Cuadernillo 6 (Probabilidades)

Estadística I
Cuadernillo N° 6
ANÁLISIS
COMBINATORIO
Y
PROBABILIDADES
Análisis Combinatorio
I. ANÁLISIS COMBINATORIO
1. DEFINICIONES PREVIAS
Antes de llegar a la definición de probabilidad, es sumamente importante tener
presente algunas definiciones y conceptos que serán utilizados con mucha frecuencia
en este texto.
1.1. EXPERIMENTO ALEATORIO

Es toda operación cuyo resultado no se puede predecir con certeza, es
decir, es toda operación que no queda únicamente determinada ya que
puede tener varios resultados posibles y no podemos asegurar la
ocurrencia específica de alguno de ellos.
Para que un experimento pueda ser considerado aleatorio, debe cumplir con las
siguientes condiciones:
i. Debe ser posible repetirlo un número indeterminado de veces, bajo las mismas
condiciones.
ii. Debe ser posible describir todos sus posibles resultados.
iii. Debe ser posible asociarlo a un modelo matemático*.
Por ejemplo, cuando lanzamos una moneda al aire, está ocurriendo un experimento
aleatorio porque no sabemos con certeza que resultado se obtendrá. Puede ser que
al caer la moneda se obtenga CARA o puede ser que se obtenga SELLO.
Además, podemos decir que este experimento tiene las siguientes características:
puede ser repetido un número ilimitado de veces, se pueden describir sus posibles
resultados y también, como veremos más adelante, sus resultados se podrán asociar
a un modelo matemático.
* En este texto no será posible probar esta condición, pero todos los ejercicios que desarrollemos
cumplirán esta condición.
www.grupolamatriz.com -3-
1.2 ESPACIO MUESTRAL ()

Es el conjunto de todos los resultados posibles de un experimento
aleatorio. Generalmente se le representa con la letra griega omega (Ω).
En un experimento aleatorio a cada resultado posible se le denomina punto
muestral. El espacio muestral, es el conjunto de todos los puntos muestrales.
Dependiendo de su número de elementos, un espacio muestral se puede clasificar de
dos maneras:
1.2.1 ESPACIO MUESTRAL FINITO: Aquel que tiene un número finito de

resultados.
Por ejemplo, si se lanza consecutivamente una moneda dos veces, una tras
otra, el espacio muestral será:  = {C1C2, C1S2, S1C2, S1S2} → E.M. Finito.
OBSERVACIÓN: Todo espacio muestral finito es un conjunto NUMERABLE,
pues se pueden numerar sus posibles resultados, pero NO necesariamente
un espacio muestral NUMERABLE es FINITO.
1.2.2 ESPACIO MUESTRAL INFINITO: Aquel que tiene un número ilimitado de

resultados.
Este a su vez se puede clasificar de dos maneras:
i. E.M.I. NUMERABLE.
Aquel cuyos resultados posibles se pueden asociar a un número natural,
es decir, cuyos resultados se pueden numerar uno a uno.
Por ejemplo, si lanzamos al aire consecutivamente una moneda hasta que
obtengamos CARA, el espacio muestral será:
 = {C1, S1C2, S1S2C3, S1S2S3C4,…}
Como podemos ver, se puede obtener cara en el primer lanzamiento, o en
el segundo, o en el tercero, y así sucesivamente, es decir, se pueden
numerar los resultados, pero son infinitos.
-4- www.grupolamatriz.com
ii. E.M.I. NO NUMERABLE.

Aquel cuyos resultados posibles no se pueden asociar a un número
natural.
Por ejemplo, si en un día determinado se registra el importe pagado por
ITF de todas las operaciones bancarias de las ventanillas de un banco, el
conjunto de resultados posibles puede tomar cualquier valor de un
intervalo de valores, esto lo hace infinito y además NO numerable.
 = {x / x = ITF de todas las operaciones bancarias, x  R+}
También podemos ver la clasificación de esta manera.
Finito Numerable
Espacio Muestral E.M. Discreto

Numerable
Infinito
No numerable E.M. Continuo
¿Cómo se puede describir un espacio muestral?
1.3 EVENTO O SUCESO

Es una característica relativa a un experimento aleatorio que involucra a uno o
más elementos del espacio muestral.
También podemos decir que un evento es aquel conjunto de elementos,
subconjunto de un espacio muestral que satisfacen una característica particular.
Los eventos se identifican con letras mayúsculas.
Por ejemplo, si se lanza un dado, el espacio muestral correspondiente será:
Ω = {1, 2, 3, 4, 5, 6}
Luego, si se definen los eventos A = {Se obtiene un número par} y B = {Se obtiene
un número impar}, podemos decir que estarán formados por los siguientes
elementos:
A = {2, 4, 6} ; B = {1, 3, 5}
Los eventos, de acuerdo a la relación entre ellos, se pueden clasificar de la siguiente

manera:
1.3.1 EVENTOS MUTUAMENTE EXCLUYENTES.
Dos eventos son mutuamente excluyentes si no tienen elementos
en común.
Es decir, los eventos A y B de Ω son mutuamente excluyentes si: A  B = 
Observación 1:
Tres eventos A, B y C de Ω son mutuamente excluyentes entre sí, sí y solo si
se cumple que: A  B = ; B  C = ; A  C = .
Observación 2:
Si tres eventos son mutuamente excluyentes entonces: A  B  C = .
Observación 3:
Si: A  B  C = , no necesariamente los eventos A, B y C son
mutuamente excluyentes entre sí.
1.3.2 EVENTOS COLECTIVAMENTE EXHAUSTIVOS.

Los eventos A1, A2, A3, …, Ak de Ω son colectivamente exhaustivos si su
unión es el espacio muestral. Es decir: A1 U A2 U A3 U …U Ak = 
Nota: Los eventos involucrados pueden ser o no, mutuamente excluyentes.
1.3.3 EVENTOS COMPLEMENTARIOS.

Dos eventos son complementarios si son, a la vez, mutuamente excluyentes
y colectivamente exhaustivos. Es decir, los eventos A y B son
complementarios si: A  B =  y A U B = .
A = Bl B = Al
Observación:
Si A y B son eventos complementarios se dice que A es el complemento de
B y viceversa.
Se puede expresar de la siguiente manera: A = Bl = BC y B = Al = AC.
Podemos decir que: A  Al = ; A U Al = Ω.
Ejercicio #1:
Si se lanza una vez un dado legal, el espacio muestral será:  = {1, 2, 3, 4, 5, 6}
Si además definimos los eventos:
A = Se obtiene un número par  A = {2, 4, 6}
B = Se obtiene un número impar  B = {1, 3, 5}
C = Se obtiene un número mayor a 2  C = {3, 4, 5, 6}
D = Se obtiene un número menor a 4  D = {1, 2, 3}
E = Se obtiene un número primo  E = {2, 3, 5}
a) ¿Cuáles son mutuamente excluyentes? Respuesta: A y B

b) ¿Cuáles son colectivamente exhaustivos? Respuesta: A y B; C y D
c) ¿Cuáles son complementarios? Respuesta: A y B
1.4 PARTICIÓN DE UN ESPACIO MUESTRAL

Los eventos A1, A2, A3, . . .., Ak, forman una partición de un espacio muestral ,
si cumplen las siguientes condiciones, es decir, si son:
i. Mutuamente excluyentes: Ai  Aj = ø;  i≠j

k
ii. Colectivamente exhaustivos:  Ai = 
i=1
iii. Diferentes del vacío y/o diferentes de Ω: Ai ≠ ø, Ai ≠ Ω
Observación 1:
Si A y B son dos eventos que forman una partición de Ω, entonces son complementarios.
Observación 2:
Si A y B son eventos complementarios, entonces no necesariamente forman una partición.
Observación 3:
Si A y B son eventos complementarios y diferentes del vacío, entonces forman una partición.
Observación 4:
Los eventos A, B y C forman una partición de Ω, si y solo si se cumplen todas las siguientes
condiciones:
i. A  B = ø ii. B  C = ø iii. A  C = ø iv. A U B U C = Ω

Observación 5:
Si A, B y C forman una partición de Ω, entonces se cumple que:
i. n(A U B U C) = n(A) + n(B) + n(C) = n(Ω)

ii. P[A U B U C] = P[A] + P[B] + P[C] = 1
Ejercicio #2:
Suponga que se tiene una caja C1, que contiene 5 esferas de color rojo y 4 esferas
de color negro, y otra caja C2, que contiene 6 esferas de color rojo y 5 esferas de
color negro. Si se elige al azar una caja y de ella se extraen al azar dos esferas, una
tras otra, sin devolución y se establecen los eventos:
F = {No se elige esfera alguna de color rojo}
H = {No se elige esfera alguna de color negro}
J = {Se elige una esfera de cada color}
Los eventos F, H y J, ¿forman una partición de Ω?
2. ANÁLISIS COMBINATORIO
Es un conjunto de procedimientos que nos permite determinar el número de
resultados posibles que puede tener un suceso o evento, sin tener que efectuar un
conteo uno a uno de todos los posibles resultados del mismo.
El análisis combinatorio está basado en dos principios:
2.1 PRINCIPIO DE ADICIÓN:

Cuando existen dos sucesos o eventos A y B que tienen n(A) y n(B) resultados
posibles respectivamente, el número de resultados posibles de la ocurrencia del
evento A o B, está dado por:
n(A U B) = n(A) + n(B) – n(A  B)
Siendo n(A  B) el número de resultados posibles de la ocurrencia simultánea

de los eventos A y B.
Ejercicio #3:
¿De cuántas maneras se puede escoger un As o una espada al elegir al azar
una carta de un juego de naipes?
Observación 1:
Si los eventos A y B no pueden ocurrir simultáneamente, es decir, si A y B son
mutuamente excluyentes (AB=), entonces:
n(A U B) = n(A) + n(B)
Observación 2:
El principio de adición se puede extender a más de dos eventos.
Dados los eventos A, B y C se cumple que:
n(A U B U C) = n(A) + n(B) + n(C) – n(AB) – n(BC) – n(AC) + n(ABC)
Observación 3:
Si A, B y C son eventos mutuamente excluyentes, entonces:
n(A U B U C) = n(A) + n(B) + n(C)
Ejercicio #4:
¿De cuántas maneras se puede elegir un As o una espada o un número impar,
al elegir al azar una carta de un juego de naipes?
2.2 PRINCIPIO DE MULTIPLICACIÓN:

Suponga que un proceso consta de una sucesión de dos eventos consecutivos.
Sea n1 el número de resultados posibles del primer evento y n2 el número de
resultados posibles del segundo evento. Entonces, el número total de
resultados posibles n que tiene la ocurrencia consecutiva de estos dos eventos,
está dado por:
n = n1  n2
Nota: Este principio se puede extender si ocurren más de dos eventos en

un mismo proceso.
Ejercicio #5:
Dos caminos unen las ciudades A y B, cuatro unen a B y C y cinco unen a C y
D. Suponiendo que las ciudades A, B, C y D están ubicadas en forma
consecutiva y se desea conducir desde la ciudad A hasta la ciudad D.
¿Cuántas rutas diferentes son posibles?
Consecuencia del Principio de Multiplicación:

El número total de resultados posibles que se pueden obtener luego de “k”
experimentos consecutivos, si cada uno de ellos sucede de “r” maneras
diferentes, está dado por:
n=r k
Ejercicio #6:
¿Cuántos resultados posibles se obtienen en el lanzamiento de un dado
consecutivamente cuatro veces?
2.3 MUESTREO ALEATORIO SIMPLE

Una elección al azar es un proceso mediante el cual se eligen de manera
arbitraria, elementos de un conjunto, es decir, no participan las preferencias del
investigador.
Un muestreo es una selección de elementos para formar una muestra. Un
muestreo puede ser aleatorio o no aleatorio.
Un muestreo aleatorio es aquel en el que la selección de los elementos se
realiza al azar. En este caso se forma una muestra aleatoria.
Un muestreo no aleatorio es aquel en el que la selección de los elementos
no se realiza al azar, sino en forma dirigida.
Muestreo Aleatorio Simple es aquel en el que la muestra se elige
directamente de la población, sin ninguna restricción.
Cuando se tiene que elegir más de un elemento, el muestreo puede ser
realizado de dos maneras: con reemplazo o sin reemplazo.
2.3.1 MUESTREO ALEATORIO CON REEMPLAZO, CON REPOSICIÓN O CON

REPETICIÓN (MCR).
Es aquel en el que la elección de los elementos se lleva a cabo uno
tras otro (uno por uno), y cada vez que se elige un elemento, éste es
devuelto al grupo de elementos y por lo tanto tiene la posibilidad de ser
elegido nuevamente.
En un muestreo con reemplazo, el orden de la elección o de los
resultados es importante.
2.3.2 MUESTREO ALEATORIO SIN REEMPLAZO, SIN REPOSICIÓN O SIN

REPETICIÓN (MSR).
Es aquel en el que los elementos elegidos ya no pueden ser devueltos
al grupo de elementos o simplemente que ya no es posible que se
vuelvan a elegir.
La elección de los elementos no necesariamente se lleva a cabo uno por
uno.
Cuando el muestreo es sin reemplazo, el interés en el orden de los

elementos depende del enunciado del ejercicio, es decir, se puede
hacer una selección al azar sin reemplazo, con interés en el orden de
los elementos o sin interés en el orden de los elementos.
Si la elección se lleva a cabo uno tras otro, significa que el orden de la

selección es importante. Si la elección al azar es sin reemplazo y con
interés en el orden de los elementos, se dice que se está buscando las
permutaciones de tales elementos.
Si la elección al azar es sin reemplazo y sin interés en el orden de los

elementos, se dice que se está buscando las combinaciones de tales
elementos.
Ejercicio #7:
Dados cuatro elementos: A, B, C y D; si elegimos al azar de 2 elementos se
pueden presentar los siguientes casos:
MCR (con orden):

 = {AA, AB, AC, AD, BA, BB, BC, BD, CA, CB, CC, CD, DA, DB, DC, DD}
MSR (con orden):

 = {AB, AC, AD, BA, BC, BD, CA, CB, CD, DA, DB, DC}
MSR (sin orden):

 = {AB, AC, AD, BC, BD, CD}
2.4 PERMUTACIONES
Son todos los posibles resultados que se pueden obtener de un muestreo
aleatorio, sin reemplazo y con interés en el orden de los elementos.
El conjunto de resultados posibles son las permutaciones u ordenaciones de
tales elementos.
Así, por ejemplo, sean los elementos a, b, c; todas las permutaciones u
ordenaciones posibles de los 3 elementos tomados de 2 en 2 son:
 = {ab, ba, ac, ca, bc, cb}
Si tenemos “n” elementos diferentes y queremos elegir al azar, sin reemplazo y

con interés en el orden “r” elementos (r  n), estamos buscando las
permutaciones u ordenaciones de tales elementos.
El número de permutaciones u ordenaciones que se pueden obtener con
n elementos distintos tomados de r en r a la vez está dado por:
n!
Prn =
(n - r)!
Algunas relaciones importantes en las permutaciones:

P0n = 1, P1n = n, Pnn = n!, Pnn−1 = Pnn
Ejercicio #8:
Un club tiene 10 miembros; los cargos de presidente, vicepresidente, secretario
y tesorero deben ser cubiertos y ningún miembro puede servir en más de un
cargo. ¿Cuántas listas diferentes de candidatos se pueden formar?
Nota: El número de permutaciones que se pueden lograr con los n elementos

de un conjunto de n elementos, está dado por:
Pnn = n!
Ejercicio #9:
¿Cuántas palabras diferentes se pueden formar con todas las letras de la
palabra JUEGO, sin que importe su significado?
PERMUTACIONES CON ELEMENTOS QUE SE REPITEN:

Es el conjunto de arreglos o disposiciones diferentes que se pueden formar
cuando algunos de los “n” elementos son iguales entre sí. El número de
permutaciones de los “n” elementos, de los cuales son iguales entre sí: n 1, n2,
n3,.......,nk, está dado por:
n!
Pn =
n1 ,n2 ,......,nk n1 ! n 2 !......n k !
Ejercicio #10:
¿Cuántas palabras diferentes se pueden formar con las letras de la palabra
REMEMBER?
Observación:
El número de permutaciones es un caso particular del principio de
multiplicación.
Ejercicio #11:
¿Cuántos números diferentes de 3 cifras se pueden formar con las cifras 1, 2, 3,
4 y 5?
2.5. COMBINACIONES
Son todos los posibles resultados o subconjuntos de que se pueden obtener de
un muestreo aleatorio, sin reemplazo y sin interés en el orden de los elementos.
El conjunto de resultados posibles son las combinaciones o subconjuntos de
tales elementos.
Así, por ejemplo, sean los elementos a, b, c, d; todas las combinaciones
posibles de los 4 elementos:
i. Tomados de 2 en 2 son:  = {ab, ac, ad, bc, bd, cd}

ii. Tomados de 3 en 3 son:  = {abc, abd, acd, bcd}
iii. Tomados de 4 en 4 son:  = {abcd}
Si tenemos “n” elementos diferentes y queremos elegir al azar, sin reemplazo y

sin interés en el orden “r” elementos (r  n), estamos buscando las
combinaciones de tales elementos.
El número de combinaciones que se pueden obtener con n elementos
distintos tomados de r en r a la vez está dado por:
n!
Cnr =
r!(n - r)!
Algunas relaciones importantes con las combinaciones son:

Cn0 = 1, C1n = n, Cnn = 1, Cnn−1 = n, Cnn−r = Crn
Ejercicio #13:
¿De cuántas maneras se puede elegir 4 colores diferentes de una paleta con 12
colores diferentes?
Observación:
Existe una relación entre la fórmula de Permutaciones y la de Combinaciones:
n n! 1 n! 1 n Prn
C =
r = = .Pr =  Prn = Cnr .r!  Prn = Crn.Prr
r!(n-r)! r! (n-r)! r! r!
Esto significa que, cuando se realiza la permutación de r elementos de un

conjunto de n elementos, es equivalente a elegir al azar y sin reemplazo a los r
elementos de los n elementos y luego permutarlos.
Ejercicio #14:
Suponga que tenemos un lote de 10 artículos de los cuales 3 presentan fallas.
Si elegimos al azar y sin reemplazo, uno tras otro, dos artículos, determine el
número de casos posibles para los siguientes eventos:
i. A = Los dos sean defectuosos.
ii. B = Uno de ellos sea defectuoso.
Ejercicio #15:
¿Cuántos partidos de fútbol se pueden programar en la primera fecha de un
campeonato con 12 equipos, si todos los equipos juegan contra todos solo una
vez?
Ejercicio # 16:
Si de un grupo de 10 personas, de las cuales 4 son hombres, se eligen al azar,
sin reemplazo y uno tras otro, 2 personas, determine de cuantas maneras se
puede elegir a una mujer.
II. PROBABILIDAD EN ESPACIOS MUESTRALES FINITOS
1. INTRODUCCIÓN
En la mayoría de situaciones comerciales y de negocios, se han de tomar
decisiones sin tener toda la información necesaria; por ello, todo lo que se haga
para reducir la incertidumbre en esta toma de decisiones, aumentará la
probabilidad de que sea la más inteligente. Es por esta razón que diremos que
actualmente, en el campo comercial y de los negocios, la teoría de la probabilidad
cumple un papel muy importante.
Comenzaremos esta segunda parte, preguntándonos ¿qué es una probabilidad?
En palabras sencillas podríamos decir que una probabilidad es una medida de la
posibilidad de la ocurrencia de algún suceso o evento del cual no se conoce con
certeza su resultado.
En términos más formales podríamos decir que una probabilidad es un número real
entre 0 y 1 que nos indica el nivel de confianza o incertidumbre de la ocurrencia de
un suceso o evento cuyo resultado no se puede predecir con certeza.
2. DEFINICIONES DE PROBABILIDAD
Utilizaremos tres formas para definir la probabilidad de un evento.
2.1 DEFINICIÓN CLÁSICA
Si un experimento aleatorio E tiene n() resultados mutuamente
excluyentes e igualmente probables y si un evento A del espacio muestral
 tiene n(A) elementos; entonces, la probabilidad de que ocurra el evento
A es igual a la razón entre el número de casos favorables al evento A y el
número total de casos posibles del experimento, es decir:
número de casos favorables al evento
P  evento  =
número total de casos del exp erimento
n(A)
Esto es: PA  =
n()
Esta definición solo es aplicable a los espacios muestrales finitos.
Probabilidades
2.2 DEFINICIÓN POR FRECUENCIAS RELATIVAS

Si un experimento se repite muchas veces (n) bajo las mismas condiciones y
n(A) resultados se registran a favor del evento A, la frecuencia relativa del
evento A está dada por: fr = n(A)/n y la probabilidad de que ocurra el evento A
está dada por:

n(A)
P  A   Lím fr(A)  Lím
n→ n→ n
Es decir, se está estimando la probabilidad de que el evento ocurra nuevamente

basado en datos que ya se han observado.
DIFERENCIAS ENTRE LA DEFINICIÓN CLÁSICA Y POR FRECUENCIAS

RELATIVAS
CLÁSICA FRECUENCIAS RELATIVAS
1. La probabilidad de un evento se 1. La probabilidad de un evento se
determina sin ejecutar el experimento. estima luego de repetir el experimento
muchas veces.
2. La probabilidad es un valor exacto. 2. La probabilidad es un valor
aproximado.
3. Todos los resultados tienen la 3. No necesariamente todos los
misma probabilidad de ocurrencia. resultados tienen las mismas
posibilidades.
2.3 DEFINICIÓN AXIOMÁTICA

Si el espacio muestral de un experimento aleatorio es  y A es un evento
cualquiera de , entonces el número real P[A] es llamado probabilidad de
ocurrencia del evento A si cumple las siguientes condiciones:
i. P [A]  0 Si P[A] = 0 entonces A =  (evento imposible)

ii. P [A]  1 Si P[A] = 1 entonces A =  (evento seguro, certeza)
iii. Si A1, A2, A3, …, Ak son k eventos mutuamente excluyentes de  es
k  k
decir: Ai  Aj =  (ij), entonces: PA1UA 2UA 3U....UAk  = P  U Ai  =  PAi 
i =1  i =1
Probabilidades
Ejercicio #1:
Suponga que en una caja hay 5 artículos de los cuales 3 están en buen estado
(B) y los otros están con fallas (D).
1.1. Si se elige al azar un artículo de dicha caja, ¿cuál es la probabilidad que

éste sea defectuoso?
1.2. Si se eligen al azar y con reemplazo dos artículos, ¿cuál es la probabilidad

que uno sea defectuoso?
1.3. Si se eligen al azar y con reemplazo dos artículos, ¿cuál es la probabilidad

de que los dos sean B?
1.4. Si se eligen al azar y sin reemplazo dos artículos, ¿cuál es la probabilidad

que uno sea defectuoso?
1.5. Si se eligen al azar y sin reemplazo dos artículos, ¿cuál es la probabilidad

de que al menos uno sea D?
1.6. Si se eligen al azar y sin reemplazo, uno tras otro, dos artículos, ¿cuál es
la probabilidad que uno de ellos sea defectuoso?
1.7. Si se eligen al azar y sin reemplazo, uno tras otro, dos artículos, ¿cuál es
la probabilidad que los dos sean B?
1.8. Si se eligen al azar y sin reemplazo, dos artículos, ¿cuál es la probabilidad

de que el segundo sea D?
1.9. Si se eligen al azar y sin reemplazo, uno tras otro, 3 artículos, ¿cuál es la
probabilidad de que dos de ellos sean B?
1.10. Si se eligen al azar y con reemplazo 3 artículos, ¿cuál es la probabilidad de

que el tercero sea D?
Probabilidades
2.4 PROPIEDADES DE PROBABILIDAD

1. Si A y B son dos eventos cualesquiera de , se cumple que:
P[AUB] = P[A] + P[B] – P[AB]
Observación:
Si A y B son eventos mutuamente excluyentes, se cumple:
P[AUB] = P[A] + P[B]
2. Si A, B y C son eventos cualesquiera de , se cumple que:

P[AUBUC] = P[A] + P[B] + P[C] – P[AB] – P[AC] – P[BC] + P[ABC]
3. Si A y B son eventos complementarios en , se cumple que:

P[Bl] = P[A] = 1– P[B] y P[Al] = P[B] = 1 – P[A]
Se dice además que A es el complemento de B y viceversa.

Algunas veces es necesario denotar el complemento de A como A l y el de
B como Bl.
4. Si A, B y C son colectivamente exhaustivos, se cumple que:

P[AUBUC] = 1
5. Si A, B y C son mutuamente excluyentes, se cumple que:

P[AUBUC] = P[A] + P[B] + P[C]
6. Si A, B y C son mutuamente excluyentes y colectivamente exhaustivos, se

cumple que:
P[AUBUC] = P[A] + P[B] + P[C] = 1
Probabilidades
Ejercicio #2:
Suponga que en un momento determinado en la biblioteca de la universidad hay 50
usuarios entre profesores y alumnos de ambos sexos, como se muestra en el
cuadro.
Hombres Mujeres Total

Profesores 18 8 26
Alumnos 10 14 24
Total 28 22 50
Si se elige al azar a uno de ellos, determine la probabilidad de que se trate de un

profesor o que sea una mujer.
Ejercicio #3:
En un aula de clase hay 48 alumnos, de los cuales 22 llevan estudian inglés (I), 20
van al gimnasio (G), y 25 llevan Fotografía (F) como paraacadémico. Además, se
sabe que 6 realizan las actividades I y G; 11 realizan las actividades G y F, y 10
realizan las actividades I y F. Si hay tantos alumnos que llevan las tres actividades,
como alumnos que no lleva ninguna de ellas, determine la probabilidad de que un
alumno elegido al azar realice solo una de dichas actividades.
Probabilidades
3. PROBABILIDAD CONDICIONAL
3.1 DEFINICIÓN
Si A y B son dos eventos de un mismo espacio muestral Ω, la probabilidad
condicional de que ocurra el evento A dado que ocurrió el evento B, está dada
por:
P A  B 
P[ A / B ] = , B no es vacío.
P B 
Donde el evento B es llamado “espacio muestral restringido”.
Nota: La probabilidad condicional de que ocurra el evento B dado que ocurrió

el evento A, está dada por:
P A  B 
P[ B / A ] = , A no es vacío.
P A 
Esto quiere decir que en general:

P[ A / B ]  P[ B / A ] y además P[ A  B ] = P[ B  A ]
Ejercicio #4:
Se lanza un dado legal, ¿cuál es la probabilidad que se obtenga un número par
si se sabe que se obtuvo un número mayor a 3?
Ejercicio #5:
Se elige una carta de una baraja, ¿cuál es la probabilidad que sea un As, si se
sabe que es una carta de corazones?
Ejercicio #6:
En una caja se tienen 4 bolas rojas, 5 bolas azules y 7 bolas blancas; si se
eligen al azar y sin reemplazo 3 bolas, ¿cuál es la probabilidad que las tres sean
rojas si se sabe que no son azules?
Probabilidades
3.2 PROPIEDADES DE LA PROBABILIDAD CONDICIONAL

1. 0≤P[A/B]≤1
2. P[ Ω / B ] = 1, B es un evento de Ω
3. P[ A / Ω ] = P[ A ], A es un evento de Ω
4. P [ (A U B) /C ] = P [ A / C ] + P[ B / C ] - P [ ( A  B) /C ]
5. Si A1, A2, A3, …, Ak, son k eventos mutuamente excluyentes de Ω y B
es otro evento cualquiera de Ω, entonces:
k k
P[ U Ai / B ] =  P [ Ai / B ]
i= 1 i =1
6. Si A y B son dos eventos de un espacio muestral finito Ω, se cumple

que:
PA  B n( A  B)
P[A/B]= =
P[B] n(B)
3.3 TEOREMA DE MULTIPLICACIÓN DE PROBABILIDADES

Se utiliza para hallar la probabilidad de ocurrencia simultánea de dos o más
eventos de un mismo .
Si A, B y C son eventos de un mismo espacio muestral Ω, se cumple que:
1. P[ A  B ] = P [ A ] . P [ B / A ] ó P[ A  B ] = P [ B ] . P [ A / B ]
2. P [A  B  C] = P[ A  B ] . P[C / A  B] = P [ A ].P [ B / A ].P [C / A  B]
Ejercicio #7:
Suponga que en una empresa el 70% de trabajadores son estables y el resto
eventuales, y de los que son estables el 80% está conforme con su situación
laboral, mientras que el otro 20% no lo está; además se sabe que de los
eventuales solo el 40% está conforme, los restantes no lo están. Determine la
probabilidad que un trabajador elegido al azar sea eventual y no esté contento
con su situación laboral.
Probabilidades
3.4 TEOREMA DE PROBABILIDAD TOTAL

Sean A1, A2, …, Ak, eventos que forman una partición del espacio muestral Ω; y
sea B otro evento cualquiera de Ω. Luego, la probabilidad que ocurra el
evento B se puede obtener de la siguiente manera:
P[ B ] = P [(B  A1) U (B  A2) U . . . U (B Ak)]

P[ B ] = P [B  A1] + P [ B  A2] + . . . + P [ B Ak]
k k
P[ B ] =  P [ B  Ai ] =  P [Ai] . P[ B / Ai ]
i =1 i =1
Ejercicio #8:
eventuales solo el 40% está conforme, los restantes no lo están. Halle la
probabilidad de que un trabajador elegido al azar esté conforme con su
situación laboral.
3.5 TEOREMA DE BAYES

Sean los eventos A1, A2, …, Ak, los cuales forman una partición del espacio
muestral Ω; luego para cualquier otro evento no nulo B de Ω, se cumple que:
P[A i  B] P[A i ].P[B / A i ]
P [ Ai / B ] = =
P[B] k
 P[A i ].P[B / A i ]
i =1
Ejercicio #9:
eventuales solo el 40% está conforme, los restantes no lo están. Halle la
probabilidad de que un trabajador sea estable si se sabe que no está contento.
Probabilidades
3.5 EVENTOS INDEPENDIENTES

Dos eventos A y B de un espacio muestral Ω, se dice que son independientes
entre sí, si la ocurrencia de uno de ellos no afecta a la probabilidad de la
ocurrencia del otro y viceversa; esto quiere decir:
P[ A / B ] = P[ A ] si P[B] > 0
P[ B / A ] = P[ B ] si P[A] > 0
Como consecuencia de esta definición se puede concluir que dos eventos A y B

de Ω son independientes entre sí, si y solo si, se cumple que:
P[A  B] = P[ A ] P[ B ]
Observación 1:
Si la probabilidad del evento A es independiente de la ocurrencia del evento B,
entonces la probabilidad del evento B, es independiente de la ocurrencia del
evento A.
En este caso se dice que A y B son mutuamente independientes.
Observación 2:
Si dos eventos no son independientes, se dice que son eventos
dependientes.
Observación 3:
Si A es independiente de B y B es independiente de C, entonces no
necesariamente A es independiente de C.
Observación 4:
Si dos eventos son independientes, se dice que no están correlacionados.
Probabilidades
Definición
Tres eventos A, B y C de un espacio muestral Ω, se dice que son
mutuamente independientes, si y solo si se cumple que:
i. P [A  B] = P [A]. P[ B ]
ii. P [B  C] = P [B]. P[ C ]
iii. P [A  C] = P [A]. P[ C ]
iv. P [A  B  C] = P [A]. P [ B ] . P[ C ]
TEOREMA 1
Si A y B son eventos independientes, también lo son:
i. A y Bl  P [ A Bl ] = P [ A ] . P [ Bl ]
ii. Al y B  P [ Al B ] = P [ Al ] . P [B]

iii. Al y Bl  P [ AlBl] = P [ Al ] . P [ Bl ]
TEOREMA 2
Si A y B son eventos de Ω, diferentes del vacío y mutuamente excluyentes,
entonces son dependientes.
Es decir: A ≠  , B ≠  y A  B =  P [A  B] ≠ P [A].P[B]
TEOREMA 3
Si A y B son eventos de Ω, diferentes del vacío e independientes, entonces no
son mutuamente excluyentes.
Es decir: A ≠  , B ≠  y P [A  B] = P [A].P[B]  A  B ≠ 
TEOREMA 4
Si dos eventos de un mismo Ω son mutuamente excluyentes, entonces pueden
ser independientes.
TEOREMA 5
Si A y B son eventos independientes de Ω, se cumple que:
i. P [AUB] = 1 – P [Al].P [Bl]
ii. P [AUB] = P [A] + P [B] – P [A].P [B]

Cuadernillo 6 (Probabilidades)

Caricato da

Informazioni sul documento

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Cuadernillo 6 (Probabilidades)

Caricato da

Copyright:

Formati disponibili

Estadística I

1.1. EXPERIMENTO ALEATORIO

1.2 ESPACIO MUESTRAL ()

1.2.1 ESPACIO MUESTRAL FINITO: Aquel que tiene un número finito de

1.2.2 ESPACIO MUESTRAL INFINITO: Aquel que tiene un número ilimitado de

ii. E.M.I. NO NUMERABLE.

También podemos ver la clasificación de esta manera.

Espacio Muestral E.M. Discreto

¿Cómo se puede describir un espacio muestral?

1.3 EVENTO O SUCESO

Los eventos, de acuerdo a la relación entre ellos, se pueden clasificar de la siguiente

1.3.2 EVENTOS COLECTIVAMENTE EXHAUSTIVOS.

1.3.3 EVENTOS COMPLEMENTARIOS.

a) ¿Cuáles son mutuamente excluyentes? Respuesta: A y B

1.4 PARTICIÓN DE UN ESPACIO MUESTRAL

i. Mutuamente excluyentes: Ai  Aj = ø;  i≠j

iii. Diferentes del vacío y/o diferentes de Ω: Ai ≠ ø, Ai ≠ Ω

i. A  B = ø ii. B  C = ø iii. A  C = ø iv. A U B U C = Ω

i. n(A U B U C) = n(A) + n(B) + n(C) = n(Ω)

El análisis combinatorio está basado en dos principios:

2.1 PRINCIPIO DE ADICIÓN:

n(A U B) = n(A) + n(B) – n(A  B)

Siendo n(A  B) el número de resultados posibles de la ocurrencia simultánea

n(A U B) = n(A) + n(B)

n(A U B U C) = n(A) + n(B) + n(C) – n(AB) – n(BC) – n(AC) + n(ABC)

n(A U B U C) = n(A) + n(B) + n(C)

2.2 PRINCIPIO DE MULTIPLICACIÓN:

Nota: Este principio se puede extender si ocurren más de dos eventos en

Consecuencia del Principio de Multiplicación:

2.3 MUESTREO ALEATORIO SIMPLE

2.3.1 MUESTREO ALEATORIO CON REEMPLAZO, CON REPOSICIÓN O CON

2.3.2 MUESTREO ALEATORIO SIN REEMPLAZO, SIN REPOSICIÓN O SIN

Cuando el muestreo es sin reemplazo, el interés en el orden de los

Si la elección se lleva a cabo uno tras otro, significa que el orden de la

Si la elección al azar es sin reemplazo y sin interés en el orden de los

MCR (con orden):

MSR (con orden):

MSR (sin orden):

Si tenemos “n” elementos diferentes y queremos elegir al azar, sin reemplazo y

Algunas relaciones importantes en las permutaciones:

Nota: El número de permutaciones que se pueden lograr con los n elementos

PERMUTACIONES CON ELEMENTOS QUE SE REPITEN:

i. Tomados de 2 en 2 son:  = {ab, ac, ad, bc, bd, cd}

Si tenemos “n” elementos diferentes y queremos elegir al azar, sin reemplazo y

Algunas relaciones importantes con las combinaciones son:

Esto significa que, cuando se realiza la permutación de r elementos de un

Esta definición solo es aplicable a los espacios muestrales finitos.

2.2 DEFINICIÓN POR FRECUENCIAS RELATIVAS

está dada por:

Es decir, se está estimando la probabilidad de que el evento ocurra nuevamente

DIFERENCIAS ENTRE LA DEFINICIÓN CLÁSICA Y POR FRECUENCIAS

2.3 DEFINICIÓN AXIOMÁTICA

i. P [A]  0 Si P[A] = 0 entonces A =  (evento imposible)

1.1. Si se elige al azar un artículo de dicha caja, ¿cuál es la probabilidad que

1.2. Si se eligen al azar y con reemplazo dos artículos, ¿cuál es la probabilidad

1.3. Si se eligen al azar y con reemplazo dos artículos, ¿cuál es la probabilidad

1.4. Si se eligen al azar y sin reemplazo dos artículos, ¿cuál es la probabilidad

1.5. Si se eligen al azar y sin reemplazo dos artículos, ¿cuál es la probabilidad

1.8. Si se eligen al azar y sin reemplazo, dos artículos, ¿cuál es la probabilidad

1.10. Si se eligen al azar y con reemplazo 3 artículos, ¿cuál es la probabilidad de

2.4 PROPIEDADES DE PROBABILIDAD

2. Si A, B y C son eventos cualesquiera de , se cumple que:

3. Si A y B son eventos complementarios en , se cumple que:

Se dice además que A es el complemento de B y viceversa.