UNIDAD: Introduccin a la

Probabilidad

1
 INTRODUCCION

El concepto de probabilidad es manejado por mucha gente.

Frecuentemente se escuchan preguntas como las que se
mencionan a continuacin:

Cul es la probabilidad de que me saque la lotera ?

Qu posibilidad hay de que me pase un accidente automovilstico ?
Qu posibilidad hay de que hoy llueva ? para llevar mi paraguas o no.
Existe alguna probabilidad de que repruebe el primer parcial ?

Estas preguntas en el lenguaje coloquial esperan como

respuesta una medida de confianza representativa o
prctica de que ocurra un evento futuro, o bien de una forma
sencilla interpretar la probabilidad.
 INTRODUCCION

En este unidad lo que se quiere es entender con

claridad su contexto, como se mide y como se
utiliza al hacer inferencias.

El conocimiento de la probabilidad es de suma importancia

en todo estudio estadstico, ya que el clculo de
probabilidades proporciona las reglas para el estudio de
los experimentos aleatorios o de azar, que constituyen la
base para la estadstica inferencial.
 Fenmenos Aleatorios y
Fenmenos Determinsticos.

Fenmeno Determinista: es en el cual de antemano se

sabe cual ser el resultado.
Ejemplos:
- el agua calentada a 100 grados Celsius, a nivel del mar,
se transforma en vapor.
poner la mano en el fuego.
soltar un vaso en el aire.
Fenmeno Aleatorio.-
Es un fenmeno del que no se sabe que es lo que va a
ocurrir, estn relacionados con el azar o probabilidad.
La probabilidad estudia el tipo de fenmenos o
experimentos aleatorios.
Un experimento es aleatorio si se verifican las siguientes
condiciones:
1. Se puede repetir indefinidamente, siempre en las mismas
condiciones;
2. Antes de realizarlo, no se puede predecir el resultado que se
va a obtener;
3. El resultado que se obtenga, s, pertenece a un conjunto
conocido previamente de resultados posibles.

Ejemplos:
- Tirar dardos en un blanco determinado
- Lanzar un par de dados
- Obtener una carta de una baraja
- Lanzar una moneda
- que al nacer un bebe, ste sea nia
- que una persona de 20 aos, sobreviva 15 aos ms
 Espacio Muestral
Definicin
Es el conjunto de todos los posibles resultados de inters de un
experimento dado, y se le denota normalmente mediante la letra
S.
Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como puede caer la
moneda, o sea dos formas de inters, que caiga cara o que
caiga numero. (Si cae de canto no es de inters y se repite el
lanzamiento).
S = { c, n }

2.- Experimento: Se lanza un dado.

Espacio muestral = total de caras en que puede caer el dado, o
sea seis formas de inters:
S = { 1, 2, 3, 4, 5, 6 }
 ESPACIOS MUESTRALES FINITOS (TECNICAS DE CONTEOS)
E INFINITOS (NUMERALES Y CONTINUOS)

CONCEPTOS BASICOS : FACTORIAL DE UN NMERO

Notacin factorial
El producto de numero enteros positivos desde 1 hasta
n se emplea con mucha frecuencia en Matemticas, y lo
denotaremos por el smbolo n!.
n! 1* 2 * 3 * ... * n
n! n(n 1)(n 2)...1* 2 * 3
n! n(n 1)!
n! n(n 1)(n 2)...(n r 1)(n r )!
(n 1)! (n 1)n(n 1)!
n(n 1)
(n 1)! (n 1)!

y que por convenio Interpretacion: El factorial de n es el

numero de ordenaciones distintas que se
0!=1 pueden hacer con n elementos.
7
 NMERO COMBINATORIO

Se llama nmero combinatorio m sobre n a la expresin:

m m! Interpretacin: El numero combinatorio m

sobre n es el numero de elecciones

n (m n)!n!
distintas de n elementos que se pueden
hacer de entre un conjunto de m
elementos. En otras palabras, es el
numero de subconjuntos de n elementos
que tiene un conjunto de m elementos.
Ejemplo .
Encontrar el numero combinatorio de 3 sobre 2:
3 3! 6
3
2 (3 2)!2! 1.2

8
 Propiedades de los nmeros
combinatorios

m m m
1) 1 m N 5) mN
0 n m n

m m m 1
m 6) mN
2) 1 mN
n 1 n n
m

m
3) m mN
1

m
4) m mN
m 1
9
Ejemplos: Verificar los propiedades
anteriores

10
Como una aplicacin de las propiedades de los nmeros
combinatorios podemos escribir el siguiente triangulo aritmtico
conocido como el triangulo de Tartaglia o de Pascal

11
 Caracterstica del Triangulo

Todas las filas del tringulo comienzan y terminan por la

unidad, y son simtricas con respecto al valor central.

Cada nmero del tringulo es igual a la suma de los dos

situados encima de l (salvo los extremos).

La suma de todos los elementos de cada fila coincide con

el valor 2n, siendo n el orden de la fila.

12
 BINOMIO DE NEWTON
Los nmeros combinatorios aparecen como
coeficientes del binomio de Newton:

n n n n 1 n n 2 2 n n
(a b) a a b a b ... b
n

0 1 2 n
n
n nk k
a b
k 0 k
 Utilizando la anterior expresin se puede
probar inmediatamente:

n
n
1) 2
k 0 k
n

n
n
2) ( 1) 0
k

k 0 k
 Tcnicas de Conteo
INTRODUCCION
Cuando se trata de contar las posibilidades en una
moneda....fcil, pero y si es algo ms complicado que
una moneda..... ?

Supongamos que la seora que nos hace el favor de

vendernos el almuerzo solamente sabe cocinar 4 tipos
de sopas ( sopa con verduras, de pasta, de arroz y de
pltano), adems slo sabe hacer 3 tipos de platos
fuertes (con frijoles, con huevos y con verduras), sabe
hacer adems postre de natas, de guayaba y fresa y
slo da agua con el almuerzo.
QU POSIBILIDADES DE ALMUERZO TENEMOS PARA HOY ?

Entonces las posibilidades son :

1. sopa de verduras con frijoles, postre de natas y agua

2. sopa de verduras con huevo, postre de natas y agua
3. sopa de verduras con verduras, postre de natas y agua
4. sopa de pasta con frijoles, postre de natas y agua
5. sopa de pasta con huevo, postre de natas y agua
6. ......
etc., etc, etc.....

Alguno dir : Cambie de restaurante ! (tiene razn)... y otros observarn todas las
posibles variaciones que se pueden generar an siendo tan pequeo el men,
slo enunciamos 5 de 36 posibilidades para el almuerzo de hoy. Por lo tanto, no
es fcil hacer el conteo para todas esas variaciones y ms si se hace una por una.
Por ello existen tcnicas que sin duda facilitan notablemente los conteos de todas
las posibilidades existentes.
DEFINICON: TECNICAS DE CONTEO
Las tcnicas de conteo son aquellas que son
usadas para enumerar eventos difciles de
cuantificar.
Se les denomina tcnicas de conteo a las combinaciones,
permutaciones y diagrama de rbol, hay que destacar que
stas nos proporcionan la informacin de todas las
maneras posibles en que ocurre un evento determinado.

Las bases para entender el uso de las tcnicas de conteo

son el principio:
- Multiplicativo
- Aditivo
 Principio de Adicin
Principio de adicin: Si un proceso de seleccin se puede realizar de
dos formas excluyentes de modo que la primera de ellas admite n opciones y
la segunda admite m opciones, entonces el nmero total de selecciones
posibles es n+m.

Terminologa conjuntista:
|A U B| = |A| + |B|

Donde |A| se le conoce como el cardinal de un numero, el cual nos da al

nmero de elementos que tiene el conjunto

El resultado se extiende a K selecciones finitas y disjuntas dos a dos

Ejemplo:
Un estudiante debe elegir un ejercicio para entregar. En una lista de
ejercicios hay 15, en otra 20 y en otra 10. Cuntos ejercicios tiene el
estudiante para elegir?
18
 Principio de inclusin-exclusin: Si un proceso
de seleccin se puede realizar de dos formas de modo
que la primera admite n opciones, la segunda admite m
opciones y hay r opciones comunes a ambas, entonces
el nmero total de selecciones posibles es n+m-r.

Terminologa conjuntista:
|A U B| = |A| + |B| - |A B|

Este resultado se extiende al caso de tres o ms formas de

seleccionar un elemento teniendo en cuenta todas las
repeticiones que intervienen.
|A U B U C| = |A| + |B| + |C| - | A B | - | B C | - | A C | + |
ABC|

19
Ejemplo: sean los dos siguientes conjuntos de enteros positivos:

A = {2, 3, 5, 7, 11, 13}

B = {2, 4, 6, 8, 10, 12}

Cuntas maneras hay de elegir un entero desde los conjuntos A y B. Ntese que
los dos conjuntos no son disjuntos. Que modificacin podemos hacerle al
principio aditivo para este caso? Trate de escribir esa modificacin.

Solucin:
Para elegir un nmero del conjunto A tenemos 6 maneras y para elegir un nmero
del conjunto B tenemos 6 maneras, pero como tenemos un nmero en comn
slo tenemos 5. Luego para elegir un nmero entre A y B tenemos 11 maneras.
Y tendramos que modificar el principio aditivo restando la cantidad de elementos
repetidos.

20
 Principio de la Multiplicacin

Principio de multiplicacin: Si un proceso de seleccin se

puede dividir en dos pasos consecutivos de modo que hay n
elecciones en el primero y por cada una de ellas hay m
elecciones en el segundo, entonces el nmero total de
elecciones es n.m.
Terminologa conjuntista:
|A X B| = |A| . |B|

El resultado se extiende a un proceso de seleccin de K

etapas en las condiciones anteriores

21
Ejemplo: Cuntos nmeros telefnicos es posible disear, los que deben
constar de seis dgitos tomados del 0 al 9?,
a. Considere que el cero no puede ir al inicio de los nmeros y es posible
repetir dgitos,
b. El cero no debe ir en la primera posicin y no es posible repetir dgitos,
c. Cuntos de los nmeros telefnicos del inciso b empiezan por el
nmero siete?,
d. Cuntos de los nmeros telefnicos del inciso b forman un nmero
impar?.

Solucin:

a. 9 x 10 x 10 x 10 x 10 x 10 = 900,000 nmeros telefnicos

b. 9 x 9 x 8 x 7 x 6 x 5 = 136,080 nmeros telefnicos

c. 1 x 9 x 8 x 7 x 6 x 5 = 15,120 nmeros telefnicos

d. 8 x 8 x 7 x 6 x 5 x 5 = 67,200 nmeros telefnicos

22
 Principio multiplicativo y aditivo
Cmo 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.

23
 PERMUTACIONES
Una ordenacin de un conjunto de n objetos en un orden dado se
llama permutacin de los objetos (tomados todos a la vez).
Una ordenacin de un numero r de dichos objetos r<=n en
un orden dado se llama una permutacin r o permutacin de
n objetos tomados r a la vez

n!
n Pr P(n, r )
(n r )!

P: nmero de permutaciones
n: nmero total de objetos
r: nmero de objetos que se dispondr
 PERMUTACIONES
Ejemplos:

s {a, b, c, d }
4! 4 * 3!
P ( 4,1) 4
( 4 1)! 3!
4! 4 * 3 * 2!
P ( 4,2) 12
( 4 2)! 2!
4! 4 * 3 * 2 *1!
P ( 4,3) 24
( 4 3)! 1!

25
 Ejemplo 2: Un msico desea escribir una partitura
basada solamente en cinco notas (la, si, do, re y mi).
Sin embargo, solo tres notas de las cinco se utilizarn
en sucesin, como do, la y mi. No se permitirn
repeticiones como la, la y mi.
1) Cuantas permutaciones de las cinco notas, tomadas
tres cada vez, son posibles?
5*4*3 = 60 (principio de multiplicacin)
2) Utilizando la formula para permutaciones, Cuntas
permutaciones son posibles?

5!
P(5,3) 60
(5 3)!
26
Si el numero de elecciones es igual al total de datos, es decir :
r n, entonces
n! n!
n Pr P(n, r ) n!
0! 1

Existe un procedimiento para obtener permutaciones de n objeto, cuando

entre esos objetos hay algunos que son iguales, ej:
Obtenga todas las permutaciones posibles con la palabra ESE.
a) Es necesario suponer que todas las letras de la palabra ESE son diferentes
b) Para diferenciar las letras, se colocarn subndices a las letras E, esto es,
E1 S E2.
c) En esas condiciones las permutaciones seran:

3P3 = 3! = 6 y los arreglos son: E1SE2, E2SE1, E1E2S, E2E1S,

SE1E2 y SE2E1

27
d) Pero como E1 = E2, el nmero de permutaciones reales de la palabra ESE,
son: ESE, EES, y SEE.
e) Entonces para tener arreglos reales es necesario partir de la siguiente
expresin:
No.de permutaciones considerando que todos los objetos son diferentes
No.de arreglos
los cambios entre objetos iguales

P
3 3
por tanto, la frmula sera: No.de arreglos reales 3
2!

n!
Px1 , x 2 ,...x k
n , donde, nPx 1 , x 2 ,...xk
x1!, x2 !,...xk !
es el nmero de permutaciones que es posible obtener de n objetos, ente los
que existen una cantidad x1 de objetos iguales, x2, todos iguales y xk iguales
tambin.

28
 Ejemplos
- De cuntas formas pueden 14!
ordenarse en una estantera 5 libros Sol: 14 P 5, 3, 6
5!3!6!
,
de lomo blanco, 3 de lomo azul y 6
de lomo rojo?
- Cuntas palabras de 6 letras con 6!
o sin sentido se pueden formas con Sol: 6 P 3,1, 2
3!1!2!
,
las letras de AMASAS ?
- En una carrera por equipos
participan 4 espaoles, 5 franceses y
3 marroques. Si lo nico reseable 12!
Sol: 12 P 4 , 5, 3
4!5!3!
,
de cada corredor es su nacionalidad,
de cuntas formas posibles
podran terminar la carrera?

29
Cuando se elige un elemento despus de otro en un conjunto S, por ejemplo,
r veces, a la eleccin de la muestra se le llama eleccin de la muestra
ordenada de tamao r . Esta eleccin se puede realizar de 2 formas:

a) Muestreo ordenado o pruebas ordenadas con sustitucin o con

reemplazo
Aqu se escoge un objeto de un recipiente o de una urna y se regresa antes de
tomar el siguiente, y as sucesivamente hasta que se han elegido los r
objetos de la prueba. Entonces el nmero de pruebas ordenadas de tamao r
con reemplazo o con sustitucin est dado por:

n1 n2 n3 ...nr n r

Ejemplo: una urna contiene 8 esferas de diferentes colores. de cuantas

maneras se pueden obtener 3 esferas con sustitucin?
n = 8, r = 3 8 8 8 = 83 = 512 maneras.
b) Muestreo ordenado o pruebas ordenadas sin sustitucin o sin
reemplazo
En este caso, los objetos seleccionados no regresan a la urna, es decir, cada
vez que se elige un objeto, el total de objetos de la urna va disminuyendo.
De manera que sise tienen n objetos en la urna, y se van a escoger r objetos
sin sustituirlos, el nmero de pruebas ordenadas de tamao r sin reemplazo
ser:
n!
n( n 1)( n 2 )( n 3 )...( n r 1) n Pr
( n r )!

Ejemplo: Utilizar 10 nmeros del 0 al 9 para crear grupos de cdigo de 4 cifras

a fin de identificar un articulo de ropa. El cdigo 1083 podra ser una blusa
azul, talla media. El grupo cdigo 2031 podra identificar unos pantalones, talla
18,etc. No se permiten repeticiones de los nmeros. Es decir, el mismo nmero
no puede utilizarse dos veces o mas en una secuencia total. Por ejemplo 2256,
2562, o 5559 no se permitirn Cuntos grupos de distintos cdigos pueden
establecerse?

10 x 9 x 8 x 7 = 5040
31
 Permutaciones Circulares
A una disposicin de cosas en cadena cerrada o anillo se le llama permutacin
circular o cclica. Esto es, cuando se ordenan objetos en una
curva cerrada (por ejemplo, en una mesa redonda, en un llavero, la rueda de
la fortuna, etc.). Generalmente se usa PCn para representar el nmero de
permutaciones circulares de n objetos tomados todos a la vez, y se calcula con la
frmula: PC (n 1)!
n

Nota: esta frmula se obtiene siempre que se fije cualquiera de los n objetos en
el arreglo circular, los restantes n -1 objetos se consideran como una
permutacin lineal, la cual es posible hacer de (n-1)! maneras.
Ejemplo: de cuntas maneras pueden sentarse 6 ejecutivos en una mesa
redonda, si slo importan las posiciones relativas entre ellos y adems 2 de
los ejecutivos tiene que hacerlo juntos.
Solucin:
1) Suponga que los 2 ejecutivos son W y X,
2) El arreglo puede ser WX o XW (2 formas)
3) Quitando el arreglo WX, quedan 5 objetos para permutar
4) Por tanto, PCn = 2PC5 = 2 (5-1)! = 48
 Combinaciones

Las combinaciones de n objetos o cosas tomando r de ellas a la vez, representan

el nmero de subconjuntos diferentes, de tamao r, que se pueden obtener con
esos n objetos. A diferencia de las permutaciones, el orden de aparicin es
irrelevante.
Las notaciones para combinaciones de n objetos tomados r a la vez, son:

C
n
r ( n,r ) nCr C r
c

Las permutaciones de n en r, divididas entre r! son iguales a las

combinaciones de n en r, esto es:
n!
n Pr n(n 1)...(n r 1) (n r )! n!
C( n ,r )
r! r! r! r!(n r )!
Ejemplo:
En un centro de trabajo se van a seleccionar 3 personas para integrar una
comisin de evaluacin. Si el centro tiene 20 trabajadores, de cuntas mane-
ras pueden ser seleccionadas:
a) Las tres personas
b) Las tres personas si el comit estar formado por presidente, tesorero y
secretario.
Solucin:

a) n = 20 , r = 3,
20!
20 C3 1140
3! ( 20 3 )! )

b) n = 20 ; r = 3

20!
20 P3 6840
( 20 3 )! )

34
 Diferencias entre permutacin y
combinacin
PERMUTACIN: COMBINACIN:
Es todo arreglo de elementos en Es todo arreglo de elementos
donde nos interesa el lugar o en donde no nos interesa el
posicin que ocupa cada uno de lugar o posicin que ocupa
los elementos que constituyen cada uno de los elementos
dicho arreglo. que constituyen dicho
arreglo.

Para ver de una manera objetiva la diferencia entre una

combinacin y una permutacin, plantearemos ciertas
situaciones:
 Situaciones
"Mi ensalada de frutas es una combinacin de manzanas, uvas y
bananas": no importa en qu orden pusimos las frutas, podra ser
"bananas, uvas y manzanas" o "uvas, manzanas y bananas", es la
misma ensalada.
"La combinacin de la cerradura es 472": ahora s importa el orden.
"724" no funcionara, ni "247". Tiene que ser exactamente 4-7-2.

As que en matemticas usamos un lenguaje ms preciso:

Si el orden no importa, es una combinacin.
Si el orden s importa es una permutacin.

36
 DIAGRAMA DE ARBOL
Definicin: Un diagrama de rbol es una
representacin grfica de un experimento que
consta de r pasos, donde cada uno de los pasos
tiene un nmero finito de maneras de ser llevado a
cabo.
Construccin Del Diagrama De rbol (Usando conjuntos)
Sean: A y B dos conjuntos
a) Fijar un nodo inicial (Un punto situado a la izquierda, representa la raz del
rbol);
b) Abrir a partir del mismo, tantas ramas como elementos tenga el conjunto A;
c) Abrir a partir de cada una de estas, tantas ramas como elementos tenga el
conjunto B;
d) Leer el conjunto ordenado resultante sobre cada secuencia de ramas.

37
Ejemplo : Cuando se seleccionan tres artculos de forma aleatoria de
un proceso de fabricacin y se clasifican como defectuosos (D) y no
defectuosos (N):

Ejemplo: Un mdico general clasifica a sus pacientes de acuerdo a: su sexo

(masculino o femenino), tipo de sangre (A, B, AB u O) y en cuanto a la presin
sangunea (Normal, Alta o Baja). Mediante un diagrama de rbol diga en
cuantas clasificaciones pueden estar los pacientes de este mdico?
Solucin: Si contamos todas las ramas terminales, nos damos cuenta que el
nmero de clasificaciones son 2 x 4 x 3 = 24 mismas que podemos enumerar;
MAN, MAA, MAB, MBN, MBA, MBB, etc, etc.
38
 Eventos o Sucesos
Los eventos aleatorios se denotan normalmente con las letras
maysculas A, B, C, ..., son subconjuntos de S, esto es, A, B,
C, S
Los eventos aleatorios son conjuntos que pueden contener un
solo elemento, una infinidad de elementos, y tambin no
contener ningn elemento.
Al nmero de puntos muestrales de S se le representa por N(S)

Eventos aleatorios que aparecen con gran frecuencia en el

clculo de probabilidades:
Evento seguro.- Siempre Evento Imposible.- Es aquel que nunca
se verifica despus del se verifica como resultado del
experimento aleatorio, son experimento aleatorio. No tiene
los mismos del espacio elementos de inters para su fenmeno.
muestral. Es un subconjunto de S, y la nica
posibilidad es que el evento imposible sea
E=S y N(E) = N(S) el conjunto vaco.
S, y N() = 0
Evento Elemental.- Es el evento E que
Evento Compuesto.- Es el
contiene exactamente un punto muestral
evento E que contiene ms de un
de S, esto es, N(E) = 1.
punto muestral de S, por tanto
Cada elemento del espacio muestral, es
N(E) > 1
un evento elemental. Tambin se le
denomina como punto muestral.

Evento contrario a un evento A: Tambin se denomina evento

complemento de A y es el evento que se verifica si, como resultado del
experimento aleatorio, no se verifica A.
Ya que los eventos son conjuntos, este evento se denota con el smbolo
Ac o bien , y se define como:

A s tal que s A
c
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:

= { (C,C,C), (C,C,N), (C,N,C), (N,C,C), (N,N,C), (N,C,N),

(C,N,N), (N,N,N) },
N() = 8, S es el evento seguro.

Evento simple:
B:Que salgan tres CARAS; B ={ (C,C,C) } , N(B) = 1
Evento compuesto:
E: Que salgan al menos dos CARAS;
E = { (C,C,C), (C,C,N), (C,N,C), (N,C,C) }, N(E) = 4
Evento imposible: (conjunto vacio). N() = 0
 Operaciones Bsicas con Eventos Aleatorios
Ya que los eventos aleatorios son subconjuntos del conjunto , espacio
muestral, se pueden aplicar las conocidas operaciones con conjuntos, a
los eventos, como son la unin, la interseccin y la diferencia de eventos.

OPERACIN EXPRESION DESCRIPCION

UNION Unin de eventos originales: es el

evento que sucede si y solo si A
AB sucede o B sucede o ambos
suceden

INTERSECCION Interseccin de los eventos

originales, es el evento que sucede
AB si y slo si A y B suceden
simultneamente.
DIFERENCIA La diferencia de los eventos
A-B originales A y B, es el evento que
sucede solo en A pero no en B.
 Grficamente estas operaciones se pueden representar a
travs de los diagramas de Venn.
Sea el espacio muestral y A y B eventos tal que A, B
grficamente se puede expresar como:

S
S
A B
A B

Fig. 1 Los eventos A y B no

tienen elementos del espacio muestral Fig 2. Los eventos A y B tienen
en comn. elementos del espacio muestral en comn.
De acuerdo a lo indicado en las figuras 1 y 2, la
unin de dos eventos se presenta de dos formas
diferentes: cuando los eventos son mutuamente
exclusivos (que no tienen elementos en comn) y
cuando entre los eventos hay elementos
comunes.
Definicin.- Se dice que dos eventos A y B son
mutuamente exclusivos, cuando no pueden
ocurrir simultneamente, es decir, A B = , lo
que ocurre en la fig. 1.
Ejemplo:
Experimento: Se lanza un dado.
Espacio muestral = total de caras en que puede
caer el dado, o sea seis formas de inters:
S = { 1,2,3,4,5,6 }, N(S) = 6
Sean A, B, C los eventos:
A: Que caiga un nmero impar = { 1, 3, 5 } ,
N(A) = 3
B: Que caiga un nmero mayor de 2 y menor que 5
= { 3, 4 }, N(B) = 2
C: Que caiga un nmero par = { 2, 4, 6 } ,
N(C) = 3
 B
1
A 3 S
5 4

2 6
C

A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5}, N(A B) = 4
A C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}=S, N(A C) = N(S) = 6
B C = { 3, 4 } { 2, 4, 6 } = {2,3,4,6}, N(B C) = 4
A B C = { 1, 3, 5 } { 3, 4 } { 2,4,6 }= {1,2,3,4,5,6}=S,
N(A B C) = 6
A B={ 1, 3, 5 } { 3, 4 } = {3}, N(AB) = 1
A C={ 1, 3, 5 } { 2,4,6 } = {}, N(A C) = N{) = 0
B C={ 3, 4 } { 2, 4, 6 } = {4}, N(B C) = 1
(A B) C = ({ 1, 3, 5 } { 3, 4 }) { 2,4,6 }= {3} { 2,4,6 }={},
N((A B) C) = N{) = 0
A (B C) = { 1, 3, 5 } ({ 3, 4 } { 2,4,6 })= { 1, 3, 5 } { 4 }={},
N(A (B C)) = N{) = 0

A B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, N(A B) = 2
A C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, N( A C) = N(A) = 3
B C = { 3, 4 } - { 2,4,6 } = { 3 }, N(B-C) = 1

Ac = { 2, 4, 6} = C N(Ac ) = N( C )= 3
Bc = {1, 2, 5, 6 } N(Bc ) = 4
Cc = {1, 3, 5 } = A N(Cc ) = N(A) = 3
 PROBABILIDAD
Probabilidad clsica.-
Sea S un espacio muestral cualquiera y A un evento de
ese espacio. Se define la probabilidad P del evento
A, como:

NCF
P( A)
donde NCT
NCF - nmero de casos favorables
NCT - nmero de casos totales
 PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga
numero.
Calcular la probabilidad de A:
S = { C, N}, N() = 2
A = { N}, N(A) = 1

N ( A) 1
P( A) .5
N () 2
 PROBABILIDAD
Leyes De La Probabilidad
Las relaciones que se dan entre los
eventos al ser aplicadas las
operaciones que se presentaron, se
facilitan y comprenden mejor haciendo
uso de los axiomas y teoremas de
probabilidad (Leyes de Probabilidad).
Axioma.- es una verdad evidente que no
requiere demostracin.
Teorema.- Es una verdad que requiere
ser demostrada.
 PROBABILIDAD

Axioma 1.- Sea S un espacio muestral cualquiera

y A un evento, tal que A S, entonces se
cumple que
0 P(A) 1 (3)

esto significa que la probabilidad de cualquier

evento no puede ser ms grande que uno, ni ser
menor que cero. Si es igual a 1 se llama evento
seguro, y cuando es cero se llama evento
imposible.
P(A)
___________________________________
-2 -1 0 1 2
 PROBABILIDAD

Axioma 2.- La probabilidad del espacio muestral es

un evento seguro, es uno
P() = 1

Ejemplo.-
Experimento.- Se lanza un dado
Si A =, es decir si el evento A coincide o es igual al
espacio muestral, entonces.

N ( A) N (S )
P( A) 1
N () N ()
 PROBABILIDAD
Teorema 1.- Si es el conjunto vaco,
entonces la probabilidad de es igual a 0
N ()
P() 0
N ()
Ejemplos:
Una persona que quiere ganar la lotera nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 aos
En estos casos los eventos son vacos
 PROBABILIDAD
Axioma 3.- Sea un espacio muestral
cualquiera y sean A y B dos eventos tales que
A , B y A B = , es decir, dos
eventos mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).

A B

A B
 PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
= { CC, NN,CN,NC}
N() = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos caras exactamente
B: el evento de que al lanzar un par de monedas caiga una
cara exactamente.
Los elementos de A y B son
A = { CC }
B = {CN, NC}
Se puede ver que A B = , no hay elementos en comn,
por lo que los eventos son mutuamente exclusivos o
disjuntos, por tanto
P(A B) = P(A) + P(B)
 PROBABILIDAD

N ( A) 1
P( A)
N ( ) 4
N ( B) 2
P( B)
N ( ) 4
1 2 3
P( A B) P( A) P( B)
4 4 4
 PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
exclusivos:
P(A1 A2 A3 A4, ... An) =
P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)
Este axioma dice que la probabilidad de varios eventos
mutuamente exclusivos (que no tienen elementos en
comn), es igual a la suma de sus probabilidades.
Si los eventos no son mutuamente excluyentes entonces
para n eventos seria:
P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n n

P( A
i j
i Aj ) P( Ai
i j k
Aj Ak ) ... P( A1 A2 ... Ak )
 PROBABILIDAD

Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un nmero
mayor a 4
Evento C: que salga el 1 o 3

Los elementos de A, B y C son

A = {2, 4}, N(A) = 2
B = {5, 6}, N(B) = 2
C = {1, 3} , N(C) = 2
 PROBABILIDAD
Como A, B y C son mutuamente excluyentes, ya
que A B = {}, A C = {},
B C = {},
Por axioma 4
P(A B C) = P(A) + P(B) + P(C)
N ( A) 2
P( A)
N () 6
N ( B) 2
P( B)
N () 6
N (C ) 2
P(C )
N () 6
2 2 2 6
P( A B C ) P( A) P ( B ) P (C ) 1
6 6 6 6
 PROBABILIDAD

Teorema 2.-(Ley Aditiva de la Probabilildad).

Sean A y B dos eventos no excluyentes, A B
, entonces
P(A B) = P(A) + P(B) - P(A B)

A B
 PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
= {1c, 2c, 3c, 4c, 5c, 6c, 1n, 2n, 3n, 4n, 5n, 6n }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
A B = { 2c } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
 PROBABILIDAD

Teorema 3.- Sea A un evento cualquiera y un

espacio muestral, tal que AS, si Ac es el
complemento del evento A, entonces la
probabilidad de Ac es igual a 1 menos la
probabilidad de A, es decir

P(Ac) = 1 P(A)
 PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
= {1c, 2c, 3c, 4c, 5c, 6c, 1n, 2n, 3n, 4n, 5n, 6n }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con cara.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con cara.
A = { 2c, 3c }, N(A) = 2
B = { 2c, 4c, 6c } N(B) = 3
Ac = { 1c, 4c, 5c, 6c, 1n, 2n, 3n, 4n, 5n, 6n }
P(Ac) = 1 P(A) = 1 2/12 = 10/12
Bc = { 1c, 3c, 5c, 1n, 2n, 3n, 4n, 5n, 6n }
P(Bc) = 1 P(B) = 1 3/12 = 9/12
 PROBABILIDAD
Probabilidad Condicional.
Sea A un evento arbitrario de un espacio
muestral , con P(B) > 0. La probabilidad
de que un evento A suceda una vez que B
ha sucedido o en otras palabras, la
probabilidad condicional de A dado B, se
define como:

P( A B)
P( A / B)
P( B)
 PROBABILIDAD
Eventos Independientes:

Se dice que los eventos A y B son independientes si

se cumplen:

P( A / B) P( A)
P( B / A) P( B)
P( A B) P( A) P( B)
Si no se cumplen, se dice que los eventos son
dependientes.
 PROBABILIDAD
Probabilidad Condicional.

Ley Multiplicativa de la Probabilidad.

Ya que (AB) = (BA) y despejamos a P(AB), se tiene

que la probabilidad de la interseccin es:

P( A E )
P( A / E )
P( E )
P( B A)
P( B / A)
P( A)
P( A B) P( A / B) P( B)
P( B/A ) P( A )
 PROBABILIDAD
Probabilidad Condicional.
Si A y B son independientes:

P( A B) P( A / B) P( B) P( A) P( B)
P( B/A ) P( A ) P(B)P(A)

P( A B) P( A) P( B)
P( A / B) P( A)
P( B) P( B)
P( B A) P( B) P( A)
P( B / A) P( B)
P( A) P( A)
 PROBABILIDAD
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
B: que al lanzar un dado salga un impar

Encontrar la probabilidad de que al lanzar un dado

se obtenga un 3 dado que se obtuvo un impar.
= {1,2,3,4,5,6}
A = {3}, B = { 1,3,5}, (AB) = {3},
P(A) = 1/6
P(A/B) = P(AB)/ P(B)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3
 PROBABILIDAD
Otra forma de calcular las probabilidades de la
interseccin y las probabilidades condicionales,
de dos eventos A y B, tal que
A AC =
B BC =
es elaborando primero la tabla de nmero de
elementos de los eventos y despus la tabla de
sus probabilidades.
Se tienen los eventos A y B y sus complementos
Ac, Bc

B Bc Total

A AB ABc A

Ac AcB AcBc Ac

Total B Bc
Tabla de nmero de elementos de A, B y sus
complementos Ac, Bc

B Bc Total

A N(AB) N(ABc) N(A)

Ac N(AcB) N(AcBc) N(Ac)

Total N(B) N(Bc) N()

Tabla de probabilidades de A, B, Ac, Bc y sus
intersecciones

B Bc Total

A P(AB) P(ABc) P(A)

Ac P(AcB) P(AcBc) P(Ac)

Total P(B) P(Bc) P( )

 PROBABILIDAD

Probabilidades condicionales:

P(A/B) = P(A B)/P(B)

P(B/A) = P(A B)/P(A)
P(A/Bc) = P(A Bc)/P(Bc)
P(B/Ac) = P(Ac B)/P(Ac)
P(Ac/B) = P(Ac B)/P(B)
P(Bc/A) = P(A Bc)/P(A)
 PROBABILIDAD

Ejemplo.-
En cierta ciudad, las mujeres representan el 50%
de la poblacin y los hombres el otro 50%. Se
sabe que el 20% de las mujeres y el 5% de
hombres estn sin trabajo. Un economista
estudia la situacin de empleo, elige al azar una
persona desempleada. Si la poblacin total es
de 8000 personas,
Cul es la probabilidad de que la persona
escogida sea ?:
 PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer

Sean los eventos:

M: Que sea Mujer
H: Que sea Hombre
D: Que sea Desempleado
E: Que sea Empleado
Tabla Nmero de elementos de los Eventos M, H, D, E y S

Desempleados Empleados Total

D E

Mujeres 800 3200 4000

M

Hombres 200 3800 4000

H

Total 1000 7000 8000

 Tabla de Probabilidades

D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5

H 200/8000= .025 3800/8000= .475 4000/8000= .5

Total 1000/8000= .125 7000/8000= .875 8000/8000= 1

 PROBABILIDAD

P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
 PROBABILIDAD

Eventos dependientes e independientes

En el ejemplo anterior se tiene que
P(M) = .50 P(H) = .50
P(E) = .875 P(D) = .125
P(ME) = .40 P(M) P(E) = .4375
P(DH) = .025 P(D) P(H) = .0625
P(MD) = .10 P(M) P(D) = .0625
P(EH) = .475 P(E) P(H) = .4375

Por tanto los eventos M y E , D y H, M y D, E y H

son dependientes.
 Ley general Multiplicativa para n
eventos

P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 \ A1 ) P( A3 \ A1 A2 )...P( Ak \ A1 A2 ... Ak 1 )

INDEPENDENCIA DE n EVENTOS

P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 ) P( A3 )...P( Ak )
 PROBABILIDAD

Probabilidad total.-
Sean A1, A2, A3..., An eventos disjuntos
(mutuamente excluyentes), que forman una
particin de . Esto es Ai Aj = para
toda i y toda j, y adems
= A1 A2 A3 An
A2
A5
A3
A1 A4

A6

An
 PROBABILIDAD

Y sea B otro evento tal que B y B Ai

A2
A5
A3
A1 A4

B
A6

An

B
 PROBABILIDAD
Entonces
B = B = (A1 A2 A3 An) B
= (A1 B) (A2 B) (A3 B)
(An B)

Al aplicar la funcin de probabilidad a ambos eventos,

se tiene que:
P(B) = P(A1B) + P(A2B) +P(A3B) ++P(An B)

Ya que (Ai B) es ajeno a (Aj B) para i j

 PROBABILIDAD
Como (Ai B) = (B Ai) entonces
P(Ai B) = P(B Ai) = P(B/Ai) P(Ai)

Entonces la probabilidad completa de B es:

P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) +

P(B/A3)P(A3)+...+ P(B/An) P(An)
 PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Si se selecciona un artculo al azar,
Cul es la probabilidad de que el artculo sea
defectuoso ?
 PROBABILIDAD
Sea
D el evento: Que sea un artculo defectuoso.
P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05

P(D) = P(D/M1) P(M1) + P(D/M2) P(M2) +

P(D/M3) P(M3)
= .03(.50) + .04(.30) + .05(.20) = 0.037
 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

Teorema de Bayes.- Supngase que A1, A2, A3,...,An

es una particin de un espacio muestral . En cada
caso P(Ai) 0. La particin es tal que A1, A2,
A3,...,An, son eventos mutuamente exclusivos. Sea B
cualquier evento, entonces para cualquier Ai,

P( Ai ) P( B / Ai )
P( Ai / B)
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) P( An ) P( B / An )
 PROBABILIDAD

Como la probabilidad completa de B es :

P(B) P(A1 )P(B/A1 ) P(A2 )P(B/A2 ) P(An )P(B/An )

entonces
P( Ai ) P( B / Ai )
P( Ai / B)
P(B)
 PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
 PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
 PROBABILIDAD
Sea
D: Que el artculo sea defectuoso
ND: Que el artculo no sea defectuoso
M1: Que haya sido producido por la mquina 1
M2: Que haya sido producido por la mquina 2
M3: Que haya sido producido por la mquina 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 ) (.5 0)(.0 3)
.4 0 5 4
P(D) .0 3 7

La probabilidad de que el artculo defectuoso se

haya producido en la M1 es del 40.54%
Sistema exhaustivo y excluyente de sucesos
Son una coleccin de sucesos
A1 A2
A1, A2, A3, A4
Tales que la unin de todos ellos forman
el espacio muestral, y sus intersecciones
son disjuntas.

A1

A2
A3 A4 Suceso
seguro
A3

A4
 Divide y vencers
Todo suceso B, puede ser
A1 A2 descompuesto en componentes de
dicho sistema.
B = (BA1) U (BA2 ) U ( BA3 ) U ( BA4 )

B
A1 B

A2 B
A3 A4 Suceso
seguro
A3 B

A4 B
Nos permite descomponer el problema B en
subproblemas ms simples.
 Teorema de la probabilidad total
Si conocemos la probabilidad de B en cada uno de los
A1 A2 componentes de un sistema exhaustivo y excluyente
de sucesos, entonces

podemos calcular la probabilidad de B.

P(B|A1)
B A1 B
P(A1)
P(B|A2)
A2 B
Suceso P(A2)
A3 A4 seguro P(B|A3)
P(A3)
A3 B
P(A4) P(B|A4)
P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + P( BA4 ) A4 B

=P(A1) P(B|A1) + P(A2) P(B|A2)+

Ejemplo (I): En este aula el 70% de los alumnos son
mujeres. De ellas el 10% son fumadoras. De los
hombres, son fumadores el 20%.
T. Prob. Total.
Hombres y mujeres forman un sistema. Exhaustivo Exclusivo de Fuma
sucesos 0,1

Qu porcentaje de fumadores hay?

Mujer
P F = P MF + P HF 0,7
0,9
No fuma
= P(M)P(F|M) + P(H)P(F|H)
Estudiante
=0,7 x 0,1 + 0,3 x 0,2
0,3 0,2
= 0,13 =13% Fuma
Hombre
Los caminos a travs de nodos representan
intersecciones. 0,8
No fuma
Las bifurcaciones representan uniones disjuntas.
Teorema de Bayes
Si conocemos la probabilidad de B en
cada uno de los componentes de un
A1 A2
sistema exhaustivo y excluyente de
sucesos, entonces

si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia
B de cada Ai.

P( A i B)
PB ( A i ) P( A i / B)
P( B)
A3 A4

donde P(B) se puede calcular usando el teorema de la probabilidad

total:

P(B)=P(BA1) + P(BA2 ) + P( BA3 ) + ( BA4 )

=P(B|A1) P(A1) + P(B|A2) P(A2) +

Ejemplo (II): En este aula el 70% de los alumnos son mujeres. De ellas el 10%
son fumadoras. De los varones, son fumadores el 20%.

Qu porcentaje de fumadores hay?

P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13
(Resuelto antes)
Fuma
0,1
Se elije a u i dividuo al azar y es fu ador
Probabilidad de que sea un hombre?
0,7 Mujer
0,9
No fuma
Estudiante

0,2
P( H F ) P( H ) P( F | H ) 0,3 Fuma
P( H | F ) Hombre
P( F ) P( F )
0,3 0,2
0,46 0,8
0,13 No fuma