Capítulo 4 Introducción a la Probabilidad

Competencias a desarrollar:

1. Calcula la probabilidad mediante el uso de las leyes de conjuntos y su relación con

la probabilidad.
2. Calcula la probabilidad condicional y la relaciona con la independencia de eventos.
3. Calcula la probabilidad mediante el uso del Teorema de Bayes y la Regla de la
Probabilidad Total.
4. Usa técnicas de conteo para cálculo de probabilidades.

4.1 Experimentos, espacios muestra.

El cálculo de probabilidades comienza con el concepto de. Un experimento estadístico

es cualquier proceso que sus resultados son observables y que puede ser repetido tantas
veces como sea necesario.
El conjunto de todos los resultados posibles de un experimento es el Espacio muestral
o Espacio muestra, a este espacio se le denota por S.

Ejemplo 4.1.1
Se tira una moneda tres veces y se observa la sucesión de caras y sellos, el espacio
muestra de este experimento es:
𝑆 = {(𝑐, 𝑐, 𝑐), (𝑐, 𝑠, 𝑐), (𝑐, 𝑐, 𝑠), (𝑐, 𝑐, 𝑠), (𝑐, 𝑠, 𝑠), (𝑠, 𝑐, 𝑠), (𝑠, 𝑠, 𝑐), (𝑠, 𝑠, 𝑠)}
Ejemplo 4.1.2
Se tiran dos dados y se observa la suma de los puntos obtenidos, el espacio muestra de
este experimento es 𝑆 = {2,3,4,5,6,7,8,9,10,11,12}.
Ejemplo 4.1.3
Se observa desde un mecanismo detector de piezas defectuosas de una banda de
producción, cuántas piezas pasan por la banda hasta que aparece la primera pieza
defectuosa. El espacio muestra de este experimento es 𝑆 = {0,1,2,3,4,5, … . . }.
Ejemplo 4.1.4
Se pone a dos niños a armar un rompecabezas de 25 piezas que se considera fácil de
armar y que se sabe que tardarán al menos cinco minutos y a lo más treinta minutos en
armarlo y se observa el tiempo empleado por cada niño. El espacio muestra de este
experimento es 𝑆 = [5,30] × [5,30] = {(𝑥, 𝑦)/ 5 ≤ 𝑥 ≤ 30, 5 ≤ 𝑦 ≤ 30}.

Ejemplo 4.1.5.
Se mide el tiempo que un alumno tarda en trasladarse desde el norte su ciudad hasta su
universidad, que está en una zona suburbana cercana a su ciudad. Si puede hacer entre
25 y 75 minutos, dependiendo de a qué hora llega a la parada del camión, el espacio
muestra de este experimento es 𝑆 = [15,75].
Los espacios muestra se pueden clasificar como discretos si tiene un número finito o
numerable de elementos, es decir se pueden contar y numerar y como continuos si el
espacio contiene completamente a un intervalo de la recta numérica.

Problema de Práctica 1.
Clasifica como discretos o continuos los espacios muestra de los ejemplos 4.1.1 a
4.1.5.
A partir de esta definición observamos que la clasificación de los espacios muestra
obtenidos en los ejemplos 4.1.1 a 4.1.5 es la siguiente:

𝑆 = {(𝑐, 𝑐, 𝑐), (𝑐, 𝑠, 𝑐), (𝑐, 𝑐, 𝑠), (𝑐, 𝑐, 𝑠), (𝑐, 𝑠, 𝑠), (𝑠, 𝑐, 𝑠), (𝑠, 𝑠, 𝑐), (𝑠, 𝑠, 𝑠)} Espacio discreto,
pues sólo tiene 8
elementos
𝑆 = {2,3,4,5,6,7,8,9,10,11,12} Espacio discreto,
pues sólo tiene 11
elementos
𝑆 = {0,1,2,3,4,5, … . . }. Espacio discreto
pues tiene
infinitos
elementos que se
pueden numerar
𝑆 = [5,30] × [5,30] = {(𝑥, 𝑦)/ 5 ≤ 𝑥 ≤ 30, 5 ≤ 𝑦 ≤ 30} Espacio continuo
pues contiene
intervalos de la
recta numérica
𝑆 = [15,75] Espacio continuo
pues es un
intervalo de la
recta numérica

4.2 Eventos y sus relaciones

Dentro de todos los resultados posibles de un experimento, nos interesa saber cuál es la
probabilidad de que algunos de ellos ocurran. Definimos un evento como cualquier
subconjunto de un espacio muestra. Los eventos en general se denotan por letras
mayúsculas.

Ejemplo 4.2.1

Del experimento del ejemplo 4.1.1 donde se tira una moneda tres veces y se observa la
sucesión de caras y sellos podemos definir los siguientes eventos:
Sea A el evento de que al tirar las tres monedas el número de caras sea par,
𝐴 = {(𝑠, 𝑐, 𝑐), (𝑐, 𝑠, 𝑐), (𝑐, 𝑐, 𝑠)}

Sea B el evento de que a lo más caigan dos caras,

𝐵 = {(𝑠, 𝑐, 𝑐), (𝑐, 𝑠, 𝑐), (𝑐, 𝑐, 𝑠), (𝑐, 𝑠, 𝑠), (𝑠, 𝑠, 𝑐), (𝑠, 𝑐, 𝑠), (𝑠, 𝑠, 𝑠)}
Sea C el evento de que caigan tres caras, 𝐶 = {(𝑐, 𝑐, 𝑐)}.

Ejemplo 4.2.2

Del experimento del ejemplo 4.1.2 donde se tiran dos dados y se observa la suma de
los puntos obtenidos, podemos definir los siguientes eventos:

Sea E el evento de que el número obtenido sea múltiplo de 4, 𝐸 = {4,8,12}

Sea F el evento de que el número obtenido sea impar 𝐹 = {3,5,7,9,11}.

Ejemplo 4.2.3

Del experimento del ejemplo 4.1.5 donde se registra el tiempo que un alumno tarda en
trasladarse desde el norte de la ciudad hasta su casa, definimos los siguientes eventos:

Sea G el evento de que el tiempo de traslado sea a lo más de 18 minutos, 𝐺 = [15,18]

Sea H el evento de que el tiempo de traslado sea mínimo 16 minutos, 𝐻 = [16,25]

Dos eventos se dice que son mutuamente excluyentes si no tienen elementos en

común, es decir A y B son mutuamente excluyentes si 𝐴 ∩ 𝐵 = ∅.
Dos eventos son complementarios si son mutuamente excluyentes y juntos conforman
todo el espacio muestra, es decir, A y B son complementarios si 𝐴 ∩ 𝐵 = ∅ y
𝐴 ∪ 𝐵 = 𝑆.

Problema de Práctica 2. Clasifica como mutuamente excluyentes, complementarios o

ninguno los eventos de los ejemplos 4.2.1, 4.2.2 y 4.2.3.

AyB Ninguno, porque tienen elementos en común, 𝐴 ∩ 𝐵 = {(𝑠, 𝑐, 𝑐), (𝑐, 𝑠, 𝑐)}
Ay C Son mutuamente excluyentes porque 𝐴 ∩ 𝐶 = ∅
ByC Son complementarios dado que 𝐵 ∩ 𝐶 = ∅ y 𝐵 ∪ 𝐶 = 𝑆
EyF Son mutuamente excluyentes porque 𝐸 ∩ 𝐹 = ∅
GyH Ninguno porque 𝐺 ∩ 𝐻 = [16,18]

4.3 Axiomas y Propiedades de la Probabilidad.

A cada evento A de un espacio muestra se le puede asignar su probabilidad denotada
𝑃(𝐴) , que intuitivamente es la frecuencia con la cual ocurre ese evento. Existen
distintos enfoques con los cuales se puede calcular la probabilidad: enfoque clásico, de
frecuencia relativa y subjetivo.
 • Enfoque Clásico: Este enfoque se puede utilizar cuando el espacio muestra es
finito y todos los elementos del espacio muestra tienen la misma oportunidad de
ocurrir. En este enfoque, si A es un evento de un espacio muestra S,
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝐴 #𝐴
𝑃(𝐴) = =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑆 #𝑆
• Enfoque de Frecuencia Relativa: Este enfoque se puede utilizar cuando el
espacio muestra no es finito o bien cuando no todos los elementos del espacio
muestra tienen la misma oportunidad de ocurrir, En este enfoque, si A es un
evento de un espacio muestra S,
𝑝(𝐴) = 𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 𝑑𝑒 𝐴, 𝑒𝑛 𝑛 𝑟𝑒𝑝𝑒𝑡𝑖𝑐𝑜𝑛𝑒𝑠 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜 =
𝑘
𝑛
, donde k es el número de veces que ocurrió A en las n repeticiones del
experimento.

• Enfoque subjetivo: En este enfoque un experto en el área o bien una persona

de su experiencia personal asocia a cada evento una probabilidad intuitiva.

Los axiomas fundamentales de la probabilidad son:

Axioma 1: Si A es una evento cualquiera de un espacio muestra S, 𝑃(𝐴) ≥ 0

Axioma 2: La probabilidad del espacio muestra es 1, 𝑃(𝑆) = 1.

Axioma 3: Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 son eventos mutuamente excluyentes de un mismo espacio

muestra S, 𝑃(𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 ).

Las propiedades fundamentales de la probabilidad, que se deducen a partir de los

axiomas de la probabilidad son:

1. La probabilidad del conjunto vacío, es decir, de un evento imposible es cero,

𝑃(∅) = 0.
2. Si A es subconjunto de B, la probabilidad de A es menor o igual que la de B. Es
decir, si 𝐴 ⊆ 𝐵 entonces 𝑃(𝐴) ≤ 𝑃(𝐵).
3. Para dos eventos A y B de un mismo espacio muestra S, 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) +
𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵).
4. Si A y B son eventos complementarios 𝑃(𝐴) = 1 − 𝑃(𝐵), es decir , 𝑃(𝐴´) = 1 −
𝑃(𝐴).
5. Si A y B son eventos de un mismo espacio muestra S, la probabilidad condicional
de que ocurra un evento A, dado que ya ocurrió B, 𝑃�𝐴�𝐵 � = 𝑃(𝐵) .
𝑃(𝐴∩𝐵)

Dos eventos A y B de un espacio muestra S son independientes si la probabilidad de

que ocurra A no se ve afectada por la probabilidad de B, es decir, 𝑃�𝐴�𝐵 � = 𝑃(𝐴).
6. Si dos eventos A y B son independientes entonces 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵).

Ejemplo 4.3.1
En una escuela primaria de una localidad pequeña hay 435 alumnos de los cuales 214
viven a menos de 20 minutos caminando de la escuela, 300 tienen hermanos y 140
tienen hermanos y viven a menos de 20 minutos caminando de la escuela. Calcula la
probabilidad de que un alumno elegido al azar:

a) Tenga hermanos y viva a menos de 20 minutos de la escuela.

b) No tenga hermanos.
c) Tenga hermanos o viva a menos de 20 minutos caminando de la escuela.
d) No tenga hermanos y viva a 20 minutos o más caminando de la escuela.
e) Tenga hermanos y viva 20 minutos o más caminando de la escuela.
f) Tenga hermanos si vive a menos de 20 minutos caminando de la escuela.

En este caso el cálculo de probabilidades se hace con el enfoque de frecuencia relativa,

dado que no todos los elementos tienen la misma oportunidad de ocurrir. Para calcular
las probabilidades, el uso de un Diagrama de Venn, puede ser de mucha ayuda. Cuando
empezamos a construir el Diagrama de Venn es siempre recomendable comenzar por la
intersección del mayor número de subconjuntos, en esta intersección hay 140 alumnos y
esos los restamos a los que tiene hermanos y a los que viven a menos de 20 minutos
caminando de la escuela. Los restantes quedan fuera de los dos conjuntos, pero dentro
de nuestro universo de alumnos de la escuela. Denotemos por H al conjunto de alumnos
con hermanos y por M20 al conjunto de alumnos que viven a menos de 20 minutos
caminando de la escuela.
Nuestro diagrama de Venn queda entonces de la siguiente forma

a) La probabilidad de que tenga hermanos y viva a menos de 20 minutos de la escuela

140
es 𝑃(𝐻 ∩ 𝑀20) = 435
b) La probabilidad de que no tenga hermanos es 𝑃(𝐻´) esta probabilidad podemos
calcularla de dos formas, la primera, usando el diagrama de Venn, contando todos
160+61 221
los elementos que están fuera del conjunto H, entonces 𝑃(𝐻´) = 435 = 435.
La segunda usando las propiedades de la probabilidad,
214 221
𝑃(𝐻´) = 1 − 𝑃(𝐻) = 1 − 435 = 435.

c) La probabilidad de que tenga hermanos o viva a menos de 20 minutos caminando

de la escuela, corresponde a la probabilidad de 𝑃(𝐻 ∪ 𝑀20). También podemos
calcular esta probabilidad de dos formas, con el diagrama de Venn tendríamos que
contar todos los elementos que están dentro de los dos conjuntos, entonces
74+140+160 374
𝑃(𝐻 ∪ 𝑀20) = 435
= 435 . Usando las propiedades de la probabilidad,
214 300 140 374
𝑃(𝐻 ∪ 𝑀20) = 𝑃(𝐻) + 𝑃(𝑀20) − 𝑃(𝐻 ∩ 𝑀20) = 435 + 435 − 435 = 435.
d) La probabilidad de que no tenga hermanos y viva a 20 minutos o más caminando de
la escuela, corresponde a 𝑃(𝐻´ ∩ 𝑀20´). Usando el diagrama de Venn, podemos
ver que tenemos 61 elementos que no están ni en H n en M20, por tanto,
61
𝑃(𝐻´ ∩ 𝑀20´) = 435. Usando las propiedades, 𝑃(𝐻´ ∩ 𝑀20´) = 𝑃�(𝐻 ∪ 𝑀20)´� =
374 61
1 − 435 = 435.
e) La probabilidad de que tenga hermanos y viva 20 minutos o más caminando de la
214−140 74
escuela, corresponde a 𝑃(𝐻 − 𝑀20) = 𝑃(𝑀20´ ∩ 𝐻) = 435 = 435 . Como
puede observarse en el diagrama de Venn hay 74 alumnos que están en H pero no
están en M20.
f) La probabilidad de que tenga hermanos si vive a menos de 20 minutos caminando
de la escuela. En este caso ya sabemos que el alumno vive a menos de 20 minutos
caminando de la escuela, la probabilidad corresponde a
140
𝑃�𝐻�𝑀20� = 𝑃(𝑀20) =
𝑃(𝐻∩𝑀20) 140 70
435
300 = 300 = 150.
435

Ejemplo 4.3.2
La probabilidad de que una persona que presentó una solicitud para participar en un
concurso televisivo sea aprobada, es de 0.05 y la probabilidad de que pierda en el
concurso si su solicitud fue aprobada es de 0.97. Si se selecciona al azar una persona
que presentó solicitud, ¿cuál es la probabilidad de que participe y gane en el concurso?
La probabilidad que buscamos es probabilidad de que participe y gane en el concurso,
es decir, 𝑃(𝑝 ∩ 𝐺), Sabemos que la probabilidad de que participe en el concurso,
𝑃(𝑝) = 0.05, la probabilidad de que gane dado que participa en el concurso es
𝑃�𝐺�𝑝� = 0.03, dado que la probabilidad de que pierdan los que participan es de 0.97.
De la fórmula de probabilidad condicional tenernos que 𝑃�𝐺�𝑝� = 𝑃(𝑝) , despejando
𝑃(𝐺∩𝑝)

tenemos que 𝑃(𝑝 ∩ 𝐺) = 𝑃(𝑝)𝑃�𝐺�𝑝� = (0.05)(0.03) = 0.0015.

 Ejemplo 4.3.3
Se tira un dado dos veces y se cuenta el número de puntos obtenidos. Sea A el evento
de que el número de puntos obtenidos sea a lo más cuatro y B es el evento de que el
número de puntos obtenidos sea múltiplo de 3. Calcular las siguientes probabilidades:
a) 𝑃(𝐴 ∩ 𝐵) b) 𝑃(𝐴 ∪ 𝐵) c) 𝑃(𝐴 ∩ 𝐵´) d) 𝑃((𝐴 ∪ 𝐵)´)
Al tirar el dado dos veces los resultados obtenidos pueden ser 36. Cada una de estas
treinta y seis formas corresponde a una suma de puntos entre 2 y 12. Vamos a acomodar
estas posibilidades de acuerdo a la suma de puntos. La tabla queda así:

Suma 2 3 4 5 6
Forma (1,1) (1,2), (2,2), (3,1) (2,3),(3,2) (2,4),(4,2)
(2,1) (1,3) (1,4) (3,3),
(4,1) (1,5),(5,1)
7 8 9 10 11 12
Suma
Forma (2,5),(5,2),(3,4) (2,6), (3,6),(6,3),(4,5) (4,6),(6,4),(5,5) (5,6),(6,1) (6,6)
(4,3), (6,2) (5,4)
(1,6),(6,1) (3,5),
(5,3)
(4,4)

Al tirar un dado, la probabilidad de obtener los puntos de 1 al 6 es la misma, por lo

tanto la probabilidad para cada uno de los posibles puntos es 1/6. El resultado obtenido
al tirar el dado una segunda vez es totalmente independiente del resultado obtenido la
primera vez, por tanto la probabilidad de obtener cualquiera de las 36 parejas (a,b) de la
tabla anterior es (1/6)(1/6) = 1/36. Ahora bien 𝐴 = {2,3,4}, 𝐵 = {3,6,9,12},
podemos ahora calcular las probabilidades solicitadas,
a) 𝐴 ∩ 𝐵 = {3}, en la tabla vemos que el número 3 se obtiene de dos formas distintas,
2 1
cada una con probabilidad de 1/ 36, por tanto 𝑃(𝐴 ∩ 𝐵) = 36 = 18.
b) 𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵), tenemos que 𝑃(𝐴) = 𝑃(2) + 𝑃(3) +
1 2 3 6 2 5 4
𝑃(4) = 36 + 36 + 36 = 36, 𝑃(𝐵) = 𝑃(3) + 𝑃(6) + 𝑃(9) + 𝑃(12) = 36 + 36 + 36 +
1 12 6 12 2 16 4
36
= 36, por lo tanto 𝑃(𝐴 ∪ 𝐵) = 36 + 36 − 36 = 36 = 9
1 3 4 1
c) 𝐴 ∩ 𝐵 ′ = {2,4}, por lo cual 𝑃(𝐴 ∩ 𝐵´) = 36 + 36 = 36 = 9.
4 5
d) 𝑃�(𝐴 ∪ 𝐵)´� = 1 − 𝑃(𝐴 ∪ 𝐵) = 1 − 9 = 9.

Ejemplo 4.3.4
Un proceso de armado de un cierto modelo de lujo a escala de un automóvil deportivo,
requiere de 9 remaches. La probabilidad de que un remache de éstos no presente defectos
es de 0.92. Si se considera que el trabajo realizado en cada uno de los remaches es
independiente, calcule la probabilidad de que:
a) Ninguno de los remaches esté defectuoso
b) Al menos uno de los remaches sea defectuoso.
a) La probabilidad de que ninguno de los remaches sea defectuoso es la probabilidad
de que no sea defectuoso el remache 1, (𝑁𝐷𝑅)1 y que no sea defectuoso el
remache 2 (𝑁𝐷𝑅)2 y así sucesivamente y que no sea defectuoso el remache 9
(𝑁𝐷𝑅)9 , es decir, es la probabilidad de la intersección, 𝑝(⋂9𝑖=1(𝑁𝐷𝑅)𝑖 ). Como
los eventos son independientes, la probabilidad de la intersección es el producto de
la probabilidades y por lo tanto, 𝑝(⋂9𝑖=1(𝑁𝐷𝑅)𝑖 ) = ∏9𝑖=1 𝑝((𝑁𝐷𝑅)𝑖 ) = 0.929 =
0.472161
b) p(al menos un remache defectuoso)=1-p(ningún remache defectuoso)=1-
0.472161=0.527839.

Problema de Práctica 3.

En una fábrica se tiene la siguiente distribución del personal

Cargo/Turno Matutino Vespertino Nocturno

Obreros 48 23 25
Encargados 5 2 3
Jefe 2 1 1

Si se elige un obrero al azar, calcula las siguientes probabilidades:

a) Sea obrero del turno matutino.
b) Sea del turno nocturno.
c) Si es del turno vespertino sea encargado.
d) Sea encargado o del turno nocturno.

Para calcular estas probabilidades, es importante calcular los totales por renglón y por
columna, para tener una información más completa. Completando la tabla, obtenemos

Cargo//Turno Matutino Vespertino Nocturno Total

Obreros 48 23 25 96
Encargados 5 2 3 10
Jefe 2 1 1 4
Total 55 26 29 110

a) La probabilidad de que sea obrero del turno matutino,

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑏𝑟𝑒𝑟𝑜𝑠 𝑚𝑎𝑡𝑢𝑡𝑖𝑛𝑜𝑠 48 24
𝑃(𝑂 ∩ 𝑀) = 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑙 = 110 = 55
b) La probabilidad de que sea del turno nocturno,
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜𝑠 𝑑𝑒𝑙 𝑡𝑢𝑟𝑛𝑜 𝑛𝑜𝑐𝑡𝑢𝑟𝑛𝑜 29
𝑃(𝑁) = 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑙
= 110
 c) La probabilidad de que si es del turno vespertino sea encargado, 𝑃�𝐸�𝑉 � =
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑐𝑎𝑟𝑔𝑎𝑑𝑜𝑠 𝑦 𝑑𝑒 𝑡𝑢𝑟𝑛𝑜 𝑣𝑒𝑠𝑡𝑝𝑒𝑟𝑡𝑖𝑛𝑜 1
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑙 𝑣𝑒𝑠𝑝𝑒𝑟𝑡𝑖𝑛𝑜
= 26, observe que si usamos la propiedad
de probabilidad condicional, 𝑃�𝐸�𝑉 � =
𝑃(𝐸∩𝑉) 1/110
𝑃(𝑉)
= 26/110 = 1/26.
d) La probabilidad de que sea encargado o del turno nocturno, 𝑃(𝐸 ∪ 𝑁) = 𝑃(𝐸) +
10 29 3 36 18
𝑃(𝑁) − 𝑃(𝐸 ∩ 𝑁) = 110 + 110 − 110 = 110 = 55.

4.4 Probabilidad total y Teorema de Bayes.

Teorema de probabilidad total: Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 son eventos mutuamente excluyentes

y exhaustivos, es decir, ⋃𝑛𝑖=1 𝐴𝑖 = 𝑆 y B es un evento cualquiera,
𝑛

𝑝(𝐵) = � 𝑝(𝐵 /𝐴𝑖 )𝑝( 𝐴𝑖 )

𝑖=1
Demostración:

𝑝(𝐵) = 𝑝(𝐵 ∩ 𝑆) = 𝑝(𝐵 ∩ ⋃𝑛𝑖=1 𝐴𝑖 ), como los eventos son mutuamente excluyentes,
por el axioma 3 𝑝(𝐵 ∩ ⋃𝑛𝑖=1 𝐴𝑖 ) = ∑𝑛𝑖=1 𝑝(𝐵 ∩ 𝐴𝑖 ). De la fórmula de probabilidad
𝑝(𝐵 ∩𝐴𝑖 )
condicional 𝑝(𝐵/𝐴𝑖 ) = )
, despejando obtenemos 𝑝(𝐵 ∩ 𝐴𝑖 ) = 𝑝(𝐵/𝐴𝑖 ) 𝑝(𝐴𝑖 ).
𝑝(𝐴𝑖
𝑛
Por lo tanto 𝑝(𝐵) = ∑𝑖=1 𝑝(𝐵 /𝐴𝑖 )𝑝( 𝐴𝑖 ).

Teorema de Bayes: Si 𝐴1 , 𝐴2 , … , 𝐴𝑛 son eventos mutuamente excluyentes y

exhaustivos, es decir, ⋃𝑛𝑖=1 𝐴𝑖 = 𝑆 y B es un evento cualquiera entonces
𝑝(𝐵/𝐴𝑖 ) 𝑝(𝐴𝑖 )
𝑃(𝐴𝑖 /𝐵) = ∑𝑛 .
𝑘=1 𝑝(𝐵 /𝐴𝑘 )𝑝(𝐴𝑘 )

Demostración:

𝑝(𝐴𝑖 ∩ 𝐵) 𝑝(𝐵/𝐴𝑖 ) 𝑝(𝐴𝑖 ) 𝑝(𝐵/𝐴𝑖 ) 𝑝(𝐴𝑖 )

𝑃(𝐴𝑖 /𝐵) = = = 𝑛
𝑝(𝐵) 𝑝(𝐵) ∑𝑘=1 𝑝(𝐵 /𝐴𝑘 )𝑝( 𝐴𝑘 )

El teorema de Bayes calcula la probabilidad que denominamos probabilidad a posteriori, es

decir, después de que un evento ocurrió, la probabilidad de que se haya producido en uno
de los eventos que particionan el espacio muestra.

Estos teoremas aplican en el caso de que el espacio muestra está dividido naturalmente en
varios eventos excluyentes.

Ejemplo 4.4.1

Una fábrica cuenta con 3 naves industriales, en la nave industrial 1, se produce el 45%
de los artículos electrónicos, de los cuales el 1% resulta con algún tipo de defectos, en
la nave dos se produce el 37% de los artículos de los artículos electrónicos con 0.5% de
artículos defectuosos y en la nave 3 se produce 18% de artículos electrónicos con 2% de
artículos defectuosos. Se selecciona un artículo al azar,

a) Calcula la probabilidad de que sea defectuoso si se produjo en la nave 3.

b) Calcula la probabilidad de que el artículo esté defectuoso.
c) Si el artículo está defectuoso se haya producido en la nave 2.

Para resolver este problema es conveniente presentar las probabilidades de forma

gráfica, lo cual podemos hacerlo de dos formas, en una tabla o en un diagrama que se
llama diagrama de árbol. Denotemos por N1, N2 y N3 los eventos de que un artículo es
producido en las naves 1, 2 y 3 respectivamente y D el evento de que un artículo es
defectuoso.

Nos dicen que el porcentaje de artículos que se produce en la nave 1 es del 45%, es
decir 𝑝(𝑁1) = 0.45, de los producidos en la nave 1, el 1% son defectuosos, entonces
𝑝(D/N1)=0.01. Las probabilidades equivalentes para N2 y N3 son 𝑝(𝑁2) = 0.37 y
𝑝(D/N2)=0.005 y 𝑝(𝑁3) = 0.18 y 𝑝(D/𝑁3) = 0.02.

En un diagrama de árbol lo podemos expresar de la siguiente forma

Defectuoso
0.01
N1
0.45
No defectuoso
0.99

Defectuoso
0.005
N2
0.37
No defectuoso
0.995

Defectuoso
0.02
N3
0.18
No defectuoso
0.98

a) La probabilidad de que sea defectuoso si se produjo en la nave 3, o sea 𝑝(D/𝑁3),

de la información que nos dieron 𝑝(D/𝑁3) = 0.02.
b) La probabilidad de que el artículo esté defectuoso la podemos calcular usando el
teorema de la probabilidad total dado que N1, N2, N3 son mutuamente excluyentes
y exhaustivos, entonces 𝑝(𝐷) = 𝑝(𝐷/ 𝑁1) 𝑝(𝑁1) + 𝑝(𝐷 /𝑁2) 𝑝(𝑁2) +
𝑝(𝐷 /𝑁3) 𝑝(𝑁3) = (0.45)(0.01) + (0.37)(0.005) + (0.18)(0.02) =0.00995.
 Como puede observarse, la probabilidad obtenida se obtiene multiplicando las
probabilidades de todas las ramas del árbol que terminan en defectuoso y
sumándolas.
c) La probabilidad de si el artículo está defectuoso se haya producido en la nave 2,
𝑝(𝑁2∩𝐷) 𝑝(𝐷 /𝑁2) 𝑝(𝑁2) (.37)(.005)
corresponde a 𝑝(𝑁2/ 𝐷)= 𝑝(𝐷)
= 𝑝(𝐷)
= 0.00995
= 0.194737 , usando
los resultados de b).

Problema de Práctica 4.

En una comunidad el 40% de las personas tienen un empleo relacionado con la industria del
zapato, 30% con la industria automotriz y 30% un empleo asociado a servicios a la
comunidad. De los empleados de la industria automotriz 25% gana más dos salarios
mínimo, y los porcentajes correspondientes para la industria automotriz y la de servicios
son de 30% y 35% respectivamente. Si se elige aleatoriamente un empleado de esa
comunidad,
a) Encuentra la probabilidad de que sea empleado asociado a servicios y gane más de
dos salarios mínimos.
b) La probabilidad de que no gane más de dos salarios mínimos.
c) Si gana más de dos salarios mínimos sea empleado de la industria del calzado.

Una forma de resolver este problema es construir primero una tabla donde se encuentren las
probabilidades de todas las intersecciones y las probabilidades marginales de los eventos
que se denomina tabla de distribución de probabilidades conjunta.
En la celda del primer renglón y la primera columna ponemos 𝑝(𝑍 ∩ 𝑠2 −) =
𝑝�𝑠2 −�𝑍�𝑝(𝑍) = (1 − 0.25)(0.4) = 0.3 y hacemos lo correspondiente para todas las
celdas, obteniendo

Giros/salario Menos de 2 salarios Más de 2 salarios Total Giro

mínimos (s2-) mínimos(s2+)
Zapato (Z) 0.3 0.1 0.40
Automotriz (A) 0.21 0.09 0.30
Servicios (S) 0.195 0.105 0.30
Total Salarios 0.705 0.295 1

Los totales por renglón y por columna se denominan probabilidades marginales.

a) 𝑝(𝑆 ∩ 𝑠2 +) = 0.105 como se muestra en la tabla.
b) 𝑝(𝑠2 +) = 0.295, como se muestra en la columna de las probabilidades marginales.
c) 𝑝�𝑍�𝑠2 +� = 𝑝(𝑠2+) = 0.295 = 0.338983
𝑝(𝑧∩𝑠2+) 0.1

4.5 Técnicas de Conteo

Hasta ahora el problema para el cálculo de probabilidades ha residido en establecer la

relación entre los eventos, determinar si son o no independientes y aplicar los axiomas o
propiedades adecuadas dado que tenemos la información de cuántos elementos tiene el
espacio muestra y sus eventos. Sin embargo hay problemas en los que no es fácil
determinar el número de elementos del espacio muestra o sus eventos, por lo cual es
necesario aplicar las técnicas de conteo para determinarlos. En esta sección vernos tres
técnicas de conteo que son las más comunes: Diagrama de árbol, Combinaciones y
Permutaciones.

Un diagrama de árbol es un diagrama para representar un proceso que consiste de varios

pasos y en cada uno de los pasos se puede realizar de diferentes formas. En las primera
etapa del árbol representamos las opciones para el primer paso, de cada una de esas ramas
desprendemos las ramas que corresponden a las opciones viables para el segundo paso del
proceso y así sucesivamente. De esa forma el número final de ramas corresponde al total de
formas diferentes en que puede realizarse el proceso, con la ventaja de tener a la mano cada
una de ellas. Para comprender mejor este proceso, resolveremos un ejemplo.

Ejemplo 4.5.1

Un proyecto debe completarse en 4 días y requiere de 10 horas de trabajo. El encargado

del proyecto dispone de un máximo de 3 horas diarias para dedicarle al proyecto.
a) ¿De cuántas formas diferentes puede organizarse para terminar el proyecto?
b) Si se elige al azar una de esas formas, ¿cuál es la probabilidad de que en el segundo
día deba dedicarle 3 horas al proyecto?
Para determinar el número de formas diferentes, comenzamos por las posibilidades para el
primer día que son dedicarle de 1 a 3 horas el primer día, porque si no trabajamos el primer
día ya no alcanzamos a concluir el proyecto sólo con tres horas diarias en los tres días
restantes tanto la primera rama del árbol quedaría con tres opciones: 1, 2 y 3.
Para el segundo día si dedicamos 1 hora el primer día estamos obligados a hacer 3 horas el
segundo día y 3 horas los demás. Si dedicamos 2 horas el primer día podemos dedicar 2 o
3 horas el segundo día, si dedicamos 3 horas el primer día entonces podemos dedicar 1, 2 o
3 horas el segundo. Siguiendo este proceso, obtenemos el siguiente diagrama:

a) Tenemos entonces un total de 10 formas diferentes para completar el proyecto.

 b) De esas formas podemos contar 6 en las cuales el segundo día se trabajan 3 horas,
que son las que están coloreadas en el diagrama, por lo tanto
6 3
𝑝(𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑑í𝑎 𝑡𝑟𝑎𝑏𝑎𝑗𝑒 3 ℎ𝑜𝑟𝑎𝑠) = 10 = 5

En este ejemplo dependiendo de las horas que dedicas el primer día, son las opciones
que puedes elegir el segundo día y así sucesivamente, sin embargo hay procesos en los
cuales para cualquier etapa las opciones son las mismas, en ese caso no es necesario
realizar el diagrama de árbol y podemos usar el principio de multiplicación.

Principio de multiplicación: Si un proceso debe realizarse en k etapas y para la etapa 1

existen 𝑛1 formas diferentes de realizarse, para la etapa 2 hay 𝑛2 formas diferentes de
realizarse y así sucesivamente, para la etapa k hay 𝑛𝑘 formas diferentes de realizarse,
entonces el proceso puede hacerse de 𝑛1 × 𝑛2 × … × 𝑛𝑘 formas distintas

Ejemplo 4.5.2

El maquilado de un producto textil requiere de un proceso en tres etapas. La primera

etapa puede realizarse en 4 diferentes líneas de producción, dos de las cuales son
semiautomáticas, para la segunda etapa existen 3 diferentes líneas de producción de las
cuales dos se desarrollan en máquinas importadas y en la tercera tres líneas de producción
de las cuales una tiene personal exclusivamente femenino. Cada producto puede ser
trabajado de forma indistinta en cualquiera de las líneas de producción en cada etapa.
a) ¿De cuántas formas diferentes puede realizarse el proceso?
b) Si se elige aleatoriamente un producto textil, ¿cuál es la probabilidad de que haya
sido maquilado en una línea de producción semiautomática y con personal
exclusivamente femenino?

a) Como el proceso puede realizarse en cualquiera de las líneas de producción en cada

etapa, entonces usando el principio de multiplicación el proceso puede realizarse en
4 × 3 × 3 = 36 formas diferentes.
b) El número de formas en que se maquila en una línea de producción semiautomática
y con personal exclusivamente femenino es 2 × 2 × 1 = 4, entonces la probabilidad
de que haya sido maquilado en una línea de producción semiautomática y con
4 1
personal exclusivamente femenino es 36 = 9 .
 Ejemplo 4.5.3
Una empresa está pensando asignarles códigos de acceso alfanuméricos a sus empleados
usando 8 caracteres de entre 12 posibles. La compañía tiene empleados alrededor del
mundo y desea determinar cuántas claves diferentes puede generar si no quiere que se
repitan los caracteres. Si usamos el principio de multiplicación dado que para el primer
caracter tiene 12 posibilidades y no podemos repetirlo, el segundo tiene 11 posibilidades,
el tercero 10 y así sucesivamente hasta que el octavo caracter tiene 5 opciones, vemos
entonces que el número total de códigos diferentes serían 12 × 11 × 10 × 9 × 8 × 7 ×
6 × 5 = 19,985,400. Pensándolo desde otro punto de vista, es equivalente a preguntarse de
cuántas formas diferentes podemos acomodar los 12 caracteres en ocho lugares. Este
problema nos lleva a la definición de permutación.

Un arreglo ordenado de r elementos elegidos a la vez de un conjunto de n elementos es

una permutación. El número de permutaciones diferentes de r elementos que se pueden
formar de un conjunto de n, elementos se denota nPr. Para calcular nPr , podemos usar el
principio de multiplicación. Para el primer elemento tendemos n posibilidades, para el
segundo n-1, pues no podemos repetir elementos, para el tercero n-2, para el r-ésimo n-(r-
1)=n-r+1. Entonces las posibilidades totales son 𝑛 × (𝑛 − 1) × (𝑛 − 2) × (𝑛 − 𝑟 + 1) =
𝑛!
(𝑛−𝑟)!
. Probamos entonces que
𝑛!
𝑛𝑃𝑟 = (𝑛−𝑟)! .

Un subconjunto de r elementos elegidos a la vez de un conjunto de n elementos es una

combinación. El número de combinaciones diferentes de r elementos que se pueden
𝑛
formar de un conjunto de n, elementos se denota nCr o bien � �. Para calcular nCr,
𝑟
consideramos la diferencia entre las permutaciones y las combinaciones. En las
permutaciones los arreglos están ordenados, así que los mismos r elementos en un orden
diferente forman una permutación diferente. En las combinaciones el orden no importa
porque es el mismo subconjunto. Por tanto para obtener el número de combinaciones
𝑛!
diferentes partimos de 𝑛𝑃𝑟 = (𝑛−𝑟)! y lo dividimos entre
𝑟 × (𝑟 − 1) × (𝑟 − 2) × … × 2 × 1 = 𝑟!, que es el número de permutaciones distintas en
las que r elementos pueden aparecer. Probamos entonces que
𝑛 𝑛𝑃𝑟 𝑛!
𝑛𝐶𝑟 = � � = =
𝑟 𝑟! (𝑛 − 𝑟)! 𝑟!

Ejemplo 4.5.4

Se desea probar un nuevo tratamiento para problemas de piel en especímenes de

laboratorio. El laboratorio cuenta con 15 especímenes a elegir y se desea probar el
tratamiento en seis de ellos. Si se seleccionan aleatoriamente los especímenes, ¿de cuántas
formas diferentes puede hacerse la elección? Dado que lo que debemos hacer es elegir un
subconjunto de seis especímenes, el número de formas diferentes en las que puede hacerse
15 15! 15!
es � � = (15−6)!6! = 9!6! = 5,005.
6

Ejemplo 4.5.5

En un salón hay 37 alumnos, el profesor asignará aleatoriamente 5 temas a exponer. Si en

el salón hay cinco mujeres, ¿cuál es la probabilidad de que las dos primeras en exponer
sean mujeres?
37!
El número total de formas en las que puede hacerse la asignación es 37𝑃5 = 5! =
52,307,640. Las formas en las que las dos primeras en exponer son mujeres es
5 × 4 × 32 × 31 × 30 = 595,200, dado que hay cinco mujeres y 32 hombres. La
595,200
probabilidad de que las dos primeras en exponer sean mujeres en 52,307,640 = 0.0113788.

Problema de Práctica 5.
Una fábrica cuenta con 70 trabajadores de los cuales 25 son del turno matutino, 28 del
turno vespertino y 17 del turno nocturno. En el matutino hay 17 trabajadores
experimentados, en el vespertino 19 y en nocturno 6.
a) Se va a elegir aleatoriamente tres trabajadores y cada uno de ellos asistirá a un curso
de capacitación en un área diferente. Si la selección se hace aleatoria, ¿cuál es la
probabilidad de que a lo más uno de ellos sea un trabajador experimentado?
b) Se va a seleccionar una comisión de 4 trabajadores para una reunión donde se
revisarán las medidas de seguridad de la compañía. Si le selección de hace aleatoria,
¿cuál es la probabilidad de que haya al menos un trabajador experimentado?
c) Se va a elegir un grupo de 7 trabajadores para acudir a un evento con la dirección de
la empresa, si la elección se hace en forma aleatoria, ¿cuál es la probabilidad de que
haya dos trabajadores del turno matutino, dos del vespertino y tres de la noche?
d) Se va a elegir un grupo de 5 trabajadores para acudir a un evento con la dirección de
la empresa, si la elección se hace en forma aleatoria, ¿cuál es la probabilidad de que
todos los turnos estén representados?

a) nuestro espacio muestra son los arreglos ordenados de tres trabajadores podemos
formar, son ordenados, porque asistirán a cursos diferentes. Entonces nuestro espacio
muestra tiene 70P3=328,440 elementos. Debemos contar cuántos de esos elementos
tienen a lo más un trabajador experimentado, es decir o no tienen o tienen un trabajador
experimentado. En total hay 28 trabajadores que no son experimentados, el número de
arreglos que no tienen trabajadores experimentados es 28P3= 19,556. El número de
arreglos que tienen exactamente un trabajador experimentado son 42𝑃1 × 28𝑃2 =
31,752
19,556+31,752
Por tanto 𝑝(𝑎 𝑙𝑜 𝑚á𝑠 𝑢𝑛 𝑡𝑟𝑎𝑏𝑎𝑗𝑎𝑑𝑜𝑟 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑎𝑑𝑜) = = 0.1562
328,440

b) Nuestro espacio muestra son todos los subconjuntos de cuatro trabajadores que
podemos formar, por tanto tiene 70𝐶4 =916,895 elementos. Debemos contar de
 cuántas formas hay al menos un trabajador experimentado, es decir, un trabajador
experimentado o dos, o tres o cuatro. Es más fácil calcular el complemento, es decir de
cuántas formas no hay trabajadores experimentados. Hay 28 trabajadores no
20,475
experimentados, por tanto hay 28𝐶4 = 20,475. La probabilidad es 1 − 916,895 =
0.97767.
c) El número total de formas en que se pueden elegir siete trabajadores son 70𝐶7 =
1,198,774,720. Las formas en las que se pueden escoger dos trabajadores del turno
matutino son 25𝐶2 = 300. Las formas de elegir dos del tuno vespertino son 28𝐶2 =
370 y para tres del vespertino 17𝐶3 = 680. Usando el principio de multiplicación las
formas de elegir dos de la mañana, dos del vespertino y tres del nocturno son 25𝐶2 ×
75,480,000
28𝐶2 × 17𝐶3 = 75,480,000, entonces la probabilidad que buscamos es 1,198,774,720 =
0.06296
d) El número total de formas en que puede hacerse la elecciones 70𝐶5 = 12,103,014.
Para calcular la probabilidad de que todos estén representados tendríamos que calcular
muchas probabilidades, por ejemplo un trabajador de la mañana, uno del vespertino y
tres de la noche y así sucesivamente. Es mejor calcular el complemento donde uno o
dos de los turnos no esté representado. Que dos de los turnos no estén representados
implica que sólo hay trabajadores de un turno y las posibilidades son 25𝐶5 + 28𝐶5 +
17𝐶5 = 157,598.
Para que no esté representado el turno de la mañana las posibilidades a calcular son: 1
trabajador del vespertino y 4 der la noche, 2 del vespertino y 3 de la noche, 3 del
vespertino y 2 de la noche, 4 del vespertino y uno de la noche, es decir, 28𝐶1 ×
17𝐶4 + 28𝐶2 × 17𝐶3 + 28𝐶3 × 17𝐶2 + 28𝐶4 × 17𝐶1 = 1,117,291. Con el mismo
procedimiento, las formas en las que el turno no representado es el vespertino son:
25𝐶1 × 17𝐶4 + 25𝐶2 × 17𝐶3 + 25𝐶3 × 17𝐶2 + 25𝐶4 × 17𝐶1 = 791,350. Si el
turno no representado es el nocturno, tenemos 28𝐶1 × 25𝐶4 + 28𝐶2 × 25𝐶3 +
28𝐶3 × 25𝐶2 + 28𝐶4 × 25𝐶1 = 2,718,275. Por tanto la probabilidad de que todos
157,598+1,117,291+791,350+2,718,275
los turnos estén representados es 1 − 12,103,014
= 0.6493.