Teorı́a de la Probabilidad*

Por: SUÁREZ AZPUR, Fredy Rafael

Agosto de 2016

1. Preliminares
Los desarrollos teóricos en matemáticas surgen al establecer axiomas que son proposiciones que
asumimos como verdaderas sin necesidad de demostrarlo, luego vienen las definiciones y teoremas que
son la base fundamental de tales teorı́as. En algunas definiciones dotamos con un nombre a ciertos
entes y las proposiciones que se utilizan son del tipo bicondicional. Los teoremas son proposiciones
verdaderas que requieren de una previa demostración para aceptarlas como tal, algunos teoremas
contienen en su enunciado proposiciones condicionales y otros proposiciones bicondicionales. Existen
entes que no poseen definición alguna, solo se tiene una idea de ellos; como por ejemplo el conjunto,
el punto, la recta, el plano.

1.1. Teorı́a de conjuntos

Acerca de conjunto no existe definición alguna, solo se entenderá que es una colección de lo que
sea, por decirlo. Si A es un conjunto y x es un integrante de la colección que constituye el conjunto
A, entonces diremos que x es un elemento del conjunto A o que x pertenece al conjunto A y lo
denotaremos por x ∈ A. Cuando cada elemento del conjunto A es un elemento del conjunto B diremos
que el conjunto A está contenido en el conjunto B y lo denotaremos por A ⊂ B. Dos conjuntos A y
B son iguales si cada elemento del conjunto A es un elemento del conjunto B y cada elemento del
conjunto B es un elemento del conjunto A. Existe un conjunto especial ∅ el cual no posee elementos
y se denomina el conjunto vacı́o. Los primeros resultados que salen a la luz son que el conjunto vacı́o
esta contenido en cualquier conjunto que existe y que cualquier conjunto está contenido es si mismo,
es decir, ∅ ⊂ A y A ⊂ A, para cualquier conjunto A.

1.1.1. Operaciones con conjuntos

Dado dos conjuntos A y B definimos los conjunto A ∪ B, A ∩ B y A − B ası́:
1 El conjunto A ∪ B, denominado la unión de A con B, está constituido por todos los elementos
que son del conjunto A o del conjunto B.
2 El conjunto A ∩ B, denominado la intersección de A con B, está constituido por todos los
elementos que son del conjunto A y del conjunto B. Los elementos del conjunto A ∩ B son los
elementos comunes de los conjuntos A y B.
3 El conjunto A−B, denominado la diferencia de A con B, está constituido por todos los elementos
del conjunto A que no son elementos del conjunto B.

*
Esta guı́a es un resumen del contenido teórico que se desarrollará en clase. Los ejercicios que aquı́ se presentan serán
solo para el desarrollo en clase. El estudiante debe recurrir a la bibliografı́a señalada en el silabo para profundizar el
contenido teórico.

1
 Teorı́a de la Probabilidad

1.1.2. Álgebra de conjuntos

Las operaciones con conjuntos que se definieron satisfacen varias propiedades, la lista de tales
propiedades se denomina

ÁLGEBRA DE CONJUNTOS

Unión. i7) Si A ⊂ C y B ⊂ D, entonces A∩B ⊂ C∩D

u1) A ∪ A = A (Idempotencia) i8) Si A ⊂ B, entonces A ∩ B = A
u2) A ∪ ∅ = A (Elemento neutro) i9) P (A ∩ B) = P (A) ∩ P (B)
u3) A ∪ B = B ∪ A (Conmutativa) Unión e intersección.
u4) (A ∪ B) ∪ C = A ∪ (B ∪ C) (Asociativa)
ui1) A ∪ (B ∩ C) = (A ∪ B) ∩ (B ∪ C) (dis-
u5) A ⊂ A ∪ B y B ⊂ A ∪ B tributiva)

u6) Si A ∪ B = ∅, entonces A = ∅ y B = ∅ ui2) A ∩ (B ∪ C) = (A ∩ B) ∪ (B ∩ C) (dis-

tributiva)
u7) Si A ⊂ B, entonces A ∪ C ⊂ B ∪ C, ∀
conjunto C ui3) A ∩ (A ∪ B) = A (absorción)
u8) Si A ⊂ B, entonces A ∪ B = B ui4) A ∪ (A ∩ B) = A (absorción)
Intersección. Diferencia.
i1) A ∩ A = A (Idempotencia)
d1) A − A = ∅
i2) A ∩ ∅ = ∅
d2) A − ∅ = A
i3) A ∩ B = B ∩ A (Conmutativa)
d3) ∅ − A = ∅
i4) (A ∩ B) ∩ C = A ∩ (B ∩ C) (Asociativa)
d4) (A − B) ⊂ A
i5) A ∩ B ⊂ A y A ∩ B ⊂ B
d5) A − B = (A ∪ B) − B = A − (A ∩ B)
i6) Si A ⊂ B, entonces A ∩ C ⊂ B ∩ C, ∀
conjunto C d6) B ∩ (A − B) = ∅

1.1.3. Conjunto potencia

Al conjunto cuyos únicos elementos son todos los subconjuntos de A se le denomina el conjunto
potencia de A y lo denotaremos por 2A . n o
Por ejemplo si A = {1, 2, 3}, entonces 2A = ∅; A; {1}; {2}; {3}; {1, 2}; {2, 3}; {1, 3} .
Un conjunto finito es aquel cuyos elementos se pueden contar, es decir si los mencionamos uno
a uno a sus elementos en algún momento terminamos con ellos. El conjunto vacı́o es también un
conjunto finito. Los conjuntos que no son finitos se denominan conjuntos infinitos. Un ejemplo simple
N
de conjunto finito es el siguiente {1, 2, 3, · · · , n}, pero los siguientes conjuntos [0, 1], = {1, 2, 3, · · · },
ZR Q
, , son conjuntos infinitos.
Si A es un conjunto finito que posee n elementos entonces su conjunto potencia posee 2n elementos.

1.1.4. Partición de un conjunto

Sea A un conjunto no vacı́o cuyo conjunto potencia es 2A . Diremos que X es una partición del
conjunto A si X es un subconjunto de 2A − {∅}, cualquier par de elementos diferentes de X tienen
intersección vacı́a y la unión de todos los elementos de X es igual al conjunto A.

UNSCH 2 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Entendamos esta definición con un gráfico y luego con un ejemplo.

? X = {A1 , A2 , A3 , A4 , A5 , A6 }
A
A1 A2 A3 ? Cada Ai es un subconjunto no vacı́o de A

? Cada Ai y cada Aj no tienen elementos en

común, para todo i 6= j.
A6 A4
A5
6
[
? Ai = A1 ∪ A2 ∪ A3 ∪ A4 ∪ A5 ∪ A6 = A
i=1

Ejemplo 1.
Si A = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; una partición del conjunto A es
n o
X = {1}; {2}; {3}; {4, 5}; {6, 7}; {8, 9, 10} .

Otras particiones del mismo conjunto son

n o
? X1 = {1, 2, 3}; {4, 5}; {6, 7, 8}; {9, 10} ,
n o
? X2 = {1, 2}; {3}; {4}; {5, 6, 7, 8}; {9, 10} ,
n o
? X3 = {1, 2, 3, 4}; {5}; {6}; {7}; {8}; {9, 10} y
n o
? X4 = {1}; {2}; {3}; {4}; {5}; {6}; {7}; {8}; {9}; {10} , etc.

1.2. Teorı́a de funciones

Consideremos dos conjuntos no vacı́os A y B. Una función de A en B, denotada por f : A −→ B,
es la asociación de cada elemento del conjunto A con un único elemento del conjunto B.
El conjunto A es el dominio de la función f y el conjunto B es el contradominio de la función f .
Si x ∈ A al único elemento del conjunto B que le corresponde lo denotaremos por f (x) y se denomina
la imagen de x vı́a la función f .
Si M es un subconjunto de A definimos a la imagen de M vı́a la función f por

f (M ) = {f (x) ∈ B/x ∈ M }.

Si M = A, entonces f (M ) = f (A), al conjunto f (A) se le denomina el rango de la función f : A −→ B.

Gráficamente
f
f ( A)
A B
f (M)
M
x f (x)

UNSCH 3 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

1 La función f : A −→ B es sobreyectiva si f (A) = Ran (f ) = B.

2 La función f : A −→ B es inyectiva si dados a 6= b en A, se obtiene f (a) 6= f (b) en B.

3 La función f : A −→ B es biyectiva si sobreyectiva e inyectiva.

Ejemplo 2.
R
Sea la función f : h3, 7] −→ definida por f (x) = 2x + 3.
R
Resulta de inmediato que Dom (f ) = A = h3, 7], B = , Ran (f ) = h9, 17]; además es una
función inyectiva, pero no sobreyectiva pues Ran (f ) 6= B.

Ejemplo 3.
Sea la función f : [5, 12] −→ [15, 36] definida por f (x) = 3x.
Resulta de inmediato que Dom (f ) = A = [5, 12], B = [15, 36], Ran (f ) = [15, 36]; además
es una función inyectiva y sobreyectiva pues Ran (f ) = B. Por lo tanto es una función
biyectiva. La regla de correspondencia de la función de este ejemplo es f (x) = 3x, esta regla
nos ayuda a determinar la imagen de cada elemento del dominio de la función, por ejemplo
si x = 7, f (x) = 21.

Los siguiente ejemplos muestran a funciones que poseen varias reglas de correspondencia.

Ejemplo 4.
Sea la función f : A −→ R definida por:


 0 , si −5 ≤ x < −3;
 1 , si −3 < x < 1;
f (x) =

 2x − 3 , si 1 ≤ x < 5;
 p
9 − (x − 8)2 , si 5 ≤ x ≤ 11.

Analicemos dicha función

Solución:

1 Si −5 ≤ x < −3, entonces f (x) = 0.

2 Si −3 < x < 1, entonces f (x) = 1.
3 Si 1 ≤ x < 5, entonces f (x) = 2x − 3.
p
4 Si 5 ≤ x ≤ 11, entonces f (x) = 9 − (x − 8)2 .

5 En la regla de correspondencia ya se puede apreciar al dominio de la función, ası́ tenemos

A = Dom (f ) = [−5, −3i ∪ h−3, 1i ∪ [1, 5i ∪ [5, 11]

= [−5, −3i ∪ h−3, 11].

6 Los conjuntos [−5, −3i, h−3, 1i, [1, 5i y [5, 11] extraı́dos de la regla de correspondencia de la
función, tienen su correspondiente imagen vı́a la función y son

UNSCH 4 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

   
a) f [−5, −3i = {0} c) f [1, 5i = [−1, 7i
   
b) f h−3, 1i = {1} d ) f [5, 11] = [0, 3]

El rango de la función es

f (A) = Ran (f ) = {0} ∪ {1} ∪ [−1, 7i ∪ [0, 3]

= [−1, 7i.

7 La función no es sobreyectiva pues su rango es diferente a su contradominio R. Esto es suficiente

para afirmar que la función no es biyectiva.
8 La función no es inyectiva pues dados a = −4 y b = 5, dos elementos diferentes del dominio
p
resultan f (a) = f (−4) = 0, f (b) = f (5) = 9 − (5 − 8)2 = 0 con la misma imagen.

Ejemplo 5.
Sea la función f : R −→ R definida por:

 1 , si −10 ≤ x < 0;
f (x) = x , si 0 ≤ x ≤ 10;
0 , en otro caso.


Analicemos dicha función

Solución:

1 El dominio de la función es R.
2 Si −10 ≤ x < 0, entonces f (x) = 1.
3 Si 0 ≤ x ≤ 10, entonces f (x) = x.
4 el significado del término “otro caso” es completar a todo el dominio R
de la función con
algún o algunos conjuntos, en los items anteriores ya se tiene al conjunto [−10, 10] entonces su
complemento es h−∞, −10i ∪ h10, +∞i .
5 Si x < −10 o si x > 10, entonces f (x) = 0.
6 El rango de la función es Ran (f ) = [0, 10].

7 La función no es sobreyectiva ni inyectiva.

UNSCH 5 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

2. Introducción a la probabilidad.
2.1. Experimento, espacio muestral y evento.

En la década de los 90 en Perú las placas de los automóviles eran del tipo CP − 5669 contenı́an
dos letras y 4 dı́gitos. ¿Cuántas placas en total se podı́an imprimir en aquel tiempo?. Las placas constan
de 6 posiciones que son ocupadas por letras y números, la primera posición es ocupada por una de
las 27 letras del alfabeto, la segunda posición es ocupada por una de las 27 letras del alfabeto, la
tercera posición es ocupada por un dı́gito, la cuarta posición es ocupada por un dı́gito, la quinta
posición es ocupada por un dı́gito y la sexta posición es ocupada por un dı́gito; asumiendo que los
dı́gitos son 0, 1, 2, 3, 4, 5, 6, 7, 8 y 9. Entonces el número total de placas que se imprimirán es
27 × 27 × 10 × 10 × 10 × 10 = 7 290 000.

Definición 1 (experimento aleatorio).

Un experimento aleatorio es todo proceso que consiste de la ejecución de un acto (o prueba)
una o más veces, cuyo resultado en cada prueba depende del azar y en consecuencia no se
puede predecir con certeza. Tales resultados pueden ser datos cualitativos o cuantitativos.

Algunos ejemplos de experimentos aleatorios son:

1 Lanzar un dado y observar el número que aparece en la parte superior.

2 Lanzar una moneda y observar el sı́mbolo que aparece en la parte superior.

3 Lanzar tres monedas de colores diferentes y observar el sı́mbolo que aparece en la parte inferior.

4 Lanzar una moneda y un dado luego observar el número y el sı́mbolo que aparece en la parte
inferior.
5 Tocar sin ver con una aguja un tablero de ajedrez y ver qué color de casillero se obtuvo.

6 Tocar sin ver con una aguja un tablero de ajedrez y ver que casillero se obtuvo, asumiendo que
se fijó un sistema de coordenadas.
7 Jugar con dardos al tiro al blanco y ver en qué región se acierta.

1
2
3
4
5
6
7
8
A B C D E F G H

Definición 2 (Espacio muestral).

Al realizar un experimento aleatorio, su espacio muestral es el conjunto que consiste de
todos los resultados posibles de tal experimento.

1 Al espacio muestral de cualquier experimento aleatorio lo denotaremos por Ω.

UNSCH 6 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

2 El espacio muestral Ω de un experimento aleatorio es un conjunto no vacı́o.

3 El espacio muestral Ω de un experimento aleatorio puede ser un conjunto finito o un conjunto

infinito.
4 Un resultado particular de un experimento aleatorio se llamará punto muestral.

Citemos algunos ejemplos de experimentos aleatorios y sus respectivos espacios muestrales:

1 Experimento: Lanzar un dado y observar el número que aparece en la parte superior. El espacio
muestral asociado a este experimento es
n o
Ω= , , , , , .

2 Experimento: Lanzar una moneda y observar el sı́mbolo que aparece en la parte superior. El
espacio muestral asociado a este experimento es

Ω = { Cara, Sello }.

3 Experimento: Lanzar una moneda tres veces y observar la serie de sı́mbolos que aparecen en la
parte superior. El espacio muestral asociado a este experimento es (asumir C: cara, S: sello)

Ω = {CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS}.

4 Experimento: Lanzar una moneda hasta que aparezca cara (C) y contar cuantas veces se lanzó dicha
moneda. El espacio muestral asociado a este experimento es

Ω = {1, 2, 3, 4, · · · }.

Este espacio muestral es infinito, pero numerable.

5 Experimento: Lanzar dardos a un cı́rculo de radio r = 5 (figura anterior) y anotar las coordenadas
del punto que se picó. El espacio muestral asociado a este experimento si el centro del cı́rculo es
el origen de coordenadas es

R
.
Ω = {(x, y) ∈ 2 x2 + y 2 ≤ 52 }.

Este espacio muestral es infinito no numerable.

2.1.1. Clasificación de los espacios muestrales

1 Espacios muestrales discretos finitos, cuando son conjuntos finitos.

2 Espacios muestrales discretos infinitos, cuando son conjuntos infinitos numerables.

3 Espacios muestrales continuos, cuando son conjuntos infinitos no numerables.

Observación:
Para que usted tenga la idea de conjuntos infinitos numerables y no numerables, solo
N R N
compare a los conjuntos = {1, 2, 3, · · · } y . El conjunto de los números naturales en un conjunto
infinito numerable. El conjunto de los números reales Ren un conjunto infinito no numerable.

Definición 3 (Evento).
Al realizar un experimento aleatorio y obtener su espacio muestral Ω, definimos como evento
a cualquier subconjunto del espacio muestral Ω.

UNSCH 7 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Observaciones:

1 Si Ω = {w1 , w2 , · · · , wn } es un espacio muestral finito con “n” elementos, entonces el número

total de eventos que posee Ω es 2n .
2 El conjunto vacı́o es un evento llamado evento imposible

3 Los eventos unitarios o elementales son aquellos que constan de un solo elemento.

4 El espacio muestral Ω es también un evento denominado evento seguro o cierto.

A continuación presentamos algunas definiciones asociadas a eventos.

1 Se dice que un evento A ocurre si A es diferente del conjunto vacı́o, es decir si al menos posee
un punto muestral.
2 Se dice que un evento A no ocurre si A = ∅

3 Se dice que un evento A es un subevento del evento B si toda vez que ocurre A, entonces ocurre
también B. Lo simbolizaremos por A ⊂ B.
4 Los eventos A y B son iguales si A ⊂ B y B ⊂ A.

5 Se denomina el complemento del evento A al evento que consta de todos los puntos muestrales
que no están en A. Al complemento del evento A lo denotaremos por A0 .

2.1.2. Operaciones con eventos:

Si A y B son eventos asociados a un experimento aleatorio cuyo espacio muestral es Ω, entonces
A ∪ B, A ∩ B, A − B, A0 son eventos asociados al mismo experimento aleatorio, que son definidos por:
.
1 A ∪ B = {w ∈ Ω w ∈ A ∨ w ∈ B}.
.
2 A ∩ B = {w ∈ Ω w ∈ A ∧ w ∈ B}.
.
3 A − B = {w ∈ Ω w ∈ A ∧ w∈
/ B}.
.
4 A0 = {w ∈ Ω w ∈
/ A}.

5 Dos eventos A y B son mutuamente excluyentes si A ∩ B = ∅. Generalizando: La colección A1 ,

A2 , A3 , · · · , An de eventos son mutuamente excluyentes si Ai ∩ Aj = ∅, para todo i 6= j.
6 Consideremos dos experimentos aleatorios cuyos espacios muestrales son Ω1 y Ω2 . Si A es un
evento asociado al primer experimento aleatorio y B es un evento asociado al segundo experi-
mento aleatorio, entonces A × B es un evento asociado al experimento aleatorio compuesto. Al
evento A × B se denomina el producto cartesiano de los eventos A y B y se define por
.
A × B = {(a, b) a ∈ A ∧ b ∈ B}.

UNSCH 8 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Ejemplo 6.
Presentamos un ejemplo de un experimento aleatorio compuesto
Sea EXP1 el experimento aleatorio que consiste en lanzar un dado y ver el resultado que
aparece en la parte superior,
sea EXP2 el experimento aleatorio que consiste en lanzar una moneda y ver el resultado
que aparece en la parte superior.
1 El espacio muestral asociado al experimento compuesto EXP1 EXP2 es
n
Ω1 × Ω2 = (1, C); (2, C); (3, C); (4, C); (5, C); (6, C);
o
(1, S); (2, S); (3, S); (4, S); (5, S); (6, S)

Sea A = {2, 4, 6} un evento asociado al experimento aleatorio EXP1 , sea B = {C} un

evento asociado al experimento aleatorio EXP2 , entonces

A × B = {(2, C); (4, C); (6, C)}.

es un evento asociado al experimento compuesto EXP1 EXP2 .

2 El espacio muestral asociado al experimento compuesto EXP2 EXP1 es
n
Ω2 × Ω1 = (C, 1); (C, 2); (C, 3); (C, 4); (C, 5); (C, 6);
o
(S, 1); (S, 2); (S, 3); (S, 4); (S, 5); (S, 6)

Sea A = {1, 3, 5} un evento asociado al experimento aleatorio EXP1 , sea B = {C} un

evento asociado al experimento aleatorio EXP2 , entonces

B × A = {(C, 1); (C, 3); (C, 5)}.

es un evento asociado al experimento compuesto EXP2 EXP1 .

ÁLGEBRA DE EVENTOS

Suponemos que A, B y C son eventos asociados a un experimento aleatorio cuyo espacio muestral es
Ω, las operaciones con eventos definidas anteriormente satisfacen las siguientes propiedades:

1 A∪A=A 10 A ∩ Ω = A

2 A∩A=A 11 Ω0 = ∅
3 A∪B =B∪A
12 ∅0 = Ω
4 A∩B =B∩A
13 (A0 )0 = A
5 A ∪ A0 = Ω
14 A ∪ (B ∩ C) = (A ∪ B) ∩ (B ∪ C)
6 A ∩ A0 = ∅
15 A ∩ (B ∪ C) = (A ∩ B) ∪ (B ∩ C)
7 A∪∅=A

8 A∩∅=∅ 16 (A ∩ B)0 = A0 ∪ B 0

9 A∪Ω=Ω 17 (A ∪ B)0 = A0 ∩ B 0

UNSCH 9 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

2.2. Técnicas de conteo

2.2.1. Principio Fundamental del Conteo:
Si un evento E1 se realiza de n1 maneras y un segundo evento E2 de n2 maneras, entonces el
número de maneras en que los eventos pueden realizarse en el orden indicado es n1 · n2 . Los eventos
ocurren uno a continuación de otro, originando un evento compuesto.
Si un evento E1 ocurre de n1 maneras y otro E2 ocurre de n2 maneras, el número de maneras en
que puede ocurrir el evento E1 o el evento E2 es n1 + n2 .

Ejemplo 7.
1 Supóngase que la placa de un automóvil en E.E.U.U. consta de dos letras diferentes
seguidas de tres dı́gitos de los cuales el primero no es cero. ¿Cuántas placas se fab-
ricarán en total?.
El alfabeto en inglés consta de 26 letras. La primera letra puede colocarse de 26 man-
eras, la segunda letra de 25 maneras, el primer dı́gito de 9 maneras, el segundo dı́gito
de 10 maneras y el tercer dı́gito de 10 maneras.
Por lo tanto podrán fabricarse 26 · 25 · 9 · 10 · 10 = 585 000 placas en total.
2 Vı́ctor desea viajar de Lima a Piura y tiene a su disposición 3 lı́neas aéreas y 5 lı́neas
terrestres. ¿De cuántas maneras diferentes puede realizar el viaje si elige a uno de
ellos?.

2.2.2. El factorial de un número:

Sea n ∈ {0, 1, 2, 3, · · · } un número entero no negativo, definimos su factorial n! del siguiente modo:

0! = 1, 1! = 1 y n! = 1 · 2 · 3 · · · n, si n > 1.

2.2.3. Permutaciones:
Una ordenación de un conjunto de n objetos en un orden dado se llama permutación de los objetos
(tomados todo a la vez) Una ordenación de un número r de dichos objetos (r ≤ n) en un orden dado
se llama permutación de los n objetos tomados r a la vez.

Ejemplo 8.
Consideremos el conjunto {a, b, c, d}, entonces
1 bdca, dcba, acbd son algunas permutaciones de las 4 letras (tomadas todas a la vez);

2 bad, adb, cbd, bca son algunas permutaciones de las 4 letras tomadas 3 a la vez;

3 ad, cb, da, bd son algunas permutaciones de las 4 letras tomadas 2 a la vez.

4 Cuántas permutaciones de cada tipo en total se podrán obtener.

La cantidad de permutaciones de n objetos diferentes tomados r a la vez (r ≤ n)se denotará por Prn
Cierto teorema nos ayuda en el cálculo de Prn y nos brinda las siguientes fórmulas
n!
Prn = , Pnn = n!, para todo n ≥ 1 y 0 < r ≤ n.
(n − r)!

UNSCH 10 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Ejemplo 9.
Consideremos el conjunto {a, b, c, d}, entonces
1 bdca, dcba, acbd son algunas permutaciones de las 4 letras (tomadas todas a la vez),
la cantidad total de permutaciones de este tipo es P44 = 4! = 24;

2 bad, adb, cbd, bca son algunas permutaciones de las 4 letras tomadas 3 a la vez, la
4!
cantidad total de permutaciones de este tipo es P34 = = 24;
(4 − 3)!
3 ad, cb, da, bd son algunas permutaciones de las 4 letras tomadas 2 a la vez, la cantidad
4!
total de permutaciones de este tipo es P24 = = 12.
(4 − 2)!
4 En el segundo tipo, las permutaciones bad y bda son diferentes lo cual significa que
importa el orden de los objetos.

2.2.4. Permutaciones con repeticiones:

Supongamos que tenemos n objetos de los cuales n1 son iguales entre si, n2 son iguales entre si,
n3 son iguales entre si, · · · , nr son iguales entre si; entonces n1 + n2 + n3 + · · · + nr = n y el número
de permutaciones de los n objetos tomados todos a la vez es
n!
.
n1 ! · n2 ! · n3 ! · · · · · nr !

Ejemplo 10.
Tenemos 10 monedas, de las cuales 5 son de color rojo, 3 de color azul y 2 de color verde.
¿De cuántas maneras los podemos ordenar en una sola fila a todas las monedas, si solo nos
interesa el color?
Respuesta: aquı́ n = 10, n1 = 5, n2 = 3 y n3 = 2 y el número total de permutaciones es
10!
= 2520.
5! · 3! · 2!

2.2.5. Combinaciones:
Supongamos que tenemos una colección de n objetos. Una combinación de estos n objetos tomados
r a la vez es un conjunto con r elementos formados con dichos objetos. En esta parte el orden no interesa
a diferencia de una permutación. Una ordenación de un número r de dichos objetos (r ≤ n) en un
orden dado se llama permutación de los n objetos tomados r a la vez. La cantidad de combinaciones
de n objetos tomados r a la vez (r ≤ n)se denotará por Crn Cierto teorema nos ayuda en el cálculo de
Crn y nos brinda las siguientes fórmulas
n!
Prn = r! · Crn o Crn = , para todo n ≥ 1 y 0 < r ≤ n.
r! · (n − r)!

UNSCH 11 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Ejemplo 11.
Consideremos el conjunto {a, b, c, d}, formemos permutaciones y combinaciones de estos
objetos tomados 3 a la vez.

Combinaciones Permutaciones
abc abc, acb, bac, bca, cab, cba
abd abd, adb, bad, bda, dab, dba
acd acd, adc, cad, cda, dac, dca
bcd bcd, bdc, cbd, cdb, dbc, dcb

Se obtienen en total 4 combinaciones y 24 permutaciones. Se debe tener en cuenta que si

se consideran permutaciones “abc y “acb” son diferentes (interesa el orden de los objetos);
mientras que si se consideran combinaciones “abc” y “acb” son iguales (no interesa el orden
de los objetos)

Ejemplo 12.
Un estudiante debe contestar 8 de las 10 preguntas de un examen:
1 ¿Cuántas maneras de escoger tiene?

2 ¿Cuántas maneras de escoger tiene, si la tres primeras preguntas son obligatorias?

3 ¿Cuántas maneras de escoger tiene, si debe contestar al menos 4 de las 5 primeras

preguntas?

Solución:

1 La 8 preguntas pueden seleccionarse de C 10 = 45 maneras.

8

2 Si contesta las 3 primeras preguntas, entonces le queda escoger 5 de las últimas 7 preguntas de
C57 = 21 maneras.

3 Si contesta las 5 primeras preguntas, entonces le queda escoger 3 de las últimas 5 preguntas de
C35 = 10 maneras.
Por otro lado si contesta 4 de las 5 primeras preguntas las escogerá de C45 = 5 maneras, y le
queda escoger 4 de las últimas 5 preguntas de C45 = 5 maneras, por consiguiente puede escoger
las 8 preguntas de 5 × 5 = 25 maneras. En total tendrá 25 + 10 = 35 maneras.

2.3. Probabilidad de un evento, axiomas y propiedades

Sin duda usted se encuentra familiarizado con términos como probabilidad, azar y posibilidad. Con
frecuencia se les emplea de manera indistinta.
El meteorólogo anuncia que hay 70 % de probabilidad de lluvia para el domingo del Súper Tazón.
Con base en una encuesta de consumidores que degustaron un pepinillo recién elaborado con sabor
a plátano, la probabilidad de que sea un éxito financiero si se le comercializa es de 0.03. (Esto significa
que la probabilidad de que el pepinillo sabor a plátano sea aceptado por el público es muy remota.)
¿Qué es la probabilidad? En general es un número que describe la posibilidad de que algo suceda.

PROBABILIDAD: Valor entre cero y uno, inclusive, que describe la posibilidad relativa
(oportunidad o casualidad) de que ocurra un evento

Es común que una probabilidad sea expresada en forma decimal, como 0.70, 0.27 o 0.50. No ob-
stante, también se da en forma de fracción, como 7/10, 27/100 o 1/2. Se puede suponer cualquier

UNSCH 12 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

número de 0 a 1, inclusive. Si una compañı́a sólo tiene cinco regiones de ventas (Dallas, New York,
Chicago, Oregon, Miami), y el nombre de cada región se escribe en un trozo de papel, que se coloca
en un sombrero, la probabilidad de seleccionar una de las cinco regiones es de 1. La probabilidad
de sacar del sombrero un trozo de papel rotulado con Marte es 0. Por consiguiente, la probabilidad
de 1 representa algo que seguramente sucederá, y la probabilidad de 0 representa algo que no sucederá.

Cuanto más próxima se encuentre una probabilidad a 0, más improbable es que el evento suceda.
Cuanto más próxima se encuentre la probabilidad a 1, más seguro es que suceda. El siguiente diagrama
muestra la relación e incluye algunas conjeturas personales.
Probabilidad de que Probabilidad de que
el Barcelona le anote el Barcelona le anote
un gol al Real Madrid un gol al ELCHE

0 0,5 1

Probabilidad de que
Probabilidad de Probabilidad de que al menos un día
que un T-REX salga CARA al de enero 2015 llueva
está en el W-303 lanzar una moneda en Huamanga

Definición 4.
Sea Ω el espacio muestral asociado a un experimento aleatorio EXP . La probabilidad es
una función P : 2Ω −→ [0, 1] del conjunto de todos los eventos asociados a EXP al intervalo
[0, 1] que satisface los siguientes axiomas:
1 P (A) ≥ 0 para cualquier evento A;

2 P (Ω) = 1;

3 Si A y B son eventos mutuamente excluyentes, entonces P (A ∪ B) = P (A) + P (B).

Observaciones:

1 La probabilidad es una función cuyo dominio es el conjunto de todos los eventos obtenidos del
espacio muestral asociado a un experimento aleatorio EXP .
2 La probabilidad es una función que asigna a cada evento un número real que está entre 0 y 1
inclusive.
3 P (A) es un número real y se denomina la probabilidad del evento A.

4 Existe al menos un evento que tiene probabilidad igual a cero.

5 Existe al menos un evento que tiene probabilidad igual a uno.

De los axiomas de probabilidad presentados surgen los siguientes teoremas:

Teorema 1.
Para cualquier evento A, 0 ≤ P (A) ≤ 1.

Teorema 2.
Si ∅ es un evento imposible, entonces P (∅) = 0.

UNSCH 13 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Teorema 3.
Si A0 es el evento complementario del evento A, entonces P (A0 ) = 1 − P (A).

Teorema 4.
Si A y B son dos eventos tales que A ⊂ B, entonces P (A) ≤ P (B).

Teorema 5.
Si A y B son dos eventos cualesquiera, entonces P (A ∪ B) = P (A) + P (B) − P (A ∩ B).

Teorema 6.
Si A y B son dos eventos cualesquiera, entonces P (A − B) = P (A) − P (A ∩ B).

Ejemplo 13.
Suponga que en un sorteo la probabilidad de ganar el primer premio es 2/5 y la de ganar el
segundo premio es 3/8. Si la probabilidad de ganar al menos uno de los 2 premios es 3/4,
calcular la probabilidad de ganar:
1 sólo uno de los dos premios.

2 ninguno de los dos premios.

Solución:
Sean los eventos A: ganar el primer premio, B: ganar el segundo premio y A ∪ B: ganar al menos un
premio, entonces
2 3 3
P (A) = , P (B) = y P (A ∪ B) =
5 8 4
3 2 3 1
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) =⇒ = + − P (A ∩ B) =⇒ P (A ∩ B) =
4 5 8 40
2 1 3 15
La probabilidad de ganar solo el primer premio es P (A − B) = P (A) − P (A ∩ B) = − = =
5 40 8 40
3 1 7 14
La probabilidad de ganar solo el segundo premio es P (B −A) = P (B)−P (A∩B) = − = =
8 40 20 40

1 El evento (A − B) ∪ (B − A) es el evento de ganar solo uno de los premios y son mutuamente

excluyentes, ası́:
La probabilidad de ganar solo uno de los premios es
  15 14 29
P (A − B) ∪ (B − A) = P (A − B) + P (B − A) = + = .
40 40 40

2 El evento (A ∪ B)0 es el evento de ganar ninguno de los premios, ası́:

La probabilidad de ganar ninguno de los premios es
  3 1
P (A ∪ B)0 = 1 − P (A ∪ B) = 1 − = .
4 4

UNSCH 14 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Teorema 7.
Si A1 , A2 , A3 , · · · , An es una colección finita de eventos dos a dos mutuamente excluyentes,
entonces

P (A1 ∪ A2 ∪ A3 ∪ · · · ∪ An ) = P (A1 ) + P (A2 ) + P (A3 ) + · · · + P (An ),

y en forma abreviada
n n
!
[ X
P Ai = P (Ai ).
i=1 i=1

Teorema 8.
Si A1 , A2 , A3 , · · · es una colección infinita de eventos dos a dos mutuamente excluyentes,
entonces
P (A1 ∪ A2 ∪ A3 ∪ · · · ) = P (A1 ) + P (A2 ) + P (A3 ) + · · · ,
y en forma abreviada
∞ ∞
!
[ X
P Ai = P (Ai ).
i=1 i=1

2.4. Cálculo de probabilidades:

2.4.1. Para espacios muestrales finitos:
Sea Ω = {w1 , w2 , w3 , · · · , wn } un espacio muestral finito de n elementos. Este espacio se puede
expresar como una unión disjunta; finita de sus eventos elementales {wi }, esto es,
n
[
Ω = {w1 , w2 , w3 , · · · , wn } = {w1 } ∪ {w2 } ∪ {w3 } ∪ · · · ∪ {wn } = {wi },
i=1

utilizando los axiomas de probabilidad resulta

 
P (Ω) = P {w1 } ∪ {w2 } ∪ {w3 } ∪ · · · ∪ {wn }
       
= P {w1 } + P {w2 } + P {w3 } + · · · + P {wn }
n
X  
= P {wi }
i=1
= 1

Si los eventos son elementales {wi } son igualmente posibles (o equiprobables), entonces
       
P {w1 } = P {w2 } = P {w3 } = · · · = P {wn } = p,

de donde
       
1 = P (Ω) = P {w1 } + P {w2 } + P {w3 } + · · · + P {wn } = p + p + p + · · · + p = n · p.
| {z }
n−veces

Ahora consideremos un evento A = {x1 , x2 , · · · , xk } que tiene k elementos (0 < k ≤ n), calculemos la
probabilidad del evento A
        1 1 1 k
P (A) = P {x1 } ∪ {x2 } ∪ · · · ∪ {xk } = P {x1 } + P {x2 } + · · · + P {xk } = + + · · · + = ,
|n n {z n} n
k−veces

UNSCH 15 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

de donde resulta
número de elementos de A Casos favorables a A
P (A) = =
número de elementos de Ω Casos posibles

Ejemplo 14.
Al lanzar un dado resulta el espacio muestral Ω = {1, 2, 3, 4, 5, 6} con n(Ω) = 6, sea el evento
A = {5, 6} que consta de los resultados que son mayores a 4, entonces n(A) = 2.
n(A) 2 1
La probabilidad de que el evento A ocurra es P (A) = = = .
n(Ω) 6 3
Si B = {1, 3, 5} es el evento que consta de los resultados que son impares, entonces n(B) = 3.
n(B) 3 1
La probabilidad de que el evento B ocurra es P (B) = = = .
n(Ω) 6 2

2.4.2. Para espacios muestrales infinitos numerables:

Sea Ω = {w1 , w2 , w3 , · · · } un espacio muestral infinito numerable. Este espacio se puede expresar
como una unión disjunta; infinita de sus eventos elementales {wi }, esto es,
∞
[
Ω = {w1 , w2 , w3 , · · · } = {w1 } ∪ {w2 } ∪ {w3 } ∪ · · · = {wi },
i=1

utilizando los axiomas de probabilidad resulta

 
P (Ω) = P {w1 } ∪ {w2 } ∪ {w3 } ∪ · · ·
     
= P {w1 } + P {w2 } + P {w3 } + · · ·
∞
X  
= P {wi }
i=1
= 1

Ahora consideremos un evento A, entonces A se puede expresar como la unión de sus subeventos
elementales [
A= {wi },
wi ∈A

calculemos la probabilidad del evento A

 
[ X  
P (A) = P  {wi } = P {wi } .
wi ∈A wi ∈A

[
Es posible que los eventos elementales {wi } que aparecen en la unión A = {wi } no sean equiprob-
wi ∈A
lables.

UNSCH 16 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Ejemplo 15.
Lanzamos un dado sucesivamente hasta que aparezca el primer 1

1 Describir el espacio muestral del experimento.

2 Determine la probabilidad de cada evento elemental.

3 Si dos personas A y B juegan lanzando el dado turnándose y gana el que obtiene el

primer 1 ,
a Calcular la probabilidad de que A gane el juego, si él comienza primero.

b Calcular la probabilidad de que B gane el juego, si A comienza primero.

Solución:
Cuando lanzamos un dado es posible obtener el primer 1 en el primer intento o en el segundo intento
o en el tercer intento o en cualquier intento, el número de intentos está en el conjunto {1, 2, 3, · · · }.
1 Si denotamos con E el éxito de obtener 1 y F el fracaso de obtener 1 , entonces

a Cuando obtenemos 1 en el primer intento, E es un elemento del espacio muestral Ω.

b Cuando obtenemos 1 en el segundo intento, F E es un elemento del espacio muestral Ω.

c Cuando obtenemos 1 en el tercer intento, F F E es un elemento del espacio muestral Ω.

d ası́ sucesivamente.

En estas condiciones el espacio muestral asociado al experimento de lanzar un dado hasta obtener
el primer 1 es
Ω = {E, F E, F F E, F F F E, F F F F E, · · · }.

2 Determinemos la probabilidad de cada evento elemental.

a Los posibles resultados al lanzar un dado una sola vez son 1 , 2 , 3 , 4 , 5 , 6 . La

1
probabilidad de obtener 1 en el primer intento es P ({E}) = , solo lanzamos el dado una
6
vez.
b Los posibles resultados al lanzar un dado dos veces son

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
En la lista anterior los resultados de fracasar en el primer lanzamiento y tener exito en el
segundo son
2 1 , 3 1 , 4 1 , 5 1 , 6 1
5
La probabilidad de obtener 1 en el segundo intento es P ({F E}) = .
36
1
Cuando lanzamos el dado y queremos obtener 1 la probabilidad de tener éxito es y
6
5
la probabilidad de no tener éxito es . El resultado F E es cuando no tenemos éxito en
6

UNSCH 17 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

el primer intento y cuando tenemos éxito en el segundo intento (un pequeño experimento
compuesto), ası́ la probabilidad de obtener 1 en el segundo intento es
5 1
P ({F E}) = × = P (no tener exito) × P (tener exito).
6 6
c Son 216 los posibles resultados al lanzar un dado tres veces. El resultado F F E es cuando
no tenemos éxito en el primer, no tenemos éxito en el segundo intento y cuando tenemos
éxito en el tercer intento (tres pequeños experimentos), ası́ la probabilidad de obtener 1
en el tercer intento es
5 5 1
P ({F F E}) = × × = P (no tener exito) × P (no tener exito) × P (tener exito).
6 6 6
d En resumen:
1
1) En el primer intento P ({E}) = .
6  2−1
5 1 5 1
2) En el segundo intento P ({F E}) = × = × .
6 6 6 6
 2  3−1
5 5 1 5 1 5 1
3) En el tercer intento P ({F F E}) = × × = × = × .
6 6 6 6 6 6 6
 3  4−1
5 5 5 1 5 1 5 1
4) En el cuarto intento P ({F F F E}) = × × × = × = × .
6 6 6 6 6 6 6 6
 4  5−1
5 5 5 5 1 5 1 5 1
5) En el quinto intento P ({F F F F E}) = × × × × = × = × .
6 6 6 6 6 6 6 6 6
6) sucesivamente
 r−1
5 1 5 1
7) En el r−intento P ({F F F · · · F E}) = × = × .
6 6 6 6
3 Si A inicia el juego entonces le corresponde los turnos impares 1, 3, 5, 7, · · · y a B los turnos
pares 2, 4, 6, 8, · · · .
a Si A gana lo hará en uno de los turnos ue le corresponde (en 1 o en 3 o en 5 o en 7 o · · · )
La probabilidad de que A gane el juego, si él comienza primero es
 2  4  6
1 5 1 5 1 5 1
P (A : gane) = + × + × + × + ···
6 6 6 6 6 6 6
"  2  4  6 #
5 5 5 1
= 1+ + + + ··· ×
6 6 6 6
"   1   2   3 #
5 2 5 2 5 2 1
= 1+ + + + ··· ×
6 6 6 6
 1  5 2

= 1 + k + k 2 + k 3 + · · · × , donde k =

  6 6
1 1
= × , serie geométrica
1−k 6
1 1 6
=  5 2 × = .
6 11
1−
6
b Si B gana lo hará en uno de los turnos que le corresponde (en 2 o en 4 o en 6 o en 8 o · · · )
La probabilidad de que B gane el juego, si A comienza primero es
 1  3  5
5 1 5 1 5 1
P (B : gane) = × + × + × + ···
6 6 6 6 6 6

UNSCH 18 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Se deja como ejercicio obtener el valor fraccionario de esta probabilidad.

2.4.3. Para espacios muestrales infinitos no numerables:

Sea Ω un espacio muestral infinito no numerable de cierto experimento aleatorio EXP . Si A es un
evento la probabilidad del evento A es
m(A)
P (A) = ,
m(Ω)
el número m(A) es la medida del conjunto A y el número m(Ω) es la medida del conjunto Ω. Las
ideas de medida que se presentan son generalizaciones de medidas que conocemos algunas de ellas son
m(A)
longitud, área, volumen, número de elementos, etc. En la fracción las medidas son del mismo
m(Ω)
tipo. Aclaremos ello con los siguientes ejemplos

Ejemplo 16.
Sea el experimento aleatorio EXP de elegir un número real del intervalo [4, 21], calcule la
probabilidad de elegir un número que esté en el intervalo h7, 13i.

4 7 13 21

Solución:
El espacio muestral asociado al experimento EXP es el conjunto de todos los números reales del
intervalo [4, 21], es decir Ω = [4, 21].
Si A es el evento que es elegir un número que esté en el intervalo h7, 13i, entonces A = h7, 13i.
La probabilidad del evento A es
medida de A longitud de A 6
P (A) = = = .
medida de Ω longitud de Ω 17

Ejemplo 17.
Si jugamos con dardos con el cı́rculo de la figura, calculemos la probabilidad de acertar en
el anillo circular de color blanco.

r1 = 2: radio de la circunferencia pequeña

r2 = 4: radio de la circunferencia mediana

r3 = 6: radio de la circunferencia grande

Solución:
El área de todo el cı́rculo es
A• = π · 62 = 36π,
el área del anillo circular de color blanco es

A} = π(42 − 22 ) = 12π.

UNSCH 19 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Si A1 es el evento de acertar en el anillo circular de color blanco, A2 el evento de acertar en el anillo

circular grande y A3 es el evento de acertar en el cı́rculo pequeño, entonces:
A• 12π 1
La probabilidad de acertar en el anillo circular de color blanco es P (A1 ) = = = .
A} 36π 3
20π 5
La probabilidad de acertar en el anillo circular grande es P (A2 ) = = .
36π 9
4π 1
La probabilidad de acertar en el cı́rculo pequeño es P (A3 ) = = .
36π 9
Ejemplo 18.
Durante enero del 2015 los precios de dos productos A y B varı́an entre 2 y 6 nuevos soles
inclusive, calcule la probabilidad de que la suma de sus precios sea inferior a 7 nuevos soles.

Solución:

a Sea x el precio del producto A, entonces 2 ≤ x ≤ 6.

b Sea y el precio del producto B, entonces 2 ≤ y ≤ 6.

c La suma x + y representa a la suma de los precios de los productos A y B.

d Si ambos productos tienen el menor precio posible, entonces la suma de sus precios es x + y = 4
nuevos soles.
e Si ambos productos tienen el mayor precio posible, entonces la suma de sus precios es x + y = 12
nuevos soles.
f El espacio muestral asociado es

R2
n . o
Ω = (x, y) ∈ 2≤x≤6 ∧ 2≤y≤6

g Si la suma de sus precios es inferior a 7 nuevos soles, entonces x + y < 7.

h Sea E el evento que consiste en la suma de sus precios inferior a 7 nuevos soles, entonces

R2
n . o
E = (x, y) ∈ x + y < 7 ∩ Ω.

i El espacio muestral Ω y el evento E se aprecian en el siguiente gráfico.

Y
Recta: x + y = 7

6
W

x + y < 7 es la región debajo de la recta

x + y > 7 es la región encima de la recta E

X
2 6

UNSCH 20 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

j La probabilidad del evento E es

3×3
area de E 2 9
P (E) = = = .
area de Ω 4×4 32
Por lo tanto la probabilidad de que la suma de los precios de los productos sea inferior a 7 nuevos
9
soles es .
32

3. Probabilidad condicional
Supongamos que hay 10 latas de refresco en un refrigerador, 7 de los cuales son normales y 3
dietéticos.

N , N , N , N , N , N , N , D , D , D

Se selecciona una lata del refrigerador.

1 La probabilidad de seleccionar una lata de refresco dietético es de 3 .

10
2 La probabilidad de seleccionar una lata de refresco normal es de 7 .
10
Supongamos además que alguien tomó una lata de refresco y queremos tomar la segunda lata, es decir
se elige una segunda lata del refrigerador sin devolver la primera. La probabilidad de que la segunda
lata sea de refresco dietético depende de que la primera lo haya sido o no.
1 Supongamos que la primera lata elegida fue un refresco normal, ası́ quedará:

N , N , N , N , N , N , D , D , D
6
a La probabilidad de que la segunda lata sea de refresco normal es
9
3
b La probabilidad de que la segunda lata sea de refresco dietético es
9
2 Supongamos que la primera lata elegida fue un refresco dietético, ası́ quedará:

N , N , N , N , N , N , N , D , D
7
a La probabilidad de que la segunda lata sea de refresco normal es
9
2
b La probabilidad de que la segunda lata sea de refresco dietético es
9
La denominación adecuada de las fracciones 6/9 y 3/9 en el caso a) (o de 7/9 y 2/9 en el caso b)) es
probabilidad condicional, ya que su valor se encuentra condicionado (o depende) por el hecho de que
el primer tomado del refrigerador fue un refresco normal o dietético.
Z
PROBABILIDAD CONDICIONAL: Probabilidad de que un evento en particular ocurra
dado que otro evento haya acontecido.

Observaciones:

1 La probabilidad condicional (o condicionada) de que un evento B ocurra dado que otro evento
A ha ocurrido se denota por P (B|A), el cual se lee: “la probabilidad de que B ocurra dado que
A ha ocurrido” o simplemente “la probabilidad de B dado A”.

UNSCH 21 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

2 Cuando utilizamos P (B|A) se supone que primero ocurrió el evento A, luego el evento B y que
el evento A influye en la probabilidad de que ocurra el evento B.

La regla general de la multiplicación sirve para determinar la probabilidad conjunta de dos eventos
cuando éstos no son independientes. Por ejemplo, cuando el evento B ocurre después del evento A, y
A influye en la probabilidad de que el evento B suceda, entonces A y B no son independientes.

La regla general de la multiplicación establece que en caso de dos eventos, A y B, la probabilidad

conjunta de que ambos eventos ocurran se determina multiplicando la probabilidad de que ocurra el
evento A por la probabilidad condicional de que ocurra el evento B, dado que A ha ocurrido.

Los sı́mbolos de la probabilidad conjunta, P (A y B) se calcula de la siguiente manera:

Z
REGLA GENERAL DE LA MULTIPLICACIÓN: P (A y B) = P (A) · P (B|A)

Ejemplo 19.
Un golfista tiene 12 camisas en su clóset. Suponga que 9 son blancas y las demás azules.
Como se viste de noche, simplemente toma una camisa y se la pone. Juega golf dos veces
seguidas y no las lava (usa una camisa para cada juego). ¿Cuál es la probabilidad de que
las dos camisas elegidas sean blancas?

B , B , B , B , B , B , B , B , B , A , A , A

Solución:

1 El evento W1 tiene que ver con el hecho de que la primera camisa seleccionada fue blanca.

2 La probabilidad es P (W1 ) = 9 , pues 9 de cada 12 camisas son blancas.

12
3 El evento W2 tiene que ver con el hecho de que la segunda camisa seleccionada sea blanca
también.
4 La probabilidad condicional relacionada con el hecho de que la segunda camisa seleccionada sea
8
blanca, dado que la primera camisa seleccionada fue blanca también, es P (W2 |W1 ) = .
11
¿A qué se debe esto? A que después de que se selecciona la primera camisa que es blanca, quedan
11 camisas en el clóset y 8 de éstas son blancas.
5 Para determinar la probabilidad de que se elijan 2 camisas blancas aplicamos la fórmula:

P (W1 y W2 ) = P (W1 )P (W2 |W1 ) .

Ası́
9 8 6
P (W1 y W2 ) = P (W1 )P (W2 |W1 ) = · = = 0, 5454545454 · · · = 0.54
b
12 11 11
6 Por consiguiente, la probabilidad de seleccionar dos camisas, las cuales son de color blanco, es
de 0.54.
b

7 ¿Cuál será la probabilidad de elegir dos camisas azules?

8 ¿Cuál será la probabilidad de elegir la primera camisa azul y la segunda blanca?

9 ¿Cuál será la probabilidad de elegir la primera camisa blanca y la segunda azul?

UNSCH 22 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Definición 5.
Sean A y B dos eventos en un espacio muestral Ω. La probabilidad condicional de B dado
A, es el número P (B|A) que se define por:

P (A ∩ B)
P (B|A) = , si P (A) > 0.
P (A)

A W
B

AÇB

Observaciones:

1 La probabilidad condicional P (B|A) mide la probabilidad relativa de B con respecto al espacio

reducido A. (vea la figura anterior)
2 Si Ω es un espacio muestral finito, entonces

número de elementos de A ∩ B n(A ∩ B) n(A)

P (A ∩ B) = = , P (A) = ,
número de elementos de Ω n(Ω) n(Ω)
de donde
n(A ∩ B)
P (A ∩ B) n(Ω) n(A ∩ B)
P (B|A) = = = .
P (A) n(A) n(A)
n(Ω)
3 Si P (A) = 0, se define P (B|A) = 0.

4 Si A ∩ B = ∅, entonces P (B|A) = 0.

5 Si A ⊂ B, entonces P (B|A) = P (A ∩ B) = P (A) = 1.

P (A) P (A)

6 Si B ⊂ A, entonces P (B|A) = P (A ∩ B) = P (B) .

P (A) P (A)

B A
A B

AÌB implica AÇB = A BÌA implica AÇB = B

Ejemplo 20.
Un club consiste de ciento cincuenta miembros. Del total, 3/5 son hombres y 2/3 son pro-
fesionales. Además, 1/3 de las mujeres son no profesionales. Se elige a un socio al azar.
1 Calcular la probabilidad de que sea hombre y profesional.

2 Calcular la probabilidad de que sea hombre, dado que es profesional

UNSCH 23 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Solución:

? Los 3/5 del total = 90 socios hombres y 60 socios mujeres.

? Los 2/3 del total = 100 socios profesionales y 50 socios no profesionales.

? Los 1/3 de 60 mujeres = 20 mujeres no profesionales y 40 mujeres profesionales.

? Ası́ hay 60 hombres profesionales y 30 hombres no profesionales. Todo ello lo resumimos en el

siguiente cuadro

Profesional No profesional Total

Hombre 60 30 90
Mujer 40 20 60
Total 100 50 150

1 La probabilidad de que sea hombre y profesional es

N ro de Hombres y P rof s 60
P (Hombre y P rof ) = = = 0,4
N ro socios 150

2 Considerando el espacio muestral reducido de los Profesionales (100 socios), La probabilidad de

que sea hombre, dado que es profesional es (utilizando la observación 2)

N ro de Hombres y P rof s 60
P (Hombre|P rof ) = = = 0,6
N ro P rof 100
Utilizando la definición de probabilidad condicional

P (Hombre y P rof ) 60/150

P (Hombre|P rof ) = = = 0,6
P (P rof ) 100/150

3.1. Eventos independientes

Definición 6.
Se dice que el evento B es independiente del evento A si P (B|A) = P (B).

Observaciones:

1 El evento B es independiente del evento A si la probabilidad de B es la misma bien se considere

o no el evento A. La probabilidad de A no influye en la probabilidad de B.
2 Si el evento B es independiente del evento A, entonces

P (A ∩ B)
P (B|A) = P (B) =⇒ = P (B) =⇒ P (A ∩ B) = P (A) · P (B)
P (A)

3 Si P (B|A) = P (B), entonces P (A|B) = P (A).

4 Los eventos A y B son independientes si, y solo si P (B|A) = P (B) y P (A|B) = P (A).
5 Los eventos A y B son independientes si, y solo si P (A ∩ B) = P (A) · P (B).

6 Si los eventos A y B son independientes, no siempre se tiene A ∩ B = ∅.

UNSCH 24 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Definición 7.
Los eventos A y B son independientes si, y solo si P (A ∩ B) = P (A) · P (B). Los eventos A
y B no son independientes si, y solo si P (A ∩ B) 6= P (A) · P (B).

Ejemplo 21.
Lancemos un dado dos veces:
1 Si A es el evento de que sale 2 en el primer lanzamiento, y si B es el evento sale 5 en
el segundo lanzamiento, demuestres que A y B son eventos independientes.
2 Calcular la probabilidad de obtener los números 2 y 5 (sin importar el orden de
lanzamiento).

Solución:
Los posibles resultados al lanzar un dado dos veces son

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 evento A en el que sale 2 en el primer lanzamiento es
n o
A= 2 1 ; 2 2 ; 2 3 ; 2 4 ; 2 5 ; 2 6 , con n(A) = 6,

El evento B en el que sale 5 en el segundo lanzamiento es

n o
B= 1 5 ; 2 5 ; 3 5 ; 4 5 ; 5 5 ; 6 5 , con n(B) = 6,

El evento A ∩ B en nel que sale 2o en el primer lanzamiento y 5 en el segundo lanzamiento es el evento

elemental A ∩ B = 2 5

1 Calculemos las probabilidades:

6 1 P (A ∩ B) 1/36 1
? P (A) = = ? P (A|B) = = =
36 6 P (B) 1/6 6
6 1
? P (B) = =
36 6
1 P (A ∩ B) 1/36 1
? P (A ∩ B) = ? P (B|A) = = =
36 P (A) 1/6 6

Resulta que P (B|A) = P (B) y P (A|B) = P (A), lo cual implica que los eventos A y B son
independientes (utilizando la observación 4).
También resulta P (A ∩ B) = P (A) · P (B), lo cual implica que los eventos A y B son independi-
entes (utilizando la definición 7).

UNSCH 25 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

2 Sean los eventos:

A1 donde sale 2 en el primer lanzamiento, A2 donde sale 2 en el segundo lanzamiento.
B1 donde sale 5 en el primer lanzamiento, B2 donde sale 5 en el segundo lanzamiento.
Entonces
n o
A1 = 2 1 ; 2 2 ; 2 3 ; 2 4 ; 2 5 ; 2 6 ,
n o
A2 = 1 2 ; 2 2 ; 3 2 ; 4 2 ; 5 2 ; 6 2 ,
n o
B1 = 5 1 ; 5 2 ; 5 3 ; 5 4 ; 5 5 ; 5 6 ,
n o
B2 = 1 5 ; 2 5 ; 3 5 ; 4 5 ; 5 5 ; 6 5 ,
n o n o n o
A1 ∩B2 = 2 5 , A2 ∩B1 = 5 2 , (A1 ∩B2 )∪(A2 ∩B1 ) = 2 5 ; 5 2
El evento que consiste en obtener los números 2 y 5 sin importar el orden de lanzamiento es
(A1 ∩ B2 ) ∪ (A2 ∩ B1 ).
Entonces la probabilidad de obtener los números 2 y 5 (sin importar el orden de lanzamiento)
2
es .
36
Pero lo resolveremos utilizando la noción de eventos independientes.
     
P (A1 ∩ B2 ) ∪ (A2 ∩ B1 ) = P A1 ∩ B2 + P A2 ∩ B1 pues [A1 ∩ B2 ] ∩ [A2 ∩ B1 ] = ∅

= P (A1 ) · P (B2 ) + P (A2 ) · P (B1 )

1 1 1 1
= · + ·
6 6 6 6
1 1 2 1
= + = = .
36 36 36 18

Teorema 9.
Si A y B son eventos independientes, entonces
1 A y B 0 son eventos independientes

2 A0 y B son eventos independientes

3 A0 y B 0 son eventos independientes

Teorema 10 (Reglas de la multiplicación).

.
1 Sean A y B dos eventos

a P (A ∩ B) = P (A) · P (B) si A y B son independientes.

b P (A ∩ B) = P (A) · P (B|A) si B depende de A.

2 Sean A1 , A2 , · · · ,Ak−1 , Ak una colección finita de eventos

a P (A ∩ A ∩ · · · ∩ A
1 2 k−1 ∩ Ak ) = P (A1 ) · P (A2 ) · · · · · P (Ak−1 ) · P (Ak ) si los eventos
son independientes.
b P (A1 ∩ A2 ∩ · · · ∩ Ak−1 ∩ Ak ) = P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · · · · · P (Ak |A1 ∩
A2 ∩ · · · ∩ Ak−1 )
si los eventos no son independientes.

UNSCH 26 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

3.1.1. Procesos estocásticos finitos y diagrama del árbol

Una sucesión finita de experimentos en los cuales cada experimento tiene un número finito de
resultados con probabilidades dadas se llama proceso estocástico finito. Una manera conveniente de
describir tal proceso y calcular la probabilidad de un evento se obtiene por el diagrama del árbol como
se ilustra en el siguiente ejemplo, las reglas de multiplicación se usan para calcular la probabilidad de
que el resultado representado por una trayectoria determinada del árbol suceda

Ejemplo 22.
Tenemos tres cajas enumeradas con I, II y III,
1 La caja I contiene 10 lámparas de las cuales 4 son defectuosas.

2 La caja II contiene 6 lámparas de las cuales 1 es defectuosa.

3 La caja III contiene 8 lámparas de las cuales 3 son defectuosas.

Escogemos al azar una caja y luego una lámpara. ¿Cuál es la probabilidad de que la lámpara
escogida sea defectuosa?

Solución:
Aquı́ se realizan 2 experimentos, el primero es escoger una de las 3 cajas y el segundo experimento es
escoger una lámpara de la caja elegida anteriormente.

D : denotará a una lámpara defectuosa

N : denotará a una lámpara no defectuosa

D D D D D D D D

N N N N N N N N N N N N N N N N

caja I caja II caja III

Calculemos algunas probabilidades

1 La probabilidad de escoger la caja I es 1 .

3
4
a) La probabilidad de escoger una lámpara defectuosa de la caja I es .
10
6
b) La probabilidad de escoger una lámpara no defectuosa de la caja I es .
10

2 La probabilidad de escoger la caja II es 1 .

3
1
a) La probabilidad de escoger una lámpara defectuosa de la caja II es .
6
5
b) La probabilidad de escoger una lámpara no defectuosa de la caja II es .
6

3 La probabilidad de escoger la caja III es 1 .

3
3
a) La probabilidad de escoger una lámpara defectuosa de la caja III es .
8
5
b) La probabilidad de escoger una lámpara no defectuosa de la caja III es .
8

UNSCH 27 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Las probabilidades calculadas las representamos en el siguiente gráfico (diagrama del árbol)
4 .
10 D
caja I
6 .
1. N
10
3
1 .
6 D
1. caja II
3
5 . N
6
1. 3 .
3 8 D
caja III
5 . N
8

Continuamos con el cálculo de algunas probabilidades

1 La probabilidad de escoger una lámpara defectuosa y de la caja I es 1 · 4 = 4 = 2 .

3 10 30 15

2 La probabilidad de escoger una lámpara no defectuosa y de la caja I es 1 · 6 = 6 = 1 .

3 10 30 5

3 La probabilidad de escoger una lámpara defectuosa y de la caja II es 1 · 1 = 1 .

3 6 18

4 La probabilidad de escoger una lámpara no defectuosa y de la caja II es 1 · 5 = 5 .

3 6 18

5 La probabilidad de escoger una lámpara defectuosa y de la caja III es 1 · 3 = 1 .

3 8 8

6 La probabilidad de escoger una lámpara no defectuosa y de la caja III es 1 · 5 = 5 .

3 8 24
Si escogemos una lámpara defectuosa, ésta es solo de una de las cajas, como lo muestra el gráfico
hay tres trayectoria para llegar a D de izquierda a derecha, cualquier par de esas trayectorias son
mutuamente excluyentes. Al escoger al azar una caja y luego una lámpara la probabilidad de que la
lámpara escogida sea defectuosa es:
     !      
Sea de I Sea de II Sea de III Sea de I Sea de II Sea de III
P o o = P +P +P
y Def ec y Def ec y Def ec y Def ec y Def ec y Def ec
1 4 1 1 1 3
= · + · + ·
3 10 3 6 3 8
113
=
360

UNSCH 28 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

3.2. El teorema de Bayes

n o
Sean Ω es espacio muestral de cierto experimento aleatorio EXP y X = A1 , A2 , · · · , Ak una
partición de Ω.
W
Ak
A1

A1 ÇB B

A4
A2
A3

Entonces
? Cada Ai es un subconjunto no vacı́o de Ω;

? La unión de todos los Ai es igual a Ω, es decir Ω = A1 ∪ A2 ∪ · · · ∪ A y

k

? Cada Ai y cada Aj tienen intersección vacı́a para cada i 6= j.

Sea B un evento contenido en Ω, entonces:

B = B∩Ω
 
= B ∩ A1 ∪ A2 ∪ · · · ∪ Ak
= (B ∩ A1 ) ∪ (B ∩ A2 ) ∪ · · · ∪ (B ∩ Ak ) Propiedad distributiva
En términos de probabilidades
 
P (B) = P (B ∩ A1 ) ∪ (B ∩ A2 ) ∪ · · · ∪ (B ∩ Ak )

Los eventos (B ∩ Ai ) son dos a dos mutuamente excluyentes lo cual implica que

P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + · · · + P (B ∩ Ak )

o también
P (B) = P (A1 ∩ B) + P (A2 ∩ B) + · · · + P (Ak ∩ B). (1)
Cada probabilidad que figura en el segundo miembro de la ecuación anterior se cambia por su equiv-
alente por la regla de la multiplicación

P (B) = P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + · · · + P (Ak ) · P (B|Ak )

Calculemos la probabilidad de cada evento Ai cuando el espacio muestral se reduce a B

P (Ai ∩ B)
P (Ai |B) = probabilidad condicional
P (B)
P (Ai ∩ B)
= (2)
P (A1 ∩ B) + P (A2 ∩ B) + · · · + P (Ak ∩ B)
P (Ai ) · P (B|Ai )
= probabilidad condicional
(3)
P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + · · · + P (Ak ) · P (B|Ak )

Con las ecuaciones 1 y 3 logramos demostrar dos importantes teoremas a cerca de probabilidades:

UNSCH 29 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Teorema 11 (Regla de la probabilidad total).

Si los eventos A1 , A2 , · · · , Ak constituyen una partición del espacio muestral Ω, entonces
para cualquier evento B contenido en Ω:

P (B) = P (A1 ∩ B) + P (A2 ∩ B) + · · · + P (Ak ∩ B).

Teorema 12 (De Bayes).

Si los eventos A1 , A2 , · · · , Ak constituyen una partición del espacio muestral Ω, entonces
para cualquier evento B contenido en Ω con probabilidad positiva y cada evento Ai :

P (Ai ) · P (B|Ai ) P (Ai ) · P (B|Ai )

P (Ai |B) = = .
P (B) P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + · · · + P (Ak ) · P (B|Ak )

Tomamos casos particulares del teorema de Bayes a una partición con 2 eventos A1 y A2 o 3 eventos
A1 , A2 y A3 .

A1 A2 W A1 A2 A3 W

A1 ÇB A2 ÇB A1 ÇB A2 ÇB A3 ÇB
B
B

W = A1 È A2 W = A1 È A2 È A3

1 Con dos eventos (vea el gráfico anterior)

a Ω = A1 ∪ A2

b P (B) = P (A1 ∩ B) + P (A2 ∩ B) = P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 )

P (A1 ∩ B) P (A1 ) · P (B|A1 ) P (A1 ) · P (B|A1 )

c P (A1 |B) = = =
P (B) P (B) P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 )
P (A2 ∩ B) P (A2 ) · P (B|A2 ) P (A2 ) · P (B|A2 )
d P (A2 |B) = = =
P (B) P (B) P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 )
2 Con tres eventos (vea el gráfico anterior)

1 Ω = A1 ∪ A2 ∪ A3

2 P (B) = P (A1 ∩ B) + P (A2 ∩ B) + P (A3 ∩ B) = P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) +

P (A3 ) · P (B|A3 )

P (A1 ∩ B) P (A1 ) · P (B|A1 )

3 P (A1 |B) = =
P (B) P (B)
P (A1 ) · P (B|A1 )
∴ P (A1 |B) =
P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + P (A3 ) · P (B|A3 )
P (A2 ∩ B) P (A2 ) · P (B|A2 )
4 P (A2 |B) = =
P (B) P (B)
P (A2 ) · P (B|A2 )
∴ P (A2 |B) =
P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + P (A3 ) · P (B|A3 )

UNSCH 30 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

P (A3 ∩ B) P (A3 ) · P (B|A3 )

5 P (A3 |B) = =
P (B) P (B)

P (A3 ) · P (B|A3 )
∴ P (A3 |B) =
P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + P (A3 ) · P (B|A3 )

Ejemplo 23 (Teorema de Bayes).

La Dunham Manufacturing utiliza dos máquinas para producir su producto. La máquina A
produce el 60 % de la producción total, y la máquina B produce el restante 40 %. El 2 % de
las unidades producidas por A son defectuosas, mientras que B tiene una tasa de defectos
del 4 %. Tenemos una unidad defectuosa, se desea saber
1 La probabilidad de que la unidad proviene de la máquina A.

2 La probabilidad de que la unidad proviene de la máquina B.

Solución:
Al seleccionar una unidad del producto final producido por las máquinas tenemos la siguiente infor-
mación:
1 Probabilidad de que fue producido por la máquina A: P (A) = 0, 60.
2 Probabilidad de que es defectuoso dado que fue producido por la máquina A:

P (D|A) = 0, 02.

3 Probabilidad de que es no defectuoso dado que fue producido por la máquina A:

P (no D|A) = 0, 98.

4 Probabilidad de que fue producido por la máquina A y que sea defectuoso:

P (A ∩ D) = P (A)P (D|A) = (0, 60)(0, 02) = 0, 012.

5 Probabilidad de que fue producido por la máquina A y que sea no defectuoso:

P (A ∩ no D) = P (A)P (no D|A) = (0, 60)(0, 98) = 0, 588.

6 Probabilidad de que fue producido por la máquina B: P (B) = 0, 40.

7 Probabilidad de que es defectuoso dado que fue producido por la máquina B:

P (D|B) = 0, 04.

8 Probabilidad de que es no defectuoso dado que fue producido por la máquina B:

P (no D|B) = 0, 96.

9 Probabilidad de que fue producido por la máquina B y que sea defectuoso:

P (B ∩ D) = P (B)P (D|B) = (0, 40)(0, 04) = 0, 016.

UNSCH 31 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

10 Probabilidad de que fue producido por la máquina B y que sea no defectuoso:

P (B ∩ no D) = P (B)P (noD|B) = (0, 40)(0, 96) = 0, 384.

11 Probabilidad de que es defectuoso:

P (D) = P (A ∩ D) + P (B ∩ D) = 0, 012 + 0, 016 = 0, 028.

12 Probabilidad de que es no defectuoso:

P (no D) = P (A ∩ no D) + P (B ∩ no D) = 0, 588 + 0, 384 = 0, 972.

Toda esta información se resume en el siguiente diagrama del árbol

0,02
P(AÇD) = P(A) P(D|A) = (0,60)(0,02)= 0,012
|A) = (D)
P (D o
uos
fect
se a de

no s
ea d
,60 ef
P(no ectuoso
) =0 A D|A
P(A quina ) = 0 (noD)
,98 P(AÇnoD) = P(A) P(noD|A) = (0,60)(0,98) = 0,588
má

má P(BÇD) = P(B) P(D|B) = (0,40)(0,04) = 0,016

P(B quin 0,04
)= aB ( D |B) = (D)
P so
0 ,4 ctuo
0 defe
sea

no s
ea d
ef
P(no ectuoso
D|B
) = 0 (noD)
,96
P(BÇnoD) = P(B) P(noD|B) = (0,40)(0,96) = 0,384

Ahora calculamos lo que pide el problema:

a La probabilidad de que el producto b La probabilidad de que el producto

proviene de la máquina A dado que fue proviene de la máquina B dado que fue
defectuoso es: defectuoso es:
P (A ∩ D) P (B ∩ D)
P (A|D) = P (B|D) =
P (D) P (D)
P (A)P (D|A) P (B)P (D|B)
= =
P (D) P (D)
P (A)P (D|A) P (B)P (D|B)
= =
P (A ∩ D) + P (B ∩ D) P (A ∩ D) + P (B ∩ D)
P (A)P (D|A) P (B)P (D|B)
= =
P (A)P (D|A) + P (B)P (D|B) P (A)P (D|A) + P (B)P (D|B)
(0, 60)(0, 02) (0, 40)(0, 04)
= =
(0, 60)(0, 02) + (0, 40)(0, 04) (0, 60)(0, 02) + (0, 40)(0, 04)
= 3/7. = 4/7.

UNSCH 32 Digitado en LATEX por: Suárez Azpur, Fredy R.

 Teorı́a de la Probabilidad

Índice
1. Preliminares 1
1.1. Teorı́a de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Operaciones con conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2. Álgebra de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3. Conjunto potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.4. Partición de un conjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Teorı́a de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

2. Introducción a la probabilidad. 6
2.1. Experimento, espacio muestral y evento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1. Clasificación de los espacios muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2. Operaciones con eventos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Técnicas de conteo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1. Principio Fundamental del Conteo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2. El factorial de un número: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.3. Permutaciones: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.4. Permutaciones con repeticiones: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.5. Combinaciones: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3. Probabilidad de un evento, axiomas y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4. Cálculo de probabilidades: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.1. Para espacios muestrales finitos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2. Para espacios muestrales infinitos numerables: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.3. Para espacios muestrales infinitos no numerables: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

3. Probabilidad condicional 21
3.1. Eventos independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.1. Procesos estocásticos finitos y diagrama del árbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2. El teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

UNSCH 33 Digitado en LATEX por: Suárez Azpur, Fredy R.