UNIDAD TEMATICA 2.

TEORIA DE LA PROBABILIDAD

2.1 HISTORIA DE LA PROBABILIDAD

La probabilidad, también conocida como teoría de probabilidad es la rama de las matemáticas

que se ocupa de medir cuantitativamente la posibilidad de que un suceso produzca un
determinado resultado. La probabilidad es fundamento necesario de la estadística.

La creación de la probabilidad se atribuye a los matemáticos franceses del siglo XVIII, Blaise
Pascal y Pierre de Fermat, aunque se tiene el antecedente de algunos matemáticos anteriores
como Gerolamo Cardano, quien intento responder varias peguntas que sugieren los juegos de
azar, como por ejemplo: cuantas veces se ha de lanzar un par de dados para que la
probabilidad de que caiga 6 sea del 50%.

La teoría de la probabilidad fue aplicada con éxito en las mesas de juego eventualmente en los
negocios.

Por 50 años muchos centros de aprendizaje estuvieron estudiando probabilidades como una
herramienta para comprender los fenómenos sociales. Hoy la teoría matemática de
probabilidad es la base para aplicaciones estadísticas tanto en investigaciones de tipo social
como administrativas.

Se vive en un mundo en el que se está con la incapacidad de predecir el futuro con completa
certeza. La necesidad de tener suficiente poder para manejar la incertidumbre obliga a
estudiar y a usar la teoría de las probabilidades. En muchas ocasiones, como administradores
de empresas es posible tener algún conocimiento sobre los posibles resultados de una
decisión. Al organizar esta información y al considérala sistemáticamente, se podrán reconocer
los supuestos, comunicar los razonamientos a los demás y tomar decisiones más claras de las
que se obtendrán si se usa el disparo en la obscuridad.

2.2 FENOMENOS DETERMINISTICOS Y ALEATORIOS

FENOMENOS DETERMINISTICOS FENOMENOS ALEATORIOS

Son aquellos problemas, Son aquellos problemas,

situaciones o fenómenos, que se situaciones o fenómenos en los
conoce con toda precisión su cuales no se puede precisar el
resultado resultad, también son llamados
“azarosos o estocásticos”
Ejemplo: si colocáramos nuestras
manos, sin protección, dentro del Ejemplo: ¿sacaré el premio mayor
agua, podemos asegurar que se de la lotería?
van a mojar
2.3 DIFERENTES ENFOQUES DE LA PROBABILIDAD.

PROBABILIDAD DE FRECUENCIA RELATIVA O EMPIRICA.

Trata con los problemas de azar o aleatorios, inicio a partir de la aplicación en juegos de azar.
Esta aplicación se debió a que se observaba la regularidad de la aparición de ciertos resultados
luego de cierto número de ocasiones, luego se consideró la proporción con respecto al número
de veces que se repitieron éstos en condiciones casi siempre iguales. A este tipo de
probabilidad se le conoció como “probabilidad empírica o de frecuencia relativa” a propósito
de la cual se establecieron ciertas nociones:

𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑎𝑝𝑎𝑟𝑒𝑐𝑒 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜

P(evento) =
𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑝𝑖𝑡𝑖𝑜 𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜

Hacia el siglo XIX los estadísticos británicos, interesados en unas bases teóricas para calcular el
riesgo de pérdidas en los seguros de vida y en los seguros comerciales, empezaron definiendo
las probabilidades a partir de datos estadísticos recogidos en nacimientos y muertes.

Este enfoque define las probabilidades como la frecuencia relativa observada de un evento en
un gran número de pruebas y la proporción de veces que ocurre en un evento en un largo
periodo cuando las condiciones son estables.

Este método utiliza las frecuencias relativas de ocurrencias pasadas como probabilidades. Se
determina con qué frecuencia algo ha ocurrido en el pasado y se usa este dato para predecir la
posibilidad de que vuelva a salir en el futuro. (a mayor número de pruebas, mayor decisión)

La dificultad del sistema de frecuencia relativa es que a menudo se usa sin evaluar un
suficiente número de resultados.

PROBABILIDAD CLASICA O A PRIORI

La probabilidad clásica define la probabilidad de la ocurrencia de un evento como:

𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎 𝑙𝑎 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜

P(evento) =
𝑛𝑢𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Donde cada uno de los posibles resultados deben de ser igualmente probables.

Esta se llama probabilidad a priori, porque se pueden establecer los resultados basándose en
un razonamiento lógico antes de realizar cualquier experimento. Este enfoque de probabilidad
es útil cuando se tiene que tratar con cartas, dados, lanzamiento de monedas y similares pero
tiene serios problemas cuando se trata de aplicar a situaciones no tan simples, como son las
que se presentan en el mundo de los negocios.

De lo anterior se establece una diferencia entre la probabilidad relativa y la probabilidad

clásica. Siendo hasta nuestros días la que más se utiliza por su caracterización axiomática. La
diferencia es que la primera esta sobre bases “igualmente probables” que es posible que no se
establezcan y la segunda si esta entre bases “igualmente probables”
 “Sea A un evento que puede suceder en n formas de un total de m formas posible e
igualmente probables“
𝑛
Luego: P(A) =
𝑚

El cálculo de la probabilidad de un evento “A” simple puede conseguirse por medio de

conjuntos, luego:

𝑁(𝐴)
P(A) =
𝑁(𝛺)

Donde N indica el número de elementos del conjunto A y 𝛺, este último es la notación del
conjunto universal que en estadística se denomina espacio muestra.

Tanto la probabilidad de frecuencia relativa como la clásica, también pueden ser referidas
como probabilidades objetivas.

DEFINICION DE PROBABILIDAD SUBJETIVA

Las probabilidades subjetivas están basadas en la confianza propia de la persona que está
haciendo uso de la probabilidad.

LA PROBABILIDAD SUBJETIVA se define como la probabilidad asignada a un evento

por un individuo basado en cualquier tipo de evidencia que tenga disponible

Asignaciones de probabilidad subjetiva se encuentran frecuentemente cuando los eventos

ocurren solamente una vez, máximo pocas veces. Como la mayoría de las decisiones de alto
nivel social o de administración se refieren a situaciones específicas y únicas, en lugar de largas
series de situaciones idénticas, los administradores a este nivel deben utilizar las
probabilidades subjetivas.

2.4 DEFINICION DEL CONCEPTO DE PROBABILIDAD.

De los enfoques de la probabilidad antes referidos se puede establecer que:

LA PROBABILIDAD es la medida numérica de la posibilidad de que ocurra un

suceso, o es el valor entre 0 y 1 que describe la posibilidad relativa de que ocurrirá
una cosa.
Ejemplo
Considere que usted lanza un dado honesto, es decir que no se encuentre manipulado. ¿Cuál
es la probabilidad del evento “cae un número impar”?
Solución
Si observamos un dado este tiene seis posibles resultados, que son 1, 2, 3, 4, 5, 6 que tienen la
misma probabilidad de aparecer. De estos posibles resultados los que nos interesan se refieren
a que aparezca un número impar, y los resultados favorables en este caso son 1, 3, 5 por lo
tanto:

𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎 𝑙𝑎 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎 𝑑𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜

P(evento) =
𝑛𝑢𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 3 1

P(un número impar) = = =
𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 6 2

Ejemplo:
Considere que usted lanza una moneda honesta, es decir que no se encuentra manipulada y se
observó que de 113 lanzamiento 111 fueron sol ¿Cuál es la probabilidad que en un próximo
lanzamiento la moneda caiga nuevamente sol?
Solución:
El tamaño de la muestra es de 113 lanzamientos y de los cuales se obtuvieron 111 soles
entonces un próximo lanzamiento la probabilidad que se esperaría de que nuevamente cayera
sol será:
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑐𝑎𝑦𝑜 𝑠𝑜𝑙 111
P(𝑐𝑎𝑖𝑔𝑎 𝑠𝑜𝑙) = = = 0.98
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑙𝑎𝑛𝑧ó 𝑙𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 113

La probabilidad de que en un futuro lanzamiento de la moneda vuelva a caer sol será de 0.98 o
lo que es lo mismo 98%.
2.5 CONCEPTOS BASICOS EN PROBABILIDAD.

EXPERIMENTO Cualquier proceso que produce un resultado

o una observación
Ejemplo: al lanzar un dado se puede observar
que puede caer: 1,2,3,4,5,6
EVENTO Es un subconjunto de resultados posibles de
un experimento
Ejemplo: que aparezca un numero par en el
experimento anterior.
Se pueden clasificar los eventos en simples o
compuestos.
EVENTO SIMPLE Un evento que consta de un solo resultado u
observación.
Ejemplo: que aparezca el 4, en el
experimento anterior referido
EVENTO COMPUESTO Un evento que consta de 2 o más eventos
simples y/o dos o más resultados.
Ejemplo: que aparezca un numero divisible
entre 3 en el experimento de lanzar un dado

ESPACIO MUESTRAL: Es un listado de todos los eventos simples que pueden resultar en un
experimento probabilístico. El listado puede tener cualquiera de las siguientes formas:

Una lista
Un diagrama de árbol
Un sistema de red o celosía, etc.

Se acostumbra simbolizar tanto a los eventos como al espacio muestra con una notación de
conjuntos por extensión o por comprensión, con letras mayúsculas del abecedario a los
eventos y por el Ω al espacio muestra, como se había indicado anteriormente. También
pueden ser representados gráficamente por medio de diagramas de Venn: (grafico 1 unidad 2)
Ejemplo: la probabilidad de sacar un corazón rojo de un mazo ordinario de naipes que tenga
52 cartas: 1,2,3,4,5,6,7,8,9,10,joto,reina y rey en cada uno de sus símbolos: corazones negros,
corazones rojos, diamantes y tréboles.

A= {fue un corazón} = {1,2,3,4,5,6,7,8,9,10,J,Q,K}

N(A) = 13

N(Ω) = 52

Luego:
𝑁(𝐴)
P(A) =
𝑁(𝛺)

13 1
(A) = = = 0.25 = 25%
52 4

Un conjunto es cualquier colección de objetos bien definidos, de tal manera que se pueda
decir siempre si un objeto pertenece o no al conjunto al cual nos referimos. Los objetos o
personas que componen un conjunto se denominan elementos.

Los conjuntos se denotan con letras mayúsculas. Se emplean letras minúsculas para
denominar sus elementos.

Cabe señalar que los conjuntos formados deben provenir de un universo.

¿Qué es universo?

El universo es lo que conforma un experimento o situación. En este caso es el total de alumnos

que hay en la primaria (el símbolo que denota al universo es una U mayúscula).

U = total de alumnos

De esta situación se distinguieron los siguientes conjuntos:

El conjunto A formado por los alumnos que usan lentes:

𝐴 = {𝑎𝑙𝑢𝑚𝑛𝑜𝑠 𝑞𝑢𝑒 𝑢𝑠𝑎𝑛 𝑙𝑒𝑛𝑡𝑒𝑠}

El conjunto B formado por los alumnos que usan aparatos auditivos:

𝐵 = {𝑎𝑙𝑢𝑚𝑛𝑜𝑠 𝑞𝑢𝑒 𝑢𝑠𝑎𝑛 𝑎𝑝𝑎𝑟𝑎𝑡𝑜𝑠 𝑎𝑢𝑑𝑖𝑡𝑖𝑣𝑜𝑠}

De acuerdo con el número de elementos que forman parte de un conjunto se tiene la siguiente
clasificación.

1) Conjunto vacío. Es aquel conjunto que carece de elementos; se representa solamente por
"Φ" o con las llaves vacías, por ejemplo:

El conjunto H formado por alumnos con sillas de ruedas:

H={ } o H=Ø
2) Conjunto unitario. Se puede representar con cualquier letra y es todo aquel que únicamente
tiene un elemento, por ejemplo:

El conjunto J formado por alumnos mayores de 14 años:

𝐽 = {1}

3) Conjunto finito. Se puede representar con cualquier letra y es todo aquel en donde puede
efectuarse el conteo exacto de sus elementos.

4) Conjunto infinito: Este conjunto se puede distinguir porque no es posible realizar un conteo
exacto de los elementos contenidos en él.

Para expresar que un elemento pertenece a un conjunto utilizamos el símbolo Є, el cual se lee
"es un elemento de" o "pertenece a". Por ejemplo, si Juan es un alumno que usa lentes, se
puede escribir como:

Juan Є A

Cuando un elemento no pertenece a un conjunto se usa el símbolo ∉ , el cual se lee "no es un

elemento de" o "no pertenece a". Si Octavio es un alumno que no usa lentes, entonces:

Octavio ∉ A

Retomando la situación de la primaria, los resultados obtenidos nos permiten realizar ciertas
preguntas:

¿Cuántos alumnos usan lentes o aparatos auditivos?

Te preguntarás cómo encontraremos el resultado, puesto que no está en los resultados dados
por la SEP.

Esto es fácil gracias a las operaciones entre conjuntos. En este caso, la operación a realizar es
la unión y esto se debe a la "O" que encontramos en la pregunta (la letra "O" representará la
unión entre conjuntos).

Unión. Se representa mediante una U y se tiene como resultado un nuevo conjunto formado
por todos los elementos de los dos conjuntos originales, evitando la repetición de elementos
en aquellos casos en los que comparten uno o más elementos. En la forma constructiva esta
operación se define como:

𝐴 ∪ 𝐵 = {𝑥 ⁄𝑥 𝜖 𝐴 𝑂 𝑥 𝜖 𝐵}

El símbolo | se lee "tal que", por lo tanto la manera de leer esta expresión es la siguiente:

A unión con B es igual a x, tal que x es elemento de A, O x es elemento también de B.

La unión no es una suma de elementos, es una reunión de elementos donde aquellos que
están repetidos en ambos conjuntos sólo se encuentran en medio de los dos conjuntos una
sola vez.
A esta operación también se le llama reunión de conjuntos ya que, como su nombre lo indica,
lo que se hace es reunir en otro conjunto los elementos de los conjuntos originales.

Volviendo a los datos de la escuela, otra pregunta que podemos formularnos es ¿cuántos
alumnos usan lentes y aparatos auditivos?

La respuesta es sencilla ya que aparece como dato, sin embargo la pregunta nos lleva a otra
operación entre conjuntos: la intersección.

¿Cómo nos damos cuenta de que se trata de una intersección? Por la letra "y" que aparece en
la pregunta.

Intersección. Se representa mediante una ∩, se obtiene como resultado otro conjunto

formado por los elementos comunes de los dos conjuntos originales. Esta operación se define
como

𝐴 ∩ 𝐵 = {𝑥 ⁄𝑥 𝜖 𝐴 𝑦 𝑥 𝜖 𝐵}

La manera de leer esta expresión es la siguiente:

A intersección con B es igual a x, tal que x es elemento de A, y x es elemento también de B.

Otra pregunta que podríamos hacer es ¿cuántos alumnos no usan lentes?

Esta pregunta nos lleva a la operación complemento, porque nos indican todos los alumnos de
la escuela (el universo), menos los que usan lentes.

Complemento. Se puede representar en diferentes formas: 𝐴𝑐 , 𝐴∗ , 𝐴′. En esta unidad de

aprendizaje daremos preferencia al símbolo 𝐴𝑐 , que debe leerse " A complementado" o
"complemento de A". De esta operación se obtiene como resultado otro conjunto formado por
los elementos del conjunto universal que no se encuentren en el conjunto original, en este
caso A. Por lo tanto,

𝐴𝑐 = {𝑥|𝑥 ∉ 𝐴}

Si ahora nos interesara conocer cuántos alumnos usan aparatos auditivos, pero no lentes,
utilizaríamos la operación diferencia.

Diferencia. También se conoce como resta o sustracción entre conjuntos. La diferencia de A -

B, en este orden, es el conjunto de todos los elementos que pertenecen a A pero no a B.
Algunos autores expresan la diferencia como A \ B

𝐴 − 𝐵 = {𝑥|𝑥 ∈ 𝐴 𝑦 𝑥 ∉ 𝐵}

De estas operaciones básicas resulta un álgebra de conjuntos, la cual utilizaremos más

adelante. Mientras tanto imprime el siguiente archivo para que conozcas las leyes del álgebra
de conjuntos.
2.6 TECNICAS DE CONTEO

Otras bases de la probabilidad son las técnicas de conteo. Estas técnicas permiten, mediante
un razonamiento sencillo y operaciones básicas, conocer el número de formas en las que se
puede desarrollar o ejecutar algún proceso. Tales técnicas son conocidas también como
análisis combinatorio.

Se desarrollaron algunos métodos para determinar sin enumeración directa el número de

resultados posibles de un experimento particular o el número de elementos de un evento.

El análisis combinatorio tiene como elementos principales las permutaciones y las

combinaciones.

TEOREMA FUNDAMENTAL DEL CONTEO

Si un evento puede realizarse de “n1” maneras diferentes y si un segundo evento puede

realizarse de “n2” maneras diferentes y así sucesivamente entonces el número de maneras en
que los eventos pueden realizarse en el orden indicado es el producto (n1)(n2)….nr

Ejemplo:

1. En un grupo de 30 alumnos, un profesor desea escoger 3 alumnos y designar un

representante, un suplente y un auxiliar. ¿Cuántas formas se tiene para hacerlo?

r s a
30 29 28
Tabla 1

El número de arreglos posibles será de 30 x 29 x 28 = 24,360 formas.

2. Un urbanista ofrece a los interesados en la compra de una casa, la posibilidad de

seleccionar el estilo de la fachada entre: modernista, rustico, colonial y tradicional; una
sola planta, dos pisos o en desniveles. ¿De cuantas maneras diferentes puede un
comprador seleccionar una de estas casas?

Solución: Para la solución de este problema se utiliza el principio Fundamental del Conteo. El
primer evento “estilos” ocurre n1= 4 maneras diferentes; el segundo evento “plantas” ocurre
de n2= 3 maneras diferentes así:

Número total de maneras diferentes = (n1)(n2) = 4 x 3 =12

3. Un proceso de manufactura se efectúa con muy poca inspección. Los artículos

terminados se transportan a un área de inspección donde se verifican cuatro
características, cada una por un inspector diferente. El primer inspector evalúa una
característica de acuerdo con uno de cuatro valores. El segundo utiliza tres valores, y el
tercero y cuarto inspector emplean dos valores cada uno. Cada inspector marca el
valor en la etiqueta de identificación del artículo. ¿De cuántas maneras diferentes
podrían marcarse los artículos?
Solución: El primer evento que ocurre de 4 maneras diferentes, un segundo evento que ocurre
de 3 maneras diferentes, un tercer evento que ocurre de 2 maneras diferentes y un cuarto
evento que ocurre de 2 maneras diferentes, resolviendo:

(n1)(n2) (n3)(n4)= 4x 3x 2x2 = 48 maneras diferentes

4. ¿De cuántas maneras podemos ordenar 4 letras (A, B, C, D) en una fila?

La solución es que existen 4!=24 formas de ordenar cuatro letras distintas en una fila.

5. ¿De cuántas maneras podemos ordenar 5 letras (A, B, C, D, E)?

Si elaboras el diagrama de árbol, de manera análoga al caso anterior, tendrías en el primer

nivel 5 opciones, después 4, luego 3, luego 2 y por último 1.

En total tendrías (5) (4) (3) (2) (1) = 120 formas distintas de ordenar las letras.

6. ¿Cuántas formas distintas existen para ordenar las letras de la palabra HOLMES? (Observa
que la palabra HOLMES está conformada por 6 letras distintas.

Existen 6! = 720 formas de ordenar las letras de la palabra "HOLMES".

7. ¿Cuántas formas distintas existen para ordenar todas las letras del abecedario? Considera
que el alfabeto tiene 27 letras distintas (las letras Ch y LL se consideran combinaciones de
otras dos).

Al ordenar las 27 letras (A, B, C, ..., X, Y, Z), siguiendo un razonamiento como el anterior,
tendrías

(27)(26)(25)….(3)(2)(1) = 10,888,869,450,418,352,160,768,000,000 formas distintas de ordenar

las letras.

Es decir, 27! = 1.089x 1028 posibles ordenamientos diferentes de las 27 letras del abecedario.

Después de analizar los distintos casos, podemos concluir que, para tal ordenamiento, la forma
simple de obtener su respuesta es por medio del factorial de número total de letras.

El factorial de un número entero positivo se define como el producto de todos los números
naturales anteriores o iguales a él. Se escribe n! , y se lee "n factorial". (Por definición el
factorial de 0 es 1: 0!=1)

Para indicar el factorial de un número se utiliza el símbolo !

NOTACION FACTORIAL

n! = n x(n-1)x(n-2) x….. x 3 x 2 x…1

0! = 1! = 1 por definición.

Ejemplo:
7! = 1x2x3x4x5x6x7=5,040
8! = 1x2x3x4x5x6x7x8 = 40,320.
PERMUTACIONES

Una permutación de un número de objetos es cualquiera de los diferentes arreglos de esos

objetos en orden definido.

Las permutaciones son también conocidas como ordenaciones, y de hecho toman este
nombre porque son ordenaciones de r objetos de n datos. Una ordenación de un número “r”
de dichos objetos, r<n en un orden dado se llama permutación de n objetos tomados “r” a la
vez y se denota por:
nPr = n(n-1)(n-2)…(n-(r-1))

𝑛!
nPr =
(𝑛 − 𝑟)!

“n” representa el número total de objetos

“r” representa el total de objetos seleccionados

Ejemplo:

1. Un bibliotecario tiene un espacio para colocar 7 libros en un librero y tiene 12 libros de

las cuales debe escoger los 7. ¿De cuantas maneras puede colocar los 7 libros en el
librero?

12 11 10 9 8 7 6
Por el teorema fundamental del conteo tenemos:

12x11x10x9x8x7x6 = 3991680

O bien por permutación

12! 12!
12P7 = =
(12 − 7)! 5!

2. En un circuito impreso se deben montar, un transistor (t), un condensador (c) y una

resistencia (r) las piezas se pueden montar en cualquier orden ¿de cuantas formas
pueden montarse las tres piezas?
Solución.
Aplicando la fórmula de permutaciones y considerando que se tienen n=3 piezas y se van a
montar r=3 piezas y sustituyendo en la expresión tenemos:
3! 3!
3P3 = = =6
(3 − 3)! 0!

A modo de recordatorio, el factorial de cero siempre es igual a 1.

Entonces podemos concluir que las piezas se pueden montar en el circuito integrado de 6
formas posibles.
¿Cuántas claves diseñarías para acceder a un edificio si la clave debe contener primero las
letras G, H, L, M, seguida de los dígitos 6, 9?

Aplicando la formula

4x3x2x1x2x1 = 48

4P4 x 2P2 = 24x2 =48

4x3x2x1x2x1=48

Letras digitos

Como puedes observar, todo es un proceso consecutivo, por tal motivo elaboramos una
multiplicación de cada lugar disponible para letra y para dígito. Toma en cuenta que no es
posible utilizar la fórmula de la forma: 6P6

Ya que hay una gran diferencia entre letra y dígito, por eso se realizó una permutación para las
letras y otra para los dígitos y, por último, ambas se multiplicaron.

Es decir, podrías diseñar 48 claves de acceso, todas totalmente diferentes.

Analicemos una situación donde tenemos que acomodar personas, lo cual es muy común en
conferencias, debates, etcétera

¿De cuántas maneras se pueden acomodar 4 personas (A, B, C, D) en dos sillas?

Solución:

Para responder este problema podemos utilizar un diagrama de árbol.

A este modo de ordenamiento se le llama permutación de algunos objetos, todos diferentes.

Aplicando la fórmula al ejemplo anterior, podemos verificar que 4P2 = 12

Permutación de algunos objetos, todos diferentes
𝑛!
𝑃𝑟𝑛 = 𝑃(𝑛, 𝑟) =
(𝑛 − 𝑟)!
Donde: n es el número total de objetos o elementos

r es el número de objetos a considerar

Cabe aclara que n y r deben ser enteros positivos a partir del número 1. También debemos
saber que ésta es la fórmula principal y la más utilizada de las permutaciones.

Una situación con condiciones diferentes a las anteriores consiste en averiguar de cuántas
maneras podrías colocar 5 focos distintos en tres cajas formadas en hilera.

Solución:

La fórmula perfecta para este caso es

nPr = 5P3 = 60 tenemos 60 formas de colocar cinco focos en tres cajas

Veamos otro tipo de ordenamiento.

¿De cuántas forma se podrían acomodar las letras de la palabra AMAR?

La solución a nuestro problema es que son 12 las formas o maneras en que podemos
acomodar las letras.

Como te diste cuenta, este procedimiento es laborioso. La clave está en que la letra A se
presenta dos veces, y ambas son iguales por eso son del mismo color.

A este tipo de ordenamiento se le llama permutación de todos los objetos, algunos

repetidos

Permutación de todos los objetos, algunos repetidos

𝑛!
𝑛1 ! ∙ 𝑛2 ! 𝑛3 ! ∙∙∙ 𝑛𝑔 !

Donde: 𝑛1 , 𝑛2 , … . , 𝑛𝑔 es el número de objetos o elementos que se repiten.

Aplicando la fórmula al ejemplo:

El número total de objetos (es decir, de letras de la palabra AMAR) es n=4; mientras
que la letra A se repite dos veces, por lo tanto n1= 2

4!
= 12
2!

Lo cual coincide con el resultado que obtuvimos.

Veamos las siguientes palabras y su respectiva permutación.

MARCA
5!
= 60
2!

MATEMATICAS
11!
= 1663200
2! 𝑥3! 𝑥2!

Anteriormente dijimos que existían permutaciones y combinaciones, así que ahora

veamos, en el contexto de la probabilidad, lo que significa combinar.

PERMUTACIONES CON REPETICIONES

A veces se desea saber el número de permutaciones de objetos, de los cuales algunos son
iguales. Así el número de permutaciones de “n” objetos de las cuales “m” son iguales, “o” son
igual, “p” son igual es:

𝑛!
m! o! p!

Ejemplo:

¿Cuántas formas diferentes existen para ordenar las letras de la palabra AZCAPOTZALCO?

𝑛!
3! 2! 2! 1! 2! 1! 1!

PRUEBAS ORDENADAS

a) Pruebas con sustitución: (n)(n)(n)… (n) = 𝑛𝑟 si hay “r” factores

𝑛!
b) Pruebas sin sustitución: nPr = (𝑛−𝑟)!

Ejemplo:

De ambos casos (a) y (b) supóngase que una urna contiene 6 bolas. Hallar el número de
muestras ordenadas de tamaño 3 con (sin) sustitución.

Con sustitución:

(6)(6)(6) = 63 = 216

Sin sustitución:

(6)(5)(4) = 6P3 = 120

COMBINACIONES

En nuestro lenguaje cotidiano combinar significa “unir cosas diversas, de manera que
formen un compuesto o agregado”, sin embargo en el contexto de la probabilidad su
significado literal no es posible. Combinar, en probabilidad, significa tomar,
seleccionar, elegir, escoger, sin importar el orden.

Revisemos la siguiente situación: ¿de cuántas maneras puedo seleccionar a dos amigos
de un grupo de cinco para invitarlos a comer?

En este ejemplo únicamente nos indican que debemos seleccionar, y no hay una restricción
respecto al orden de la selección, por lo cual podemos aplicar una combinación.

Como puedes ver, existen 10 posibles parejas.

¿Qué pasaría si ahora, en vez de elegir a dos amigos, se eligen tres o cuatro? Te
invitamos a que investigues estos resultados realizando el procedimiento en tu
cuaderno.

Si el grupo es pequeño es posible identificar a todas las parejas, pero imaginemos una
situación donde se requiere conocer todas las posibles parejas que se formarían de un grupo
de 1,000 personas. En este caso conviene seguir otro camino.

En probabilidad, las combinaciones son las formas de elegir objetos de un total de n, sin
importar el orden.

Es una selección de objetos sin importar el orden

El número de combinaciones de “n” objetos tomados “r” a la vez lo denotaremos por:

( 𝑛𝑟) =
𝑛𝑃𝑟
𝑛!
nCr = (𝑛−𝑟)!𝑟!
𝑟!

Donde: n es el número total de objetos o elementos.

r es el número de objetos a elegir

 𝑛
La forma tradicional de representar una combinatoria es ( )
𝑟

Se puede decir que la combinación sólo tiene una aplicación, comparada con la permutación
que tiene
1. Permutación todos a la vez

2. Permutación alguna a la vez

3. Permutación con repetición

Verifiquemos el resultado de nuestro ejemplo aplicando la fórmula:

5 es el número total de amigos (n=5) y 2 son los amigos a elegir (r=2). Al sustituir tenemos:

5!
𝐶25 = (5) = = 10
2 2! (5 − 2)!

¿Cómo interpretas 𝐶03 = ( ) = 1

3
0

La última combinatoria significa que de tres elementos no se tomó ninguno y el resultado es

uno (no cero). Esto se debe a que en un experimento cualquiera se pueden dar diferentes
resultados:

1. No funcionó el experimento

2. Todo el experimento resulto efectivo

3. Algunos casos del experimento resultaron

4. Sólo cuatro casos del experimento resultaron, etcétera.

3
Como puedes ver, “el caso no funcionó” es una posibilidad por lo tanto 𝐶03 = ( ) = 1
0
Ejemplo:

¿Cuántos equipos de basquetbol se pueden formar con 10 buenos jugadores si cada equipo se
compone de 5 jugadores?

( 105) =
10!
10! 10𝑥9𝑥8𝑥7𝑥6 10𝑥9𝑥8𝑥7𝑥6
= 5!5!= = = 2x9x2x7 = 18 x 14 = 252
(10−5)!5! 5! 5𝑥4𝑥3𝑥2

Dado el conjunto A={a,b,c,d}, ¿cuántos subconjuntos de 2 elementos cada uno se pueden

obtener?
4! 4𝑥3𝑥2𝑥1 12
( 42) =
4!
Aplicando la expresión = = = =6
(4−2)!2! 2!2! (2𝑥1)(2𝑥1) 2

Haciéndolos se obtienen: {a,b}, {a,c}, {a,d}, {b,c}, {b,d}, {c,d}. Son 6 los subconjuntos.
Ahora te mostraremos algunas situaciones donde aplicamos las combinaciones.

1. ¿De cuántas maneras se puede elegir un comité compuesto de tres hombres y dos
mujeres, de un grupo de siete hombres y cinco mujeres?

7 5
( ) ( ) = 350
3 2
Recuerda que es una sola situación, por lo tanto se multiplican las dos combinaciones.

Recuerda, aquí combinar significa "escoger", además no es una operación fraccionaria, por eso
no se escribe la raya de la división entre n y r.

2. Imagina que debes presentar un examen de matemáticas de 13 ejercicios, de los cuales

solamente tienes que resolver diez.

¿De cuántas maneras puedes resolver el examen?

13
( ) = 286
10
¿Cuántas maneras de resolverlo existen si las dos primeras preguntas son obligatorias?
2 11
( ) ( ) = 165
2 8
¿Cuántas opciones quedarían si tienes que contestar exclusivamente una de las dos primeras
preguntas?

2 11
( ) ( ) = 110
1 9
¿Cuántas tendrías si debes contestar exclusivamente tres de las cinco primeras?
5 8
( ) ( ) = 80
3 7
¿Cuántas si tienes que contestar al menos tres de las cinco primeras?

5 8 5 8 5 8
( ) ( ) + ( ) ( ) + ( ) ( ) = 80 + 140 + 56 = 276
3 7 4 6 5 5
Al analizar por separado la situación de cuando se responden 3 de las 5 primeras preguntas,
después 4 de las 5 y, por último, 5 de las 5 primeras preguntas, tenemos:

5 8
( ) ( ) = 80
3 7
5 8
( ) ( ) = 140
4 6
5 8
( ) ( ) = 56
5 5
El resultado será la suma de cada una de las situaciones: 80+140+56=276

Aquí se presentan tres situaciones totalmente diferentes. Recuerda que en una situación todo
se multiplica, pero cuando tienes varias situaciones totalmente distintas se suman.
Conclusión

Si conocemos los elementos del análisis combinatorio, podemos decir que para distinguir una
permutación de una combinación se recomiendan las siguientes condiciones:

1. Si se va a ordenar o acomodar objetos, se trata de una permutación.

2. Si se va a elegir, tomar o seleccionar objetos sin importar el orden, entonces es
una combinación.

DIAGRAMAS DE ARBOL

Es el dibujo que se usa para enumerar todos los resultados posibles de una serie de
experimentos, donde cada experimento puede suceder en un número finito de maneras.

Ejemplo:

Jaime y Teresa intervienen en un torneo de tenis. La primera persona que gane dos juegos
seguidos o que complete 3, gana el torneo.

Grafica 2
Nótese que hay 10 puntos finales
que corresponden a los 10
resultados posibles:

JJ, JTT, TT, TJJ,…

2.7 AXIOMATIZACION DE LA PROBABILIDAD

Los axiomas más importantes de la teoría de probabilidades son los siguientes:

1º La suma de las probabilidades de todos los eventos posibles debe ser igual a 1 o 100%

∑ 𝑃𝑖 = 1
𝑖=1

Donde: P significa probabilidad

2º La probabilidad de cualquier evento o suceso es un número que debe ser mayor o igual que
cero, y menor o igual que uno.

0 ≤ 𝑃1 ≤ 1

 Si la probabilidad de un evento es igual a cero, se dice que es un evento nulo o

imposible.
 Si la probabilidad es igual a 1, se trata de un evento cierto o seguro.

Tipos de eventos

Un evento es un resultado posible o un grupo de resultados posibles de un experimento o

proceso observado, y es la unidad de análisis para el cálculo de probabilidades.

Los tipos de eventos son:

1. Mutuamente excluyentes
2. Independientes
3. Dependientes
4. No excluyentes entre sí
5. Equiprobable
Para elaborar cálculos probabilísticos es necesario retomar las operaciones de la teoría de
conjuntos, ahora inmersas en el tipo de evento que se desee calcular.

Para ello te invitamos a que reflexiones sobre la información presentada en el siguiente

recuadro, donde la probabilidad de la operación unión y la operación intersección son
diferentes para cada tipo de evento.
EVENTOS TOTALMENTE INCLUSIVOS

Son aquellos eventos definidos en un experimento de manera que se tengan en cuenta todos
los resultados posibles.

EVENTOS MUTUAMENTE EXCLUYENTES

Son los eventos relacionados de manera que la aparición de uno de ellos no impide la
aparición de cualquier otro. Otra forma de establecerlos es que no tienen que ver nada uno
con el otro, es decir, no tienen elementos en común.

Ejemplo:

Consideremos el experimento de tirar 2 dados, definamos 3 eventos de la manera siguiente:

A = {La suma de los números mostrados en los dados es 7}

= {(1,6), (6,1), (2,5), (5,2), (4,3), (3,4)}

B = {La suma de los dados es 10}

= {(5,5), (6,4), (4,6)}

C = {Cada uno de los dados muestra el mismo número}

= { (1,1), (2,2), (3,3), (4,4), (5,5), (6,6)}

A y B son eventos mutuamente excluyentes o disjuntos ya que no tienen elementos en común.

B y C son eventos no mutuamente excluyentes, ya que tienen un elemento en intersección.

A y C son eventos ajenos o mutuamente excluyentes puesto que no tienen nada en común.

PROBABILIDAD DE LOS EVENTOS COMPUESTOS

Los eventos compuestos se definen mediante el empleo de combinaciones de otros eventos.

a) La probabilidad del evento complementario P (𝐴𝑐 ).

b) La probabilidad de aparición, ya sea del evento A o del evento B.

𝑃(𝐴 𝑜 𝐵) = 𝑃(𝐴 ∪ 𝐵)

c) La probabilidad de aparición de los eventos A y B

𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴 ∩ 𝐵)

Como estamos hablando de eventos asociados con un espacio muestral de eventos

elementales igualmente probables.

𝑛(𝛺)−𝑛(𝐴) 𝑛(𝛺) 𝑛(𝐴) 𝑛(𝐴)

P (𝐴𝑐 ) = = - =1- = 1 – P (A)
𝑛(𝛺) 𝑛(𝛺) 𝑛(𝛺) 𝑛(𝛺)
REGLA DE LA ADICIÓN

Sean A y B dos eventos definidos en un espacio muestral Ω

Caso 1: Si A y B son mutuamente excluyentes ((𝐴 ∩ 𝐵) = Φ)

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Caso 2: Si A y B no son eventos mutuamente excluyentes (𝐴 ∩ 𝐵 ≠ 𝛷)

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

EVENTOS INDEPENDIENTES

Decimos que dos eventos A y B son independientes si la ocurrencia de cualquiera de ellos no

afecta en absoluto la probabilidad asignada a la ocurrencia del otro.

REGLA DE LA MULTIPLICACIÓN

Sean A y B dos eventos definidos en un espacio muestral Ω.

Caso 1: si A y B son eventos independientes:

P (𝐴 ∩ 𝐵) = P(A) x P(B)

Caso 2: si A y B son eventos dependientes.

𝑛(𝐴∩𝐵)
P (𝐴 ∩ 𝐵) =
𝑛 (𝛺 )

Ahora estudiaremos cómo calcular las probabilidades en experimentos con eventos

independientes.

Debes recordar que en un evento independiente la intersección se presenta de la siguiente

forma: 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) × 𝑃(𝐵)

Revisemos el siguiente ejemplo 1:

Juan tiene una probabilidad de ganar la lotería del 25%, Tomás tiene una probabilidad de
ganar la lotería del 33%. Si los dos son independientes y viven uno en Chihuahua y el otro en
Yucatán, calcular:

a) La probabilidad de que Juan o Tomás gane la lotería

b) La probabilidad de que Juan y Tomás ganen la lotería
c) La probabilidad de que al menos uno gane
d) La probabilidad de que los dos pierdan
Nuestro espacial muestral queda de la siguiente forma:

𝑆 = {𝐽𝑔𝑇𝑔, 𝐽𝑔𝑇𝑝, 𝐽𝑝𝑇𝑔, 𝐽𝑝𝑇𝑝}

Con probabilidad:

𝑃(𝐽𝑔𝑇𝑔) = 0.25 × 0.33 = 0.0825

𝑃(𝐽𝑔𝑇𝑝) = 0.25 × 0.67 = 0.1675

𝑃(𝐽𝑝𝑇𝑔) = 0.75 × 0.33 = 0.2475

𝑃(𝐽𝑝𝑇𝑝) = 0.75 × 0.67 = 0.5025

Si sumamos todas las probabilidades tenemos que el resultado es 1, lo cual indica que el
diagrama está bien planteado.

Regresando a la solución de cada inciso:

a) La probabilidad de que Juan o Tomás gane la lotería

𝑃(𝐽𝑔 ∪ 𝑇𝑔) = 0.25 + 0.33 = 0.58 = 58%

a) La probabilidad de que Juan y Tomás ganen la lotería

𝑃(𝐽𝑔 ∩ 𝑇𝑔) = 0.25 × 0.33 = 0.0825 = 8.25%
b) La probabilidad de que al menos uno gane

𝑃(𝐽𝑔𝑇𝑝, 𝐽𝑝𝑇𝑔) = (0.25 × 0.67) + (0.75 × 0.33) = 0.1675 + 0.2475 = 0.415 = 41.5%

c) La probabilidad de que los dos pierdan

𝑃(𝐽𝑝𝑇𝑝) = 0.75 × 0.67 = 0.5025 = 50.25%
Cómo pudiste apreciar, para eventos independientes es recomendable dibujar un diagrama de
árbol y verificar que la suma de las probabilidades de cada rama sea igual a 1, esto te dará la
certeza de que tu planteamiento es el correcto, para después calcular las probabilidades sin
ningún error.
Ejemplo 2:

Se busca encontrar la probabilidad de que por lo menos se observe una cara cuando arrojan al
mismo tiempo cuatro monedas.

P (por lo menos una cara) = P (1 cara o 2 caras o 3 caras) = 1 – P (cero caras o cuatro cruces) y
como en cada lanzamiento, el evento salga cara es independiente de los otros.

P (0 C) = (1/2) (1/2) (1/2) (1/2) = 1/16

Luego P (por lo menos una cara) = 1 – 1/16 = 15/16

Ejemplo 3:

Una carta es seleccionada de una baraja estándar, el modelo del experimento consta de las 52
posibles ocurrencias junto con sus probabilidades asignadas. Se busca calcular la probabilidad
de los eventos compuestos y simples siguientes:

E= {la carta extraída es un as}

F= {la carta extraída es roja}

G= {la carta extraída es una figura}

H= {la carta extraída es negra y es un 2 o un 4}

𝑛(𝐸) 4
Luego tenemos que: 𝑃 (𝐸) = =
𝑛(𝛺) 52

26
𝑃 (𝐹) =
52
12
𝑃 (𝐺) =
52
4
𝑃 (𝐻) =
52

𝐸 𝑐 = {la carta extraída no es un as}

4 48
𝑃(𝐸 𝑐 ) = 1 − 𝑃(𝐸) = 1 − =
52 52

𝑃(𝐸 𝑜 𝐹) = 𝑃(𝐸 ∪ 𝐹) = 𝑃(𝐸) + 𝑃(𝐹) − 𝑃(𝐸 ∩ 𝐹)

Ya que E∩F ≠ Φ

4 26 2 28 7
= + + = =
52 52 52 52 13

Dónde:

2
𝑃(𝐸 ∩ 𝐹) =
52
Ejemplo 5

Si tienes una urna con 3 canicas de color rojo, 5 canicas de color amarillo y 2 canicas de
color azul, determina la probabilidad de que al extraer al azar una canica ésta sea

a) De color rojo
b) De color amarillo
c) De color azul

Solución: Para resolver un problema de probabilidad debes analizar, en cada caso, de qué tipo
de evento se trata. Recuerda que una vez realizados los cálculos es importante escribir un
enunciado con la solución tomando en cuenta el contexto del problema.

a) De color rojo

En este experimento se trata de eventos mutuamente excluyentes.

Total de canicas 10, por lo tanto N=10, n = 3 canicas de color rojo

3
𝑃(𝐴) = = 0.3 = 30%
10

Con el 30% es poco probable que salga una canica roja.

b) De color amarillo

N=10, n = 5 canicas de color amarillo

5
𝑃(𝐵) = = 0.5 = 50%
10

Con el 50% es probable que salga una canica amarilla.

c) De color azul

N=10, n = 2 canicas de color azul

2
𝑃(𝐶) = = 0.2 = 20%
10
Con el 20% es menos probable que salga una canica de color azul.

Ejemplo 6

Si tienes una urna con 3 canicas de color rojo, 5 canicas de color amarillo y 2 canicas de color
azul, determina la probabilidad de que al extraer al azar una canica ésta sea

a) De color rojo o azul

b) De color amarillo y azul
c) De color rojo o azul
Como te has dado cuenta la oración nos da el conectivo "o", por tal motivo se trata de una
unión de eventos mutuamente excluyentes, así que conviene utilizar la propuesta

𝑃(𝐴 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐶)

Y considerando las respuestas del ejemplo 1, tenemos
3 2 3 2 5
𝑃(𝐴) = 10 𝑃(𝐶) = 10 10
+ 10 = 10 = 0.5 = 50%

Con el 50% es igual de probable que salga una canica de color rojo o azul.

b) De color amarillo y azul

En esta ocasión la oración nos da el conectivo "y", por tal motivo se trata de una intersección
de eventos mutuamente excluyentes, así que conviene utilizar la propuesta

𝑃(𝐵 ∩ 𝐶) = 𝑃(𝐵) × 𝑃(𝐶)

Y considerando las respuestas del ejemplo 1, tenemos

5 2 5 2 10
𝑃(𝐵) = 10 𝑃(𝐶) = 10 10
× 10 = 100 = 0.1 = 10%

Con el 10% es muy poco probable que salga una canica de color amarillo y azul.

Ejemplo 7

Al lanzar un dado común, obtener la probabilidad de cada uno de los siguientes eventos:

a) Que salga un número menor que 3

b) Que aparezca un número primo
c) Que aparezca un número natural
d) Que aparezca un número mayor que 7

Solución: Antes de hacer cualquier cálculo, conviene expresar qué puede suceder al lanzar un
dado común: Es posible que salga 1, 2, 3, 4, 5, 6.

Mencionar lo que puede suceder es fundamental para el estudio de probabilidades porque

define todos los eventos que pueden resultar de un proceso o experimento. Dicha mención
recibe el nombre de espacio muestral.

El espacio muestral del ejemplo, lo escribiremos de la siguiente forma:

𝑆 = {1,2,3,4,5,6}

Ahora sí podemos responder las preguntas. La probabilidad de que

a) Salga un número menor que 3

Ya que nos basamos en la teoría de conjuntos, tendremos que formar conjuntos o eventos
(recuerda que los conjuntos se designan con letras mayúsculas).
 𝐴 = {1,2}
Por lo tanto N=6, n = 2
2
𝑃(𝐴) = = 0.3 = 30%
6

Con el 30% es poco probable que salga un número menor que 3.

b) Que aparezca un número primo

𝐵 = {2,3,5}
Por lo tanto N=6, n = 3
3
𝑃(𝐵) = = 0.5 = 50%
6

Con el 50% es probable que salga un número primo.

c) Que aparezca un número natural

𝐶 = {1,2,3,4,5,6}
Por lo tanto N=6, n = 6
6
𝑃(𝐶) = = 1 = 100%, 𝑒𝑣𝑒𝑛𝑡𝑜 𝑠𝑒𝑔𝑢𝑟𝑜, 𝑐𝑒𝑟𝑡𝑒𝑟𝑜
6

Con el 100% es totalmente seguro que salga un número natural.

d) Que aparezca un número mayor que 7

𝐷 = { } = ∅ = 𝑣𝑎𝑐𝑖𝑜
Por lo tanto N=6, n = 0
0
𝑃(𝐶) = = 0 = 𝑒𝑣𝑒𝑛𝑡𝑜 𝑛𝑢𝑙𝑜, 𝑖𝑚𝑝𝑜𝑠𝑖𝑏𝑙𝑒
6

Con el 0% es imposible que salga un número mayor que 7

Ejemplo 8

De las 10 niñas de la clase, 3 tienen ojos de color azul. Si se eligen 2 niñas al azar, cuál es la
probabilidad de que
a) Las dos tengan ojos de color azul
b) Ninguna tenga los ojos azules
c) Por lo menos una niña tenga los ojos de color azul
Solución:

a) Que las dos tengan ojos de color azul

Antes de iniciar el cálculo de probabilidades, vemos que nos piden elegir, de tal manera que
utilizamos las combinaciones.

10
𝑁 = ( ) = 45
2
3 7
𝑛 = ( )( ) = 3
2 0
3 1
𝑃(𝐴) = = = 0.0667 = 6.67%
45 15

La respuesta nos indica que casi es imposible que las dos niñas que elijamos tengan los ojos de
color azul.

b) Que ninguna tenga los ojos azules

10
𝑁 = ( ) = 45
2
3 7
𝑛 = ( ) ( ) = 21
0 2
21 7
𝑃(𝐵) = = = 0.4667 = 46.67%
45 15

Contrario a la respuesta anterior, es posible que dos niñas tengan los ojos de otro color –
distinto al azul–.

c) Que por lo menos una niña tenga los ojos de color azul

10
𝑁 = ( ) = 45
2
3 7 3 7
𝑛 = ( ) ( ) + ( ) ( ) = 21 + 3 = 24
1 1 2 0
24 8
𝑃(𝐶) = = = 0.5333 = 53.33%
45 15
La respuesta nos indica que es posible que al menos una niña tenga los ojos de color azul.

Ejemplo 9

De un grupo de 46 alumnos, 25 practican box, 28 practican kempo y 7 practican box y kempo.

Determina la probabilidad de que, al entrevistar al azar a un alumno del grupo, éste practique
box y kempo.

Para este tipo de problema nos conviene organizar la información en un diagrama de Venn que
ilustre la situación.
Por la expresión "7 practican box y kempo", podemos afirmar que los conjuntos anteriores se
intersectan –el conectivo "y" significa "intersección"–, de manera que el tipo de evento que
estamos trabajando es dependiente, por lo cual utilizaremos un diagrama de Venn para la
solución.

Por ser eventos dependientes se tiene:

𝑃(𝐵 ∪ 𝐾) = 𝑃(𝐵) + 𝑃(𝐾) − 𝑃(𝐵 ∩ 𝐾)

𝑃(𝐵 ∪ 𝐾) = 25 + 28 − 7 = 46

Por lo tanto
1
𝑃(𝐵𝑜𝑥 𝑦 𝐾𝑒𝑚𝑝𝑜) = 𝑃(𝐵 ∩ 𝐾) = = 0.1522 = 15.22%
46

El 15% nos dice que al entrevistar al azar a un estudiante es poco probable que practique box y
kempo.

Ejemplo 10

Sean los eventos A y B con las siguientes probabilidades:

7 1 5
𝑃(𝐴 ∪ 𝐵) = 8 𝑃(𝐴 ∩ 𝐵) = 4 𝑃(𝐴𝑐 ) = 8

Calcula: 𝑃(𝐴) =? 𝑃(𝐵) =? 𝑃(𝐴 − 𝐵) =? 𝑃(𝐵 − 𝐴) =?

Para este ejercicio necesitamos las operaciones básicas de la teoría de conjuntos inmersas en
la probabilidad. Toma nota de ellas, pues son elementales para los cálculos probabilísticos.

𝑃(𝐴) + 𝑃(𝐴𝑐 ) = 1
 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)

Solución:

Primero: necesitamos conocer la probabilidad de A

5
𝑃(𝐴𝑐 ) = ∴ 1 − 𝑃(𝐴𝑐 ) = 𝑃(𝐴)
8

5 3
𝑃(𝐴) = 1 − =
8 8
Segundo: teniendo la fórmula de unión, despejamos la probabilidad de B

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

𝑃(𝐵) = 𝑃(𝐴 ∪ 𝐵) + 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴)

7 1 3 3
𝑃(𝐵) = + − =
8 4 8 4
Tercero: utilizamos la fórmula de diferencia para los dos casos

𝑃(𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)

3 1 1
𝑃(𝐴 − 𝐵) = − =
8 4 8

𝑃(𝐵 − 𝐴) = 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

3 1 1
𝑃(𝐵 − 𝐴) = − =
4 4 2
Con este ejemplo tuviste la oportunidad de practicar el álgebra de conjuntos.

Ejemplo 11

Se lanza una moneda común tres veces. Calcula la probabilidad de que

a) Salgan tres águilas

b) Salgan dos águilas
c) Salga un águila

Para este tipo de ejemplo necesitamos demostrar cómo se lleva a cabo tal experimento. La
forma más fácil es realizar un diagrama de árbol. Los diagramas de árbol son la representación
gráfica del evento o suceso que se está realizando –el diagrama del ejercicio de las sillas es un
diagrama de árbol–
 𝑆 = {𝐴𝐴𝐴, 𝐴𝐴𝑆, 𝐴𝑆𝐴, 𝐴𝑆𝑆, 𝑆𝐴𝐴, 𝑆𝐴𝑆, 𝑆𝑆𝐴, 𝑆𝑆𝑆}
Decimos que este evento es equiprobable, ya que el valor de cada lanzamiento es:
1 1
= á𝑔𝑢𝑖𝑙𝑎, = 𝑠𝑜𝑙 por lo tanto
2 2

𝑆 = {𝐴𝐴𝐴, 𝐴𝐴𝑆, 𝐴𝑆𝐴, 𝐴𝑆𝑆, 𝑆𝐴𝐴, 𝑆𝐴𝑆, 𝑆𝑆𝐴, 𝑆𝑆𝑆}

1 1 1 1 1 1 1 1
8 8 8 8 8 8 8 8

En eventos independientes se establece que la probabilidad de que ocurran a la vez es el

producto de las probabilidades por separado de cada uno de los eventos, por lo tanto la
probabilidad de obtener tres águilas seguidas es
1 1 1 1
𝑃(𝐴𝐴𝐴) = × × =
2 2 2 8
a) Que salgan tres águilas
1
Sea 𝐴 = {𝐴𝐴𝐴}, 𝑃(𝐴) = 8
1
La probabilidad de que salgan tres águilas es de
8

b) Que salgan dos águilas

3
Sea B= {𝐴𝐴𝐴, 𝑆𝐴𝐴, 𝐴𝑆𝐴}, 𝑃(𝐵) = 8
3
La probabilidad de que salgan dos águilas es de
8
c) Que salga un águila
3
Sea C= {𝐴𝑆𝑆, 𝑆𝐴𝑆, 𝑆𝑆𝐴}, 𝑃(𝐶) = 8
3
La probabilidad de que salgan un águilas es de
8

Como has visto, la probabilidad es muy fácil de calcular para cualquier evento, lo importante es
conocer muy bien las propiedades de la probabilidad, las operaciones de conjuntos, las
permutaciones y combinaciones. También es importante representar los experimentos
mediante diagramas de Venn o de árbol.
PROBABILIDAD CONDICIONAL

Anteriormente aprendiste a calcular la probabilidad de experimentos comunes que pueden

suceder en tu entorno, sin embargo falta que estudies la probabilidad con condiciones.

En probabilidad nosotros sabremos que un experimento está condicionado si aparece

cualquiera de las siguientes expresiones: "Si..." o "Dado que..."

Esto significa que la probabilidad simple está condicionada.

Veamos el siguiente ejemplo:

En cierto grupo de estudiantes de música el 25% de ellos practica violín, el 19% practica
guitarra y el 12% practica violín y guitarra. Se selecciona al azar un estudiante para becarlo.
Calcular:

a) Si practica violín, ¿cuál es la probabilidad de que también practique guitarra?

b) Si practica guitarra, ¿cuál es la probabilidad de que también practique violín?

La solución de este problema será más fácil si lo planteamos con un diagrama de Venn.

Intersectando los dos conjuntos, el diagrama queda como sigue:

a) Si practica violín, ¿cuál es la probabilidad de que también practique guitarra?

La condición es que practique violín, por esta razón es el dato que colocaremos como
denominador o como todo lo posible, y que practique guitarra será el condicionado o la
intersección, la cual estará en el numerador.
 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑑𝑜 𝑉 ∩ 𝐺 12% 12
= = = = 0.48
𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑛𝑡𝑒 𝑉 25% 25

b) Si practica guitarra, ¿cuál es la probabilidad de que también practique violín?

La condición es que practique guitarra, por esta razón es el dato que colocaremos como
denominador o como todo lo posible, y que practique violín será el condicionado o la
intersección, la cual estará en el numerador.

𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑑𝑜 𝑉 ∩ 𝐺 12% 12
= = = = 0.63
𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑛𝑡𝑒 𝐺 19% 19

Como has observado, la probabilidad condicional es fácil de calcular si conocemos

previamente lo que es una probabilidad simple.

En la probabilidad condicional, la condición se presenta como una intersección de dos

conjuntos.

Dados los eventos A y B, la probabilidad de obtener ambos A y B conjuntamente es el producto

de la probabilidad de obtener uno de los eventos por la probabilidad condicionada de obtener
un evento, dado que el otro evento ha ocurrido.

𝑃(𝐴 𝑦 𝐵) = 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∙ 𝑃(𝐵/𝐴) = 𝑃(𝐵) ∙ 𝑃(𝐴/𝐵)

Más bien para que expresen una condicional deben estar establecidas como:

𝑃(𝐴 ∩ 𝐵) 𝑃(𝐵 ∩ 𝐴)
𝑃(𝐴/𝐵) = 𝑜 𝑃(𝐵/𝐴) =
𝑃(𝐵) 𝑃(𝐴)

Su simbología es

𝐴∩𝐵
𝑃(𝐴 ∕ 𝐵) =
𝐵

Recuerda que la diagonal (/) significa condición. La diagonal invertida (\) significa diferencia.

Ejemplo:

Se lanzan dos dados, uno rojo y otro azul, si sabemos que el dado azul muestra un número
divisible por 3, ¿Cuál es la probabilidad de que la suma de puntos de ambos dados sea mayor
que 8?

La condición de que el numero mostrados por el primer dado sea divisible por 3, cambia el
espacio muestral que estamos considerando. En particular el nuevo espacio muestral contiene
solamente 12 puntos muestrales, ¿para cuantos de estos puntos el total es mayor que 8?

La restricción del espacio muestra que cada punto tiene es 1/12 de ser escogido, y de ahí que
dan mayor que 8 son cinco, luego la probabilidad es 5/12.
 𝐴 = {𝑠𝑒𝑟 𝑑𝑖𝑣𝑖𝑠𝑖𝑏𝑙𝑒 𝑝𝑜𝑟 3} → 𝑛(𝐴) = 12

𝐵 = {𝑠𝑒𝑟 𝑚𝑎𝑦𝑜𝑟 𝑞𝑢𝑒 8} → 𝑛(𝐵) = 10

5
𝐵 𝑃(𝐵 ∩ 𝐴) 36 5
𝑃( ) = = =
𝐴 𝑃(𝐴) 12 12
36

Dónde:

𝐴 ∩ 𝐵 = {𝑠𝑒𝑎 𝑑𝑖𝑣𝑖𝑠𝑖𝑏𝑙𝑒 𝑝𝑜𝑟 3 𝑦 𝑠𝑢𝑚𝑎 𝑚𝑎𝑦𝑜𝑟 𝑞𝑢𝑒 8} → 𝑛(𝐴 ∩ 𝐵) = 5

Ahora veremos un ejemplo de cómo calcular probabilidades usando la probabilidad

condicional; además, en este ejemplo, practicarás el álgebra de conjuntos.

Sean los eventos A y B con

1 1 1 1
𝑃(𝐴) = , 𝑃(𝐵) = , 𝑃(𝐴 ∪ 𝐵) = , 𝑃(𝐴 ∩ 𝐵) =
3 4 2 12

Calcula 𝑃(𝐴/𝐵) =? 𝑃(𝐵/𝐴) =?

Con los datos que nos proporcionan y aplicando la propuesta de condicional, tenemos:

1
𝑃(𝐴 ∩ 𝐵) 12 1
𝑃(𝐴 ∕ 𝐵) = = =
𝑃(𝐵) 1 3
4

1
𝑃(𝐴 ∩ 𝐵) 12 1
𝑃(𝐵 ∕ 𝐴) = = =
𝑃(𝐴) 1 4
3
Teorema de Bayes

Durante el siglo XVIII, debido muy particularmente a la popularidad de los juegos de azar, el
cálculo de probabilidades tuvo un notable desarrollo. Destacan, en 1713, el teorema de
Bernoulli y la distribución binomial (esta última se trabajará en la siguiente unidad); en 1738, el
primer caso particular estudiado por De Moivre, del teorema central del límite. En esa misma
época el matemático inglés Thomas Bayes (1702–1761) dio la primera definición rigurosa y
explícita de eventos mutuamente excluyentes, también enunció la fórmula ahora conocida:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

La fórmula que Thomas Bayes desarrolló puede simplificar el cálculo de las probabilidades
condicionales.

El teorema de Bayes es válido en todas las aplicaciones de la teoría de la probabilidad; puede

servir entonces para indicar cómo debemos modificar nuestras probabilidades subjetivas
cuando recibimos información adicional de un experimento

Además proporciona la distribución de probabilidad condicional de un evento "A"

dado otro evento "B", en función de la distribución de probabilidad condicional del
evento "B" dado "A" y de la distribución de probabilidad simple del evento "A”

𝑃(𝐴/𝐵) × 𝑃(𝐵)
𝑃(𝐵 ∕ 𝐴) =
𝑃(𝐴)

Para resolver problemas donde utilizamos el teorema de Bayes es recomendable representar

los datos en una tabla de doble entrada o tabla de contingencias.

Una tabla de contingencias muestra las frecuencias con que se representan todos los
resultados posibles de dos variables de un mismo suceso, por ejemplo, el color y el número de
puertas de un grupo de automóviles.

Una tabla de contingencias se realiza generalmente a partir de los datos obtenidos en la

observación de un proceso o experimento, pero también es posible construirla a partir de
algunos datos, tal como se presenta a continuación:

El 55.26% de los automóviles que están en un estacionamiento del centro de la ciudad son de
cuatro puertas. Los automóviles de color blanco son el 21.27% del total y los automóviles de
cuatro puertas, escogidos de entre los de color blanco, son el 59.77%. Deduce la clasificación
original, por color y número de puertas, si en el estacionamiento había 409 automóviles.

Solución:

Los datos del problema y sus derivados son los siguientes:

𝑃(4 𝑝𝑢𝑒𝑟𝑡𝑎𝑠) = 55.26% = 0.5526 → 𝑃(2 𝑝𝑢𝑒𝑟𝑡𝑎𝑠) = 1 − 0.5526 = 0.4474

𝑃(𝑐𝑜𝑙𝑜𝑟 𝑏𝑙𝑎𝑛𝑐𝑜) = 21.27% = 0.2127 → 𝑃(𝑜𝑡𝑟𝑜 𝑐𝑜𝑙𝑜𝑟) = 1 − 0.2127 = 0.7873

 𝑃(4 𝑝𝑢𝑒𝑟𝑡𝑎𝑠, 𝑏𝑙𝑎𝑛𝑐𝑜) = 59.77% = 0.5977

El valor (0.5977) se refiere sólo a los autos de color blanco, los que representan el 21.27% de
todos los automóviles, por lo cual el porcentaje de autos de cuatro puertas y de color blanco es

𝑃(4 𝑝𝑢𝑒𝑟𝑡𝑎𝑠, 𝑏𝑙𝑎𝑛𝑐𝑜) = (0.5977) × (0.2127) = 0.1271 = 12.71%

Con base en estos datos podemos realizar nuestra tabla de contingencia.

La tabla no está resuelta totalmente pues le faltan datos, los cuales son fáciles de calcular ya
que todos los datos de la última columna y de la última fila deben sumar 100%. De tal manera
que ahora llenaremos esos espacios faltantes

Dado que el total de automóviles en el estacionamiento es de 409, al multiplicar cada

probabilidad por 409 se obtienen el número de éstos.
Con esta tabla podemos resolver cualquier pregunta probabilística que se presente, por
ejemplo:
Si el auto es de color blanco ¿cuál es la probabilidad de que el auto sea de cuatro puertas?
La respuesta es 12.71%
Si el auto es de 2 puertas ¿cuál es la probabilidad de que el auto sea de color blanco?
La respuesta es 8.56%
¿Cuál es la probabilidad de que sea de 2 puertas?
La respuesta es 44.74%

Como habrás observado, las preguntas eran de probabilidad condicional y probabilidad

compuesta, pero no utilizamos ninguna fórmula especial ni la de Bayes, sino simplemente una
tabla de doble entrada.

Es por ello que se recomienda utilizar tablas de contingencias para problemas donde se
estudie el total del experimento o suceso, en vez de la fórmula de Bayes.

Ejemplo:

En una escuela de 700 alumnos de primer grado, 150 tienen automóvil. De 200 alumnos de
primer grado que provienen de provincia, 90 poseen automóvil. Se quiere encontrar las
siguientes probabilidades.

a) Un estudiante es residente y posee automóvil.

b) Un estudiante no es residente y posee automóvil.
c) Un estudiante es residente y no posee automóvil.
d) Dado que el estudiante es residente, posee automóvil.

RESIDENCIA R 𝑅𝐶 TOTALES
AUTOMOVIL
A 60 90 150
𝐴𝐶 440 110 550
TOTALES 500 200 700
TABLA 2

60 6
𝑎) 𝑃(𝐴 ∩ 𝑅) = = = 0.0857
700 70
90 9
𝑏) 𝑃(𝑅 𝐶 ∩ 𝑅) = = = 0.128
700 70
440 44
𝑐) 𝑃(𝑅 ∩ 𝐴𝐶 ) = = = 0.628
700 70
60
𝐴 𝑃(𝐴 ∩ 𝑅) 700 60
𝑑) 𝑃 ( ) = = = = 0.12
𝑅 𝑃(𝑅) 500 500
700
El teorema de Bayes nos permite determinar la probabilidad condicional del evento A dada la
ocurrencia del evento B, sin embargo su importancia radica en cuando se trata de determinar
la probabilidad de eventos secuenciales y sirve para determinar la probabilidad condicional de
que un evento haya ocurrido dado que ya ocurrió otro evento. Esta relación se expresa
mediante la expresión:

𝑃(𝐴)𝑥𝑃(𝐴/𝐵)
𝑃(𝐴/𝐵) =
𝑃(𝐴)𝑥𝑃(𝐵/𝐴) + 𝑃(𝐴′)𝑥𝑃(𝐵/𝐴′)

Ejemplo:
Una fábrica posee tres máquinas, A, B y C, que producen el 45%, 30% y 25%, respectivamente,
del total de las piezas. Los porcentajes de producción defectuosa de estas máquinas son del
3%, 4% y 5%.

a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa.

b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido
producida por la máquina B.
c. ¿Qué máquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?

Solución
Sea D = "la pieza es defectuosa"
N = "la pieza no es defectuosa"
La información del problema puede expresarse en el diagrama de árbol adjunto.

En un diagrama de árbol lo que nos indica es que la máquina A produce el 45% de piezas de la
fábrica y de ella 3% son defectuosas y 97% no son defectuosas
La máquina B produce el 30% de las piezas y de ella 4% son defectuosas por lo tanto 96% no
son defectuosas.
La máquina C produce el 25% de las piezas y de ellas 5% son defectuosas y 95% no son
defectuosas
Si sumamos cada una de las ramas del diagrama de árbol cada una de ellas suma 1 que es la
probabilidad total.

a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad
de la probabilidad total

𝑃(𝐷) = 𝑃(𝐴)𝑃(𝐷/𝐴) + 𝑃(𝐷)𝑃(𝐷/𝐵) + 𝑃(𝐷)𝑃(𝐷/𝐶)

𝑃(𝐷) = (0.45)(0.03) + (0.30)(0.04) + (0.25)(0.05) = 0.38

b. Debemos calcular P (B/D). Por el teorema de Bayes,

𝑃(𝐵)𝑃(𝐷/𝐵)
𝑃(𝐵/𝐷) =
𝑃(𝐴)𝑃(𝐷/𝐴) + 𝑃(𝐵)𝑃(𝐷/𝐵) + 𝑃(𝐶)𝑃(𝐷/𝐶)

(0.30)(0.04)
𝑃(𝐵/𝐷) = = 0.316
(0.45)(0.30) + (0.30)(0.40) + (0.25)(0.05)
c. Calculamos P(A/D) y P(C/D), comparándolas con el valor de P (B/D) ya calculado.
Aplicando el teorema de Bayes, obtenemos:

(0.45)(0.03)
𝑃(𝐴/𝐷) = = 0.355
(0.45)(0.30) + (0.30)(0.40) + (0.25)(0.05)

(0.25)(0.05)
𝑃(𝐶/𝐷) = = 0.329
(0.45)(0.30) + (0.30)(0.40) + (0.25)(0.05)

De acuerdo con el resultado obtenido, la máquina con mayor probabilidad de haber producido
la pieza defectuosa es A

2.8 CONEXIÓN DE LA PROBABILIDAD CON LA ESTADISTICA INFERENCIAL

Ya es momento y necesidad de considerar aquellas situaciones que no son de tipo

determinístico, sino que tienen incertidumbre en su planteamiento y resolución.

Los conocimientos para medir esa aleatoriedad se encuentran establecidos en la teoría de

probabilidad, la cual crea el vínculo forzoso y la base para construir más bagaje estadístico
como son los modelos aleatorios que permitirán la resolución de las situaciones antes
referidas. Más aún, al fusionar el manejo de muestras con la medición bajo probabilidad se
crea la otra parte de la estadística conocida como estadística inferencial, que permite ampliar
los métodos para abordar en la solución de todo tipo de problemáticas, para así efectuar con
sustento una toma de decisión bajo optimización.

Por lo anterior la conexión de la probabilidad con la estadística inferencial está justificada bajo
el argumento de crear conocimiento de frontera en la estadística paramétrica.

Conclusión
En esta unidad conociste la importancia de la teoría de conjuntos y el análisis combinatorio;
además ya tienes claro que la probabilidad es necesaria para resolver situaciones de la vida
cotidiana.

Ahora puedes entender que las predicciones que sueles elaborar diariamente no estaban
100% sustentadas. Así pues, con los conocimientos que adquiriste, puedes predecir ciertas
situaciones con una seguridad real.