Técnicas de conteo

y Probabilidades
Principio de multiplicación
 Principio de multiplicación Suponga que las
operaciones 1 y 2 pueden hacerse de n1 y n2 formas
diferentes respectivamente. Entonces, la operación
completa que consta de llevar a cabo las operaciones
1 y 2 se puede hacer de n1 × n2 formas.
Ejemplo: De un grupo de 3 mujeres y 5 hombres se
debe elegir 2 personas para asignarles el puesto de
presidente y vicepresidente. ¿ De cuantas formas se
puede realizar la elección?
Principio de adición
 Principio de adición Suponga que las opciones 1 y 2
pueden hacerse de n1 y n2 formas diferentes
respectivamente. Entonces, el número de formas en
que puede realizarse una operación en la que debe
elegirse solo una de las opciones 1 ó 2 es n1 + n2 .
Ejemplo: Para realizar un viaje de Cali a Medellin se
dispone de 5 líneas aéreas y 12 líneas terrestres. ¿De
cuantas formas se puede realizar el viaje de Lima a
Trujillo?
¿Cómo podemos distinguir cuando hacer uso
del principio multiplicativo y cuando del
aditivo?
 Es muy simple, cuando se trata de una sola
actividad, la cual requiere para ser llevada a
efecto de una serie de pasos, entonces haremos
uso del principio multiplicativo y si la actividad
a desarrollar o a ser efectuada tiene alternativas
para ser llevada a cabo, haremos uso del
principio aditivo
Notación factorial:
 Se define 0! = 1 1!= 1
 Ejemplos:
 2! = 1 ∙ 2 = 2
 3! = 1 ∙ 2 ∙ 3 = 6
 4! = 1 ∙ 2 ∙ 3 ∙ 4 = 24
 5! = 1 ∙ 2 ∙ 3 ∙ 4 ∙ 5 = 120
 6! = 1 ∙ 2 ∙ 3 ∙ 4 ∙ 5 ∙ 6 = 720
 7! = 1 ∙ 2 ∙ 3 ∙ 4 ∙ 5 ∙ 6 ∙7 = 5 040
 8! = 1 ∙ 2 ∙ 3 ∙ 4 ∙ 5 ∙ 6 ∙7 ∙ 8 = 40 320
 9! = 1 ∙ 2 ∙ 3 ∙ 4 ∙ 5 ∙ 6 ∙7 ∙ 8 ∙ 9 = 362 880
 10! = 1 ∙ 2 ∙ 3 ∙ 4 ∙ 5 ∙ 6 ∙7 ∙ 8 ∙ 9 ∙ 10 = 3 628 800
 Permutación
 Una permutación de un conjunto de elementos es una
disposición de tales elementos de acuerdo a un orden
definido. El número de permutaciones de n elementos
tomados de r es: n!
Pr 
n

Ejemplo:
 n  r !
Consideremos el conjunto de letras { a, b, c, d }
a) abcd, bacd, cbad, dcba son permutaciones de las 4 letras
tomadas todas a la vez
b) abc, bac, cab, cbd son permutaciones de las 4 letras
tomadas 3 a la vez
 Combinatoria
 Permite calcular el número de grupos de tamaño r que
se pueden obtener a partir de n objetos diferentes sin
tener en cuenta su orden. El número de
combinaciones de n objetos tomados de r es:
n!
Cr 
n

r ! n  r  !
 Permutaciones con repetición
 El número de permutaciones de n elementos donde
existen n1 , n2 , … , nk elementos que se repiten
(n1 + n2 + … + nk = n) es:
n!
Pn1 , n2 ,, nk 
n

n1 !n2 ! nk !

Ejemplo: ¿De cuantas formas diferentes se pueden

disponer las fichas de ajedrez en la primera fila? (no
considerar los peones)
 El concepto de probabilidad

 En la antigüedad se lo asocia con el concepto de

incertidumbre, en el sentido de falta de certeza.
 En el siglo XVII se encuentra un antecedente del

término (“aprobable”) para referirse a acciones

o decisiones que las personas sensatas harían.
 En el siglo XVIII ya se lo utiliza para referirse a

la toma de decisiones bajo condiciones de

incertidumbre.
Experimento Determinístico:
Determinístico
Es aquel que podemos predecir su ocurrencia.

Ej. Encender la cocina y poner agua en la jarra.

Experimento Aleatorio:
Es aquel que no podemos predecir su ocurrencia.

Ej. Ganarse la lotería.

Espacio muestral (E)
Es el conjunto formado por todos los resultados
posibles de un experimento.

Ejemplo:
Al lanzar un dado de seis caras, el espacio muestral es
E = {1, 2, 3, 4, 5, 6}

Ejemplo:

¿Cuántos elementos tiene el Espacio Muestral si se lanza una

moneda y un dado de seis caras?

Usamos el principio multiplicativo:

2 · 6 = 12 elementos
 En el lanzamiento de monedas, la cantidad de resultados
posibles también se determina por el principio multiplicativo:

1 moneda 2 posibilidades E = {c, s}

2 monedas 2·2 = 4 posibilidades

E = {(c,c), (c,s), (s,c), (s,s)}.

3 monedas 2·2·2 = 8 posibilidades

E = {(c,c,c), (c,c,s), (c,s,c), (c,s,s), (s,c,c), (s,c,s), (s,s,c), (s,s,s)}

n monedas 2·2·2·2···2= 2n posibilidades

Cuando un objeto puede caer de a maneras y se lanzan n de

esos objetos, el Espacio Muestral tiene #E= a n elementos.
Ejemplo:
Al lanzar tres dados de seis caras, el Espacio Muestral tiene
63 = 216 elementos
Evento o Suceso

Corresponde a un subconjunto de un Espacio Muestral,

asociado a un experimento aleatorio.

Ejemplo:

En el lanzamiento de 2 monedas, el Espacio Muestral es

E = {(c,c), (c,s), (s,c), (s,s)} y tiene 4 elementos.
Un suceso es que salgan dos caras, es decir {(c,c)}, que
tiene 1 elemento.
Ejemplo:
En el lanzamiento de un dado ¿cuántos elementos tiene el
Espacio Muestral y cuántos el suceso “que salga un número
par”?

Espacio Muestral = {1, 2, 3, 4, 5, 6}, 6 elementos.

Suceso = {2, 4, 6}, 3 elementos

Probabilidad:
 Definición
El concepto de probabilidad se encuentra con frecuencia en
la comunicación entre las personas. Por ejemplo:

1) Juana y Antonio tienen un 60% de probabilidades

de casarse.

2) Los alumnos del ISL tienen un 90% de probabilidades

de ingresar a la universidad.

En los ejemplos, se da la “medida” de la ocurrencia de un

evento que es incierto (casarse o ingresar a la universidad),
y ésta se expresa mediante un número entre 0 y 1, o en
porcentaje.
Intuitivamente podemos observar que cuanto más probable
es que ocurra el evento, su medida de ocurrencia estará más
próximo a “1” o al 100%, y cuando menos probable, más se
aproximará a “0”.

De aquí se deduce que un hecho o evento que NO puede

ocurrir tendrá probabilidad cero y uno cuya probabilidad es
segura tendrá probabilidad uno.

Luego, si A representa un evento o suceso, se cumple que:

0  P(A)  1
2. Probabilidad clásica
Casos favorables
P(A) =
Casos posibles

Ejemplo1:
¿Cuál es la probabilidad de que al lanzar un dado común salga
un número primo?

Solución:
El Espacio Muestral E, está dado por:

E={1, 2, 3, 4, 5, 6}, por lo tanto posee 6 elementos, es decir,

6 casos posibles.

Sea A, el evento o suceso:

A: que salga un número primo, entonces se tiene que:

A={2, 3, 5}, por lo tanto posee 3 elementos, es decir, 3 casos

favorables.
 Por lo tanto:

Casos posibles: 6 (1, 2, 3, 4, 5 y 6)

Casos favorables (números primos): 3 (2, 3, y 5)

Entonces:
3 1
P(A) = =
6 2
Ejemplo2:
Al lanzar 2 monedas, ¿cuál es la probabilidad de que las dos
sean caras?

Casos posibles: 4

Casos favorables (2 caras): 1

Entonces:

P(2 caras) = 1
4
3. Tipos de sucesos
3.1 Probabilidad de un suceso contrario:

La probabilidad de que un suceso NO ocurra, o “probabilidad

de un suceso contrario”, se obtiene a través de:

P(A) = 1 - P(A)

A A
Ejemplo:
Si La probabilidad de que llueva es 2 , ¿cuál es la probabilidad
de que NO llueva? 5

Solución:
P(no llueva) = 1 - P(llueva)

P(no llueva) = 1 - 2
5
P(no llueva) = 3
5
3.2 Probabilidad de un suceso seguro:

Si se tiene certeza absoluta de que un evento A ocurrirá:

P(A) = 1
Ejemplo:
La probabilidad de obtener un número natural al lanzar
un dado común es 1 (6 de 6).

Casos posibles: 6 (1,2,3,4,5,6)

Casos favorables: 6 (1,2,3,4,5,6)

P(natural) = 6 =1
6
3.3 Probabilidad de un suceso imposible:
imposible
Si se tiene certeza absoluta de que un evento A NO ocurrirá:

P(A) = 0
Ejemplo:
La probabilidad de obtener un número mayor que 6 al lanzar
un dado común es 0 (0 de 6).

Casos posibles: 6 (1,2,3,4,5,6)

Casos favorables: 0

P(mayor que 6) = 0 =0
6
 TRIÁNGULO DE PASCAL

El triángulo de Pascal en matemática es un conjunto infinito de

números enteros ordenados en forma de triángulo que expresan
coeficientes binomiales. El interés del Triángulo de Pascal radica en su
aplicación en álgebra y permite calcular de forma sencilla números
combinatorios lo que sirve para aplicar el binomio de Newton.

1
1 1
1 2 1
1 3 3 1
1 4 6 4 1

Cada número es la suma de los dos números que están sobre él.
En probabilidades el Triángulo de Pascal se utiliza como una técnica
de conteo en la resolución de problemas de iteración de experimentos
sencillos, cuando el objeto considerado tiene dos posibilidades, por
ejemplo una moneda, sexo de un hijo por nacer, etc.

Ejemplo:

Si se lanza una moneda una vez, los casos posibles son:

1 cara (c) ó 1 sello (s), que está representado en la primera fila
del Triángulo de Pascal:
11
El total de casos posibles es 2.

Si se lanza una moneda dos veces, los casos posibles son:

CC, CS, SC, SS, lo que implica que se tiene 1 caso en que
aparecen dos caras, 2 casos distintos en que se obtiene una cara
y un sello, y 1 caso en que se obtienen dos sellos, que está
representado en la segunda fila del Triángulo de Pascal:
121
El total de casos posibles es 4.
4. PROPIEDADES BÁSICAS DEL CÁLCULO DE
PROBABILIDADES

4.1 La probabilidad de que ocurra el suceso A ó el suceso B.

Caso 1: Cuando A y B son eventos mutuamente excluyentes

está dada por:
P(A B) = P(A) + P(B)
Ejemplo:
Al lanzar un dado, ¿cuál es la probabilidad de que salga un
número menor que 2 ó mayor que 5?
1
Solución: P(<2) = 1 y P(>5) =
6 6

P(<2) ó P(>5) = P(<2) U P(>5)

= P(<2) + P(>5)
= 1 + 1
6 6
= 2 = 1
6 3
Caso 2: De no ser mutuamente excluyentes:
U
P(A B) = P(A) + P(B) – P(A B)

Ejemplo:
Al lanzar un dado, ¿cuál es la probabilidad de que salga un
número menor que 5 ó un número par?
Solución:

Casos posibles 6 {1,2,3,4,5,6}

Casos favorables (menor que 5): 4 {1,2,3,4}

 P (menor que 5) = 4
6

Casos favorables (número par): 3 {2,4,6}

 P (número par) = 3
6
Como 2 y 4 son menores que 5, y al mismo tiempo son
pares, se estarían considerando como casos favorables
dos veces.

Por lo tanto:
La probabilidad de que salga un número menor que 5 ó un
número par, al lanzar un dado se expresa como:

P (< 5) ó P(par) = P(<5) U P(par) – P(<5 par)

U

= P(< 5) + P(par) – P(<5 y par)

= 4 + 3 – 2
6 6 6

5
=
6
4.2 La probabilidad de que ocurra el suceso A y el suceso B,
siendo éstos independientes.

En este caso, ambos sucesos ocurren simultáneamente, A y B.

Caso 1: Cuando A y B son eventos independientes, se cumple que:

P( A B ) = P(A) · P(B)
U

Ejemplo:
¿Cuál es la probabilidad de que al lanzar dos veces un dado se
obtengan dos números pares?
Solución:
Casos posibles: 6 (1,2,3,4,5,6) Casos favorables: 3 (2,4,6)
Entonces:

P(dos pares) = P(par) y P(par) = P(par) · P(par)

= 3 3 1
· =
6 6 4
Caso 2: Cuando A y B son eventos dependientes corresponde
a la Probabilidad Condicionada.

Corresponde a la probabilidad de B tomando como espacio

muestral a A, es decir, la probabilidad de que ocurra B
dado que ha sucedido A.

P(A B)
U
P (B/A) =
P(A)
Ejemplo:
Al lanzar un dado, ¿cuál es la probabilidad de obtener un 4
sabiendo que ha salido par?

Solución:
B: Sacar 4 P (B/A) = 1
A: Número par = { 2,4,6 } 3
 4.3 Probabilidad con reposición.
Ejemplo:
Se tiene una bolsa con 30 pelotitas entre blancas y rojas, de
las cuales 12 son blancas, todas de igual peso y tamaño. Si se
extraen 2 pelotitas al azar, con reposición, ¿cuál es la
probabilidad de que ambas sean blancas?

Solución:
Primera extracción Segunda extracción (Con reposición)

Casos posibles: 30 Casos posibles: 30

Casos favorables: 12 Casos favorables: 12
Entonces:
P(dos blancas) = P(blanca) y P(blanca)

= P(blanca) · P(blanca)

= 12 12 144 4
· = =
30 30 900 25
 4.4 Probabilidad sin reposición.
Ejemplo:
Se tiene una bolsa con 30 pelotitas entre blancas y rojas, de
las cuales 12 son blancas, todas de igual peso y tamaño. Si se
extraen 2 pelotitas al azar, sin reposición, ¿cuál es la
probabilidad de que ambas sean blancas?

Solución:
Primera extracción Segunda extracción (Sin reposición)

Casos posibles: 30 Casos posibles: 29

Casos favorables: 12 Casos favorables: 11
Entonces:
P(dos blancas) = P(blanca) y P(blanca)

= P(blanca) · P(blanca)

= 12 11 132 22
· = =
30 29 870 145
 Probabilidad condicional

Se denomina así a la probabilidad de que ocurra el

evento A dado que ha ocurrido el evento B.

Pr ( A|B) = Pr (A ∩ B)
Pr (A)

Cuando dos sucesos A y B son independientes se

cumple que Pr (A|B)= P (A)
 Un ejemplo

fármaco Placebo Total

Mejora 500 300 800
No cambia 300 250 550
Empeora 60 180 240
Total 860 730 1590

Pr (mejora) = 800 / 1590 = 0,503

Pr (Mejora | fármaco) = 500 / 860 = 0,581

Teorema de Bayes.- Supóngase que A1, A2, A3,...,An
es una partición de un espacio muestral Ω. En cada
caso P(Ai) ≠ 0. La partición es tal que A1, A2,
A3,...,An, son eventos mutuamente exclusivos. Sea E
cualquier evento, entonces para cualquier Ai,

P( Ai ) P( E / AI )
P( Ai / E ) 
P( A1 ) P( E / A1 )  P( A2 ) P( E / A2 )    P( An ) P( E / An )
PROBABILIDAD

Como la probabilidad completa de E es :

P(E)  P(A1 )P(E/A1 )  P(A2 )P(E/A2 )    P(An )P(E/An )

entonces
P( Ai ) P( E / AI )
P( Ai / E ) 
P(E)
PROBABILIDAD
Ejemplo.-
En una pequeña empresa de tejidos se obtiene
su producción con tres máquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del número total de artículos
producidos.
Los porcentajes de productos defectuosos
producidos por estas máquinas son 3%, 4% y
5%. Supóngase que se selecciona un artículo
al azar y resulta ser defectuoso. ¿Cuál sería
la probabilidad de que el artículo haya sido
producido por la máquina M1?
PROBABILIDAD
Ejemplo.-
En una pequeña empresa de tejidos se obtiene
su producción con tres máquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del número total de artículos
producidos.
Los porcentajes de productos defectuosos
producidos por estas máquinas son 3%, 4% y
5%. Supóngase que se selecciona un artículo
al azar y resulta ser defectuoso. ¿Cuál sería
la probabilidad de que el artículo haya sido
producido por la máquina M1?
 PROBABILIDAD
Sea
D: Que el artículo sea defectuoso
ND: Que el artículo no sea defectuoso
M1: Que haya sido producido por la máquina 1
M2: Que haya sido producido por la máquina 2
M3: Que haya sido producido por la máquina 3

P(M1) = .50 P(D/M1) = .03

P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05
 P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97

P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND

P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
P(D) = .015+.012+.01=.037
 PROBABILIDAD
Por teorema de Bayes se tiene:

P( M 1 ) P( D / M 1 )
P ( M 1 / D) 
P( M 1 ) P ( D / M 1 )  P( M 2 ) P( D / M 2 )  P( M 3 ) P( D / M 3 )
P(M 1 ) P( D / M 1 ) (.50)(.03)
   .4054
P ( D) .037

La probabilidad de que el artículo defectuoso se

haya producido en la M1 es del 40.54%