PROBABILIDADES E INFERENCIA ESTADSTICA

(pag. 33-43)
1.4.3 PERMUTACIN
FACTORIAL DE UN NMERO. Sea n un nmero entero positivo, el factorial
de n, se denota por "n!" 0 "n" y se define como el producto de todos los
enteros consecutivos de 1 hasta n inclusive, es decir

As,

N!

= 1 x 2 x 3x...x(n - 1) n = n(n - 1) x...x 2 x 1.

5!

= 5 x 4 x 3 x 2 x 1 = 120

10!

= 10 x 9 x 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 = 3628800

observe que, n! = n(n - 1)!

De este ltimo, si n = 1, tenemos 1! = 1 x 0!. Luego definimos
convencionalmente 0! = 1.
Supongamos, ahora que estamos interesados slo en el nmero de elementos
que tiene, un espacio muestral cuyos, elementos son todas las ordenaciones (o
arreglos) posibles de un conjunto de objetos. Por ejemplo, podemos estar
interesados en saber, de cuntas formas posibles pueden sentarse 8
personas alrededor de una mesa?, o podemos preguntarnos, de cuntas
formas pueden adjudicarse los lugares de partida a los 10 participantes de una
carrera automovilstica?. Los diferentes arreglos se llaman permutaciones.
DEFINICIN 1.4.1 Una permutacin es un arreglo de todos o parte de un
conjunto de objetos.
Suponga que tenemos un conjunto de tres objetos, A = {a,b,c} y estamos
interesados en el nmero de arreglos (las posibles permutaciones), con los
elementos del conjunto A. Las posibles permutaciones son:
abc. acb, bac, bca, cab y cba
vemos que hay 6 permutaciones distintas:
Se puede llegar a la misma respuesta sin tener que escribir todas las
ordenaciones posibles, de la siguiente manera: los arreglos de los 3 objetos es
equivalente a disponerlos en 3 celdas, as

Hay 3 formas posibles de llenar la primera celda, con cualquiera de los tres:
objetos a, b y c; paca la segunda celda hay 2 formas posibles, cualquiera de los
dos objetos restantes despus de haber llenado la primera y solamente queda
una forma de llenar la tercera. Aplicando el principio de multiplicacin da un
total de 3 x 2 x 1 = 6 formas (o permutaciones).
En general, supongamos que tenemos un conjunto de n objetos, y estamos
interesados en el nmero de permutaciones que se puede hacer con los n
objetos, generalizando el proceso anterior tendremos, n casillas.
n

n-1 n-2 n-3

La primera casilla se puede llenar de n maneras; la segunda de n - 1 maneras

la tercera de n - 2, etc. la ltima de solo una manera. Aplicando el principio de
multiplicacin se tiene.
n(n - 1) (n - 2) (n - 3) ... 2 x 1 = n! permutaciones, que se denota por
Pn o P(n, n) o

Pnn . Es decir nPn o P(n, n) o

Pnn = n!

la cual se lee as: "nmero de permutaciones de n objetos tomados de n a n" o

simplemente nmero de permutaciones de n objetos diferentes. Para precisar
mejor damos el siguiente teorema.
TEOREMA 1.4.5 El nmero de permutaciones de n objetos diferentes es
n
Pn = nPn = n!

EJEMPLO 9. Un inspector visita 6 mquinas diferentes durante el da. A fin -de

impedir a los operadores que sepan cuando inspeccionar, vara el orden -de
las visitas. De cuntas maneras puede hacerlo?

SOLUCIN. Puesto que el inspector tiene que inspeccionar las 6 mquinas

diferentes, el nmero de maneras, es el nmero de permutaciones de las 6
mquinas. Es decir
P6 = 6! = 6 x 5 x 4 x 3 x 2 x 1 = 720 formas.

EJEMPLO 10. En una competencia automovilstica intervienen 40

participantes. De cuntas formas distintas se pueden adjudicar los lugares de
largada a los 40 competidores de la competencia?
SOLUCIN. Se desea saber de cuntas formas posibles se pueden ordenar
los 40 competidores. El nmero de tales ordenaciones posibles es

40

P40 = 40!

EJEMPLO 11. De cuntas maneras se pueden colocar 10 chicas en una fila,

de manera que dos chicas, en particular, no queden juntas?
SOLUCIN. Separemos del grupo una de las chicas en cuestin, de manera
que consideremos slo 9. Estas se podrn ordenar de 9! formas. Para cada
ordenacin de 9, la chica separada puede ubicarse en 8 lugares sin estar junto
a la otra chica en cuestin. Por lo tanto, de acuerdo con el principio de
multiplicacin, el nmero total de formas diferentes es. 8 x 9!.

EJEMPLO 12. De cuantas maneras se pueden colocar 12 nios en una fila,

de manera que cuatro nios, en particular, queden juntos?.

SOLUCIN. Separemos los cuatro nios en cuestin, de manera que

consideremos solamente 8. Estos se podrn ordenar de 8 formas. Para cada
ordenacin de 8 los 4 nios en cuestin pueden ubicarse en 9 lugares. Para
cada posicin, de los 4 nios, estos pueden ordenarse de 4! formas. Por lo
tanto, de acuerdo con el principio de multiplicacin, el nmero total de formas
diferentes es 4! X 9 x 8! = 4! x 9! .
Supongamos ahora que tenemos un conjunto con n objetos diferentes y
deseamos permutar r de estos n objetos 0 < r < n. Tendremos entonces r
celdas. La primera celda se puede llenar de n formas, la segunda de n - 1
formas, etc. y la r-sima celda de n -(r -1) = n r + 1
n

n-1 n-2 n-3

formas.
1-r+1

Aplicando el principio de multiplicacin, el nmero de permutaciones de los o

objetos diferentes tomados r a r es
n(n - 1)(n - 2)(n - 3) ... (n - r +1)
lo cual se puede escribir

n(n - 1)(n - 2) ... (n - r + 1)

( nr ) !
n!
=
( nr ) ! ( nr ) !

Que se denota por P(n,r), nPr o

Prn . Usaremos

Prn

o nPr,

indistintamente.
TEOREMA 1.4.6. El nmero de permutaciones de n objetos diferentes tomados
r a r es

Prn=nPr =

n!
( nr ) !

NOTA. Hemos visto que una permutacin es un arreglo' de todos o parte de los
elementos de un conjunto que tiene objetos diferentes. As, si A = {a, b, c} se
vio que las diferentes permutaciones son:
abc, acb, bac, bca, cab, cba
Es decir, el orden de los elementos es importante,
Observe, que estos elementos son comparables con las ternas ordenadas que
se pueden formar con los elementos d dicho conjunto sin repeticin de sus
elementos; (o sea no estn las ternas (a,a,a),(b,b,b,) y (c,c,c)).
(a,b,c) , (a,c,b) , (b,a,c) , (b,c,a) , (c,a,b) , (c,b,a)
En general, si el conjunto tiene n elementos. Una permutacin de los n
elementos, es una n-upla ordenada.; y el nmero de permutaciones de los n
elementos es el nmero de n-uplas ordenadas que se forman con los n
elementos sin repeticin.
Las permutaciones de los n-elementos tomados r a r, son r-uptas ordenadas, y
el nmero de permutaciones de Tos n elementos tomados r a r, es el nmero
de r-uplas ordenadas que se pueden formar con los n elementos sin repeticin.
EJEMPLO 13. Un grupo est formado por 5 personas y desean formar una
comisin integrada por presidente y secretario. De cuntas maneras puede
nombrarse esta comisin?
SOLUCIN. El cargo de presidente puede ser ocupada de 5 maneras
diferentes y una vez ocupado el cargo de presidente, el cargo de secretario
puede ser ocupado de 4 maneras diferentes; entonces la eleccin de la
comisin se puede hacer de 5 x 4 = 20 maneras diferentes o simplemente,
nmero de permutaciones de 5 personas tomadas 2 a 2.

P2 =

5!
( 52 ) !

= 5 x 4 = 20 maneras

NOTA. El lector puede dar nombres a las personas, digamos A,B,C,D,E.

Entonces, se busca todos los pares ordenados que se pueden formar con
dichas letras, sin repeticin.
(A , B) , (A , C) , (A , D) , (A , E)
(B , A) , (B , C) , (B , D) , (B , E)
(C , A) , (C , B) , (C , D) , (C , E)
(D , A), (D , B) , (D , C) , (D , E)
(E , A), (E , B) , (E , C) , (E , D)
Donde cada letra de la primera componente indica la persona que ocupa el
cargo de presidente, y la segunda, indica la persona que ocupa el cargo de
secretario. As (C, B) indica que C result elegido presidente y B secretario. Y
es sin repeticin, ya que el par (A , A) no est en la permutacin, pues si
estuviera significara que la persona A ocupa el cargo de presidente y
secretario; lo cual no puede ser.
EJEMPLO 14. Encontrar el nmero, total de enteros positivos que pueden
formar^ se utilizando los dgitos {1,2,3,4}, si ningn dgito ha de repetirse
cuando se forma un nmero.
SOLUCIN. El nmero total de enteros positivos es

P1 + 4P2 + 4P3 + 4P4 =4 +

4!
4!
+
+4!
( 42 ) ! ( 43 ) !

= 4 + 12 + 24 + 24 = 64 nmeros diferentes.
EJEMPLO 15. Se va a colorear un mapa de cuatro pases, con colores
diferentes para cada pas. Si hay disponibles 6 colores diferentes. De cuntas
maneras puede colorear el mapa?
SOLUCIN. Se necesita permutaciones de cuatro de un conjunto de 6
elementos. Es decir,

P4 =

6!
( 64 ) !

= 6 x 5 x 4 x 3 = 360 maneras.

EJEMPLO 16. En un mnibus que posee 37 asientos (en ocho filas de cuatro
asientos cada una con un pasillo en el medio, y al final 5 asientos juntos), se
desea ubicar 25 pasajeros.
(a) De cuntas formas se pueden ubicar?
(b) De cuntas formas se pueden ubicar si deciden no ocupar los ltimos 5
asientos?
(c) De cuntas formas se pueden ubicar si viajan cinco amigos que deciden
viajar juntos en los ltimos asientos?
(d) De cuntas formas se pueden ubicar si ocupan los 18 asientos que
poseen ventanilla?
(e) De cuntas formas se pueden ubicar si 10 de los pasajeros estn
enfermos y deben viajar en asientos que poseen ventanilla?
SOLUCIN
(a) En este Caso se debe calcular el nmero de grupos de 25 asientos que se
pueden formar de entre los 37 asientos considerando el orden, ya que en
los asientos elegidos los pasajeros se pueden distribuir de diferentes formas
y cada grupo de 25 asientos nos indicar cuales son los asientos elegidos
por los pasajeros. El nmero buscado es

37

P25 =

37 !
( 3725 ) !

(b) En este caso se considera slo 32 asientos. El razonamiento es el mismo

que en el caso anterior. El nmero buscado es

32

P25 =

32 !
( 3225 ) !

(c) Como los cinco amigos viajan juntos en el ltimo asiento, entonces los
restantes 20 pasajeros se ubicarn en los 32 asientos que quedan
disponibles Y razonando como antes, este nmero es

32

P20 =

32 !
( 3220 ) !

Ahora bien para cada una de estas ubicaciones disponibles de los 20 pasajeros
los 5 amigos se ubicarn de 5P5 = 5! formas distintas. Luego, el nmero
buscado es

32

32 !
.5!
( 3220 ) !

P20 . 5P5 =

(d) Primero veamos de cuntas formas pueden ocuparse los 18 asientos con
ventanilla. Se trata de hallar el nmero de grupos de 18 pasajeros que se
pueden formar con los 25 y considerando el orden. El nmero es

25

P18 =

25 !
25!
.
( 2518 ) ! 7!

Para cada una de estas formas de ocupar los asientos con ventanilla, de
cuntas formas se pueden ubicar los 7 pasajeros restantes en los 19 asientos
an libres?. Es claro que es de 19P7 formas. Y el nmero buscado es

25

P18 . 19P7 =

25 ! 19 !
.
7 ! 12 !

(e) Veamos antes de cuantas formas posibles se pueden ubicar los 10

pasajeros enfermos en los 18 asientos con ventanilla. Se trata de hallar
grupos de 10 asientos que se pueden formar de entre los 18 asientos,
dichas formas posibles son

18

P10 =

18 !
( 1810 ) !

Para cada una de estas ubicaciones de los pasajeros enfermos; De cuntas

formas se pueden ubicar los 15 pasajeros restantes en los 27 asientos an
libres?. Es evidente que es 27P15 formas. Por lo tanto, el nmero buscado es

18

P10 . 27P18 =

18 ! 27 !
.
8 ! 12 !

Las permutaciones que ocurren por arreglos de objetos formando (o alrededor

de un crculo) un crculo se llaman permutaciones circulares. En estas
agrupaciones no hay primero ni ltimo elemento, por hallarse todos en una
lnea cerrada. Para determinar el nmero de permutaciones circulares que
pueden formarse con los n objetos distintos de un conjunto, basta observar que
considerando fija la posicin de uno cualquiera de ellos, los n - 1 restantes
podrn cambiar de lugar, de (n - 1)! formas diferentes tomando todas las
posiciones sobre la circunferencia relativa al primer punto. Si cambiamos ahora
la posicin de este, los de los dems respecto de l ser seguro uno de los ya
considerados. Por lo tanto, el nmero de permutaciones circulares ser.
(n 1)!
La permutacin; circular se denota por Pg
TEOREMA 1.4.7. El nmero de permutaciones de n objetos distintos alrededor
de un crculo es
Pnc =( n1 ) !
EJEMPLO 17. De cuntas formas, diferentes pudieron .sentarse, en la ltima
cena, alrededor de la mesa, Jesucristo y ,los 12 apstoles?
SOLUCIN
(a) Si la mesa fuera circular, tendremos la permutacin circular. El nmero de
formas es
P13
= (13 - 1)! = 121
c

(b) Si la mesa no es circular, se tendr una permutacin de las 13 personas. El

nmero de formas es
13

P13 = 13!

1.4.4 PERMUTACIN CON REPETICIN

Hasta ahora hemos permutado .objetos diferentes (esto, es, se pueden
distinguir). Sin embargo, este no siempre es el caso. Supongamos por ejemplo,
que estamos interesados en el nmero de permutaciones distinguibles uno de
otro, que se pueden formar con las letras de la palabra "AMAR".
Si usramos la palabra "AMOR" en vez de "AMAR", la permutacin estudiada
es aplicable directamente y dara el nmero de permutaciones distinguibles 4P4
= 4! = 24. Sin embargo esperamos que, la respuesta al presente problema sea
menor que 24, pues tenemos letras, repetidas. As, la permutacin "MAOR" y
"MOAR" corresponden a, las permutaciones: indistinguibles "MAAR y "MAAR"
en nuestro problema. Luego, a cada permutacin de las letras, de "AMAR" le
corresponde 2P2 permutaciones de "AMOR" que aparecen como permutaciones
de las letras {A,0}, as
OMAR AMOR MAOR MOAR AOMR OAMR RAOM ROAM
MROA MRO MORA MARO ORMA ARMO AROM ORAM
RMOA RMAO ROMA RAMO OMRA AMRO AORM OARM
Reemplazando A por 0 vemos que cada uno de estos pares se vuelve
indistinguible en el caso de la palabra "AMAR". Por lo tanto, hay

4 P4 4!
=
2 P 2 2!

12 permutaciones distinguibles que se pueden hacer con la

palabra "AMAR".
Un ejemplo simple es el siguiente. Consideremos un conjunto con cuatro
elementos diferentes {a,b,c,d}. Luego hay 4! = 24 permutaciones distintas.
Supongamos ahora que

a=b=x y c=d=y
Entonces, se puede listar slo las siguientes permutaciones distinguibles
XXYY , XYXY , YXXY , YXYX , XYYX , YYXX
es decir, tenemos

2!1!}
4 P4
4!
=
2 P 22 P 2

= 6 permutaciones distinguibles.

Consideremos ahora el problema de contar el nmero de permutaciones de las

13 letras de la palabra "DIVISIBILIDAD". En este caso la letra I aparece 5
veces, la letra D aparece 3 veces, y cada una de las otras 5 aparecen
exactamente, una vez. 13P13 es el nmero de permutaciones de los elementos
de un conjunto que tiene 13 elementos tales como {D,A,V,E,S,I,B,0,L,U,T,N,R}.
Denotemos por P el nmero (desconocido) de permutaciones diferentes de las
letra de DIVISIBILIDAD. Correspondiendo a cada uno de estas permutaciones,
hay 5P5 . 3P3 permutaciones de las letras DAVESIBOLUTNR. Entonces ,.

P . 5P5 . 3P3 = 13P13 P =

13 P 13
13 !
=
5 P 5.3 P 3 5 ! 3 !

TEOREMA 1.4.8. El nmero de permutaciones distintas de n objetos de los

cuales n1 son de una clase, n2 de una segunda clase, ..., nk de una k-simo
clase y todo los dems objetos de clase 1, se denota por

Pnn ,n , , n
1

y est

dado como

Pnn ,n , , n =
1

n!
n1 ! n 2 ! n k !

EJEMPLO 18. Un estante de una librera tiene capacidad para 10 libros de

Matemticas que tiene pasta verde, 8 de Fsica de pasta roja y 7 de Qumica
de pasta azul. De cuntas maneras pueden colocarse los libros segn los
colores?

SOLUCIN Como interesa slo los colores, entonces sea n1 = 10, n2 = 8, n3 =

7. Luego, el nmero de permutaciones distinguibles es

P10,8,7
=
25

25 !
=21,034,600
10 ! 8 ! 7 !

EJEMPLO 19. Suponga que un da oscuro nacen en cierto hospital cuatro

pares de mellizos, idnticos, dos pares de mellizas, idnticas, nueve nios y
once nias. Se utiliza una tinta no indeleble para escribir sus nombres. El da
siguiente (an oscuro) la tinta desaparece. De cuntas maneras es posible
mezclar los nios?
SOLUCIN. Aqu n1 = 2 , n2 = 2 , n3 = 2 , n4 = 2 para nios y n5 = 2, n6 = 2 para
nias. Y el total de nios es n = 32, luego

2,2,2,2,2

P32

32 !
32 !
=
2 ! 2 ! 2! 2 ! 2 ! 2! (2! )6

1.4.5 PARTICIN DE UN CONJUNTO

A menudo se necesita contar el nmero de formas de particionar un conjunto
de n objetos diferentes en r subconjunto llamados celdas. La particin se hace
teniendo en cuenta los siguientes criterios:
1. Los r subconjuntos son disjuntos dos a dos.
2. La unin de todos los subconjuntos es igual al conjunto original.
3. El orden de los elementos dentro de cada celda no tiene importancia.
Empezaremos considerando un ejemplo simple. Sea el conjunto {a,b,c,d,e}.
Las posibles particiones en dos celdas,' en las que la primera contenga cuatro
elementos y la segunda slo un elemento, son:
{{a.b.c.d} , {e}} , {{a.b.c.e} , {d}} , {{a.b.d.e} , {c}} '' {{a.c.d.e} , ib}} , {{b.c.d.e} , {a}}
vemos que hay 5 formas distintas de hacer una particin de un conjunto de
cinco elementos en dos celdas (o subconjuntos) que contenga cuatro

elementos en la primera y uno en la segunda. El nmero de particiones para

este ejemplo se puede escribir as,
5!
=5
4!1!

Consideremos ahora el ejemplo siguiente

EJEMPLO 20. Suponga que un hombre tiene 8 bonos financieros diferentes de
-ocho compaas distintas, y que piensa regalarlos a sus hijos de la siguiente
manera: a su hijo mayor, 3; a su segundo hijo, 3; y al menor, 2. En cuntas
formas puede repartir los bonos?
SOLUCIN. Una de las formas sera tomar los bonos, alinendolos y dar los
tres primeros a su hijo mayor, los siguientes tres al segundo y los dos ltimos al
menor.

Como existen 8P8 = 81 formas de alinearlos en la mesa, tambin son 8! , las

formas eh que pueden ser distribuidos. Sin embargo, no todas estas formas
-son diferentes. Hay 3! maneras de arreglar el orden de los bonos para su
primer hijo, 3! para los de su segundo hijo, y 2! para los del tercero. Por lo
tanto, los bonos pueden repartirse de
8!
= 560 formas .
3 !3 !2 !
Este argumento puede generalizarse a un conjunto con n elementos y a r
subconjuntos, tal que el primero tenga n1 elementos, el segundo, n2, y el rsimo subconjunto nr elementos (n1 + n2 + ... + nr = n). El nmero de divisiones
posibles est dado por

n!
n1 ! n 2 , nr

que se denota as

n
n1 ,n 2 , , nr

. Donde el nmero superior representa

el nmero total de elementos del conjunto y los nmeros inferiores representan

al nmero de elementos asignados a cada celda.
TEOREMA 1.4.9. El nmero de formas posibles, que n objetos diferentes
pueden dividirse en r grupos distinguibles conteniendo n 1, n2, , nr objetos
respectivamente donde n1 + n2 + + nr = n, es

( n ,n n, , n )= n ! ,n n!! , , n !
1

Pg. 44-53
1.4.6 COMBINACIN
En muchos casos estaremos interesado en el nmero de formas de seleccionar
r objetos de n, sin importar el orden. Estas selecciones se llaman
Combinaciones
DEFINICIN 1.4.2. Un subconjunto de r elementos de un conjunto que tiene n
elementos diferentes, se llama una combinacin de los elementos n tomados r
a r.
Determinaremos ahora, el nmero de combinaciones de r elementos que se
pueden formar con los n objetos diferentes de un conjunto. Este nmero se
nota por
Crn o C (n , r )
Comenzaremos nuestra discusin considerando un conjunto: de cuatro,
elementos diferentes {a,b,c.d}. Tenemos los siguientes subconjuntos no vacos

{a}, {b}, {c) , {d}

{a,b} , {a,c} , {a.d} , {b,c) , {b,d} , {c,d}
{a,b,c} , {a,b,d} , {a.c.d} , {b.c.d} , {a,b,c,d}
Existen cuatro subconjuntos de un elemento. Es decir el nmero de
C14 = 4, uno por cada elemento.

combinaciones d un elemento es 4, o

Tambin hay seis subconjuntos de 2 elementos; por lo tanto el nmero de

combinaciones de 4 elementos; tomados 2 a 2 es 6 o sea

C24 = 6. As mismo

hay cuatro subconjuntos de 3 elementos; es decir el nmero de combinaciones

de 4 elementos tomados 3 a 3 es 4, o sea
C34

= 4; y hay slo un subconjunto de cuatro elementos, por lo tanto el

nmero de combinaciones de 4 elementos tomados 4 a 4 es uno o sea

C 44 =

1.
En general con un conjunto que tiene n elementos se formar:
(a) n combinaciones de un elemento (combinaciones de los. n elementos
tomados. uno a uno); es decir C14 - n .
(b) n combinaciones de n - 1 elementos (combinaciones de los n elementos
tomados de n - 1 a n - 1); es decir
n 1

Cn =n
(c) Una combinacin de n elementos (combinaciones de los n elementos
tomados n a n); es decir
n

Cn =1
Luego, el problema ser, calcular el nmero de combinaciones de los n
elementos tomados r a r, o sea

Crn , con

r 1, n -1, n
2
C 4 = 6. Adems se puede observar,

En el ejemplo discutido hemos obtenido

que hay una conexin entre el problema planteado y el problema de

permutaciones considerado en la seccin anterior. Para esto escribimos todas
las combinaciones de 4 elementos tomados 2 a 2 en una columna como
muestra la siguiente tabla y a su derecha sus respectivas permutaciones.
P22

{|

{a , b } ( a , b ) ,
{a , c } ( a , c ) ,
( a ,d ) ,
C24 {a , d }
{b , c } ( b , c ) ,
{b . d } ( b ,d ) ,
{c , d } ( c , d ) ,

(b , a)
(c , a)
(d , a)
P 24
(c , b)
(d , b)
(d , c )

Note que, cada par ordenado de la derecha de la recta es una permutacin de

2 a 2 del conjunto situado a la izquierda de la recta, en la misma fila. Para cada
subconjunto de dos elementos hay, pues

P22 permutaciones. Entonces,

es el nmero de columnas a la derecha de la recta y

P22

C24 es el nmero de

filas. Adems todos los elementos que estala derecha dla recta es el
nmero total de permutaciones de 2 a 2 que se puede formar con los
elementos del conjunto {a.b.c.d}. Es decir, es
2

P24 . Por lo tanto, se tiene que

C 4 . P2=P 4
2

P
4!
C = 42 =
=6
P 2 2 ! 2!
2
4

En general, consideremos ahora un conjunto con n elementos diferentes,

denotar el nmero (desconocido) de combinaciones de los n elementos

Crn

tomados r a r. Imaginemos una tabla en la cual cada una de las combinaciones

de r elementos determina una fila. En cada una de las filas escribiremos a su
derecha las

Prr , permutaciones de los r elementos del conjunto que identifica

la fila.

{}

r nmero de columnas

Pr

r elementos
( ...... )( ...... ) (......)
{ }
{ } r uplas r uplas

Crn
{ }

nmero de filas { }

{ } ( ...... )( ...... ) (......)

{ } r uplas r uplas
{}

r elementos

El nmero total de permutaciones de n elementos diferentes tomados r a r que

se pueden formar con los n elementos del conjunto es

Prn . Es decir, el

nmero total de elementos de la tabla. Luego,

Crn . Prr=P rn
de donde,

n!
P
( n1 ) !
n!
r
Cn = =
=
r!
r ! ( nr ) !
P
r
n
r
r

Este nmero, en Matemtica tiene un smbolo especial.

n!
(nr)= r ! ( n1
)!
Llamados coeficiente Binomial, porque aparece como coeficiente en el
desarrollo del binomio (a+b)n.

Nota: Una combinacin de n elementos distintos tomados de a r, en realidad

es una particin del conjunto en dos subconjuntos (o celdas), donde una de
ellas contiene r objetos y la otra las n - r restantes. Por lo tanto, el nmero de
tales combinaciones ser el nmero de particiones, es decir
n!
n
=C
(r , n1
)= r ! ( nr
)!

r
n

TEOREMA 1.4.10. El nmero de combinaciones de n objetos diferentes

tomados r a la vez, es
n!
Crn = n =
r r ! ( nr ) !

()

EJEMPLO 21. Se extraen dos cartas de una baraja de 52 cartas. De cuntas

maneras se puede hacer esto?
SOLUCIN. Se necesita slo subconjuntos de dos cartas, sin importar el orden
entonces, en nmero de forma de seleccionar estas dos cartas es

C252=

52 !
52 x 51
=
=26 x 51=1326
2 ! 50!
2

EJEMPLO 22. Un estudiante tiene que contestar 8 de 10 preguntas en un

examen.
(a) De cuntas maneras puede el estudiante escoger las 8 preguntas?
(b) Si las tres primeras son obligatorias, de cuntas maneras puede escoger
las preguntas?
(c) Si tiene que contestar 4 de las 5 primeras. De cuntas formas puede
hacerlo?
SOLUCIN
(a) Como interesa subconjuntos de 8 preguntas de un conjunto de 10
preguntas sin importar el orden, esto sera de

C10=

10!
=45 formas
8!2!

(b) Puesto que las tres primeras preguntas son obligatorias; las 5 restantes
tendr que escoger de las 7 preguntas sobrantes. Luego, esto se hace de
1.C 57=

7!
=21 formas
5 ! 2!

(c) Si tiene que contestar 4 de las 5 primeras, lo hara de

C54=5

maneras. Y

las 4 preguntas restantes seleccionar de las 5 preguntas finales, lo cual lo

hara de

C54=5

formas. Entonces las 8 preguntas se seleccionar de

C54 . C 45=5 . 5=25 formas

EJEMPLO 23. De cuntas maneras puede seleccionarse una partida de 4 o
ms personas, si hay 10 personas disponibles?
SOLUCIN. Nos interesa los subconjuntos de 4,5,6,7,8,9, y 10 personas que
se pueden formar con las 10 personas disponibles. Esto se har de
4

10

C10 +C 10+C 10+ C10 +C10 +C 10+C 10=

10 ! 10 ! 10 ! 10! 10 ! 10 !
10 !
+
+
+
+
+
+
=848
4 ! 6 ! 5! 5 ! 6 ! 4 ! 7 ! 3 ! 8! 2! 9 ! 1! 10 ! 10!
EJEMPLO 24. Suponga que queremos formar comisiones de cuatro miembros
de un grupo de 4 hombres R,S,T,U y 5 mujeres V,W,X,Y,Z. Si adems se
especifica que R y S no pueden estar en la misma, comisin a menos que la
comisin est formado por lo menos por una mujer. Cul es el nmero de
comisiones que se puede formar?
SOLUCIN. Los diferentes casos que se presentan en la solucin del
problema, se visualiza esquemticamente en el siguiente diagrama:

R est en la comisin y S no est, entonces de las 9 personas quedan 7, y de estos; 7 deben sal ir las
Igual que el caso anterior, S est y R no est.
Ni R ni S estn en la comisin, entonces de los 7 deben salir los 4 de la comisin

. R y S estn en la comisin, entonces hay formas de escoger una mujer y es el nmero de formas d

Igual R y S estn en la comisin y hay dos mujeres en la comisin lo cual se puede hacer de formas.

Luego, el nmero total de comisiones aceptable es

2C 37 +C 47 +C 15 . C12 +C 25=125

Observe que el problema puede resolverse as: Hay

C 49 = 126 comisiones

que se pueden formar con los 4 hombres y 5 mujeres. Y hay una comisin
conformada por los cuatro hombres R,S,T,U no aceptable. Luego, el nmero de
comisiones aceptables es 126 - 1 = 125.
EJEMPLO 25. Cuntas comisiones integradas por un chico y una chica
pueden formarse de cinco chicos y ocho chicas, si cierto chico rehsa trabajar
con dos chicas?
SOLUCIN. Si llamamos R al chico que no quiere trabajar con dos chicas. Los
diferentes casos se muestra en el diagrama siguiente
R est Ren la comisin, entonces de las 8 chicas quedan solamente 6.
R no est
R en la comisin, entonces de los 4 restantes chicos sale 1 y otro de las 8 chicas

Por lo tanto, el nmero total de comisiones aceptables ser

C16 +C 14 x C 18=6 +32=38

Observe, que el problema puede resolverse as: hay

C16 C 15 = 40 comisiones,

en los cuales hay dos que no es aceptable. Luego, hay 40-2=38 comisiones
aceptables.
EJEMPLO 26. El asta de bandera de un barco tiene tres posiciones en las que
puede colocarse una bandera. Suponiendo que el barco lleva cuatro banderas
(diferentes) para hacer seales.
(a) Cuntas seales diferentes pueden hacerse con una bandera? (se supone
que la misma bandera colocada en posiciones diferentes indica diferentes
seales).
(b) Cuntas seales diferentes pueden hacerse con dos banderas?
(c) Cuntas seales diferentes pueden hacerse con las banderas?
SOLUCIN
(a) Veamos primero de cuntas formas puede seleccionarse una bandera, lo
cual se puede hacer de

formas. Puesto que la misma bandera,

C4

colocada en posiciones diferentes indica seales diferentes, entonces por

cada bandera seleccionada hay

P13 , seales diferentes. Por lo tanto, el

nmero total de seales que puede hacerse con una bandera es

1

C 4 . P3=4 x 3=12
(b) En este caso el nmero de maneras de escoger 2 banderas de entre los
cuatro que lleva el barco es
dos banderas hay

2
C 4 y por cada uno de estos subconjuntos de

2
P3 seales diferentes que se pueden formar (es una

permutacin puesto que interesa la posicin donde se pone cada bandera).

Luego, el nmero de seales diferentes que pueden hacerse con 2
banderas es

C 4 . P 3=

4!
3!
.
=36
2 ! 2! ( 32 ) !

(c) Puesto que se dispone slo de 3 astas, entonces escogeremos

subconjuntos de 3 banderas de las 4 existentes para seales. Esto se hace
de

C34 formas y para cada uno de estas combinaciones hay

P33

seales diferentes que pueden hacerse. Entonces, el nmero de snales

diferentes que se pueden hacer con todas las banderas es
3

C 4 . P3=

4!
.3 !=24
3 ! 1!

EJEMPLO 27. Una joven tiene 15 amigos.

(a) De cuntas maneras puede invitar a una cena a 6 de ellos?
(b) Si entre las 15 personas hay dos matrimonios y cada pareja asisten juntos a
cualquier reunin. De cuntas maneras puede invitar a 6 amigos?
(c) Si entre las 15 personas hay 2 que no pueden estar en la misma reunin.
De cuntas formas puede invitar a 6 amigos?
SOLUCIN. En cada caso se debe extraer un conjunto de 6 personas,
entonces se trata de un problema de combinaciones.
(a) El nmero de maneras de elegir 6 personas de un grupo de 15 es
6

C15
(b) Se puede presentar los siguientes casos:
(i)
Ninguno de los dos matrimonios -estn en la cena, entonces de los 11
restantes debe elegirse 6. El nmero de formas de elegir 6 de 11 es
(ii)

C611
Uno de los matrimonios asiste a. la reunin y los 4 restantes debo
elegirse de las otras 11 personas.
El nmero de formas de elegir un matrimonio de los dos es
nmero de maneras de escoger 4 personas de 11 es
Por lo tanto, el nmero de formas de elegir los 6, es

(iii)

C12

y el

4
.
C11

C12 x C 411

Los dos matrimonios asisten a la cena. El nmero de formas de elegir

los dos matrimonios, es

C2

Las dos personas restantes se elige de los 11; y el nmero de maneras

es C211 . Por lo tanto, el nmero de formas de elegir los 5, es
C22 x C 211 . Finalmente, el nmero de maneras de invitar a 6 amigos, es
4
2
Cc611 +C 12 x C11
+ C22 x C11

(c) Se presentan los siguientes casos:

(i)
Ninguna de las personas en cuestin estn en la reunin, entonces las
6 personas se eligen de las 13. El nmero de maneras de escoger 6 de
13 es
5

C13
(ii)

Una de las personas en cuestin est en la reunin, entonces las 5

personas restantes se eligen de las 13. El nmero de maneras de
escoger una de las dos personas en cuestin de
formas de elegir 5 de 13 es
6 personas, es

C2

y el nmero de

5
C11 . Por lo tanto, el nmero de elegir las

C2 x C 13

Finalmente el nmero de maneras de elegir 6 amigos en el caso (c), es

C613 +C 12 x C 513
1.4.7 NOTAS SOBRE MUESTREO CON V SIN REEMPLAZO
Suponga un conjunto con n objetos. Considere el problema anterior de extraer r
objetos de este conjunto. Puede no interesar el orden en que se extraen los
objetos. Tambin la extraccin se puede hacer con o sin reemplazamiento.
Sobre este ltimo hemos dado una breve nota al pasar en 1.2. Aqu
formalizaremos estos conceptos.

DEFINICIN 1.4.3. Si al extraer los r objetos del conjunto de n objetos, se

considera el orden en que son seleccionados los objetos; el conjunto de los r
objetos extrados, se llama una muestra ordenada de tamao r.
DEFINICIN 1.4.4. Cuando un objeto se extrae y se reemplaza antes de
extraer el siguiente objeto, se dice que el muestreo es con reemplazamiento.
Calculemos ahora, el nmero de formas de extraer una muestra ordenada de
tamao r de un conjunto de n objetos, si el muestreo es con reemplazamiento.
La primera extraccin ocurre de n formas, uno por cada objeto; la segn da
extraccin tambin ocurre de n formas, ya que el muestreo es con
reemplazamiento. Entonces, el numero de formas de extraer dos objetos con
reemplazamientos ser n.n = n2. Igualmente para la extraccin de 3 objetos el
nmero de formas es
n2 . n = n 3
y para cualquier nmero r de extracciones, el nmero de formas ser n r.
DEFINICIN 1.4.5. Si al extraer un objeto no se reemplaza, para extraer el
-siguiente, se dice que el muestreo es sin reemplazamiento.
El nmero de formas de extraer muestras ordenadas de tamao r de un
conjunto de n objetos, si el muestreo es sin reemplazamiento se obtiene as la
primera extraccin ocurre de n formas, la segunda extraccin ocurre de n - 1
formas. Entonces, el nmero de formas de extraer dos objetos sin
reemplazamiento es n(n - 1). Similarmente para la tercera extraccin hay n - 2
formas Luego, el nmero de formas de extraer 3 objetos es n(n - 1)(n - 2). As
sucesivamente, el nmero de formas de extraer una muestra de tamao r, sin
reemplazamiento es

n ( n1 )( n2 ) ( nr +1 ) =

n!
(1r )

el cual es equivalente a

r
Pn , nmero de permutaciones de n objetos tomados

r a r. Si no interesa el orden en que se extraen los elementos de la muestra El

nmero de maneras de escoger r objetos de los n, est dado por
EJEMPLO 28. Considere las placas de automviles que tiene tres letras
seguidas de tres dgitos. Si pueden emplearse todas las combinaciones
posibles, cuntas placas diferentes pueden formarse?.
SOLUCIN. Las placas forman 6-uplas ordenadas; donde las tres primeras
son letras y las tres siguientes dgitos. Como no hay restricciones respecto a
las letras y nmeros que se usan; es decir puede usarse letras y nmeros
iguales. Entonces, hay (26)3 formas ordenadas de extraer las tres letras y (10) 3
formas de extraer los tres nmeros. Luego, el nmero de formas de formar
placas con tres letras seguidas de tres dgitos es
(26)3 . (10)3 = 17576(10)3
1.7.1 REGLA DE MULTIPLICACIN
De la definicin de probabilidad condicional, obtenemos una frmula para hallar
la probabilidad de la interseccin (o producto) de los evento A y B, esto es, de

P[ AB]=
P [ B| A =

P [ A B ]
. P [ B ] >0
P [ B]

P[AB]
. P [ A ]> 0
P[A]

Multiplicando ambos miembros de la expresin (1) por P[B] y por P[A] la

expresin (2), obtenemos las ecuaciones
P[A

B] =

P[A B] =

P[8] P[A | B] =

P[AB]

P[A] P[B|A]

P[AB]

y
,

este resultado en teora de probabilidad, se denomina REGLA DE

MULTIPLICACIN o probabilidad de la interseccin, (tambin probabilidad
conjunta); expresa la probabilidad de que ocurra los eventos A y B

es igual a

la probabilidad de la ocurrencia de uno de ellos multiplicado por la probabilidad

condicional que ocurra el segundo, dado que el primero ha ocurrido.
EJEMPLO 13. Una urna contiene 5 bolas blancas y 6 negras; se extrae al azar
sucesivamente y sin reposicin (con reposicin) dos bolas, cul es la
probabilidad que las dos resultan blancas?
SOLUCIN

(a)

Sin reposicin.

PRIMERA FORMA. Sean los eventos:

A1: "La primera bola result blanca".
A2: "La segunda bola result blanca".
E : "Las dos bolas resultan blancas".
Es claro que la probabilidad pedida es la del evento
E = A1 A2 = A1A2
Es decir, E es la interseccin de los dos eventos y la ocurrencia de A1 influye
en la de A2. 0 sea
P[E] =

P[A1A2] =

P[A1] P[A2 | A1]

En la urna hay 11 bolas de los cuales 5 son blancas, entonces

P [ A 1 ]=

5
11

Despus de la ocurrencia del evento Alf queda 10 bolas de las cuales 4 son
blancas, luego

P [ A 2A 1 ] =

4
10

Por lo tanto

P [ E ] =P [ A 2A 1 ] =

5 4
2
x =
11 10 11

Un esquema que ayuda a visualizar la solucin de este problema es

SEGUNDA FORMA. El problema se puede enfocar de otra manera: Como

existe 5 + 6 = 11 bolas, el nmero de formas de seleccionar dos de ellas esta
dado por

(112)

y cada una de estas formas tienen igual probabilidad de

ocurrir. El nmero de sucesos favorables al evento E, la obtenemos de la

siguiente manera: como existen 5 bolas blancas, podemos elegir dos de ellas
de

(52)

formas diferentes, luego aplicando la definicin clsica es,

5
5!
(
2) 2 ! 3 ! 2
P [ E ]=
=
=
11 ! 11
11
( 2 ) 2!9!

(b) Con reemplazo. En este caso tambin el evento E se escribe como la

interseccin de los eventos A1 y A2. O sea E = A1A2. Y la ocurrencia de A1 no
afecta a la ocurrencia de A2. En efecto:

P [ A 1 ]=

5
11

Puesto que despus de la ocurrencia de A1 se devuelve la bola a la urna,

tambin:

P [ A 2A 1 ]=

5
11

El esquema siguiente ayuda a visualizar la solucin del problema.

EJEMPLO 14. En el ejemplo 13. Cul es la probabilidad de obtener una bola

do cada color?
SOLUCIN (a) Sin restitucin.
PRIMERA FORMA. Sean los siguientes eventos:
A1: "La primera bola result blanca".
A2: "La segunda bola result blanca".
B1: "La primera bola result negra".
B2: "La segunda bola result negra".
E : "Obtener una bola de cada color".
En este caso la probabilidad pedida, es, la del evento E formado por la unin
de los eventos A1B2 y B1A2, es decir, E = A1B2 U B1A2 y como dichos eventos
son mutuamente excluyentes, tenemos
P[E]

= P[A1B2] + P[B1A2]
= P[A1] P[B2|A1] + P[B1] P[A2 | B1]

(1)

La ocurrencia del primer evento influye en la ocurrencia del segundo. Pues lo

que en la urna hay 11 bolas de las cuales 5 son blancas, se tiene

P [ A 1 ]=

5
11

Similarmente P[B1] = 6/11

Despus de la ocurrencia de A1, queda 10 bolsas de las cuales 6 son negras,
entonces:
P[B2 | A1] = 6/10

Similarmente P[A2 | B1] = 5/10. Por lo tanto, reemplazando estos resultados en

(1) se obtiene:

P [ E ]=

5 6 6 5
6
x + x =
11 10 11 10 11

Un diagrama que ayuda a visualizar estos problemas en el llamado ARBOL DE

PROBABILIDAD PARA EXPERIMENTOS SUCESIVOS y es como indica la
figura 1.7.8

Fig. 1.7.8
Cada rama completa del diagrama del rbol, se llama una trayectoria y
representa un posible resultado del experimento. En cada segmento que une la
secuencia de experimentos se pone sus respectivas probabilidades.
SEGUNDA FORMA. El nmero de formas de extraer dos bolas de 11 es

(112)
Cada uno de estos son igualmente posibles.

(51)

Nmero de sucesos favorables al evento E: Existen

una bola blanca y

(61)

formas de elegir

formas de elegir una bola negra, entonces aplicando

el principio de multiplicacin, el nmero de sucesos favorables a E est dado

(51) (61)

y aplicando la definicin clsica es

5 6
(
1 )(1 ) 5 x 6
5 x6
6
P [ E ]=
=
=
=
11
!
11
x
5
11
(112) 2 ! 9 !

(b) Con restitucin. Como en el caso anterior se pide calcular la probabilidad

del evento E = A1B2 U B1A2. Es evidente que
P[E]

= P[A1B2] + P[B1A2]
= P[A1] P[B2|A1] + P[B1] P[A2 | B1]

5 6 6 5
60
x x x =
11 11 11 11 121

EJEMPLO 15. En un sistema de alarma, la probabilidad que se produzca

peligro es 0.10. Si ste se produce la probabilidad que la alarma funcione es de
0.95. La probabilidad que funcione la alarma sin haber ha' do peligro es 0.03.
Determinar la probabilidad que haya un peligro y 1 alarma no funcione.

SOLUCIN Definimos los siguientes eventos:

P : "hay peligro",
F : "la alarma funciona". Entonces, F: "la alarma no funciona".
Luego, debemos determinar la probabilidad del evento:
P F

: "haya peligro y la alarma no funciona"

P[P F ] = P[P] p[ F

|P]

P[P] = 0.10. Si ocurre el evento P, P[F | P] = 0.95 pero

P[ F |P]= 1-P[F|P]= 1- 0.95 = 0.05.

(teorema 1.7.2)

Por lo tanto,

P[P F ] =

(0.10) (0.05)

0.005.

Fig. 1.7.9 rbol de probabilidades para el problema 15.

TEOREMA 1.7.5. Si A, B y C son eventos de , tales que P[A] 0 y P[AB]
0, entonces
P [ C|A C ] =P [ A ] P [C A B]

DEMOSTRACIN. Consideremos dos eventos A B y C; de la definicin

de probabilidad condicional
AB

P [ A B]
P [ B| A ] =
P[ A]
P
P [C A B]
P [ C|A B ] =

P [ A ] P [ B| A ] P [ C|A B ] =P[ A ]

P [ A B] P[ A B C]
x
P[ A ]
P [ A B]

P[ A B C ]

El siguiente teorema es una generalizacin del teorema anterior.

TEOREMA 1.7.6 Si A1 , A2, ..., An son eventos de un espacio muestral finito y
P[A1 A2 An] 0, entonces
P[A1 A2 An] = P[A1] P[A2|A1] P[A3|A1A2].
la demostracin queda como ejercicio para el lector interesado.

EJEMPLO 16. Dos establos A y B tienen 1,000 cabezas de vacuno cada uno.
Existe una epidemia que afecta a los cascos y la boca del ganado. La

proporcin de ganados afectados con

1
5

1
4

respectivamente (por

establo).
Se escoge un ganado al azar.
(a) Cul es la probabilidad que el ganado escogido viene del rancho y tiene
afeccin a los cascos y la boca?.
(b) Si el 70% de los ganados afectados tienen edad menor que un ao, cul
es la probabilidad que el ganado escogido venga del rancho B, tiene|
afeccin y es mayor que un ao de edad?
SOLUCIN. Definimos los siguientes eventos:
A: "el ganado escogido es del rancho A"
B: "el ganado escogido es del rancho B"
E: "el ganado tiene afeccin al casco y la boca"
(a) Debemos calcular
P[AE] = P[A] P[E|A] =

1000 1 1
x =
2000 5 10

(b) Definimos el evento F: la vaca escogida tenga edad mayor que un ao.
Entonces,
P[BEE] = P[B] P[E|B] P[F|(BE)]
=

1000 1 75 1 1 3
3
x x
= x x =
2000 4 250 2 4 10 80

ya que en el rancho B hay 250 ganados afectados y de estos el 30% son

mayores que un ao de edad.

Fig. 1.7.10 rbol de probabilidad para el problema 16

EJEMPLO 17. Un lote de 100 fusibles contiene 2 fusibles defectuosos. Si se

prueban los fusibles uno por uno, cul es la probabilidad que el ltimo fusible
defectuoso sea detectado en la tercera prueba?
SOLUCIN. Definimos los siguientes eventos.
Dij: el i-simo defectuoso se obtuvo en la extraccin i = 1,2 ; j = 1,2,3
Bij: el i-simo bueno se obtuvo en la j-sima extraccin j = 1,2, ; j = 1,2,3
E: el ltimo fusible defectuoso es detectado en la tercera prueba
En el diagrama del rbol de probabilidades, podemos seguir slo por las ramas
que cumplen las condiciones requeridas por el evento cuya probabilidad se
quiere calcular (en nuestro caso el evento E) y llegar solamente a los
resultados favorables a dicho evento. Para el problema en cuestin, siguiendo
este proceso se obtiene el rbol de probabilidades de la fig. 1.7.12. De donde
el evento E se escribe

E = D11 B12 D23 U B11 D12 D23

Luego,

P[E]

= P[D11 B12 D23] + P[D11 B12 D23]

= P[D11] P[B12|D11] P[D23 | D11 B12] + P[B11]
P[D12|B11] P[D23|B11D12]

2 98 1
98 2 1
. . .+
. .
100 99 98 100 99 98

EJEMPLO 18. Un lote de 100 lmparas contiene 10 piezas defectuosas. Si se

selecciona 3 lmparas aleatoriamente, cul es la probabilidad que slo una
sea defectuosa?
PRIMER MTODO. Definimos Tos siguientes eventos:

D : "se selecciona una lmpara defectuosa".

N : "se selecciona una lmpara no defectuosa".
A : "slo una sea defectuosa de las tres extradas"

Siguiendo el mismo proceso del ejemplo anterior se obtiene el diagrama del

rbol de probabilidades de la fig. 1.7.13. De donde
A = NND U NQN U ONN
Eventos Favorables a

Fig. 1.7.13
P[A]

= P[NND] + P[NDN] + P[DNN]

90 89 10 90 10 89 10 90 89
. . .
. . +
. .
100 99 98 100 99 98 100 99 98

89
89
89
267
+
+
=
=0.2476
10 x 98 11 x 98 11 x 98 1078

SEGUNDO MTODO. El nmero de elementos del espacio muestral es

(1003)
A tiene

. Como el evento A contiene 1 defectuoso y 2 no defectuoso, entonces

(101)(902)

elementos. Luego, por la

definicin clsica es

10 90
90!
10 x
(
)(
)
1 2
88 ! 2 ! 3 x 89
267
P [ A ]=
=
=
=
=0.2476
100!
11 x 98 1078
100
( 3 ) 97 ! 3 !

EJEMPLO 19. Un grupo que consta de 5 hombres y 10 mujeres se divide al

azar en cinco grupos de tres personas cada uno. Calcular la probabilidad
que en cada grupo haya un hombre.
SOLUCIN. Definimos los siguientes eventos:
Ai : "en el grupo haya un hombre (i = 1,2,3,4,5)".
A : "en cada grupo de 3 personas haya un hombre".
El evento A se escribe as, A = A1A2A3A4A5 , Luego,
P[A] = P[A1] P[A2 | A1] P[A3 | A1A2] P(A4I A1A2A3] P[A5 | A1A2A3A4]

( 51)(102) . (41 )(82) . (31)(62) . (21)(42) . 1

(153) (123) ( 123) (63) 1
5 ! 10! 4 ! 8 !
3! 6!
4!
x
x
x
2! x
4 ! 8 ! 2 ! 3 ! 2! 6 ! 2 ! 2! 4 !
2! 2 !

x
x
x
x1
15 !
12!
6!
6!
3! 12 !
3!9!
3! 6!
3!3 !

5 ! 10 ! 35
=0.081
15 !

EJEMPLO 20. En un cajn hay 80 tubos buenos y 20 malos; en un segundo

cajn el 30% son malos y en un tercer cajn, el 25% son malos. Se sabe que
ni nmero de tubos del tercer cajn es el triple de los que hay en el segndo y
en total hay 260 tubos. Se mezclan los tubos de las tres cajas.
(a) Al extraer, al azar, un tubo; calcule la probabilidad que sea malo, si se sabe
que pertenece al segundo cajn.
(b) Al extraer, al azar, 2 tubos; calcule la probabilidad que el primero y el
segundo sean malos.

SOLUCIN. Sea x el nmero de tubos en el segundo cajn, o sea

100 + x + 3x = 260 ,
de donde x = 40 , y 3x = 120 .
Entonces, en la primera caja hay 100 tubos de los cuales 80 son buenos y 20
malos; en el segundo cajn hay 40 tubos de los cuales 28 son buenos y 12
malos; y en el tercer cajn hay 120 tubos de los cuales 90 son buenos y 30
malos.
(b) Sea D, el evento: "obtener un tubo defectuoso" y C: "el tubo pertenece al
segundo cajn".
Luego,
12
P [ AC ] 260 12
P [ D|C ] =
=
= =0.3
P [C ]
40 40
260
(c) Sea D, el evento: "obtener el primer y el segundo tubo defectuoso.
"Entonces,
D = D1D2
P [ D ]=P [ D1 ] P [ D2|D1 ]=

62 61
3782
x
=
=0.056
260 259 57340

EJEMPLO 21. Una caja contiene 7 tarjetas marcadas, "sin, premio': y 5 con
"premio mayor". En un concurso, dos personas A y B, extraen tarjetas de la
caja en forma alternada hasta que una de ellas saca una marcada con el
"premio mayor". Si A selecciona la tarjeta en primer lugar, cul es la
probabilidad que extraiga una con "premio mayor"?

SOLUCIN. Definimos los siguientes eventos:

Ai : "el jugador A obtiene la tarjeta con premio mayor en su i-sima jugada".
Bj : "el jugador B obtiene la tarjeta con premio mayor en su j-sima jugada".
Ap : "el jugador A extrae una tarjeta con premio mayor".

El evento Ap se escribe, Ap = A1 U
A

A2 U

A3 U

A4

Luego,
P[Ap] = P[A1] P[ A
2

A2] + P[ A

A3] + P[ A

A4]

5 7 6 5
7 6 5 4 5 7 6 5 4 3 2 5
+ . .
+ . . . . + . . . . . .
12 12 11 100 12 11 10 9 8 12 11 10 9 8 7 6

248
62
= =0.63
12 x 11 x 3 99

El diagrama del rbol de probabilidad para este problema se muestra en la fig.

1.7.14.

Fig. 1.7.14
EJEMPLO 22. Una urna contiene 10 bolas, 5 marcadas con la letra A y 5 bolas
marcadas con la letra B, Dos jugadores, A y B juegan de la siguiente forma:
comienza el jugador A extrayendo una bola y a continuacin B realiza tambin
una extraccin, y as alternadamente. Las extracciones se hacen sin
reposicin. Gana el primer jugador que extraiga una bola con su letra (A una
bola A y B una bola B).
(a) Cul es la probabilidad

que gane el jugador A? Cul de B?

(b) Cul es la probabilidad

que no gane ninguno de los dos?

SOLUCIN. Definimos los siguientes eventos;

GA "gana el jugador A"
GB "gana el jugador B"
GN "no gana ninguno de los jugadores"
AK (K = 1,2,... ): "En la K-sima extraccin se obtiene una bola marcada con A"
BK(K = 1,2,... ): "En la K-sima extraccin se obtiene una bola nrar cada con B"

Consideremos el diagrama del rbol de probabilidad de la fig. 1.7.15

Fig. 1.7.15
(a) De este diagrama obtenemos:
5 5 5 4 5 5 4 4 3 5 5 4 4 3
P [G A ]= + x x + x x x x + x x x x
10 10 9 8 10 9 8 7 6 10 9 8 7 6
3 2 5 5 4 4 3 3 2 2 1 175
x x + x x x x x x x x =
5 4 10 9 8 7 6 5 4 3 2 252
5 4 5 5 4 3 5 5 4 4 3 2 5 5 4 4
c x x x x x x x x x x x
x x x
10 9 10 9 8 7 10 9 8 7 6 5 40 9 8 7
3 3 2 1 76
x x x =
6 5 4 3 252

P [ G B ]=

(b) No gana ninguno de los jugadores, cuando A saque todas las bolas marca
das con B y B todas las bolas marcadas con A, o sea
P [G N ] =

5 5 4 4 3 3 2 2 1
1
x x x x x x x x x 1=
10 9 8 7 6 5 4 3 2
252

ESTADSTICA PARA ADMINISTRACIN Y ECONOMA

4.1 Experimentos, reglas y asignacin de probabilidades
Experimentos, reglas de conteo y asignacin de probabilidades
En el contexto de la probabilidad, un experimento es definido como un proceso
que genera resultados definidos. Y en cada una de las repeticiones del
experimento, habr uno y slo uno de los posibles resultados experimentales. A
continuacin se dan varios ejemplos de experimentos con sus
correspondientes resultados.
Experimento

Resultado experimental

Lanzar una moneda

Cara, cruz

Tomar una pieza para inspeccionarla

Con defecto, sin defecto

Realizar una llamada de ventas

Hay compra, no hay compra

Lanzar un dado

1, 2, 3, 4, 5, 6

Jugar un partido de ftbol

Ganar, perder, empatar

Al especificar todos los resultados experimentales posibles, est definiendo el

espacio muestral de un experimento.
ESPACIO MUESTRAL
El espacio muestral de un experimento es el conjunto de todos los resultados
experimentales.
A un resultado experimental tambin se le llama punto muestral para
identificarlo como un elemento del espacio muestral.
FIGURA 4.1 PROBABILIDAD COMO MEDIDA NUMRICA DE LA
POSIBILIDAD DE QUE UN EVENTO OCURRA

Considere el primer experimento presentado en la tabla anterior, lanzar una

moneda. La cara de la moneda que caiga hacia arriba cara o cruz
determina el resultado experimental (puntos mustrales). Si denota con S el
espacio muestral, puede emplear la notacin siguiente para describir el espacio
muestral.
S = {Cara, cruz}
En el segundo experimento de la tabla -tomar una pieza para revisarla- puede
describir el espacio muestral como sigue:
S = {Defectuosa, no defectuosa}
Los dos experimentos descritos tienen dos resultados experimentales (puntos
mustrales). Pero, observe ahora el cuarto experimento enumerado en la tabla,
lanzar un dado. Los resultados experimentales, definidos por el nmero de
puntos del dado en la cara que cae hacia arriba, son los seis puntos del
espacio muestral de este experimento.
S= {1,2,3,4,5,6}
Reglas de conteo, combinaciones y permutaciones
Al asignar probabilidades es necesario saber identificar y contar los resultados
experimentales. A continuacin tres reglas de conteo que son muy utilizadas.
Experimentos de pasos mltiples La primera regla de conteo sirve para
experimentos de pasos mltiples. Considere un experimento que consiste en
lanzar dos monedas. Defina los resultados experimentales en trminos de las
caras y cruces que se observan en las dos monedas. Cuntos resultados
experimentales tiene este experimento? El experimento de lanzar dos monedas
es un experimento de dos pasos: el paso 1 es lanzar la primera moneda y el
paso 2 es lanzar la segunda moneda. Si se emplea H para denotar cara y
Tpara denotar cruz, (H, H) ser el resultado experimental en el que se tiene
cara en la primera moneda y cara en la segunda moneda. Si contina con esta

notacin, el espacio muestral (5) en este experimento del lanzamiento de

monedas ser el siguiente:
S = {(H, H), (H, T), (T, H), (T, T)}
Por tanto, hay cuatro resultados experimentales. En este caso es fcil
enumerar todos los resultados experimentales.
La regla de conteo para experimentos de pasos mltiples permite determinar el
nmero de resultados experimentales sin tener que enumerarlos.
REGLA DE CONTEO PARA EXPERIMENTOS DE PASOS MLTIPLES
Un experimento se describe como una sucesin de k pasos en los que hay n 1
resultados posibles en el primer paso, n2 resultados posibles en el segundo
paso y as en lo sucesivo, entonces el nmero total de resultados
experimentales es (n1) (n2)(nk).
Si considera el experimento del lanzamiento de dos monedas como la sucesin
de lanzar primero una moneda (n1 = 2) y despus lanzar la otra (n2 = 2),
siguiendo la regla de conteo (2)(2) = 4, entonces hay cuatro resultados
distintos. Como ya se mostr, estos resultados son S = {(H, H), (H, T), (T, H),
(T, T)}. El nmero de resultados experimentales de seis monedas es (2)(2)(2)
(2)(2)(2) = 64.

FIGURA 4.2 DIAGRAMA DE RBOL PARA EL LANZAMIENTO DE DOS

MONEDAS

Un diagrama de rbol es una representacin grfica que permite visualizar un

experimento de pasos mltiples. En la figura 4.2 aparece un diagrama de rbol
para el experimento del lanzamiento de dos monedas. La secuencia de los
pasos en el diagrama va de izquierda a derecha. El paso 1 corresponde al
lanzamiento de la primera moneda, el paso 2 al de la segunda moneda. En
cada paso, los dos resultados posibles son cruz o cara. Observe que a cada
uno de los resultados posibles en el paso 1 pertenecen dos ramas por los dos
posibles resultados en el paso 2. Cada uno de los puntos en el extremo
derecho del rbol representa un resultado experimental. Cada trayectoria a
travs del rbol desde el nodo ms a la izquierda hasta uno de los nodos en el
extremo derecho del rbol, muestra una secuencia nica de resultados.
Ahora una aplicacin de la regla de conteo para experimentos de pasos
mltiples en el anlisis de un proyecto de expansin de la empresa Kentucky
Power & Light (KP&L). Kentucky Power & Light ha empezado un proyecto que
tiene como objetivo incrementar la capacidad de generacin de una de sus
plantas en el norte de Kentucky. El proyecto fue dividido en dos etapas o pasos
sucesivos: etapa 1 (diseo) y etapa 2 (construccin). A pesar de que cada
etapa se planear y controlar con todo el cuidado posible, a los
administrativos no les es posible pronosticar el tiempo exacto requerido en
cada una de las etapas del proyecto. En un anlisis de proyectos de
construccin similares encuentran que la posible duracin de la etapa de
diseo es de 2, 3, o 4 meses y que la duracin de la construccin es de 6, 7 u 8
meses. Adems, debido a la necesidad urgente de ms energa elctrica, los
administrativos han establecido como meta 10 meses para la terminacin de
todo el proyecto.
Como hay tres posibles periodos para la etapa del diseo (paso 1) y tres para
la etapa de la construccin (paso 2) cabe aplicar la regla de conteo para
experimentos de pasos mltiples, entonces el total de resultados posibles es
(3)(3) = 9. Para describir los resultados experimentales emplean una notacin
de dos nmeros; por ejemplo, (2, 6) significa que la etapa del diseo durar 2
meses y la etapa de la construccin 6. Esto da como resultado una duracin de
2 + 6 = 8 meses para todo el proyecto. En la tabla 4.1 aparecen los nueve

resultados experimentales que hay para el problema de KP&L. El diagrama de

rbol de la figura 4.3 muestra como se presentan los nueve resultados (puntos
mustrales).
La regla de conteo y el diagrama de rbol ayudan al administrador del proyecto
a identificar los resultados experimentales y a determinar la posible duracin
del proyecto.
TABLA 4.1 RESULTADOS EXPERIMENTALES (PUNTOS MUSTRALES)
PARA EL PROYECTO KP&L
Duracin (meses)
Etapa 1
Etapa 2

Notacin para los

Proyecto completo:

Diseo

Construcci

resultados

duracin (meses)

n
6

experimentales
(2, 6)

(2,7)

(2,8)

10

(3,6)

(3,7)

10

(3,8)

11

4(6)

10

(4,7)

11

(4,8)

12

FIGURA 4.3 DIAGRAMA DE RBOL PARA EL PROYECTO KP&L

De acuerdo con la informacin de la figura 4.3, la duracin del proyecto es de 8

a 12 meses, y seis de los nueve resultados experimentales tienen la duracin
deseada de 10 meses o menos. Aun cuando identificar los resultados
experimentales ayuda, es necesario considerar cmo asignar los valores de
probabilidad a los resultados experimentales antes de evaluar la probabilidad
de que el proyecto dure los 10 meses deseados.
Combinaciones Otra regla de conteo til le permite contar el nmero de
resultados experimentales cuando el experimento consiste en seleccionar n
objetos de un conjunto (usualmente mayor) de N objetos. sta es la regla de
conteo para combinaciones.
REGLA DE CONTEO PARA COMBINACIONES
El nmero de combinaciones de N objetos tomados de n en n es
N!
c Nn = N =
n
n! ( N n ) !

()

donde

N!= N(N - 1)(N - 2) (2)(1)

n! = n(n - 1)(n - 2) (2)(1)

y por definicin,

0! = 1

La notacin ! significa factorial; por ejemplo, 5 factorial es 5! = (5)(4)(3)(2)(1)

=120.
Como ejemplo del uso de la regla de conteo para combinaciones, considere un
procedimiento de control de calidad en el que un inspector selecciona al azar
dos de cinco piezas para probar que no tengan defectos. En un conjunto de
cinco partes, cuntas combinaciones de dos partes pueden seleccionarse?
De acuerdo con la regla de conteo de la ecuacin (4.1) es claro que con N 5
y n = 2 se tiene

( 5 ) ( 4 )( 3 )( 2 ) (1) 120
5!
C52 = 5 =
=
=
=10
2 2 ! ( 52 ) ! ( 2 )( 1 ) ( 3 )( 2 ) (1) 12

()

De manera que hay 10 resultados posibles en este experimento de la seleccin

aleatoria de dos partes de un conjunto de cinco. Si etiqueta dichas partes como
A, B, C, D y E, las 10 combinaciones o resultados experimentales sern AB,
AC, AD, AE, BC, BD, BE, CD, CE y DE.
Para ver otro ejemplo, considere la lotera de Florida en la que se seleccionan
seis nmeros de un conjunto de 53 nmeros para determinar al ganador de la
semana. Para establecer las distintas variables en la seleccin de seis enteros
de un conjunto de 53, se usa la regla de conteo para combinaciones.

( 53 ) (52 ) ( 51 ) (50 )( 49 ) (48)

53 !
53 !
53
=
=
=
=22 957 480
6
( 6 ) (5 )( 4 ) ( 3 ) ( 2 ) (1)
6 ! ( 536 ) ! 6 ! 47 !

( )

La regla de conteo para combinaciones arroja casi 23 millones de resultados

experimentales en esta lotera. Si una persona compra un billete de lotera,
tiene una en 22 957 480 posibilidades de ganar la lotera.
Permutaciones. La tercera regla de conteo que suele ser til, es para
permutaciones. Dicha regla permite calcular el nmero de resultados
experimentales cuando se seleccionan n objetos de un conjunto de N objetos y
el orden de seleccin es relevante. Los mismos n objetos seleccionados en
orden diferente se consideran un resultado experimental diferente.
REGLA DE CONTEO PARA PERMUTACIONES
El nmero de permutaciones de # objetos tomados de n en n est dado por
N!
PNn =n ! N =
n ( N n ) !

()

La regla de conteo para permutaciones tiene relacin estrecha con la de

combinaciones; sin embargo, con el mismo nmero de objetos, el nmero de
permutaciones que se obtiene en un experimento es mayor que el nmero de
combinaciones, ya que cada seleccin de n objetos se ordena de n! maneras
diferentes.

Para ver un ejemplo, reconsidere el proceso de control de calidad en el que un

inspector selecciona dos de cinco piezas para probar que no tienen defectos.
Cuntas permutaciones puede seleccionar? La ecuacin (4.2) indica que si N
= 5 y n = 2, se tiene
De manera que el experimento de seleccionar aleatoriamente dos piezas de un
conjunto de cinco piezas, teniendo en cuenta el orden en que se seleccionen,
tiene 20 resultados. Si las piezas se etiquetan A, B, C, D y E, las 20
permutaciones son AB, B A, AC, CA, AD, DA, AE, EA, BC, CB, BD, DB, BE, EB,
CD, DC, CE, EC, DE y ED.
Asignacin de probabilidades
Ahora ver cmo asignar probabilidades a los resultados experimentales. Los
tres mtodos comnmente usados son el mtodo clsico, el mtodo de la
frecuencia relativa y el mtodo subjetivo. Sin importar el mtodo que se use, es
necesario satisfacer los requerimientos bsicos para la asignacin de
probabilidades.
REQUERIMIENTOS BSICOS PARA LA ASIGNACIN DE PROBABILIDADES
1. La probabilidad asignada a cada resultado experimental debe estar entre 0
y 1, inclusive. Si denota con E el i-simo resultado experimental y con P(E)
su probabilidad, entonces exprese este requerimiento como
0 P(E) 1 para toda i

(4.3)

2. La suma de las probabilidades de los resultados experimentales debe ser

igual a 1.0. Para resultados experimentales n escriba este requerimiento
como
P(Ei) +P(E2) + + P(En) = 1

(4.4)

El mtodo clsico de asignacin de probabilidades es apropiado cuando todos

los resultados experimentales tienen la misma posibilidad. Si existen n
resultados experimentales, la probabilidad asignada a cada resultado

experimental es Un. Cuando emplee este mtodo, satisfar en automtico los

dos requerimientos bsicos de la asignacin de probabilidades.
Por ejemplo, considere el experimento del lanzamiento de una moneda, los dos
resultados experimentales cruz o cara tienen la misma posibilidad. Como
uno de los dos resultados igualmente posibles es cara, la probabilidad de que
caiga cara es 1/2 o 0.50. Asimismo, la probabilidad de que caiga cruz tambin
es 1/2 o 0.50.
Otro ejemplo, considere el experimento de lanzar un dado. Es razonable
pensar que los seis resultados que pueden presentarse son igualmente
posibles y, por tanto, la probabilidad asignada a cada resultado es 1/6. Si P(l)
denota la probabilidad de que la cara del dado que caiga hacia arriba sea la
que tiene un punto, entonces P(l) = 1/6. De manera similar P(2) = 1/6, P(3) =
1/6, P(4) = 1/6, P(5) = 1/6 y P(6) = 1/6. Observe que dichas probabilidades
satisfacen los dos requerimientos bsicos de las ecuaciones (4.3) y (4.4),
porque cada una es mayor o igual que cero y juntas suman 1.0.
El mtodo de frecuencia relativa para la asignacin de probabilidades es el ms
conveniente cuando existen datos para estimar la proporcin de veces que se
presentarn los resultados si el experimento se repite muchas veces.
Considere, por ejemplo un estudio sobre los tiempos de espera en el
departamento de rayos x de un hospital pequeo. Durante 20 das sucesivos
un empleado registra el nmero de personas que estn esperando el servicio a
las 9:00 a.m.; los resultados son los siguientes.
Nmero de personas
que espera
0

Nmero de das:
Resultados de ocurrencia
2

3
20

Total

En estos datos aparece que 2 de los 20 das, haba cero pacientes esperando
el servicio, 5 das haba un paciente en espera y as sucesivamente. Con el
mtodo de la frecuencia relativa, la probabilidad que se le asignar al resultado
experimental cero pacientes esperan el servicio, ser 2/20 = 0.10; al resultado
experimental un paciente espera el servicio, 5/20 = 0.25; 6/20 = 0.30 a dos
pacientes esperan el servicio; 4/20 = 0.20 a tres pacientes esperan el servicio y
3/20 = 0.15 a cuatro pacientes esperan el servicio. Como sucede con el mtodo
clsico, al usar el mtodo de frecuencia relativa se satisfacen en automtico los
dos requerimientos bsicos correspondientes a las ecuaciones (4.3) y (4.4).
El mtodo subjetivo de asignacin de probabilidades es el ms indicado
cuando no es factible suponer que todos los resultados de un experimento
sean igualmente posibles y, adems, cuenta con pocos datos relevantes. El
mtodo subjetivo de asignacin de probabilidades a los resultados de un
experimento, usa toda la informacin disponible, por ejemplo, la propia
experiencia o la intuicin. Despus de considerar dicha informacin se asigna
un valor de probabilidad que expresa el grado de confianza (en una escala de 0
a 1) que tiene acerca de que un resultado experimental ocurra. Como la
probabilidad subjetiva expresa el grado de confianza que tiene un individuo, es
personal. Cuando se usa el mtodo de probabilidad subjetiva, es de esperarse
que personas distintas asignen probabilidades diferentes a los mismos
resultados de un experimento.
En el mtodo subjetivo hay que tener cuidado de que se satisfagan los dos
requerimientos bsicos expresados en las ecuaciones (4.3) y (4.4). Sea cual
sea el grado de confianza que tenga la persona, el valor de probabilidad
asignado a cada resultado experimental debe estar entre 0 y 1, inclusive, y la
suma de las probabilidades de todos los resultados experimentales debe ser
1.0.
Considere el caso en el que Tom y Judy Elsbernd hacen una oferta para la
compra de una casa. Hay dos resultados posibles:
E1 = su oferta ser aceptada
E2 = su oferta no ser aceptada

Judy cree que la probabilidad de que su oferta sea aceptada es 0.8; por tanto,
Judy establece que P(E1) = 0.8 y P(E2) = 0.2; Tom, por su parte, cree que la
probabilidad de que su oferta sea aceptada es 0.6; por tanto, Tom establecer
P(E1) = 0.6 y P(E2) = 0.4. Observe que la estimacin de probabilidad de Ex que
hace Tom refleja bastante pesimismo de que su oferta sea aceptada.
Tanto Judy como Tom asignaron probabilidades que satisfacen los dos
requerimientos bsicos. El hecho de que sus probabilidades sean diferentes
subraya la naturaleza personal del mtodo subjetivo.
Incluso en situaciones de negocios en que es posible emplear el mtodo
clsico o el de las probabilidades relativas, los administradores suelen
proporcionar estimaciones subjetivas de una probabilidad. En tales casos, la
mejor estimacin de una probabilidad suele obtenerse combinando las
estimaciones del mtodo clsico o del mtodo de las frecuencias relativas con
las estimaciones subjetivas de una probabilidad.
Probabilidades para el proyecto KP&L
Para continuar con el anlisis del proyecto KP&L hay que hallar las
probabilidades de los nueve resultados experimentales enumerados en la tabla
4.1. De acuerdo con la experiencia, los administrativos concluyen que los
resultados experimentales no son todos igualmente posibles. Por tanto, no
emplean el mtodo clsico de asignacin de probabilidades. Entonces deciden
hacer un estudio sobre la duracin de los proyectos similares realizados por
KP&L en los ltimos tres aos. En la tabla 4.2 se resume el resultado de este
estudio considerando 40 proyectos similares.
Despus de analizar los resultados de este estudio, los administrativos deciden
emplear el mtodo de frecuencia relativa para asignar las probabilidades. Los
administrativos podran haber aportado probabilidades subjetivas, pero se
dieron cuenta de que el proyecto actual era muy similar a los 40 proyectos
anteriores. As, consideraron que el mtodo de frecuencia relativa sera el
mejor.
Si emplea la tabla 4.2 para calcular las probabilidades, observar que el
resultado (2, 6) duracin de la etapa 1, 2 meses, y duracin de la etapa 2, 6

meses se encuentra seis veces en los 40 proyectos. Con el mtodo de las

frecuencias relativas, la probabilidad signada a este resultado es 6/40 = 0.15.
Tambin el resultado (2, 7) se encuentra seis veces en los 40 proyectos 6/40 =
0.15. Continuando de esta manera, se obtienen, para los puntos mustrales del
proyecto de KP&L, las asignaciones de probabilidad que se muestran en la
tabla 4.3. Observe que P(2, 6) representa la probabilidad del punto muestral
(2,6), P(2, 7) representa la probabilidad del punto muestral (2, 7) y as
sucesivamente.
TABLA 4.2 DURACIN DE 40 PROYECTOS DE KP&L
Duracin (meses)
Etapa 1
Etapa 2

Notacin para los

Proyecto completo:

Diseo

Construcci

resultados

duracin (meses)

n
6

experimentales
(2, 6)

(2,7)

(2,8)

(3,6)

(3,7)

(3,8)

4(6)

(4,7)

(4,8)

6
Total

40

TABLA 4.3 ASIGNACIN DE PROBABILIDADES PARA EL PROYECTO

KP&L, EMPLEANDO EL MTODO DE LAS FRECUENCIAS
RELATIVAS
Punto muestral

Tiempo de terminacin

Probabilidad del punto muestral

(2, 6)

del proyecto
8 meses

2.6)

8 meses

P(2,6) = 6/40= 0.15

(2,7)

9 meses

(2.7)

9 meses

P(2.7) = 6/40 = 0.15

(2,8)

10 meses

(2,8)

10 meses

P(2, 8) = 2/40= 0.05

(3,6)

9 meses

(3.6)

9 meses

P(3. 6) - 4/4 = 0.10

(3,7)

10 meses

(3.7)

10 meses

PO, 7) = 8/40 = 0.20

(3,8)

11 meses

(3.8)

11 meses

P(3,S) = 2/40= 0.05

4(6)

10 meses

(4. 6)

10 meses

P(4.6)= 2/40= 0.05

(4,7)

11 meses

(4.7)

11 meses

P(4,7) = 4/40= a 10

(4,8)

12 meses

(4.8)

12 meses

P(4. 8) = 6/40= 0.15

Total

1.00

NOTAS Y COMENTARIOS
1. En estadstica la nocin de experimento difiere un poco del concepto de
experimento de las ciencias fsicas. En las ciencias fsicas, los
investigadores suelen realizar los experimentos en laboratorios o en
ambientes controlados, con objeto de investigar causas y efectos. En los
experimentos estadsticos, la probabilidad determina los resultados. Aun
cuando un experimento se repita con exactitud, el resultado puede ser
completamente diferente. Debido a esta influencia que tiene la probabilidad
sobre los resultados, a los experimentos en estadstica tambin se les
conoce como experimentos aleatorios.
2. Cuando de una poblacin de tamao N se extrae una muestra aleatoria sin
reemplazarla, se emplea la regla de conteo para combinaciones para
calcular la cantidad de muestras de tamao n que pueden seleccionarse.

BAYES
Teorema de Bayes
En el estudio de la probabilidad condicional vio que revisar las probabilidades
cuando se obtiene ms informacin es parte importante del anlisis de
probabilidades. Por lo general, se suele iniciar el anlisis con una estimacin de
probabilidad inicial o probabilidad previa de los eventos que interesan.
Despus, de fuentes como una muestra, una informacin especial o una
prueba del producto, se obtiene ms informacin sobre estos eventos. Dada
esta nueva informacin, se modifican o revisan los valores de probabilidad
mediante el clculo de probabilidades revisadas a las que se les conoce como
probabilidades posteriores. El teorema de Bayes es un medio para calcular

estas probabilidades. En la figura 4.9 se presentan los pasos de este proceso

de revisin de la probabilidad.
FIGURA 4.9 REVISIN DE LA PROBABILIDAD USANDO EL TEOREMA DE
BAYES

TABLA 4.6 CALIDAD DE DOS PROVEEDORES

Proveedor de piezas

Porcentaje de piezas

Proveedor 1

buenas
98

malas
2

Proveedor 2

95

Como aplicacin del teorema de Bayes, considere una fbrica que compra
piezas de dos pro-veedores. Sea A1 el evento la pieza proviene del proveedor 1
y A2 el evento la pieza proviene del proveedor 2. De las piezas que compra la
fbrica, 65% proviene del proveedor 1 y 35% restante proviene del proveedor
2. Por tanto, si toma una pieza aleatoriamente, le asignar las probabilidades
previas P(A1) = 0.65 y P(A2) = 0.35.
La calidad de las piezas compradas vara de acuerdo con el proveedor. Por
experiencia, sabe que la calidad de los dos proveedores es como muestra la
tabla 4.6. Si G denota el evento la pieza est buena y B denota el evento la
pieza est mala, la informacin de la tabla 4.6 proporciona los siguientes
valores de probabilidad condicional.
P(G I A) = 0.98

P(B I A1) = 0.02

P(G I A2) = 0.95

P(B I A2) = 0.05

El diagrama de rbol de la figura 4.10 representa el proceso de recibir una

pieza, de uno de los dos proveedores, y despus determinar si la pieza es
buena o mala como experimento de dos pasos. Se observa que existen cuatro
resultados experimentales: dos corresponden a que la pieza est buena y dos
corresponden a que la pieza est mala.
Cada uno de los resultados experimentales es la interseccin de dos eventos,
de manera que para calcular estas probabilidades puede usar la ley de la
multiplicacin. Por ejemplo,
P(A1, G) = P(A1 G) = P(A1)P(G I A1)
FIGURA 4.10

DIAGRAMA DE RBOL PARA EL EJEMPLO DE LOS

DOS PROVEEDORES

FIGURA 4.11

RBOL DE PROBABILIDAD PARA EL EJEMPLO DE

LOS DOS PROVEEDORES

El proceso del clculo de estas probabilidades conjuntas se representa

mediante un rbol de probabilidad (figura 4.11). De izquierda a derecha por el
rbol, las probabilidades de cada una de las ramas del paso 1 son
probabilidades previas y las probabilidades de cada una de las ramas del paso
2 son probabilidades condicionales. Para hallar la probabilidad de cada uno de
los resultados experimentales, simplemente se multiplican las probabilidades
de las ramas que llevan a ese resultado. En la figura 4.11 se muestra cada una
de estas probabilidades conjuntas junto con las probabilidades en cada rama.
Suponga ahora que las piezas de los dos proveedores se emplean en el
proceso de fabricacin de esta empresa y que una mquina se descompone al
tratar de procesar una pieza mala. Dada la informacin de que la pieza est
mala, cul es la probabilidad de que sea del proveedor 1 y cul es la
probabilidad de que sea del proveedor 2? Para responder estas preguntas
aplique el teorema de Bayes usando la informacin del rbol de probabilidad
(figura 4.11).
Como B es el evento la parte est mala, lo que busca son las probabilidades
posteriores P{A1 I B) y P(A2 I B). De acuerdo con la ley para la probabilidad
condicional

p ( A 1|B )=

Del rbol de probabilidad

P( A1 B)
(4.14)
P (B)

P(A1B) = P(A1) P(B | A1)

(4.15)

Para hallar P(B), se observa que B slo puede presentarse de dos maneras:
(A1 B) y (A1 B). Por tanto:
P(B) = P(A1B) + (P A2B)
= P(A1) P(B | A1) + P(A2) P(B | A2)

(4.16)

Sustituyendo las ecuaciones (4.15) y (4.16) en la ecuacin (4.14) y expresando

d manera similar P(A2|B) se obtiene el teorema de Bayes para el caso de dos
eventos.
TEOREMA DE BAYES (CASO DE DOS EVENTOS)
P ( A 1B )=
P ( A 2B )=

P ( A1 ) P( B A 1)

(4.17)

P ( A 1 ) P ( B| A 1) + P ( A 2) P(B A 2)
P ( A2 ) P(B A 2)
P ( A1 ) P ( B| A 1 )+ P ( A 2 ) P(B A 2)

(4.18)

A partir de la ecuacin (4.17) y los valores de probabilidad del ejemplo, se tiene

P ( A 1B )=

P ( A1 ) P( B A 1)
P ( A 1 ) P ( B| A 1) + P ( A 2) P(B A 2)

( 0.65 ) (0.02)
0.0130
=
( 0.65 )+ ( 0.35 ) (0.05) 0.0130+ 0.0175

0.0130
=0.4262
0.0305

Y usando la ecuacin (4.18) se encuentra P(A 2 | B).

P ( A 2|B )=

( 0.35 )( 0.05)
( 0.65 ) ( 0.02 )+ ( 0.35 ) (0.05)

0.0175
0.0175
=
=05738
0.130+ 0.0175 0.0305

Observe que al principio de este ejemplo, la probabilidad de seleccionar una

pieza y que fuera del proveedor 1 era 0.65. Sin embargo, dada la informacin
de que la pieza est mala, la probabilidad de que la pieza provenga del
proveedor 1 baj a 0.4262. En efecto, si la pieza est mala, la posibilidad de
que sea del proveedor 2 es mayor que 50-50; es decir, P(A 2|B) = 0.5738.
El teorema de Bayes es aplicable cuando los eventos para los que se quiere
calcular la probabilidad revisada son mutuamente excluyentes y su unin es
todo el espacio muestral. En el caso de n eventos mutuamente excluyentes A1,
A2,..., An, cuya unin sea todo el espacio muestral, el teorema de Bayes aplica
para calcular cualquiera de las probabilidades posteriores P(A 1|B) como se
muestra a continuacin
TEOREMA DE BAYES
P ( P i|B ) =

P ( A i ) P (B Ai )
P ( A 1) P ( B| A1 ) + P ( A2 ) P ( B| A 2 ) ++ P ( An ) P ( B| A n )

Con las probabilidades previas F(A 1), P(A2), ..., P(An) y las probabilidades
condicionales adecuadas P(B | A1), P(B | A2),..., P(B | An), se usa la ecuacin
(4.19) para calcular la probabilidad posterior de los eventos A1, A2,... An
Mtodo tabular
Para realizar los clculos del teorema de Bayes es til emplear un mtodo
tabular. En la tabla 4.7 se muestra este mtodo aplicado al problema de las
piezas de los proveedores. Los clculos que se muestran ah se realizan
mediante los pasos siguientes.
Paso 1.

Se harn las columnas siguientes:

Columna 1: Para los eventos mutuamente excluyentes A, de los

que quiere tener la probabilidad posterior
Columna 2: Para las probabilidades previas P(Ai) de los eventos
Columna 3: Para las probabilidades condicionales P(B | Ai) de la
nueva informacin B dado cada evento
Paso 2.

En la columna 4 se calculan las probabilidades conjuntas P(A i

B), de cada evento y la nueva informacin, empleando la ley de la
multiplicacin. Estas probabilidades conjuntas se encuentran
multiplicando las probabilidades previas de la columna 2 por las
correspondientes probabilidades condicionales de la columna 3;
es decir, P(Ai B) = P(Ai)P(B | Ai).

Paso 3.

Sume las probabilidades de la columna 4. Esta suma es la

probabilidad de la nueva informacin, P(B). As, en la tabla 4.7 se
ve que la probabilidad de que una pieza sea del proveedor 1 y
est mala es 0.0130 y que la probabilidad de que la pieza sea del
proveedor 2 y est mala es 0.0175. Como stas son las nicas
dos maneras de tener una pieza mala, la suma 0.0130 + 0.0175,
que es 0.0305, da la probabilidad de hallar una pieza mala en las
piezas recibidas de los dos proveedores.

Paso 4.

En la columna 5 se calculan las probabilidades posteriores

usando la relacin bsica de la probabilidad condicional.

P ( A i|B )=

P( Ai B)
P(B)

Observe que las probabilidades conjuntas P(A C\ B) estn en la columna 4 y

que la probabilidad P(B) es la suma de la columna 4.

TABLA 4.7 MTODO TABULAR PARA LOS CLCULOS DEL TEOREMA

DE BAYES APLICADO AL EJEMPLO DE LOS DOS
PROVEEDORES
(1)

(2)

(3)

(4)

(5)

Probabilidades

Probabilidades

Probabilidades

Probabilidades
(1)

(2)

(3)

(4)

(5)

Probabilidades

Probabilidades

Probabilidades

Probabilidades

Eventos

Previas

Condiciones

conjuntas

posteriores

Ai
A1

P(Ai)
0.65

P(B|Ai)
0.02

A2

0.35

0.05

1.00

P(AiB)
0.0130
0.0175

P(Ai|B)

0.013080.0305=0.426
2

P(B)=0.0305 0.0175/0.0305=0.5738
1.0000