pues esas son todas las caras de un dado.

Definición: Se dice que ha ocurrido un suceso A, si el resultado del experimento es un

punto que pertenece a A.

Ejemplo 8: En el Ejemplo 1 ocurre el suceso B= Obtener un número impar , cuando al

lanzar el dado se obtiene el número 1, 3 o 5.

Definición de sucesos complementarios: Dos sucesos A Y B son complementarios si

siempre que ocurre A, B no ocurre y viceversa. El suceso complementario de A se
~
denota por A ó A

Ejemplo 9: Los sucesos:

A= Obtener un número par y B = Obtener un número impar.

Son sucesos complementarios en el EA del Ejemplo 1.

Definición de sucesos mutuamente excluyentes: Dos suceso A y B son mutuamente

excluyentes si no pueden ocurrir simultáneamente. Es decir, la ocurrencia de uno de
ellos excluye la ocurrencia del otro.

Ejemplo 10: Los sucesos A y B del ejemplo 9 son mutuamente excluyentes.

Ejemplo 11: Los sucesos C = Obtener un cinco en el lanzamiento de un dado y

D= Obtener un 2 en el lanzamiento de un dado, son mutuamente excluyentes, ya que
no puede salir simultáneamente el 5 y el 2 en sólo lanzamiento del dado.

Operaciones entre sucesos

Unión de sucesos A, B: Se simbolizará (A∪B) y ocurrirá si A, B o ambos sucesos

ocurren.

Observaciones:

1.- A ∪ A=Ω

Intersección de sucesos A, B: Se simbolizará (A⋂ B) y ocurrirá si A y B simultáneamente

ocurren.

Observaciones:

1.- A ∩ A=ϕ

2.- Si A y B son sucesos mutuamente excluyentes entonces A ∩ B=ϕ . Es decir, los

sucesos mutuamente excluyentes no tienen puntos muestrales en común.

Diferencia de sucesos A, B: Se simbolizará (A-B) y ocurrirá si sucede A y no sucede B.

4
Observaciones:

1.- En general, A-B ≠ B-A

~
2.- A−B= A ∩ B

Inclusión de un suceso A en otro suceso B: Se simbolizará A⊂B y ocurrirá si A forma

parte del suceso B. A⊂B representará la inclusión propia de A en B, es decir, el suceso
A se encuentra incluido pero no contiene todos los elementos de B.

Ejemplo 12:

En el EA referente al lanzamiento de un dado, se definen los siguientes sucesos:

A = Obtener un número par mayor que 2 = { 4,6 }

B = Obtener un número par = { 2,4,6 }

A es un suceso contenido en B, A ⊂B , pues todos los elementos de A son elementos

de B.

Ahora se dan varias definiciones de probabilidad, a saber:

Definición clásica: Si un acontecimiento A puede ocurrir de m maneras de un total de

n caminos igualmente posibles, la probabilidad de que el suceso A ocurra, lo cual se
denota P(A), es m/n. Es decir, la probabilidad del suceso A representa el cociente
entre los casos favorables y los casos posibles.

Nótese que m es un número entre 0 y n. Si m = 0 entonces el acontecimiento A nunca

ocurre y P(A) = 0. Si A siempre ocurre entonces m = n y P(A) = 1.

Por lo tanto: a) P(A) ¿ 0 y b) 0 ¿ P(A) ¿ 1.

La probabilidad de que no ocurra A, denotada por P ( Ā ), viene expresada por

P( A ) = 1- P( A ).

Ejemplo 13: Se lanza un dado y se observa la cara superior, determine la probabilidad

de obtener: a) el número 5, b) el número 2, c) el número 9, d) un número primo, e) un
número mayor que 4.

Solución

Un dado tiene 6 caras enumeradas del 1 al 6, por tanto el espacio muestral para el
lanzamiento de un dado es

S= { 1,2,3,4,5,6 } ,n=6 .

5
a) Llamemos A al evento “obtener el número 5”, A ocurre sólo si en la cara superior
sale el 5. Luego A tiene un único elemento, A ¿ { 5 } , m=1

Así:

1
P ( A )= =0,2.
5

b) Sea B el evento “obtener el número 2”, B ocurre sólo si en la cara superior sale el 2.
Luego B tiene un único elemento, A ¿ { 2 } , m=1

Así:

1
P ( B )= =0,2
5

c) Sea C el evento “obtener el número 9”, C ocurre sólo si la cara superior del dado cae
en el número 9; pero un dado no tienen cara enumerada con 9 por tanto C no tiene
elementos. Es decir C es el conjunto vacío, C¿ ∅ , m=0

Por lo tanto

0
P ( C ) = =0.
6

d) Llamemos D al evento “obtener un número primo”, D ocurre si la cara superior del

dado cae en 2 ó 3 ó 5, es decir D está formado por tres elementos D ¿ { 2,3,5 } , m=3

luego

3
P ( D )= =0,5.
6

e) Sea E al evento “obtener un número mayor que 4”, E ocurre si la cara superior del
dado cae en 5 ó 6, es decir E está formado por dos elementos E ¿ { 5,6 } , m=2 ;

por lo tanto

2
P ( E )= =0,33.
6

Ejemplo 14: Se elige una carta de un paquete de barajas españolas. Calcule la

probabilidad de que sea: a) copa, b) un dos, c) un cuatro de oro, d) una carta con sota,
caballo o rey.

Solución

6
Un paquete de barajas españolas tiene 40 barajas, de las cuales: 10 son oro, 10 son de
basto, 10 copas y 10 espadas. Por lo tanto el espacio muestral para un juego de
barajas españolas es

S= { Oro , Basto ,Copa , Espada } , n=40 .

a) Sea A el evento “obtener una baraja de copa”, A = { Copa } ,m=10, porque hay 10
cartas de copa.

10
P ( A )= =0,25
40

b) Cada pinta: oro, basto, copa, espada; tiene siete cartas enumeradas del 1 al 7 y tres
figuras: sota, caballo y rey. En consecuencia hay un dos de oro, un dos de basto, un dos
de copa y un dos de espada, es decir, cuatro cartas enumeradas con el número dos.
Siendo B el evento “obtener un dos”,

B ¿ { 2 de oro , 2 de basto ,2 de copa ,2 de espada } , m=4

4
P ( B )= =0,1
40

c) En las cartas de oro, hay: 7 cartas enumeradas del 1 al 7, una sota, un caballo y un
rey. Por lo tanto, solamente hay una carta de oro enumerada con el 4, Llamando C al
evento “ obtener un cuatro de oro”, C ¿ { 4 de oro } , m=1

1
P (C)= =0,025.
40

d) Cada pinta: oro, basto, copa, espada; tiene siete cartas enumeradas del 1 al 7 y tres
figuras: sota, caballo y rey. En consecuencia hay tres figuras de oro, tres de basto, tres
de copa y tres de espada, es decir, en total hay 12 cartas con las figuras: sota caballo y
rey. Siendo D el evento “obtener una carta con sota, caballo o rey”,

D= {sota
sota C , caballo C , rey C , sota E , caballo E , rey E }
O, caballo O , rey O , sota B , caballo B ,rey B ,

m=12.

12
P ( D )= =0,3
40

Definición frecuencial: Haciendo uso de la teoría de límites del análisis matemático,

llamando f a la cantidad de veces que ocurrió un cierto suceso A y n a la cantidad de
veces que se realizó el experimento, la probabilidad de que el suceso A ocurra
denotado por P(A), viene dada por:

7
 f
P(A) = lim
n→∞ n

f
En esta ecuación, el valor de se denomina la probabilidad empírica del suceso,
n
mientras que el valor del límite se denomina la probabilidad teórica del suceso.

Esto significa que empíricamente (mediante la experiencia) se comprueba que a

medida que crece el valor de n, la frecuencia relativa se estabiliza próxima a un valor
fijo que representa la probabilidad teórica del suceso.

En este caso, al igual que en la definición clásica: a) P(A) ¿ 0, pues f ≥ 0 y b) 0 ¿ P(A)

f
¿ 1, ya que f r= es un número entre 0 y 1.
n

Ejemplo 15: En el servicio psiquiátrico del hospital central de una ciudad, se

clasificaron 200 pacientes según la siguiente tabla:

SEXO
DIAGNÓSTICO masculino femenino Total
Alcoholismo 70 30 100
Otras causas 50 50 100
Total 120 80 200
Si se selecciona un paciente al azar, ¿cuál es la probabilidad de que: a) sea alcohólico?
b) sea hombre? c) sea una mujer alcohólica?

Solución

a) Sea A el evento “ el paciente es alcohólico”. De la observación de la tabla se tiene

que hay 200 pacientes en total y de esos 100 son alcohólicos, por tanto
n=200 y f =100 , en consecuencia:

100
P ( A )= =0,5 .
200

b) Sea B el evento “el paciente es hombre”. De la tabla se tiene que hay 200 pacientes
y de ellos 120 son hombres: n=200 y f =120 . Luego

120
P ( B )= =0,6.
200

c) Llame C al evento “el paciente es una mujer alcohólica”. De la tabla hay 200
pacientes y 30 mujeres alcohólicas: n=200 y f =30. Por lo tanto,

30
P (C)= =0,15.
200

8
 Ejemplo 16: En un salón de clase hay 40 alumnos de los cuales 18 son hembras y uno
sólo tiene el mayor promedio de la sección. Si se selecciona al azar un alumno para
representar al salón, ¿cuál es la probabilidad de que sea a) varón b) hembra c) sea el
alumno con mayor promedio?

Solución

a) Defina el evento A como, A = el alumno seleccionado es varón. Puesto que en el

salón de clases hay 40 alumnos, n=40 . De los 40 alumnos 18 son hembras, por lo
tanto 40-18= 22 son varones, f =22; en consecuencia

22
P ( A )= =0,55
40

b) Sea B = el alumno seleccionado es hembra, como de los 40 alumnos hay 18

hembras: n=40 y f =18. Luego

18
P ( B )= =0,45.
40

c) Sea C= el alumno seleccionado tiene mayor promedio. De los 40 alumnos solamente

1 tiene mayor promedio, por lo tanto n=40 , f =1 y

1
P (C)= =0,025.
40

Definición subjetiva: La probabilidad expresa el grado de creencia o confianza

individual sobre la posibilidad de que el suceso ocurra. A la ocurrencia de un suceso se
le asigna un número entre 0 y 1 fundándose en la intuición, en conocimientos de las
circunstancias de un experimento o sencillamente en suposición. El número 0
representa la noción de que el fenómeno nunca ocurrirá y 1 representa le creencia de
que el fenómeno ocurrirá ciertamente. Entre más cerca de 0 sea el número asignado
habrá menor posibilidad de que ocurra.

En consecuencia, se trata de un juicio personal y es posible por tanto que diferentes

observadores tengan distintos grados de creencias sobre los posibles resultados,
igualmente válidos.

Definición axiomática: Dado un experimento aleatorio y Ω su espacio muestral

asociado, para cada suceso A se asocia un número real denominado probabilidad del
suceso A, P(A) de modo que satisfaga los siguientes tres axiomas:

1) Axioma 1: P(A) ≥ 0

2) Axioma 2: P(Ω) = 1

9
3) Axioma 3: P((A∪B)) = P(A) + P(B) para todo A, B sucesos excluyentes incluidos en
Ω.

Propiedades

1.- La probabilidad de un suceso A es un número entre 0 y 1,

0 ≤ P ( A ) ≤ 1.

2.-La probabilidad del suceso imposible es nula,

P( ϕ)=0 .

Ejemplo 17: En una caja hay 3 pelotas negras y 7 blancas. Se saca una de ellas al azar,
¿cuál es la probabilidad de que sea azul?

Solución:

Sea A= la pelota es azul. Puesto que en la caja no hay pelotas azules nunca se podrá
seleccionar una pelota de ese color, por tanto usando cualquiera de las dos formas de
definir probabilidad, P(A) = 0, A es un evento un imposible.

3.- La probabilidad del suceso seguro es igual a 1,

P ( Ω )=1.

Ejemplo 18: En el lanzamiento de un dado, ¿cuál es la probabilidad de que salga un

número entero del 1 al 6?

Solución:

Las 6 caras de un dado están enumeradas con números enteros que van desde 1 hasta
6, por lo tanto al lanzar un dado siempre obtendrás un número con esa característica.
Si llamamos al evento A: A = Obtener un número entero del 1 al 6, entonces

6
P ( A )= =1, A es el evento seguro
6

4.- La probabilidad de que un suceso A no ocurra es igual a la unidad menos la

probabilidad de que el suceso A ocurra, es decir,
~
P ( A )=1−P( A).

Ejemplo 19: La probabilidad de ser varón en una ciudad es 0,49, ¿cuál es la

probabilidad de no serlo?

Solución: Se define el suceso A,

A = Que sea varón, P(A) = 0,49

10
~ ~
A=¿ Que no sea varón, P ( A )=?
~
P ( A )=1−P( A) ¿ 1−0,49=0,51

5.- Regla de adición de sucesos:

a) Si A y B son dos sucesos mutuamente excluyentes o incompatibles entonces la

probabilidad de que ocurra uno o el otro es la suma de las probabilidades de cada
suceso, es decir

P ¿ B)¿ P ( A ) + P(B).

Esta fórmula seguirá siendo válida si se trata de la unión de tres o más sucesos.

b) Si A y B son dos sucesos cualesquiera entonces la probabilidad de que ocurra uno o

el otro es la suma de las probabilidades de cada suceso menos la probabilidad de que
los dos sucesos ocurran simultáneamente, es decir

P( A ∪ B)=P( A)+ P(B)−P( A ∩B).

Esta fórmula se puede generalizar a la unión de tres o más sucesos. Se dará para tres
sucesos.

c) Si A, B y C son tres sucesos cualesquiera entonces la probabilidad de que ocurra al

menos uno de ellos vienen dado por:

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

+ P( A ∩ B ∩C).

Ejemplo 20: En una ciudad, el 30 % de la población pertenece al grupo sanguíneo A y

el 15% al grupo sanguíneo B, Si se selecciona al azar una persona de esa ciudad, ¿cuál
es la probabilidad de que pertenezca al grupo sanguíneo A o al grupo sanguíneo B?

Solución: Se definen los sucesos A y B, como sigue

A = Que sea del grupo sanguíneo A.

B = Que sea del grupo sanguíneo B.

P(A) = 0,30 P(B) = 0,15 P ( A ∪ B ) =?

Los sucesos A y B son mutuamente excluyentes, puesto que una persona no puede
tener dos tipos de sangre al mismo tiempo; por lo tanto se usa la propiedad 5 a).

P ( A ∪ B ) =P ( A )+ P ( B )=0,30+ 0,15=0,45

Ejemplo 21: Se sabe que en las mujeres con candidiasis se presenta inflamación en el
90% de los casos y prurito en un 80%, dándose ambos síntomas en el 76%. Si se

11
selecciona al azar una mujer con candidiasis, ¿cuál es la probabilidad de que presente
alguno de los síntomas?

Solución: Se definen los sucesos A y B:

A = Que presente inflamación.

B = Que tenga prurito.

P(A) = 0.90 P(B) = 0,80 P(A∩B) = 0,76 P ( A ∪ B ) =?

Puesto que hay mujeres con los dos síntomas, los sucesos A y B no son mutuamente
excluyentes, por tanto se usa la propiedad 5 b).

P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B )=0,90+ 0,80−0,76=0,94

6.- Si A y B son dos sucesos cualesquiera entonces la probabilidad de que ocurra A

pero no ocurra B es la probabilidad de que ocurra A menos la probabilidad de que
ocurran A y B. Es decir,
~
P ( A−B )=P ( A ∩ B )=P ( A ) −P( A ∩B).

7.- Leyes de Morgan

~ ~ ~
P ( A ∪ B ) =P( A ∩ B)
~ ~
P ( A ∩B )=P( A ∪ ~
B)

Ejemplo 22: Se escoge un número del conjunto {0,1,2. . . , 9}.Sea A el suceso que
ocurre si el número seleccionado es par , B ocurre si el número seleccionado es menor
que 9 y C ocurre si es mayor que 4 . Describa los siguientes sucesos: A, Ā, B, A ∩ B,
A ∩ C, A∪ B, A ∩ B ∩ C.
Solución: Ejercicio

Ejemplo 23: En una ciudad existen dos periódicos A y B. El 50% de sus habitantes es
lector del diario A, el 30% lee el diario B y un 20% de los ciudadanos leen ambos
diarios. Se elige un ciudadano al azar. Calcule la probabilidad de que dicha persona:
a) Sea lector de algún diario
b) Sólo lea el diario A
c) No lea la prensa
d) Lea sólo uno de los diarios

Solución: Se definen los sucesos A y B:

A = Que lea el diario A.

B= Que lea el diario B.

P(A) = 0,50 P(B) = 0,30 P(A∩B) = 0,20

12
a) Sea lector de algún diario significa que lee el diario A o lee el diario B, es decir hay
que determinar P ( A ∪ B ) =?

Puesto que los sucesos A y B no son excluyentes, se usa la propiedad 5b,

P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B )=0,50+ 0,30−0,20=0,60

b) Sólo lee el diario A es equivalente a decir que lee el diario A pero no lee el diario B,
P ( A−B )=?

Se usa la propiedad 6,
~
P ( A−B )=P ( A ∩ B )=P ( A ) −P ( A ∩ B )=0,50−0,20=0,30 .

c) No lea la prensa significa que no lee el diario A ni lee el diario B, por tanto se
~
necesita conocer P ( A ∩ ~B )=?

Se usan las propiedades 7 y 4

~ ~
P ( A ∩~
B )=P ( A ∪B ) =1−P ( A ∪ B )=1−0,60=0,40

d) Lee sólo uno de los diarios significa que lee el diario A pero no lee el diario B o lee el
diario B pero no lee el diario A. Es decir: P [ ( A−B ) ∪( B− A) ] =?

Los sucesos A-B y B-A son mutuamente excluyentes, por tanto se usan las propiedades
5a y 6.

P [ ( A−B ) ∪ ( B−A ) ] =P ( A−B )+ P ( B− A )

¿¿

¿ ( 0,50−0,20 ) + ( 0,30−0,20 )=0,40

Ejemplo 24: Suponga que una familia tiene dos hijos de diferente edad y que nos
interesa saber el sexo de éstos. Describa el espacio muestral de este experimento. Si A
es el evento “ no tienen varones”, B el evento “tienen dos varones” y C el evento
“tienen por lo menos un varón”, elabore una lista de los elementos de A, B, C, A B,
~ ~
A B, C∩ B , ( B ∪C ) .

Solución:

H = Hembra V = Varón

Ω={ HH , HV , VH , VV }
~
A ={ HH } B ={ VV } C = { HV , VH ,VV } A B = ϕ A B ={ HH , VV } B={ HH , HV , VH }
~ ~
C ∩ B={ HV , VH } B∪C= {VV , HV , VH } B ∪C={ HH }

13
Técnicas de conteo

En los problemas de probabilidades necesitamos conocer todas las alternativas

posibles de una situación dada o por lo menos determinar cuántas posibilidades
existen; por tanto, se darán algunas técnicas que servirán para contar el número de
resultados de un experimento aleatorio.

1.-Tablas de doble entrada

Es útil para relacionar dos variables, indicando los resultados que forman el espacio
muestral, pudiendo señalar sobre la tabla determinados sucesos en los cuales se están
interesados

Ejemplo 25: De 200 pacientes enfermos de diabetes; 94 son hombres; 34 tienen la

enfermedad en forma crónica y de éstos 15 son hombres. Si seleccionamos un
paciente al azar del total de pacientes, calcule la probabilidad de que:

a) Sea hombre y tenga la enfermedad en forma crónica.

b) No sea hombre y no tenga la enfermedad en forma crónica.

c) Sea hombre o presente la enfermedad en forma crónica.

Solución: Se definen los sucesos H y C:

H = Que sea hombre.

C= Que presente la enfermedad en forma crónica.

Se construye una tabla de doble entrada con los datos suministrados. En este caso la
tabla tiene 4 casillas, donde cada casilla representa la intersección del sexo con el
~ ~ ~
estado del paciente: H∩C, H ∩ C, H∩ C y ~ H ∩ C ; por el lateral derecho el total de
pacientes crónicos y no crónicos, y, en la parte inferior el total de hombres y no
hombres.

Sexo
Edo. Paciente H H Total
C 15 19 34
C 79 87 166
Total 94 106 200

15
a) P(H∩C) = = 0,075
200

~ 87
b) P(~
H ∩C) = = 0,435
200

14
 94 34 15 113
c) P(H∪ C) = P(H) + P(C) - P(H∩C) = + − = =0,565
200 200 200 200

15
2.-Diagrama de árbol

Permite indicar de manera sencilla el conjunto de posibles resultados de un

experimento aleatorio siempre y cuando los resultados del experimento puedan
obtenerse en diferentes fases sucesivas.

El diagrama de árbol se elabora por pasos, donde cada paso tiene un número finito de
formas o maneras en el que puede ser llevado a cabo. De esta forma, cada “rama” que
se va generando en el “árbol”, irá enumerando las probabilidades que se pueden
formar.

Para iniciar la construcción de un diagrama de árbol, se partirá colocando una rama

por cada posibilidad, que serán acompañadas de sus probabilidades. Cada una de esas
ramas, son conocidas como ramas de primera generación. Luego de cada rama de la
primera generación, se crea un nudo de donde parten las ramas de segunda
generación, según las posibilidades que existan y si el nudo en cuestión, con el avance
del diagrama, representa el final del experimento, se le conoce como nudo final.

El diagrama de árbol establece varios principios, entre los cuales se encuentran: las
probabilidades de las ramas adyacentes (contiguas) se multiplican, las ramas
separadas que emergen de un mismo punto se suman y la suma de las probabilidades
de las ramas debe dar 1.

Ejemplo 26: Suponga que una familia tiene dos hijos de diferente edad y que nos
interesa saber el sexo de éstos. 1.- Describa el espacio muestral de este experimento,
mediante un diagrama de árbol. 2.- Determine la probabilidad de que: a) los dos hijos
sean varones, b) el primer hijo sea varón y el segundo sea hembra, c) los dos hijos sean
del mismo sexo, d) por lo menos uno sea varón, e) cuando más uno sea varón.

Solución:

1.- El diagrama de árbol para describir el espacio muestral de una familia que tiene dos
hijos es el siguiente:

Ω={ ( Niño , Niño ) , ( Niño , Niña ) , ( Niña , Niño ) ,( Niña , Niña) }

A partir del diagrama puede observarse que:

16
 1
a) P(niño) = , porque hay 2 casos posibles( niño o niña) y nos interesa que sea niño.
2
1
P(niña) = , porque hay 2 casos posibles( niño o niña) y nos interesa que sea una
2
niña.
1 1
b) Para el primer hijo, P(niño) + P(niña) = + =1.
2 2
c) Si el primer hijo es niño, hay dos opciones para el segundo hijo, por tanto
1 1
P(niño) = y P(niña) = . Ahora bien, si el primer hijo es niña, de nuevo hay dos
2 2
1 1
opciones para el segundo hijo, por tanto P(niño) = y P(niña) = . En
2 2
1 1
consecuencia para el segundo hijo, P(niño) + P(niña) = + =1.
2 2

1 1 1
2.- a) P(Los dos hijos sean varones) ¿ P { ( Niño , Niño ) }= × = .
2 2 4

2.-b) P(El primer hijo sea varón y el segundo sea hembra)

1 1 1
¿ P { ( Niña , Niño ) }=¿ × =
2 2 4

2.-c) P(Los dos hijos sean del mismo sexo) ¿

1 1 1 1 1 1 2 1
P { ( Niño , Niño ) ,(Niña , Niña) } =P {( Niño , Niño ) } + P { ( Niña , Niña ) }= × + × = + = =
2 2 2 2 4 4 4 2
, porque los dos sucesos son mutuamente excluyentes.

2.-d) P(por lo menos uno sea varón)= P(Uno sea varón o Dos sean varones) =

= P(Uno sea varón) +P(Los dos sean varones) , porque los sucesos son excluyentes

= P { ( Niño , Niña ) , ( Niña , Niño ) } + P {( Niño , Niño ) } =

¿ P { ( Niño , Niña ) }+ P {( Niña , Niño ) } + P { ( Niño , Niño ) }=¿

1 1 1 1 1 1 1 1 1 3
¿ × + × + × = + + = .
2 2 2 2 2 2 4 4 4 4

2.-e)P(Cuando más uno sea varón)= P(Ninguno sea varón o uno sea varón) =

= P(Ninguno sea varón) +P(Uno sea varón) , porque los sucesos son excluyentes

¿ P { ( Niña , Niña ) }+ P {( Niño , Niña ) , ( Niña , Niño ) }=¿

¿ P { ( Niña , Niña ) }+ P {( Niño , Niña ) } + P { ( Niña , Niño ) }=¿

1 1 1 1 1 1 1 1 1 3
¿ × + × + × = + + = .
2 2 2 2 2 2 4 4 4 4

17
3.- Teoría combinatoria

Es la parte de las matemáticas que estudia las diversas formas de realizar agrupaciones
con los elementos de un conjunto, formándolas y calculando su número. Existen
diversas formas de realizar estas agrupaciones:

1) Permitiendo o no se repitan los elementos.

2) Se puedan tomar todos los elementos de que disponemos o no.
3) Influye o no el orden de colocación de los elementos.

En todo problema combinatorio, se deben distinguir conceptos claves:

Población: Es el conjunto de elementos que se está estudiando. Al número de

elementos de este conjunto se le denota con n.

Muestra: Subconjunto de la población. Al número de elementos que conforman la

muestra se les denota con m.

Tipos de muestras: ordenadas, no ordenadas, con repetición, sin repetición.

Ordenadas: Es importante que los elementos de la muestra aparezcan ordenados.

No ordenadas: No importa el orden en los elementos que conforman la muestra.

Con repetición: Se pueden repetir los elementos que conforman la muestra. Es decir,
se puede seleccionar más de una vez al mismo elemento.

Sin repetición: No se pueden repetir los elementos que conforman la muestra. No se

puede seleccionar más de una vez al mismo elemento.

Principio fundamental del conteo o regla de la multiplicación

Si un experimento consta de dos pasos, de los cuales el primero puede efectuarse de

n1 formas y para cada una de estos el segundo paso puede realizarse de n 2 maneras;
entonces todo el experimento se lleva a cabo de n 1 . n2 maneras.

Lo anterior se puede generalizar a k pasos, entonces todo el experimento se realizaría

de n1 . n2 .n3 … nk

Ejemplo 27: Si un experimento consiste en lanzar dos dados, de diferente color,

¿cuántos resultados posibles se tienen?

18
Solución: Se tienen 6.6 = 36 resultados posibles.

Ejemplo 28: En un almacén hay cuatro modelos de camisas, seis de pantalones y dos
de zapatos. ¿Cuántos conjuntos distintos de pantalón, camisa y zapatos podemos
comprar?

Solución: El pantalón se puede elegir de seis maneras diferentes. Para cada una de
ellas se puede escoger la camisa de cuatro maneras posibles. Y para cada una de las
anteriores se puede elegir los zapatos de dos maneras distintas.

Por lo tanto hay 6.4.2 = 48 maneras diferentes de formar conjuntos de un pantalón,

una camisa y un par de zapatos.

Principio aditivo de conteo: Sean A y B dos sucesos que no pueden ocurrir

simultáneamente. Si A ocurre de n maneras distintas y B ocurre de m maneras
diferentes entonces el número de maneras en el cual puede ocurrir A o B es m+n.

El principio de suma también puede ser aplicado reiteradamente.

Ejemplo 29: ¿Cuántos números de a lo sumo dos cifras pueden formarse con los
dígitos 1, 2, 3 y 4?

Solución: Los números que se van a formar pueden tener una o dos cifras, no hay
números que tengan una cifra y dos cifras simultáneamente. Por lo tanto, hay que
contar por separado cuántos hay de cada tipo y luego sumar los resultados.

De una cifra hay 4 números, a saber: 1, 2, 3 y 4.

De dos cifras, la primera puede ser cualquiera de los 4 números y la segunda también,
por tanto hay 4.4 = 16 números.

En total hay: 4 + 16 = 20 números de a lo sumo dos cifras.

Los números de una cifra o dos cifras que pueden formarse con los dígitos 1,2,3 y 4
son:

De una cifra: 1 2 3 4

De dos cifras: 11 12 13 14 21 22 23 24 31 32 33 34 41 42 43 44.

En efecto, contándolos puede verificar que hay 20 números.

Permutaciones

Llamaremos permutaciones de n elementos a la ordenación de un conjunto de n

objetos en un orden dado(tomados todos a la vez).

19
El número de permutaciones, sin repetición, de n elementos viene dado por la
siguiente expresión

n n! n!
Pn=V n= = ¿ n ! , pues 0 !=1.
(n−n)! 0!

Puede presentarse el caso, en que dentro de los n elementos haya n 1 elementos

iguales entre sí, n2 elementos iguales entre sí, … , n k elementos iguales entre sí;
entonces el número de permutaciones con repetición está dado por:

n!
Pnn ,n , …, n =
1 2 k
n1 ! n2 ! ⋯ nk !

Ejemplo 30: ¿De cuántas maneras 3 frascos etiquetados color ámbar y 2 frascos
etiquetados transparentes pueden colocarse en una fila?

Solución: Los cinco frascos etiquetados pueden colocarse en una fila de

5 !=5.4 .3.2 .1=120 maneras posibles.

Se utiliza permutación, porque se está tomando la cantidad completa de frascos y

además al tener etiquetas el orden de los frascos varía al cambiar de lugar los frascos
etiquetados

Ejemplo 31: Si se tienen 3 frascos etiquetados color ámbar y 2 frascos etiquetados

transparentes en una fila, ¿cuál es la probabilidad de que los frascos etiquetados color
ámbar queden juntos?

Solución: Hay dos maneras para distribuir los frascos según el color: AAATT o TTAAA.
En cada caso los de color ámbar(A) pueden colocarse de 3! = 3.2.1= 6 maneras y los
transparentes (T) de 2! = 2.1= 2 maneras. Así que, en total hay 2.6.2 = 24 maneras de
que los frascos de color ámbar queden juntos. Por lo tanto, el número de casos
favorables es 24 y el número de casos posibles, que corresponde a las maneras de
ordenar 5 frascos en una fila es 120; luego la probabilidad viene dada por

24
P= =0,2
120

Variaciones

Llamaremos variaciones de n elementos tomados de m en m a los distintos

subconjuntos de m elementos que pueden formarse con n elementos del conjunto
inicial, influyendo el orden en el cual se seleccionan. Ahora, se diferencia un
subconjunto de otro por el orden en que aparecen los elementos que los conforman.

El número de variaciones, sin repetición, de n elementos tomados de m en m, viene

dado por la siguiente expresión

20
 n n!
V m=
(n−m)!

Si en los subconjuntos anteriores se pueden repetir los elementos, entonces el

número de variaciones de n elementos tomados de m en m, viene dado por:

VR nm =nm

Ejemplo 32: Si se permite repeticiones ¿cuántos números de tres cifras se pueden

formar con los dígitos 0,1,2,3,4,5,6,7,8,9?

Solución: En la formación de números es importante el orden, por ejemplo 135 no es

igual a 351, a pesar de que se usan los dígitos 1,3 y 5. Por lo tanto, para resolver este
ejercicio se usará variaciones pues el orden es importante y hay más dígitos que
lugares a ocupar. Se utilizará el siguiente esquema para representar un número de tres
cifras:

___ ___ ___

El primer lugar de la izquierda se puede llenar con los dígitos del 1 al 9( no puede
escribirse 0), por lo tanto es una variación de 9 en 1. Es decir, hay un sólo lugar y 9
dígitos n = 9, m = 1,V nm

9 9! 9!
V 1= = =9
(9−1) ! 8 !

Para los dos lugares siguientes se permite repetir el dígito, se pueden usar todos los
dígitos del 0 al 9 y hay dos casillas, en consecuencia es una variación con repetición
donde n = 10 y m = 2 , VR nm =nm
10 2
VR 2 =10 =100

Luego la cantidad de números de tres cifras que pueden formarse con los dígitos
0,1,2,3,4,5,6,7,8,9 es:
9 10
V 1 .VR 2 =9.100=900 números.

Ejemplo 33: Si se permite repeticiones, en la formación de números de tres cifras con

los dígitos 0,1,2,3,4,5,6,7,8,9, ¿cuál es la probabilidad de que si se seleccione un
número al azar sea menor de 400?

Solución: De nuevo se usará variación. Usando el esquema anterior para representar

un número de tres cifras:

___ ___ ___

21
El primer lugar de la izquierda se puede llenar con los dígitos del 1,2 ó 3( pues piden
sea menor de 400), por lo tanto es una variación de 3 en 1. Es decir, hay un sólo lugar y
n
3 dígitos n = 3, m = 1,V m

3! 3!
V 31= = =3
(3−1)! 2 !

Para los dos lugares siguientes se permite repetir el dígito, se pueden usar todos los
dígitos del 0 al 9 y hay dos casillas, en consecuencia es una variación con repetición
donde n = 10 y m = 2 , VR nm =nm
10 2
VR 2 =10 =100

Luego la cantidad de números de tres cifras menores de 400 que se pueden formar con
los dígitos 0,1,2,3,4,5,6,7,8,9 es:
3 10
V 1 .VR 2 =3.100=300 números.

Por lo tanto, el número de casos favorables es 300 y el número de casos posibles es

900; luego la probabilidad viene dada por

300
P= =0,333
900

Combinaciones

Llamaremos combinaciones de n elementos tomados de m en m al número de

subconjuntos diferentes de m elementos que pueden formarse con los n elementos
del conjunto inicial. En la formación de los subconjuntos no importa el orden, se
diferencia un subconjunto de otro solamente por los elementos que los conforman.

El número de combinaciones, sin repetición, de n elementos tomados de m en m,

viene dado por la siguiente expresión

C nm= n = ()n!
m m !(n−m)!

Si en los subconjuntos anteriores se pueden repetir los elementos, entonces el número

de combinaciones de n elementos tomados de m en m, viene dado por:

( n+m−1)!
n

m(
CR m= n+ m−1 =
)
m !(n−m)!

Ejemplo 34: Un estudiante tiene que contestar 8 de 10 preguntas de un examen,

¿cuántas maneras de escoger tiene?

22
Solución: Aquí no importa el orden de las preguntas, simplemente debe escoger 8
preguntas de 10, en consecuencia, se usa combinaciones. Como no es válido contestar
la misma pregunta varias veces, es una combinación sin repetición.

Hay 10 preguntas y debe responder 8, luego n = 10 y m = 8. Es una combinación de 10

en 8,C 10
8

10
( )
C 8 = 10 =
8
10 !
=
10 !
8 !( 10−8) ! 8 !2!
=45 maneras.

Ejemplo 35: Un estudiante tiene que contestar 8 de 10 preguntas de un examen, si las

tres primeras preguntas son obligatorias ¿cuál es la probabilidad de que conteste el
examen?

Solución: En el ejemplo 35 se ha calculado todas las formas de contestar 8 preguntas

de 10; es decir el número de casos posibles es 45. Ahora se buscará el número de casos
favorables: como las tres primeras preguntas son obligatorias debe seleccionar 5
preguntas de los 7 restantes, es una combinación de 7 en 5

7
()
C 5= 7 =
7!
=
7!
5 5! (7−5) ! 5 !2!
=21maneras

Luego la probabilidad viene dada por:

21
P= =0,467.
45

Ejemplo 36: Se seleccionaron al azar tres semillas de una bolsa que contenía 10
semillas de flores rojas y 5 semillas de flores blancas. ¿Cuál es la probabilidad de que:
a) las tres semillas den flores rojas? b) las tres semillas den flores blancas? c) por lo
menos dos semillas den flores blancas? d) cuando más una semilla sea de flor
blanca?
Solución: Puesto que no importa el orden en el cual se seleccionan las tres semillas,
este ejercicio se resuelve usando combinaciones.
Hay 10 semillas de flores rojas y 5 semillas de flores blancas, en total 15 semillas y se
debe determinar de cuántas maneras se pueden seleccionar 3 semillas de 15; por
tanto es una combinación de 15 en 3. Esto corresponde al número de casos posibles
15 15 ! 15 !
Número de casos posibles = C 3 = = =455 .
3 ! (15−3) ! 3!12 !
Ahora se busca el número de casos favorables para cada ítem del problema.
a) Como las 3 semillas deben dar flores rojas, hay que seleccionar 3 de las 10 semillas
que dan flores rojas y ninguna de las 5 que dan flores blancas, luego
Número casos favorables =
10 5 10 ! 5 ! 10! 5 !
C 3 . C0 = . = . =120.1=120
3 ! (10−3) ! 0! (5−0)! 3 !7 ! 0 ! 5 !

23
 120
P ( lastres semillasden flores rojas )= =0,2637.
455

b) Como las 3 semillas deben dar flores blancas, hay que seleccionar 3 de las 5 semillas
que dan flores blancas y ninguna de las 10 que dan flores rojas, luego
5 10 5! 10 ! 5! 10 !
Número casos favorables = C 3 . C 0 = . = . =10.1=10
3 !( 5−3)! 0! (10−0)! 3 ! 2 ! 0!10 !

10
P ( lastres semillas den flores blancas )= =0,0220.
455

c) Por lo menos dos semillas den flores blancas significa: 2 den flores blancas y una de
flores rojas ó las 3 den flores blancas y ninguna de flores rojas.
Son dos sucesos mutuamente excluyentes por lo tanto hay que calcular el número de
casos favorables para cada uno y luego sumarlos:
Número de casos favorables para que 2 den flores blancas y 1 de flores rojas =C 52 . C10
1

5! 10! 5 ! 10!
C 52 . C10
1 = . = . =10.10=100
2 !(5−2)! 1 !(10−1) ! 2! 3! 1 !9 !

Número de casos favorables para que las 3 den flores blancas y ninguna de flores
5 10
rojas =C 3 . C 0
5 10 5! 10 ! 5! 10 !
C3. C0 = . = . =10.1=10
3 !( 5−3)! 0! (10−0)! 3 ! 2 ! 0! 10 !

Luego

100+10
P( por lomenos dos semillas den flores blancas)= =0,2418.
455

d) Cuando más una semilla sea de flor blanca significa: 1 semilla de flores blancas y 2
den flores rojas ó ninguna semilla de flor blanca y las tres den flores rojas.
De nuevo son dos sucesos mutuamente excluyentes por lo tanto hay que calcular el
número de casos favorables para cada uno y luego sumarlos:
5 10
Número de casos favorables para que 1 de flores blancas y 2 den flores rojas = C 1 . C2

5 10 5! 10 ! 5! 10 !
C 1 . C2 = . = . =5.45=225
1 !(5−1)! 2 !(10−2) ! 1! 4! 2!8!

Número de casos favorables para que ninguna semilla de flor blanca y las tres den
flores rojas = C 50 . C 10
3

10 5 10 ! 5! 10! 5 !
C 3 . C0 = . = . =120.1=120
3 ! (10−3) ! 0! (5−0)! 3 !7 ! 0 ! 5 !

Luego

24
 225+120
P(cuando másuna semillas de flores blancas)= =0,7582.
455

Probabilidad condicional
Hasta ahora se ha introducido el concepto de probabilidad considerando que la única
información sobre el experimento era el espacio muestral. Sin embargo, hay
situaciones en las que se incorpora información suplementaria respecto de un suceso
relacionado con el experimento aleatorio, cambiando su probabilidad de ocurrencia.
El hecho de introducir más información, como puede ser la ocurrencia de otro suceso,
conduce a que determinados sucesos pueden no haber ocurrido , variando el espacio
de resultados y cambiando sus probabilidades.
Se habla de probabilidad condicional cuando, por ejemplo, al tener 2 eventos, donde
ya se conoce el resultado de uno de ellos, se desea conocer cuál es la probabilidad de
ocurrencia del otro evento. Se denota P(A│B) y se lee “la probabilidad que suceda A,
dado que ya sucedió B” o “la probabilidad de A condicionada a B”.
Definición: Sean A, B dos eventos cualesquiera de un espacio muestral Ω, con P(B) > 0.
La probabilidad de que un evento A suceda una vez que ha sucedido B, o en otras
palabras, la probabilidad condicional de A dado B, denotada por P(A│B), se define
como sigue:
P( A ⋂ B)
P ( A ∕ B )=
P(B)

Ejemplo 37: Se lanza un dado y se observa la cara superior, si se obtiene un número

par ¿cuál es la probabilidad de que sea 6?

Solución: En este ejemplo, la condición es que el número obtenido sea par, se

denotará como el evento B; por lo tanto se determinará P ( A /B ) ,

P( A ⋂ B)
P ( A ∕ B )=
P(B)

Recuerde que el espacio muestral del lanzamiento de un dado es: S= { 1,2,3,4,5,6 }. Se

definen los eventos: B = Que se obtenga un número par A= Que sea 6.

Los elementos o puntos muestrales de los eventos A, B y A ∩ B son:

A ¿ {6 } B ¿ { 2,4,6 } A ∩ B= {6 }.

Las probabilidades para B y A ∩ B son:

3 1
P ( B )= P ( A ⋂ B ) =
6 6

Por lo tanto, la probabilidad de obtener el seis, si se sabe que en la cara superior del
dado hay un número par, denotada P ( A ∕ B ), viene dada por:

25
 1
P( A ⋂ B) 6 1
P ( A ∕ B )= = = =0,333.
P(B) 3 3
6

Ejemplo 38: En cierta comunidad, 70% de las personas fuman, 40% tienen cáncer
pulmonar, y, 25% fuman y tiene cáncer pulmonar. Determine la probabilidad de que, si
fuma tenga cáncer de pulmón.

Solución:

Se definen los eventos A y B:

A = Que fume

B = Que tenga cáncer de pulmón.

En este ejemplo, la condición es que la persona fume, quien es el evento A; por lo

tanto se determinará P ( B ∕ A ) ,

P(B ⋂ A)
P ( B ∕ A )=
P( A)

Ahora, se escribirán las probabilidades de cada uno de los eventos:

70 40 25
P ( A )= =0,70 P ( B ) = =0,40 P ( B ⋂ A )= =0,25
100 100 100

Luego

P( B ⋂ A) 0,25
P ( B ∕ A )= = =0,357
P( A) 0,70

Ejemplo 39: Se estima que el 15% de la población adulta padece de hipertensión, pero
el 75% de todos los adultos creen no tener ese problema. Se estima también que el 6%
de la población adulta tiene hipertensión, pero no es consciente de padecer dicha
enfermedad. Si un paciente adulto opina que no tiene hipertensión ¿cuál es la
probabilidad de que efectivamente padezca de esa enfermedad?

Solución: Definamos los sucesos: A = Padece de hipertensión B = No cree tener

hipertensión
Usando la data suministrada, se tiene: P(A) = 0,15 P(B) = 0,75 P(A ∩B) = 0,06 y se
pide determinar P(A│B) ,
P ( A ∩ B) 0,06
P(A│B) = = = 0,08
P( B) 0.75

26
Ejemplo 40: Usando el ejemplo 1, si la enfermedad existe, ¿cuál es la probabilidad de
que el paciente lo sospeche?
~
Solución: Ahora se pide determinar P( B │A),
~
~ P ( B ∩ A)
P( B │A),=
P( A)
~ ~
Pero, P( B ∩ A ¿ = P ( A ∩ B ) = P(A) – P(A∩ B) = 0,15 – 0,06 = 0,09
Luego
~
~ P ( B ∩ A) 0,09
P( B │A),= = = 0,60
P( A) 0.15

Regla de Multiplicación de Probabilidades o Probabilidad Compuesta

Se usa para calcular la probabilidad que sucedan dos eventos en forma conjunta, es
decir, los dos eventos a la vez.
Partiendo de la definición de la probabilidad condicional, P(A│B) se deduce que:
P(A∩ B) = P(A│B). P(B) = P(B│A). P(A)

Esta regla se puede generalizar a n sucesos : Dados n sucesos A1, A2, … , An de un

espacio muestral Ω, tales que P (¿ i=1 ¿ n−1 Ai ) > O, se tiene que
P(A1∩ A2 ∩…∩ An) = P(A1). P(A2│A1).P(A3│A1∩ A2) … P(An│ A1∩ A2 ∩…∩ An-1).
Si P ( A /B )=P ( A ) , es decir si la probabilidad de que A ocurra no es afectada por la
ocurrencia o no ocurrencia de B, entonces se dice que A y B son eventos
independientes. Sabiendo que

P (A ∩B)
P ( A / B )= ⟹ P ( A ∩ B )=P ( A / B ) . P(B)
P( B)
Sustituyendo P ( A /B )=P ( A ), se tiene que
P ( A ∩ B )=P ( A ) . P(B).

Lo anterior se puede resumir en dos reglas:

1.- Si A y B son dos sucesos cualesquiera entonces P ( A ∩ B )=P ( A /B ) . P(B).
2.- Si A y B son dos sucesos independientes entonces P ( A ∩ B )=P ( A ) . P(B).
La independencia de sucesos puede extenderse a más de dos sucesos:
P(A1∩ A2 ∩…∩ An) = P(A1). P(A2) … P(An)
Ejemplo 41: Una caja contiene 4 bolas blancas y 2 bolas negras. Otra caja contiene 3
bolas blancas y 5 bolas negras. Se extrae una bola de cada caja. Determine la
probabilidad de que: a) ambas sean blancas, b) ambas sean negras, c) una sea blanca y
otra sea negra.
Solución
Se definen los sucesos
B = Que la bola sea blanca
N= Que la bola sea negra
Denotaré por caja I, la que contiene 4 bolas blancas y 2 bolas negras. Y por caja II, la
que tiene 3 bolas blancas y 5 bolas negras.
Puesto que lo que suceda en la caja I no afecta a lo que ocurra en la caja II, los sucesos
son independientes. Se calculan las probabilidades para cada caja:

27
 4 2
Caja I: P ( B )= P ( N ) =
6 6
3 5
Caja II: P ( B )= P ( N )=
8 8
a) Determinar la probabilidad de que ambas bolas sean blancas significa que la bola de
la caja I sea blanca y la bola de la caja II sea blanca. Es decir, P( B ⋂ B):
Como los sucesos son independientes,
4 3 12 1
P ( B ⋂ B )=P ( B ) . P ( B )= . = = .
6 8 48 4

b) Determinar la probabilidad de que ambas bolas sean negras significa que la bola de
la caja I sea negra y la bola de la caja II sea negra. Es decir, P(N ⋂ N ):
Como los sucesos son independientes,
2 5 10 5
P ( N ⋂ N )=P ( N ) . P ( N )= . = = .
6 8 48 24

c) Determinar la probabilidad de que una bola sea blanca y la otra negra significa que
la bola de la caja I sea blanca y la bola de la caja II sea negra o la bola de la caja I sea
negra y la bola de la caja II sea blanca. Es decir, P ( B ⋂ N )+ P ( N ⋂ B) :
Como los sucesos son independientes,
4 5 2 3 20 6 26 13
P ( B ⋂ N )+ P ( N ⋂ B ) =P ( B ) . P ( N ) + P ( N ) . P ( B )= . + . = + = = .
6 8 6 8 48 48 48 24

Ejemplo 42: Una caja contiene 4 bolas blancas y 2 bolas negras. Se saca una bola al
azar, se deja afuera y luego se saca otra bola de la caja, ¿cuál es la probabilidad de
sacar una bola blanca y una negra, en ese orden?
Solución
Se definen los sucesos
B = Que la bola sea blanca,
N= Que la bola sea negra,
Para la primera extracción, en la caja hay 6 bolas: 4 blancas y 2 negras. Por lo tanto,
n=6 , m B =4 y mN =2.
Luego, la probabilidad de extraer una bola blanca la primera vez, es
4 2
P ( B )= = .
6 3
Puesto que, se saca una bola y no se devuelve a la caja; en la caja quedan 5 bolas para
hacer la siguiente extracción. Por lo tanto lo que ocurre en la segunda oportunidad
depende de lo que haya ocurrido anteriormente (eventos dependientes). Como la bola
extraída es blanca, las bolas negras quedan completas, es decir hay 2 bolas negras pero
5 bolas en total; en consecuencia la probabilidad de que en la segunda extracción la
bola sea negra si la primera fue blanca, que se denota P ( N /B ) , es igual a
2
P ( N /B )= .
5
Usando un diagrama de árbol, se puede visualizar lo descrito anteriormente

En consecuencia, la probabilidad de que la primera bola sea blanca y la segunda negra,

viene dada por

28
 2 2 4
P ( B ⋂ N )=P ( B ) . P ( N /B ) = . = .
3 5 15

Ejemplo 43: Es conocido que la probabilidad de que una muestra de mineral de hierro
contenga más del 20% de magnetita, lo que lo hace aceptable para su producción
industrial, es 0,15. Supongamos que tenemos tres muestras de mineral de hierro,
obtenidas de manera independiente, se pregunta:
a) ¿Cuál es la probabilidad de que las tres tengan más del 20% de magnetita?
b) ¿Cuál es la probabilidad de que las dos primeras tengan más del 20% de magnetita y
la tercera no?
Solución
Definamos el evento A:
15
A= Contenga más del 20% de magnetita, P ( A )= =0,15
100
a) Se obtuvieron tres muestras de manera independiente y se pide la probabilidad de
que las tres muestras tengan más del 20% de magnetita. Es decir
P ( A ⋂ A ⋂ A )=P ( A ) . P ( A ) . P( A) =(0,15).(0,15).(0,15) = 0,0034.
b) Las dos primeras tengan más del 20% y la tercera no lo tenga. Hay que determinar la
probabilidad de que una determinada muestra no tenga más del 20% de magnetita,
P( A' ) :
P ( A ' )=1−P ( A )=1−0,15=0,85
Luego
P ( A ⋂ A ⋂ A ) =P ( A ) . P ( A ) . P ( A ) =( 0,15 ) . ( 0,15 ) . ( 0,85 )=0,0191.
' '

Teorema de la Probabilidad Total

Sean A1, A2, … , An , n sucesos mutuamente excluyentes de un espacio muestral Ω
tales que P(Ai ) > 0 y la unión de todos ellos formen el espacio muestral. Es decir, A i∩
Aj = ∅ si i≠j y A 1∪ A2∪ … ∪ An = Ω. Sea B un suceso de Ω que está participando en los
n sucesos mutuamente excluyentes, cuyas probabilidades condicionadas P(B│A i ) son
conocidas, entonces la probabilidad de B, está dada por

P(B) = P(B│ A1) · P(A1) + P(B│ A2) · P(A2) +... + P(B│ An) · P(An)

Ejemplo 44: En una cierta población de hombres hay un 30% de fumadores. Se sabe
que la probabilidad de enfermarse de cáncer de pulmón es igual a 0,10 para los
fumadores, e igual a 0,01 para los no fumadores. Calcular la probabilidad de que un
hombre elegido al azar de esta población esté enfermo de cáncer de pulmón
Solución: Definamos los sucesos: A =Que el hombre sea fumador,
B = Que el hombre tenga cáncer de pulmón
~
Usando la data suministrada, se tiene: P(A) = 0,30 P(B│A) = 0,10 P(B│ A ) = 0,01.
~
Luego, P( A ) = 1 – P(A) = 1 – 0,30 = 0,70 y usando el teorema de la probabilidad total se
tiene que
~ ~
P(B) = P(A). P(B│A) + P( A ). P(B│ A ) = 0,30. 0,10 + 0,70. 0,01 = 0,037

29
Teorema de Bayes
Este teorema permite obtener la probabilidad condicional de un evento, cuando
mediante el efecto tratamos de determinar la probabilidad de la causa.
Teorema: Sean A1, A2, … , An , n sucesos mutuamente excluyentes(es decir, A i∩ Aj = ∅
si i≠j) de un espacio muestral Ω tales que P(Ai ) > 0 , para i = 1,2,…,n, y A 1∪ A2∪ … ∪
An = Ω. Sea B un suceso de Ω que está participando en los n sucesos mutuamente
excluyentes, entonces

P ( A i ∩ B) P ( B| A i ) . P( A i)
P( Ai │B) = =
P (B) P ( B| A 1) . P ( A 1 ) +…+ P ( B| Ai ) . P(A i )+ …+ P ( B| A n ) . P( A n)

Ejemplo 45: Un paciente con un conjunto de síntomas puede tener cualquiera de las
tres enfermedades A, B y C con probabilidades 0,50; 0,40 y 0,10 respectivamente. Para
precisar el diagnóstico se somete al paciente a un análisis de sangre que da positivo en
las personas que padecen A, B o C con probabilidades 0,30; 0,98 o 0,20
respectivamente. Si a una persona con los síntomas se le realiza el examen y éste da
positivo, ¿cuál es la enfermedad más probable?
Solución: Definamos los sucesos: A =Que la persona tenga la enfermedad A.
B = Que la persona tenga la enfermedad B.
C = Que la persona tenga la enfermedad C.
S = Que el análisis de sangre de positivo.
De la información dada, se tiene que: P(A) = 0,50 P(B) = 0,40 P(C) = 0,10 P(S│A)
=0,30 P(S│B)= 0,98 y P(S│C) = 0,20.
Se pide determinar las probabilidades de cada una de las enfermedades para saber
cuál es la más probable, conociendo que el examen de sangre dio positivo, es decir:
P(A│S), P(B│S) y P(C│S)
SS
P ( S| A ) . P ( A )
P(A│S) =S =
P ( S| A ) . P ( A ) + P ( S|B ) . P(B)+ P ( S|C ) . P(C)
0,30.0,50 0,15 0,15
= = = 0,2669 DDDD
0,30.0,50+0,98.0,40+0,20.0,10 0,15+0,392+0,02 0,562

P(B│S) =S
P ( S|B ) . P (B) 0,98.0,40
= =¿
P ( S| A ) . P ( A ) + P ( S|B ) . P(B)+ P ( S|C ) . P(C) 0,30.0,50+0,98.0,40+0,20.0,10
0,392
0,15+0,392+0,02

0,392
= = 0,6975
0,562

P ( S|C ) . P (C)
P(C│S) =S =¿
P ( S| A ) . P ( A ) + P ( S|B ) . P(B)+ P ( S|C ) . P(C)
0,20.0,10 0,02
=¿ = =
0,30.0,50+0,98.0,40+0,20.0,10 0,15+0,392+0,02

30
 0,02
= =¿00,03560=0000000000000,
0,562
0En 00
En conclusión, la enfermedad más probable es la B.

Observaciones sobre independencia de sucesos:

- Si el suceso B es independiente del suceso A, entonces el suceso A también es
independiente del suceso B, lo que equivale a decir que ambos sucesos son
independientes.
- La independencia de sucesos puede extenderse a más de dos sucesos:
P( A∩B∩C) = P(A) P( B) P(C)
~
- Si A y B son dos sucesos independientes, entonces también lo son los sucesos A y B,
~ ~ ~
A y B, A y B

31