DEFINICIN DE PROBABILIDAD

El primer paso para descubrir y analizar el significado del trmino probabilidad

es establecer su origen etimolgico. En este caso hay que subrayar que el
mismo se encuentra en el latn, y ms exactamente en la palabra probabilista,
que est formada por la unin del verbo probare que puede traducirse como
comprobar, el sufijo bilis que equivale a posibilidad y el tambin sufijo
tat- que lo que viene a indicar es una cualidad.
Con origen en el latn probabiltas, probabilidad es una palabra que permite
resaltar la caracterstica de probable (es decir, de que algo pueda ocurrir o
resultar verosmil). Se encarga de evaluar y permitir la medicin de la
frecuencia con la que es posible obtener un cierto resultado en el marco de un
procedimiento de carcter aleatorio.
La probabilidad, por lo tanto, puede definirse como la razn entre la cantidad
de casos prsperos y la cantidad de cuestiones posibles. La matemtica, la
fsica y la estadstica son algunas de las reas que permiten arribar a
conclusiones respecto a la probabilidad de eventos potenciales.
En el ltimo campo citado, el estadstico, tenemos que subrayar que la
probabilidad se convierte en uno de sus pilares fundamentales. Eso da lugar a
que surjan una serie de experimentos que giren entorno a la misma.
De esta manera nos encontramos con los llamados experimentos deterministas
que son aquellos de los que se pueden predecir los resultados antes incluso de
que se lleven a cabo. Un ejemplo de ello sera el que lancemos una piedra por
la ventana pues ya podemos predecir el resultado: la misma bajar y caer.
Asimismo estn los experimentos aleatorios, en los que no se puede predecir el
resultado pues este indudablemente depende del azar. Un claro ejemplo de
esta clase de experimentos de probabilidad es el de lanzar un dado durante la
partida de un juego pues no sabemos cul ser la puntuacin que aquel
mostrar.
Adems de todo ello tampoco podemos pasar por alto que la Estadstica
cuando trabaja con la probabilidad utiliza como pilares fundamentales una
serie de elementos llamados sucesos para poder desarrollarla y estudiarla.
Estos son los elementales, compuestos, seguros, imposibles, compatibles,
incompatibles, dependientes, independientes y contrarios.
El hombre siempre tuvo inters en cuantificar la probabilidad ya que dicha
cuantificacin contribuye a predecir acontecimientos a corto o largo plazo. Por
ejemplo: si todos los das martes, desde hace tres meses, se corta la luz,

existir una gran probabilidad (aunque no por esto una certeza) de que el
prximo martes tambin se produzca el corte.
Cabe resaltar tambin que se conoce como teora de la probabilidad a aquella
que enmarca a los fenmenos aleatorios (es decir, que no ofrecen un resultado
nico o previsible bajo condiciones determinadas). El lanzamiento de un dado
es un fenmeno aleatorio, ya que puede arrojar diferentes resultados ms all
de que se realice en las mismas condiciones.
En los juegos de azar, justamente, siempre existi un gran inters por conocer
con precisin las condiciones de probabilidad. Al saber que hay mayores
posibilidades de que salga X nmero o carta, se amplan las chances de ganar
en las apuestas.
La teora de la probabilidad se aplica en diversos mbitos. Los bienes de
consumo ofrecen un certificado de garanta de acuerdo a las probabilidades de
avera o fallo. Si los estudios y experimentos reflejan que resulta poco probable
que el producto se dae los primeros meses de uso, las empresas ofrecern
una cobertura por dicho periodo.
Definicin (axiomtica) de la probabilidad

Durante el siglo XX, un matemtico ruso, Andrei Kolmogorov, propuso una

definicin de probabilidad, que es la que seguimos utilizando hoy en da.

Si hacemos un determinado experimento, que tiene un espacio muestral ,

definimos la probabilidad como una funcin que asocia a cada suceso A una
determinada probabilidad, P(A), que cumple las siguientes propiedades:

La probabilidad de cualquier suceso A es positiva o cero. Es decir, P(A)0. La

probabilidad mide, en cierta manera, lo difcil que es que ocurra un suceso A:
como menor sea la probabilidad, ms difcil es que ocurra.

La probabilidad del suceso seguro es 1. Es decir, P()=1. As pues, la

probabilidad siempre es mayor que 0 y menor que 1: probabilidad cero quiere
decir que no hay ninguna posibilidad de que pase (es un suceso imposible), y
probabilidad 1, que siempre pasa (es un suceso seguro).

La probabilidad de la unin de un conjunto cualquiera de sucesos

incompatibles dos a dos es la suma de las probabilidades de los sucesos. Esto
es, si tenemos, por ejemplo, los sucesos A,B,C, y son incompatibles dos a dos,
entonces P(ABC)=P(A)+P(B)+P(C).

Nota: En matemticas, un axioma es un resultado que se acepta sin que

necesite demostracin. En este caso, decimos que sta es la definicin
axiomtica de la probabilidad porque definimos la probabilidad como una
funcin que cumple estos tres axiomas. Tambin podramos haber escogido
unos axiomas diferentes, y entonces para nosotros la probabilidad sera otra
cosa.

Principales propiedades de la probabilidad

P(A)+P(A)=1.
Esto es, las probabilidades de los sucesos complementarios suman 1. Muchas
veces utilizaremos esta propiedad para calcular probabilidad del
complementario: P(A)=1P(A).

Veamos por qu. Sabemos que, por un lado, A y A son incompatibles, y por
el otro, AA=, puesto que uno es el contrario del otro. Esto es otra manera
de entender lo que ya sabamos, que el suceso AA es un suceso seguro, y
por tanto, por el axioma 2, P(AA)=1, es decir, siempre ocurre. Entonces,
por el axioma 3, P(AA)=P(A)+P(A). Pero P(AA)=P()=1, por lo que
P(A)+P(A)=1.

Esta propiedad, que nos resulta muy til, se puede generalizar:

Si tenemos tres o ms sucesos, incompatibles dos a dos, y tales que su unin

es todo el espacio muestral, es decir, A,B,C incompatibles dos a dos tales que
ABC=, entonces P(A)+P(B)+P(C)=1, por los axiomas 2 y 3.

Decimos en este caso que A,B,C forman un sistema completo de sucesos.

Observemos que siempre que expresamos como conjunto de sucesos
elementales, en realidad estamos dando un sistema completo de sucesos.

Como consecuencia, P()=0, es decir, la probabilidad del suceso imposible es

0, puesto que, como sabemos que el suceso contrario al suceso imposible es el
suceso seguro, entonces podemos sustituir esto en la igualdad de la propiedad,
P()+P()=1. Por lo tanto, como por el segundo axioma de la probabilidad
P()=1, tenemos que P()+1=1, por lo que P()=0.

Si AB, entonces P(A)P(B).

La notacin "si AB" quiere decir "si el suceso A est incluido en el suceso B",
es decir, si todos los resultados posibles que cumplen A tambin cumplen B.

Esta propiedad es bastante lgica: si al tirar un dado, queremos comparar la

probabilidad de A="sacar un 2" con B="sacar un nmero par", entonces, la
probabilidad de A tiene que ser ms pequea o igual que la de B, puesto que si
sacamos un 2, estamos sacando un nmero par. En otras palabras, cuando se
cumple A, tambin se cumple B, por lo que debera ser ms difcil cumplir A
que cumplir B. Es decir, P(A)P(B).

P(AB)=P(A)+P(B)P(AB).
Este resultado, que es muy importante recordar, es consecuencia de una
propiedad en la Teora de conjuntos: dados dos conjuntos, A y B, puedes
expresar su unin como AB=(AB)(AB)(BA), que son incompatibles dos
a dos. Entonces, por el axioma 3, P(AB)=P(AB)+P(AB)+P(BA).

Tambin en Teoria de conjuntos se ve que A=(AB)(AB), que son dos

sucesos incompatibles, y por tanto, por el axioma 3, P(A)=P(AB)+P(AB), es
decir, P(AB)=P(A)P(AB).

Anlogamente,

B=(BA)(BA)=(BA)(AB), por lo que P(BA)=P(B)P(AB).

Sustituyendo estas probabilidades en la igualdad, encontramos

P(AB)=P(AB)+P(AB)+P(BA)=
=P(A)+P(B)P(AB)

=P(A)P(AB)+P(AB)+(P(B)P(AB))=

Con todo lo que sabemos hasta ahora, podemos resolver ya muchos problemas
de probabilidad. Veamos algunos ejemplos.

Ejemplo

Un dado de seis caras est trucado, de forma que la probabilidad de que salga
cada cara es proporcional al nmero de sta.

1 Cul es la probabilidad de sacar un 6?

En este caso, nos dicen que la probabilidad de que salga cada cara no es la
misma, por lo que no podemos aplicar directamente la regla de Laplace. Si
observamos el enunciado, nos dice que la probabilidad de que salga cada cara
es proporcional al nmero de sta, esto quiere decir, si decimos que la
probabilidad de que salga un 1 es k, que desconocemos, entonces:

P({1})=k, P({2})=2k, P({3})=3k, P({4})=4k,

P({5})=5k,P({6})=6k.
Ahora, como {1},{2},{3},{4},{5},{6} forman un sistema completo de
sucesos, necesariamente

P({1})+P({2})+P({3})+P({4})+P({5})+P({6})=1
Por lo tanto,
k+2k+3k+4k+5k+6k=1

que es una ecuacin que ya sabemos resolver:

21k=1
por lo que
k=121
As pues, la probabilidad de sacar un 6 es P({6})=6k=6121=621.
2 Cul es la probabilidad de sacar un nmero impar?

Los casos favorables al suceso A="sacar un nmero impar" son: {1},{3},{5}.

Por lo tanto, como son sucesos incompatibles,

P(A)=P({1})+P({3})+P({5})=k+3k+5k=9k=9121=921
Ejemplo

Maana hay examen. Esther ha estudiado mucho, y tan slo tiene probabilidad
15 de suspender.

David ha estudiado menos, y tiene probabilidad 13 de suspender. Sabemos que

la probabilidad de que suspendan los dos es de 18.

Cul es la probabilidad de que suspenda como mnimo uno de los dos?

Lo primero que debemos hacer es expresar el problema como sabemos, con

sucesos. Definimos los sucesos A="Esther suspende", B="David suspende".

Por el enunciado, sabemos que P(A)=15 , P(B)=13, y que P(AB)=18.

Podramos pensar que si Esther tiene probabilidad 15 de suspender, y David 13

de suspender, entonces la probabilidad de que suspenda como mnimo uno de
los dos, es decir, P(AB), debera ser 15+13=815, pero esto es falso.

Si lo contamos de esta manera, estamos suponiendo que los sucesos A y B son

incompatibles, es decir, que no pueden suceder a la vez, cuando el enunciado
nos dice que pueden suspender los dos a la vez.

Por lo tanto, la manera correcta de calcular esta probabilidad es utilizando la

frmula que hemos encontrado antes:
P(AB)=P(A)+P(B)P(AB)
Sustituyendo por los resultados que conocemos, tenemos que
P(AB)=15+1318=24120+4012015120=49120
o lo que es lo mismo, un 40,83%.

As la probabilidad de que suspenda como mnimo uno de los dos es de 40,83

%.

DEFINICIN DE ESPACIO MUESTRAL

El concepto de espacio (palabra con origen en el latn spatium) refiere al rea
que consigue contener a la materia existente, la capacidad de un territorio o la
porcin que ocupa un objeto sensible. El trmino posee quince significados
reconocidos por el diccionario de la Real Academia Espaola (RAE).
Muestral, por su parte, es lo que pertenece o guarda relacin con una muestra
(tal como se conoce a la parte que se extrae de un conjunto mediante algn
mtodo que permite considerarla como representativa de ste). Una muestra
tambin es una evidencia, demostracin, prueba o seal de algo.
Por espacio muestral (tambin conocido como espacio de muestreo) se
entiende el grupo de todos los resultados especficos que se pueden obtener
tras una experimentacin de carcter aleatorio. A cada uno de sus
componentes se los define como puntos muestrales o, simplemente, muestras.
Por citar un caso a modo de ejemplo concreto: si la prueba se basa en arrojar
un dado, el espacio muestral estar constituido por los puntos muestrales
identificados como los nmeros 1, 2, 3, 4, 5 y 6, ya que esos son los resultados
posibles de la accin de tirar el dado. Por lo tanto, se puede establecer que el
espacio muestral del experimento es U = {1, 2, 3, 4, 5, 6}.

Cabe resaltar que, en ciertos casos, los experimentos pueden tener dos o ms
espacios muestrales posibles. El experimento de tomar un naipe de una baraja
espaola, por ejemplo, tiene un espacio de muestreo compuesto por los
nmeros y otro espacio muestral formado por los palos. La descripcin ms
completa, pues, debera incluir ambos valores (nmero y palo) en un eje
cartesiano.
Los espacios muestrales pueden clasificarse como discretos (cuando la
cantidad de sucesos elementales es finito o numerable) o continuos (en los
casos en los cuales la cantidad de sucesos bsicos posee carcter infinito y,
por lo tanto, resulta imposible de contar).
Dado su carcter estadstico, este concepto se aprovecha en diversas
situaciones relacionadas con el marketing. Por ejemplo, a la hora de disear un
producto nuevo, o una versin de uno existente, es necesario realizar una
proyeccin demogrfica para anticipar su potencial impacto en el mercado;
dentro de estos estudios, se busca agrupar a los consumidores en conjuntos
etiquetados por gnero, edad y dems propiedades, dependiendo de la
empresa y del producto en s. Este anlisis posee un mnimo de dos partes: una
que tiene lugar antes del lanzamiento y otra que ocurre despus, para
contrastar la realidad con los nmeros esperados.
De la misma forma, los candidatos a ocupar puestos polticos suelen apoyarse
en los espacios de muestra durante las pocas de elecciones para intentar
anticiparse a los resultados de las votaciones, buscando sobre todo el sector de
la poblacin a quien menos interese su propuesta; basados en los anlisis y
habiendo decidido racionalmente a qu posible cuadro prestar ms atencin,
elaboran sus estrategias electorales. Al igual que ocurre con el lanzamiento de
un producto al mercado, es necesario cotejar los anticipos con los hechos
reales para modificar cualquier decisin que haya llevado la campaa por mal
camino.
En la programacin, los espacios muestrales pueden tener muchas finalidades,
as como formas. Una de sus implementaciones consiste en estudiar una serie
limitada de sucesos o eventos que pueden tener lugar en el supuesto caso de
una colisin entre dos objetos (que pueden ser personajes o elementos
inanimados). Dentro del mismo contexto informtico, se suele asociar este
concepto con el trmino caso especial, que se refiere a una situacin no muy
comn pero que puede darse y que es necesario anticipar y decidir el proceder
adecuado para atenderlo. Durante el desarrollo de un programa es necesario
revisar repetidas veces los potenciales resultados de la ejecucin del cdigo
para reducir al mximo el nmero de errores.

Tipos de espacio muestral[editar]

Podemos diferenciar entre dos tipos de espacios muestrales: discretos y continuos.

Discretos[editar]
Son aquellos espacios donde el nmero de sucesos elementales es finito o infinito numerable.
Espacio probabilstico discreto[editar]
Es aquel cuyo espacio muestral es discreto. Podemos diferenciar varios tipos de espacio probabilstico
discreto:
Espacio probabilstico discreto equiprobable[editar]

Su espacio muestral es finito de tamao n.

La probabilidad de cualquier suceso elemental E es

, de aqu se deduce que para todo suceso A la probabilidad es

Espacio probabilstico finito[editar]

Su espacio muestral es discreto finito.

Hay al menos 2 sucesos elementales que cumplen.

Procesos estocsticos finitos y diagramas de rbol[editar]

Un proceso estocstico es una sucesin finita de experimentos aleatorios, cada uno de ellos con un n finito
de resultados posibles. Se representan con diagrama de rbol.
Por ejemplo, imaginemos que se lanza una moneda y un dado de seis caras. La probabilidad de obtener un
resultado particular corresponde a la multiplicacin de sus probabilidades. Es decir, la probabilidad de obtener
cara y un tres ser:

Ahora bien, la probabilidad de un suceso cualquiera es la suma de las probabilidades de los distintos
resultados aislados posibles. As, la probabilidad de sacar siempre un resultado impar en los dados,
independientemente del resultado de la moneda, ser:

Espacio probabilstico infinito contable [editar]

Aquel cuyo espacio muestral es discreto infinito contable. Por ejemplo:

La probabilidad de que salga cara en la primera tirada ---->

La probabilidad de que salga nuevamente cara en la segunda tirada ---->

La probabilidad de que salga nuevamente cara en la tercera tirada ---->

Continuos[editar]
Son aquellos espacios donde el nmero de sucesos elementales es infinito incontable.
Espacio probabilstico continuo[editar]

Espacio muestral infinito no numerable. -No es posible observar puntos concretos del espacio.

Tiene sentido hablar de intervalos observados. - No es posible asignar probabilidad a un punto

concreto, se asigna a intervalos.

Por tanto la funcin P est definida sobre intervalos ----->

-Habitualmente cuando trabajamos con magnitudes fsicas.

Particiones[editar]
Es posible definir particiones sobre el espacio muestral. Formalmente hablando, una particin sobre se
define como un conjunto numerable:
tal que:
1.

2.

3.
Ejemplos[editar]
Por ejemplo, en el caso del experimento aleatorio "lanzar un dado", el espacio muestral del experimento
sera: ={1,2,3,4,5,6}. Por otro lado, si cambiamos ligeramente la experiencia pensando en el nmero
resultante de la suma de 2 dados, entonces tenemos 2 posibles espacios muestrales para modelar
nuestra realidad:

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

'={2,3,4,...,12}

La eleccin del espacio muestral es un factor determinante para realizar el clculo de la probabilidad de
un suceso.

DEFINICIN DE EVENTO
El trmino evento proviene del latn eventus y, de acuerdo al diccionario de la
Real Academia Espaola (RAE), tiene tres grandes usos. En varios pases
latinoamericanos, un evento es un suceso de importancia que se encuentra
programado. Dicho acontecimiento puede ser social, artstico o deportivo. Por
ejemplo: El evento de esta noche enfrentar a los dos mejores equipos del
torneo, El prximo mes se celebrarn tres eventos en la Facultad de
Derecho, El concierto de los Rolling Stones ha sido el evento ms popular del
ao, Ya no quedan entradas para el evento de poesa del viernes.
Este uso del concepto se contradice, en cierta forma, con la acepcin de
evento que hace referencia a algo imprevisto o que puede acaecer aunque no
exista seguridad al respecto. Una eventualidad es algo que escapa los lmites
de lo planificado; un evento como los mencionados anteriormente, en cambio,
debe ser programado con antelacin.
El tercer uso del trmino engloba ambos significados: un evento es un
acaecimiento, una cosa que sucede. Desde esta perspectiva, el evento puede
ser planificado (Tiene que estar todo listo para el evento de maana) o
aparecer de manera imprevista (Me surgi un evento y no pude asistir a la
reunin).
Para la ciencia, un evento es un fenmeno (un hecho observable en un
momento dado) o un acontecimiento que ocurre en una posicin y momento
determinados (por lo tanto, puede especificarse como un punto en el espaciotiempo).
En las matemticas, se conoce como evento estadstico al subconjunto de un
espacio muestral. Se trata de los posibles resultados que pueden obtenerse de
un experimento aleatorio.
EventoPara la informtica, un evento es una accin que es detectada por un
programa; ste, a su vez, puede hacer uso del mismo o ignorarlo. Por lo
general, una aplicacin cuenta con uno o ms hilos de ejecucin dedicados a
atender los distintos eventos que se le presenten. Entre las fuentes ms
comunes de eventos se encuentran las acciones del usuario con el teclado o el
ratn. Cabe mencionar que cualquier programa tiene el poder de disparar sus
propios eventos, como puede ser comunicar al sistema que ha completado una
funcin en particular.

Se denomina programa dirigido por eventos a aqul que cambia su

comportamiento en respuesta a los eventos que tengan lugar durante su
ejecucin. Estos se utilizan generalmente cuando existe una serie de
actividades externas al ordenador que deben ser registradas, las cuales se
realizan de manera asncrona a la vida de la aplicacin. El evento es, en primer
lugar, detectado por el sistema; el programa en cuestin lo recibir recin
cuando est listo, y luego se encargar de analizarlo y ver si tiene alguna
utilidad para l.
En los videojuegos, existe una serie de acciones que tienen lugar
independientemente de la intervencin del jugador, que se combinan con los
eventos disparados por este ltimo para completar la experiencia. En el mtico
Tetris, por ejemplo, las piezas caen por el centro del espacio de juego hasta
que el usuario presiona alguna de las teclas direccionales para cambiar su
rumbo. Adems, es posible rotarlas, dependiendo de la versin, en una u otra
direccin. En pocas palabras, el flujo del juego no depende de los eventos, pero
stos afectan el resultado.
Con respecto al diseo del cdigo de un programa que acepta eventos, es
importante tener en cuenta que no siempre ser posible reaccionar frente al
evento en el momento exacto de su aparicin; por esta razn, puede registrarlo
y decidir si se utilizar ms adelante. Un ejemplo, nuevamente en el mbito de
los juegos: el personaje principal est cayendo desde una plataforma y el
jugador presiona el botn de salto; los desarrolladores pueden decidir guardar
este dato para hacer que el hroe salte una vez que toque el suelo, o bien
descartar el evento por falta de coherencia con la situacin.
Eventos Independientes
La principal caracterstica de una situacin con eventos independientes es que el estado
original de la situacin no cambia cuando ocurre un evento. Existen dos maneras de que
esto suceda:
Los eventos independientes ocurren ya sea cuando:

el proceso que genera el elemento aleatorio no elimina ningn posible resultado o

el proceso que s elimina un posible resultado, pero el resultado es sustituido
antes de que suceda una segunda accin. (A esto se le llama sacar
un reemplazo.)

Aqu hay ejemplos de cada caso:

Situacin

Eventos

Por qu los eventos son

independientes

Lanzas un dado, y si no
sale 6, lanzas de nuevo.
Cul es la probabilidad
de sacar un 6 en el
segundo lanzamiento?

El primer
lanzamiento no es
un 6.
El primer
lanzamiento es un
6.

Sacas una canica de una

bolsa con 2 canicas rojas,
2 blancas, y una verde.
Observas el color, la pones
de nuevo en la bolsa, y
sacar otra canica. Cul
es la probabilidad de sacar
una canica roja ambas
veces?

Sacar una canica

roja en el primer
intento.
Sacar una canica
roja en el segundo
intento.

Sacas una carta de un

mazo de 52 cartas, y luego
lanzas un dado. Cul es
la probabilidad de sacar un
2 y luego lanzar y que
caiga 2?

La carta es un 2.
El dado cae en 2.

El hecho de que el primer

lanzamiento no es un 6 no cambia
la probabilidad de que el segundo
lanzamiento sea un 6. (A algunas
personas les gusta decir, "el dando
no se acuerda qu sacaste antes.")
Los eventos son independientes
porque regresaste la primera
canica a la bolsa y tu segundo
intento fue con la bolsa en su
estado original.

Aunque la carta no es regresada al

mazo despus de sacarla, el
lanzamiento del dado no depende
de las cartas, por lo que ningn
posible resultado ha sido
reemplazado. A pesar del resultado
de sacar la carta, la probabilidad
de del dado no ser afectada.

Examinemos el segundo ejemplo. En el primer intento, la probabilidad de sacar una

canica roja es , porque hay 5 canicas y 2 de ellas son rojas. Si volvemos a poner la
canica roja dentro de la bolsa, la probabilidad de sacar una canica roja en un segundo
experimento sigue siendo , y eso significa que los dos eventos son independientes. El
resultado de un experimento no afecta el resultado del otro.
Pero, qu hubiera pasado si no pones la primera canica de nuevo en la bolsa? La
probabilidad de sacar una canica roja ser diferente para el segundo intento. Si una
canica roja es eliminada, en el segundo intento la probabilidad ser ahora de
slo quedan 4 canicas y una es roja.

porque

Ahora veamos el primer ejemplo. Supongamos que el dado se lanz 15 veces sin sacar
un 6. En el siguiente lanzamiento , es la probabilidad de sacar un igual a , o es mayor?
Algunas personas creen que en el siguiente lanzamiento es ms probable que les salga
un 6 porque "Ya me toca un 6!" el dado no puede recordar qu fue lo que sac antes.
Si bien es un poco inusual tirar un dado 16 veces sin sacar un 6, la probabilidad de sacar
un 6 en 15 tiradas ha sido la misma en cualquiera de las tiradas.

Latonya est jugando un juego de cartas. Empieza con 10 cartas, numeradas del 1 al
10, y que estn boca abajo por lo que no puede ver los nmeros. Ella escoge una
carta al azar (de forma aleatoria) y la voltea. Si la carta es mayor que 5, la carta es
"ganadora" y la pone en una pila de cartas "ganadoras", Si la carta es 5 o menor, la
pone en una pila de cartas "perdedoras". Ella gana el juego si logra juntar tres cartas
en la pila ganadora antes de juntar tres cartas en la pila perdedora.
Elige el enunciado que mejor describe la situacin.
A) Los eventos son independientes, porque el juego no elimina ningn resultado.
B) Los eventos son independientes, porque cada ronda tiene los mismos posibles
resultados (ganar o perder).
C) Los eventos no son independientes, porque un resultado es eliminado en cada
turno y no es reemplazado.

Mostrar/Ocultar la Respuesta
A) Incorrecto. En cada turno, Latonya elimina una carta de las 10 cartas con las que
empieza. Uno de los posibles resultados es eliminado y la probabilidad de obtener
una carta "ganadora" cambia con cada turno. Los eventos no son independientes.
B) Incorrecto. Como las cartas de Latonya se van a la pila de "ganadoras" o
"perdedoras", no son devueltas al mazo, por lo que la probabilidad de sacar una carta
"ganadora" cambia con cada turno. Los eventos no son independientes.
C) Correcto. Latonya elimina cartas en cada turno y no las devuelve al mazo, por lo
que la probabilidad de sacar una carta "ganadora" cambia en cada turno.

Probabilidad de Eventos Independientes

Veamos el espacio muestral y el espacio de eventos de los ejemplos de la seccin
anterior.

Lanzas un dado dos veces. Cul es la probabilidad de sacar un 6 en el segundo tiro

pero no en el primero?

En este ejemplo, el dado es lanzado dos veces.

Primer lanzamiento
1
2
3
4
Segundo
1
1,1
2,1
3,1
4,1
lanzamient
2
1,2
2,2
3,2
4,2
o
3
1,3
2,3
3,3
4,3
4
1,4
2,4
3,4
4,4
5
1,5
2,5
3,5
4,5
6
1,6
2,6
3,6
4,6

5
5,1
5,2
5,3
5,4
5,5
5,6

6
6,1
6,2
6,3
6,4
6,5
6,6

Existen 6 resultados posibles para el primer tiro, y para cada uno de ellos, hay 6
resultados posibles para el segundo tiro. Hay 6 6, o 36, resultados posibles:
Espacio muestral: {(1,1), (1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5),
(2,6), (3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5),
(4,6), (5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5),
(6,6)}
El espacio muestral consiste en todos los resultados para los cuales el primero tiro no fue
6, y el segundo tiro fue 6. Para el primer lanzamiento existan 5 resultados posibles que
no son 6. Para cada uno de ellos, exista slo un posible resultado que era 6. Entonces
hay 5 1 o 5 resultados en el espacio de eventos:
Espacio de eventos: {(1,6), (2,6), (3,6), (4,6), (5,6)}
Nota que el tamao del espacio muestral para ambos lanzamientos es el producto del
tamao del espacio muestral para cada lanzamiento. De manera similar, el tamao del
espacio de eventos par dos lanzamientos es el producto del tamao de los espacios de
eventos de cada lanzamiento.
Veamos el escenario 2:

Sacas una canica de una bolsa que contiene 2 canicas rojas, 2 blancas, y una verde.
Anotas el color, regresas la canica a la bolsa, y sacas otra canica. Cul es la
probabilidad de sacar canica roja ambas veces?

Para ayudarnos a recordar que hay dos canicas rojas, las nombraremos R1 y R2.
Haremos lo mismo con las canicas blancas, W1 y W2.

Segund
a
sacada

R1
R2
W1
W2
G

R1
R1,R1
R1,R2
R1,W1
R1,W2
R1,G

Primera sacada
R2
W1
W2
R2,R1
W1,R1
W2,R1
R2,R2
W1,R2
W2,R2
R2,W1
W1,W1 W2,W1
R2,W2
W1,W2 W2,W2
R2,G
W1,G
W2,G

G
G,R1
G,R2
G,W1
G,W2
G,G

El espacio muestral para la primera sacada tiene 5 resultados, {rojo, rojo, blanco, blanco,
verde}. Como la primera canica es devuelta a la bolsa, le espacio muestral para la
segunda sacada es el mismo. Por cada opcin de la primera sacada, hay 5 opciones para
la segunda, Existen 5 5 o 25 resultados posibles:
Espacio muestral: {(R1,R1), (R1,R2), (R1,W1), (R1,W2), (R1,G), (R2,R1), (R2,R2),
(R2,W1), (R2,W2), (R2,G), (W1,R1), (W1,R2), (W1,W1), (W1,W2),
(W1,G), (W2,R1), (W2,R2), (W2,W1), (W2,W2), (W2,G), (G,R1),
(G,R2), (G,W1), (G,W2), (G,G)}

El espacio de eventos para la primera sacada consiste en las dos canicas rojas. Para
cada una de ellas, hay dos canicas rojas que pueden escoger en la segunda sacada.
Existen 2 2 o 4 resultados en el espacio de eventos:
Espacio de eventos: {(R1,R1), (R1,R2), (R2,R1), (R2,R2)}
De nuevo, nota que el tamao del espacio muestral para las dos sacadas es el producto
del tamao de los espacios muestrales de cada sacada. De manera similar, le tamao del
espacio de eventos para las sacadas combinadas es igual al producto del tamao de los
espacios de eventos de cada sacada.
Ahora, veamos las probabilidades para las tres situaciones, usando la razn del tamao
del espacio de eventos con el tamao del espacio muestral:
Situacin

Probabilidad del
primer evento

Probabilidad
del segundo
evento

Probabilidad de
ambos eventos

Lanzar dados
Sacar canicas

Podemos derivar la frmula a partir de estos datos. Como el espacio de eventos para una
situacin puede calcularse multiplicando los espacios de eventos de cada evento
independiente, y el espacio muestral de la situacin puede encontrarse multiplicando los
espacios muestrales de cada evento independiente, tenemos:

Esto es vlido para todas las situaciones con eventos independientes. Tambin puede
extenderse a ms de dos eventos.

Si A y B son eventos independientes, P(A y B) = P(A) P(B).

En general, para cualquier nmero de eventos independientes, la
probabilidad de que todos los eventos sucedan es el producto de las

Problema

probabilidades de que sucedan los eventos individuales.

Vamos a aplicar esto a un problema:
Ejemplo
Beth tiene 10 pares de calcetines: 2 negros, 2 cafs, 3 blancos, 1 rojo, 1 azul, y 1 verde. Hoy
quiere usar el par blanco, pero tiene prisa para llegar al trabajo, por lo que agarra un para al azar.
Si no es blanco, lo devolver al cajn. Si contina agarrando pares aleatoriamente, Cul es la
probabilidad de sacar un par blando en su tercer intento?
Evento A: un par de calcetines que no son blancos
Evento B: un par de calcetines que no son blancos
Evento C: un par de calcetines que son blancos

Primero, definimos los

eventos. Como queremos que
ella saque unos blancos en
su tercerintento, es necesario
que no saque blancos en su
primer y segundo intentos

Los eventos son independientes, porque cada resultado eliminado es

reemplazado. Los eventos anteriores no cambian las probabilidades de
eventos posteriores

Ahora revisa si son

independientes. Beth elimina
un resultado cuando saca un
par de calcetines, pero luego
lo regresa al cajn, entonces
las probabilidades no
cambiarn

El tamao de espacio muestral para cada evento es 10 (Hay 10 pares

de calcetines de donde escoger)

Podramos encontrar el
espacio muestral y el espacio
de eventos para todo el
experimento y calcular la
razn. Sin embargo, como los
eventos son independientes,
es ms fcil encontrar los
espacios muestrales y los
espacios de eventos de los
eventos individuales y
multiplicarlos

El tamao del espacio de eventos para el Evento A y el Evento B es 7.

(Hay 7 pares que no son blancos)
El tamao del espacio de eventos del Evento C es 3. (Hay 3 pares que
son blancos)

Solucin

Carlos tiene un mazo de 15 cartas numeradas del 1 al 15. Saca una carta al azar, ve
el nmero, y la revuelve de nuevo en el mazo. Cul es la probabilidad de que no le
salga una carta menor o igual a 5 en el primer intento, pero que s le salga una carta
menor o igual a 5 en el segundo intento?

A)

B)

C)

D)

Mostrar/Ocultar la Respuesta
A) Incorrecto. Podras haber definido mal el primer evento, o encontrado
incorrectamente la probabilidad del primer evento. La respuesta correcta es
.

B) Correcto. El primer evento (no sacar 5 o menos) tiene una probabilidad de

y el

segundo evento (sacar 5 o menos) tiene una probabilidad de . Los eventos son
independientes porque Carlos vuelve a poner la carta en el mazo cada vez, entonces
la probabilidad de no sacar 5 o menos y luego sacar 5 o ms es de

C) Incorrecto. Podras haber definido mal el primer evento, y olvidaste multiplicarla

por la probabilidad del primer evento. La respuesta correcta es

D) Incorrecto. Pudiste haber encontrado slo la probabilidad del primer evento y

olvidaste multiplicarla por la probabilidad del segundo evento. La respuesta correcta
es

permutaciones y combinaciones
Jovenes espero que esta informacin les sea de utilidad para resolver ejercicios
de permutaciones y combinaciones.

a) Combinaciones:
Determina el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden
formar con los "n" elementos de una nuestra. Cada subgrupo se diferencia del
resto en los elementos que lo componen, sin que influya el orden.

Por ejemplo, calcular las posibles combinaciones de 2 elementos que se

pueden formar con los nmeros 1, 2 y 3.
Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de
combinaciones las parejas (1,2) y (2,1) se consideran idnticas, por lo que slo
se cuentan una vez.

Ejemplo: C10,4 son las combinaciones de 10 elementos agrupndolos en

subgrupos de 4 elementos:
Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a partir
de los 10 elementos.

b) Variaciones:
Calcula el nmero de subgrupos de 1, 2, 3, etc. elementos que se pueden
establecer con los "n" elementos de una muestra. Cada subgrupo se diferencia
del resto en los elementos que lo componen o en el orden de dichos elementos
(es lo que le diferencia de las combinaciones).

Por ejemplo, calcular las posibles variaciones de 2 elementos que se pueden

establecer con los nmero 1, 2 y 3.
Ahora tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En
este caso los subgrupos (1,2) y (2,1) se consideran distintos.

Para calcular el nmero de variaciones se aplica la siguiente frmula:

La expresin "Vm,n" representa las variaciones de "m" elementos, formando
subgrupos de "n" elementos. En este caso, como vimos en la leccin anterior,
un subgrupo se diferenciar del resto, bien por los elementos que lo forman, o
bien por el orden de dichos elementos.

Ejemplo: V10,4 son las variaciones de 10 elementos agrupndolos en

subgrupos de 4 elementos:
Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a partir
de los 10 elementos.

c) Permutaciones:
Calcula las posibles agrupaciones que se pueden establecer con todos los
elementos de un grupo, por lo tanto, lo que diferencia a cada subgrupo del
resto es el orden de los elementos.

Por ejemplo, calcular las posibles formas en que se pueden ordenar los nmero
1, 2 y 3.
Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3,
2, 1)

Ejemplo: P10 son las permutaciones de 10 elementos:

Es decir, tendramos 3.628.800 formas diferentes de agrupar 10 elementos.

Combinaciones con Repeticin

Vamos a analizar ahora que ocurrira con el clculo de las combinaciones, de

las variaciones o de las permutaciones en el supuesto de que al formar los
subgrupos los elementos pudieran repetirse.

Por ejemplo: tenemos bolas de 6 colores diferentes y queremos formar

subgrupos en los que pudiera darse el caso de que 2, 3, 4 o todas las bolas del
subgrupo tuvieran el mismo color. En este caso no podramos utilizar las
frmulas que vimos en la leccin anterior.

Ejemplo: C'10,4 son las combinaciones de 10 elementos con repeticin,

agrupndolos en subgrupos de 4, en los que 2, 3 o los 4 elementos podran
estar repetidos:
Es decir, podramos formar 715 subgrupos diferentes de 4 elementos.

Variaciones con repeticin:

Para calcular el nmero de variaciones con repeticin se aplica la siguiente
frmula:
Ejemplo: V'10,4 son las variaciones de 10 elementos con repeticin,
agrupndolos en subgrupos de 4 elementos:
Es decir, podramos formar 10.000 subgrupos diferentes de 4 elementos.

Permutaciones con repeticin:

Para calcular el nmero de permutaciones con repeticin se aplica la siguiente
frmula:
Son permutaciones de "m" elementos, en los que uno de ellos se repite " x1 "
veces, otro " x2 " veces y as ... hasta uno que se repite " xk " veces.

TCNICAS DE CONTEO
El principio fundamental en el proceso de contar ofrece un mtodo general para
contar el numero de posibles arreglos de objetos dentro de un solo conjunto o
entre varios conjuntos. Las tcnicas de conteo son aquellas que son usadas para
enumerar eventos difciles de cuantificar.
Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro
evento B puede n2 maneras diferentes entonces, el nmero total de formas
diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual a
n1 x n2.
* La tcnica de la multiplicacin
* La tcnica aditiva
* La tcnica de la suma o Adicion
* La tcnica de la permutacin
* La tcnica de la combinacin.
PRINCIPIO DE LA MULTIPLICACIN

Si se desea realizar una actividad que consta de r pasos, en donde el primer paso
de la actividad a realizar puede ser llevado a cabo de N1 maneras o formas, el
segundo paso de N2 maneras o formas y el r-simo paso de Nr maneras o formas,
entonces esta actividad puede ser llevada a efecto de. El principio multiplicativo
implica que cada uno de los pasos de la actividad deben ser llevados a efecto, uno
tras otro. Si un evento E1 puede suceder de n1 maneras diferentes, el evento E2
puede ocurrir de n2 maneras diferentes, y as sucesivamente hasta el evento Ep el
cual puede ocurrir de np maneras diferentes, entonces el total de maneras
distintas en que puede suceder el evento ocurren E1 y E2..y Ep es igual a
producto.
N1 x N2 x ..........x Nr maneras o formas
PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cul tiene formas alternativas para ser
realizada, donde la primera de esas alternativas puede ser realizada de M
maneras o formas, la segunda alternativa puede realizarse de N maneras o formas
..... y la ltima de las alternativas puede ser realizada de W maneras o formas,
entonces esa actividad puede ser llevada a cabo de,
M + N + .........+ W maneras o formas
PRINCIPIO DE LA SUMA O ADICCION
Si una primera operacin puede realizarse de m maneras y una segunda
operacin de n maneras, entonces una operacin o la otra pueden efectuarse de:
m+n maneras.

Regla general del conteo.

si un experimento esta compuesto por k ensayos realizados en un orden
definido, donde el primero tiene n resultados posibles, el segundo posee n2
resultados posibles, el tercero tiene n3 resultados posibles, etc. entonces el
numero de resultados posibles para el experimento es
n X n2 X n3 X ...... nk
Regla fundamental
si un experimento esta integrado por dos ensayos, donde uno de ellos (una sola
accion o eleccin) tiene m resultados posibles y el otro ensayo tiene n resultados
posibles, entonces cuando los ensayos se realizan juntos, se tiene
mxn

Ejemplos
1.
Cuntas palabras de tres letras se pueden formar con cinco consonantes
y tres vocales de modo que cada palabra comience y termine en consonante?
2.
C
V
C
3.
--- --- --5.3.4 = 60
(regla del producto)
5
3
4
Determine el nmero de enteros de seis dgitos (que no comiencen con
cero) en los que
a.
ningn dgito se pueda repetir.
b.
9
9
8
7
6
5
c.
--- --- --- --- --- --d.
9.9.8.7.6.5 = 136.080
(regla del producto)
4.

e.

se pueden repetir los dgitos.

9.10.10.10.10.10 = 900.000

(regla del producto)

Ana y Mara vieron a dos hombres alejarse en automvil frente a una

joyera, justo antes de que sonara una alarma contra robos. Cuando fueron
interrogadas por la polica, las dos jvenes dieron la siguiente informacin acerca
de la placa (que constaba de dos letras seguidas de cuatro dgitos). Mara estaba
segura de que la segunda letra de la placa era una O o una Q, y que el ltimo
dgito era un 3 o un 8. Ana dijo que la primera letra de la placa era una C o una G
y que el primer dgito era definitivamente un 7.
Cuntas placas diferentes tendr que verificar la polica?
5.

6.
7.
8.

C/G
Q/O
7
0 a 9 0 a 9 8 3
----- ----- ----- ----- ----- ----|
|
|
|
|
|
2 x 2
x
1 x 10 x 10
x 2 = 800
del producto)

(regla

Tres pueblos, designados como A, B y C, estn intercomunicados por un

sistema de carreteras de doble sentido.
9.

De cuntas formas puede Juan ir del pueblo A al pueblo C?

2 + 4.3 = 14 (reglas de la suma y del producto)
b.
Cuntos trayectos puede hacer Juan del pueblo A al pueblo C y de
regreso al pueblo A?
14.14 = 196 (regla del producto)
a.

Cuntos de los trayectos completos de la parte (b) son tales que el

viaje de regreso (del pueblo C al pueblo A) es diferente, al menos parcialmente, de
la ruta que toma Juan del pueblo A al pueblo C? (Por ejemplo, si Juan viaja de A a
C por las rutas R1 y R6 podra regresar por las rutas R6 y R2, pero no por R1 y
R6).
14.13 = 182 (regla del producto)
c.

5. Una biblioteca tiene 40 libros de historia y 50 de filosofa. Si un

estudiante quiere aprender acerca de alguno de estos dos temas,
por la regla de la suma puede elegir entre 40 + 50 = 90 libros.
(Nota: el estudiante no quiere estudiar historia y filosofa, sino
historia ofilosofa.)
La regla puede ampliarse a ms de dos tareas, siempre que ningn
par de ellas pueda ocurrir simultneamente.

PERMUTACION:
A diferencia de la formula de la multiplicacin, se la utiliza para determinar el
numero de posibles arreglos cuando solo hay un solo grupo de objetos.
Permutacin: un arreglos o posicin de r objetos seleccionados de un solo grupo
de n objetos posibles. Si nos damos cuenta los arreglos a, b, c y b, a, c son
permutaciones diferentes, la formula que se utiliza para contar el numero total de
permutaciones distintas es:
FRMULA: n P r = n! (n - r)
Ejemplos
1.
a.

Cuntas permutaciones existen para las ocho letras a,b,c,d,e,f,g,h?

P8 = 8! = 40.320.

b.

Cuntas de las permutaciones de (a) comienzan con la letra a?

P7 = 7! = 5.040.

Cuntas de las permutaciones de (a) comienzan con la letra a y

terminan con la letra c?
P6 = 6! = 720.
c.

De cuntas formas es posible ordenar los smbolos a,b,c,d,e,e,e,e,e de

modo que ninguna e quede junto a otra?
3.
e _ e _ e _ e _ e
2.

4.
5.

P4 = 4! = 24

6.
a.

De cuntas maneras se pueden colocar las letras de VISITING?

Si consideramos que las tres I son distintas, podemos formar P8
palabras. As, la permutacin VI1SI2TI3NG sera distinta de
VI2SI1TI3NG. Pero esto no es lo que queremos, en realidad no hay
diferencia entre esas dos permutaciones. Como las tres I pueden
ubicarse de P3 maneras, cada palabra se est repitiendo P3 veces.
Por lo tanto hay P8/P3 = 8!/3! = 6.720 disposiciones diferentes.

b.

Cuntas de ellas tienen las tres letras I juntas?

Las restantes 5 letras pueden ordenarse de P5 formas. Las 3 letras I
pueden ubicarse en 6 posiciones diferentes: al principio, al final o en
cualquiera de los 4 espacios entre las otras 5 letras. As, hay6.5! = 6!
= 720 palabras con las tres I juntas.
III_ _ _ _ _
_III_ _ _ _
_ _III_ _ _
_ _ _III_ _
_ _ _ _III_
_ _ _ _ _III
4. Dadas las letras a, b, c existen seis formas de
disponerlas:
P3 = 3! = 3.2.1 = 6.
Las seis permutaciones son:
a b c
a c b
b a c
b c a
c a b
c b a
5, De cuntas formas diferentes se pueden ordenar las letras de la
palabra IMPUREZA?
Solucin: Puesto que tenemos 8 letras diferentes y las vamos a
ordenar en diferentes formas, tendremos 8 posibilidades de escoger

la primera letra para nuestro arreglo, una vez usada una, nos quedan
7 posibilidades de escoger una segunda letra, y una vez que
hayamos usado dos, nos quedan 6, as sucesivamente hasta
agotarlas, en total tenemos:
8 7 6 5 4 3 2 1 = 40320

COMBINACIN:
En una permutacin, el orden de los objetos de cada posible resultado es
diferente. Si el orden de los objetos no es importante, cada uno de estos
resultados se denomina combinacin. Por ejemplo, si se quiere formar un equipo
de trabajo formado por 2 personas seleccionadas de un grupo de tres (A, B y C).
Si en el equipo hay dos funciones diferentes, entonces si importa el orden, los
resultados sern permutaciones. Por el contrario si en el equipo no hay funciones
definidas, entonces no importa el orden y los resultados sern combinaciones. Los
resultados en ambos casos son los siguientes:
Permutaciones: AB, AC, BA, CA, BC, CB
Combinaciones: AB, AC, BC
Combinaciones: Es el nmero de formas de seleccionar r objetos de un grupo de n
objetos sin importar el orden.
La frmula de combinaciones es:
n C r = n!

r! (n r)!

Ejemplos
Un estudiante que realiza un examen debe responder 7 de las 10
preguntas. El orden no importa. De cuntas formas puede responder el
examen?
Existen
1.

10 10!
10.9.8
C7 = --- = ------ = 120
7!3!
3.2.1
combinaciones posibles de preguntas que puede contestar.
Juan quiere dar una fiesta para algunos de sus amigos. Debido al tamao
de su casa, slo puede invitar a 11 de sus 20 amigos. De cuntas formas puede
seleccionar a los invitados?
Hay
2.

20
20!
C11 = ---- = 167.960
11!9!
formas de elegir a los 11 amigos.
En una reunin de 6 personas, cuntos saludos de mano pueden
intercambiarse, si entre cada 2 personas, se dan la mano una sola vez?
3.

4.
5.

6!
6.5
C2 = ---- = --- = 15
2!4!
2

Una persona que sale de vacaciones desea llevarse 4 libros para leer:
dispone de 4 novelas policiales y 6 libros de cuentos cortos. De cuntas formas
puede hacer la eleccin si quiere llevar al menos una novela?
6.

7.
8.
9.
10.
11.
12.
13.
14.
15.

6
--> 4C3 = 80
4 6
--> C2C2 = 90
4
--> C36 = 24

--> 1

80 + 90 + 24 + 1 = 195
5. De cuntas formas es posible distribuir 12 libros diferentes entre cuatro
nios de modo que
1.

1cada nio reciba tres libros.

2 12 9 6 3
3 C3.C3.C3.C3 = 220.84.20.1 = 369.600
4 los dos nios mayores reciban cuatro libros cada uno y los
dos menores reciban dos libros cada uno.
5 12 8 4
12!8!4!
6 C4.C4.C2 = ------------ = 207.900
7
8!4!4!4!2!2!
Teorema de Bayes

El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en el Teorema de la probabilidad total:

Teorema de la probabilidad total: a partir de las probabilidades del suceso A (probabilidad de que llueva o de que haga
buen tiempo) deducimos la probabilidad del suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente) deducimos las probabilidades del
suceso A (estaba lloviendo o haca buen tiempo?).
La frmula del Teorema de Bayes es:

Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a intentar explicarla con un ejemplo. De todos
modos, antes de entrar en el ejercicio, recordar que este teorema tambin exige
completo.

que el suceso A forme un sistema

Ejercicio 1: El parte meteorolgico ha anunciado tres posibilidades para el fin de semana:

a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no estabamos en la ciudad no sabemos que tiempo hizo (nev,
llovo o hubo niebla). El teorema de Bayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un accidente se denominan "probabilidades a
priori" (lluvia con el 60%, nieve con el 30% y niebla con el 10%).
Una vez que incorporamos la informacin de que ha ocurrido un accidente, las probabilidades del suceso A cambian: son
probabilidades condicionadas P (A/B), que se denominan "probabilidades a posteriori".
Vamos a aplicar la frmula:

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del accidente (probabilidad a posteriori) es del 71,4%.

b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

Probabilidad Condicional
La probabilidad de que un evento

ocurra cuando se sabe que ya ocurrio un evento

se

llama probabilidad condicional y se denota por

que por lo general se lee como
probabilidad de que "ocurra B dado que ocurri A". Esta probabilidad se define como:

La probabilidad condicional es una funcin de probabilidad,

Es

definida como

una funcin de probabilidad?

es una funcin de probabilidad porque satisface los tres axiomas

Axioma I

para todo evento

Como

entonces dividiendo por

se tiene los trminos de la desigualdad se tiene

Axioma II

Como

Axioma III
Si

Como

es una sucesin de eventos mutuamente excluyentes, entonces

como

los

eventos

eventos

son

mutuamente

excluyentes,

entonces

los

son tambin mutuamente excluyentes y as

Ejemplo
1. La antena de una instalacin de radar recibe, con probabilidad
interferencia superpuesta, y con probabilidad

, una seal til con una

solo la interferencia pura. Al suceder una

seal til interferida, la instalacin indica la existencia de cualquier seal con probabilidad

cuando aparece una interferencia pura con la probabilidad

. S la instalacin ha indicado la
existencia de cualquier seal, determinar la probabilidad de que esta indicacin haya sido
ocasionada por una seal til con interferencia superpuesta.

Solucin:

Sean U: el evento la seal es til con interferencia superpuesta

I : el evento la seal es til con interferencia pura
S: el evento que indica ocurre una seal
Con base en el diagrama , la probabilidad se puede calcular as:

Teorema de la probabilidad total

El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a partir de probabilidades
condicionadas:
Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes es x% y si hace buen tiempo dicha
probabilidad es y%. Este teorema nos permite deducir cul es la probabilidad de que ocurra un accidente si conocemos la
probabilidad de que llueva y la probabilidad de que haga buen tiempo.
La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente)es igual a la suma de
multiplicar cada una de las probabilidades condicionadas de este suceso con los diferentes sucesos A (probabilidad de
un accidente cuando llueve y cuando hace buen tiempo) por la probabilidad de cada suceso A.
Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que contemplen todas las posibilidades (la suma de
sus probabilidades debe ser el 100%).
Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman un sistema completo, no hay ms
alternativas: la suma de sus probabilidades es el 100%
Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema completo, ya que no contempla todas las
opciones (podra salir el 5 o el 6). En este caso no se podra aplicar el teorema de la probabilidad total.

Ejercicio 1: En un saquito hay papeletas de tres colores, con las siguientes probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Segn el color de la papeleta elegida, podrs participar en diferentes sorteos. As, si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.
b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%

c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.
Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que participes?:
1.- Las tres papeletas forman un sistema completo: sus probabilidades suman 100%
2.- Aplicamos la frmula:

Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.

Ejercicio 2: Van a cambiar a tu jefe y se barajan diversos candidatos:

a) Carlos, con una probabilidad del 60%
b) Juan, con una probabilidad del 30%
c) Luis, con una probabilidad del 10%
En funcin de quien sea tu prximo jefe, la probabilidad de que te suban el sueldo es la siguiente:
a) Si sale Carlos: la probabilidad de que te suban el sueldo es del 5%.
b) Si sale Juan: la probabilidad de que te suban el sueldo es del 20%.
c) Si sale Luis: la probabilidad de que te suban el sueldo es del 60%.
En definitiva, cual es la probabilidad de que te suban el sueldo?:
1.- Los tres candidatos forman un sistema completo
2.- Aplicamos la frmula:
P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15
Por tanto, la probabilidad de que te suban el sueldo es del 15%. Lo llevas claro amigo...

TEOREMA DE LA MULTIPLICACIN PARA PROBABILIDAD

CONDICIONAL.

Tomando como referencia la frmula de probabilidad condicional,

despejando,
p(AE) = p(E)p(A E) Teorema de
probabilidad condicional

la

multiplicacin

para

donde:
p(AE) = probabilidad de que ocurran A y E
p(E) = probabilidad de que ocurra E
p(A E) = probabilidad de que ocurra el evento A dado que el evento E
ya ocurri
Ejemplos:
1. En un lote de produccin hay 25 productos, 5 de los cuales tienen defectos
menores y 9 tienen defectos mayores, si se toman de este lote tres productos
uno tras otro, determine la probabilidad de que: a. El primer producto no
tenga defectos y que el segundo y tercero tengan defectos mayores, b. El
primer producto tenga defectos menores, el segundo tenga defectos mayores
y que el tercero no tenga defectos, c. El primer producto y el tercero no
tengan defectos.
Solucin:
a. Definiremos algunos eventos;
B1 = evento de que el primer producto seleccionado no tenga defectos
DM2 = evento de que el segundo producto seleccionado tenga defectos
mayores
DM3 = evento de que el tercer producto seleccionado tenga defectos
mayores
p(B1DM2DM3) = p(B1)p(DM2 B1)p(DM3 B1DM2)

=(11/25)*(9/24)*(8/23)
= 0.44*0.375*0.347826
= 0.05739
b. Dm1= evento de que el primer producto seleccionado tenga defectos
menores
DM2 = evento de que el segundo producto seleccionado tenga defectos
mayores
B3 = evento de que el tercer producto seleccionado no tenga defectos
P(Dm1DM2B3) = p(Dm1)p(DM2 Dm1)p(B3 Dm1DM2)
= (5/25)*(9/24)*(11/23)=
= 0.2*0.375*0.4782608= 0.03587
c. B1 = evento de que el primer producto seleccionado no tenga defectos
B2 = evento de que el segundo producto seleccionado no tenga defectos
Dm2 = evento de que el segundo producto seleccionado tenga defectos
menores
DM2 = evento de que el segundo producto seleccionado tenga defectos
mayores
B3 = evento de que el tercer producto seleccionado no tenga defectos
En este caso como no se especifica de que tipo debe ser el segundo
producto, se considera que este puede ser no defectuoso, con defectos
menores o con defectos mayores; por lo tanto;
p(B1B2B3) + p(B1Dm2B3) + p(B1DM2B3)
= p(B1)p(B2 B1)p(B3 B1B2) + P(B1)p(Dm2 B1)p(B3 B1Dm2)
+ p(B1)p(DM2 B1)p(B3 B1DM2)
=(11/25)*(10/24)*(9/23)
(11/25)*(9/24)*(10/23)

(11/25)*(5/24)*(10/23)

=(0.44)(0.41666)(0.39130) + (0.44)(0.20833)(0.43478) + (0.44)

(0.375)(0.43478)
= 0.07173 + 0.03985 + 0.07174
= 0.18332
2. Doce personas (6 mujeres, 4 hombres y dos nios) realizan un paseo en
un pequeo autobs, al llegar a cierto lugar, bajan del autobs cuatro
personas una tras otra, determine la probabilidad de que; a. La primera
y segunda persona que bajen sean mujeres, el tercero sea un nio y por
ltimo baje un hombre, b. Que baje un nio, luego un hombre, luego otro
nio y por ltimo que baje una mujer, c. Que baje una mujer, luego un
hombre, despus otra mujer y por ltimo otro hombre.
Solucin:
a. M1 = evento de que baje del autobs primero una mujer
M2 = evento de que baje en segundo lugar una mujer
N3 = evento de que baje en tercer lugar un nio
H4 = evento de que baje en cuarto lugar un hombre

P(M1M2N3H4)
p(M1)p(M2 M1)p(N3 M1M2)p(H4 M1M2N3) =

= (6/12)*(5/11)*(2/10)*(4/9)
= 240/11,880 = 0.0202
b. N1 = evento de que baje en primer lugar un nio
H2 = evento de que baje en segundo lugar un hombre
N3 = evento de que baje en tercer lugar un nio
M4 = evento de que baje en cuarto lugar una mujer
p(N1H2N3M4)
p(N1)p(H2 N1)p(N3 N1H2)p(M4 N1H2N3) =

= (2/12)*(4/11)*(1/10)*(6/9)
= 48/11,880
= 0.00404
c. M1 = evento de que baje en primer lugar una mujer
H2 = evento de que baje en segundo lugar un hombre
M3 = evento de que en tercer lugar baje una mujer
H4 = evento de que en cuarto lugar baje un hombre
p(M1H2M3H4)
p(M1)p(H2 M1)p(M3 M1H2)p(H4 M1H2M3)
= (6/12)*(4/11)*(5/10)*(3/9)
= 360/11,880
= 0.0303