Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
ÍNDICE
1. INTRODUCCIÓN A LA PROBABILIDAD 3
2. EXPERIMENTOS ALEATORIOS Y DETERMINISTAS 3
3. EXPERIMENTOS ALEATORIOS SIMPLES Y COMPUESTOS 5
3.1. Experimento simple ................................................................................................................................. 5
3.2. Experimento compuesto ........................................................................................................................ 5
9. PROBABILIDAD CONDICIONADA 36
9.1. Definición ................................................................................................................................................ 36
9.2. Reglas del producto o Probabilidad de la intersección de sucesos ....................................... 37
9.3. Resumen de probabilidad ................................................................................................................... 40
1. INTRODUCCIÓN A LA PROBABILIDAD
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos
futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por los
nobles para ganar en los juegos y pasatiempos de la época. El desarrollo de estas herramientas fue
asignado a los matemáticos de la corte.
Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron otros usos muy
diferentes para la que fueron creadas. Actualmente, se continuó con el estudio de nuevas metodologías
que permitan maximizar el uso de la computación en el estudio de las probabilidades disminuyendo, de
este modo, los márgenes de error en los cálculos.
Los juegos de azar fueron el origen de la teoría de probabilidades; pero aunque la mayoría de
los juegos de azar son tan antiguos como la humanidad misma, el cálculo de probabilidades no surgió
hasta finales del siglo XVI y principios del siglo XVII.
Hoy en día el cálculo de probabilidades no sólo se ocupa de problemas asociados a los juegos de
azar, sino que junto con la estadística interviene en otros ámbitos de la vida. Algunas aplicaciones son
los estudios sobre expectativas de vida con el fin de fijar las primas de seguro, el análisis de las
previsiones de voto ante unas elecciones, o el estudio de marketing para lanzar un nuevo producto al
mercado.
Cuando realizamos un experimento puede ocurrir que sepamos de antemano lo que va a ocurrir o
que no lo sepamos.
Si lanzamos una moneda hacia arriba es seguro que la moneda caerá por efecto de la gravedad;
sin embargo, no podemos predecir qué cara va a quedar visible.
La probabilidad se utiliza para estudiar los sucesos en un experimento aleatorio y saber cuáles
pueden darse más frecuentemente.
Conociendo el día de la semana que es hoy, podemos determinar con exactitud qué día será
mañana. El experimento es determinista.
b) Anotar el color de una bola que extraemos al azar de una urna que contiene bolas rojas y bolas
verdes.
Al extraer una bola, ésta puede ser roja o verde, y de antemano no podemos conocer el color
que va a salir. El experimento es aleatorio.
Al lanzar una chincheta, ésta puede caer con el pico hacia arriba o hacia abajo. Antes de
lanzarla, no podemos saber cómo va a caer. El experimento es aleatorio.
e) El lanzamiento de un misil.
Conociendo los pasos que hay que hacer para lanzar un misil, podemos determinar con exactitud
qué el misil será lanzado. El experimento es determinista.
f) Movimiento de un planeta.
Sabemos el resultado que va a ocurrir cuando se mueva el planeta. El experimento es
determinista.
Al lanzar un dado, éste cuando cae puede aparecer con un punto, dos, tres, cuatro, cinco o seis.
Antes de lanzarla, no podemos saber qué puntuación va a salir. El experimento es aleatorio.
h) Se lanza una moneda cuatro veces y se cuenta el número total de caras obtenidas.
Al lanzar una moneda cuatro veces, éstas pueden caer con el valor de cara o cruz. Antes de
lanzarlas, no podemos saber qué valor va a salir. El experimento es aleatorio.
Ejemplo: En una urna, hay 15 bolas numeradas del 1 al 15. Extraemos una bola al azar y
observamos el número que tiene.
Sólo hemos sacado una bola de la urna una vez. Sólo hemos realizado una observación.
Por tanto, la extracción de una bola constituye un experimento aleatorio simple.
Los valores que podemos obtener al lanzar una moneda son: cara (C) o cruz (+).
Resultados posibles del experimento: { (C, C), (C, +), (+, C), (+, +) }
Hemos lanzado la moneda dos veces. Hemos realizado un experimento y hemos observado.
Luego, hemos realizado el otro experimento y otra vez hemos observado.
Ejemplo: Lanzamos una moneda y un dado, es decir, primero lanzamos la moneda y, luego, el
dado; y anotamos el resultado.
Los valores que podemos obtener al lanzar una moneda son: cara (C) o cruz (+).
Los números que podemos obtener al tirar un dado son las puntuaciones: 1, 2, 3, 4, 5 ó 6.
Resultados posibles del experimento: { (C,1), (C,2), (C,3), (C,4), (C,5), (C,6), (+,1), (+,2), (+,3),
(+,4), (+,5), (+,6) }
Hemos lanzado la moneda y el dado. Hemos realizado un experimento y hemos observado.
Luego, hemos realizado el otro experimento y otra vez hemos observado.
4.1. Introducción
En los experimentos aleatorios no podemos predecir el resultado, es decir, hay más de un
resultado posible al realizar el experimento.
Los números que podemos obtener al tirar un dado son las puntuaciones: 1, 2, 3, 4, 5 ó 6.
Espacio muestral: E = { 1, 2, 3, 4, 5, 6 }
Si lanzamos dos monedas al aire, podemos obtener cara en las dos monedas, cara en una de ellas
o ninguna cara.
c) Extraer una bola de una bolsa que tiene 2 bolas rojas y 3 azules.
Si tenemos una bolsa con bolas rojas y azules, podemos obtener una bola roja o azul.
Ejemplos:
a) Lanzar un dardo a una diana y anotar la posición del punto donde se clava.
Por tanto, un suceso elemental es cada uno de los elementos que forman parte del espacio
muestral.
«Obtener el número 3» = { 3 }
«Obtener el número 4» = { 4 }
«Obtener el número 5» = { 5 }
«Obtener el número 6» = { 6 }
c) Extraer una bola de una bolsa que tiene 2 bolas rojas y 3 azules.
c) Extraer una bola de una bolsa que tiene 2 bolas rojas y 3 azules.
Sucesos compuestos: «Sacar alguna bola roja» = { 2 bolas rojas, 1 bola roja }
«Sacar alguna bola azul» = { 2 bolas azul, 1 bola azul }
Ejemplo: Extraemos una bola de una urna con bolas numeradas del 1 al 5. Define el espacio
muestral y escribe sucesos que no sean elementales (esto es, sucesos compuestos).
Los valores que podemos obtener al lanzar una moneda son: cara (C) o cruz (+).
Los números que podemos obtener al tirar un dado son las puntuaciones: 1, 2, 3, 4, 5 ó 6.
Espacio muestral: E = { (C,1), (C,2), (C,3), (C,4), (C,5), (C,6), (+,1), (+,2), (+,3), (+,4), (+,5), (+,6) }
Ejemplo: Consideremos el experimento compuesto “lanzar dos veces consecutivas una moneda y
apuntar los resultados en el orden en que aparecen”, define el espacio muestral, sus sucesos
elementales y varios sucesos compuestos.
Los valores que podemos obtener al lanzar una moneda son: cara (C) o cruz (+).
Fíjate en que los sucesos E y G son, en realidad, diferentes descripciones del mismo suceso.
Suceso imposible.
Suceso seguro.
Suceso probable o posible.
Suceso contrario.
Sucesos compatibles.
Sucesos incompatibles.
Dos sucesos son independientes.
Dos sucesos son dependientes.
Espacio muestral: E = { 1, 2, 3, 4, 5, 6 }
Suceso: A = «Obtener un número impar» = { 1, 3, 5 }
Suceso: B = «Obtener un número menor que cuatro» = { 1, 2, 3 }
A y B se pueden verificar a la vez porque obtenemos un uno o un tres.
Por tanto, dos sucesos son incompatibles cuando no tienen ningún suceso elemental común.
Son sucesos dependientes porque la segunda carta está condicionada al valor obtenido de la
primera carta, ya que tiene menos casos posibles.
5.1. Introducción
Hay ocasiones en las que es difícil determinar el espacio muestral de un experimento aleatorio,
pero para esos casos disponemos de algunas herramientas muy útiles, que son:
Diagrama de árbol.
Tabla de doble entrada también llamada tabla de contingencia.
Podemos pensar que el experimento consiste en tres fases: lanzar una moneda, luego otra y,
finalmente, la tercera.
Construimos el diagrama de árbol:
+ ( C, C, + )
C
C ( C, +, C )
+ ( C, +, + )
C ( +, C, C )
+ ( +, C, + )
+
C ( +, +, C )
+
+ ( +, +, + )
2 x 2 x 2 = 8
E = { CCC, CC+, C+C, C++, +CC, +C+, ++C, +++ } Número de sucesos elementales = 8
Ahora, sólo tenemos que calcular los dos sucesos que nos piden.
a) A = «Sacar una sola cruz» = { CC+, C+C, +CC } Número de sucesos elementales = 3
b) B = «Sacar una cara o más» = { CCC, CC+, C+C, C++, +CC, +C+, ++C } Número de sucesos
elementales = 7
Ejemplo: Juan quiere regalar a su hermana un jersey, pero duda si abierto o cerrado; rosa,
amarillo o verde; y de algodón o de lana. ¿Cuántas posibilidades tiene? Escribe el espacio muestral.
Podemos pensar que el experimento consiste en tres fases: si abierto o cerrado, el color y el
tipo de tejido.
Construimos el diagrama de árbol:
Verde
Lana ( Cerrado, Verde, Lana )
2 x 3 x 2 = 12
(Abierto, Amarillo, Lana), (Abierto, Verde, Algodón), (Abierto, Verde, Lana), (Cerrado, Rosa, Algodón),
(Cerrado, Rosa, Lana), (Cerrado, Amarillo, Algodón), (Cerrado, Amarillo, Lana),
Ejemplo: Se lanzan una moneda y un dado cúbico con las caras numeradas del 1 al 6. ¿Cuántos
elementos tiene el espacio muestral? Escribe el espacio muestral.
Podemos pensar que el experimento consiste en dos fases: lanzar una moneda y un dado.
Construimos el diagrama de árbol:
1 ( C, 1 )
2 ( C, 2 )
3 ( C, 3 )
C 4 ( C, 4 )
5 ( C, 5 )
6 ( C, 6 )
1 ( +, 1 )
2 ( +, 2 )
3 ( +, 3 )
+ 4 ( +, 4 )
5 ( +, 5 )
6 ( +, 6 )
2 x 6 = 12
E = { (C,1), (C,2), (C,3), (C,4), (C,5), (C,6), (+,1), (+,2), (+,3), (+,4), (+,5), (+,6) } Número de sucesos
elementales = 12
En esta tabla, se trabaja con dos características o aspectos: una se escribe arriba y la otra a la
izquierda.
Ejemplo: Lanzamos dos dados correctos y anotamos las sumas de las puntuaciones. ¿Cuál es el
espacio muestral? Determina el número de veces que aparecen las sumas y los siguientes sucesos:
E = { 2, 3, 4, 5, 6, 7, 8, 10, 11, 12 }
Número de sucesos elementales = 6 x 6 = 36
Sumas 2 3 4 5 6 7 8 9 10 11 12
Nº de veces 1 2 3 4 5 6 5 4 3 2 1
Ahora, sólo tenemos que calcular los dos sucesos que nos piden.
a) A = «La suma sea 5» = { (1,4), (2,3), (3,2), (4,1) } Número de sucesos elementales = 4
b) B = «La suma es mayor que 6» = { (1,6), (2,5), (3,4), (4,3), (5,2), (6,1) } Número de sucesos
elementales = 6
Ejemplo: La encuesta sobre el agrado del fútbol en la TV según los sexos entre alumnos/as de
14 y 18 años es el siguiente:
Ejemplo: Los alumnos de 3º y 4º de ESO de un IES se distribuyen por curso y sexo como se
indica en la tabla:
Alumnos/as
Curso A = «Chicos» B = «Chicas» Total
C = «3º ESO» 65 70 135
D = «4º ESO» 55 62 117
Total 120 132 252
Ejemplo: En un viaje organizado por Europa para 120 personas, 48 de los que van saben hablar
inglés, 36 saben hablar francés, y 12 de ellos hablan los dos idiomas.
Organizamos los datos en una tabla y completamos los que faltan.
6.1. Introducción
Una operación entre sucesos de un experimento aleatorio es una regla o criterio que nos
permite obtener otro suceso del mismo experimento aleatorio . Las operaciones son:
Unión.
Intersección.
Diferencia.
Suceso contrario o complementario de un suceso.
6.2. Unión
La unión de dos sucesos A y B es otro suceso formado por todos los sucesos elementales que
hay en A o en B. Es decir, el suceso AB se verifica cuando ocurre uno de los dos, A o B, o ambos. Se
representa por AB o A o B. Conjunto formado por todos los elementos de ambos (sin repetir los
comunes).
AB se lee como “A o B”.
A = { 2, 4, 6 }
B = { 3, 6 }
AB = { 2, 3, 4, 6 }
f) Absorción: AE = E
6.3. Intersección
La intersección de dos sucesos A y B es otro suceso formado por todos los sucesos
elementales comunes que hay en A y en B. Es decir, el suceso AB se verifica cuando ocurren
simultáneamente A y B. Se representa por AB o A y B. Conjunto formado por todos los elementos
comunes a ambos.
A = { 2, 4, 6 }
B = { 3, 6 }
AB = { 6 }
NOTA:
Si AB = Ø , entonces A y B son incompatibles.
f) Absorción: AØ = A
Todas estas propiedades se pueden aplicar a más de dos eventos.
6.4. Diferencia
La diferencia de dos sucesos A y B es otro suceso formado por todos los sucesos elementales
que hay en A y que no están en B. Es decir, el suceso A−B se verifica cuando lo hace A y no B. Se
representa por A−B. Conjunto formado por todos los elementos de A que no son de B. La diferencia se
verifica cuando ocurre A y no ocurre B.
A−B se lee como “A menos B”.
A = { 2, 4, 6 }
B = { 3, 6 }
A−B = { 2, 4 }
A = { 2, 4, 6 }
Ā = { 1, 3, 5 }
Propiedades: A E A , A A E , A A , E , E
NOTA: Dos sucesos contrarios A y Ā son incompatibles, por lo que AĀ = Ø, y su unión es el
espacio muestral E, por lo que AĀ = E.
Leyes de Morgan A B A B A B A B
Propiedades
Diferencia A B A B
7.1. Definición
La probabilidad es la medida de la posibilidad de realización de los sucesos.
La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados)
al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles.
NOTA:
A mayor probabilidad, mayor será la posibilidad de que ocurra.
Cuanto más se acerque la probabilidad de un suceso a 1 , mayor será la posibilidad de que ocurra,
y recíprocamente, cuanto más se acerque a 0, más difícil será que suceda.
NOTA: A veces es más fácil calcular la probabilidad del suceso contrario Ā que la del suceso A.
Por lo que la probabilidad del suceso A a partir del suceso contrario sería P(A)=1-P(Ā).
Ejemplo 1: Tenemos 2 bolas de igual peso y tamaño, una blanca y otra negra, en una bolsa. Si
extraemos una bola,
Solución:
La probabilidad de coger una u otra bola será igual. Por tanto, podríamos repartir la
probabilidad de que ocurran ambos sucesos:
1 1
P(blanca)= 0,5 P(negra)= 0,5
2 2
1 1 1
P(roja)= 0,3 P(azul)= 0,3 P(verde)= 0,3
3 3 3
Ejemplo 3: Halla la probabilidad de que al lanzar tres monedas se obtengan al menos una cara.
Es mucho más fácil si pensamos la probabilidad de que no salga ninguna cara, suceso contrario.
Tenemos que hay 8 posibilidades y sólo uno en el que salgan todas cruces.
Espacio muestral: E = { CCC, CC+, C+C, C++, +CC, +C+, ++C, +++ } Número de sucesos
elementales = 8
A = «Obtener al menos una cara»
Ā = «No obtener ninguna cara»
1
P(Ā)=
8
1 7
Por tanto, P(A)=1-P(Ā)= 1
8 8
a) La probabilidad de un suceso es positiva y menor o igual que 1, por lo que no puede ser menor
que 0 ni mayor que 1.
0 ≤ P(A) ≤ 1
P(Ø)=0
P(Ā)=1-P(A)
P(AB)=P(A)+P(B)–P(AB)
Siendo:
P(ABC)=P(A)+P(B)+P(C)–P(AB)–P(AC)–P(BC)+P(ABC)
=P(A)+P(B)–P(AB)+P(C)-[P(AC)+P(BC)-P(ABC)]=
=P(A)+P(B)–P(AB)+P(C)-P(AC)-P(BC)+P(ABC)=
=P(A)+P(B)+P(C)–P(AB)-P(AC)-P(BC)+P(ABC)
Donde:
P(AB)=P(A)+P(B)–P(AB)
P((AB)C)=P((AC)(BC)) por la propiedad distributiva
P((AC)(BC))=P(AC)+P(BC)-P((AC)(BC))=P(AC)+P(BC)-P(ABC)
P((AC)(BC))=P(ABC)
Este resultado puede generalizarse para una cantidad n, de manera que irían apareciendo además
todas las intersecciones de tres sucesos, las de cuatro, cinco, etc. hasta llegar a la intersección de los n
sucesos, alternándose el signo de la misma forma que en el obtenido para tres.
NOTA: Para averiguar si un suceso es compatible o no con otro, se aplican las siguientes reglas:
Si dos sucesos A y B son incompatibles, AB = Ø , entonces P(AB)=0.
3 1
A= «Salir par» con P(A) = 0,5
6 2
3 1
B = «Salir impar» con P(B) = 0,5
6 2
Calcula la probabilidad de que sea par o impar.
Calcula la probabilidad de que la persona elegida al azar sea morena y no tenga los ojos
marrones.
Solución: Los sucesos A y B son compatibles AB ≠ Ø porque P(AB) = 0,42 ≠ 0
P(A-B) = «Sea morena y no tenga ojos marrones» P(A-B)=P(A)-P(AB)= 0,6 - 0,42 = 0,18
P A P A B P A B
Aplicamos la probabilidad de la unión de dos sucesos incompatibles.
P A B A B
Aplicamos la propiedad distributiva.
P A B B
Aplicamos la propiedad de la unión de dos sucesos contrarios es el suceso seguro.
P A E
Aplicamos la propiedad del elemento neutro.
P A
Demostración: Para calcular la probabilidad de un suceso B, utilizaremos la probabilidad de la
unión de dos sucesos incompatibles y las propiedades (distributiva, unión de dos sucesos contrarios y
elemento neutro).
PB P A B P A B
Aplicamos la probabilidad de la unión de dos sucesos incompatibles.
P A B A B
Aplicamos la propiedad distributiva.
P B A A
Aplicamos la propiedad de la unión de dos sucesos contrarios es el suceso seguro.
PB E
Aplicamos la propiedad del elemento neutro.
P B
a)
P A B P A B 1 P A B
b) PA B PA B 1 P A B
Siendo:
P A = Probabilidad de ocurrencia del suceso contrario A.
P A B = Probabilidad de ocurrencia simultánea del suceso contrario AB.
A B A B P(A)=1-P(Ā)
Ā=E–A P(A)+P(Ā)=1
A A E , A A , E , E A B A B , A B A B , A A
Reglas de la adición o
Probabilidad de la diferencia de dos sucesos
Probabilidad de la unión de sucesos
Sucesos incompatibles:
Si AB = Ø y P(AB)=0 P(AB)=P(A)+P(B)
P A B P A B P A P A B
Sucesos compatibles: Si B⊆A, P(B)≤P(A), entonces P(A-B)=P(A)-P(B)
Si AB ≠ Ø y P(AB)≠0 P(AB)=P(A)+P(B)–P(AB)
P A P A B P A B
PB P A B P A B
P A B P A B 1 P A B
Si dos sucesos son incompatibles
8.1. Introducción
Es importante distinguir los conceptos de probabilidades matemáticas o clásicas de las
probabilidades experimentales o estadísticas. A través de la historia se han desarrollado tres
enfoques conceptuales diferentes para definir la probabilidad y determinar los valores de
probabilidad:
El enfoque de frecuencia relativa también llamado enfoque empírico.
El enfoque subjetivo.
En este tema, estudiaremos sólo la probabilidad clásica, si bien es importante conocer las otras
dos.
Ley de los grandes números: Si un experimento aleatorio se repite un número muy grande de
veces, y calculamos la frecuencia relativa de un suceso A, fr(A), la Ley de los grandes números asegura
que dicha frecuencia converge hacia un determinado valor que llamaremos probabilidad de A, P(A). Por
lo que el valor de la frecuencia relativa se aproximará a la medición probabilística P del evento A.
fA
P(A) ≈ f rA
N
Número de veces que ocurre el suceso A
Por tanto, P( A)
Número de veces que se realiza el exp erimento
Realizamos el experimento muchas veces y vamos anotando el número de caras que salen.
xi fi fri
8
10 8 0,8
10
42
100 42 0,42
100
557
1.000 557 0,557
1.000
4.969
10.000 4.969 0,4969
10.000
Donde xi es el número de lanzamientos de la moneda y f i es el número de caras que salen.
Decimos que el suceso A = «Sacar cara».
Ejemplo: En un bombo hay diez bolas numeradas del 0 al 9. Se repite 100 veces el experimento
extraer una bola y reemplazarla. Los resultados obtenidos fueron:
xi 0 1 2 3 4 5 6 7 8 9 Total
fi 7 13 11 12 8 10 12 6 10 11 100
A = «Múltiplo de 3»
B = «Número impar»
C = «Divisor de 6»
Para hallar la probabilidad, calculamos las frecuencias relativas de cada uno de los sucesos
elementales y, luego, las frecuencias relativas de los sucesos mencionados y sumamos las que componen
dichos sucesos:
xi 0 1 2 3 4 5 6 7 8 9 Total
fi 7 13 11 12 8 10 12 6 10 11 N = 100
fri 0,07 0,13 0,11 0,12 0,08 0,10 0,12 0,06 0,10 0,11 1
Ejemplo: Calcula la probabilidad de que al lanzar 2 monedas salga 1 cara, 2 caras o ninguna.
Hacerlo por la probabilidad experimental si lanzamos las monedas 10.000 veces y obtenemos los
siguientes resultados:
xi fi
0 caras 2.434
1 cara 5.078
2 caras 2.488
Total N = 10.000
Para hallar la probabilidad, calculamos las frecuencias relativas de cada uno de los sucesos
elementales:
xi fi fri
2.434
0 caras 2.434 P(0 caras) 0,2434
10.000
5.078
1 cara 5.078 P(1 cara) 0,5078
10.000
2.488
2 caras 2.488 P(2 caras) 0,2488
10.000
Total N = 10.000 1
La regla de Laplace dice que la probabilidad de que ocurra un suceso A es el cociente entre
el número de sucesos elementales que lo componen y el número total de sucesos elementales del espacio
muestral.
NOTA: A veces el número total de casos posibles de un experimento se calcula con las
técnicas de conteo de combinatoria.
NOTA:
Sucesos equiprobables son cuando los N posibles resultados tienen iguales probabilidades de
ocurrir, N resultados igualmente posibles, todos los resultados son igualmente posibles y
mutuamente excluyentes (no pueden ocurrir los dos resultados al mismo tiempo, incompatibles).
Por tanto, todos los posibles resultados tienen las mismas oportunidades de salir. Cuando tienen
la misma probabilidad de verificarse. Son cuando todos los sucesos tienen la misma
probabilidad.
1 1 1 1 N
P(E) = P(A1) + P(A2) + P(A3) + …… + P(AN) = ...... = 1
N N N N N
1
Donde P(A)= y N es el número total de sucesos elementales del espacio muestral .
N
Ejemplos:
1
En un dado perfecto de 6 caras, todos tienen la misma probabilidad de salir porque el
6
dado lanzado da la misma oportunidad a cada una de sus caras.
1
En una baraja completa de 40 cartas, todos tienen la misma probabilidad de salir porque
40
donde todas las posibles cartas tienen las mismas oportunidades de salir.
En una caja que contiene 7 bolas de diferentes colores y se saca una al azar, todas tienen la
1
misma probabilidad de salir porque cada una de las bolas tiene la misma oportunidad de
7
salir que otra cualquiera.
Son sucesos equiprobables pues cada suceso tiene igual probabilidad de salir.
Sucesos no equiprobables son cuando los N posibles resultados no tienen iguales probabilidades
de ocurrir, N resultados no igualmente posibles, todos los resultados no son igualmente posibles
y no mutuamente excluyentes (pueden ocurrir los dos resultados al mismo tiempo, compatibles).
Por tanto, alguno de los posibles resultados tiene mayor oportunidad de salir que los otros.
Cuando no tienen la misma probabilidad de verificarse.
Ejemplos:
El lanzamiento de un dado cargado, no todos tienen la misma probabilidad de salir.
No son sucesos equiprobables pues cada suceso está compuesto por un número distinto de
sucesos elementales.
Ejemplo (continuación): Calcula la probabilidad de que al lanzar 2 monedas salga 1 cara, 2 caras
o ninguna. Hacerlo por la probabilidad clásica.
Los sucesos elementales son equiprobables porque hay 4 posibles resultados y cada uno de ellos
1
con probabilidad de ocurrencia = . Hay igual probabilidad de que salga 1 cara, 2 caras o ninguna.
4
Para hallar la probabilidad, aplicamos la regla de Laplace a cada uno de los sucesos aleatorios:
Ejemplo: Carmen tiene una bolsa con 5 caramelos: 1 de menta, 2 de limón y 2 de fresa. Si
escoge un caramelo al azar, ¿cuál es la probabilidad de que sea de menta? ¿Y de limón? ¿Y de fresa?
Para hallar la probabilidad, aplicamos la regla de Laplace a cada uno de los sucesos aleatorios:
Ejemplo: En un aula, hay 17 chicos y 19 chicas. Se elige una persona al azar. Determina la
probabilidad de estos sucesos.
Los sucesos elementales son equiprobables porque hay 36 posibles resultados y cada uno de
1
ellos con probabilidad de ocurrencia = . Hay igual probabilidad de coger cualquier chico o chica.
36
Para hallar la probabilidad, aplicamos la regla de Laplace a cada uno de los sucesos aleatorios:
En el experimento de tirar un dado, los 6 posibles resultados son “igualmente posibles” (salvo
que el dado esté trucado) y “mutuamente excluyentes” (dos cualesquiera no pueden darse a la vez).
1
a) A = «Sacar el número 1» = { 1 } Número de casos favorables = 1 P( A)
6
1
b) B = «Sacar el número 2» = { 2 } Número de casos favorables = 1 P(B)
6
1
c) C = «Sacar el número 3» = { 3 } Número de casos favorables = 1 P(C)
6
1
d) D = «Sacar el número 4» = { 4 } Número de casos favorables = 1 P(D)
6
1
e) E = «Sacar el número 5» = { 5 } Número de casos favorables = 1 P(E)
6
1
f) F = «Sacar el número 6» = { 6 } Número de casos favorables = 1 P(F) =
6
2
g) G = «Sacar un número menor que 3» = { 1, 2 } Número de casos favorables = 2 P(G)
6
4
h) H = «Sacar un divisor de 6» = { 1, 2, 3, 6 } Número de casos favorables = 4 P(H)
6
3
i) I = «Sacar un número par» = { 2, 4, 6 } Número de casos favorables = 3 P(I)
6
3
j) J = «Sacar un número impar» = { 1, 3, 5 } Número de casos favorables = 3 P(J)
6
3
Sabemos que la P(I) y que J es el suceso contrario de I, entonces utilizamos la fórmula de
6
3 63 3
la probabilidad del suceso contrario P(J)= P(I ) =1-P(I)= 1 .
6 6 6
Ejemplo: En un dado, se suprime la cara 6 y se añade otra cara 1. ¿Cuál es el espacio muestral?
¿Son los sucesos elementales equiprobables? ¿Puedes calcular su probabilidad?
Para hallar la probabilidad, aplicamos la regla de Laplace a cada uno de los sucesos aleatorios:
Ejemplo: Una urna contiene bolas del mismo tamaño pintadas de distintos colores: 3 amarillas, 5
rojas y 6 verdes. Si se extrae una bola al azar:
b) ¿Son equiprobables los sucesos «Bola amarilla», «Bola roja» o «Bola verde»?
Los sucesos elementales no son equiprobables porque hay 3 posibles resultados y cada suceso
está compuesto por un número distinto de sucesos elementales. El suceso Amarilla está compuesto por
3
tres sucesos elementales, por lo que su probabilidad de ocurrencia = ; el suceso Roja por 5 sucesos
14
5 6
elementales, por lo que ; y el suceso V por 6 sucesos elementales, por lo que . No hay igual
14 14
probabilidad de salir una bola amarilla, roja o verde.
Para hallar la probabilidad, aplicamos la regla de Laplace a cada uno de los sucesos aleatorios:
Ejemplo: Un surtido de dulces contiene seis mentas, cuatro chicles y tres chocolates. Si una
persona hace una selección aleatoria de uno de estos dulces, calcula la probabilidad de:
Solución:
Llamamos:
Ejemplos:
La probabilidad de que haya un terremoto en Puerto Rico antes del 2.000 es casi cero.
9. PROBABILIDAD CONDICIONADA
9.1. Definición
La probabilidad condicionada trata de medir en términos de probabilidad el grado en que un
suceso puede implicar la ocurrencia de otro.
La probabilidad condicionada se basa en el concepto de frecuencia relativa de un suceso.
Sea un experimento aleatorio en el que hay dos sucesos A y B. La probabilidad condicionada del
suceso B respecto del suceso A indica la probabilidad de que ocurra el suceso B sabiendo que ha
ocurrido el suceso A.
P( A B)
P( B / A) siempre que P( A) 0
P( A)
ó
P( B A)
P( A / B) siempre que P( B) 0
P( B)
P(B/A) se lee como “probabilidad de B condicionado a A” o “P(B dado A)”.
Solución:
Llamamos:
B al suceso «Obtener un 1»
La probabilidad pedida es P( B / A) .
Llamamos B/A al suceso «Obtener un 1 si se sabe que es impar».
1
B = «Obtener un 1» = { 1 } Número de casos favorables = 1 P( B)
6
3
A = «Obtener un número impar» = { 1, 3, 5 } Número de casos favorables = 3 P( A)
6
Solución:
a) La probabilidad de que un avión llegue a tiempo, dado que salió a tiempo es P(A/D).
P( D A) 0,78
P ( A / D) 0,94
P ( D) 0,83
b) La probabilidad de que un avión saliera a tiempo, dado que llegó a tiempo es P(D/A).
P( A D) 0,78
P( D / A) 0,95
P( A) 0,82
La regla de la intersección es la regla del producto de las probabilidades. Se conoce como ley
de la multiplicación.
P( A B)
P( B / A) P( A B) P( A) P( B / A)
P( A)
ó
P( B A)
P( A / B) P( B A) P( B) P( A / B)
P( B)
P(B/A)=P(B) P(AB)=P(A)·P(B)
P(B/A)≠P(B) P(AB)=P(A)·P(B/A)
Siendo:
NOTA: Para averiguar si un suceso depende o no de otro, se aplican las siguientes reglas:
Ejemplo: De dos sucesos A y B sabemos que P(Ā) = 0,48 ; P(AB) = 0,82 ; P(B) = 0,42.
a) ¿Son A y B incompatibles?
b) ¿Son A y B independientes?
Solución:
a) Para calcular si los sucesos A y B son incompatibles, hay que hallar P(AB) y P(A).
b) Para calcular si los sucesos A y B son independientes, hay que hallar P(A)·P(B) y P(AB), y,
luego, ver que son iguales.
P( B A) 0,12
P( A / B) 0,29
P( B) 0,42
Ejemplo: Teniendo en cuenta que A y B son dos sucesos tales que P(Ā) = 0,5 ; P(AB) = 0,12 ;
P(AB) = 0,82.
a) ¿Son A y B incompatibles?
b) ¿Son A y B independientes?
c) ¿Cuánto vale P( B / A) ?
Solución:
P A P A B P A B ; P( A B) P A P A B 0,5 0,12 0,38
P( A B) 0,38
P( B / A) 0,76
P( A) 0,5
Probabilidad condicionada
P( A B)
P( B / A) siempre que P( A) 0
P( A)
ó
P( B A)
P( A / B) siempre que P( B) 0
P( B)
Sucesos independientes:
11.1. Introducción
En los experimentos aleatorios compuestos disponemos de algunas herramientas muy útiles
para determinar el espacio muestral, que son:
Diagrama de árbol.
Podemos pensar que el experimento consiste en tres fases: lanzar una moneda, luego otra y,
finalmente, la tercera.
1
Probabilidad de sacar cara en una moneda: P(C )
2
1
Probabilidad de sacar cruz en una moneda: P()
2
1 1 1 1 1
C ( C, C, C ) P(C , C , C )
2 2 2 2 8
C
1 1 1 1 1 1
2 2 + ( C, C, + ) P(C , C ,)
2 2 2 8
C
1 1 1 1 1 1
C ( C, +, C ) P(C ,, C )
2 2 2 2 2 8
1
+
2 1
1 1 1 1
2 + ( C, +, + ) P(C ,,)
2 2 2 8
1 1 1 1 1
C ( +, C, C ) P(, C , C )
2 2 2 2 8
1 C
2 1 1
1 1 1 1
2 2 + ( +, C, + ) P(, C ,)
2 2 2 8
+
1 1 1 1 1 1
C ( +, +, C ) P(,, C )
2 2 2 2 2 8
+
1
1 1 1 1
2 + ( +, +, + ) P(,,)
2 2 2 8
Ahora, sólo tenemos que calcular la probabilidad de los dos sucesos que nos piden.
3
a) A = «Sacar una sola cruz» = { CC+, C+C, +CC } Número de casos favorables = 3 P(A)
8
También se podría calcular de otra forma.
La probabilidad es igual a la suma de las probabilidades de los diferentes caminos .
1 1 1 3
P( A) P(CC) P( C C) P( CC)
8 8 8 8
b) B = «Sacar una cara o más» = { CCC, CC+, C+C, C++, +CC, +C+, ++C } Número de casos
7
favorables = 7 P(B)
8
También se podría calcular de otra forma.
1
Sabemos que la P(C) con C = «Sacar todo cruces» = { +++ } Número de casos
8
favorables = 1
NOTA: Las tablas de contingencia también se pueden usar con probabilidades, con frecuencias
relativas y con porcentajes.
A B Total
a P( A a ) P( B a ) P(a)
b P( A b) P( B b) P(b)
Una tabla de contingencia con probabilidades, para dos sucesos A y B y sus contrarios, se
distribuye de la forma siguiente:
A Ā Total
B P( A B) P( A B) P(B)
B P( A B) P( A B) P(B)
Ejemplo: La encuesta sobre el agrado del fútbol en la TV según los sexos entre alumnos/as de
14 y 18 años es el siguiente:
196
Probabilidad de que los alumnos/as sean varones: P( A)
334
138
Probabilidad de que los alumnos/as sean mujeres: P( B)
334
187
Probabilidad de que a los alumnos/as les guste el fútbol: P(C )
334
147
Probabilidad de que a los alumnos/as no les guste el fútbol: P ( D)
334
145
a) Probabilidad de que siendo varón (A) le guste el fútbol (C) P(C / A)
196
51
b) Probabilidad de que siendo varón (A) no le guste el fútbol (D) P( D / A)
196
42
c) Probabilidad de que siendo mujer (B) le guste el fútbol (C) P(C / B)
138
96
d) Probabilidad de que siendo mujer (B) no le guste el fútbol (D) P( D / B)
138
145
e) Probabilidad de que gustándole el fútbol (C) sea varón (A) P( A / C )
187
42
f) Probabilidad de que gustándole el fútbol (C) sea mujer (B) P( B / C )
187
145
P( A C ) 334 145
P(C / A)
P( A) 196 196
334
b) Probabilidad de que siendo varón (A) no le guste el fútbol (D):
51
P( A D) 334 51
P( D / A)
P( A) 196 196
334
c) Probabilidad de que siendo mujer (B) le guste el fútbol (C):
42
P( B C ) 334 42
P(C / B)
P( B) 138 138
334
d) Probabilidad de que siendo mujer (B) no le guste el fútbol (D):
96
P( B D) 334 96
P( D / B)
P( B) 138 138
334
e) Probabilidad de que gustándole el fútbol (C) sea varón (A):
145
P( A C ) 334 145
P( A / C )
P(C ) 187 187
334
f) Probabilidad de que gustándole el fútbol (C) sea mujer (B):
42
P( B C ) 334 42
P( B / C )
P(C ) 187 187
334
Ejemplo: Se ha seguido la pista a 100.000 coches, durante un año, de tres marcas: de Seat,
50.000 ; de Volvo, 20.000 ; de Audi, 30.000. El número que han tenido accidente ( AC ) de cada marca
es: de Seat, 400 ; de Volvo, 200 ; de Audi, 400. Se elige un coche al azar. Hallar las siguientes
probabilidades:
Solución: Las dos características son tener accidente y la marca. Los datos se distribuyen en la
siguiente tabla de contingencia:
400
P( Seat AC ) 100.000 400 4
a) P( Seat / AC ) 0,4
P( AC ) 1.000 1.000 10
100.000
200
P( AC Volvo) 100.000 200 2
b) P( AC / Volvo) 0,01
P(Volvo) 20.000 20.000 200
100.000
1.000 1
c) P( AC ) 0,01
100.000 100
30.000 3
d) P( Audi ) 0,3
100.000 10
400
P( AC Seat ) 100.000 400 4
a) P( AC / Seat ) 0,008
P( Seat ) 50.000 50.000 500
100.000
200
P(Volvo AC ) 100.000 200 2
b) P(Volvo / AC ) 0,2
P( AC ) 1.000 1.000 10
100.000
400
P( Audi AC ) 100.000 400 4
c) P( Audi / AC ) 0,4
P( AC ) 1.000 1.000 10
100.000
400
P( AC Audi ) 100.000 400 4
d) P( AC / Audi ) 0,013
P( Audi ) 30.000 30.000 300
100.000
50.000 5
e) P( Seat ) 0,5
100.000 10
20.000 2
f) P(Volvo) 0,2
100.000 10
g) De entre P( AC / Volvo) 0,01 , P( AC / Audi ) 0,013 y P( AC / Seat ) 0,008 , la marca que
tiene menos AC es Seat con 0,008.
h) De entre P( AC / Volvo) 0,01 , P( AC / Audi ) 0,013 y P( AC / Seat ) 0,008 , la marca que
tiene más AC es Audi con 0,013333...
i) P( AC ) 0,01 y P( AC / Seat ) 0,008 0,01 0,008 AC y Seat son dependientes.
j) P( AC ) 0,01 y P( AC / Volvo) 0,01 0,01 = 0,01 AC y Volvo son independientes.
k) P( AC ) 0,01 y P( AC / Audi ) 0,013 0,01 0,01333… AC y Audi son dependientes.
En las experiencias compuestas por sucesivas extracciones pueden darse dos modalidades:
a) Extracciones con reemplazamiento: son aquellas en las que, después de cada extracción, el
elemento extraído se repone. De este modo, cada extracción se realiza en las mismas
condiciones que la anterior.
b) Extracciones sin reemplazamiento: las sucesivas extracciones se realizan sin devolver el
elemento anteriormente extraído. Las condiciones de cada extracción son distintas y dependen
de cuál o cuáles sean los elementos anteriormente extraídos .
Ejemplo: En una urna, hay 15 bolas rojas y 10 verdes. Extraemos dos bolas de la urna y
queremos hallar la probabilidad de que ambas sean rojas en los siguientes casos:
a) Devolviendo la primera bola extraída.
b) Sin devolverla.
Solución:
Representamos por:
R1 = «Obtener bola roja en la primera extracción»
15 15 225
15 Roja { Roja, Roja } P( R1 R2 )
25 25 25 625
Roja
15
10 15 10 150
25 25 Verde { Roja, Verde } P( R1 V2 )
25 25 625
10 15 150
15 Roja { Verde, Roja } P(V1 R2 )
10 25 25 25 625
25 Verde
10 10 10 100
25
Verde { Verde, Verde } P( R1 V2 )
25 25 625
15 15 225 9
Por tanto, P( R1 R2 ) con la regla del producto.
25 25 625 25
Otra forma, aplicando la fórmula: P(R1R2)=P(R1)·P(R2)
15 15 225 9
P( R1 R2 ) P( R1 ) P( R2 )
25 25 625 25
15 14
14 Roja { Roja, Roja } P( R1 R2 )
24 25 24
Roja
15
10 15 10
25 24 Verde { Roja, Verde } P( R1 V2 )
25 24
10 15
15 Roja { Verde, Roja } P(V1 R2 )
10 24 25 24
25 Verde
9 10 9
24
Verde { Verde, Verde } P( R1 V2 )
25 24
15 14 210 7
Por tanto, P( R1 R2 ) con la regla del producto.
25 24 600 20
Otra forma, aplicando la fórmula: P(R1R2)=P(R1)·P(R2/R1)
15 14 210 7
P( R1 R2 ) P( R1 ) P( R2 / R1 )
25 24 600 20
Ejemplo: Una urna contiene las siguientes cinco bolas: O, N, N, N, O. Se extrae una bola dos
veces seguidas y se escriben en una pizarra las letras obtenidas en el orden en que van apareciendo.
Hallar la probabilidad de obtener la palabra NO, en los siguientes casos:
Solución:
Representamos por:
El espacio muestral es E = { O, N }
Número total de casos posibles = 2 + 3 = 5
3 3
3 N { N, N } P( N1 N 2 )
5 5 5
N
3
2 3 2
5 5 O { N, O } P( N1 O2 )
5 5
2 3
3 N { O, N } P(O1 N 2 )
2 5 5 5
5 O
2 2 2
O { O, O } P(O1 O2 )
5 5 5
3 2 6
Por tanto, P( N1 O2 ) con la regla del producto.
5 5 25
Otra forma, aplicando la fórmula: P(N1O2)=P(N1)·P(O2)
3 2 6
P( N1 O2 ) P( N1 ) P(O2 )
5 5 25
3 2
2 N { N, N } P( N1 N 2 )
4 5 4
N
3
2 3 2
5 4 O { N, O } P( N1 O2 )
5 4
2 3
3 N { O, N } P(O1 N 2 )
2 4 5 4
5 O
1 2 1
O { O, O } P(O1 O2 )
4 5 4
3 2 6 3
Por tanto, P( R1 R2 ) con la regla del producto.
5 4 20 10
Otra forma, aplicando la fórmula: P(N1O2)=P(N1)·P(O2/N1)
3 2 6 3
P( N1 O2 ) P( N1 ) P(O2 / N1 )
5 4 20 10
Ejemplo: Extraemos de una baraja tres cartas. Hallar la probabilidad de que sean tres ases en
los siguientes casos:
Solución:
Representamos por:
4
40 As { As, As, As }
4 As
40 36 No As { As, As, No As }
As
40
4
As { As, No As, As }
4 36 40
40 No As
40
36 No As { As, No As, No As }
40
4
40 As { No As, As, As }
36 4 As
40 40 36 No As { No As, As, No As }
No As
40
4
40 As { No As, No As, As }
36
40 No As
36 No As { No As, No As, No As }
40
4 4 4 64 1
Por tanto, P( A1 A2 A3 ) con la regla del producto.
40 40 40 64.000 1.000
Otra forma, aplicando la fórmula: P(A1A2A3)=P(A1)·P(A2)·P(A3)
4 4 4 64 1
P( A1 A2 A3 ) P( A1 ) P( A2 ) P( A3 )
40 40 40 64.000 1.000
2
As { As, As, As }
38
3 As
39 36 No As { As, As, No As }
As 38
3
As { As, No As, As }
4 36 38
39 No As
40
35 No As { As, No As, No As }
38
3
38 As { No As, As, As }
36 4 As
40 39 35 No As { No As, As, No As }
No As
38
4
38 As { No As, No As, As }
35
39 No As
34 No As { No As, No As, No As }
38
4 3 2 24 1
Por tanto, P( A1 A2 A3 ) con la regla del producto.
40 39 38 59.280 2.470
Otra forma, aplicando la fórmula: P(A1A2A3)=P(A1)·P(A2/A1)·P(A3/A1A2)
4 3 2 24 1
P( A1 A2 A3 ) P( A1 ) P( A2 ) P( A3 )
40 39 38 59.280 2.470
A B A B P(A)=1-P(Ā)
Ā=E–A P(A)+P(Ā)=1
A A E , A A , E , E A B A B , A B A B , A A
Reglas de la adición o
Probabilidad de la diferencia de dos sucesos
Probabilidad de la unión de sucesos
Sucesos incompatibles:
Si AB = Ø y P(AB)=0 P(AB)=P(A)+P(B)
P A B P A B P A P A B
Sucesos compatibles: Si B⊆A, P(B)≤P(A), entonces P(A-B)=P(A)-P(B)
Si AB ≠ Ø y P(AB)≠0 P(AB)=P(A)+P(B)–P(AB)
P A P A B P A B
PB P A B P A B
fA
P(A) ≈ f rA
N
Número de veces que ocurre el suceso A
P( A)
Número de veces que se realiza el exp erimento
Regla de Laplace
Probabilidad condicionada
P( A B) P( B A)
P( B / A) siempre que P( A) 0 ó P( A / B) siempre que P( B) 0
P( A) P( B)
P(B/A) se lee como “probabilidad de B condicionado a A” o “P(B dado A)”.
P Ai P( A1 ) P( A2 ) ... P( An ) P( Ai )
n n
Sucesos incompatibles:
i 1 i 1
i 1 i 1 i 1 i 1 i 1
i j i j k
16.1. Definición
Sean A1, A2, …, An sucesos incompatibles 2 a 2 y de probabilidad no nula P(A i)≠0, tales que
A1A2…An=E (la unión es el espacio muestral). Si B es un suceso en E, entonces:
P( B) P Ai B P( A1 B) P( A2 B) ... P( An B)
n
i 1
n n
P( B) P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ... P( An ) P( B / An ) P( Ai )·P( B / Ai ) P( Ai B)
i 1 i 1
El teorema se utiliza para calcular probabilidades asociadas a sucesos cuya ocurrencia dependa
de la ocurrencia de un sistema completo de sucesos.
17.1. Introducción
El teorema de Bayes corresponde a la siguiente situación:
17.2. Definición
El teorema de Bayes es un reparto proporcional de la probabilidad sobre un sistema completo
de sucesos.
Sean A1, A2, …, An sucesos incompatibles 2 a 2 y de probabilidad no nula P(A i)≠0, tales que
A1A2…An=E (la unión es el espacio muestral). Si B es un suceso en E de probabilidad no nula P(B)≠0,
entonces:
P Ai B P Ai P( B / Ai )
P( Ai / B) con P( B) 0
PB P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 ) ... P( An ) P( B / An )
Donde:
19.1. Definición
La distribución geométrica es la probabilidad de que k ensayos sean necesarios para obtener un
éxito; es decir, la probabilidad de que haya k-1 fallos antes del primer éxito.
Hay independencia entre los ensayos del experimento.
P(A)+P(Ā)=1 p+q=1
P A1 , A2 ,..., Ak 1 , A P A1 P A2 ... P Ak 1 P A 1 p
k 1
q1