Capı́tulo 1

Probabilidad

1.1. Técnicas de Conteo

1.1.1. Principio de Multiplicación

Ejemplo 1 Supongamos que para ir de CABA a Chascomús hay 3 caminos y para ir de

Chascomús a Mar del Plata hay 4 caminos. ¿Cuántos caminos hay para ir de CABA a Mar del
Plata pasando por Chascomús?

Solución Por cada elección posible del camino que une a CABA con Chascomús hay 4 ca-
minos posibles para recorrer el trayecto Chascomús-Mar del Plata. Puesto que son 3 los caminos
que unen a CABA con Chascomús hay 3*4=12 formas de ir de CABA a Mardel pasando por
Chascomús.

El ejemplo 1 se generaliza mediante el siguiente principio:

Principio de Multiplicación Si hay m maneras de hacer la tarea 1 y n maneras de hacer

la tarea 2 entonces la realización conjunta de la tarea 1 seguida de la tarea 2 se puede hacer de
m.n formas.

Ejemplo 2 Supongamos que un menú permite seleccionar una entrada entre 4, una comida
caliente entre 3 y un postre entre 5.

1. ¿De cuántas formas puede elegir un menú un cliente?

2. ¿De cuántas formas podrá hacerlo si quiere que el salpicón de ave y la suprema de pollo
no aparezcan en el mismo menú?

1
2 CAPÍTULO 1. PROBABILIDAD

1.1.2. Número Factorial

Ejemplo 3 Norma compró 5 libros para leer durante las vacaciones y quiere establecer un
orden de lectura ¿De cuántas maneras puede hacerlo?

Solución Podemos argumentar mediante el principio de multiplicación. Para seleccionar

el primer libro que leerá, Norma tiene 5 opciones; cualquiera haya sido ésta, tiene 4 posibles
opciones para el segundo libro y ası́ sucesivamente. Por lo tanto, mediante el principio de mul-
tiplicación la cantidad de formas en que puede organizar su lectura es igual a 5*4*3*2*1.

Generalizando vamos a definir el siguiente objeto:

Número Factorial Dados n objetos distintos, siendo n un número natural cualquiera ¿De
cuántas formas pueden ordenarse?

Para seleccionar el primer elemento tenemos n posibilidades, y cualquiera sea nuestra eleccion
tenemos n − 1 formas de elegir el segundo. Luego hay n ∗ (n − 1) maneras de elegir el primero y
el segundo objeto. Por cada elección de los dos primeros tendremos n − 2 posibilidades para el
próximo y ası́ sucesivamente. Entonces por aplicación reiterada del principio de multiplicación,
concluimos que la cantidad de maneras de ordenar n objetos es

n! = n ∗ (n − 1) . . . 2 ∗ 1

Definición A un ordenamiento de n objetos se lo llama permutación.

1.1.3. Permutaciones con repetición

Ejemplo 4: ¿Cuántas permutaciones pueden formarse con la palabra CASA?

En general si tengo n elementos de forma tal que el primer elemento se repite n1 veces, el
segundo n2 veces .... y el k− ésimo nk veces, entonces la cantidad de permutaciones de los n
elementos es
n!
n1 !n2 !....nk !
Ejemplo 5 ¿Cuántos números de seis cifras hay donde el 2 aparece 3 veces y el 5 aparece 2
veces y el 1 una vez?

1.1.4. Número Combinatorio

Ejemplo 6 De un grupo de 6 personas se quiere armar un subconjunto de 3 individuos. ¿De

cuántas maneras puede hacerse?
En general dado un conjunto de n objetos y dado un número m menor o igual a n ¿De
cuántas maneras pueden elegirse m objetos entre los n de un conjunto dado? la respuesta es el
1.2. TEORÍA DE CONJUNTOS 3

número combinatorio dado por  

n n!
=
m (n − m)!m!

1.2. Teorı́a de Conjuntos

1.2.1. Operaciones entre conjuntos

Dado un conjunto Ω y A, B ⊂ Ω.

Unión de conjuntos A ∪ B = {ω ∈ Ω : ω ∈ A o ω ∈ B}
Intersección de conjuntos A ∩ B = {ω ∈ Ω : ω ∈ A y ω ∈ B}
Complemento de un conjunto Ac = {ω ∈ Ω : ω 6∈ A}
Diremos que A y B son disjuntos si A ∩ B = ∅

Ejemplo 7 Dado el siguiente conjunto Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10} y los subconjuntos

A = {3, 4, 5, 7, 8} y B = {2, 3, 5, 8, 9, 10} calcular A ∪ B, A ∩ B, Ac , B c , (A ∪ B)c , (A ∩ B)c

Leyes de Morgan dados A y B ∈ Ω vale que

(A ∪ B)c = Ac ∩ B c (A ∩ B)c = Ac ∪ B c

1.3. Probabilidad
Definición Un experimento aleatorio es cualquier acción cuyo resultado no puede saberse
de antemano.

Ejemplos de experimentos

1. Tirar un dado
2. Tirar dos dados
3. Tirar una moneda
4. Elegir una persona al azar de la clase de EA
5. Medir una persona elegida al azar

Definición El espacio muestral asociado a un experimento es el conjunto formado por todos

los posibles resultados del mismo. Denotaremos al espacio muestral por la letra griega Ω

Ejemplos de espacios muestrales

4 CAPÍTULO 1. PROBABILIDAD

1. Tirar un dado. Ω = {1, 2, 3, 4, 5, 6}

2. Tirar dos dados. Ω = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6) . . .}
3. Tirar una moneda Ω = {0, 1}
4. Elegir una persona al azar de la clase de EA. Ω = {1, 2, 3, 4, 5, 6, 7 . . . , 90}
5. Medir una persona elegida al azar Ω = R≥0

Definición Un evento es un subconjunto del espacio muestral (algo que puede pasar).

Ejemplos de eventos

1. Exp: Tirar un dado. Eventos: A = sale un número par = {2, 4, 6}, B = sale un 1 = {1}
2. Exp: Tirar dos dados. Evento: A = la suma de los dos dados es 7 =
{(1, 6), (6, 1), (2, 5), (5, 2), (3, 4), (4, 3)}
3. Exp: Tirar una moneda. Evento: A = Sale cara = {0}
4. Exp: Medir una persona elegida al azar. Evento; A = la persona mide más de 1.65 =
(1,65; +∞)

Definición Un evento simple es un subconjunto del espacio muestral que tiene un único
elemento.

Ejemplos de eventos

1. Exp: Tirar un dado. Eventos simples: {1}, {2}, {3}, {4}, {5}, {6}
2. Exp: Tirar dos dados. Eventos simples {(1, 1)}, {(1, 2)}, {(1, 3)}, {(1, 4)}, . . .
3. Exp: Tirar una moneda. Eventos simples {0}{1}
4. Medir una persona elegida al azar {1,53}....

Propiedad Hay tantos eventos simples como elementos en Ω.

Definición -trucha- de probabilidad Dado un experimento y Ω su espacio muestral, una

probabilidad es una función que asigna a cada evento A un número P (A) el cual dará una me-
dida precisa de la oportunidad de que el evento A ocurra cuando se realiza el experimento.

Definición de frecuencia relativa de un evento Sea Ω un espacio muestral asociado

a un experimento y sea A un evento de Ω. Supongamos que repetimos n veces el experimento.
Definimos la frecuencia relativa del evento A como
cantidad de veces que ocurre A
fA = Frecuencia Relativa de A =
n
1.3. PROBABILIDAD 5

Propiedades de la frecuencia relativa

fΩ = 1

Para todo evento A de Ω vale que fA ≥ 0.

Dados A y B eventos disjuntos de Ω, es decir A ∩ B = ∅, entonces

fA∪B = fA + fB

Teorema de frecuencia relativa: si n es grande (n > 30)

fA ≈ Probabilidad de que ocurra A.

La probabilidad de eventos asociados a un experimento es algo que se parece mucho a la

frecuencia relativa del evento (si hay muchas repeticiones)...........pasamos a definir las mı́nimas
condiciones que determinan que cierta funcion sea una probabilidad.

Axiomas de probabilidad Dado un experimento y su espacio muestral Ω, decimos que la

función P : {subconjuntos de Ω} → R es una probabilidad si verifica

A1 Para todo A ⊂ Ω P (A) ≥ 0

A2 P (Ω) = 1

A3 Si A1 , A2 . . . son eventos disjuntos dos a dos (Ai ∩ Aj = ∅) entonces

∞
[ ∞
X
P( Ai ) = P (Ai )
i=1 i=1

Propiedades de la probabilidad (se deducen de los tres aximas A1 A2 y A3 )

1. P (∅) = 0

2. Para todo evento A vale que 0 ≤ P (A) ≤ 1

3. Si A y B son eventos disjuntos P (A ∪ B) = P (A) + P (B)

4. Si A1 , A2 . . . An son eventos disjuntos dos a dos (Ai ∩ Aj = ∅) entonces

n
[ n
X
P( Ai ) = P (Ai ) ¿¿qué diferencia hay con A3 ??
i=1 i=1

5. En general dados A y B eventos (no necesariamente disjuntos) P (A ∪ B) = P (A) + P (B) −

P (A ∩ B)

6. P (Ac ) = 1 − P (A)
6 CAPÍTULO 1. PROBABILIDAD

7. Si Ω es finito y {a1 } .....{ak } son todos los eventos simples de Ω entonces

P ({a1 }) + P ({a2 }) + .....P ({ak }) = 1

Asignación de probabilidades
Todo muy lindo pero...........¿Cómo calculamos probabilidades? Supongamos que el espacio
muestral Ω asociado a cierto experimento es finito. En este caso, una manera simple de trabajar
es asignar probabilidades a los eventos simples, ya que cualquier suceso A será unión eventos
simples y éstos son obviamente mutuamente excluyentes. Es decir si Ω es finito y {a1 } .....{ak }
son todos los eventos simples de Ω entonces por la propiedad 4 resulta que
X
P (A) = P ({ai })
ai ∈A

La propiedad 7 de la lista de propiedades es un caso particular de este hecho tomando A = Ω

Veamos una aplicación de este hecho

Ejemplo 7 Se arroja un dado equilibrado. ¿Cuál es la probabilida de cada evento simple? En

este caso, Ω = {1, 2, 3, 4, 5, 6} y los eventos simples son {1}, {2}, {3}, {4}, {5}, {6}. Por suponer
que el dado está equilibrado todos los eventos simples tienen igual probabilidad luego si llamamos
p = P ({1}) resulta que por la propiedad 7

P ({1}) + P ({2}) + P ({3}) + P ({4}) + P ({5}) + P ({6}) = 6p = 1

de donde p = 61 . Si deseamos calcular la probabilidad del suceso A = el resultado es par, usando

que A = {2} ∪ {4} ∪ {6} se obtiene P (A) = P ({2}) + P ({2}) + P ({2}) = 3/6 = 1/2

Ejemplo 8 Supongamos ahora que se arroja un dado en el cual la probabilidad de las caras
pares es el doble que la probabilidad de las caras impares. ¿Cuál es la probabilidad de cada
evento simple? ¿Cuál es la probabilidad de sacar una cara par? ¿De sacar un número mayor a
3?

Definición Dado un conjunto A denotaremos mediante el sı́mbolo #A a la cantidad de

elementos de A.

Espacios de equiprobabilidad Si en un experimento todos los eventos simples tienen

igual probabilidad decimos que el espacio muestral es de equiprobabilidad y se puede ver que
para todo evento A vale que
Cantidad de elementos de A #A
P (A) = =
Cantidad de elementos de Ω #Ω
Veremos algunos ejemplos

Ejemplo 9 Supongamos que tiramos dos dados (de 6 caras, equilibrados).

1.3. PROBABILIDAD 7

1. Describir un espacio muestral de este experimento que sea equiprobable.

2. Calcular la probabilidad de que en las dos tiradas hayan salido un 4 y un 1 en algún orden.

3. Calcular la probabilidad de que en las tiradas hayan salido dos 5.

4. Calcular la probabilidad de que el número obtenido en la segunda tirada sea estrictamente

mayor al obtenido en la primera.

Ejemplo 10 Se toma un número de 6 cifras al azar. Calcular la probabilidad de que solo

tenga los números 2 y 4.
Ejemplo 10 bis De una urna que contiene 2 bolillas blancas y 3 rojas se extraen 2 bolillas
con reposición.
a) ¿Cuál es la probabilidad de que se extraiga al menos una bolilla roja?
b) ¿Cuál es la probabilidad de que la primera bolilla extraı́da sea roja y la segunda blanca?

Ejemplo 11 Consideremos el ejemplo 9 a) pero suponiendo ahora que las extracciones se

realizan sin reposición.

Ejemplo 12 El 65 % del personal de una universidad está formado por mujeres y un 12 % del
personal son mujeres y menores de 24 años. Además el 20 % del personal es menor de 24 años.
Se selecciona un empleado de la universidad al azar. Hallar la probabilidad de que el empleado
seleccionado

1. tenga 24 años o más .

2. tenga 24 años o más y sea un hormbre,

3. sea hombre.

Ejemplo 13 Se selecciona al azar un alumno de cierta universidad y señalamos como A al

evento en que dicho individuo tiene una tarjeta de crédito Visa y como B el evento análago para
una MasterCard. Supongamos que P (A) = 0,5, P (B) = 0,4, y P (A ∩ B) = 0,25.

1. Calcule la probabilidad de que el individuo seleccionado tenga al menos una de las dos
tarjetas.

2. ¿Cuál es la probabilidad de que el alumno no tenga ninguna de las dos tarjetas?

3. Describa en términos de A y B el evento el alumno seleccionado tiene una tarjeta Visa

pero no una MasterCard y a continuación calcule la probabilidad de ese evento.

Ejemplo 14 En Villa Carlos Paz hay en cartel 8 obras de teatro de las cuales 4 son musicales,
2 son de suspenso y 2 comedias. Seis amigos deciden ir al teatro. Cada uno de ellos elige una
obra en cartel al azar.
8 CAPÍTULO 1. PROBABILIDAD

1. Describir Ω el espacio muestral asociado a este experimento. ¿Cuántos elementos tiene Ω?

¿Es Ω un espacio equiprobable?

2. ¿Cuál es la probabilidad de que todos los amigos vean una obra distinta?

3. ¿Cuál es la probabilidad de que todos vean o un musical o una de suspenso?

4. ¿Cuál es la probabilidad de que ninguno vea una comedia?