Supongamos que un suceso E tiene h posibilidades

de ocurrir entre un total de n posibilidades, cada una

de las cuales tiene la misma oportunidad de ocurrir
que las dems.
Definicin Clsica de Probabilidad,
a piori
n
h
} E Pr{ p
Entonces, la probabilidad de que ocurra E (o sea un
xito) se denota por:
El total de las n posibilidades; las n resultados
posibles del ensayo, experimento, etc.; se llama el
espacio muestral y se denota por S
EJ EMPLO:
Sea el suceso E: obtener un nmero par en la tirada
de un dado
Entonces E: obtener dos cuatro seis (obtener un
nmero par en la tirada de un dado)
El espacio muestral S
de los resultados
posibles son: obtener
uno, dos, tres, cuatro,
cinco seis
S = { 1, 2, 3, 4, 5, 6 }
E = { 2, 4, 6 }
2
1
6
3
} par obtener Pr{
La definicin como frecuencia relativa, o
probabilidad emprica, de un suceso se toma como
la frecuencia relativa de ocurrencia del suceso
cuando el numero de observaciones es muy grande.
La probabilidad misma es el lmite de esa
frecuencia relativa cuando el nmero de
observaciones crece indefinidamente.
Definicin como frecuencia relativa,
a posteriori
) E Pr( fr lim
n

La frecuencia relativa de un suceso tiende a aproximarse
a su probabilidad cuando el nmero de pruebas crece
indefinidamente.
Ejemplo: se ha lanzado una moneda 200 veces. El nmero
de caras despus de 20, 40, 60, ... , 200 se da en la tabla:
Pruebas
20 40 60 80 100 120 140 160 180 200
N de caras
11 18 31 42 48 59 72 83 92 101
Fr. relativa
0,550 0,450 0,517 0,525 0,480 0,492 0,514 0,519 0,511 0,505


La probabilidad de
obtener cara en un
lanzamiento es 0,5
0,5
Los valores de la
frecuencia relativas obtenidas
se aproximan a 0,5.
6
0,42
0,46
0,5
0,54
0,58
20 60 100 140 180
Trazando la poligonal de frecuencias relativas correspondiente al
nmero de caras obtenidas al lanzar una moneda 20, 40, 60, 200
veces, se observa:
p(cara) = 0, 5
La frecuencia relativa
tiende a la probabilidad
7
Se llama probabilidad a cualquier funcin p
que asigna a cada suceso E del espacio
muestral S un valor numrico p(E), verificando
los siguientes axiomas:
1.- No negatividad: 0 p(E)
2.- p(S) = 1
PROBABILIDAD AXIOMATICA
3.- Aditividad:
p(E
1
E
2
) = p(E
1
) + p(E
2
)
si E
1
E
2
=
(donde es el conjunto vaco).
Kolmogorov A.
(1903- 1987)
8
SUCESOS INDEPIENDIENTES Y SUCESOS
DEPENDIENTES
Si E
1
y E
2
son dos sucesos, la probabilidad de que
E
2
ocurra dado que haya ocurrido E
1
se denota por
Pr{E
2
E
1
}, o Pr{E
2
dado E
1
} y se llama la
probabilidad condicional de E
2
dado E
1
.
Si la ocurrencia o no de E
1
no afecta para nada la
probabilidad de ocurrencia de E
2
, entonces
Pr{E
2
E
1
} = Pr{E
2
} y diremos que E
1
y E
2
son
sucesos independientes, caso contrario, se dir que
son sucesos dependientes.
Si denotamos por E
1
E
2
, el suceso de que ambos E
1

y E
2
ocurran, llamado un suceso compuesto,
entonces
Pr{E
1
E
2
} = Pr{E
1
} Pr{E
2
E
1
}
En particular,
Pr{E
1
E
2
} = Pr{E
1
} Pr{E
2
} para sucesos
independientes
Para tres sucesos E
1
, E
2
y E
3
, tenemos
Pr{E
1
E
2
E
3
} = Pr{E
1
} Pr{E
2
E
1
} Pr{E
3
E
1
E
2
}
En general, si E
1
, E
2
, E
3
, E
n
son n sucesos
independientes con probabilidades respectivas p
1,
p
2,
p
3,
... p
n,
entonces la probabilidad de que ocurran
E
1
y E
2
y E
3
y E
n
es p
l
p
2
p
3
p
n
.
EJEMPLO: Sean E
1
y E
2
los
sucesos cara en el primer
lanzamiento y cara en el
segundo lanzamiento de una
moneda. Si la moneda no est
trucada los son sucesos
independientes y la probabilidad
de que salga cara en ambos
intentos es:
Pr{E
1
E
2
} = Pr{E
1
} Pr{E
2
} = 0,5 0,5 = 0,25
EJEMPLO. Una bolsa contiene 3
bolas azules y 2 bolas rojas. Sea E
1
el
suceso la primera bola extrada es
roja y E
2
el suceso la segunda bola
extrada es roja en extracciones sin
reposicin.
La probabilidad de que la primera bola sea roja es
La probabilidad de que la segunda sea roja, dado
que ya lo haya sido la primera, es:
Luego la probabilidad de que ambas sean rojas es
Pr{E
2
E
1
} = 1/(3 + 1) = 1/4.
Pr{E
1
E
2
} = Pr{E
1
} Pr{E
2
E
1
} = 2/5 1/4 = 1/10.
Pr{E
1
} = 2/(3 + 2) = 2/5
SUCESOS MUTUAMENTE EXCLUYENTES
Dos o ms sucesos se llaman sucesos mutuamente
excluyentes si la ocurrencia de cualquiera de ellos excluye
la de los otros. Si E
1
y E
2
son sucesos mutuamente
excluyentes, entonces Pr{E
1
E
2
} = 0.
Si E
1
+ E
2
denota el suceso de que ocurra E
1
o bien E
2
o
ambos a la vez, entonces
Pr{E
1
+ E
2
} = Pr{E
1
} + Pr{E
2
} Pr{E
1
E
2
}
En particular,
Pr{E
1
+ E
2
} = Pr{E
1
} + Pr{E
2
} para sucesos mutuamente
excluyentes
Como extensin de esto, si E
1
E
2
, E
n
son n sucesos
mutuamente excluyentes con probabilidades respectivas p
1,
p
2,
p
3,
... p
n
es p
1
+ p
2
+ p
3
+

... + p
n

El resultado (5) se puede generalizar a tres o ms sucesos
mutuamente excluyentes
A
) ( ) ( ) ( ) ( B A P B P A P B A P
A U B
A
B
A B
B
A
B
) ( ) ( ) ( B P A P B A P
A
B
A U B
Acontecimientos mutuamente excluyentes
o incompatibles (regla de la adicin)
Acontecimientos
compatibles
Probabilidad condicional
) (
) (
) (
B P
B A P
B A P
A
S espacio muestral
B
tamao de uno con
respecto al otro
No confundir probabilidad condicionada
con interseccin.
En ambos se mide efectivamente la
interseccin, pero
En P(AB), interseccin con respecto a
P(S)=1
En P(A|B) , interseccin con respecto a
P(B)
15
Sistema exhaustivo y excluyente de acontecimientos
A
1
A
2
A
3
A
4
Son una coleccin de acontecimientos

A
1
, A
2
, A
3
, A
4

La unin de todos ellos completan el
espacio muestral (S)
y sus intersecciones son vacias
S
16
A
1
A
2
A
3
A
4
B
Todo acontecimiento B, puede ser descompuesto en componentes
de dicho sistema.

B = (BA
1
) U (BA
2
) U ( BA
3
) U ( BA
4
)
Teorema de la probabilidad total
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema y excluyente de
acontecimientos
se puede calcular la probabilidad de B.
P(B) = P(BA
1
) + P(BA
2
) + P( BA
3
) + ( BA
4
)
= P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) + P(B|A
3
) P(A
3
) + P(B|A
4
) P(A
4
)
17
A
1
A
2
A
3
A
4
B
Si ocurre B, podemos calcular la
probabilidad (a posteriori) de
ocurrencia de cada A
i
.

P(B)
) A P(B
B) | P(A
i
i
P(B) se puede calcular usando el
teorema de la probabilidad total
= P(B|A
1
) P(A
1
) + P(B|A
2
) P(A
2
) + P(B|A
3
) P(A
3
) + P(B|A
4
) P(A
4
)
Teorema de Bayes
18
Teorema de Bayes
j
j j
i i
i
i
A P A B P
A P A B P
B P
B A P
B A P
)
)
( ). (
( ). (
) (
) (
) (
Thomas Bayes
(?- 1761)
y se utiliza cuando se tienen
eventos condicionados; se sabe de
la ocurrencia del evento B
Le pide a un vecino que mientras usted sale de
vacaciones le riegue una planta enfermiza. Si la planta
no se riega, la probabilidad de que la planta muera es
de 75%; si la planta se riega, la probabilidad de que la
planta muera es de 15%. Usted estima que su vecino
se acordar de regar la planta con una probabilidad de
80%.
a) Cul es la probabilidad de que la planta an est
viva cuando usted regrese de sus vacaciones?
b) Si encuentra la planta muerta, Cul es la
probabilidad de que a su vecino se le haya olvidado
regarla?
19
Tres joyeros idnticos tienen cada uno dos cajones. Cada cajn
del primero contiene un reloj de oro, y cada uno del segundo
un reloj de plata, En un cajn del tercero hay un reloj de oro y
en el otro uno de plata. Si seleccionamos un joyero al azar,
abrimos uno de sus cajones y en el hay un reloj de plata, cul
es la probabilidad de que en el otro cajn haya un reloj de oro?
20
J1
J2
J3
RO
RP
RP
RP
RO
RO
) 3 J / P ( p ) 3 J ( p ) 2 J / P ( p ) 2 J ( p ) 1 J / P ( p ) 1 J ( p
) 3 J / P ( p ) 3 J ( p
) P / 3 J ( p
3
1
5 , 0 3 / 1 1 3 / 1 0 3 / 1
5 , 0 3 / 1
) P / 3 J ( p
Un dado ha sido trucado de manera que la
probabilidad de sacar un nmero par es el
doble que la de sacar un nmero impar. Se
lanza, a la vez, el dado trucado con otro no
trucado. Calcular la probabilidad de obtener
al menos un nmero impar.
21
DI STRI BUCI ONES DE PROBABI LI DAD
Variables discretas:
Si una variable X puede tomar un conjunto discreto de
valores X
1
, X
2
, , X
K
, con probabilidades respectivas
p
1
, p
2
, ... p
K
, donde p
1
+ p
2
+ + p
K
= 1, decimos que
tenemos definida una distribucin de probabilidad
discreta para X. La funcin p(X), que tiene valores p
1
,
p
2
, ... p
K
para X = X
1
, X
2
,..., X
K
, se llama funcin de
probabilidad o una funcin de frecuencia de X. Como X
puede tomar ciertos valores con ciertas probabilidades,
se le llama una variable aleatoria discreta. Una variable
aleatoria se conoce tambin como variable estocstica.
El juego de la chica y la grande consiste en tirar un par de dados y si la suma de
los puntos de las caras superiores da entre 2 y 6, entonces es chica; si la suma de
los puntos de las caras superiores da entre 8 y 12, entonces es grande; si la suma
de los puntos de las caras superiores da 7, entonces es siete. Si un apostador
juega y gana entonces el mesero le devuelve la apuesta y como premio otro monto
similar a la apuesta. En caso de que el apostador apueste al siete y gane,
entonces el mesero le devuelve la apuesta y un monto igual al doble de la apuesta
como premio. Si pierde, pierde la apuesta.
Calcular la probabilidad de que al tirar el par de dados caiga: a) grande b) siete.
2
3
4
5
6
8
9
10
11
12


7
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
P(2) = (2,78%)
36
1
P(3) = (5,56%)
18
1
36
2
P(4) = (8,33%)
12
1
36
3
P(5) = (11,11%)
9
1
36
4
P(6) = (13,89%)
36
5
P(7) = (16,66%)
6
1
36
6
P(8) = (13,89%)
36
5
P(9) = (11,11%)
9
1
36
4
P(10) = (8,33%)
12
1
36
3
P(11) = (5,56%)
18
1
36
2
P(12) = (2,78%)
36
1
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
2,78 + 5,56 + 8,33 + 11,11 + 13,89 + 16,66 + 13,89 + 11,11 + 8,33 + 5, 56 + 2,78 = 100
Suma de todas las probabilidades:
2 3 4 5 6 7
8
9
10
11
12
2 3 4 5 6
7 8 9 10 11 12
2
4
6
8
10
12
14
16
18
20
puntos
[%] p
Distribucin de probabilidades:
x 2 3 4 5 6 7 8 9 10 11 12
p(x) (%) 2,78 5,56 8,33 11,11 13,89 16,66 13,89 11,11 8,33 5,56 2,78
DI STRI BUCI ONES DE PROBABI LI DAD
Variables continuas:
Las ideas anteriores se extienden a variables que pueden
tomar un conjunto continuo de valores. El polgono de
frecuencias relativas de una muestra se convierte en una
curva continua de ecuacin Y = p(X). El rea total bajo esa
curva y sobre el eje X es 1, y el rea entre X a y X b
(sombreada en la figura) da la probabilidad de que X est
entre a y b, que se denota por Pr{a < X < b}.
Llamamos a p(x) una funcin densidad de probabilidad, o
brevemente una funcin densidad, y cuando tal funcin es
dada decimos que se ha definido una distribucin de
probabilidad continua para X. La variable X se llama
entonces una variable aleatoria continua.
) X ( p
X
a
b
Pr{a < X < b}
ESPERANZA MATEMTICA
Si p es la probabilidad de que una persona reciba
una cantidad S de dinero, la esperanza matemtica
(o simplemente esperanza) se define como pS.
Anlisis combinatorio
Principio fundamental
Si un suceso puede ocurrir de n
1
maneras, y si cuando
ste ha ocurrido otro suceso puede ocurrir de n
2

maneras, entonces el nmero de maneras en que
ambos pueden ocurrir en el orden especificado es n
1
n
2
.
Hay 4 3 = 12 caminos
distintos para ir desde
A hasta B
A
C B
EJEMPLO: de cuntas maneras distintas se
puede ir de A hasta B?
El nmero de permutaciones de n objetos diferentes
tomados todos a la vez es n!
! 1 2 3 ) 2 ( ) 1 ( n n n n P
n

Dados n objetos distintos, llamamos permutacin a
una ordenacin particular de los n objetos.
Ejemplo: Hay 6 posibles permutaciones con las tres
letras a, b, c:
Permutaciones
abc, acb, bac, bca, cab, cba.
2.800 670.442.57 11 2 1 ... 18 19 20
fact ores 10

Un comentarista deportivo de ftbol sugera que para
conseguir el equipo ideal de entre los 20 jugadores
(excluido el arquero) de la seleccin, el entrenador
debera probar todas las posibilidades para dar con el
10 ideal. Le dara tiempo en una liga?
Permutaciones (sin repeticin)
Segn la regla del producto, las maneras de escoger r
elementos distintos de entre un total de n segn
un determinado orden, ser igual al producto de:
1 2 3 ... 1) r (n r) (n
1 2 3 ... 2) (n 1) (n n
r)! (n
n!
P
r n,
11 12 ... 18 19 20
10!
20!
10)! (20
20!
P
20,10
En el problema
anterior:
1) r (n ... 2) (n 1) (n n P
r n,
Permutaciones (sin repeticin)
Esta expresin se conoce como permutacin de n elementos
tomados de r en r, y se representa por Pn,r.
Habitualmente se expresa como:
504 7 8 9 P
9,3
Si admitimos el 0, como primera opcin seguimos teniendo
9 nmeros, pero ahora como segundo nmero podemos usar
tambin el 0, luego tenemos 9 posibles candidatos...:
641 8 9 9
Al tratarse de nmeros el orden importa y adems nos
dice "cifras distintas" luego no pueden repetirse.
Cuantos nmeros de tres cifras distintas y significativas
se pueden formar con las nueve cifras del sistema decimal
1, 2, 3, 4, 5, 6, 7, 8, 9? Y si admitimos el 0?
Combinaciones (sin repeticin)
Cuntas posibles combinados (mezclas) de dos
bebidas podemos hacer con ginebra, vodka y tequila?
Si el orden importara tendramos 3 2 = 6.
Pero en realidad: (g, v) = (v, g), (g, t) = (t, g) y (t, v) = (v, t),
porque el orden no importa. De modo que debemos
dividir entre 2: 6 / 2 = 3.
Cuntas posibles combinados de tres bebidas
podemos hacer con ginebra, vodka, tequila y ron?
De nuevo, si el orden importara tendramos 4 3 2 = 24.
Pero en realidad: (g, v, t) = (g, t, v) = (v, g, t) = etc...,
porque el orden no importa. De modo que debemos
dividir entre 3!: 24 / 3! = 4.
Combinaciones (sin repeticin)
Cuntas posibles configuraciones de r elementos
podemos construir desde un conjunto de n elementos
diferentes, sin que importe el orden y no sea posible la
repeticin?

Si el orden importara tendramos n (n-1) ..... (n - r + 1)
posibilidades. Las podemos partir en clases, de forma
que en cada clase estn aquellas configuraciones que
sean la misma salvo el orden. Como hemos escogido r
elementos, cada clase estar formada por las r! formas
distintas de ordenar esos elementos.
)! ( !
! ) 1 ( .... ) 1 (
r n r
n
r!
r n n n
36
Este nmero se conoce como las combinaciones de
n elementos tomadas de k en k y se denota por:

)! ( !
!
) , (
r n r
n
r
n
r n C C
r
n
506 . 142
)! 5 30 ( ! 5
! 30
5
30
) 5 , 30 ( C
Cuantos grupos de 5 alumnos pueden formarse con los 30
alumnos de una clase. (Un grupo es distinto si se diferencia
por lo menos en un alumno).
No importa el orden. No puede haber dos alumnos
iguales
(no hay clones) en un grupo, luego no hay repeticin.
Cuntas manos distintas pueden darse a 4
jugadores con 5 cartas cada uno y una baraja de
52 cartas? (Intenta primero una respuesta a ojo).
El primer jugador puede recibir C(52, 5) manos distintas.
Una vez el primer jugador tiene su mano el segundo
puede recibir C(47, 5) manos distintas (5 cartas de las 47
restantes). El tercero: C(42, 5) y el cuarto: C(37, 5). Por la
regla del producto tendremos un total de:

! 32 ! 5
! 37
! 37 ! 5
! 42
! 42 ! 5
! 47
! 47 ! 5
! 52
) 5 , 37 ( ) 5 , 42 ( ) 5 , 47 ( ) 5 , 52 ( C C C C
24
10 1.5 240 4.020.034. 843.475.64 1.478.262.
! 32 ! 5 ! 5 ! 5 ! 5
! 52
De cuntas maneras distintas podemos pintar una tira
de cinco casillas, pintando 2 de rojo y 3 de azul?
Respuesta:
Combinaciones de 5 elementos
tomados de 2 en 2. O de 5 elementos
tomados de 3 en 3:

C(5,2) = C(5,3) = 10.
S = { 1 M, 4 I, 4 S, 2 P }
Cuntas palabras distintas (con o sin sentido)
podemos construir utilizando todas las letras de
MISSISSIPPI ?
Llenemos las 11 casillas:
S = { 1 M, 4 I, 4 S, 2 P }
M
1
11
# de posibilidades para M:
I I I I
4
10
# de posibilidades para I:
S S S
4
6
S
# de posibilidades para S:
P P
2
2
# de posibilidades para P:
34.650
41 41
Permutaciones con repeticin
Si n objetos pueden dividirse en r clases con n
i

objetos idnticos en cada clase (i = 1, 2, ..., r), es
decir, tal que
Entonces el nmero de permutaciones posibles es:
n n n n
n n n
n
PR
r
r
n n n
n
r

2 1
2 1
,..., ,
con

! ! !
!
2 1
.
2 1
n n n n
r

Por qu?
42 42
r
r
n
n n n n
n
n n n
n
n n
n
n
1 2 1
3
2 1
2
1
1

Recuerda el problema de MISSISSIPPI...

! )! (
)! (
! !
)! (
! !
)! (
! !
!
1 ! 0
1 2 1
1 2 1
3 3 2 1
2 1
2 2 1
1
1 1
r r r
r
n n n n n n
n n n n
n n n n n
n n n
n n n n
n n
n n n
n