1

Unidad 2: Probabilidad
Resultado de Aprendizaje:
El estudiante desarrollará estrategias pedagógicas para la enseñanza de la teoría de la probabili-
dad.

Objetivos de Aprendizaje
1. Comprender y aplicar los conceptos básicos de espacio muestral, eventos y experimentos en
probabilidad.

2. Utilizar técnicas de conteo para calcular probabilidades.

3. Analizar la probabilidad condicional y la independencia de eventos.

4. Aplicar la probabilidad total y la regla de Bayes en la resolución de problemas.

Temas y Subtemas
TEMA 1: Espacio muestral, evento, experimento y la probabilidad

Subtema 1: Espacio muestral, evento y experimento.

Subtema 2: Cálculo de probabilidad.

TEMA 2: Probabilidad condicional, independencia y probabilidad total.

Subtema 1: Probabilidad condicional e independencia.

Subtema 2: Probabilidad total y regla de Bayes.

Estrategias de Aprendizaje
Métodos de enseñanza:

Exposiciones teóricas:

• Uso de presentaciones multimedia para explicar conceptos teóricos.

• Integración de ejemplos prácticos y casos de estudio.

Estudios de caso:

• Análisis de casos reales donde se aplican conceptos de probabilidad.

• Discusiones sobre la interpretación de datos y la toma de decisiones basada en la teoría
de la probabilidad.

2
Desarrollo de la Unidad
Tema 1: Espacio Muestral, Evento, Experimento y la Probabi-
lidad
Subtema 1: Espacio muestral, evento y experimento
Definición y conceptos básicos

Espacio muestral (Ω): Conjunto de todos los posibles resultados de un experimento aleatorio.
Por ejemplo, al lanzar un dado, el espacio muestral es Ω = {1, 2, 3, 4, 5, 6}.

Espacio de eventos (F): Conjunto de todos los posibles eventos de un experimento. Cada
evento es un subconjunto del espacio muestral Ω.

Evento: Subconjunto del espacio muestral. Por ejemplo, al lanzar un dado, un evento puede
ser obtener un número par, E = {2, 4, 6}.

Experimento: Procedimiento que produce un conjunto de resultados posibles. Por ejemplo,

lanzar un dado o una moneda.

Ejemplos prácticos

Ejemplo 1: Lanzar una moneda

Espacio muestral (Ω): Ω = {cara, cruz}

Espacio de eventos (F):

F = {∅, {cara}, {cruz}, {cara, cruz}}

Evento: Obtener cara, E = {cara}

Experimento: Lanzar una moneda y observar el resultado.

Desarrollo matemático y textual: Si lanzamos una moneda, tenemos dos posibles resul-
tados: cara o cruz. El espacio muestral, Ω, contiene ambos resultados. Un evento podría ser
obtener cara, E, que es un subconjunto de Ω.

Ejemplo 2: Lanzar un dado

Espacio muestral (Ω): Ω = {1, 2, 3, 4, 5, 6}

Espacio de eventos (F):

F = {∅, {1}, {2}, {3}, {4}, {5}, {6}, {1, 2}, {1, 3}, . . . , {1, 2, 3, 4, 5, 6}}

Evento: Obtener un número par, E = {2, 4, 6}

3
 Experimento: Lanzar un dado y observar el número que sale.
Desarrollo matemático y textual: Al lanzar un dado, tenemos seis posibles resultados, que
conforman el espacio muestral Ω. Un evento puede ser obtener un número par, E, que incluye
los números 2, 4 y 6.

Ejemplo 3: Sacar una carta de una baraja reducida (A, 2, 3 de corazones y tréboles)
Espacio muestral (Ω): Ω = {A♡, 2♡, 3♡, A♣, 2♣, 3♣}
Espacio de eventos (F):
F = {∅, {A♡}, {2♡}, {3♡}, {A♣}, {2♣}, {3♣}, {A♡, 2♡}, . . . , {A♡, 2♡, 3♡, A♣, 2♣, 3♣}}

Evento: Obtener una carta de corazones, E = {A♡, 2♡, 3♡}

Experimento: Sacar una carta de una baraja reducida y observarla.
Desarrollo matemático y textual: En una baraja reducida de 6 cartas, el espacio muestral
incluye todas estas cartas. Un evento puede ser sacar una carta de corazones, que incluye las 3
cartas de corazones.

Ejemplo 4: Lanzar dos monedas

Espacio muestral (Ω):
Ω = {(cara, cara), (cara, cruz), (cruz, cara), (cruz, cruz)}

Espacio de eventos (F):

F ={∅, {(cara, cara)}, {(cara, cruz)}, {(cruz, cara)}, {(cruz, cruz)},
{(cara, cara), (cara, cruz)}, {(cara, cara), (cruz, cara)},
{(cara, cara), (cruz, cruz)}, {(cara, cruz), (cruz, cara)},
{(cara, cruz), (cruz, cruz)}, {(cruz, cara), (cruz, cruz)},
{(cara, cara), (cara, cruz), (cruz, cara)}, {(cara, cara), (cara, cruz), (cruz, cruz)},
{(cara, cara), (cruz, cara), (cruz, cruz)}, {(cara, cruz), (cruz, cara), (cruz, cruz)},
{(cara, cara), (cara, cruz), (cruz, cara), (cruz, cruz)}}

Evento: Obtener Ejemplo 3: Cálculo de la probabilidad de obtener,

E = {(cara, cara), (cara, cruz), (cruz, cara)}

Experimento: Lanzar dos monedas y observar los resultados.

Desarrollo matemático y textual:
Al lanzar dos monedas, hay cuatro posibles resultados, que conforman el espacio muestral
Ω. Un evento puede ser obtener Ejemplo 3: Cálculo de la probabilidad de obtener, E,
que incluye los resultados (cara, cara), (cara, cruz), y (cruz, cara).

4
 Ejemplo 5: Seleccionar un producto defectuoso

Espacio muestral (Ω): Ω = {defectuoso, no defectuoso}

Espacio de eventos (F):

F = {∅, {defectuoso}, {no defectuoso}, {defectuoso, no defectuoso}}

Evento: Seleccionar un producto defectuoso, E = {defectuoso}

Experimento: Seleccionar un producto de una línea de producción y verificar si es defectuoso.

Desarrollo matemático y textual: En una línea de producción, cada producto puede ser
defectuoso o no defectuoso. El espacio muestral incluye ambos resultados, y un evento puede
ser seleccionar un producto defectuoso.

Subtema 2: Cálculo de probabilidad

Técnicas de conteo

Principio aditivo: Si hay n maneras de realizar una acción y m maneras de realizar otra, y
estas acciones no pueden ocurrir simultáneamente, entonces hay n + m maneras de realizar una
de estas acciones.

• Ejemplo 1: En una biblioteca, hay 4 maneras de llegar a la sección de ficción (puerta

A, puerta B, ascensor, escalera) y 3 maneras de llegar a la sección de no ficción (puerta
C, ascensor, escalera). Si no se pueden combinar rutas a diferentes secciones, ¿de cuántas
maneras se puede llegar a una de las secciones de la biblioteca?
Solución: Aquí tenemos 4 maneras de llegar a la sección de ficción y 3 maneras de llegar
a la sección de no ficción. Como no se pueden combinar, aplicamos el principio aditivo:

4 + 3 = 7 maneras

• Ejemplo 2: Un restaurante ofrece un menú con 5 opciones de platos principales y 4

opciones de sopas. Si los clientes pueden elegir solo una opción entre el plato principal o
la sopa, ¿de cuántas maneras pueden hacer su elección?
Solución: Hay 5 opciones de platos principales y 4 opciones de sopas. Usando el principio
aditivo:
5 + 4 = 9 maneras
• Ejemplo 3: En una universidad, un estudiante puede elegir entre 6 actividades extracurri-
culares deportivas y 5 actividades culturales. Si no puede participar en ambas actividades
simultáneamente, ¿cuántas opciones tiene para elegir una actividad extracurricular?
Solución: Hay 6 opciones de actividades deportivas y 5 opciones de actividades culturales.
Usamos el principio aditivo:
6 + 5 = 11 opciones

5
 • Ejemplo 4: En una tienda de ropa, hay 7 modelos diferentes de sombreros y 6 modelos
diferentes de bufandas. Si un cliente puede comprar solo un accesorio, ¿de cuántas maneras
puede hacer su elección?
Solución: Hay 7 modelos de sombreros y 6 modelos de bufandas. Aplicando el principio
aditivo:
7 + 6 = 13 maneras
• Ejemplo 5: Un zoológico tiene 8 diferentes exhibiciones de mamíferos y 5 diferentes
exhibiciones de aves. Si un visitante puede ver solo una exhibición, ¿de cuántas maneras
puede hacer su elección?
Solución: Hay 8 exhibiciones de mamíferos y 5 exhibiciones de aves. Utilizando el principio
aditivo:
8 + 5 = 13 maneras

Principio multiplicativo: Si hay n maneras de realizar una acción y m maneras de realizar

otra, entonces hay n × m maneras de realizar ambas acciones en secuencia.

• Ejemplo 1: Una empresa de publicidad ofrece paquetes que combinan diferentes tipos de
medios. Los paquetes incluyen 3 tipos de anuncios en redes sociales, 2 tipos de anuncios
en televisión y 4 tipos de anuncios en prensa escrita. Si un cliente quiere un paquete que
incluya un tipo de anuncio en cada medio, ¿cuántas combinaciones diferentes de paquetes
publicitarios puede seleccionar?
Solución: Hay 3 tipos de anuncios en redes sociales, 2 tipos de anuncios en televisión y 4
tipos de anuncios en prensa escrita. Aplicamos el principio multiplicativo:

3 × 2 × 4 = 24 combinaciones

• Ejemplo 2: En una competencia de programación, los participantes deben elegir un len-

guaje de programación, una biblioteca de software y una plataforma de desarrollo. Hay
4 lenguajes de programación disponibles, 3 bibliotecas de software y 5 plataformas de
desarrollo. ¿Cuántas configuraciones diferentes pueden elegir los participantes?
Solución: Hay 4 lenguajes de programación, 3 bibliotecas de software y 5 plataformas de
desarrollo. Usamos el principio multiplicativo:

4 × 3 × 5 = 60 configuraciones

• Ejemplo 3: Una universidad ofrece 5 cursos electivos de matemáticas, 4 cursos electivos

de física y 3 cursos electivos de informática. Un estudiante quiere inscribirse en un curso
de cada área. ¿De cuántas maneras diferentes puede hacer su elección?
Solución: Hay 5 cursos de matemáticas, 4 cursos de física y 3 cursos de informática.
Aplicamos el principio multiplicativo:

5 × 4 × 3 = 60 maneras

• Ejemplo 4: Un chef está planeando un menú de degustación que incluye un aperitivo, un

plato principal y un postre. Hay 6 opciones de aperitivos, 7 opciones de platos principales
y 5 opciones de postres. ¿Cuántos menús diferentes pueden ser creados?

6
 Solución: Hay 6 opciones de aperitivos, 7 opciones de platos principales y 5 opciones de
postres. Usamos el principio multiplicativo:

6 × 7 × 5 = 210 menús

• Ejemplo 5: Un fabricante de automóviles permite a los clientes personalizar su coche

eligiendo entre 4 tipos de motores, 3 tipos de transmisiones, 5 colores exteriores y 2 tipos
de interiores. ¿Cuántas combinaciones diferentes de coches se pueden personalizar?
Solución: Hay 4 tipos de motores, 3 tipos de transmisiones, 5 colores exteriores y 2 tipos
de interiores. Aplicamos el principio multiplicativo:

4 × 3 × 5 × 2 = 120 combinaciones

• Ejemplo 6: Un equipo de investigación debe realizar un experimento que implica elegir un

tipo de muestra, un tipo de reactivo químico y un método de análisis. Hay 3 tipos de mues-
tras, 4 tipos de reactivos y 3 métodos de análisis disponibles. ¿Cuántas configuraciones
experimentales distintas pueden ser realizadas?
Solución: Hay 3 tipos de muestras, 4 tipos de reactivos y 3 métodos de análisis. Usamos
el principio multiplicativo:

3 × 4 × 3 = 36 configuraciones

• Ejemplo 7: En un juego de rol, un personaje puede elegir entre 5 razas, 6 clases y 4

habilidades especiales. ¿Cuántas combinaciones únicas de personaje pueden ser creadas?
Solución: Hay 5 razas, 6 clases y 4 habilidades especiales. Aplicamos el principio multi-
plicativo:
5 × 6 × 4 = 120 combinaciones

Permutaciones sin repetición: El número de maneras de ordenar n objetos distintos es n!

(n factorial).

• Ejemplo 1: En una oficina, hay 5 documentos diferentes que deben ser firmados por el
director en un orden específico. ¿De cuántas maneras diferentes puede el director ordenar
estos documentos para firmarlos?
Solución: El número de maneras de ordenar 5 documentos diferentes es una permutación
de 5 elementos, que se calcula como:

5! = 5 × 4 × 3 × 2 × 1 = 120 maneras

• Ejemplo 2: Un comité de 4 miembros debe sentarse en una fila para una foto oficial.
¿Cuántas maneras diferentes hay de ordenar a los miembros del comité en la fila?
Solución: El número de maneras de ordenar 4 personas en una fila es una permutación
de 4 elementos:
4! = 4 × 3 × 2 × 1 = 24 maneras

7
 • Ejemplo 3: Una combinación de cerradura tiene 6 dígitos diferentes, y cada dígito debe
usarse exactamente una vez. ¿Cuántas combinaciones posibles existen para la cerradura?
Solución: El número de maneras de ordenar 6 dígitos diferentes es una permutación de 6
elementos:
6! = 6 × 5 × 4 × 3 × 2 × 1 = 720 combinaciones
• Ejemplo 4: Un grupo de 7 amigos quiere tomarse una foto, pero deben estar en un orden
específico. ¿De cuántas maneras diferentes pueden ordenar a los 7 amigos en la foto?
Solución: El número de maneras de ordenar 7 personas en una fila es una permutación
de 7 elementos:
7! = 7 × 6 × 5 × 4 × 3 × 2 × 1 = 5, 040 maneras
• Ejemplo 5: Una empresa tiene 8 productos diferentes y desea destacarlos en una vitrina
en un orden específico. ¿Cuántas maneras diferentes hay de ordenar estos 8 productos en
la vitrina?
Solución: El número de maneras de ordenar 8 productos diferentes es una permutación
de 8 elementos:

8! = 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 = 40, 320 maneras

• Ejemplo 6: Un programador tiene 6 tareas diferentes para completar en un día. Si cada

tarea debe ser completada en un orden específico, ¿cuántas maneras diferentes hay de
ordenar las tareas?
Solución: El número de maneras de ordenar 6 tareas diferentes es una permutación de 6
elementos:
6! = 6 × 5 × 4 × 3 × 2 × 1 = 720 maneras
• Ejemplo 7: En un torneo de ajedrez, hay 10 participantes y se necesita ordenar a los par-
ticipantes para las rondas iniciales. ¿De cuántas maneras diferentes pueden ser ordenados
los 10 participantes?
Solución: El número de maneras de ordenar 10 participantes diferentes es una permuta-
ción de 10 elementos:

10! = 10 × 9 × 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 = 3, 628, 800 maneras

Permutaciones con repetición: El número de maneras de ordenar n objetos donde algunos

n!
objetos se repiten es , donde n1 , n2 , . . . , nk son las frecuencias de los objetos
n1 ! × n2 ! × . . . × nk !
repetidos.

• Ejemplo 1: El número de maneras de ordenar las letras en la palabra “ANA” (donde A

se repite) es
3! 6
= =3
2! 2
• Ejemplo 2: El número de maneras de ordenar las letras en la palabra “BEBE” (donde B
y E se repiten) es
4! 24
= =6
2!2! 4

8
 • Ejemplo 3: El número de maneras de ordenar las letras en la palabra “AABB” es
4! 24
= =6
2!2! 4
• Ejemplo 4: El número de maneras de ordenar las letras en la palabra “MISSISSIPPI”
(donde I y S se repiten 4 veces cada una y P se repite 2 veces) es

11! 39, 916, 800 39, 916, 800

= = = 34, 650
4!4!2! 24 × 24 × 2 1, 152

• Ejemplo 5: El número de maneras de ordenar las letras en la palabra “BOOKKEEPER”

(donde O, K y E se repiten 2 veces cada una) es

10! 3, 628, 800

= = 453, 600
2!2!2! 8
• Ejemplo 6: En una biblioteca, se tienen 4 copias del libro “Harry Potter” y 3 copias del
libro “El Señor de los Anillos”. ¿De cuántas maneras se pueden ordenar estos 7 libros en
un estante?
Solución: El número de maneras de ordenar los libros es
7! 5, 040 5, 040
= = = 35
4!3! 24 × 6 144

• Ejemplo 7: En una urna hay 5 bolas rojas, 3 bolas azules y 2 bolas verdes. ¿De cuántas
maneras diferentes se pueden ordenar estas 10 bolas?
Solución: El número de maneras de ordenar las bolas es
10! 3, 628, 800 3, 628, 800
= = = 2, 520
5!3!2! 120 × 6 × 2 1, 440

Permutaciones de un subconjunto: El número de maneras de ordenar r objetos seleccio-

n!
nados de un conjunto de n objetos es P (n, r) = .
(n − r)!
• Ejemplo 1: En una carrera de 100 metros, hay 8 corredores diferentes y queremos saber
de cuántas maneras podemos ordenar a los primeros 3 corredores que lleguen a la meta.
Solución: El número de maneras de ordenar 3 de los 8 corredores es:
8! 8 × 7 × 6 × 5!
P (8, 3) = = = 8 × 7 × 6 = 336
(8 − 3)! 5!

• Ejemplo 2: En una biblioteca, hay 10 libros diferentes y queremos saber de cuántas

maneras podemos seleccionar y ordenar 4 de esos libros en una fila.
Solución: El número de maneras de ordenar 4 de los 10 libros es:
10! 10 × 9 × 8 × 7 × 6!
P (10, 4) = = = 10 × 9 × 8 × 7 = 5, 040
(10 − 4)! 6!

9
 • Ejemplo 3: En un concurso de arte, hay 12 pinturas diferentes y queremos saber de
cuántas maneras podemos seleccionar y ordenar las 5 mejores pinturas.
Solución: El número de maneras de ordenar 5 de las 12 pinturas es:
12! 12 × 11 × 10 × 9 × 8 × 7!
P (12, 5) = = = 12 × 11 × 10 × 9 × 8 = 95, 040
(12 − 5)! 7!

• Ejemplo 4: Un restaurante tiene 6 platos principales diferentes y queremos saber de

cuántas maneras podemos seleccionar y ordenar 3 de esos platos en un menú degustación.
Solución: El número de maneras de ordenar 3 de los 6 platos es:
6! 6 × 5 × 4 × 3!
P (6, 3) = = = 6 × 5 × 4 = 120
(6 − 3)! 3!

• Ejemplo 5: En una competencia de baile, hay 9 parejas diferentes y queremos saber de

cuántas maneras podemos seleccionar y ordenar las 4 mejores parejas.
Solución: El número de maneras de ordenar 4 de las 9 parejas es:
9! 9 × 8 × 7 × 6 × 5!
P (9, 4) = = = 9 × 8 × 7 × 6 = 3, 024
(9 − 4)! 5!

• Ejemplo 6: En una clase de 15 estudiantes, el profesor quiere asignar 3 roles diferentes pa-
ra una presentación. ¿De cuántas maneras se pueden seleccionar y ordenar a 3 estudiantes
de la clase para los roles?
Solución: El número de maneras de ordenar 3 de los 15 estudiantes es:
15! 15 × 14 × 13 × 12!
P (15, 3) = = = 15 × 14 × 13 = 2, 730
(15 − 3)! 12!

• Ejemplo 7: Una empresa tiene 20 empleados y desea elegir y ordenar 5 de ellos para una
formación específica. ¿De cuántas maneras puede hacer esto?
Solución: El número de maneras de ordenar 5 de los 20 empleados es:
20! 20 × 19 × 18 × 17 × 16 × 15!
P (20, 5) = = = 20×19×18×17×16 = 1, 860, 480
(20 − 5)! 15!

Definición y cálculo de probabilidad

Probabilidad clásica: Probabilidad de un evento se define como el número de resultados
favorables dividido por el número total de resultados posibles.
3 1
• Ejemplo: La probabilidad de obtener un número par al lanzar un dado es = .
6 2
Probabilidad frecuencial: Probabilidad de un evento se estima mediante la proporción de
veces que ocurre el evento en un gran número de repeticiones del experimento.

• Ejemplo: Si en 100 lanzamientos de una moneda, “cara” aparece 52 veces, la probabilidad

52
frecuencial de “cara” es = 0,52.
100

10
Ejemplos prácticos

Ejemplo 1: Cálculo de la probabilidad de obtener un número par al lanzar un dado

Espacio muestral (Ω): Ω = {1, 2, 3, 4, 5, 6}
Espacio de eventos (F):
F = {∅, {1}, {2}, {3}, {4}, {5}, {6}, {1, 2}, {1, 3}, . . . , {1, 2, 3, 4, 5, 6}}

Evento: Obtener un número par, E = {2, 4, 6}

|E| 3 1
Probabilidad: P (E) = = =
|Ω| 6 2
Desarrollo: Al lanzar un dado, hay 6 posibles resultados. Los números pares son 2, 4 y 6, por
3 1
lo que hay 3 resultados favorables. La probabilidad de obtener un número par es = .
6 2

Ejemplo 2: Cálculo de la probabilidad de sacar una carta roja de una baraja reducida
Espacio muestral (Ω): Ω = 6 cartas ({A♡, 2♡, 3♡, A♣, 2♣, 3♣})
Espacio de eventos (F):
F = {∅, {A♡}, {2♡}, {3♡}, {A♣}, {2♣}, {3♣}, {A♡, 2♡}, . . . , {A♡, 2♡, 3♡, A♣, 2♣, 3♣}}

Evento: Obtener una carta roja, E = 3 cartas ({A♡, 2♡, 3♡})

|E| 3 1
Probabilidad: P (E) = = =
|Ω| 6 2
Desarrollo: En una baraja reducida de 6 cartas, 3 son rojas. La probabilidad de sacar una
3 1
carta roja es = .
6 2

Ejemplo 3: Cálculo de la probabilidad de obtener al menos una “cara” al lanzar dos

monedas
Espacio muestral (Ω):
Ω = {(cara, cara), (cara, cruz), (cruz, cara), (cruz, cruz)}

Espacio de eventos (F):

F ={∅, {(cara, cara)}, {(cara, cruz)}, {(cruz, cara)}, {(cruz, cruz)},
{(cara, cara), (cara, cruz)}, {(cara, cara), (cruz, cara)},
{(cara, cara), (cruz, cruz)}, {(cara, cruz), (cruz, cara)},
{(cara, cruz), (cruz, cruz)}, {(cruz, cara), (cruz, cruz)},
{(cara, cara), (cara, cruz), (cruz, cara)}, {(cara, cara), (cara, cruz), (cruz, cruz)},
{(cara, cara), (cruz, cara), (cruz, cruz)}, {(cara, cruz), (cruz, cara), (cruz, cruz)},
{(cara, cara), (cara, cruz), (cruz, cara), (cruz, cruz)}}

11
 Evento: Obtener al menos una cara,

E = {(cara, cara), (cara, cruz), (cruz, cara)}

Probabilidad:
|E| 3
P (E) = =
|Ω| 4
Desarrollo:

Al lanzar dos monedas, hay 4 posibles resultados: cara, cara; cara, cruz; cruz, cara; cruz,
cruz. Tres de estos resultados incluyen al menos una cara, por lo que la probabilidad es
3
.
4

Ejemplo 4: Cálculo de la probabilidad de obtener una suma de 7 al lanzar dos dados

Espacio muestral (Ω): Ω = {(1, 1), (1, 2), . . . , (6, 6)}

Espacio de eventos (F):

F = {∅, {(1, 1)}, {(1, 2)}, . . . , {(6, 6)}, {(1, 1), (1, 2)}, . . . , {(1, 1), (1, 2), . . . , (6, 6)}}

Evento: Obtener una suma de 7, E = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}
|E| 6 1
Probabilidad: P (E) = = =
|Ω| 36 6
Desarrollo: Al lanzar dos dados, hay 36 combinaciones posibles. Seis de estas combinaciones
1
suman 7, por lo que la probabilidad de obtener una suma de 7 es .
6

Ejemplo 5: Cálculo de la probabilidad de seleccionar un producto defectuoso de un

lote de producción

Espacio muestral (Ω): Ω = {defectuoso, no defectuoso}

Espacio de eventos (F):

F = {∅, {defectuoso}, {no defectuoso}, {defectuoso, no defectuoso}}

Evento: Seleccionar un producto defectuoso, E = {defectuoso}

|E| 1
Probabilidad: P (E) = =
|Ω| 2
Desarrollo: En un lote de productos donde cada producto puede ser defectuoso o no defectuoso,
1
la probabilidad de seleccionar un producto defectuoso es .
2

12
Tema 2: Probabilidad Condicional, Independencia y Probabili-
dad Total
Subtema 1: Probabilidad condicional e independencia
Definición y conceptos básicos

Probabilidad condicional: La probabilidad de que ocurra un evento A dado que ha ocurrido

P (A ∩ B)
un evento B, se denota como P (A|B) y se calcula como P (A|B) = .
P (B)
Independencia de eventos: Dos eventos A y B son independientes si P (A∩B) = P (A)·P (B).

Ejemplos prácticos

Ejemplo 1: Cálculo de la probabilidad condicional de que un estudiante apruebe un

examen dado que ha estudiado

Evento A: Aprobar el examen

Evento B: Estudiar
P (A ∩ B)
Probabilidad condicional: P (A|B) =
P (B)
Desarrollo: Supongamos que la probabilidad de que un estudiante estudie y apruebe es 0.6, y
0,6
la probabilidad de que un estudiante estudie es 0.8. Entonces, P (A|B) = = 0,75.
0,8

Ejemplo 2: Cálculo de la probabilidad condicional de seleccionar una carta de cora-

zones dado que es roja

Evento A: Seleccionar una carta de corazones

Evento B: Seleccionar una carta roja

P (A ∩ B) 13/52 13 1
Probabilidad condicional: P (A|B) = = = =
P (B) 26/52 26 2
Desarrollo: Hay 13 corazones en una baraja de 52 cartas. Dado que hay 26 cartas rojas, la
1
probabilidad condicional de seleccionar una carta de corazones dado que es roja es .
2

Ejemplo 3: Cálculo de la independencia entre el lanzamiento de dos monedas

Evento A: Obtener cara en la primera moneda

Evento B: Obtener cara en la segunda moneda

Independencia: P (A ∩ B) = P (A) · P (B)

13
 1
Desarrollo: La probabilidad de obtener cara en la primera moneda es y la probabilidad
2
1
de obtener cara en la segunda moneda es . Si los eventos son independientes, P (A ∩ B) =
2
1 1 1
× = .
2 2 4

Ejemplo 4: Cálculo de la independencia entre sacar dos cartas de una baraja (con
reemplazo)

Evento A: Seleccionar una carta de corazones en el primer intento

Evento B: Seleccionar una carta de corazones en el segundo intento

Independencia: P (A ∩ B) = P (A) · P (B)

13 1
Desarrollo: La probabilidad de seleccionar una carta de corazones es = . Si las cartas se
52 4
1 1 1
reemplazan, los eventos son independientes y P (A ∩ B) = × = .
4 4 16

Ejemplo 5: Cálculo de la independencia entre obtener un número par al lanzar un

dado y obtener “cara” al lanzar una moneda

Evento A: Obtener un número par al lanzar un dado

Evento B: Obtener “cara” al lanzar una moneda

Independencia: P (A ∩ B) = P (A) · P (B)

1
Desarrollo: La probabilidad de obtener un número par al lanzar un dado es y la probabilidad
2
1
de obtener “cara” al lanzar una moneda es . Si los eventos son independientes, P (A ∩ B) =
2
1 1 1
× = .
2 2 4

Subtema 2: Probabilidad total y regla de Bayes

Definición y conceptos básicos

Probabilidad total: La probabilidad de un evento A se puede calcular sumando las probabi-

lidades de A condicionado a eventos disjuntos que cubren todo el espacio muestral.

Regla de Bayes: Permite actualizar la probabilidad de un evento A dado un evento B, usando

P (B|A) · P (A)
la fórmula P (A|B) = .
P (B)

Ejemplos prácticos

14
Ejemplo 1: Aplicación de la probabilidad total en un problema de diagnóstico médico

Evento A: El paciente tiene la enfermedad

Eventos B1 , B2 : El test es positivo o negativo

Probabilidad total: P (A) = P (A|B1 ) · P (B1 ) + P (A|B2 ) · P (B2 )

Desarrollo: Supongamos que la probabilidad de que el test sea positivo dado que el paciente
tiene la enfermedad es 0.9, y la probabilidad de que el test sea negativo dado que el paciente
tiene la enfermedad es 0.1. Además, supongamos que la probabilidad de que un paciente tenga
la enfermedad es 0.01 y que la probabilidad de que un paciente no tenga la enfermedad es 0.99.

P (A) = P (A|B1 ) · P (B1 ) + P (A|B2 ) · P (B2 )

P (A) = 0,9 · 0,01 + 0,1 · 0,99 = 0,009 + 0,099 = 0,108

Ejemplo 2: Aplicación de la regla de Bayes en un problema de diagnóstico médico

Evento A: El paciente tiene la enfermedad

Evento B: El test es positivo

P (B|A) · P (A)
Regla de Bayes: P (A|B) =
P (B)
Desarrollo: Supongamos que la probabilidad de que el test sea positivo dado que el paciente
tiene la enfermedad es 0.9, y la probabilidad de que el test sea positivo dado que el paciente
no tiene la enfermedad es 0.05. Además, supongamos que la probabilidad de que un paciente
tenga la enfermedad es 0.01.

P (B) = P (B|A) · P (A) + P (B|Ac ) · P (Ac )

P (B) = 0,9 · 0,01 + 0,05 · 0,99 = 0,009 + 0,0495 = 0,0585

P (B|A) · P (A) 0,9 · 0,01
P (A|B) = = ≈ 0,154
P (B) 0,0585

Ejemplo 3: Cálculo de la probabilidad total en un problema de selección de productos

Evento A: El producto es defectuoso

Eventos B1 , B2 : El producto es de la línea 1 o línea 2

Probabilidad total: P (A) = P (A|B1 ) · P (B1 ) + P (A|B2 ) · P (B2 )

Desarrollo: Supongamos que la probabilidad de que un producto sea defectuoso en la línea 1

es 0.02 y en la línea 2 es 0.05. Además, supongamos que el 60

P (A) = 0,02 · 0,6 + 0,05 · 0,4 = 0,012 + 0,02 = 0,032

15
 Ejemplo 4: Aplicación de la regla de Bayes en un problema de probabilidad inversa

Evento A: El estudiante ha estudiado

Evento B: El estudiante aprueba el examen

P (B|A) · P (A)
Regla de Bayes: P (A|B) =
P (B)
Desarrollo: Supongamos que la probabilidad de que un estudiante apruebe el examen dado
que ha estudiado es 0.8, y la probabilidad de que un estudiante apruebe el examen dado que
no ha estudiado es 0.3. Además, supongamos que la probabilidad de que un estudiante haya
estudiado es 0.7.
P (B) = P (B|A) · P (A) + P (B|Ac ) · P (Ac )
P (B) = 0,8 · 0,7 + 0,3 · 0,3 = 0,56 + 0,09 = 0,65
P (B|A) · P (A) 0,8 · 0,7
P (A|B) = = ≈ 0,86
P (B) 0,65

Ejemplo 5: Cálculo de la probabilidad total y uso de la regla de Bayes en un problema

de fiabilidad de sistemas

Evento A: El sistema falla

Eventos B1 , B2 , B3 : Fallo en el componente 1, 2 o 3

Probabilidad total: P (A) = P (A|B1 ) · P (B1 ) + P (A|B2 ) · P (B2 ) + P (A|B3 ) · P (B3 )

P (A|Bi ) · P (Bi )
Regla de Bayes: P (Bi |A) =
P (A)
Desarrollo: Supongamos que la probabilidad de que el sistema falle si falla el componente 1
es 0.1, si falla el componente 2 es 0.2 y si falla el componente 3 es 0.3. Las probabilidades de
fallo de cada componente son 0.05, 0.10 y 0.15 respectivamente.

P (A) = 0,1 · 0,05 + 0,2 · 0,10 + 0,3 · 0,15 = 0,005 + 0,02 + 0,045 = 0,07

Luego, aplicamos la regla de Bayes para determinar la probabilidad de que un componente

específico haya fallado dado que el sistema ha fallado.

P (A|B1 ) · P (B1 ) 0,1 · 0,05

P (B1 |A) = = ≈ 0,071
P (A) 0,07

P (A|B2 ) · P (B2 ) 0,2 · 0,10

P (B2 |A) = = ≈ 0,286
P (A) 0,07
P (A|B3 ) · P (B3 ) 0,3 · 0,15
P (B3 |A) = = ≈ 0,643
P (A) 0,07

16
Ejercicios resueltos
Ejercicio 1: Probabilidad en un juego de cartas.
En un juego de cartas, se reparten 5 cartas de una baraja estándar de 52 cartas. ¿Cuál es la
probabilidad de obtener exactamente 2 ases?
Solución:
 
52
Espacio muestral (Ω): Total de maneras de repartir 5 cartas de 52:
5
 
52 52!
= = 2, 598, 960
5 5!(52 − 5)!

Evento (E): Obtener exactamente 2 ases.

4 48



2
× 3
P (E) = 52


5
   
4 4! 48 48!
= = 6, = = 17, 296
2 2!2! 3 3!45!
6 × 17, 296
P (E) = ≈ 0,0397
2, 598, 960

Ejercicio 2: Probabilidad condicional en una urna.

En una urna hay 5 bolas rojas y 3 bolas azules. Se extraen dos bolas sin reemplazo. ¿Cuál es la
probabilidad de que ambas bolas sean rojas?
Solución:
 
8
Espacio muestral (Ω): Total de maneras de extraer 2 bolas de 8:
2
 
8 8!
= = 28
2 2!6!

Evento (E): Ambas bolas son rojas.

5 5!


2 2!3! 10 5
P (E) = 8

= 8!
= = ≈ 0,3571
2 2!6!
28 14

Solución:
Probabilidad total de defecto (P (D)):

P (D) = 0,02 × 0,50 + 0,03 × 0,30 + 0,05 × 0,20 = 0,01 + 0,009 + 0,01 = 0,029

Probabilidad de que el producto defectuoso provenga de la segunda máquina

(P (M2 |D)):
P (D|M2 ) × P (M2 ) 0,03 × 0,30
P (M2 |D) = = ≈ 0,3103
P (D) 0,029

17
Ejercicio 4: Permutaciones con restricciones.
¿Cuántas maneras hay de ordenar las letras en la palabra .ESTADISTICA"de modo que las dos
letras "S"no estén juntas?
Solución:
Total de permutaciones sin restricción:
11! 39916800
= = 4, 989, 600
2!2!2! 8
Permutaciones con las "S"juntas: Consideramos las dos "Sçomo un solo bloque:
10! 3628800
= = 453, 600
2!2!2! 8
Permutaciones con las "S"no juntas:
4, 989, 600 − 453, 600 = 4, 536, 000
Ejercicio 5: Probabilidad en un experimento de selección . Un grupo de 10 estudiantes
incluye 4 estudiantes de matemáticas y 6 estudiantes de física. Si se seleccionan al azar 3 estudiantes,
¿cuál es la probabilidad de que al menos uno sea estudiante de matemáticas?
Solución:  
10
Espacio muestral (Ω): Total de maneras de elegir 3 estudiantes de 10:
3
 
10 10!
= = 120
3 3!7!
Evento complementario (E c ): Ningún estudiante de matemáticas (todos son de física).
 
6 6!
= = 20
3 3!3!
Probabilidad complementaria:
20 1
P (E c ) = =
120 6
Probabilidad de al menos un estudiante de matemáticas:
1 5
P (E) = 1 − P (E c ) = 1 − = ≈ 0,8333
6 6
Ejercicio 6: Análisis de un proceso de producción.
Una fábrica produce tres tipos de productos A, B y C en proporciones de 30 %, 50 % y 20 %
respectivamente. Los defectos en estos productos son 1 %, 2 % y 3 %. Si se elige un producto al azar
y se encuentra defectuoso, ¿cuál es la probabilidad de que sea del tipo B?
Solución:
Probabilidad total de defecto (P (D)):
P (D) = 0,01 × 0,30 + 0,02 × 0,50 + 0,03 × 0,20 = 0,003 + 0,01 + 0,006 = 0,019
Probabilidad de que el producto defectuoso sea del tipo B (P (B|D)):
P (D|B) × P (B) 0,02 × 0,50
P (B|D) = = ≈ 0,5263
P (D) 0,019

18
Ejercicio 7: Probabilidad condicional en un problema de diagnóstico.
En una población, el 1 % tiene una enfermedad. Una prueba para la enfermedad tiene una tasa de
verdadero positivo del 99 % y una tasa de falso positivo del 2 %. ¿Cuál es la probabilidad de que una
persona tenga la enfermedad dado que su prueba es positiva?
Solución:

Probabilidad total de prueba positiva (P (T + )):

P (T + ) = P (T + |E)P (E) + P (T + |E c )P (E c )

P (T + |E) = 0,99, P (E) = 0,01, P (T + |E c ) = 0,02, P (E c ) = 0,99

P (T + ) = 0,99 × 0,01 + 0,02 × 0,99 = 0,0099 + 0,0198 = 0,0297

Probabilidad de tener la enfermedad dado que la prueba es positiva (P (E|T + )):

P (T + |E)P (E) 0,99 × 0,01

P (E|T + ) = +
= ≈ 0,3333
P (T ) 0,0297

Ejercicio 8: Técnicas de conteo en una carrera.

En una carrera de 8 caballos, ¿cuántas maneras hay de que los caballos terminen en las primeras
3 posiciones?
Solución:

Número total de permutaciones de los primeros 3 caballos:

8! 8!
P (8, 3) = = = 8 × 7 × 6 = 336
(8 − 3)! 5!

Ejercicio 9: Análisis de independencia en eventos.

En un grupo de estudiantes, el 60 % son hombres y el 40 % son mujeres. El 70 % de los hombres y
el 50 % de las mujeres tienen una beca. Si se selecciona un estudiante al azar y tiene una beca, ¿cuál
es la probabilidad de que sea hombre? Solución:

Probabilidad total de tener una beca (P (B)):

P (B) = P (B|H)P (H) + P (B|M )P (M )

P (B|H) = 0,70, P (H) = 0,60, P (B|M ) = 0,50, P (M ) = 0,40

P (B) = 0,70 × 0,60 + 0,50 × 0,40 = 0,42 + 0,20 = 0,62

Probabilidad de ser hombre dado que tiene una beca (P (H|B)):

P (B|H)P (H) 0,70 × 0,60

P (H|B) = = ≈ 0,6774
P (B) 0,62

19
Ejercicio 10: Aplicación de permutaciones y combinaciones.
De un grupo de 7 hombres y 5 mujeres, ¿cuántas maneras hay de seleccionar un comité de 4
personas que incluya al menos 2 mujeres?
Solución:

Número total de comités:  

12 12!
= = 495
4 4!8!
Número de comités con al menos 2 mujeres:
        
5 7 5 7 5 7
Al menos 2 mujeres = + +
2 2 3 1 4 0
  
5 7 5! 7!
= = 10 × 21 = 210
2 2 2!3! 2!5!
  
5 7 5! 7!
= = 10 × 7 = 70
3 1 3!2! 1!6!
  
5 7 5! 7!
= =5×1=5
4 0 4!1! 0!7!
Total = 210 + 70 + 5 = 285

Ejercicio 11: Probabilidad condicional en genética.

En una población, el 20 % tiene un genotipo AA, el 50 % tiene un genotipo Aa y el 30 % tiene un
genotipo aa. Si una persona seleccionada al azar muestra un fenotipo dominante, ¿cuál es la proba-
bilidad de que tenga el genotipo AA? Solución:

Probabilidad total de fenotipo dominante (P (D)):

P (D) = P (D|AA)P (AA) + P (D|Aa)P (Aa) + P (D|aa)P (aa)

P (D|AA) = 1, P (AA) = 0,20, P (D|Aa) = 1, P (Aa) = 0,50, P (D|aa) = 0, P (aa) = 0,30

P (D) = 1 × 0,20 + 1 × 0,50 + 0 × 0,30 = 0,20 + 0,50 + 0 = 0,70

Probabilidad de tener genotipo AA dado que muestra fenotipo dominante (P (AA|D)):

P (D|AA)P (AA) 1 × 0,20 0,20

P (AA|D) = = = ≈ 0,2857
P (D) 0,70 0,70

20
Ejercicio 12: Probabilidad de un evento complementario.
En una clase de 30 estudiantes, 18 son mujeres y 12 son hombres. Si se seleccionan 3 estudiantes
al azar, ¿cuál es la probabilidad de que al menos uno sea hombre?
Solución:
Número total de maneras de seleccionar 3 estudiantes:
 
30 30!
= = 4060
3 3!27!
Número de maneras de seleccionar solo mujeres:
 
18 18!
= = 816
3 3!15!
Probabilidad de seleccionar solo mujeres:
816
P (solo mujeres) = ≈ 0,2015
4060
Probabilidad de seleccionar al menos un hombre:
P (al menos un hombre) = 1 − P (solo mujeres) = 1 − 0,2015 = 0,7985
Ejercicio 13: Análisis de probabilidades en un examen.
En un examen, el 60 % de los estudiantes pasan la prueba teórica y el 70 % pasan la prueba prácti-
ca. Si el 50 % pasa ambas pruebas, ¿cuál es la probabilidad de que un estudiante pase al menos una
de las pruebas? Solución:

Probabilidad de pasar al menos una prueba:

P (teórica ∪ práctica) = P (teórica) + P (práctica) − P (ambas)
P (teórica) = 0,60, P (práctica) = 0,70, P (ambas) = 0,50
P (teórica ∪ práctica) = 0,60 + 0,70 − 0,50 = 0,80

Ejercicio 14: Aplicación de la regla de Bayes en un problema médico.

En una población, el 5 % tiene una enfermedad rara. Una prueba para la enfermedad tiene una
sensibilidad del 90 % (probabilidad de un resultado positivo dado que la persona tiene la enfermedad)
y una especificidad del 95 % (probabilidad de un resultado negativo dado que la persona no tiene la
enfermedad). ¿Cuál es la probabilidad de que una persona tenga la enfermedad dado que su prueba
es positiva?
Solución:
Probabilidad total de prueba positiva (P (T + )):
P (T + ) = P (T + |E)P (E) + P (T + |E c )P (E c )
P (T + |E) = 0,90, P (E) = 0,05, P (T + |E c ) = 0,05, P (E c ) = 0,95
P (T + ) = 0,90 × 0,05 + 0,05 × 0,95 = 0,045 + 0,0475 = 0,0925
Probabilidad de tener la enfermedad dado que la prueba es positiva (P (E|T + )):
P (T + |E)P (E) 0,90 × 0,05
P (E|T + ) = = ≈ 0,4865
P (T + ) 0,0925

21
Ejercicio 15: Análisis de un proceso de fabricación.
Una fábrica produce dos tipos de productos: A y B. El 60 % de los productos son del tipo A y el
40 % del tipo B. El 5 % de los productos del tipo A son defectuosos y el 10 % de los productos del
tipo B son defectuosos. Si se selecciona un producto al azar y se encuentra que es defectuoso, ¿cuál
es la probabilidad de que sea del tipo A?
Solución:

Probabilidad total de defecto (P (D)):

P (D) = P (D|A)P (A) + P (D|B)P (B)

P (D|A) = 0,05, P (A) = 0,60, P (D|B) = 0,10, P (B) = 0,40

P (D) = 0,05 × 0,60 + 0,10 × 0,40 = 0,03 + 0,04 = 0,07

Probabilidad de ser del tipo A dado que es defectuoso (P (A|D)):

P (D|A)P (A) 0,05 × 0,60

P (A|D) = = ≈ 0,4286
P (D) 0,07

Ejercicio 16: Cálculo de probabilidades en un juego.

En un juego de dados, se lanzan dos dados. ¿Cuál es la probabilidad de que la suma sea 9 o mayor?
Solución:

Espacio muestral (Ω): Ω = {(1, 1), (1, 2), . . . , (6, 6)} = 36 resultados

Evento (E): Obtener una suma de 9 o mayor.

E = {(3, 6), (4, 5), (5, 4), (6, 3), (4, 6), (5, 5), (6, 4), (5, 6), (6, 5), (6, 6)} = 10 resultados

|E| 10 5
Probabilidad (P (E)): P (E) = = = ≈ 0,2778
|Ω| 36 18

Ejercicio 17: Análisis de independencia en eventos deportivos.

En un torneo, el 70 % de los equipos ganan al menos un partido y el 50 % ganan al menos dos
partidos. Si el 40 % de los equipos ganan al menos un partido y ganan al menos dos partidos, ¿son
independientes estos eventos?
Solución:

Probabilidades:
P (A) = 0,70, P (B) = 0,50, P (A ∩ B) = 0,40

Independencia:

P (A ∩ B) = P (A) × P (B) = 0,70 × 0,50 = 0,35 ̸= 0,40

Conclusión: Los eventos no son independientes.

22
Ejercicio 18: Aplicación de combinaciones en un sorteo.
En un sorteo, hay 100 boletos, de los cuales 5 son ganadores. Si se compran 10 boletos, ¿cuál es la
probabilidad de ganar exactamente 2 premios?
Solución:
 
100
Espacio muestral (Ω): Total de maneras de elegir 10 boletos de 100:
10
 
100 100!
=
10 10!(90)!

Evento (E): Ganar exactamente 2 premios.

5 95



2
× 8
P (E) = 100


10
   
5 95 95!
= 10, =
2 8 8!(87)!
10 × 95


P (E) = 100

8
10

Cálculo detallado no incluido debido a su longitud, pero se puede resolver usando

una calculadora combinatoria.

Ejercicio 19: Probabilidad condicional en un experimento

.En un experimento, se lanza un dado. Si el resultado es mayor que 3, se lanza un segundo dado.
¿Cuál es la probabilidad de que la suma de ambos dados sea 8?
Solución:

Primera parte del espacio muestral (Ω1 ): {4, 5, 6}

Segunda parte del espacio muestral (Ω2 ): {1, 2, 3, 4, 5, 6}

Evento (E): Suma de 8.

E = {(4, 4), (5, 3), (6, 2)} = 3 resultados

Total de combinaciones posibles:

|Ω1 | × |Ω2 | = 3 × 6 = 18

|E| 3 1
Probabilidad (P (E)): P (E) = = = ≈ 0,1667
|Ω| 18 6

23
Ejercicio 20: Análisis de probabilidades en una encuesta.
En una encuesta, el 40 % de los encuestados tienen menos de 25 años y el 30 % de estos encuestados
tienen un empleo. El 70 % de los encuestados mayores de 25 años tienen un empleo. Si se selecciona
un encuestado al azar y tiene un empleo, ¿cuál es la probabilidad de que tenga menos de 25 años?
Solución:

Probabilidades:

P (A) = 0,40, P (B|A) = 0,30, P (B|Ac ) = 0,70, P (Ac ) = 0,60

Probabilidad total de empleo (P (B)):

P (B) = P (B|A)P (A) + P (B|Ac )P (Ac ) = 0,30 × 0,40 + 0,70 × 0,60 = 0,12 + 0,42 = 0,54

Probabilidad de tener menos de 25 años dado que tiene un empleo (P (A|B)):

P (B|A)P (A) 0,30 × 0,40

P (A|B) = = ≈ 0,2222
P (B) 0,54

24
Ejercicios Propuestos
Ejercicio 1: Se lanzan dos dados justos. ¿Cuál es la probabilidad de obtener una suma de 8?

Ejercicio 2: En una urna hay 4 bolas rojas, 3 bolas verdes y 2 bolas azules. Se extraen dos bolas
sin reemplazo. ¿Cuál es la probabilidad de que ambas sean rojas?

Ejercicio 3: Un comité de 4 personas se selecciona al azar de un grupo de 6 hombres y 5 mujeres.

¿Cuál es la probabilidad de que el comité contenga al menos 2 mujeres?

Ejercicio 4: ¿Cuántas maneras hay de ordenar las letras en la palabra "PROBABILIDAD"de

modo que las dos "B"no estén juntas?

Ejercicio 5: Una empresa tiene tres máquinas que producen el 50 %, 30 % y 20 % del total de
productos, respectivamente. Las probabilidades de que un producto sea defectuoso son 2 %, 3 %
y 5 % para cada máquina. ¿Cuál es la probabilidad de que un producto seleccionado al azar sea
defectuoso?

Ejercicio 6: Una prueba médica tiene una tasa de verdadero positivo del 99 % y una tasa de falso
positivo del 2 %. En una población, el 1 % tiene la enfermedad. ¿Cuál es la probabilidad de que una
persona tenga la enfermedad dado que su prueba es positiva?

Ejercicio 7: En una urna hay 5 bolas rojas y 3 bolas azules. Se extraen dos bolas con reemplazo.
¿Cuál es la probabilidad de que ambas sean azules?

Ejercicio 8: Un grupo de 10 estudiantes incluye 4 estudiantes de matemáticas y 6 estudiantes

de física. Si se seleccionan al azar 3 estudiantes, ¿cuál es la probabilidad de que al menos uno sea
estudiante de matemáticas?

Ejercicio 9: En una baraja estándar, ¿cuál es la probabilidad de sacar una carta de corazones o
una carta de tréboles?

Ejercicio 10: Se lanzan tres monedas. ¿Cuál es la probabilidad de obtener exactamente dos caras?

Ejercicio 11: ¿Cuántas maneras hay de ordenar las letras en la palabra "MATEMATICAS"de
modo que las tres .A"no estén juntas?

Ejercicio 12: En una clase de 30 estudiantes, 18 son mujeres y 12 son hombres. Si se seleccionan
3 estudiantes al azar, ¿cuál es la probabilidad de que al menos uno sea hombre?

Ejercicio 13: En una bolsa hay 7 canicas rojas, 5 canicas verdes y 8 canicas azules. Se extraen 3
canicas sin reemplazo. ¿Cuál es la probabilidad de que las tres canicas sean del mismo color?

25
Ejercicio 14: Una fábrica produce tres tipos de productos A, B y C en proporciones de 30 %, 50 %
y 20 % respectivamente. Los defectos en estos productos son 1 %, 2 % y 3 %. Si se elige un producto
al azar y se encuentra defectuoso, ¿cuál es la probabilidad de que sea del tipo B?

Ejercicio 15: En una urna hay 6 bolas numeradas del 1 al 6. Se extraen dos bolas al azar sin
reemplazo. ¿Cuál es la probabilidad de que la suma de los números en las bolas sea mayor que 8?

Ejercicio 16: De un grupo de 7 hombres y 5 mujeres, ¿cuántas maneras hay de seleccionar un

comité de 4 personas que incluya al menos 2 mujeres?

Ejercicio 17: En una baraja de 52 cartas, ¿cuál es la probabilidad de sacar una carta que sea un
rey o un diamante?

Ejercicio 18: Se lanzan dos dados. ¿Cuál es la probabilidad de obtener un número par en el primer
dado y un número impar en el segundo dado?

Ejercicio 19: En una encuesta, el 60 % de los encuestados son hombres y el 40 % son mujeres. El
70 % de los hombres y el 50 % de las mujeres tienen un empleo. Si se selecciona un encuestado al azar
y tiene un empleo, ¿cuál es la probabilidad de que sea hombre?

Ejercicio 20: En una caja hay 10 bombillas, de las cuales 3 están defectuosas. Si se seleccionan 2
bombillas al azar sin reemplazo, ¿cuál es la probabilidad de que ambas sean defectuosas?

26
Recursos Didácticos
Software de hojas de cálculo: Excel, Google Sheets.

Software estadístico: R, SPSS o python.

Herramientas tecnológicas de inteligencia artificial: Chat GPT, Perplexity.

Bibliografía Básica
1. Gaudencio Zurita Herrera. (2010). “Probabilidad y Estadística: Fundamentos y Aplicaciones”.
Segunda edición. Espol.

2. Sheldon M. Ross. (2014). “Introduction to Probability and Statistics for Engineers and Scien-
tists”. Quinta edición. Academic Press.

3. David S. Moore, George P. McCabe, y Bruce A. Craig. (2016). “Introduction to the Practice
of Statistics”. Novena edición. W.H. Freeman.

4. Andrew Gelman y Deborah Nolan. (2017). “Teaching Statistics: A Bag of Tricks”. Segunda
edición. Oxford University Press.

5. Bluman, A. G. (2017). Elementary Statistics: A Step-by-Step Approach. McGraw-Hill Educa-

tion.

6. Triola, M. F. (2018). Elementary Statistics. Pearson.

7. Freedman, D., Pisani, R., & Purves, R. (2007). Statistics. W. W. Norton & Company.

8. Moore, D. S., McCabe, G. P., & Craig, B. A. (2017). Introduction to the Practice of Statistics.
W. H. Freeman.

27