1

UNIDAD 1:
TEORA DE LA PROBABILIDAD.
OBJETIVO DE APRENDIZAJE: Interpretar los conceptos estadsticos para el anlisis y representacin grfica de datos.
CONTENIDO:
1.1. Terminologa: Teora de la Probabilidad. Sucesos. Tipos de Sucesos: incompatibles, contrarios, compatibles,
dependientes, independientes y condicionados.
1.2. Propiedades Bsicas de la Probabilidad: Reglas y condiciones de la probabilidad.
1.3. Mtodos de Resolucin de Problemas de Probabilidad: Por enumeracin de casos, por el Teorema de
Probabilidad Completa, por el Teorema de Probabilidad Compuesta, por el Teorema de Bayes.

La probabilidad es la parte de las matemticas que trata de manejar con nmeros la incertidumbre

Del latn probabilitas, la probabilidad es la cualidad de probable (que puede suceder o que resulta verosmil).
Tambin conocida como Teora de la Probabilidad, es la rama de las matemticas que se ocupa de medir o
determinar cuantitativamente la posibilidad (frecuencia) de que un suceso o experimento, sujeto a la
incertidumbre o la aleatoriedad, produzca un determinado resultado. La probabilidad, por lo tanto, como
veremos ms adelante, es la razn entre el nmero de casos favorables y el nmero de casos posibles.
En la cotidianidad de nuestra vida escuchamos expresiones que hacen referencia a la probabilidad: qu
probabilidad hay de que la vinotinto asista al mundial, es muy probable que apruebe el curso de estadstica II,
existe una alta probabilidad de que tal o cual candidato gane las elecciones, etc. En el presente curso haremos
un estudio riguroso de esta ciencia.
La teora de la probabilidad tuvo su origen en el Siglo XVII en Francia, inicindose con una sencilla teora
matemtica de los juegos de azar. Los juegos de cartas, dados, etc., constituan un entretenimiento corriente de
la poca, de all que muchos personajes apasionados por estos juegos buscasen algn mtodo que les permitiera
ganar. Entre estos destaca el caballero De Mer, quien hacia 1650 le plante su experiencia de juego al
matemtico y filsofo Blaise Pascal (16231662), quien a su vez mantuvo correspondencia sobre el tema con su
amigo el matemtico Pierre Fermat (16011665). Estos se percataron de que de los resultados posibles al lanzar
una moneda, un dado, etc., no se podan predecir de antemano. Esta imposibilidad de prediccin constituye la
aleatoriedad, el elemento que caracteriza la falta de certeza, es decir, el azar del juego. De Mer haba
encontrado, de acuerdo a sus propios clculos, cierta discordancia entre las frecuencias relativas de las veces que
ganaba y el valor de la correspondiente probabilidad de ganar. Pascal y Fermat demostraron que los clculos de
De Mer erran errneos y que la probabilidad calculada correctamente estaba en concordancia con las
frecuencias relativas realmente observadas, no existiendo contradiccin.
2
 Hacia comienzos del siglo XVIII, James Bernoull y Abraham de Moivre,
continan con el desarrollo de la teora de los juegos de azar, sobre la base de la
definicin clsica de probabilidad, aplicando varios mtodos de anlisis combinatorio
y otras tcnicas matemticas. Con el tiempo, esta teora que slo se aplicaba a los
juegos de azar, sirvi de plataforma a algunos mtodos para el estudio de poblaciones
humanas y su relacin con los seguros de vida, tales como el mtodo para el clculo
de las tablas de supervivencia, valores de renta, primas de seguro, etc. Pierre Laplace,
publica en 1812 la Theorie analytique desprobabilits, tratado clsico sobre la
materia, con una exposicin completa y sistemtica sobre la teora matemtica de los
juegos de azar y un gran nmero de aplicaciones a cuestiones cientficas y prcticas.
Karl Gauss, estudi las observaciones de medidas fsicas y astronmicas mediante la
aplicacin de la teora de la probabilidad matemtica, llegando a perfeccionar una
teora de errores sistemtica. Es famosa su curva normal de error o campana de
Pierre Simon Laplace
(1749 - 1827)
Gauss, de gran aplicacin terica y prctica.

El campo de aplicacin de la teora de la probabilidad se extendi rpidamente y sin interrupciones a lo largo

de todo el siglo XIX. El desarrollo de las matemticas actuariales, que est basada en la aplicacin de la
probabilidad a las estadsticas de mortalidad, constituy la base del desarrollo de la institucin de los seguros
de vida. En fsica corresponde mencionar el desarrollo de las difusiones y el movimiento browniano, en las
finanzas destaca el modelo de Black y Scholes para la valuacin de acciones. La estadstica es, tambin, una de
las reas que permite obtener conclusiones respecto de la probabilidad de sucesos potenciales. Igualmente la
biologa, la psicologa, la economa y en general las ciencias naturales y sociales encontraron en la teora de la
probabilidad un instrumento eficaz para desarrollar sus mtodos de investigacin cientfica. Por ejemplo; los
bienes de consumo ofrecen un certificado de garanta de acuerdo a las probabilidades de avera o fallo; si los
estudios y experimentos reflejan que resulta poco probable que el producto se dae en los primeros meses de
uso, las empresas ofrecern una cobertura por dicho periodo. Por otro lado, supngase que se desea realizar una
investigacin para contrastar alguna hiptesis; se examinan los datos para ver si tal o cual hiptesis se verifica o
no. El mtodo seguido en estos casos implica el empleo del concepto de probabilidad, de manera que el resultado
que se obtiene se enuncia en trminos probabilsticos.

As pues, la teora de la probabilidad modela los fenmenos aleatorios, aquellos que no ofrecen un resultado
nico o previsible bajo condiciones determinadas. El lanzamiento de un dado, por ejemplo, es un fenmeno
aleatorio ya que puede arrojar diferentes resultados ms all de que se realice en las mismas condiciones. Como
veremos ms adelante, la probabilidad mide la mayor o menor posibilidad de que se d un determinado resultado
(suceso) cuando se realiza un experimento aleatorio. La probabilidad toma valores entre 0 y 1 (o expresados en
tanto por ciento, entre 0% y 100%): si un suceso no ocurre nunca, su probabilidad asociada es cero (suceso
imposible), mientras que si ocurriese siempre su probabilidad sera igual a uno (suceso seguro). El resto de los
sucesos tendr probabilidades entre cero y uno, que ser tanto mayor cuanto ms probable sea que dicho suceso
tenga lugar. As, las probabilidades suelen venir expresadas como decimales, fracciones o porcentajes.

El hombre siempre tuvo inters en cuantificar la probabilidad ya que dicha cuantificacin ayuda a predecir
acontecimientos futuros. Por ejemplo: si todos los das martes, desde hace tres meses, se corta la luz, existir una
gran probabilidad (aunque no una certeza) de que el prximo martes tambin se produzca el corte. As, como ya
dijimos, las probabilidades aparecen asociadas a los fenmenos aleatorios o estocsticos. Un fenmeno aleatorio
es aquel en el cual la verificacin de un cierto conjunto de condiciones determinadas conduce a un resultado
entre una serie de resultados posibles. Llamaremos experimento aleatorio a ese conjunto de condiciones
determinadas. Por contraposicin, los fenmenos determinsticos o no aleatorios, son aquellos en los que la
verificacin de un cierto conjunto de condiciones determinadas conduce, en forma inevitable, a un resultado fijo.
Por ejemplo, lanzar una moneda al aire y observar la cara que presenta al caer al piso es un experimento
aleatorio (tenemos dos resultados posibles: cara y sello), mientras que enfriar agua hasta cero grados centgrados
bajo presin atmosfrica normal es un fenmeno determinstico (conduce inequvocamente a la formacin de
hielo).
3
 CONCEPTUALIZACIN DE LA PROBABILIDAD.
Antes de profundizar en la forma cmo se utilizan y determinar
valores de probabilidad, es necesario conocer en cierta manera de
donde provienen estos valores. Hay cuatro enfoques conceptuales,
(formas de calcular o estimar la probabilidad). El enfoque clsico
o a priori proveniente de los juegos de azar, se emplea cuando
los espacios muestrales son finitos y tienen resultados mutuamente
excluyentes e igualmente probables. El enfoque emprico, a
posteriori o frecuencial, que se basa en la frecuencia relativa de
ocurrencia de un evento con respecto a un gran nmero de ensayos
repetidos.

El enfoque subjetivo de la probabilidad, donde las probabilidades son grados personales de creencias acerca de
sucesos con incertidumbre, y por ltimo, el enfoque estructural o axiomtico, para el cual la probabilidad formal
es un concepto que se define por un sistema de axiomas y el conjunto de definiciones y teoremas que se pueden
deducir de esos axiomas. Seleccionar uno de los cuatro enfoques depender de la naturaleza del problema.

A. ENFOQUE CLSICO (a priori o Laplaciano).

Esta definicin es de uso limitado puesto que descansa sobre la base de las siguientes dos condiciones:

1. El espacio muestral de todos los resultados posibles (S) es finito.

2. Los resultados del espacio muestral deben ser mutuamente excluyentes e igualmente probables.

Este enfoque permite determinar valores de probabilidad antes de ser observado el experimento por lo que se le
denomina enfoque a priori. Tambin es conocido como definicin de Laplace, quien define la probabilidad de
un suceso como el cociente entre casos favorables y casos posibles. Este enfoque asume la equiprobabilidad de
todos los resultados simples del espacio muestral. Los matemticos llaman a esta asignacin de probabilidades una
distribucin de probabilidad uniforme.

Imaginemos un evento o suceso E, que de un total de n(S) casos posibles, todos igualmente probables, puede
presentarse en n(E) de los casos, entonces, la probabilidad de aparicin del suceso E (conocida como su
ocurrencia) est dada por:

n E n(E): Cantidad de casos favorables al evento E

p P E Donde
n S n (S): Nmero de casos posibles.

La probabilidad de que no ocurra el suceso E, viene expresada as:

n S n E n S n E
q = P (no E)
n S n S n S

n E
1 1 p 1 P E
n S

De la ecuacin anterior se deduce que: P (E) + P (no E) = p + q = 1

4
 Observaciones:
1. De la definicin dada se obtiene que cada suceso elemental tiene probabilidad 1/n. Decimos en este caso
que los sucesos son equiprobables.
2. La probabilidad de un suceso es un nmero no negativo, y menor o igual que 1, es decir, para cualquier
suceso (E) tenemos que 0 PE 1

3. Si el suceso es imposible (no puede ocurrir) su probabilidad es cero (0). Como el conjunto vaco () es
un subconjunto del espacio muestral sin elementos, tenemos que su probabilidad es nula, es decir, P() = 0. Es
por esto que lo llamaremos suceso imposible, tal como veremos ms adelante.

4. Si el suceso es cierto (tiene que ocurrir), su probabilidad es 1. Es decir, P(E) = 1, por lo que llamamos
suceso seguro al espacio de sucesos elementales o muestral (), como veremos ms adelante.

5. El nmero de resultados posibles (sucesos) tiene que ser finito. Si hubiera infinitos resultados, al aplicar
la regla casos favorables / casos posibles el cociente siempre sera cero.
6. Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar un dado, algunas caras tuvieran
mayor probabilidad de salir que otras, no podramos aplicar esta regla.

Ntese que decimos resultados mutuamente excluyentes e igualmente posibles. Dos resultados son
mutuamente excluyentes si la realizacin de uno implica la imposibilidad de la realizacin del otro. El concepto
de resultados igualmente posibles implica que no hay nada que haga pensar que alguno de los resultados tiene
ms posibilidades de darse que los otros.

En el momento de la aplicacin de este enfoque a un experimento aleatorio real, nos enfrentamos con
el problema de decidir cules son los resultados simples que son igualmente probables. La existencia
de simetra en el experimento fsico, que permite aplicar el principio de razn insuficiente de Laplace,
es una gua poco firme para ayudar en este problema, entre otras cosas, porque el mismo experimento
fsico puede revelar diferentes simetras lo que supone el problema de decidir entre ellas. Recordemos,
por ejemplo, que en la experiencia aleatoria del lanzamiento de dos dados se proponen tres modelos:
Maxwell-Boltzmann, Bose-Einstein y Fermi-Dirac. No cabe duda de que debe encerrar mucha
enjundia psicolgica el enfoque de la equiprobabilidad porque una de nuestras principales industrias se
construye sobre esta idea: toda forma popular de juego, excepto apuestas en contextos de fuerza o
destreza, depende de aparatos aleatorios tales como cartas perfectamente barajadas, dados
perfectamente cbicos o ruletas simtricamente divididas. Tales aparatos utilizan una simetra visible
para soportar la hiptesis de que los elementos simtricos son igualmente probables.

Ejemplos
1ro. Sea A el suceso de que aparezcan los nmeros 1 5 en una sola tirada de un dado.
Solucin:
n (A): Nmero de casos favorables 1, 5 Dos casos.
n (S): Nmero de casos posibles 1, 2, 3, 4, 5, 6 Seis casos.
Si el dado est bien construido, podemos suponer que los seis casos son igualmente posibles.
n A 2 1
Puesto que A puede presentarse con dos de estos seis casos, se tiene: p P A
n S 6 3
1 2
La probabilidad de no obtener un 1 5, es decir, de obtener 2, 3, 4 6 es; q P no A 1
3 3
5
 2do. El experimento es lanzar un dado. Cul es la probabilidad de que caiga un dos hacia arriba? Cul la
probabilidad de obtener un nmero par?
1 3
Solucin: S = {1, 2, 3, 4, 5, 6}, Pcaiga 2 0,166 ; y hay tres pares, luego, P par 0,50
6 6

3ro. Cul es la probabilidad de que en una familia que tiene tres hijos, hayan dos nias y un nio, si se
considera igualmente probable el nacimiento de un nio o nia?

Solucin: Usando "a" para nia y "o" para nio, el espacio muestral es:
S = {aaa, aao, aoa, aoo, oaa, oao, ooa, ooo} : n(S) = 8
El evento E de que hayan dos nias y un nio es E = {aao, aoa, oaa} ; n(E) = 3
n E 3
p P E 0,3750 Se sugiere la construccin de un diagrama de rbol
n S 8

Obsrvese que siempre 0 PE 1 , puesto que 0 n E n S

Un diagrama de rbol es una herramienta que se utiliza para determinar los posibles resultados de un
experimento aleatorio. Consiste en una representacin grfica de esos posibles resultados y consta de una serie
de pasos, cada uno con un nmero finito de maneras de ser llevado a cabo. En la construccin de un diagrama
de rbol se partir colocando una rama para cada una de las posibilidades, acompaada de su probabilidad.
Cada una de estas ramas se conoce como rama de primera generacin. El final de cada rama de primera
generacin se constituye a su vez en un nudo del cual parten nuevas ramas, conocidas como ramas de segunda
generacin, segn las posibilidades del siguiente paso, salvo si el nudo representa un posible final del
experimento (nudo final). Hay que tener en cuenta que la construccin de un rbol no depende de tener el
mismo nmero de ramas de segunda generacin que salen de cada rama de primera generacin y que la suma
de las probabilidades de los nudos de cada rama debe dar 1.

4to. Calcular la probabilidad de que al lanzar un dado dos veces consecutivas, la suma de los puntos
obtenidos sea no menor que 8.

Solucin: Designemos por (i, j) al resultado del experimento consistente en lanzar un dado dos veces
consecutivas y obtener i puntos en el primer lanzamiento y j puntos en el segundo (i, j = 1, 2, 3, 4, 5, 6).
El conjunto de sucesos elementales que describe los resultados de un experimento de este tipo se compone de
6x6 = 36 puntos de la forma (i, j), y puede ser representado en la siguiente tabla

(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 suceso A consiste en que la suma de los puntos obtenidos es no menor que 8. Es claro que los casos
favorables para la ocurrencia del suceso A son los indicados en la tabla, es decir, 15. Considerando que los 36
resultados posibles son equiprobables, y aplicando la definicin de probabilidad, obtenemos:
15 5
p P ( A) 0,4166
36 12
6
 B. ENFOQUE DE FRECUENCIAS RELATIVAS (a posteriori o emprico).
Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las probabilidades de los
diversos posibles sucesos empiezan a converger hacia valores determinados, que son sus respectivas
probabilidades. En este modelo ya no ser necesario que el nmero de soluciones sea finito, ni que todos los
sucesos tengan la misma probabilidad. La idea intuitiva de probabilidad se basa en la llamada ley de los grandes
nmeros, enunciada por Bernoulli: La frecuencia relativa de un suceso tiende a estabilizarse en torno a un
nmero, a medida que el nmero de pruebas del experimento crece indefinidamente. As, la probabilidad de un
suceso se obtiene o, ms bien, se estima a partir de la frecuencia relativa observada de ese suceso en ensayos
repetidos.
Este es pues un enfoque a posteriori, experimental, basado en informacin obtenida despus de realizar ensayos
reales. La probabilidad es el lmite hacia el que tiende la frecuencia relativa, de este modo, el enfoque frecuencialista
implica la teora de lmites y la convergencia. Al aplicar esta definicin, hay dificultades obvias para definir lo que
significa similar o 'aleatoriedad ya que aparece la circularidad. Incluso la nocin de estabilizacin de las
frecuencias relativas a largo plazo presenta dificultades en relacin al nmero de ensayos necesarios para lograr
dicha estabilidad. El concepto de probabilidad a priori tiene la desventaja de que no es aplicable cuando el
nmero de resultados posibles es infinito. Ms aun, este concepto es vlido solamente cuando los resultados son
igualmente posibles. Por desgracia, hay situaciones prcticas que no son de este tipo y la definicin de Laplace
no se puede aplicar. Por ejemplo, si se pregunta por la probabilidad de que un paciente se cure mediante cierto
tratamiento mdico, o la probabilidad de que una determinada mquina produzca artculos defectuosos, entonces
no hay forma de introducir resultados igualmente probables. Por ello se necesita un concepto ms general de
probabilidad. Una forma de dar respuesta a estas preguntas es obtener algunos datos empricos en un intento por
estimar las probabilidades.
El concepto es muy simple; si realizamos un experimento aleatorio un nmero grande de veces, digamos, n
veces, y una determinada modalidad de A se da nA veces, como sabemos que la frecuencia relativa de la
modalidad A es f A = nA/n. Segn el concepto de probabilidad a posteriori la probabilidad de la modalidad A
sera el lmite de la frecuencia relativa de A cuando n tiende a infinito; es decir: n
P A Lm f A Lm A
n n n
Si continuamos calculando esta frecuencia relativa cada cierto nmero de ensayos, a medida que aumentamos
n, las frecuencias relativas correspondientes sern ms estables; es decir; tienden a ser casi las mismas; en este
caso decimos que el experimento muestra regularidad estadstica o estabilidad de las frecuencias relativas. Esto
se ilustra en la siguiente tabla que muestra los resultados de una moneda lanzada al aire 1.000 veces.

Nmero de Nmero Frecuencia Frecuencia Frecuencia

lanzamientos de caras relativa acumulada acumulada relativa
1 - 100 52 0,52 52 0,520
100 - 200 53 0,53 105 0,525
200 - 300 52 0,52 157 0,523
300 - 400 47 0,47 204 0,510
400 - 500 51 0,51 255 0,510
500 - 600 53 0,53 308 0,513
600 - 700 48 0,48 356 0,509
700 - 800 46 0,46 402 0,503
800 - 900 52 0,52 454 0,504
900 -1000 54 0,54 508 0,508
Total: 1000 508 0,508

7
 En un total de 1.000 lanzamientos ocurrieron 508 caras, es decir la frecuencia relativa es aproximadamente
igual a 0.50.
Tres investigadores realizaron experimentos y obtuvieron los siguientes resultados

Nmero de Nmero Frecuencia

Investigador
lanzamientos de caras relativa

Buffon 4.040 2.048 0,5069

K. Pearson 12.000 6.019 0,5016

K. Pearson 24.000 12.012 0,5005

La mayora de los experimentos aleatorios de importancia prctica tienen estabilidad, por esto podemos
sospechar que prcticamente ser cierto que la frecuencia relativa de un evento E en un gran nmero de ensayos
es aproximadamente igual a un determinado nmero P(E). Obsrvese que este nmero es una propiedad que no
depende solamente de E, sino que se refiere a un cierto espacio muestral S y a un experimento aleatorio.
Entonces, decir que el evento E tiene probabilidad P(E) significa que si efectuamos el experimento muchas
veces, es prcticamente cierto que la frecuencia relativa de E, fr(E) es aproximadamente igual a P(E). En la
prctica la probabilidad se aproxima por la frecuencia relativa al repetir el experimento un nmero grande de
veces, es decir: n
P (E ) f E E
n
Cuando se usa la definicin frecuencial, es importante tomar en cuenta los siguientes aspectos:
1) La probabilidad obtenida de esta manera es nicamente una estimacin del valor real.
2) Cuanto mayor sea el nmero de ensayos, tanto mejor ser la estimacin de la probabilidad; es decir, a mayor
nmero de ensayos mejor ser la estimacin.
3) La probabilidad es propia de slo un conjunto de condiciones idnticas a aqullas en las que se obtuvieron
los datos, o sea, la validez de emplear esta definicin depende de que las condiciones en que se realiz el
experimento sean repetidas idnticamente.

En resumen, este enfoque permite determinar la probabilidad con base en la proporcin de veces que ocurre
un resultado favorable en cierto nmero experimentos. No implica ningn supuesto previo de igualdad de
probabilidades. La probabilidad se define como el lmite de la frecuencia relativa bajo el supuesto de que el
nmero de observaciones o casos posibles, crezca indefinidamente. A este enfoque se le denomina tambin
enfoque emprico debido a que para determinar los valores de probabilidad se requiere de la observacin y de la
recopilacin de datos. Tambin se le denomina a posteriori, ya que el resultado se obtiene despus de realizar el
experimento un cierto nmero de veces.

Con esta concepcin de la probabilidad, la mayora de incertidumbres que experimentan los seres humanos no se
pueden describir por medio de probabilidades; por ejemplo, "el 100.000 dgito decimal de es un 7", "hay ms de
1.000.000 telfonos en Aragua (Venezuela)", etc. Adems, puede ser bastante difcil determinar si una particular
frecuencia relativa es un estimador apropiado de una probabilidad. El lanzamiento de la moneda es el ejemplo de
frecuencias relativas que viene en los libros de texto, pero cmo se debera lanzarla? Los sucesivos lanzamientos se
deberan realizar bajo condiciones "substancialmente idnticas" pero no pueden ser absolutamente idnticas porque la
moneda caera siempre del mismo lado. Cunta variacin es permisible en el procedimiento de lanzamiento de una
moneda, de una tirada a la siguiente? La posicin frecuencialista casi nunca llevara a estimar que la probabilidad de
conseguir caras es 1/2. En efecto, en cualquier secuencia de lanzamientos razonablemente larga pero finita, la frecuencia
relativa de caras casi nunca ser 1/2; adems, variar de una ocasin a otra. La mejor estimacin frecuencialista de una
probabilidad es la frecuencia relativa observada, por tanto los frecuencialistas deben admitir estimaciones como
515/1.000 o 5200/10.000, al menos que sean bastante sensatos para no recurrir a frecuencias relativas cuando tengan una
base mejor para el juicio probabilstico, por ejemplo, la simetra de la moneda.
8
 Ejemplos
1) Antes de incluir la cobertura para cierto tipo de problemas dentales en
plizas de seguros mdicos para adultos con empleo, una compaa de seguros
desea determinar la probabilidad de ocurrencia de esa clase de problemas, para
que pueda fijarse la prima de seguros de acuerdo con esas cifras. Por ello, un
especialista en estadstica recopila datos para 10.000 adultos que se encuentran en
las categoras de edad apropiadas y descubre que 100 de ellos han experimentado
el problema dental especfico durante el ao anterior. Por ello, la probabilidad de
ocurrencia es:
100
P (A ) 0,01 1%
10 .000

2) Se sabe que una moneda est cargada. Para determinar la probabilidad de que caiga
cara se lanza 60 veces la moneda al aire, de las cuales 25 veces cay cara. Si aplicamos
la frmula:
25
P(cae cara ) 0,41
60

3) Si en 2.000 lanzamientos de una moneda resultan 1.080 caras, la frecuencia relativa de caras es:

1.080
0,54
2 .000

4) Si en otros 1.200 lanzamientos de la misma moneda resultan 560 caras, la frecuencia relativa para el total
de los 3.200 lanzamientos es:
1.080 560 0,5125
3.200

De acuerdo con la definicin en trminos de frecuencia relativa, si se contina de esa forma, nos estaramos
acercando ms y ms al resultado que puede llamarse probabilidad de cara en el lanzamiento de la moneda.
De los resultados se puede concluir que este lmite sera 0,50.

Otro ejemplo:

5) Se ha observado que de 50 vehculos que pasan por una interseccin, 9 de

ellos no tienen cinturn de seguridad. Si un fiscal de trnsito se para en esa
interseccin un da cualquiera, cul ser la probabilidad de que detenga al
conductor de un vehculo sin cinturn de seguridad?

9
P A 0,18 18%
50

Tanto el enfoque clsico como el enfoque emprico conducen a valores de probabilidad, en el sentido de que
los valores de probabilidad indican a largo plazo la tasa relativa de ocurrencia del evento.
9
 C. ENFOQUE SUBJETIVO DE LA PROBABILIDAD (personalista o Bayesiano).
Representa el tipo de probabilidad que en el Renacimiento se calificaba como opinin o grado de creencia. En este
enfoque, las probabilidades son evaluaciones de situaciones que son inherentes a la mente del sujeto y no a las
caractersticas del mundo real que nos rodea tal como se asume implcitamente en los dos primeros enfoques. "Las
probabilidades son grados personales de creencia acerca de sucesos con incertidumbre". El enfoque seala que la
probabilidad de un evento es el grado de confianza que una persona tiene en que el evento ocurra, con base en
toda la evidencia que tiene disponible, fundamentado en la intuicin, opiniones, creencias personales y otra
informacin indirecta. Este enfoque no depende de la repetitividad de ningn evento y permite calcular la
probabilidad de sucesos nicos y se da el caso de que ocurra o no esa nica vez. Debido a que el valor de la
probabilidad es un juicio personal, al enfoque subjetivo se le denomina tambin enfoque personalista. Se
diferencia de lo dos enfoques anteriores, debido a que tanto el enfoque clsico como el de frecuencia relativa
producen valores de probabilidad objetivos.

Desde este enfoque, todas las incertidumbres se pueden medir apropiadamente utilizando probabilidades. Sin
embargo, no todas las opiniones numricas acerca de resultados inciertos son probabilidades; las opiniones, para
ser tratadas como probabilidades deben ser consistentes. Por ejemplo, sera tonto hacer una apuesta de 3 a 2 en cada
uno de los dos caballos que participan en una carrera porque se pierde dinero en cuanto que la ganancia de 2 en un
caballo no compensa la prdida de 3 en el otro. La coherencia formaliza esta idea bsica de la que se pueden deducir
las leyes bsicas de la probabilidad. El enfoque subjetivo de la probabilidad no supone relativismo cultural o
cientfico en el sentido de que no implica que "tu conjetura es tan buena como la ma". Aunque tu opinin inicial
sobre la futura conducta de una moneda o sobre cualquier otra hiptesis incierta, puede diferir radicalmente de la
de tus vecinos (de ah viene el nombre de probabilidades personales), tu opinin y la suya se vern tan transformadas
por una serie de observaciones relevantes que llegarn a ser casi indistinguibles. Esta aproximacin que surge de
opiniones inicialmente divergentes es una razn para considerar "objetivas" las inferencias desde las frecuencias
relativas.

Todas las probabilidades son condicionadas para el enfoque personalista. Formalmente, se puede establecer una
particin en cualquier conjunto de sucesos y una probabilidad es una medida asignada a cada uno de los
subconjuntos de la particin. Algunas veces la proposicin a la que se asigna una probabilidad define completamente
el conjunto de partida; por ejemplo: "esta bolsa contiene 50 bolas rojas y 50 azules, completamente mezcladas.
Uno de nosotros selecciona una, metiendo la mano en la bolsa a ciegas y cogiendo la primera que encuentra.
Ser roja?". Sin embargo, con mayor frecuencia, la proposicin omite la mayor parte de la informacin que
especifica el conjunto de partida; por ejemplo: "la siguiente persona que ver medir al menos 1,70 cm". La
posibilidad de que el enunciado sea verdad depende de cuestiones tales como dnde estoy en este momento y cul
es la secuencia probable de sucesos que me llevar a ver a alguna persona: puedo estar en casa con mi mujer e hijos,
ninguno de los cuales llega a 1,70; puedo estar en un partido de baloncesto Toros-Guaiqueres, en el primer caso
la probabilidad de que se cumpla el enunciado ser muy baja, en el segundo caso aumenta esta probabilidad.
La informacin condicionante siempre existe, independientemente de que sea explcita o implcita. Puesto que las
probabilidades modelan creencias u opiniones, el tipo ms importante de condicionamiento tiene que ver con la
informacin disponible en el momento en que se evala la probabilidad. La regla fundamental para cambiar las
probabilidades cuando se dispone de nueva informacin es el teorema de Bayes, que es una formalizacin
matemtica del proceso de aprendizaje desde la experiencia. Razn por la que este enfoque personalista de la
probabilidad se llama con frecuencia Bayesiano.

El enfoque subjetivista de la probabilidad no ha formado parte de la enseanza tradicional de la teora de

probabilidades. La mayora de los libros de texto ensean las probabilidades que tienen que ver con experiencias
aleatorias repetibles y que describen sucesos ms que opiniones acerca de proposiciones o enunciados.

Ejemplos
1) Hay una probabilidad del 90% de que las ventas mejoren el ao prximo.
2) Hay una alta probabilidad de sacarme un 20 en esta materia.
10
 D. ENFOQUE ESTRUCTURAL O AXIOMTICO (Definicin Axiomtica de Kolmogorov).
Despus de establecer una forma de determinar la probabilidad experimentalmente, se pueden deducir leyes o
propiedades de la probabilidad en forma lgica o computacional bajo ciertas suposiciones llamados axiomas de
la probabilidad. Estos axiomas corresponden a la definicin axiomtica de la probabilidad de Kolmogorov.

La probabilidad formal es un concepto que se define por un sistema de axiomas y el conjunto de definiciones
y teoremas que se pueden deducir de esos axiomas. Unas probabilidades se deducen de otras probabilidades de
acuerdo a teoremas matemticos, sin justificacin para sus valores numricos en ninguna aplicacin. Para
Kolmogorov, la teora de la probabilidad, como disciplina matemtica que es, puede y debe ser desarrollada desde
los axiomas, exactamente igual que la geometra y el lgebra. Segn Barnett, este enfoque estructural no clarifica
la naturaleza de la probabilidad aunque los teoremas deducidos son un indicador de posibles interpretaciones.
Sin embargo, puede servir como una estructura terica para las dos principales concepciones de la probabilidad, la
objetivista y la subjetivista. La posicin objetivista abarca los enfoques clsico y frecuencialista; segn esta
perspectiva, la probabilidad es un tipo de disposicin de ciertos sistemas fsicos que se relaciona con frecuencias
empricas. Algunos teoremas como las leyes de los grandes nmeros, confirman esta relacin. La posicin
subjetivista trata la probabilidad como un grado de confianza en proposiciones que expresan incertidumbre.
Los axiomas que se basan en una conducta de apuestas "racional", como los de coherencia y consistencia,
proporcionan reglas para asignar probabilidades.

Es notable que las teoras estructurales construidas sobre varios sistemas de axiomas son idnticas para
objetivistas y subjetivistas si se apartan las variantes subjetivistas ms radicales como la de de Finetti. Esto
significa que posiciones competitivas utilizan el mismo lenguaje axiomtico con respecto a la sintaxis;
naturalmente, la semntica es diferente.

A pesar de la equivalencia formal de los enfoques, se considera que los axiomas de Kolmogorov son una
justificacin de la posicin objetivista, especialmente del modelo frecuencialista. El modelo estructural no
ayuda a determinar un valor para la probabilidad.

En una aplicacin determinada hay que elegir una interpretacin especfica subjetiva u objetiva para
determinar el modelo y las probabilidades inherentes. Filosficamente, para el estructuralista no hay forma
de decidir qu modelo es mejor.

Un ejemplo estndar de lanzar un dado azul determinado puede ayudar a ilustrar las diferentes posiciones
tericas. El modelo clsico asigna una probabilidad de 1/6 al suceso de conseguir un seis, porque se puede
asumir que hay seis caras todas ellas igualmente probables. El modelo frecuencialista asigna una
probabilidad realizando ensayos repetidos o asignando el mismo valor para el dado azul cuando
experiencias con otro dado han producido un resultado de 1/6. En ambos modelos la probabilidad es una
caracterstica inherente del dado y del procedimiento de lanzamiento. El modelo subjetivista afirma que la
probabilidad es un constructo mental que se puede alterar si se dispone de nueva informacin acerca del
dado. Por ejemplo, se puede asignar un valor diferente de 1/6 si el dado es negro o ms pesado o ms
pequeo o est suavemente cincelado; por supuesto que se necesita alguna base para tomar la decisin pero
dado que no se considera la probabilidad como inherente al objeto, no implica ningn problema lgico que
haya valores en conflicto.

De hecho, la concepcin subjetivista no rechaza consideraciones de simetra o de frecuencias relativas,

ambas son importantes para evaluar probabilidades, pero insiste en que las ideas de simetra o frecuencia
hay que hacerlas explcitas y usarlas con cuidado.

11
 AXIOMAS DE PROBABILIDAD.
La probabilidad de un evento E en un experimento aleatorio, es el valor numrico P(E) que satisface los
siguientes axiomas:
- Si E es un evento definitivo del espacio muestral S, entonces: 0 P (E) 1.

- Si S representa el conjunto de todos los resultados posibles de un experimento aleatorio, entonces: P (S) = 1.

Si A y B son dos eventos cualesquiera definidos en el mismo espacio muestral y, si A B = , entonces A y B

se dice que son mutuamente excluyentes y, la probabilidad de que ocurra A B es la suma de probabilidad de sus
probabilidades: P (A B) = P (A) + P (B). (Ver suceso incompatible o mutuamente excluyentes).

Si A y B son dos eventos cualesquiera definidos en el mismo espacio muestral y, si A B , entonces A y B

se dice que son no mutuamente excluyentes y, la probabilidad de que ocurra A B es la suma de sus
probabilidades menos la probabilidad de ocurrencia de ambos eventos: P (A B) = P (A) + P (B) P (A B).
(Ver suceso compatible, solapado o no mutuamente excluyente).
- Evento complementario, de un evento A es el evento que consiste en todos los resultados que no contiene el
evento A. Su probabilidad se calcula con la frmula: P ( A ) = 1 P (A).
Toda la teora elemental de la probabilidad est construida sobre las bases de estos simples axiomas.

DEFINICIN OPERACIONAL DE TRMINOS.

En el certamen de belleza Miss Venezuela, el nombre de las cinco finalistas no se sabr con certeza hasta tanto
no se realicen las pruebas correspondientes para elegirlas. Se puede conocer la lista de todas las participantes
inscritas, pero no la lista de las escogidas. El certamen constituye el experimento aleatorio, mientras que el
conjunto de todos los posibles resultados al realizar el experimento es lo que llamaremos espacio muestral.

EXPERIMENTO ALEATORIO.
Es el conjunto de pruebas aleatorias realizadas en las mismas condiciones. El resultado no se conoce a priori,
pero si se conocen todos los resultado posibles. Si se realiza una sola prueba, la misma constituye un
experimento aleatorio. Estos experimentos tambin se llaman estocsticos. El lanzamiento de una moneda una o
varias veces, la extraccin de una baraja de un juego, etc., son ejemplos de ello. Ntese que si lanzamos un
dado, tampoco podemos determinar el resultado que vamos a obtener, aunque si conocemos todos los resultados
posibles.
12
 COMPROBACIN DE LOS APRENDIZAJES
1) Sea el experimento lanzar dos monedas simultneamente, describa su espacio muestral.
Solucin: Nuestro espacio muestral sera los cuatro posibles resultados de este experimento.
Estos resultados podemos obtenerlos mediante dos procedimientos:
a) A travs de un producto cartesiano. b) A travs de un diagrama de rbol
Segunda 1ra 2da (moneda)
Primera
moneda
moneda C
C S
C CC CS C
S SC SS S
C
S
Luego el espacio muestral de estas dos monedas sera S
S CC, CS, SC, SS

2) Se lanzan juntos una moneda y un dado. Localizar el espacio muestral.

Solucin:
a) Se puede resolver a travs del producto cartesiano de los dos espacios muestrales simples:
Espacio muestral para la moneda: E1 = cara, sello = C, S
Espacio muestral para el dado: E2 = 1, 2, 3, 4, 5, 6
Espacio muestral de la moneda y el dado al ser lanzados juntos; E = E1 . E2
(Producto cartesiano) E = 1C, 2C, 3C, 4C, 5C, 6C, 1S, 2S, 3S, 4S, 5S, 6S
b) La otra forma de obtener el espacio muestral para este tipo de ejemplos es, representando
grficamente el producto cartesiano en un sistema de ejes rectangulares. Para lograr la
representacin grfica, se construye la parte positiva (primer cuadrante) del sistema de
ejes rectangulares. Se coloca en el eje Y (ordenadas), los puntos muestrales de la moneda
y en el eje X (abscisas), los puntos muestrales del dado. Finalmente se coloca en cada
interseccin el evento compuesto correspondiente:
Y
(Moneda)
S (1,S) (2,S) (3,S) (4,S) (5,S) (6,S)
C (1,C) (2,C) (3,C) (4,C) (5,C) (6,C)
X
1 2 3 4 5 6 Dado

3) Sea el experimento lanzar tres monedas simultneamente, construya su espacio muestral

a travs de los procedimientos mostrados.

4) Se lanzan dos dados; uno rojo y otro verde. Determine:

a) El espacio muestral. b) E1 = (X = suma de las caras) tal que X > 12
c) E2 = (X = suma de las caras) tal que X 3 sea entero
d) E3 = (Sx = suma de las caras) tal que 2 X 12.

5) Un experimento aleatorio consiste en seleccionar 200 unidades de la produccin de cierto

artculo, y observar cuntas son defectuosas. Los posibles resultados son el nmero posible
de unidades defectuosas. Cuntos puntos muestrales contiene el espacio muestral?

13
 ESPACIO MUESTRAL O DE SUCESOS.
Tambin llamado espacio de sucesos elementales. Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Se simboliza por la letra S o bien con la letra griega mayscula -omega-. Ejemplo: En
el lanzamiento de un dado, el espacio muestral es S = 1, 2, 3, 4, 5, 6.

SUCESOS ELEMENTALES.
Es cada uno de los elementos que forman parte del espacio muestral; posibles resultado de un experimento
aleatorio y se simboliza con la letra E. Tambin se conoce como punto muestral o suceso aleatorio. Un
suceso elemental es un suceso unitario y constituyen un subconjunto del espacio muestral. Por ejemplo, en el
lanzamiento de una moneda, los puntos muestrales son E1 = cara y E 2 = sello. Cada uno de ellos es un suceso o
caso posible. Otro ejemplo sera el lanzar un dado, un suceso elemental sera obtener 5, otro suceso sera que
saliera par y otro obtener un mltiplo de 3.

SUCESO SEGURO O CIERTO.

Es el que siempre se realiza. Est formado por todos los posibles resultados del experimento, es decir, coincide
con el espacio muestral y por eso lo representaremos tambin por la letra S. Por ejemplo, al lanzar un dado
obtener una puntuacin que sea menor que 7.

SUCESO IMPOSIBLE.
Es el que no se verifica nunca por no tener ningn elemento. Se representa por . Ejemplo, al lanzar un dado
obtener una puntuacin igual a 7.

SUCESO COMPATIBLE. (Solapados o no mutuamente excluyentes).

Dos sucesos, A y B, son compatibles cuando tienen algn suceso elemental comn. Por ejemplo, si A es sacar
puntuacin par al lanzar un dado y B es obtener mltiplo de 3, A y B son compatibles porque 6 es un suceso
elemental comn. P (A B) = P (A) + P (B) P (A B).

SUCESO INCOMPATIBLE (mutuamente excluyentes).

Dos sucesos, A y B, son incompatibles cuando no se pueden dar al mismo tiempo ya que no tienen elementos
comunes (su interseccin es el conjunto vaco). Por ejemplo, si A es sacar puntuacin par al lanzar un dado y B
es obtener mltiplo de 5, A y B son incompatibles. La probabilidad de la unin de dos sucesos incompatibles
ser igual a la suma de las probabilidades de cada uno de los sucesos, ya que su interseccin es el conjunto vaco
y por lo tanto no hay que restarle nada. P (A B) = P (A) + P (B).

SUCESO INDEPENDIENTE.
Dos sucesos, A y B, son independientes cuando la probabilidad de que ocurra A no se ve afectada porque haya
o no ocurrido B. Ejemplo, al lanzar dos dados los resultados son independientes.

SUCESO DEPENDIENTE.
Dos sucesos, A y B, son dependientes cuando la probabilidad de que ocurra A se ve afectada porque haya o no
ocurrido B. Por ejemplo, extraer dos cartas de una baraja, sin reposicin, son sucesos dependientes. (Por qu?)
Los eventos mutuamente excluyentes deben ser dependientes.

SUCESO CONTRARIO O COMPLEMENTARIO.

Dado un suceso cualquiera A del espacio de sucesos S, se llama suceso contrario del suceso A, a un suceso

que se realiza cuando no se realiza A, y viceversa. Se denota por A (tambin por A). P A 1 PA . Es decir,
si no se da uno, obligatoriamente se tiene que dar el otro. La probabilidad de la unin de dos sucesos
complementarios es igual a 1.

Ejemplo; consideremos el espacio muestral asociado al lanzamiento del dado, S = (1, 2, 3, 4, 5, 6), y los
siguientes sucesos A: "salir nmero impar" = (1, 3, 5), : "salir nmero par" = (2, 4, 6). Los sucesos A y son
complementarios, ya que si se realiza A no se realiza y si se realiza no se realiza A.
14
 SUCESO COMPUESTO. Es una combinacin de eventos elementales que se forman a partir de dos o ms
eventos simples, tomando en cuenta las operaciones entre conjuntos.
Ejemplo: Experimento que consiste en arrojar un dado.
Espacio Muestral S = {1, 2, 3, 4, 5, 6}
Sucesos o eventos simples: E1 = {1}, E2 = {2}, E3 = {3}, E4 = {4}, E5 = {5}, E6 = {6}
Sucesos o eventos compuestos: E1 = {1, 3, 5}, E2 = {2, 4, 6}

La unin de sucesos, A B, es el suceso formado por todos los elementos de A y de B.

Observe que la unin se relaciona con el operador lgico O o V
A B X S / X A X B

La interseccin de sucesos, A B, es el suceso formado por todos los elementos que

son, a la vez, de A y de B. Observe que la interseccin tiene mucha relacin con el
operador lgico Y - . A B X S / X A X B

Ejemplo:
Sea el experimento lanzar un dado y observar el nmero que sale en la cara superior, es decir,
E = 1, 2, 3, 4, 5, 6
Algunos sucesos simples de E, seran: A = Sale un nmero par = 2, 4, 6
B = Sale un nmero impar = 1, 3, 5
C = Sale un nmero menor que cinco = 1, 2, 3, 4
Definamos algunos sucesos compuestos;
1.- B C = Sale un nmero impar o un nmero menor que cinco B C = 1, 3, 5, 2, 4
2.- A C = Sale un nmero par o un nmero menor que cinco A C = 2, 4, 6, 1, 3
3.- A = No sale un nmero par A = 1, 3, 5

SELECCIN CON REEMPLAZO.

Es cuando cada elemento o punto muestral elegido de la poblacin se devuelve a sta antes de seleccionar otro,
por lo que, el mismo elemento puede ser tomado ms de una vez. Si tenemos n elementos y seleccionamos r al
azar procedemos de la siguiente forma: seleccionamos un primer elemento al azar, anotamos su identificacin y
lo volvemos a colocar entre los dems, luego seleccionamos un segundo elemento al azar, anotamos su
identificacin y volvemos a colocarlo con los dems y as sucesivamente hasta haber registrado los r elementos,
As el nmero de maneras diferentes de seleccionar los r elementos es: n r
Ejemplo:
Sean 4 elementos a, b, c, d y seleccionemos 2 al azar. Si el muestreo se hace con remplazo el nmero de
maneras diferentes de seleccionar 2 elementos es 4 2 = 16, los cuales seran
(a,a), (a,b), (a,c), (a,d), (b,a), (b,b), (b,c), (b,d), (c,a), (c,b), (c,c), (c,d), (d,a), (d,b), (d,c), (d,d)
Cada resultado indica cuales elementos fueron seleccionados y en qu orden.
Ejercicio:
Sea un juego de barajas de 52 cartas (26 rojas y 26 negras, de ellas 13 son picas , 13 corazones ,
13 trboles y 13 diamantes ). Si extraemos dos cartas del juego de baraja y el muestreo se hace con
reemplazo. Cul es la probabilidad de que la primera carta extrada sea negra y cul la probabilidad de que la
segunda carta extrada tambin lo sea?

Solucin: Como se trata de un experimento con reemplazo, la probabilidad de que la primera carta sea negra es 26/52 y
la probabilidad de que la segunda carta extrada tambin sea negra continua siendo 26/52.

15
 SELECCIN SIN REEMPLAZO.
Si tenemos n elementos y seleccionamos r al azar procedemos de la siguiente forma: escogemos al azar un
elemento, anotamos su identificacin y lo separamos de los dems y luego seleccionamos un segundo elemento
al azar, entre los (n 1) elementos restantes y as sucesivamente hasta obtener los r elementos, As el nmero de
n
maneras diferentes de seleccionar los r elementos ser:
r
Ejemplo:
Sean 4 elementos a, b, c, d y seleccionemos 2 al azar. Si el muestreo es hecho sin reemplazo el nmero de
maneras diferentes de seleccionar 2 elementos es
4 4!
6 los cuales seran (a,b), (a,c), (a,d), (b,c), (b,d), (c,d)
2
2 ! 4 2!

TIPOS DE EVENTOS O SUCESOS.

SUCESO INCOMPATIBLE (disjuntos o mutuamente excluyentes).
Como ya dijimos en la definicin operacional de trminos, dos o ms sucesos son mutuamente excluyentes si
ellos no ocurren simultneamente o si su interseccin es vaca, es decir, si la ocurrencia de uno cualquiera de
ellos imposibilita la ocurrencia de los otros. De la teora de conjuntos se sabe que dos o ms conjuntos que no
tengan puntos muestrales en comn su interseccin es vaca o nula. Por ejemplo, sean lo sucesos E1 y E2
sealados en la figura, su interseccin es nula, (E1 E2 = ) porque no tienen puntos muestrales en comn, por
lo tanto, E1 y E2 son sucesos mutuamente excluyentes y la P(E1 E 2) = 0
La probabilidad de ocurrencia de E1 o E2, es la suma de las
S
probabilidades de cada uno.
E1 E2 P (E1 E2) = P (E1 E 2) = P (E1) + P (E2)
Si E1, E2, , En son mutuamente excluyentes dos a dos, entonces
P(E1 E2 En) = P(E1) + P(E2) + + P(En)

Ejemplos:
1) En el lanzamiento de una moneda. La probabilidad de obtener una cara y un sello simultneamente es
imposible, es decir, si A = sale cara y B = sale sello, entonces A B = . Por lo que A y B son
mutuamente excluyentes. Mientras que si en el experimento lanzar dos monedas simultneamente definimos los
sucesos A = sale cara = CC, CS, SC y B = sale sello = CS, SC, SS e intersectemos A y B, resultara
A B . Lo que significa que A y B no son mutuamente excluyentes. Como puedes ver se puede obtener
cara y sello al mismo tiempo al lanzar dos monedas.

2) En una caja hay 3 bolas rojas, 4 negras y 3 verdes. En cada ensayo se saca una bola y se devuelve a la caja.
Calcular la probabilidad de extraer: a) una bola roja o negra, b) rojas o verde.
Solucin.
Procedimiento:
a. Se calculan las probabilidades de cada evento:
fr 3 fr 4 fr 3
P rojas = P negras = P verdes =
n 10 n 10 n 10

3 4 7
b. La probabilidad de extraer una bola roja o negra es: Proja negra = Proja + Pnegra 0,7
10 10 10

3 3 6
c. La probabilidad de extraer una bola roja o verde es: Proja verde = Proja + Pverde 0,6
10 10 10
16
 3) De un grupo de profesionales recin graduados 125 son licenciados en Educacin, 120 en Relaciones
Industriales, 80 en Bioanlisis y 75 en Economa. Si se elige una persona al azar de este grupo, qu
probabilidad existe de que la persona elegida, sea graduado en Educacin Bioanlisis?

Solucin.
Procedimiento:
a. Se calcula, por separado, la probabilidad de que la persona elegida sea o Licenciado en Educacin o
Bioanalista.
f L.E = 125; f R.I = 120; f Bioan = 80; f EC = 75
n = 125 + 120 + 80 + 75 = 400

f LE 125 80
P L.E = ; P L. Bioanalista =
n 400 400

b. Como los eventos son mutuamente excluyentes (no existe para este ejemplo ninguna persona graduada en
ambas profesiones), se aplica la frmula respectiva.
125 80 205
P L.E Bioanalista = 0,5125
400 400 400

c. Interpretacin: Si del grupo de recin graduados se selecciona una persona al azar, existe una probabilidad
de 0,5125 de que la persona seleccionada sea licenciado en Educacin o Bioanlisis.

4) De unas barajas compuestas por 52 cartas, se extrae aleatoriamente una carta. Cul es la probabilidad de
que la carta extrada sea un as o un rey?

Solucin.
Procedimiento:
a. La extraccin de un as es el evento E 1
b. La extraccin de un rey es el evento E2
c. Los eventos son mutuamente excluyentes, ya que no existen puntos muestrales comunes, es decir, no
existe as de rey.
d. En un juego de 52 cartas, existen 4 ases y 4 reyes.
e. Se calcula la probabilidad de cada evento por separado

4 1
P E1 = P as =
52 13

4 1
P E2 = P rey =
52 13

f. Se sustituye en la frmula para eventos mutuamente excluyentes

1 1 2
P E1 E2 =
13 13 13

g. Interpretacin: En un juego de barajas de 52 cartas, al extraer una baraja al azar, existe la probabilidad de
que de 13 extracciones en 2 ocasiones sea un as o un rey.
17
 SUCESO COMPATIBLE (Solapados o no mutuamente excluyentes).
Dos eventos E1 y E2, son compatibles si tienen puntos muestrales comunes. Los puntos muestrales comunes a
E1 y E 2, forman un subconjunto llamado Interseccin de E1 y E2, y se representa por E1 E2.

S La zona coloreada representa la interseccin de E1 y E2: E1 E2.

La frmula para calcular la probabilidad de dos eventos solapados es:
E1 E2
P E1 E 2 = P E1 E2 = P E1 + P E2 P E1 E2
Donde: P E1 E 2 = P E1 . P E2

La frmula para tres eventos solapados:

PE1 E2 E3 = PE1 + PE2 + PE3 PE1 E2 PE1 E 3 PE2 E3 + PE1 E2 E3

S E1 E2

E1 E2
E1 E2 E3

E3
E1 E 3 E2 E3

Ejemplos
1. De un juego de 52 barajas, se extrae una carta al azar Cul es la probabilidad de extraer un as o una espada
o ambas cosas, en una sola extraccin?
Solucin.
Procedimiento:
a. Los dos eventos son:
E1: Extraccin de un as (existen 4)
E2: Extraccin de una espada (existen 13)

b. Los dos eventos son compatibles ya que existe un as de espada.

c. Se calcula la probabilidad de cada evento
4 13
P E1 = P as = ; P E2 = P espada =
52 52

d. Se consigue la probabilidad: P E1 E2
4 13 4 13 1
P E1 E2 = P E1 . P E2
52 52 52 52 52

e. Se sustituye en la frmula para eventos compatibles o solapados:

4 13 1 4
P E1 E2 = P E1 + P E2 P E1 E2
52 52 52 13
18
 2. En un liceo de Cagua se conoce la siguiente distribucin de estudiantes clasificados por aos y sexo.
Varones (V) Hembras (H) Total
Primer ao (E1) 100 80 180
Segundo ao (E2) 70 50 120
Tercer ao (E3) 50 40 90
total 220 170 390
Determina la probabilidad de que al seleccionar un estudiante al azar, sea de segundo ao o hembra.
Solucin.
Procedimiento:
a. Los eventos son; E 2: Que el estudiante elegido sea de 2do ao ; H: Que el estudiante elegido sea hembra
b. Los dos eventos son solapados ya que el estudiante seleccionado puede ser de segundo ao y a la vez hembra.
c. Se calculan las probabilidades de ambos eventos
f 120 12 f 170 17
P E2 = 0,31 P H = 0,44
n t 390 39 n t 390 39

d. Se halla la probabilidad de que el estudiante elegido sea de segundo ao y a la vez hembra:

P E2 H = P E2 . P H
12 17 68
0,13
39 39 507
e. Se sustituye en la frmula para eventos solapados: P E2 H = P E2 + P H P E2 H
0,31 0,44 0,13 0,62
f. Interpretacin: Si del liceo en referencia se elige un estudiante al azar, existe una probabilidad de 0,62 de que
sea de segundo ao y hembra.

SUCESOS IGUALMENTE PROBABLES O EQUIPROBABLES.

Dos sucesos son equiprobables si tiene igual probabilidad de ocurrir y el espacio muestral de donde provienen
estos sucesos lo llamamos espacio muestral equiprobable.
Si A es un suceso cualquiera definido en un espacio muestral S, formado por r sucesos elementales, es decir,
E = e1, e2, e3, , er y, adems, sabemos que,
P(E) = P(e1) + P(e2) + P(e3) + + P(er) y como
P(e1) = P(e2) = P(e3) = = P(er) entonces
1 1 1 1
P E r veces
n n n n

Nota: Seleccin al azar o aleatoria: Es el procedimiento mediante el cual cada uno de los elementos de la
poblacin posee la misma oportunidad de ser elegido o extrado para formar parte de una muestra. La expresin
seleccionar un elemento al azar de un conjunto E significa que E es un espacio muestral equiprobable, donde
cada elemento o suceso elemental tiene la misma probabilidad de ser seleccionado o de ocurrir. Por lo que
1
PE ; si E tiene n elementos.
n

Ejemplo: En el experimento lanzar dos monedas simultneamente, el espacio muestral est definido como
E = CC, CS, SC, SS, veamos algunos sucesos equiprobables:
A = CC y B = CS, ya que P(A) = P(B) =
19
 EVENTOS COMPLEMENTARIOS.
Dos eventos E1 y E2, son complementarios si el segundo es un subconjunto que contiene todos los puntos
muestrales del espacio muestral que no estn en el primero. Los eventos complementarios son a su vez
mutuamente excluyentes:
E1 E2 = S y E 1 E2

S
E E'

En el grfico, S representa el espacio muestral (el rectngulo), E es el complementario de E, es decir, E es lo

que le falta a E para ser igual a S.
E se lee complementario de E o no E
La probabilidad del espacio muestral es 1; P S = 1, por lo que se tiene
P S = P E + P E = 1
P E = P S P E = 1 P E

En general: la probabilidad de un suceso complementario a un suceso (A) es igual a 1 P(A)

y la probabilidad de la unin de dos sucesos complementarios es igual a 1.

Ejemplo:
Cul es la probabilidad de que la suma de los nmeros que salgan al lanzar dos dados no sea 6?

Solucin.
Procedimiento:
a. Se determina para la prueba aleatoria, la cantidad de puntos muestral. Para ello se multiplica el nmero de
puntos muestrales de cada dado: 6. 6 = 36.
b. Se halla la probabilidad de los casos favorables, es decir, la probabilidad de que la suma sea 6.

Casos favorables
Dado 1 Dado 2
1 5
2 4
3 3
4 2
5 1

Total de casos favorables: 5 P E = 5/36

c. Se aplica la frmula de eventos complementarios

5 31
P E = 1 P E = 1
36 36

d. Interpretacin: Si se lanzan dos dados simultneamente existe una probabilidad de 31/36 de que la suma de las
caras no sea 6.
20
 COMPROBACIN DE LOS APRENDIZAJES
Si A y B son dos sucesos no mutuamente excluyentes definidos en S, entonces P(AB) = P(A) + P(B) P(A B)
Si A y B son dos sucesos cualesquiera definidos en S, entonces P(A B) = P(A) P(A B)
Ejemplo: Sean A y B eventos con P(A) = 3/8, P(B) = 1/2 y P(AB) = 1/4. Hallar:
a) P(AB) b) P A c) P(A B) d) P( A B) e) P(A B) f) P( B A)
Respuesta:
a) P(AB) = ? Como A B . A y B son no mutuamente excluyentes. Luego,
3 1 1 3 42 5
P(AB) = P(A) + P(B) P(A B) 0,625
8 2 4 8 8

b) P A = ?
P A 1 PA 1
3 83 5
8

8
0,625
8

c) P(A B) = ?
P(A B) P A B 1 P A B 1
5 85 3
8

8
0,375
8

d) P(A B)
P(A B) P A B 1 PA B 1
1 3
0,75
4 4
(*) Los otros dos quedan como ejercicios.

Dualidad de Morgan
(i)
P AB P AB (ii)
P A B P( A B) La barra se lee complemento

(iii) P(A) PA ; P(A ) se lee probabilidad del complemento del complemento de A

Nota: Algunos textos denotan el complemento con un apstrofe (). As, P(A' )
Que se lee probabilidad del complemento de A

1) Sean A y B eventos con P(AB) = 3/4, P( A) = 2/3 y P(AB) = 1/4. Hallar:

a) P(A) b) P(B) c) P(A B)

Probabilidad de un suceso
Sea A un suceso definido en S. La probabilidad de un suceso A, designada por P(A), es la suma de las
probabilidades de todos los puntos muestrales de A.
Ejemplo: Determinemos la probabilidad de obtener exactamente dos sellos al lanzar tres monedas.
Solucin: Definamos su espacio muestral, S = CCC, CCS, CSC, CSS, SCC, SCS, SSC, SSS
Como; n = 3 (nmero de monedas) y r = 2 (resultados posibles). Entonces, rn = 2 3 = 8 (resultados posibles)
Sea el suceso A = Obtener exactamente dos sellos; A = CSS, SCS, SSC
1 1 1 3
Luego, P(A) 0,375
8 8 8 8
Como podrs observar la probabilidad de ocurrencia de cada punto muestral es 1/8.

1) Tres caballos T, H, B, intervienen en una carrera. El caballo T tiene el doble de probabilidad de ganar que H
y este tiene el doble de B. Cules son las probabilidades de ganar de cada caballo?

2) Se lanzan dos dados simultneamente. Determinar la probabilidad de

a) Obtener un uno y un dos.
b) Que la suma de sus resultados de 7
c) Que el producto de sus resultados sea mltiplo de 3
21
 PROBABILIDAD CONDICIONAL.
A menudo sucede que la ocurrencia de un evento depende de la ocurrencia de otro y es de frecuente inters
obtener la probabilidad de un evento, donde dicho evento est condicionado a la ocurrencia de un subconjunto
del espacio muestral (otro evento).
Si los sucesos E1 y E2 pertenecen al mismo espacio muestral S y si PE2 0, entonces la probabilidad
condicional de que ocurra el evento E1, dado que el evento E2 haya ocurrido, se llama probabilidad condicional
del evento E1, y se representa por P E1 / E2, que se lee probabilidad de E1 dado E2 y se determina a travs de
la expresin:
P E1 E 2
P E1 / E2 = ; PE2 0
P E2

n E1 E 2
Tambin P E1 / E2 =
n E2
n E1 E 2 = Es la cantidad de puntos muestrales de la interseccin entre E 1 y E2
n E 2 = Es la cantidad de puntos muestrales del evento E2.

La probabilidad condicional es una probabilidad calculada en un espacio muestral reducido, E2; pues a partir
de la informacin dada se sabe que el evento E2 ya ocurri. En la prctica se puede resolver este problema
usando la frmula de la definicin, esto es calculando P E1 E2 y P E2 con respecto al espacio muestral
reducido E2, es decir, del evento que condiciona.
El termino probabilidad condicional toma en cuenta la posibilidad de que la probabilidad de E1 pueda
depender del hecho de que el suceso E2 haya o no ocurrido.

Ejemplo 1: Con los datos del ejemplo 2 (pgina 19), calcular la probabilidad de que una alumna sea
seleccionada dado que la persona seleccionada estudie segundo ao en el referido liceo.

Solucin.
Procedimiento:
a. H: Es el evento ser alumna
b. E2: Es el evento ser estudiante de segundo ao
c. Se pide la probabilidad de H dado E2, es decir, P H / E2
d. Se aplica la frmula para probabilidad condicional.

Varones (V) Hembras (H) Total

Primer ao (E1) 100 80 180 n H E 2 50 5
Segundo ao (E2) 70 50 120 P H / E2 =
n E2 120 12
Tercer ao (E3) 50 40 90
Total 220 170 390

e. Interpretacin: La probabilidad de que una alumna sea seleccionada dado que sea de segundo ao es igual a
5/12.

Ejemplo 2: De la aplicacin de una encuesta en una empresa de la Regin Central, se sabe que el 40 % de los
obreros son mujeres y que el 20 % de todas las obreras han iniciado estudios medios. Qu probabilidad existe
de que al seleccionar un obrero de forma aleatoria, haya iniciado estudios medios, si se sabe que se seleccion
una mujer?
22
 Solucin. (Procedimiento): P E 2 E 1 8/40
a. E1: Es el evento ser mujer PE 2 /E 1 0,5
P E 1 40/100
b. E2: Es el evento haber iniciado estudios medios
c. La probabilidad de que la persona seleccionada haya iniciado estudios medios dado que es mujer, es:
P E2 E1 = P E2 y E 1 = 20/100 = 1/5
d. La probabilidad de que la persona sea mujer, es: P E1 = P es mujer = 40% = 40/100 = 2/5
e. La probabilidad de que el obrero seleccionado haya iniciado estudios medios dado que es mujer, es:
P E 2 E 1 1 / 5 Ntese que el 20% de 40 = 8. Luego, 8/40 = 1/5
P E2 / E1 = 0,5
P E 1 2/5 Mientras que 40/100 = 2/5 0,5

f. Interpretacin: La probabilidad de que al seleccionar al azar un obrero que haya iniciado estudios medios dado
que es mujer, es de 0,5.

Ejemplo 3:
Una empresa tiene 300 trabajadores de los cuales 100 son casados y 30 son divorciados. En dicha empresa
trabajan 200 hombres, 85 de los cuales son casados y 95 son solteros. Se toma un trabajador al azar.
a) Si el trabajador seleccionado es soltero, cul es la probabilidad de que sea mujer?
b) Si el trabajador seleccionado es mujer, cul es la probabilidad de que sea soltera
c) Cul es la probabilidad de que sea mujer o est casada?
Solucin. (Procedimiento):
Lo primero es extraer la informacin que proporciona el problema y ver cmo se puede completar la siguiente.
Partamos del hecho de que la informacin proporcionada se puede clasificar de acuerdo a dos criterios. El sexo
de los trabajadores y el estado civil de los mismos. El siguiente cuadro muestra la informacin dada y la
deducida utilizando el concepto de complemento de un evento
Sexo Estado civil Total
Casado (C) Soltero (D) Divorciado (E)
Femenino (A) 15 75 10 100
Masculino (B) 85 95 20 200
Total 100 170 30 300

Como se puede observar se est totalizando tanto por filas como por columnas, es decir, de acuerdo a los dos
criterios de clasificacin de la informacin. A esto se le llama probabilidades marginales y a la informacin del
interior del cuadro se le llama probabilidad conjunta de los dos eventos (criterios de clasificacin). Resolviendo
el problema se tiene:
a) Si el trabajador seleccionado es soltero, cul es la probabilidad de que sea mujer? En este caso el evento
condicionante es que el trabajador sea soltero y el evento dependiente es que sea mujer
Los problemas de probabilidad de eventos dependientes se pueden resolver de dos maneras: respecto del
espacio muestral original y respecto al espacio muestral restringido del evento que condiciona. Para el primer
caso
P A D 75 / 300 75 75 170
P A / D ; P A D y P D
P D 170 / 300 170 300 300

Para el segundo caso, es decir, respecto al espacio muestral restringido del evento condicionante se tendra que
ver cuntas veces se repite el evento trabajador de sexo femenino y cuntas veces se repite el evento trabajador
soltero. De acuerdo a esto se tiene que:
P A D 75
P A / D Como podemos observar ambos resultados coinciden.
P D 170

Las situaciones b) y c) quedan como ejercicios para el estudiante.

23
 EVENTOS INDEPENDIENTES (no relacionados).
Dos sucesos o eventos aleatorios E1 y E2, son independientes entre s cuando la ocurrencia o no ocurrencia de
uno de ellos en una prueba, no afecta la probabilidad del otro en cualquier otra prueba. Es decir, si el suceso A
no depende del suceso B y viceversa, entonces A y B son sucesos independientes o no correlacionados.
En el lanzamiento de una moneda la probabilidad de obtener cara es y la probabilidad de obtener cara en
otra prueba, es tambin . Por lo que, los dos eventos E1 y E2, son independientes.

La probabilidad de que ocurran ambos simultneamente

es igual al producto de las probabilidades de que ocurra cada uno de ellos.

La frmula para buscar la probabilidad de que E1 y E2 aparezcan cuando sean independientes es:

P E1 E2 = P E1 y E2 = P E1 . E2 = P E1 . P E2

n E1 E 2
Tambin P E1 y E 2
n S

n E1 E 2 Es la cantidad de puntos muestrales de la interseccin entre E1 y E2

n S Es la cantidad de puntos muestrales del espacio muestral

Dos eventos E1 y E2 son independientes si se cumple cualquiera de las siguientes condiciones:

P E1 / E 2 PE1 E2 no tiene ningn efecto sobre E1

P E 2 / E1 PE 2 E1 no tiene ningn efecto sobre E2

P E1 E 2 PE1 PE 2

Motivacin de la definicin:
Sean E1 y E2, dos sucesos tales que P(E2) > 0, intuitivamente E1 es independiente de E 2 si la probabilidad de E1
condicionada por E2 es igual a la probabilidad de E1. Es decir si:

P E1 / E 2 PE1
P E1 E 2
Ntese que de la propia definicin de probabilidad condicional P E1 / E 2
P E 2

Se deduce que P E1 E2 = P E1 / E2 P E2 (despejando)

Y dado que P E1 / E2 = PE1 deducimos trivialmente que P E1 E2 = P E1 P E2

Ntese, finalmente, que si el suceso E1 es independiente del suceso E2, automticamente el suceso E2 es
independiente del suceso E1.

Ejemplo.
Se lanzan dos dados simultneamente. Uno verde y otro rojo. Cul es la probabilidad de que V 4 y R 2?

Solucin. (Procedimiento)
a. Se construye el espacio muestral (en un diagrama cartesiano), sealando los puntos muestrales para cada dado
24
Dado (V) b. Para el dado rojo existen 12 puntos muestrales,
E2 = R 2 que resultan de la combinacin de los puntos 1 y 2
6 con los puntos 1, 2, 3, 4, 5 y 6 del dado verde.

5 E1 = V 4 c. Para el dado verde existen 18 puntos muestrales

que resultan de combinar los puntos 4, 5 y 6 con
4 los puntos 1, 2, 3, 4, 5 y 6 del dado rojo.
3
d. Se calcula la probabilidad para cada evento:
2 18 1
P E1 = P V 4 =
1 36 2
12 1
1 2 3 4 5 6 Dado (R) P E2 = P R 2 =
36 3

e. Se sustituye en la frmula para eventos independientes

1 1 1
P E1 y E2 = P V 4 y R 2 = P E1 . P E2
2 3 6
f. Tambin se obtiene el mismo resultado dividiendo los puntos muestrales de la interseccin de los dos eventos,
por la cantidad de puntos muestrales del espacio muestral.
n E 1 E 2 6 1
P E1 y E2 =
n S 36 6

g. Interpretacin: Si se lanzan dos dados simultneamente, uno rojo y otro verde, la probabilidad de que el verde
muestra una cara con nmeros mayores o iguales a 4 y que el rojo muestra una cara con nmeros menores o
iguales a dos es de 1/6.

Propiedades:
La independencia de sucesos es algo muy importante para la estadstica y es condicin necesaria en multitud
de teoremas. Por ejemplo, una de las primeras propiedades que se derivan de la definicin de sucesos
independientes es que si dos sucesos son independientes entre s, la probabilidad de la interseccin es igual al
producto de las probabilidades.

Ejercicios:
1.- Sea el experimento lanzar un dado dos veces y anotar el nmero que sale en el mismo orden de
lanzamiento. Determinemos la probabilidad de que en el primer lanzamiento sale un nmero impar y en el
segundo sale un 5 un 6.
2.- Un impulso elctrico debe pasar del punto I al punto II para producir una seal. Para llegar al punto II debe
pasar por dos componentes electrnicos E1 y E2. La trayectoria del impulso se interrumpe si falla cualquiera de
los dos componentes. La probabilidad de que el componente E1 no falle es 0,7 y la probabilidad de que el
componente E2 no falle es de 0,8. Adems, la probabilidad de que al menos uno no falle es de 0,94. Cul es la
probabilidad de que la seal se produzca?

3- Para designar al comandante de un curso de Contadura Pblica, se presentaron cuatro candidatos: Luisa,
Mara, Carlos y Edgar. Se decidi que se hara la primera votacin entre los estudiantes postulados y quien
ganara sera el principal. Luego, se hara una nueva votacin entre los tres postulados que quedaran y el mayor
votado sera el suplente.
a) Si se sabe que el comandante electo fue Carlos, cul es la probabilidad de que Mara sea la suplente?
b) Si se sabe que el suplente fue una mujer, cul es la probabilidad de que el comandante sea una mujer
tambin?
25
 EVENTOS DEPENDIENTES (o relacionados).
Dos o ms eventos son dependientes cuando el conocimiento de la verificacin de uno de ellos altera la
probabilidad de verificacin del o de los otros. La frmula para calcular la probabilidad de eventos dependientes
es, si los eventos son E1 y E2:
PE1 E2 = PE1 . PE2 / E1 PE2 E1 = PE2 . PE1 / E2
(Regla de la multiplicacin sin reemplazamiento)
Los eventos mutuamente excluyentes deben ser dependientes.

Ejemplo 1: Si voy para la marcha no puedo asistir a clase. Como observars estos sucesos estn relacionados,
son dependientes, ya que ir a la marcha (ocurrencia del suceso) afecta la ocurrencia del suceso asistir a clases
puesto que la ausencia a clase depende de que vaya para la marcha.
Ejemplo 2: Una caja contiene 5 bolas blancas y 3 negras. Se hace una primera extraccin y sale una bola
blanca. Cul es la probabilidad de que en una segunda extraccin sin reemplazo salga una bola blanca?
Solucin.
Procedimiento:
a. E1: Es el evento primera extraccin de una bola blanca.
b. E2: Es el evento segunda extraccin de una bola blanca.
c. Se calcula la probabilidad de extraer una bola blanca
5 5
P E1 = P B. blanca
53 8
d. Se halla la probabilidad de sacar una bola blanca en una segunda extraccin dado que en la primera extraccin
sali blanca y no hubo remplazamiento. P E2 / E1= 4/7

B B B B B B B B B
N N N N N N

1ra Extraccin 2da Extraccin

e. Se sustituye en la frmula de eventos dependientes

5 4 5
PE1 E 2 = PE1 . PE2 / E1
8 7 14

f. Interpretacin: 5/14 es la probabilidad de sacar en una segunda extraccin sin remplazo una bola blanca si en
la primera extraccin sali una blanca.

Ejemplo 3: En un juego de barajas espaolas (40) cartas), seleccionamos dos cartas al azar y determinamos la
probabilidad de que la primera carta tenga una figura de espada y la segunda carta no tenga una figura de espada.

Solucin.
Procedimiento:
Sean los sucesos
A = la primera carta tenga una figura de espada
B = la primera carta no tenga una figura de espada
Luego,
PA y B = PA B = PA . PB / A
10 30
0,1923
40 39
26
 REGLAS DE LA PROBABILIDAD.
REGLA DE LA ADICIN.
Regla de la adicin para sucesos no mutuamente excluyentes.
La regla de la adicin expresa que la probabilidad de que ocurra el suceso A o B o ambos, es igual a la
probabilidad de A ms la probabilidad de B menos la probabilidad de que ocurran ambos.

Simblicamente: PA B = PA B = PA + PB PA B

Ejemplo: Se lanza un dado no cargado. Usted gana 100 Bs si el resultado es menor que 5 o divisible por 2.
Cul es la probabilidad de ganar?
Solucin.
Procedimiento:
- Definamos el espacio muestral S = 1, 2, 3, 4, 5 6
Los sucesos definidos son los siguientes
- A = resultado es menor que 5 A = 1, 2, 3, 4 P(A) = 4/6 (1)
- B = resultado es divisible por 2 B = 2, 4, 6 P(B) = 3/6 (2)
A B = resultado es menor que 5 o resultado es divisible por 2
Luego, PA B = PA + PB PA B (3)
- A B = resultado es menor que 5 y resultado es divisible por 2
A y B son no mutuamente excluyentes, es decir, A B
- A B = 2, 4 P(A B) = 2/6 (4)
Sustituyendo (1), (2) y (4) en (3), tenemos:

4 3 2 43 2 5
- PA B 0,8333
6 6 6 6 6

As, la probabilidad de ganar 100 Bs, es 0,83 83,33%

Regla de la adicin para sucesos mutuamente excluyentes.

Si A y B son mutuamente excluyentes (en el sentido de que no pueden ocurrir ambos al mismo tiempo),
entonces:
PA B = PA + PB

Ejemplo: Si se extrae una carta de un juego de baraja espaola (40 cartas). Cul es la probabilidad de que la
carta sea un as o un seis de basto?
Solucin.
Procedimiento:
- Sea el espacio muestral S = C1, C2, , C40
Los sucesos definidos son los siguientes:
- A = extraer un as = 1, 2, 3, 4 P(A) = 4/40
- B = extraer un seis de basto = 1 P(B) = 1/40
A B = extraer un as o un seis de basto
Luego, PA B = PA + PB PA B; pero A B =
Ntese que al extraer una carta del juego de baraja, esta no puede ser simultneamente un as y un seis de basto PA B =P = 0
Por lo tanto, PA B = PA + PB
4 1 5
0,125 12,5%
40 40 40
27
 REGLA DE LA MULTIPLICACIN.
Aqu estimaremos la probabilidad de que la ocurrencia de dos eventos sea simultnea.
Hay dos reglas de multiplicacin: (1) Regla especial de multiplicacin. (2) Regla general de multiplicacin.

Regla especial de multiplicacin.

Requiere que dos eventos, A y B, sean independientes. Lo son si el hecho de que ocurra uno no altera la
probabilidad de que ocurra el otro. Una forma de entender la independencia consiste en suponer que los
eventos A y B ocurren en diferentes tiempos. Por ejemplo, cuando el evento B ocurre despus del evento A,
influye A en la probabilidad de que el evento B ocurra? Si la respuesta es no, entonces A y B son
independientes. En el caso de dos eventos que son independientes, A y B, la probabilidad de que A y B
ocurran se determina multiplicando las dos probabilidades, tal que es la regla especial de la multiplicacin
es: P (A y B) = P (A B) = P(A) P(B).

Ejemplo:
1) El dueo de un hotel ha modernizado sus instalaciones. Observ que el 20% de los autos que pasan por
ah, se detienen a alquilar un cuarto.
a) Cul es la probabilidad de que los prximos dos carros se detengan?
Asumiendo que son eventos independientes,
P (A B) = P(A) P(B) = (0,2) (0,2) = 0,04

b) Cul es la probabilidad de que el primer auto pare y el segundo no lo haga?

P A B PA 1 PB 0,20,8 0,16

Regla general de la multiplicacin.

Si dos eventos no son independientes, se dice que son dependientes. Se considera que el primer evento
determina la probabilidad del segundo.

Si dos eventos, A y B son dependientes, la probabilidad conjunta de que ambos 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.

P (A y B) = P (A B) = P(A) P(B/A).

Lo anterior se lee "la probabilidad conjunta de A y B es igual al producto de la probabilidad de A por

la probabilidad de B, dado que ha ocurrido A".

Demostracin:
Partiendo de la definicin de probabilidad condicional (pgina 21)

P A B
PB A multiplicando ambos miembros por PA, resulta P A B PA PB A
PA

Si los sucesos A y B son independientes, la probabilidad PB/A es igual a la probabilidad incondicional de B, es decir, PB/A = PB.

28
 Ejemplo:
Un lote contiene "100" objetos de los cuales "20" son defectuosos. Los objetos son seleccionados uno
despus del otro para ver si ellos son defectuosos. Suponga que dos objetos son seleccionados sin
reemplazo (significa que el objeto que se selecciona al azar se deja por fuera del lote). Cul es la
probabilidad de que los dos objetos seleccionados sean defectuosos?
Solucin: Sea los eventos A1 = {primer objeto defectuoso}, A 2 {segundo objeto defectuoso}
Entonces dos objetos seleccionados sern defectuosos, cuando ocurre el evento A 1 A2 que es la
interseccin entre los eventos A1 y A2. De la informacin dada se tiene que:
P(A1) = 20/100 ; P(A2/A1) = 19/99
As probabilidad de que los dos objetos seleccionados sean defectuosos es
P A1 A 2 PA1 PA 2 /A1
20 19 19
0,038
100
99 495

Ahora suponga que selecciona un tercer objeto, entonces la probabilidad de que los tres objetos
seleccionados sean defectuosos es
P A1 A 2 A 3 PA1 PA 2 /A 1 PA 3 /A1 A 2
20 19 18 19
0,007
100 99
98 2695

En resumen:
La regla de multiplicacin requiere que dos eventos A y B sean independientes.
1) Si los eventos de independientes: P(A y B ) = P( A B ) = P(A) P(B)
2) Si los eventos son dependientes: P(A y B) = P(A) P(B|A)

29
 Ejemplo:
Se lanzan dos dados una sola vez. Cul es la probabilidad de que la suma sea un nmero par y que aparezca
seis (6) en al menos uno de los dados?

Solucin. 1;1 1;2 1;3 1;4 1;5 1;6

Procedimiento: 2;1 2;2 2;3 2;4 2;5 2;6
- Determinemos su espacio muestral S 3;1 3;2 3;3 3;4 3;5 3;6

- Los sucesos definidos son 4;1 4;2 4;3 4;4 4;5 4;6
A = que la suma sea un nmero par 5;1 5;2 5;3 5;4 5;5 5;6
B = que aparezca un seis en al menos uno de los dados 6;1 6;2 6;3 6;4 6;5 6;6

- A B = que la suma sea un nmero par y que aparezca un seis en al menos uno de los dados
Aplicando la regla de la multiplicacin

- PA B = PA . PB/A determinemos las probabilidades de cada suceso.

- PA = 18/36; puesto que de un total de 36 resultados 18 dan como suma un nmero par.

- PB/A = 5/18; probabilidad de que aparezca un 6 en al menos un dado, siempre que la suma sea par.

- PB = 11/36; puesto que 11 de los 36 resultados contiene un 6 en por lo memos uno de los dados
Como puedes observar PB/A PB por lo que A y B son dependientes.

- Los sucesos son dependientes, empleando la definicin obtenemos:

18 5 5
PA B = PA . PB / A 0,14
36 18 36

5
Tambin PB A = PB . PA / B pero PA / B que es la probabilidad de que la suma sea un
11
nmero par, si sabemos que el 6 aparece en al menos uno de los dados. Luego, sustituyendo

11 5 5
PB A . 0,14
36 11 36

Ejercicio:
Una caja contiene 6 bolitas blancas y 4 negras. Se extraen dos bolitas sucesivamente y sin restitucin.

a) Cul es la probabilidad de que ambas bolitas sean blancas?

b) Cul es la probabilidad de que la primera sea blanca y la segunda sea negra?

c) Cul es la probabilidad de que la primera sea negra y la segunda sea blanca?

d) Cul es la probabilidad de que ambas sean negras?

Mdulo de probabilidad de Rafael Valera Ibarra (pg. 64)

30
 COMPROBACIN DE LOS APRENDIZAJES
COMPROBACIN DE INDEPENDENCIA.
Dos eventos A y B son independientes si y slo si P(AB) = P(A) P(B) o P(B/A) = P(B).
De lo contrario se dice que son dependientes.

Ejercicio 1:
Lance dos monedas y observe el resultado. Defina estos eventos:
A = cara en la primera moneda; B = cruz en la segunda moneda
Son independientes los eventos A y B?

Ejercicio 2:
Se lanzan dos dados, uno verde y otro rojo, y se observan los nmeros orientados hacia arriba.
Decida cuales de los siguientes pares de sucesos son independientes. Razone su respuesta.
A = la suma es 5 y B = ambos dados muestran el mismo nmero
A = la suma es 7 y B = el dado rojo es par
A = la suma es par y B = el dado rojo es par
A = la suma es impar y B = la suma es 12
A = la suma es 4 y B = ambos dados muestran el mismo nmero
A = la suma es 6 y B = el dado rojo es par

EVENTOS INDEPENDIENTES.
En un pueblo de Venezuela un profesor de secundaria imparte enseanzas de matemticas a un grupo de jvenes,
algunos de los cuales deben trasladarse al liceo desde otros pueblos lejanos. Se trata de determinar si este ltimo hecho
influye en el rendimiento de escolar. Se cuenta para ello con la siguiente informacin:
El grupo est formado por 50 alumnos, 20 de los cuales vienen de otros pueblos y entre stos se observa un bajo
rendimiento en 12 de ellos. Entre los otros 30 alumnos restantes se obtuvo bajo rendimiento en 16 de ellos.
Solucin: Sea A el evento de que un alumno viene de otro pueblo y B el evento de que tenga bajo rendimiento. Se trata
entonces de ver si los eventos A y B son independientes.
De los datos del problema tenemos:
20 2 12 16 14 12
P ( A) P( B) y P( A B)
50 5 50 25 50

De aqu se deduce que P(A/B) = 3/7, la cual es diferente del nmero P(A).

En conclusin, el bajo rendimiento est relacionado con la necesidad de transportase desde lugares lejanos.

Cul es la diferencia entre eventos mutuamente excluyentes e independientes?

Muchos estudiantes encuentran difcil indicar la diferencia entre eventos mutuamente excluyentes y eventos
independientes.
Cuando dos eventos son mutuamente excluyentes o disjuntos, no pueden suceder ambos simultneamente cuando se
realiza el experimento. Una vez que ha ocurrido el evento B, el evento A no es posible, as que P(A/B) = 0, o
viceversa. La ocurrencia del evento B afecta la probabilidad de que ocurra el evento A.
Un par de eventos A y B no pueden ser mutuamente excluyentes e independientes a la vez.
Pruebe que si P(A) > 0 y P(B) > 0, entontes si A y B son mutuamente excluyentes no pueden ser independientes.
Supongamos que A y B son independientes, luego P(AB) = P(A) P(B). Por hiptesis A y B son mutuamente
excluyentes, entonces A B = , es decir, P(A B) = 0. Pero si P(A B) = 0, entonces P(A) = 0 P(B) = 0 y esto
contradice la hiptesis. Luego, si A y B son mutuamente excluyentes no pueden ser independientes.
Por tanto, los eventos mutuamente excluyentes deben ser dependientes.
Cuando dos eventos son mutuamente excluyentes o disjuntos P(AB) = 0 y P(AB) = P(A) + P(B).
Cuando dos eventos son independientes P(AB) = P(A) P(B) y P(AB) = P(A) + P(B) P (A) P(B).

31
Ejercicio 3: Use las relaciones anteriores para hallar las probabilidades en la siguiente tabla
P(A) P(B) Condiciones para los eventos A y B P(AB) P(AB) P(A/B)
0,3 0,4 Mutuamente excluyentes
0,3 0,4 Independientes
0,1 0,5 0,1
0,2 0,5 0

PROBABILIDAD CONDICIONAL.
Supongamos que una familia tiene dos nios.
a) Cul es la probabilidad de que ambos sean varones?
b) Sabiendo que uno de ellos es varn, cul es la probabilidad de que ambos sean varones?
c) Sabiendo que el nio de ms edad es varn, cul es la probabilidad de que ambos sean varones?
En este problema suponemos que cualquiera de los dos sexos es igualmente probable para cada recin nacido.
Solucin:
Denotemos por V el resultado de ser varn y con H el de ser hembra.
Para la parte a) del problema, el espacio muestral consta de cuatro eventos elementales: VV, los dos son varones; VH,
el primero (el de ms edad) es varn y el segundo hembra; HV y HH.
Este es un espacio equiprobable y en consecuencia la respuesta para la parte a) es P(VV) = 1/4
En el caso b) el evento HH ha sido eliminado de este espacio muestral, puesto que se exige que debe haber por lo menos
un varn. As que para este evento E = VV, VH, HV y la respuesta en este caso es, P(VV) = 1/3
En el caso c) el de ms edad es varn, E = VV, VH y la respuesta correcta en este caso es, P(VV) =
Ntese que uno de los eventos est supeditado al otro, de manera que el espacio muestral a considerar es el del evento que
condiciona.

En el ejemplo anterior, parte b) hemos calculado P(A/E), donde E es el evento de que al menos uno de los nios es varn,
y A es el evento de que los dos son varones. En la parte a) se trataba de calcular P(A), y en la parte c) se quera hallar
P(A/F), donde F es el evento de que el nio de ms edad es un varn. Como hemos visto, todas estas probabilidades
resultaron diferentes.

Ejercicio 4: En el siguiente cuadro se sealan las probabilidades correspondientes a un grupo de personas relacionando su
ocupacin y su C.I. Cul es la probabilidad de que al elegir una persona del grupo esta tenga un C.I por encima de 110 y
sea licenciado?
Resultados Probabilidad
Lic., sobre 110 0,3
0,4
Lic., con menos de 110 0,1
No Lic., sobre 110 0,2
0,6
No Lic., con menos de 110 0,4

Ejercicio 5: En un experimento sobre preferencias de color, se colocaron ocho juguetes en un recipiente. Los juguetes
son idnticos excepto por el color, dos son rojos y seis verdes. Se pide a un nio elegir dos juguetes al azar. Cul es la
probabilidad de que el nio elija los dos juguetes rojos?
Solucin: Visualice el experimento con un diagrama de rbol. R: se elige el juguete rojo. V: se elige el juguete verde.
El evento A (ambos juguetes son rojos) se construye como la interseccin de dos eventos.
A = (R en la primera eleccin) (R en la segunda eleccin)
Puesto que hay dos juguetes rojos en el recipiente, la probabilidad de elegir rojo en la primera eleccin es ____. Sin
embargo, una vez que se ha elegido este juguete rojo, la probabilidad de rojo en la segunda es dependiente del resultado
de la primera eleccin. Si en la primera eleccin sali rojo, la probabilidad de elegir un segundo juguete rojo es ___. Por
qu? Si la primera eleccin fue verde, la probabilidad de elegir rojo en la segunda eleccin es ___ Por qu? Con esta
informacin y la regla de la multiplicacin, se puede encontrar la probabilidad del evento A.
El estudiante debe plantear y resolver el problema. Respuesta: 0,0357

32
 TEOREMA DE PROBABILIDAD TOTAL o Teorema de Eliminacin.
Existen situaciones en que nos interesa conocer la probabilidad de un evento final que sea dependiente de la
aparicin o no aparicin de eventos en las etapas intermedias de un experimento. Estos casos se resuelven
mediante el Teorema de la Probabilidad Total.
Sea A1, A2, , An, (una particin del espacio muestral). An son los n eventos mutuamente excluyentes, su
unin es el espacio muestral, cada uno con probabilidades positiva. La frmula para calcular la probabilidad de
un evento E cualquiera del que se conocen las probabilidades condicionales P(E/Ai), llamada probabilidad total
y que debe aparecer con cada uno de esos eventos mutuamente excluyentes, es:
n
P(E) = P(A1) . P(E/A1) + P(A2) . P(E/A2) + + P(An) . P(E/An) equivalente a PE PAi P E/Ai
i 1

Vamos de deducir el teorema de la Probabilidad Total e introducir el teorema de Bayes.

Como paso previo desarrollaremos los conceptos que tales teoremas involucran.
1ra consideracin:
Supongamos que tenemos n sucesos: A1, A2, , An de un experimento aleatorio tal que son incompatibles dos a
dos, es decir, Ai Aj = ; i j (que ocurran a la vez Ai y Aj es imposible)
Sabemos que P(A1 A2 An) = P(A1) + P(A 2) + + P(An)
Por ejemplo, supongamos que tenemos una caja que contiene 5 bolas rojas, 2 amarillas, 3 verdes y 4 azules.
Calculemos la probabilidad de extraer al azar una bola roja o verde. P(R v V) = ?
Consideremos los sucesos: R = Obtener una bola roja, V = Obtener una bola verde

Ntese que la probabilidad de obtener una bola roja y verde a la vez (R V) = es

imposible, pues no hay bolas rojas/verdes, por lo que estos sucesos son incompatibles.

5 3 8 4
PR V PR PV
14 14 14 7

2da consideracin
Supongamos ahora que A y B son sucesos de un experimento aleatorio y definamos el suceso B/A.
B/A = B si previamente ha ocurrido A. (Probabilidad condicional).
PB A
Sabemos que el suceso A ocurri, pero qu pasa con la probabilidad del suceso B: PB/A
PA
Ejemplo: Consideremos el experimento aleatorio de lanzar un dado al aire, cuyo espacio muestral es
S = 1, 2, 3, 4, 5, 6. Sean los sucesos A = obtener un 4 y B = obtener un nmero par.
Calculemos, de dos formas distintas, la probabilidad de A si previamente ha ocurrido B.

1 Es claro que el espacio muestral de la condicin es 2, 4 y 6, es decir 3 casos posibles,

PA/B
3 luego la probabilidad de obtener 4 en estas condiciones es 1.

PA B 1 6 1
Tambin podemos valernos de la frmula anterior PA/B
PB 36 3

P(AB) la probabilidad de obtener 4 y par es la probabilidad de A = 1/6

Mientras que la probabilidad de B es tres casos favorables de 6 casos posibles: 3/6
(Ac consideramos el espacio muestral del experimento y no el de la condicin).

33
 A esta altura de nuestro desarrollo, ya estamos en condicin de deducir el teorema de la Probabilidad Total
Supongamos, como ya dijimos que A1 , A 2 , , An, son los n eventos mutuamente excluyentes de un
experimento aleatorio y constituyen una particin del espacio muestral S.

S En el dibujo podemos ver que los n-simos sucesos

A2 A1, A2, , An, son incompatibles dos a dos, es decir,
E Ai Aj = ; i j (que ocurran a la vez Ai y Aj es imposible).
A1 An
Adems, S = A1 A2 , , An
. .. E, sera un suceso cualquiera que pudiera tener o no
parte de los An sucesos destacados en colores en el dibujo.
La unin de n sucesos incompatibles dos a dos es E.
A3 Es fcil ver que, en efecto, cada una de las regiones
coloreadas son trozos incompatibles.

E = (E A 1) (E A2) (E An) P(E) = P(E A1) + P(E A2) + + P(E An)

PE Ai
Ntese que PE/Ai PE Ai PAi PE/Ai Vlido para cualquier Ai, con i desde 1 hasta n.
PAi

Si sustituimos PE A i PAi PE/A i por cada una de los sumandos en P(E), tendremos

P(E) = P(A1) P(E/A1) + P(A2) P(E/A2) + + P(An) P(E/An)

Teorema de la Probabilidad Total

Ejemplo 1: En un aula de dibujo hay 40 sillas, 30 con respaldo y 10 sin respaldo. Entre las sillas sin respaldo
hay 3 nuevas y entre las sillas con respaldo hay 7 nuevas. Elegida al azar una silla, cul es la probabilidad de
que esta sea nueva?

Solucin: Un procedimiento estndar para resolver este tipo de problemas, donde hay una experiencia
compuesta, con dos condicionantes sucesivos: tener respaldo (R), o no tenerlo ( R ) y ser nueva (N), o no serlo
( N ), es distribuir las probabilidades en un rbol (figura adjunta). Aplicando el Teorema de la Probabilidad Total

3 7
PN/R
7
N/R 0,175
30 4 30
30
30
R
PN PN/R P N/R 0,175 0,075 0,25
40
3
10 N/ R
P N/ R
1 3
0,075
4 10
10
R
40 10

34
 Ejemplo 2: Se lanza un dado una sola vez. Si aparece un 1, se selecciona una tarjeta de la caja 1. Si aparece un
3 un 5, se selecciona una tarjeta de la caja II y si sale un nmero par, se selecciona una tarjeta de la caja III.
Cul es la probabilidad de seleccionar al azar 2 tarjetas verdes, sin remplazo?

Caja I Caja II

1 2 3 4 5 6

Caja III

Caja I: H1 Caja II: H2

B B B B B B B B
V V V V V
R R R R R R R

Caja III: H3
B
V V V V V V
R R R

Solucin.
Procedimiento:
1. El diagrama correspondiente a la interseccin del evento (aparicin de 2 tarjetas verdes, sin remplazo) con
cada caja es el siguiente:

H1
H1 E
I H2 E H2

H3 E II

H3 III

2. El evento E (las dos tarjetas seleccionadas sean verdes), aparece con cada uno de los eventos H 1, H2 y H3, es
decir: H1 E, H2 E, H3 E.
3. Se calcula la probabilidad de aparicin del evento E, con cada uno de los eventos H 1, H2 y H3.
4. La probabilidad de seleccionar la caja I ((H 1), es la probabilidad de que aparezca el nmero 1, al lanzar el
dado: P H1 = 1/6.
5. La probabilidad de seleccionar la caja II ((H2), es la probabilidad de que aparezca un 3 un 5, al lanzar el
dado: P H2 = 2/6.
6. La probabilidad de seleccionar la caja III ((H3), es la probabilidad de que aparezca un nmero par, al lanzar el
dado: P H3 = 3/6.
35
7. La probabilidad de seleccionar dos tarjetas verdes dado que provengan de la caja I, es:

B B B B B B B B B B
V V V V V
R R R R
1ra extraccin 2da extraccin
P V = 3/10 P V = 2/9

3 2 6 1
PE / H1 = P V . P V/V
10 9 90 15

8. La probabilidad de seleccionar dos tarjetas verdes dado que provengan de la caja II, es:

B B B B B B
V V V
R R R R R R R R R R

1ra extraccin 2 da extraccin

P V = 2/10 P V = 1/9

2 1 2 1
PE / H2 = P V . P V/V
10 9 90 45

9. La probabilidad de seleccionar dos tarjetas verdes dado que provengan de la caja III, es:

B B
V V V V V V V V V V V
R R R R R R

1ra extraccin 2da extraccin

P V = 6/10 P V = 5/9

6 5 30 1
PE/H3 = P V . P V/V
10 9 90 3

10. La probabilidad de seleccionar dos tarjetas verdes es:

P E = PH1. PE/H1 + PH2. P E/H2 + PH3. P E/H3

1 1 1 1 3 1 1 1 1
P E =
6 15 3 45 6 3 90 135 6
1,5 1 22,5 25 5
P E =
135 135 27

36
 1/5
H1 E/H1 P(E/H1) = (1/6) (1/15) = 1/90
1/6

1/45
2/6 H2 E/H2 P(E/H2) = (2/6) (1/45) = 1/135

3/6
1/3
H3 E/H3 P(E/H3) = (3/6) (1/3) = 1/6

P(E) = P(E/H1) + P(E/H2) + P(E/H3)

= (1/90) + (1/135) + (1/6) = 5/27 0,19

Ejercicios:
1.- En una fbrica de enlatados se producen 5000 envases diarios. La mquina A produce 3.000 de estos envases,
de los que el 2% son defectuosos y la mquina B produce los 2.000 restantes de los que se sabe que el 4% son
defectuosos. Determinar la probabilidad de que un envase elegido sea defectuoso.

2.- En un colectivo de inversores burstiles, el 20% realizan operaciones va internet. De los inversores que
realizan operaciones va internet, un 80% consulta InfoBolsaWeb. De los inversores burstiles que no realizan
operaciones va internet slo el 20% consulta InfoBolsaWeb. Cul es la probabilidad de que un inversor burstil
elegido al azar en este colectivo consulte InfoBolsaWeb?

3.- En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los nios el 35% son menores de
24 meses. El 20% de las nias tienen menos de 24 meses. Un pediatra que ingresa a la sala selecciona un infante
al azar. Determine el valor de la probabilidad de que sea menor de 24 meses.

4.- Un mdico cirujano es especialista en cirugas estticas. Entre sus pacientes el 20% se realizan correcciones
faciales, un35% implantes mamarios y el restante otras cirugas correctivas. Se sabe, adems, que son de gnero
masculino el 25% de los que se realizan correcciones faciales, 15% implantes mamarios y 40% otras cirugas
correctivas. Si se selecciona un paciente al azar, determine la probabilidad de que sea de gnero masculino

5.- Un doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El uso que le da a cada equipo
es de 25% al primero, 35% al segundo y 40% al tercero. Se sabe que los aparatos tienen probabilidades de error
de 1%, 2% y 3% respectivamente. Un paciente busca el resultado de una ecografa y observa que tiene un error.
Determine la probabilidad de que se haya usado el primer aparato.

37
 TEOREMA DE BAYES.
La interpretacin ms aceptada del teorema de Bayes, es que su estructura permite el clculo de probabilidades
despus de haber sido realizado un experimento (probabilidades a posteriori), basndose en el conocimiento de
la ocurrencia de ciertos eventos que dependan del evento estudiado. Es decir, se parte de probabilidades
conocidas antes de efectuar el experimento (probabilidades a priori), las cuales son afectadas por las
probabilidades propias del experimento (las que aparecen durante la ocurrencia del evento).

Partiendo de la probabilidad condicional de Ai (la causa) dado E (el efecto ), para cualquier i,
PA i E
PA i /E y aplicando en el numerador la Regla de Multiplicacin y en el denominador el Teorema
PE
de Probabilidad Total, obtenemos la ecuacin que representa al Teorema de Bayes

PA i PE/A i
PA i /E Los Ai son eventos mutuamente excluyentes, cuya unin es el espacio
n
muestral y E es el evento definido en ese espacio muestral tal que P E > 0.
PA PE/A
i 1
i i

PA i son las probabilidades a priori. Teorema de Bayes

PE/Ai es la probabilidad de E en la hiptesis A i Probabilidad de dado que se observ un efecto (E),
la causa haya sido Ai
PA i /E son las probabilidades a posteriori.

En trminos generales el teorema de Bayes es de enorme relevancia puesto que vincula la probabilidad de A
dado B con la probabilidad de B dado A. Es decir que sabiendo la probabilidad de tener un dolor de cabeza dado
que se tiene gripe, se podra saber -si se tiene algn dato ms-, la probabilidad de tener gripe si se tiene un dolor
de cabeza, muestra este sencillo ejemplo la alta relevancia del teorema en cuestin para la ciencia en todas sus
ramas, puesto que tiene vinculacin ntima con la comprensin de la probabilidad de aspectos causales dados los
efectos observados.
Se utiliza cuando dado un evento final, se desea conocer su origen o procedencia. Este teorema es el inverso
del Teorema de Probabilidad Total.

Ejemplo 1: (Vea pgina 35. Ejercicio N 1)

En una fbrica de enlatados se producen 5000 envases diarios. La mquina A produce 3.000 de estos envases,
de los que el 2% son defectuosos y la mquina B produce los 2.000 restantes de los que sabe que el 4% son
defectuosos.

a) Determinar la probabilidad de que un envase elegido sea defectuoso.

b) Si el envase seleccionado es defectuoso, que probabilidad hay de que proceda de la mquina A?
Y de la B?

Solucin:
La probabilidad de que un envase elegido sea defectuoso.
Llamemos D al suceso seleccionar un envase defectuoso y D al suceso seleccionar un envase no defectuoso.
El diagrama de rbol muestra la situacin.

a) Se trata de calcular la probabilidad total de que el envase elegido sea defectuoso

Sumamos las ramas donde al final aparezca un envase defectuoso
38
 3
- Mquina A envase defectuoso P(AD) = P(A) P(D/A) P(AD) = 0,02 0,012
5

2
- Mquina B envase defectuoso P(BD) = P(B) P(D/B) P(BD) = 0,04 0,016
5

- PD PA D PB D PA PD/A PB PD/B 0,012 0,016 0,028

3
0,02 D PAD 0,02 0,012
5
3 A
5 0,96 D PD PAD PBD 0,012 0,016 0,028

2
0,04 D PBD 0,04 0,016
2 5
5 B
0,98 D

b) Teorema de Bayes. Sabiendo que el envase seleccionado ha sido defectuoso

Relacionamos la rama que nos piden respecto de la probabilidad total.

PA D 0,012
Probabilidad de que provenga de la mquina A: PA/D 0,4286
PD 0,028

PB D 0,016
Probabilidad de que provenga de la mquina B: PB/D 0,5714
PD 0,028

Ejemplo 2: (Vea pgina 35. Ejercicio N 2)

En un colectivo de inversores burstiles, el 20% realizan operaciones va internet. De los inversores que
realizan operaciones va internet, un 80% consulta Infobolsaweb. De los inversores burstiles que no realizan
operaciones va internet slo el 20% consulta InfoBolsaWeb. Cul es la probabilidad de que un inversor
burstil elegido al azar en este colectivo consulte InfoBolsaWeb? Sabiendo que consulta infoBolsaWeb cul
es la probabilidad de que realice operaciones por internet?

Solucin:
a) Probabilidad Total: Obtener la probabilidad de que un inversor burstil elegido al azar en este colectivo
consulte InfoBolsaWeb.
Nombramos los sucesos y hacemos un diagrama
Realiza operaciones va internet: I P(I) = 0,20

No realiza operaciones va internet: I P I 0,80
Consulta InfoBolsaWeb: IBW
No consulta InfoBolsaWeb: IBW
39
 0,80 IBW PIBW/I 0,20 0,80 0,16

I
0,20
0,20 IBW
PIBW PIBW/I P IBW/ I 0,16 0,16 0,32

0,20 IBW
P IBW/ I 0,80 0,20 0,16
0,80
I

0,80 IBW

Probabilidad de que consulte InfoBolsaWeb

Sumamos las ramas donde al final aparezca una consulta a InfoBolsaWeb

- Internet y consulta InfoBolsaWeb P(IIBW) = P(I) P(IBW/I) P(IIBW) = 0,20 0,80 0,16

- No consulta internet y consulta infoBolsaweb P I IBW 0,80 0,20 0,16

- P IBW P I IBW P I IBW 0,16 0,16 0,32

b) Teorema de Bayes. Sabiendo que consulta infoBolsaWeb.

Relacionamos la rama que nos piden con respecto a la probabilidad total

Probabilidad de que consulte infoBolsaWeb y realice operaciones por internet

PI IBW 0,16
PI/IBW 0,5
PIBW 0,32

Ejemplo 3: En el departamento de historias clnicas de un hospital, tres empleadas procesan los registros de
los pacientes. La primera procesa el 45% de las historias, la segunda el 35% y las tercera el 20%. Los errores
cometidos por las empleadas son 0,04; 0,06 y 0,02 respectivamente Al seleccionar al azar una historia de las
procesadas en una semana, se descubre que tiene un error. Se quiere saber la probabilidad de que la historia
mdica haya sido procesada por cada una de las empleadas.

Solucin.
Procedimiento:
1. Se recomienda construir un cuadro con los datos e identificar los eventos

Empleadas P Hi PE/ Hi PE Hi P Hi/E

Proporcin Proporcin
de registros de error
H1 0,45 0,04 0,018 0,4186
H2 0,35 0,06 0,021 0,4884
H3 0,20 0,02 0,004 0,0930
1,00 1,000

40
2. Ntese que la suma de las proporciones y probabilidades de los eventos (grupos de empleadas H1, H2 y H3),
es igual a la unidad P H1 = 1

3. La tercera columna del cuadro representa la probabilidad que existe de que cada grupo de empleadas cometa
errores segn los resultados conocidos, es decir, P E/H1

4. Para aplicar la frmula y determinar la probabilidad de que la historia clnica seleccionada provenga de cada
uno de los grupos de empleadas, es necesario calcular
PE Hi, donde
Por probabilidad condicional
PE H1 = PE/H1.PH1 = 0,04 (0,45) = 0,018
PE H i
PE/H i
PE H2 = PE/H2.PH2 = 0,06 (0,35) = 0,021 PH i
PE H3 = PE/H3.PH3 = 0,02 (0,20) = 0,004
Luego, PE H i PH i PE/H i

5. Se aplica la frmula del Teorema de Bayes para cada uno de los grupos de empleadas.
PH i PE/H i
PH i /E
PE
donde

P E = PH1. P E/H1 + PH2. P E/H2 + PH3. P E/H3

Probabilidad Total
P E = 0,018 + 0,021 + 0, 004 = 0,043

Para cada grupo de empleadas

0,450,04
PH1 /E 0,4186
0.043
0,350,06 Teorema
PH 2 /E 0,4884
0.043 de Bayes

0,200,02
PH 3 /E 0,0930
0.043

6. En el Teorema de Bayes la suma de las probabilidades de pertenecer a un grupo dado es siempre igual a la
unidad
PHi/E = 0,4186 + 0,4884 + 0,0930 = 1,000 y esto siempre debe cumplirse.

Ejemplo 4: En el ejemplo 2 (ver pgina 33) del Teorema de Probabilidad Total, se hall la probabilidad de
seleccionar aleatoriamente sin remplazo, dos tarjetas verdes. Ahora nos interesa conocer la probabilidad de que
las dos tarjetas verdes provengan de cada una de las cajas.
Solucin.
Procedimiento:
1. La probabilidad de que las dos tarjetas verdes provengan de la caja I, es:
1 1 1

PH1 PE/H 1
PH 1 /E 6 15 90 = 0,06
PE 5 5
27 27
41
2. La probabilidad de que las dos tarjetas verdes provengan de la caja II, es:
2 1 1

PH 2 PE/H 2
PH 2 /E 6 45 135 = 0,04
PE 5 5
27 27

3. La probabilidad de que las dos tarjetas verdes provengan de la caja III, es:
3 1 1

PH 3 PE/H 3
PH 3 /E 6 3 6 = 0,90
PE 5 5
27 27

Ntese que en el Teorema de Bayes la suma de las probabilidades de pertenecer a una cualquiera de las cajas
dadas es siempre igual a la unidad.

Ejercicios:
1. La probabilidad de que Judith estudie para su examen parcial de estadstica es 0,30. Si estudia la probabilidad
de que apruebe el parciales de 0, 75; en tanto que si no estudia la probabilidad es de slo 0,52.
a) Cul es la probabilidad de que Judith apruebe su examen parcial de estadstica?
b) Dado que Judith aprob su parcial. Cul es la probabilidad de que haya estudiado?

2. Una empresa tiene 4 fbricas que producen el mismo artculo. La produccin de las fbricas se deposita en el
mismo almacn. En un perodo determinado, la fbrica A produjo el 20% de los artculos, la B el 40%, la C el
25% y la D el 15%. Los porcentajes de artculos defectuosos en las fbricas fueron 1%, 2%, 1,3% y 0,5%
respectivamente. Un artculo fue tomado al azar del almacn y result defectuoso. Cules son las
probabilidades de que el artculo haya procedido de las fbricas A, B, C o D respectivamente?

3. Una fbrica que produce material para la construccin tiene 3 mquinas, a las que se les denomina A, B y C.
La mquina A produce tabique, la B adoqun y la C losetas. La mquina A produce el 50% de la produccin total
de la fbrica, la B el 30% y la C el 20%. Los porcentajes de artculos defectuosos producidos por las mquinas
son, respectivamente, 3%, 4% y 5%. Si se selecciona un artculo al azar y se observa que es defectuoso,
encontrar la probabilidad de que sea un tabique.

4. A un congreso asisten 100 personas, de las cuales 65 son hombres y 35 son mujeres. Se sabe que el 10% de
los hombres y el 6% de las mujeres son especialistas en computacin. Si se selecciona al azar a un especialista
en computacin Cul es la probabilidad de que sea mujer?

5. En un club deportivo, el 52% de los socios son hombres. Entre los socios el 35% de los hombres practican la
natacin, as como el 60% de las mujeres. Si elegimos un socio al azar:
a) Cul es la probabilidad de que practique la natacin?
b) Sabiendo que practica la natacin, cul es la probabilidad de que sea una mujer?

42
 UNIDAD 1: TEORA DE LA PROBABILIDAD
COMPROBACIN DE LOS APRENDIZAJES
TEOREMA DE PROBABILIDAD TOTAL.
Este teorema nos permite calcular la probabilidad a partir de probabilidades condicionadas.
Ejemplo: Supongamos que si llueve la probabilidad de que ocurra un accidente es x% y si hace buen
tiempo dicha probabilidad es y%. Este teorema nos permite deducir cul es la probabilidad de que
ocurra un accidente.
La frmula para calcular esta probabilidad es:
n
P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + + P(An) P(B/An) = PAi P B/Ai
i 1
(donde i toma valores entre 1 y n)

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que ocurra un accidente) es
igual a la suma de los productos de cada una de las probabilidades condicionadas de este suceso con
los diferentes sucesos A (probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por
la probabilidad del suceso A.
Para que este teorema se pueda aplicar se debe cumplir un requisito: Los sucesos A tienen que formar
un sistema completo, es decir, que completen todas las posibilidades (la suma de sus probabilidades
debe ser 100%)
Ejemplo 1: Al tirar una moneda, el suceso salir cara y el suceso salir cruz forman un sistema
completo, no hay ms alternativas: la suma de sus probabilidades es 100%.
Ejemplo 2: Al lanzar un dado, que salga el 1, el 2, el 3 o el 4 no forman un sistema completo, ya que
no completa todas las opciones (podra salir el 5 o el 6). En este caso no se podra aplicar el teorema de
la probabilidad total.
Ejemplo 3: En una bolsa hay papeletas de tres colores, con las siguientes probabilidades de ser
elegidas:
a) Amarilla: Probabilidad del 50% b) Verde: Probabilidad del 30% c) Roja: Probabilidad del 20%
Segn el color de la papeleta elegida podrs participar en diferentes sorteos.
As, si la papeleta elegida es:
a) Amarillas: Participas en un sorteo con una probabilidad de ganar del 40%
b) Verdes: Participas en un sorteo con una probabilidad de ganar del 60%
c) Rojas: Participas en un sorteo con una probabilidad de ganar del 80%
Con esta informacin qu probabilidad tienes de ganar el sorteo en el que participes?
Solucin:
Las tres papeletas forman un sistema completo; sus probabilidades suman 100%
n
Aplicamos la frmula P( B) PAi P B/Ai
i 1

Luego, P(B) = (0,50 . 0,40) + (0,30 . 0,60) + (0,20 . 0,80) = 0,54

Por lo tanto la probabilidad de que ganes el sorteo es del 54%

43
Ejemplo 4: Van a cambiar a tu jefe y se barajan diversos candidatos:
a) Carlos tiene una probabilidad del 60%
b) Juan tiene una probabilidad del 30%
c) Luis tiene una probabilidad del 10%
En funcin de quien sea tu prximo jefe, la probabilidad de que se suban el sueldo es la siguiente:
a) Si sale Carlos, la probabilidad de que te suban el sueldo es del 5%
b) Si sale Juan, la probabilidad de que te suban el sueldo es del 20%
c) Si sale Luis, la probabilidad de que te suban el sueldo es del 60%
En definitiva, cul es la probabilidad de que te suban el sueldo?

Solucin:
Los tres candidatos forman un sistema completo; sus probabilidades suman 100%
n
Aplicamos la frmula P( B) PAi P B/Ai
i 1

Luego, P(B) = (0,60 . 0,05) + (0,30 . 0,20) + (0,10 . 0,60) = 0,15

Por lo tanto, la probabilidad de que suban el sueldo es del 15 %

EJERCICIOS

1.- En la sala de pediatra de un hospital el 60% de los pacientes son nias. De los nios el 35% son
menores de 24 meses. El 20% de las nias tienen menos de 24 meses. Un pediatra que ingresa a la sala
selecciona un infante al azar. Determine: a) El valor de probabilidad de que sea menor de 24 meses, y
b) Si el infante resulta ser menor de 24 meses, determine la probabilidad de que sea una nia.

2.- Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes el 20% se realizan
correcciones faciales, un 35% implantes mamarios y el restante otras cirugas correctivas. Se sabe,
adems, que son de gnero masculino el 25% de los que se realizan correcciones faciales, 15%
implantes mamarios y 40% otras cirugas correctivas. Si se selecciona un paciente al azar, determine: a)
La probabilidad de que sea de gnero masculino. b) Si resulta que es de gnero masculino, determine
la probabilidad de que se haya realizado una ciruga de implantes mamarios.

3.- Un doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El uso que le da a cada
equipo es de 25% al primero, 35% al segundo y 40% al tercero. Se sabe que los aparatos tienen
probabilidades de error de 1%, 2% y 3% respectivamente. Un paciente busca el resultado de una
ecografa y observa que tiene un error. Determine la probabilidad de que se haya usado el primer
aparato.

44
 TABLA DE EVENTOS PROBABILSTICOS.
Para un suceso E, su ocurrencia f de un total de n casos posibles est dada por: p = P (E) = f/n
La probabilidad de que no ocurra el suceso E, est dada por q = P (no E) = 1 P (E)
Dos o ms sucesos son
mutuamente excluyentes si La probabilidad de ocurrencia de E1 o E2,
SUCESO INCOMPATIBLE es la suma de las probabilidades de cada uno.
la ocurrencia de uno cualquiera
(mutuamente excluyentes).
de ellos imposibilita la ocurrencia
de los otros. P E1 E2 = P E1 E2 = P E1 + P E2

P E1 E2 = P E1 E2
SUCESO COMPATIBLE. Dos eventos E1 y E2, son solapados
(Solapados o si tienen puntos muestrales = P E1 + P E2 P E1 E2
no mutuamente excluyentes). comunes.
Donde: P E1 E2 = P E1 . P E2

Dos eventos E1 y E2, son Los eventos complementarios son a su vez

complementarios si el segundo
EVENTOS es un subconjunto que contiene
COMPLEMENTARIOS todos los puntos muestrales del
espacio muestral que no est
en el primero.
mutuamente excluyentes.
E1 E2 = S y E 1 E2
La probabilidad del espacio muestral es 1;
P S = 1, luego P E = 1 P E

Dos eventos E1 y E2, son

independientes cuando la
EVENTOS
ocurrencia o no de uno de ellos
INDEPENDIENTES P E1 E2 = P E1 y E2 = P E1 . E2
en una prueba, no afecta la
(no correlacionados)
probabilidad del otro en cualquier = P E1 . P E2
otra prueba.

Se representa por P E1/E2, que se lee

probabilidad de E1 dado E2
y se determina a travs de la expresin:
P E1 E 2
P E1 / E2 = donde
La probabilidad de que ocurra P E 2
PROBABILIDAD el evento E1, dado que el evento E 2
CONDICIONAL ha ocurrido, se llama probabilidad P E 1 E 2
condicional del evento E1. Es la cantidad de puntos muestrales
de la interseccin entre E 1 y E2
P E 2
Es la cantidad de puntos muestrales
del evento E2.

Dos o ms eventos son

EVENTOS dependientes cuando el Si los eventos son E1 y E 2:
DEPENDIENTES conocimiento de la verificacin de
(relacionados) uno de ellos altera la probabilidad PE1 E2 = PE1 . PE2 / E1
de verificacin del o de los otros.

45
 PROBABILIDAD. Reglas de Clculo.
Pierre-Simon Laplace afirm: "Es notable que una ciencia que comenz con consideraciones sobre juegos de azar
haya llegado a ser el objeto ms importante del conocimiento humano".
Los tres mtodos para calcular las probabilidades son la regla de la adicin, la regla de la multiplicacin y la
distribucin binomial.

P(A o B) = P(A) U P(B) = P(A) + P(B) si A y B son mutuamente excluyente.

P(A o B) = P(A) + P(B) P(A y B) si A y B son no excluyentes.
Siendo: P(A) = probabilidad de ocurrencia del evento A.
Regla de la adicin
P(B) = probabilidad de ocurrencia del evento B.
P(A y B) = probabilidad de ocurrencia simultanea de los eventos A y B.

P(A y B) = P(A B) = P(A)P(B) si A y B son independientes.

Regla de la multiplicacin.
P(A y B) = P(A B) = P(A)P(B|A) si A y B son dependientes.

Distribucin Binomial: La probabilidad de ocurrencia de una combinacin especfica de eventos independientes y

mutuamente excluyentes se determina con la distribucin binomial, que es aquella donde hay solo dos posibilidades,
tales como masculino/femenino o si/no.
1. Hay dos resultados posibles mutuamente excluyentes en cada ensayo u observacin.
2. La serie de ensayos u observaciones constituyen eventos independientes.
3. La probabilidad de xito permanece constante de ensayo a ensayo, es decir el proceso es estacionario.
Para aplicar esta distribucin al clculo de la probabilidad de obtener un nmero dado de xitos en una serie de
experimentos en un proceso de Bernoulli, se requieren tres valores: el nmero designado de xitos (m), el nmero de
ensayos y observaciones (n); y la probabilidad de xito en cada ensayo (p). Entonces la probabilidad de que ocurran
m xitos en un experimento de n ensayos es: P (x = m) = (nCm)(P m)(1P)n m. Siendo: nCm el nmero total de
combinaciones posibles de m elementos en un conjunto de n elementos.
En otras palabras P(x = m) = [n!/(m!(nm)!)](p m)(1p)n m
Ejemplo. La probabilidad de que un alumno apruebe la asignatura Clculo de Probabilidades es de 0,15. Si en un
semestre intensivo se inscriben 15 alumnos Cul es la probabilidad de que aprueben 10 de ellos?

P(x = 10) = 15C10(0,15)10(0,85)5 = 10!/(10!(1510)!)(0,15)10(0,85)5 = (7,68) (106). Generalmente existe un inters

en la probabilidad acumulada de "m o ms " xitos o "m o menos" xitos en n ensayos. En tal caso debemos tomar en
cuenta que:
P(x < m) = P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) +....+ P(x = m 1)
P(x > m) = P(x = m + 1) + P(x = m + 2) + P(x = m + 3) +....+ P(x = n)
Supongamos que del ejemplo anterior se desea saber la probabilidad de que aprueben: a) Al menos 5. b) Ms de 12.
a) La probabilidad de que aprueben al menos 5 es: P(x 5) es decir, que:
1 P(x < 5) = 1 - [P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4)] =
1 [0,0874 + 0,2312 + 0,2856 + 0,2184 + 0,1156] = 0,0618

b) La probabilidad de que aprueben ms de 12 es P(x > 12) es decir, que:

P(x > 12) = P(x = 13) + P(x = 14) + P(x = 15)
P(x > 12) = (1,47) (10 9) + (3,722) (10 11) + (4,38 (10 13) = (1,507) (10 9)
La esperanza matemtica en una distribucin binomial puede expresarse como: E(x) = np = 15(0,15)=2,25
Y la varianza del nmero esperado de xitos: Var(x) = np(1p)= 15(0,15)(1-0,15)=1,9125

Nota: Al menos, a lo menos y por lo menos son locuciones adverbiales sinnimas.

Ejemplo: La entrada al cine por lo menos tendr un costo de 35 bolvares
(como mnimo podra costar 35 bolvares o ms).

46
 EVENTOS EXCLUYENTES Y EVENTOS INDEPENDIENTES.
Giovanni Sanabria y Kyriakos Petakos.
INTRODUCCIN: El presente trabajo constituye una propuesta didctica cuyo abordaje facilitar al
estudiante universitario diferenciar entre eventos excluyentes e independientes. Dicha propuesta surgen de las
dificultades e inquietudes que presentan los estudiantes sobre el tema. El trabajo expone tres ejercicios,
ordenados segn su dificultad, cuya resolucin sistemtica permitir a los estudiantes explorar la diferencia entre
las dos clases de eventos. Durante los semestres que se ensea la probabilidad bsica, destinada a estudiantes de
matemticas y otras careras, se hallan continuamente obstculos que impiden profundizar la teora, que
generalmente es fundamental para el desarrollo del pensamiento matemtico. Entonces se tiene que afrontar este
problema teniendo presente el concepto de asertividad aceptado por la sociologa y la teora pedaggica
contempornea:
Sentirse estimulado a participar en la clase como una manera de conseguir la meta propuesta.
Conseguir un ambiente social en la clase, que aliente el intercambio de opiniones entre los estudiantes y entre
estos y el profesor en un sentido productivo.
Conservacin y si fuera posible aumento de la autoestima.
El proceso de resolver problemas por medio de la utilizacin sistemtica de etapas en tpicos de probabilidad,
parece imprescindible cuando se tiene que diferenciar entre conceptos fundamentales que habitualmente causan
confusin por parte del estudiante. Se habla de confusin en una ciencia como la matemtica, la cual se
construye como una cadena aumentada, concepto tras concepto, manteniendo el equilibrio apropiado. Equilibrio
que implica la existencia de la autoestima estudiantil.

RESUMEN DE LA PROPUESTA: La propuesta desarrollada en este artculo tiene dos componentes

conceptuales bsicos: los eventos excluyentes y los eventos independientes. Son conceptos que se cubren
durante un curso bsico universitario de probabilidad. La teora de conjuntos, cuyos tpicos se dan an en la
enseanza secundaria de ciertos pases, desempea un papel protagonista en este ambiente, en una poca cuando
el pensamiento teortico tiende a relegarse ante el uso avanzado del ordenador.
Los ejercicios propuestos se abordan en varias etapas, de lo bsico aritmtico, casi innato en la naturaleza
humana, al avanzado teortico como justificacin del valor de los conceptos descritos arriba. Adems, la
propuesta hace uso del modelo de aprendizaje cooperativo.
La clase est dividida en pequeos grupos de 4 estudiantes, demostrando nuestra lealtad a los siguientes
principios:
Interdependencia positiva: El xito de cada uno de los participantes se refleja nicamente en el xito total del
grupo.
Responsabilidad individual y del equipo: En nuestra propuesta se asigna un estudiante como lder que modera
el funcionamiento del grupo. Esto no significa que los otros miembros no tengan voz durante la clase; de eso nos
aseguramos al examinar oralmente y por azar a algn miembro del grupo durante el proceso de la comprensin
del material.
Favorecimiento de la habilidad social en la toma de decisiones: Libertad en el sentido de si se tiene que
seguir un proceso de resolucin especfico, modificarlo o cambiarlo totalmente.

PRESENTACIN DEL PLAN DIDCTICO: Se proponen algunos ejercicios para internalizar la diferencia
entre eventos mutuamente excluyentes y eventos independientes (en el sentido estocstico). La confusin que se
genera en el aula cuando se presenta el material es una realidad indudable. Frases caractersticas por parte de los
estudiantes son las siguientes:
Slo el uso de la palabra excluyente significa que el uno no tiene nada que ver con el otro. De esa manera
cmo puede haber dependencia?
Para m, la representacin grfica de los diagramas de Venn es la respuesta para todo. El uno no corta al otro,
as que no lo influye. En otras palabras la exclusin tiene como consecuencia su independencia.
47
 Lo que me hace distinguir entre los dos conceptos fundamentales es su relacin, como lo demuestran las
frmulas matemticas correspondientes. De esa manera, mecnicamente me conduzco a la relacin apropiada de
calcular las probabilidades que se buscan.
Especialmente el ltimo comentario nos inspir a escribir este artculo, basado no slo en la experiencia
cotidiana en el aula, sino tambin en las discusiones en un sentido platnico, tan popular en los representantes
de las ciencias naturales y de la literatura hispanoamericana, que se elaboraron durante las conferencias
mediterrneas sobre la enseanza matemtica de hoy y el mejoramiento del proceso de aprendizaje.
Usualmente el estudiante, como lo sealan los comentarios, suele buscar una relacin de implicacin entre
estos dos conceptos. Adems, el profesor suele ver estos conceptos en diferentes escenarios, y da explicaciones
como: por qu te confundes si un concepto es de conjuntos (concepto de excluyentes) y otro es de probabilidad
(concepto de independencia).
Explicaciones como las anteriores pueden confundir an ms al estudiante que insiste en hallar el camino
secreto y obscuro que une ambos conceptos. Un mejor camino que puede optar el profesor es, posterior al
estudio de cada concepto, comparar cada uno en un mismo escenario:

Escenario Conjuntos Probabilidad

A y B son excluyentes si: AB= P(A B) = 0
AB
A y B son independientes si: P(A B) P(A B) = P (A) P (B)
S

Donde S es el espacio de probabilidad y se utiliza como ley de probabilidad la ley de Laplace.

Seguidamente se presentan algunos ejemplos especialmente elegidos por enfatizar en los dos conceptos
(eventos excluyentes y eventos independientes) y presentarlos como una cadena desde lo prctico hasta lo ms
sofisticado admitiendo as la tcnica clsica de resolucin de problemas.

Ejercicio 1
Dadas las probabilidades P(A) = 0,45, P(B) = 0,10 y P(A B) = 0,045 qu conclusin podemos obtener?
Los eventos A, B son independientes? son mutuamente excluyentes?
Solucin. Vamos a seguir el tipo de solucin paso a paso, en otras palabras dividido en varias etapas
intentando aumentar la atencin por parte de los estudiantes y asegurar la comprensin del material diseado.
Etapa 1. Recordar al estudiante la definicin de la independencia como la frmula siguiente:
P(A B) = P(A) P(B)
Etapa 2. Verificar sencillamente el resultado aritmtico 0,045 = (0,45) (0,10)
Etapa 3. Concluir lo deseado, que son independientes y pasar a la pregunta prxima, siguiendo el pensamiento
de definicin observando P(A B) = 0,045 0, as que no son mutuamente excluyentes.
Comentario: Se les puede solicitar a los representantes de dos grupos cooperativos que discutan en sus grupos
lo siguiente:
Para probar que son excluyentes, no tenemos que demostrar que P(AB) = P(A) + P(B) ? En la discusin que
se desarrolla dentro del aula se revela una vez ms el efecto de las normas y las leyes matemticas que
habitualmente preceden el material didctico de los ejercicios. La asertividad que tiene mucho que ver con la
capacidad de resolver problemas parece estar conectada inextricablemente con la presentacin de algunas
normas, que atraen tanto al inters del profesor como del estudiante durante el proceso de aprendizaje. La
importancia de la norma de Poincar: P(AB) = P(A) + P(B) P(AB) predomina en la mente de los
estudiantes, hacindolos olvidar lo obvio y buscar otra manera ms complicada de resolver el problema.

48
 Ejercicio 2
En este ejercicio introduciremos a nuestros estudiantes en el pensamiento que acompaa la justificacin de la
existencia de las frmulas.
Dado que P(A/B) = 0,2; P(B) = 0,6. Calcular el valor de P(A) para que los eventos A, B sean independientes.
Solucin:
Etapa 1. Conceptualizar un poco sobre la interpretacin del concepto de independencia. En el caso de que sean
independientes, A no influye en la realizacin o no de B, as que la condicin A/B no tiene sentido, es decir,
P(A/B) = P(A).
Etapa 2. Utilizando la formula de la probabilidad condicional, en cuanto a la independencia eventual tenemos
PA B P A P B
P(A/B) PA . As que el valor de P(B) no se necesita.
PB PB
Etapa 3. Comparar las dos etapas anteriores para lograr una internalizacin ms profunda de lo enseado. En
esta fase realizamos una discusin sobre si la primera etapa constituye por s sola una solucin formal del
problema. Podemos observar que los grupos asignados, an convencidos del pensamiento que se incluye en la
primera etapa, aparecen casi igualmente divididos segn la existencia de la solucin que no incluir la segunda
etapa. Lo que destaca en el dilogo generado se bosqueja verdaderamente en las siguientes palabras Aunque
aceptamos entre nosotros la infalibilidad de la solucin basada en la primera etapa de arriba, podemos estar
seguros que no se considerar un error durante el proceso de evaluacin por algn examinador?
Ac se presenta la coordinada prctica de nuestra vida diaria en la enseanza en cada etapa, el proceso de la
evaluacin con la subjetividad que puede involucrar de caso a caso. Se trata de un tema que por s mismo pueda
ocupar el contenido de varios artculos.

Ejercicio 3
Lanzamos una moneda dos veces y registramos los resultados. Denotamos los siguientes eventos:
A = {que aparezca C en la primera lanzada}
B = {que aparezca C en la secunda lanzada}
C = {que aparezca C solamente una vez}
Podemos decir que los eventos A, B, C son mutuamente excluyentes?
Solucin
Etapa 1. Registrar los resultados al obtener el espacio muestral, es decir, {CN, NC, NN, CC} usando C por la
cara y N por el sello.
Comentario: Se ha observado durante la correccin de los exmenes parciales que muchos errores ocurren
como consecuencia de la falta de comprensin sobre lo elementos que componen el espacio muestral. Aqu se
demuestra muy bien que aun en un proceso sencillo, como el de conteo, considerado a veces rudimentario, se
adquiere una dimensin nueva para definir un conjunto necesario, cuya cardinalidad forma el denominador de la
probabilidad segn Laplace.
Etapa 2. Escribir cada uno de los eventos A, B, C en su forma analtica
A = {CN, CC}, B = {NC, CC}, C = {CN, NC}
Etapa 3. Enfocar en el concepto de la interseccin, dando la equivalencia
Interseccin vaca = eventos mutuamente excluyentes
Observamos que AB = {CC}, BC = {NC}, AC = {CN} de manera que la conclusin viene
automticamente.
Etapa 4. (No obligatoria) Contradecir al concepto de los eventos independientes, aunque no se pregunta en
nuestro ejercicio 3. Subrayaremos que en este caso no quedamos solo en la interseccin de los eventos, sino que
damos un paso ms calculando la probabilidad de esta interseccin
1 11
P(A B) PA PB As que A, B son independientes.
4 22
49
CONJUNTO DE EJERCICIOS PROPUESTOS N 1.
1. Un estudiante responde al azar a dos preguntas de verdadero y falso. Escriba el espacio muestral de este
experimento aleatorio.

2. Una experiencia aleatoria consiste en preguntar a tres personas distintas, elegidas al azar, si son partidarias o
no de consumir un determinado producto.
a) Escriba el espacio muestral asociado a dicho experimento, utilizando la letra s para las respuestas
afirmativas y la letra n para las negativas.
b) Qu elementos del espacio muestral anterior constituyen el suceso al menos dos de las personas son
partidarias de consumir el producto?

3. Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. Escriba el espacio muestral
de este experimento aleatorio. Y los siguientes sucesos
a) Suceso A = {extraer tres bolas del mismo color}
b) Suceso B = {extraer al menos una bola blanca}
c) Suceso C = {extraer una sola bola negra}

4. Una urna tiene 8 bolas rojas, 5 amarillas y 7 verdes. Si se extrae una bola al azar, calcula la probabilidad de:
a) Sea roja. b) Sea verde. c) Sea amarilla. d) No sea roja. e) No sea amarilla.

5. Una caja contiene 2 bolas rojas, 3 negras, 4 azules y 6 blancas. Cul es la probabilidad de seleccionar:
a) Una bola blanca. b) Una bola azul. c) Una bola roja o negra.

6. Cul es la probabilidad de extraer al azar una espada o un trbol de una baraja de 52 cartas?

7. Supngase que se extrae una carta de la baraja de 52 cartas, cul es la probabilidad de que esta sea:
a) Un rey o un as. b) Una espada o un as. c) Un trbol o un rey.

8. Si se extraen dos barajas simultneamente del juego de 52 cartas, cul es la probabilidad de que:
a) Las dos cartas sean espada.
b) Las dos cartas sean trbol.
c) La primera sea un as y la segunda sea espada, suponiendo que la extraccin sea sin remplazo.

9. Resolver el problema anterior si la extraccin se hace con remplazo.

10. Sea el experimento lanzar un dado dos veces y anotar el nmero que sale en el mismo orden de los
lanzamientos. Determinar la posibilidad de que en el primer lanzamiento salga un nmero par y en el
segundo lanzamiento salga un 5 o un 6.
50
CONJUNTO DE EJERCICIOS PROPUESTOS N 2.
1.- En el experimento que consiste en extraer una carta de una baraja espaola consideremos el suceso
A = "Salir figura". Cundo diremos que se ha realizado el suceso A?

2.- Los tipos de grupos sanguneos humanos son: A, B, AB y O. Adems, cada individuo puede tener un factor
Rh o Rh+. Un tcnico laboratorista anota el tipo de sangre de los pacientes. Elabora una lista del espacio
muestral de este experimento.

3.- Se realiza un experimento aleatorio que consiste en la extraccin de una carta de una baraja espaola. Se pide
hallar las siguientes probabilidades
A = Obtener un oro B = Obtener un as

4.- Consideremos el experimento aleatorio que consiste en lanzar dos datos y anotar la suma de los puntos de las
caras superiores. Hallar la probabilidad de los siguientes sucesos.
A = Obtener una suma igual a 8 B = Obtener una suma menor o igual a 4

5.- Sea el experimento E: lanzar una moneda y un dado (en ese orden).
a) Exprese por extensin el espacio muestral.
b) Exprese por extensin los eventos.
A = {Aparece cara y un nmero par} B = {Aparece un nmero primo}
C = {Aparece sello y un nmero impar} D = {A o B ocurren}.
E = {B y C ocurren} F = {Solamente B ocurre}
G = {No ocurre B}

6.- Sea el experimento E = Lanzar 2 dados simultneamente Se definen los eventos:

A = {Obtener una suma impar}; B = {Obtener por lo menos un seis}
a) Escriba el espacio muestral
b) Escriba los eventos sealados matemticamente y por extensin.
c) Escriba A B por extensin.
d) Escriba A B
e) Escriba A B
f) Escriba A
g) Escriba en palabras los eventos c, d, e y f.

7.- Una bolsa contiene 4 esferas blancas 3 azules y 5 rojas.

A. Si se saca una esfera al azar, calcular las probabilidades:
a) Que sea blanca e) Que no sea blanca
b) Que sea azul f) Que sea negra
c) Que no sea azul g) Que no sea blanca ni azul
d) Sea roja o azul h) Que sea blanca, azul o roja

B. Si se sacan 3 esferas simultneamente al azar, calcule las siguientes probabilidades:

a) Que sean azules e) A lo ms 2 sean azules
b) Que sean blancas f) Como mximo una sea blanca
c) Que sean rojas g) Que sea una de cada color
d) A lo menos una sea roja h) Que 2 sean blancas y una roja.

51
8.- En una facultad el 25 % de los estudiantes reprob matemticas, el 15 % reprob estadstica y el 10 %
reprob ambas materias. Se selecciona un estudiante al azar, calcular las probabilidades siguientes:
a) Que haya reprobado al menos una materia b) Que haya reprobado solo matemticas
c) Que haya aprobado ambas asignaturas d) Que haya aprobado solo estadstica.

9.- En una encuesta realizada a 200 personas adultas se les consult si tenan hijos y si posean trabajo,
obtenindose los siguientes resultados:
- 75 personas respondieron que tenan hijos
- 80 respondieron que tenan solamente trabajo.
- 35 respondieron que no posean trabajo, pero si tenan hijos.
a) Represente la informacin en un diagrama de Venn.
b) Cul es la probabilidad que una persona elegida al azar:
b1) Trabaje y tenga hijos. b2) Tenga trabajo. b3) No tenga hijos ni trabaje.

c) Se escogen personas hasta que una responde que tiene hijos o tiene trabajo, eligiendo hasta un mximo
de 5 personas.
c1) Describa el espacio muestral. c2) Calcule la probabilidad de escoger a lo ms a tres personas.

10.- Una empresa produce componentes electrnicos. La probabilidad de que un componente se avere en un
periodo de tiempo dado es 0,01. Su estado (averiado o funcionando) se comprueba con un ensayo que cumple
que, cuando el componente funciona, la probabilidad de que el ensayo diga lo contrario es 0,05, pero si el
componente est averiado el ensayo no se equivoca. Si el ensayo indica que el componente est averiado, Cul
es la probabilidad de que realmente lo est?

11.- Se forman signos que consisten de una figura geomtrica (circunferencia, cuadrado, tringulo o hexgono),
una letra y una cifra. Cuntos signos de este tipo pueden formarse?

12.- De cuantas formas se pueden escoger dos fichas de domino, de las 28 que hay, de forma que se puedan
aplicar una a la otra (es decir, de modo que se encuentre el mismo nmero de tantos en ambas fichas)?

13.- El departamento de prstamos de una institucin financiera ha efectuado una encuesta entre sus afiliados,
como parte de un estudio para la determinacin de prioridades en la asignacin de prstamos. Se obtuvieron
2.600 respuestas con los siguientes resultados:
-800 afiliados son casados.
-1.000 afiliados habitan en casa arrendada.
-950 perciben ingresos inferiores a Bs 4.500 mensuales
-200 son casados no habitan en casa arrendada y perciben ingresos superiores a Bs 4.500 mensuales.
-350 son casados y habitan en casa arrendada.
-230 son solteros, habitan en casa arrendada y tienen ingresos inferiores a Bs 4.500 mensuales
-350 son casados y perciben ingresos inferiores a Bs 4.500 mensuales

Se pide determinar:
a) El nmero de afiliados casados, que habitan en casa arrendada y perciben ingresos inferiores a Bs 4.500.
b) Si se elige un afiliado al azar. Cul es la probabilidad de que sea casado, viva en casa arrendada y
perciba ingresos inferiores a Bs 4.500 mensuales.

52
 PROBABILIDAD.
APLICACIONES.
Dos aplicaciones principales de la teora de la probabilidad en el da a da son en el anlisis de riesgo y en el
comercio de los mercados de materias primas. Los gobiernos normalmente aplican mtodos probabilsticos en
regulacin ambiental donde se les llama "anlisis de vas de dispersin", y a menudo miden el bienestar usando
mtodos que son estocsticos por naturaleza, y escogen qu proyectos emprender basndose en anlisis estadsticos
de su probable efecto en la poblacin como un conjunto.
No es correcto decir que la estadstica est incluida en el propio modelado, ya que tpicamente los anlisis de riesgo
son para una nica vez y por lo tanto requieren ms modelos de probabilidad fundamentales, por ej. "la probabilidad
de otro 11-S".
Una ley de nmeros pequeos tiende a aplicarse a todas aquellas elecciones y percepciones del efecto de estas
elecciones, lo que hace de las medidas probabilsticas un tema poltico. Un buen ejemplo es el efecto de la
probabilidad percibida de cualquier conflicto generalizado sobre los precios del petrleo en Oriente Medio que
producen un efecto domin en la economa en conjunto.
Un clculo por un mercado de materias primas en que la guerra es ms probable en contra de menos probable
seguramente enva los precios hacia arriba o hacia abajo e indica a otros comerciantes esa opinin. Por consiguiente,
las probabilidades no se calculan independientemente y tampoco son necesariamente muy racionales. La teora de
las finanzas conductuales surgi para describir el efecto de este pensamiento de grupo en el precio, en la poltica, y
en la paz y en los conflictos.
Se puede decir razonablemente que el descubrimiento de mtodos rigurosos para calcular y combinar los clculos
de probabilidad ha tenido un profundo efecto en la sociedad moderna. Por consiguiente, puede ser de alguna
importancia para la mayora de los ciudadanos entender cmo se calculan los pronsticos y las probabilidades, y
cmo contribuyen a la reputacin y a las decisiones, especialmente en una democracia.
Otra aplicacin significativa de la teora de la probabilidad en el da a da es en la fiabilidad. Muchos bienes de
consumo, como los automviles y la electrnica de consumo, utilizan la teora de la fiabilidad en el diseo del
producto para reducir la probabilidad de avera. La probabilidad de avera tambin est estrechamente relacionada
con la garanta del producto.
Se puede decir que no existe una cosa llamada probabilidad. Tambin se puede decir que la probabilidad es la
medida de nuestro grado de incertidumbre, o esto es, el grado de nuestra ignorancia dada una situacin. Por
consiguiente, puede haber una probabilidad de 1 entre 52 de que la primera carta en una baraja sea la J de
diamantes. Sin embargo, si uno mira la primera carta y la reemplaza, entonces la probabilidad es o bien 100% 0%,
y la eleccin correcta puede ser hecha con precisin por el que ve la carta. La fsica moderna proporciona ejemplos
importantes de situaciones determinsticas donde slo la descripcin probabilstica es factible debido a informacin
incompleta y la complejidad de un sistema as como ejemplos de fenmenos realmente aleatorios. En un universo
determinista, basado en los conceptos newtonianos, no hay probabilidad si se conocen todas las condiciones. En el
caso de una ruleta, si la fuerza de la mano y el periodo de esta fuerza es conocido, entonces el nmero donde la bola
parar ser seguro. Naturalmente, esto tambin supone el conocimiento de la inercia y la friccin de la ruleta, el
peso, lisura y redondez de la bola, las variaciones en la velocidad de la mano durante el movimiento y as
sucesivamente. Una descripcin probabilstica puede entonces ser ms prctica que la mecnica newtoniana para
analizar el modelo de las salidas de lanzamientos repetidos de la ruleta.
La mecnica cuntica, debido al principio de indeterminacin de Heisenberg, slo puede ser descrita actualmente a
travs de distribuciones de probabilidad, lo que le da una gran importancia a las descripciones probabilsticas. Hoy
en da no existe un medio mejor para describir la fsica cuntica si no es a travs de la teora de la probabilidad.
Mucha gente hoy en da confunde el hecho de que la mecnica cuntica se describe a travs de distribuciones de
probabilidad con la suposicin de que es por ello un proceso aleatorio, cuando la mecnica cuntica es probabilstica
no por el hecho de que siga procesos aleatorios sino por el hecho de no poder determinar con precisin sus
parmetros fundamentales, lo que imposibilita la creacin de un sistema de ecuaciones determinista.
Tomado de: http://es.wikipedia.org/wiki/Probabilidad

Fin de la Unidad I
53
 BIBLIOGRAFA
- Chourio, J. (1997) Estadstica I. (1ra. Edicin) Caracas - Venezuela. Editorial Biosfera.

- Feller, W. (1996) Introduccin a la teora de Probabilidades y sus aplicaciones. (Volumen I) Mxico.

Editorial Limusa.

- Guenther, W. (1977) Introduccin a la Inferencia Estadstica. (1ra. Edicin) Mxico.

Editorial McGraw.-Hill Book.

- Lpez C., R. (1996) Clculo de la Probabilidad e Inferencia Estadstica con tpicos de Econometra.
(3ra. Edicin) Caracas - Venezuela. Publicaciones UCAB.

- Meyer, P. (1992) Probabilidad y Aplicaciones Estadsticas. Estados Unidos. Fondo educativo Interamericano.

- Mendenhall, Beaver R y Beaver B. (2008) Introduccin a la probabilidad y estadstica. Dcimo segunda

edicin. Cengage Learning.

- Reyes, A. (1998) Probabilidad y Estadstica para el aula. (1ra. Edicin) Mrida Venezuela. ULA.

- Salama, D. (2008) Estadstica. Metodologa y Aplicaciones. (6ta Edicin) Caracas - Venezuela.

Editorial Torino.

- Valera I., R. (1996) Mdulo de Probabilidad. (2da. Edicin) Maracay Venezuela. UPEL.

- http://www.slideshare.net/rial08/la-normal

54