Leccion02 22

TEMA
1.- PROBABILIDAD
1.1. INTRODUCCION
Para estudiar científicamente algunos problemas reales en los que la incertidumbre es un
aspecto relevante se requiere previamente del conocimiento de algunas nociones de
Teoría de Probabilidad.
Para ello se empieza definiendo conceptualmente la Probabilidad , y se explican

algunos procedimientos para calcular probabilidades, entendidas como expectativas de
que se presente cierto suceso o resultado.
En los capítulos siguientes se continuará con el estudio de diversas distribuciones de

probabilidad. Con ellas podremos representar cuantitativamente la incertidumbre de una
variable o de un resultado.
1.2. EXPERIMENTO. ESPACIO MUESTRAL. SUCESO.

1.2.1. Experimento aleatorio.
Definición 1.2.1-1 : Experimento
Denominaremos experimento a cualquier proceso que genere un resultado, bien sea

cuantitativo o cualitativo.
En la Tabla 1.2.1-1 se indican algunos experimentos y el resultado que nos interesa

observar. Analicemos los resultados de estos experimentos.
Tabla 1.2.1-1 : Ejemplos de Experimentos

Experimento Resultado
1 Llenar con agua una botella de La cantidad de líquido introducida

cerveza
2 Colgar un peso en un muelle La longitud del muelle
3 Lanzar un dado El número de puntos de la cara

superior
4 Pesar una naranja que El peso de la naranja
tomamos de una árbol
5 Lanzar dardos al centro de una La distancia del impacto al centro
diana de la diana
6 Observar el tráfico en un cruce El número de coches que pasan
mientras el semáforo está verde
Experimento 1: Si llenamos una botella de cerveza de una determinada marca y

capacidad, conocemos la cantidad exacta de líquido que introducimos en ella. Si nos
preguntan cuanto agua podremos introducir en otra botella del mismo modelo, la
2 TEMA 2: TEORIA BASICA DE PROBABILIDAD
respuesta es clara: las dos botellas son iguales y, por lo tanto, la cantidad de agua que
podemos introducir es la misma.
Experimento 2: Cuando colgamos un peso en un muelle, éste se alarga

proporcionalmente al peso que hayamos colocado. Por lo que una vez conocido el
alargamiento para un peso determinado podemos conocer a priori cual será el
alargamiento si colocamos otro peso diferente.
Experimento 3: Al lanzar un dado observamos cuantos puntos quedan en la cara

superior. Si volvemos a lanzar el mismo dado obtendremos, generalmente, un resultado
diferente. Por mucho que analicemos el dado no podremos tener certeza sobre el
resultado que se obtendrá en el siguiente lanzamiento.
Experimento 4: Si registramos el peso de una naranja que hemos cogido de un árbol y,

luego, registramos el peso de otra naranja del mismo árbol, los pesos serán parecidos
pero difícilmente iguales. Al analizar el peso de varias naranjas del mismo árbol
podremos observar cierto parecido entre ellos. Sobre el peso de la próxima naranja que
tomemos, podremos suponer, con cierta seguridad, el intervalo en el que se encontrará
dicho peso.
Experimento 5: Cuando lanzamos los dardos a una diana, aunque los realicemos de la
misma forma y con la misma intencionalidad, los impactos se producen en lugares
distintos. Más agrupados cerca del centro si los lanza un buen jugador; y más dispersos
si los lanza un jugador de inferior calidad.
Experimento 6: El número de coches que pasan en un cruce mientras el semáforo está

verde depende de múltiples circunstancias. Entre otras, de la rapidez de los primeros
conductores en mover su vehículo, de la cantidad de coches que esté aguardando en la
cola, de que no hayan bloqueado el cruce los coches que transitan en otra dirección, de
que se presente o no una avería en uno de los coches de la fila, del estado del estado del
asfalto,... Por estas circunstancias, nuestra previsión sobre cuantos coches pasarán la
próxima vez que se ponga verde el semáforo, será sólo aproximada, con riesgo de
cometer un error que en ocasiones puede ser grande.
Podemos observar algunas diferencias sustanciales entre estos experimentos en cuanto

a la previsibilidad - incertidumbre del resultado.
En los experimentos 1 y 2, el resultado del próximo experimento puede ser conocido con
precisión si se conocen las circunstancias y condicionantes bajo los que se realiza el
experimento. Podemos decir que son experimentos deterministas.
Sin embargo, en los experimentos 3, 4, 5 y 6 el resultado, que se va a obtener en la

próxima realización del experimento, no se puede conocer con certeza absoluta. Esta
incertidumbre es debida, entre otras causas, a la misma naturaleza del experimento (3 y
4), a la imposibilidad de reproducir las circunstancias del experimento (5) o al no tener
control de las variables que intervienen (6). Por esto denominaremos que este tipo de
experimentos son experimentos aleatorios.
La incertidumbre del resultado en un experimento aleatorio no es total. Los resultados de

este tipo de experimentos presentan cierta regularidad, que puede traducirse en la
frecuencia esperada de un resultado o un conjunto de resultados. Y en muchos
problemas reales, el conocimiento de esta regularidad, que denominaremos regularidad
estadística, es suficiente para obtener conclusiones y generar información adecuada
para tomar decisiones.
Cuestiones
1.- ¿Puede considerarse como un experimento aleatorio la puntuación que obtendrá un alumno
en un examen?
2.- ¿Los errores inherentes a toda medida o toma de datos y los posibles errores de cálculo
pueden hacernos considerar un experimento determinista como aleatorio?
3.- ¿El tiempo que se tarda en viajar desde Madrid a Barcelona por carretera se puede
considerar como el resultado de un experimento aleatorio?
TEMA 2: TEORIA BASICA DE PROBABILIDAD 3
Muchos experimento deterministas se pueden considerar como aleatorios si se mide con

una gran exactitud. Y, algunos experimentos aleatorios, según el nivel de precisión, se
pueden considerar como deterministas.
Definición 1.2.2-1 : Espacio Muestral
Denominaremos Espacio Muestral de un experimento al conjunto formado por todos los

resultados posibles que puedan presentarse en la ejecución de dicho experimento. El
Espacio Muestral lo representaremos con la letra E.
1.2.2. Espacio Muestral.

En la Tabla 1.2.2-1 se indican los espacios muestrales de varios experimentos aleatorios.
Los experimentos aleatorios los podemos clasificar según la naturaleza del espacio
muestral correspondiente.
Según el número de variables, el Espacio muestral puede ser unidimensional o

multidimensional.
Tabla 1.2.2-1 : Espacios Muestrales de algunos experimentos aleatorios

Experimento Espacio Muestral
1 Observar el color del primer {Rojo, verde, blanco, gris, azul,

coche detenido en un semáforo beige, negro, ...}
2 La bebida preferida por cada {agua, vino, cerveza, refresco,
integrante de un grupo wodka, cola, zumo,..}
3 Lanzar un dado {1, 2, 3, 4, 5, 6}
4 Pesar una naranja que tomamos Un intervalo dentro del conjunto

de una árbol de los números reales positivos
5 Lanzar dardos al centro de una El conjunto de los números
diana reales positivos
6 Observar el tráfico en un cruce El conjunto de los números
naturales
Según la naturaleza de las variables, el Espacio Muestral puede ser:
Cualitativo
   Finito
Espacio Muestral Cuantitativo Discreto
   Infinito
 
Continuo
Los espacios muestrales cualitativos pueden considerarse como espacios muestrales

cuantitativos discretos sin más que asignar una referencia numérica a cada uno de los
resultados posibles.
En muchas ocasiones un espacio muestral continuo se discretiza con la misma finalidad y

principios que la clasificación por clases en la Estadística Descriptiva.
Cuestiones:
4.- Indicar el espacio muestral del experimento “preguntar a un alumno sobre el número de
instrumentos de escritura que lleva a clase.”
5.- Indicar el espacio muestral del experimento “observar el peso de una naranja.”
6.- Indicar el espacio muestral del experimento “el tiempo que permanecemos en la cola de la
caja de un supermercado."
7.- Indicar el espacio muestral del experimento “medir la temperatura en grados Celsius en
Moscú a las 6 de la mañana.”
8.- Indicar el espacio muestral del experimento “preguntar a una persona el título de la última
película que ha visto.”
9.- Indicar el espacio muestral del experimento “el número de veces que hay que lanzar un dado
para obtener el primer seis.”
1.2.3. Suceso.
Definición 1.2.3-1 :Suceso
Llamaremos Suceso, de cierto experimento, a todo subconjunto del Espacio Muestral

correspondiente a dicho experimento. Los sucesos se representan con letras
mayúsculas.
De esta forma podremos definir operaciones entre sucesos utilizando la Teoría de

conjuntos. Así podremos definir un nuevo suceso como el resultado de la unión de dos
sucesos.
Consideremos ahora el experimento de “lanzar un dado y observar el resultado en la cara

superior”. Este experimento tiene un espacio muestral discreto, que presenta 6 resultados
posibles { 1, 2, 3, 4, 5, 6 }. Cada uno de estos resultados posibles podemos considerarlo
como un Sucesos Elemental de este experimento. Otros sucesos, sin carácter
limitativo, se indican en la Tabla 1.2.3-1.
Tabla 1.2.3-1 : algunos sucesos que pueden darse al lanzar un dado
A Obtener un valor mayor que 3

B Obtener un número par
C Obtener un número primo
D Obtener un cuadrado perfecto
E Obtener alguno de estos números: 1, 4, 5
F Obtener un número menor o igual que 4
Diremos que se presenta el suceso D si, al lanzar el dado, se obtiene el 1 ó el 4.
Diremos que se presenta el suceso A ∩ B cuando se presenta un resultado común a los sucesos A y
B. En este caso el 4 ó el 6.
El experimento medir la temperatura, en grados Celsius, en un lugar de la ciudad a cierta hora tiene
un espacio muestral continuo. En este caso los sucesos pueden definirse con intervalos. Así, y sin
Tabla 1.2.3-2 : Algunos sucesos observables al medir la temperatura
A Temperatura < 0
B Temperatura en [ 0, 10]
C Temperatura en [10, 20]
D Temperatura en [20, 30]
E Temperatura > 30
carácter limitativo, podemos considerar, entre otros, los s sucesos que se indican en la Tabla
1.2.3-2.
Diremos que se presenta el suceso C si la temperatura medida se encuentra entre 10 y 20º.
Diremos que se presenta el suceso A U B si se presenta el suceso A o el suceso B. En este caso si

la temperatura es inferior a 10º.
Diremos que dos sucesos son disjuntos si no pueden ocurrir simultáneamente. Diremos que dos
sucesos son distintos si cuando ocurre uno no tiene por que ocurrir el otro.
Cuestiones:
10.- Indicar 9 sucesos diferentes que pueden presentarse al lanzar un dado.
11.-
1.2.4. Suceso opuesto o complementario.

Definición 1.2.4-1 : Suceso Opuesto
Llamaremos suceso opuesto o complementario a un suceso, A, al subconjunto del espacio

muestral que es complementario del subconjunto correspondiente al suceso A. El suceso
complementario al suceso A se representará por A'
Como es evidente si ocurre A no ocurre A' ; y si no ocurre A es que ocurre A'. Es decir, nunca
ocurren simultáneamente un suceso y su complementario A ∩ A' = {∅}. Y siempre se presenta
un suceso o su complementario A ∪ A' = {E}.
Tabla 1.2.4-1 : Al lanzar un dado, algunos sucesos y sus complementarios

Obtener un valor mayor que Obtener un valor menor o
A 3 A' igual que 3
Obtener un número par Obtener un número impar
B B'
Obtener un número primo Obtener un número no
C C' primo
Obtener un cuadrado Obtener un número que no
D perfecto D' es cuadrado perfecto
Obtener alguno de estos Obtener alguno de estos
E números: 1, 4, 5 E' números: 2, 3, 6
Obtener un número menor Obtener un número mayor
F o igual que 4 F' que 4
Cuestiones:
12.- Indicar los sucesos opuestos correspondientes a las respuestas de las cuestiones del apartado
anterior.
1.2.5. Representación de los Espacios Muestrales.

En todo experimento hay que conocer primeramente el conjunto de resultados posibles, el Espacio
Muestral. Muchos problemas se pueden resolver con gran facilidad si se obtiene una buena
representación del Espacio Muestral. Ya que una buena visión de los resultados posibles ( y de sus
relaciones) puede facilitar la comprensión del problema y la definición más clara de algunos
sucesos. Veamos algunos ejemplos.
En el Ejemplo 1.2-1 se muestra un esquema válido para representar sucesos que pueden
considerarse como sucesivos en el tiempo.
En el Ejemplo 1.2-2 se indica una representación válida para sucesos que pueden ser considerados
como simultáneos.
Ejemplo 1.2-1 : Espacio Muestral al lanzar tres monedas
1ª
3ª 2ª Resultado
  Cara Cara − Cara − Cara
 Cara 
Cara  Cruz Cara − Cara − Cruz
 Cruz Cara Cara − Cruz − Cara
 
 Cruz Cara − Cruz − Cruz

  Cara Cruz − Cara − Cara
 Cara 
  Cruz Cruz − Cara − Cruz
 Cruz 
 Cruz Cara Cruz − Cruz − Cara
  Cruz Cruz − Cruz − Cruz

Ejemplo 1.2-2 : Resultados al lanzar dos dados

Suma de Resultado Dado 1
dos dados 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
Resultado
3 4 5 6 7 8 9
Dado 2
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
Ejemplo 1.2-4 : Tiempo de llegada de dos amigos citados a una hora
Espacio Muestral
8
4
Llegada amigo 2
-2
-4
-6
-8
-8 -6 -4 -2 0 2 4 6 8
Llegada am igo 1
Ejemplo 1.2-5 : Cualidades de un individuo
Cuestiones: representar los espacios muestrales de los experimentos

13.- Lanzar tres dados.
14.- Observar el peso y la estatura de un grupo de personas
15.- El tipo y cantidad de elementos de escritura que tiene un grupo de alumnos
1.3. CONCEPTO DE PROBABILIDAD.

1.3.1. Definición.
En el inicio del tema hemos estado observando la incertidumbre, mayor o menor, sobre el resultado
que se obtendrá en un experimento. Uno de nuestros objetivos es cuantificar la confianza de que se
obtenga un resultado determinado.
Así podremos decir que, al lanzar un dado, es más fácil obtener un resultado par que un resultado
múltiplo de tres.
El ejemplo anterior es muy sencillo, ya que se tiene una amplia experiencia sobre el
comportamiento de los resultados que se obtienen al lanzar un dado, y el análisis de las
condiciones del experimento (si el dado es legal), nos lleva a la conclusión de que ningún resultado
tiene porque presentarse más que ningún otro.
Sin embargo, no en todos los experimentos es tan sencillo bien porque el número de resultados es
mayor, no hay experiencia histórica sobre el resultado del experimento, o, bien, no se conocen en
profundidad las condiciones del experimento.
Sea cual sea el experimento lo que nos interesa es conocer entre otras cuestiones:
• Cuales son los resultados posibles

• Cual es el resultado que puede darse con mayor facilidad
• Que relación existe entre las expectativas de que se presente un resultado y las de los
demás resultados
Con este objetivo vamos a definir el término probabilidad para cuantificar las expectativas
relativas de que ocurra un suceso.
Definición 1.3.1-1 : Probabilidad
Así podemos considerar la probabilidad de un suceso, como las expectativas relativas de que
ocurra dicho suceso frente a las expectativas de todo el espacio muestral.
Dado que la probabilidad es un atributo de un subconjunto de un espacio muestral se podrá aplicar

la Teoría de Conjuntos para deducir algunas propiedades de la Probabilidad.
Cuestiones: Expectativas con la que cabe esperar un suceso.

16.- En el experimento de lanzar un dado, que cabe esperar con mayor frecuencia, el suceso
“número par” o el suceso “número primo”.
17.- Al lanzar dos monedas, que suceso cabe esperar con mayor frecuencia, “dos caras”, “cara y
cruz”.
18.- Diferencia entre probabilidad y posibilidad.
A continuación vamos a ofrecer algunos aspectos sobre el concepto de probabilidad.
1.3.2. Concepto empírico de probabilidad.

Consideremos el experimento de lanzar una moneda y observar la figura que queda en la parte
superior. Este experimento tiene dos resultados posibles: CARA y CRUZ. Antes de efectuar el
próximo lanzamiento no conocemos cual será el resultado.
El experimento es sencillo y lo podemos repetir, por ejemplo, 100 veces para obtener información
sobre la frecuencia que presentan los dos resultados posibles. Los resultados se presentan en la
Tabla 1.3.2-1, C es CARA y X es CRUZ. Se ha obtenido 55 veces CARA y 45 veces CRUZ.
Tabla 1.3.2-1 : Resultados obtenidos al lanzar 100 veces una moneda

X C C X X C X C C X
X X C C C X X C C C
C C C C C X C X C C
C C X C X X X C C C
X C C X C X X X X C
X X C C C C C X C C
C X C X C X X C C C
X C C C X X X C X X
C X C C X X X C X X
C C X C C X X C X X
Si en lugar de repetir el lanzamiento de la moneda 100 veces lo repitiésemos 1.000 veces, se
obtendrían unas frecuencias de cada resultado más próximas al 50%.
Podemos considerar, si las circunstancias del experimento no varían, que si se repite el

experimento en el futuro, la frecuencia, con la que cabe esperar que se presente cada uno de los
resultados posibles, sea la misma que hemos observado.
Este enfoque tiene una importante limitación, requiere una gran cantidad de observaciones previas.
Como caso extremo, que sucedería si sólo se considerasen las tres primeras observaciones.
Definición 1.3.2-1 : Probabilidad Empírica
Con esta salvedad podemos introducir el concepto de probabilidad empírica de un suceso, como
la frecuencia con la que se da este suceso al repetir el experimento múltiples veces.
Esta definición tiene las siguientes limitaciones:
• El experimento se tiene que poder repetir muchas veces

• Las circunstancias en el futuro no deben de cambiar respecto a las circunstancias bajo las
que se ha realizado el experimento con anterioridad
Cuestiones:
19.- Lanzar un dado 100 veces, y observar la frecuencia con la que aparecen cada uno de los
resultados elementales
20.- En el experimento anterior, observar cuantas veces se ha obtenido un número par.
21.- Con que frecuencai aparecen dos resultados iguales de fomra consecutiva.
1.3.3. Concepto teórico de probabilidad.

Dado que, en muchos casos, necesitamos conocer cuales son las expectativas de que ocurra un
suceso al realizar cierto experimento del que no hay antecedentes históricos, necesitamos otras vías
para establecer cuales son las expectativas de que se presente dicho suceso.
En este caso necesitamos estudiar la naturaleza del experimento y las condiciones bajo las que se
realizará.
En el experimento de lanzar una moneda podemos obtener dos resultados posibles: CARA y
CRUZ. Después de analizar la moneda y los forma en la que se va a lanzar, no observamos que
ningún resultado tenga más facilidad de obtenerse que el otro. De esta forma a ambos resultados
les asignamos las mismas expectativas.
Definición 1.3.3-1 : Probabilidad teórica
Entonces podemos definir la probabilidad teórica de un suceso, como la relación entre las
expectativas asignadas de que ocurra dicho suceso con respecto a las expectativas de que ocurran
todos los resultados posibles.
De esta forma la probabilidad teórica del resultado CARA al lanzar una moneda será del 50%; al
igual que el resultado CRUZ. Diremos que los sucesos “obtener una CARA” y “obtener una
CRUZ” son equiprobables.
En un experimento que tenga n resultados elementales posibles equiprobables, la probabilidad de

cada uno de los resultados elementales es 1/n.
Consideremos el experimento de lanzar un dado. El espacio muestral está integrado por seis
resultados posibles. Si el dado no está cargado, cabe "esperar" que todos los resultados se
presenten con la misma frecuencia.
De este modo la frecuencia esperada de cada uno de los resultados elementales será
aproximadamente de un sexto de las veces que se haya repetido el experimento. Así fijamos una
probabilidad teórica de 1/6 para cada uno de los resultados posibles en el lanzamiento de un dado.
En muchos experimentos, todos los resultados posibles cabe esperarlos con las mismas
expectativas. En este caso lo importante es averiguar cuantos resultados posibles plantea el
experimento. En el lanzamiento de un dado está claro que hay seis resultados elementales posibles.
Cuestiones
22.- Cual será la probabilidad teórica de obtener un 6 al lanzar un dado.
23.- Cual será la probabilidad teórica de obtener un resultado mayor que 3 al lanzar un dado.
24.- En una urna hay 6 bolas blancas y 4 bolas negras. Cual es la probabilidad de extraer una
bola blanca
25.- En el ejercicio anterior cual es la probabilidad de extraer dos bolas blancas.
26.- En una baraja de 40 cartas se extraen 4 cartas. Indicar la probabilidad de obtener 2 ases.
27.-
1.3.4. Probabilidad de sucesos.

La probabilidad de un suceso será un número real comprendido entre 0 y 1. Un suceso tendrá
probabilidad 0 cuando no puede ocurrir; es un suceso imposible. Un suceso tiene probabilidad 1 si
va a ocurrir con toda certeza.
Diremos que un suceso A es más probable que B otro si la probabilidad de A es mayor que la
probabilidad de B. La probabilidad del suceso A la representaremos por P(A).
Al realizar un experimento, para calcular la probabilidad de un suceso, que engloba varios

resultados elementales, siempre que todos los resultados elementales sean equiprobables, se puede
aplicar la siguiente regla:
la probabilidad de un suceso al realizar un experimento es el cociente entre la cantidad de

resultados elementales incluidos en el suceso (casos favorables) y la cantidad de resultados
posibles (los casos posibles).
Si consideramos el experimento de extraer cuatro cartas de una baraja de 40 y observar el número

de ases, tendremos como espacio muestral, los siguientes resultados posibles {0, 1, 2, 3, 4}.
Intuitivamente sabemos que, estos resultados, no se presentarán con la misma frecuencia, por lo
que lo aplicado en el párrafo anterior no es válido. Sin embargo los resultados de este
“experimento complejo” podemos considerarlos generados por los resultados de varios
experimentos más sencillos en los que podemos aplicar el principio anterior.
El Análisis Combinatorio es una herramienta adecuada para establecer cuantos resultados del
"experimento simple" (equiprobables) están englobados dentro de cada uno de los resultados del
"experimento complejo".
En un experimento más general, en el que los resultados elementales no sean equiprobables, la

probabilidad de un suceso es la suma de las probabilidades de todos los resultados elementales
englobados en el suceso.
La probabilidad de que se presente el suceso "obtener un número par" en el experimento de lanzar

un dado será: 1/6 + 1/6 + 1/6 = 1/2.
Cuestiones
28.- Indicar la probabilidad de cada uno de los sucesos indicados en el apartado 1.2. así como la
de sus sucesos opuestos.
Ejemplo 1.3-1
Un móvil parte del origen de coordenadas. Se lanza un dado. Si se obtiene 1,2,3,ó 4 el

móvil se desplaza una unidad a la derecha. Si se obtiene 5 ó 6 el móvil se desplaza
hacia arriba una unidad. Cual es la probabilidad de pasar por el punto (2,2).
Solución:
4
La probabilidad de desplazarse a la derecha es de , ya que sobre los seis casos
6
posibles equiprobables, cuatro son favorables. La probabilidad de desplazarse hacia
2
arriba, justamente el suceso complementario al anterior, es de ,.
6
Para pasar por el punto (2,2), en cuatro lanzamientos se deben de obtener dos
desplazamientos de cada tipo. En otro caso, no se pasará por el punto (2,2).
Representamos por ↑ el desplazamiento hacia Arriba, y por → el desplazamiento a la
2 4
derecha, con probabilidades y respectivamente.
6 6
Los casos favorables están señalados con * . En el diagrama se pueden observar seis
casos favorables ( ver 1.4.3. ) . Todos estos casos tienen la misma probabilidad.
Lanzamiento Desplazamiento
Primero ↑ →
Segundo ↑ → ↑ →
Tercero ↑ → ↑ → ↑ → ↑ →
Cuarto ↑ → ↑ → ↑ → ↑ → ↑ → ↑ → ↑ → ↑ →
FAVORABLE * * * * * *
4422
La probabilidad pedida será 6 = 0,2963
6666
1.3.5. Probabilidad de la intersección de sucesos.
La intersección de dos sucesos desde el enfoque de la teoría de conjuntos, corresponde a la idea

más intuitiva del suceso que ocurre si y sólo si ocurren ambos sucesos. El suceso intersección de
dos suceso A y B lo representaremos por A ∩ B.
En el experimento de lanzar un dado, podemos considerar el suceso A ="obtener un número par", y

el suceso B = "obtener un múltiplo de 3".
A y B son dos sucesos distintos. Cuando se obtiene el resultado 6 ocurren ambos sucesos.
Diremos que el resultado 6 pertenece al suceso A ∩ B. La probabilidad del suceso A ∩ B la
representamos por P(A ∩ B ).
La probabilidad de la intersección de dos sucesos complementarios es 0.
Cuestiones: indicar la probabilidad del suceso intersección de:

29.- Al lanzar dos dados: A = { suma mayor que 7} ; y B = { suma par }.
30.- Al extraer bola de una urna con 5 bolas blancas y 3 bolas negras, A ={primera bola blanca }
; B = { segunda bola blanca }
31.- Dos amigos acuden
Ejemplo 1.3-2
En una urna hay 3 bolas blancas y 2 bolas negras. Se extraen dos bolas. Por cada bola
blanca extraída se lanza un dado. Cual es la probabilidad de obtener más de seis
puntos.
Solución:
El resultado de la extracción de las bolas de la urna puede ser:

32 6 3
a) Probabilidad de “extraer dos bolas blancas” = =
5 4 20 10
3 2 2 3 12 6
b) Probabilidad de “extraer una bola blanca” + = =
5 4 5 4 20 10
21 2 1
c) Probabilidad de “no extraer ninguna blanca” = =
5 4 20 10
Para obtener más de 6 puntos se necesita la suma de las puntuaciones de dos dados.
Por lo tanto es necesario que haya ocurrido el suceso “ extraer dos bolas blancas”
En la tabla siguiente se indican los casos posibles del resultado que se puede obtener al
lanzar dos dados:
Suma 1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4 5 6 7 8 9
4 5 6 7 8 9 10
5 6 7 8 9 10 11
6 7 8 9 10 11 12
La probabilidad de que al lanzar dos dados se obtenga una puntuación superior a 6 será:
1 21 7
(6 + 5 + 4 + 3 + 2 + 1) = =
36 36 12
Por lo tanto la probabilidad de obtener más de 6 puntos en el juego será la probabilidad
del suceso intersección de los sucesos “extraer dos bolas blancas” y de al lanzar dos
dados “obtener más de seis puntos” :
7 3 7
= = 0.175
12 10 40
1.3.6. Probabilidad de la unión de sucesos.
La unión de dos sucesos, A y B, es otro suceso que se presenta cuando se presenta al menos uno de
los dos sucesos A o B. El suceso unión de los sucesos A y B lo representaremos por A ∪B.
La probabilidad del suceso unión de A y B es:
P(A ∪B) = P(A) + P(B) - P(A ∩B)

Solución:
Ejemplo 1.3-3
Un lote de piezas presenta tres tipos de defectos, A, B y C. El defecto A está

presente en el 10% de las piezas, el B en el 15% y el C en el 5%. El 7% de las piezas
que presentan el defecto A presentan también el defecto B. El 10% de las piezas que
presentan el defecto B tienen también el defecto C. El 5% de las piezas que tienen el
defecto C presentan también el defecto A. Si no se han observado piezas con los tres
defectos, indicar el porcentaje de las piezas que no tienen ningún defecto.
La probabilidad de que una pieza tenga algún defecto ( A o B o C ) será:
P( A o B o C ) =
= P(A) + P(B) + P(C) – P(AyB) – P(AyC) – P(ByC) + P( AyByC)
De los datos del problema se deduce:
P( A ) = 0,10 P( A y B ) = 0,10 · 0,07 = 0,007
P( B ) = 0,15 P( B y C ) = 0,15 · 0,10 = 0,015
P( C ) = 0,05 P( A y C ) = 0,05 · 0,05 = 0,025
P( A y B y C ) = 0
En consecuencia:
P( A o B o C ) = 0,10 + 0,15 + 0,05 - 0,007 - 0,015 - 0,025 + 0 =
= 0,2755
La probabilidad de que no tenga ningún defecto será :

1 – 2,2755 = 0.7245
Ejemplo 1.3-4
Cuatro bolas, dos blancas y dos negras se reparten en dos urnas aleatoriamente
conteniendo cada urna dos bolas. Cual es la probabilidad de que en una urna las dos
bolas sean blancas.
Solución:
La probabilidad de que haya dos bolas blancas en la primera urna es

21 1
=
43 6
La probabilidad de que hayan dos bolas negras en la primera urna, y por consiguiente
21 1
dos blancas en la segunda, es =
43 6
En consecuencia la probabilidad de que hayan dos bolas blancas en la misma urna, la
1 1 1
primera o la segunda, será + =
6 6 3
Ejemplo 1.3-5
Un viajero parte desde el vértice izquierdo del grafo representado en la figura. Ante
una bifurcación asigna la misma probabilidad a cada una de las alternativas,
escogiendo de forma aleatoria el camino a seguir. Cual será la probabilidad de que
llegue al punto A. (nota: el sentido siempre es de izquierda a derecha)
Solución:
Caminos posibles probabilidad de escogerlo
1-3-6-A 1/2 · 1/2 · 1/2 = 1/8
1-3-6-8-A 1/2 · 1/2 · 1/2 · 1/2 = 1/16
1-3-5-8-A 1/2 · 1/2 · 1/2 = 1/8
1-2-5-8-A 1/2 · 1/3 · 1/2 · 1/2 = 1/24
Por lo tanto la probabilidad de llegar al vértice A será:

1 1 1 1 6 + 3 + 6 + 2 17
+ + + = =
8 16 8 24 48 48
Cuestiones:
32.- En el lanzamiento de un dado, y partir de las probabilidades de los sucesos A={“Obtener un
resultado par”}, y B={“obtener un resultado mayor que 3} , obtener la probabilidad del suceso
A ∪B.
33.- Dados los sucesos A, B y C, determinar la probabilidad del suceso A ∪ B ∪ C.
34.- Determinar la probabilidad de la unión de un suceso y su complementario
35.- UNION DE LOS SUC INTERSECCION
1.4. PRINCIPIOS DE ANALISIS COMBINATORIO

1.4.1. Introducción.
En muchos problemas de cálculo de probabilidades el cálculo de una probabilidad se reduce a
contar los resultados favorables. Para ello necesitamos algunas expresiones de Análisis
Combinatorio para enumerar los resultados favorables y los resultados posibles.
Ejemplo 1.4-1
Al lanzar 5 monedas calcular la probabilidad de obtener exactamente dos caras.

Si representamos por C si en una moneda sale cara y por X si en una moneda sale cruz, los
resultados posibles al lanzar las 5 monedas se podrán representar como indica la Tabla 1.4.1-1. En
la que los casos favorables se han marcado con negrilla.
Tabla 1.4.1-1
CCCCC CCXCC CXCCC CXXCC XCCCC XCXCC XXCCC XXXCC
CCCCX CCXCX CXCCX CXXCX XCCCX XCXCX XXCCX XXXCX
CCCXC CCXXC CXCXC CXXXC XCCXC XCXXC XXCXC XXXXC
CCCXX CCXXX CXCXX CXXXX XCCXX XCXXX XXCXX XXXXX
Como todos los resultados indicados son equiprobables, la probabilidad del suceso “Obtener dos
caras” será la relación entre los resultados favorables, en los que aparecen dos caras ( 10), entre los
todos los casos posibles ( 32).
1.4.2. Permutación.
Estudiemos de cuantas formas diferentes se pueden ordenar las cifras del conjunto siguiente {1, 2,
3, 4}. La primera cifra la podremos escoger entre las cuatro disponibles. La segunda cifra entre las
tres no utilizadas. La tercera cifra entre las dos restantes. Y la última cifra es la que queda. Por lo
tanto el número de formas diferentes en las que podemos ordenar las cuatro cifras del conjunto
será:
4 · 3· 2· 1 = 24
En general si se tienen n elementos diferentes, el primero se podrá escoger entre los n disponibles
en el conjunto. El segundo entre los (n − 1) restantes. El tercero entre los (n − 2 ) . Y así
sucesivamente.
Definición 1.4.2-1 : Permutación
Una permutación es una ordenación de todos, o de parte de, los elementos de un conjunto.
El número de permutaciones, que se pueden formar con los n elementos distintos de un conjunto
lo representaremos por Pn , y
Pn = n(n − 1)(n − 2)....3· 2· 1 = n!
Tabla 1.4.2-1 : Cálculo de n! con EXCEL

Sintaxis FACT ( N )
Retorna El factorial del número N
Argumentos N Es el número de elementos que hay en el conjunto
Ejemplos FACT ( 10 ) = 3628800

FACT ( 5 ) = 120
Notas ¡Atención! El argumento numérico se trunca a número entero.
#¿NOMBRE? Si hay algún argumento no numérico
#¡NUM! Si el argumento es negativo
Ejemplo 1.4-2 :
Cuantos números diferentes se pueden formar con los dígitos 1, 2, 3.

(sol: 6)
Solución:
Fijémonos en este ejemplo que el orden en el que están colocadas las cifras si es significativo.
Nos puede interesar calcular el número de permutaciones que se pueden hacer sin tomar
simultáneamente todos los elementos del conjunto.
Si de un conjunto de n elementos tomamos r cada vez, el número de permutaciones de r elementos

que se pueden obtener dentro del conjunto de n elementos lo representaremos por Pn , y
n!
Pn =
(n − r )!
En la expresión que da el número de permutaciones, en el numerador están las permutaciones que
se pueden formar con los n elementos, y en el denominador las permutaciones que se pueden
formar con los elementos no escogidos:
Pn
Pn ,r =
Pn − r
Ejemplo 1.4-3
En una urna hay 10 bolas numeradas del 0 al 9. De cuantos resultados diferentes

puede presentar el experimento de extraer secuencialmente dos bolas.
(sol: 90)
Ejemplo 1.4-4
Cuantos números de tres cifras se pueden formar con los números 1,2,3,4 y 5.
(sol: 60)
Definición 1.4.2-2
Si en un conjunto de n elementos hay n1 de un mismo tipo, n2 de otro tipo,..., y nk de otro tipo

diferente (n = n1 + n2 +...+ nk) , entonces el número de permutaciones con repetición de estos n
elementos lo representaremos por P ' n1 ,n2 ,.., nk , y es:
(n 1 + n 2 + ... + n k )!
P' n1 ,n2 ,..,nk =
n 1! n 2 !... n k !
Ejemplo 1.4-5
De cuantas formas diferentes pueden colocarse tres luces rojas, 4 amarillas y dos
azules en un árbol de Navidad con 9 receptáculos.
En la expresión que da el número de permutaciones de todos los elementos con repetición, en el

numerador están las permutaciones que se pueden formar con los n elementos, y en el denominador
los productos de las permutaciones que se pueden formar con los elementos repetidos.
Solución
Son permutaciones de 9 elementos con elementos repetidos. Por lo tanto la formas
diferentes en las que podrán colocarse las luces indicadas será:
9!
= 1.260
3! 4! 2!
Tabla 1.4.2-2 : Calculo de las permutaciones con EXCEL

Sintaxis PERMUTACIONES ( N ; M )
Retorna El número de permutaciones (ordenaciones diferentes) que se pueden
formar, en un conjunto de N elementos, tomando M elementos cada vez
M Es el número de elementos seleccionados en cada combinación
Ejemplos PERMUTACIONES ( 10 ; 4 ) = 5040

PERMUTACIONES ( 5 ; 3 ) = 60
Notas ¡Atención! Los argumentos numéricos se truncan a enteros.
#¡VALOR! Si hay algún argumento no numérico
#¡NUM! Si los argumentos son negativos
#¡NUM! Si N < M
Ejemplo 1.4-6
Cuantos números diferentes de tres cifras pueden formarse con los dígitos
{ 1, 2, 2, 3}
Solución
En primer lugar hay que tener en cuenta que este ejercicio no se adapta directamente a
lo comentado hasta ahora, ya que hay elementos repetidos y no se toman todos los
elementos cada vez. Hay que subdividir el problema, de modo que en cada parte se dé
alguna de las condiciones anteriores.
(sol.: 12)
1.4.3. Combinaciones.
Definición 1.4.3-1
El número de formas diferentes en las que se pueden seleccionar r objetos de un total de n, sin
importar el orden, se denomina combinaciones de n elementos tomados de r en r. Se representa
mediante C n ,r , y es :
n!
C n ,r =
r!(n − r )!
Esta expresión que da el número de combinaciones puede ser interpretada de la forma siguiente:
n! Pn Pn ,r
C n ,r = = =
r!(n − r )! Pr Pn − r Pr
Es decir, el número de permutaciones de n elementos tomados en grupos de r elementos, dividido

por el número de permutaciones, formas diferentes de ordenar, los r elementos escogidos.
Tabla 1.4.3-1 : Cálculo de las combinaciones con EXCEL

Sintaxis COMBINAT ( N ; M )
Retorna El número de combinaciones (grupos diferentes) que se pueden formar,
en un conjunto de N elementos, tomando M elementos cada vez
M Es el número de elementos seleccionados en cada combinación
Ejemplos COMBINAT ( 10 ; 4 ) = 210

COMBINAT ( 5 ; 3 ) = 10
Notas ¡Atención! Los argumentos numéricos se truncan a números
enteros.
#¿NOMBRE? Si hay algún argumento no numérico
#¡NUM! Si los argumentos son negativos
#¡NUM! Si N < M
Otra forma de representar el número de combinaciones es con los números combinatorios:
n n!
C n ,r =   =
 r  r!(n − r )!
Ejemplo 1.4-7
Cuantos cócteles diferentes se pueden preparar combinando partes iguales de 4

bebidas escogidas entre las siguientes: pisco, pulque, mezcal, tequila, pinga y
aguardiente.
En este ejemplo, es evidente que el orden en el que introduzcamos las bebidas en la

coctelera no va a influir sobre el “combinado” resultante. Así que serán las
combinaciones de 6 elementos tomados de 4 en 4:
6!
C 6, 4 = = 15
4!(6 − 2)!
Ejemplo 1.4-8
Cuantos comités pueden formarse con cuatro químicos y tres físicos que estén
compuestos por dos químicos y un físico.
(sol: 18)
Ejemplo 1.4-9
Cuántos números distintos de tres cifras se pueden formar disponiendo de los 10 ( 0,

1, 2, 3, 4, 5, 6, 7, 8, 9 ) dígitos sin repetir, de modo que el dígito de las centenas sea
menor que el dígito de las decenas y que el dígito de las decenas sea menor que el de
las unidades.
Solución:
Para las centenas se podrán utilizar {0, 1, 2, 3, 4, 5, 6, 7} ya que ese dígito tiene que ser
menor que los de las decenas y de las unidades.
En la tabla siguiente se muestran con SI los dígitos posibles para las decenas, según el
dígito utilizado en las centenas.
Dígito de la centena
0 1 2 3 4 5 6 7
1 SI
2 SI SI
Dígito de las
decenas
3 SI SI SI
4 SI SI SI SI
5 SI SI SI SI SI
6 SI SI SI SI SI SI
7 SI SI SI SI SI SI SI
8 SI SI SI SI SI SI SI SI
En la tabla siguiente se indican cuantos dígitos es posible utilizar para las unidades:
Dígito de la centena
0 1 2 3 4 5 6 7
1 8
2 7 7
Dígito de las
decenas
3 6 6 6
4 5 5 5 5
5 4 4 4 4 4
6 3 3 3 3 3 3
7 2 2 2 2 2 2 2
8 1 1 1 1 1 1 1 1
Sumando todos los casos posibles se tendrá la cantidad de números de tres dígitos que
cumplan las condiciones indicadas:
8 + 7 * 2 + 6 * 3 + 5 * 4 + 4 * 5 + 3 * 6 + 2 * 7 + 1 * 8 = 120
Otro método :
Los números que se podrán formar con los 10 dígitos sin repetir, en un orden
determinado son combinaciones de 10 elementos tomados de 3 en 3:
10! 10· 9· 8
C10,3 = = = 120
3! 7! 3·· 2
1.5. PROBABILIDAD DE SUCESOS RELACIONADOS.
1.5.1. Probabilidad Condicional.

Consideremos una urna en la que hay 4 bolas blancas y 4 bolas negras, de la que, se van
extrayendo secuencialmente bolas al azar. La probabilidad de que la primera bola extraída sea
blanca es del 50%. Sin embargo, la probabilidad de que la segunda bola extraída sea negra depende
de que en la primera extracción la bola haya sido blanca o negra.
En este ejemplo el resultado (bola blanca) de un experimento (extraer la primera bola), que
representaremos con A condiciona la probabilidad del resultado (bola negra) del segundo
experimento (extraer la segunda bola), que representaremos con B.
Definición 1.5.1-1 :Sucesos Condicionados
Si la ocurrencia de un suceso, A, modifica las expectativas de que se presente otro suceso, B,

diremos que suceso B es un suceso condicionado por A.
Existen varias de cómo un suceso condiciona a otro. Veamos algunos ejemplos:
Ejemplo 1.5-1
Se lanza un dado y nos indican que el resultado es superior a 3 (suceso A). ¿Cuál es la
probabilidad de que el resultado sea par (suceso B) ?
Ejemplo 1.5-2
En una urna hay tres bolas negras y dos bolas blancas. Cuál es la probabilidad de que
la segunda bola extraída se negra, si la primera ha sido blanca. (sol.: 3 /4)
Ejemplo 1.5-3
En una urna hay tres bolas negras y dos bolas blancas. Cuál es la probabilidad de que
la primera bola extraída haya sido negra, si la segunda ha sido blanca. (sol.: 3 /4)
Ejemplo 1.5-4
En un1.5-5
Ejemplo grupo de 100 personas, 60 son españoles de los que el 50% fuma, el resto son
latinoamericanos de los que el 25% fuma. Se nos acerca una persona fumando, cual es
Enprobabilidad
la un juego dededados entre
que sea dos jugadores, gana el que al
español. lanzar
(sol 75%)un dado obtiene la
puntuación más alta. En caso de empate se repite el lanzamiento. ¿Cuál es la
probabilidad de que gane el primer jugador si obtiene un 5?
Definición 1.5.1-2
Si la probabilidad del suceso B varía cuando ocurre el suceso A u ocurre otro suceso, entonces, la
probabilidad del suceso B cuando ha ocurrido el suceso A se denomina probabilidad condicional
del suceso B cuando a ocurrido el suceso A, y se representa mediante: P( B / A)
En todos los ejemplos hemos podido observar que la probabilidad condicional verifica que:
P( A ∩ B)
P ( B / A) =
P( A)
1.5.2. Sucesos independientes.
Definición 1.5.1-3 : Sucesos Independientes
Decimos que A y B son sucesos independientes si se verifican estas condiciones:
P(A/B) = P(A) P(B/A) = P(B)
Es decir la ocurrencia de uno de ellos no modifica la probabilidad del otro.
Ejemplo 1.5-6
Se lanza un dado, sale un 3. Cual es la probabilidad de que en un segundo lanzamiento

salga un 1.
Ejemplo 1.5-7
En una urna hay dos bolas blancas y dos bolas negras. Se extrae una bola, que resulta
ser blanca, sin reponerla, cual sería la probabilidad de que la segunda bola extraída
fuese negra. ¿Las dos extracciones serían sucesos independientes?
Si A y B son sucesos independientes se tiene: P(A/B) = P(A I B) / P(B) = P(A),
Y por lo tanto: P(A I B) = P(A) P(B)
Ejemplo 1.5-8
Cual es la probabilidad de obtener, en dos lanzamientos de un dado, un 3 seguido de

un 6.
1.5.3. Teorema de Bayes
Si los sucesos condicionados los consideramos como causa y efecto. Así podemos considerar como
causa el modo en que se gestiona una empresa y como consecuencia los resultados que ésta
obtiene.
Es evidente que el número de caras (efecto) que se obtienen al lanzar varias monedas depende del
número de monedas que se lancen (causa). Y podemos calcular la probabilidad de obtener una
determinada cantidad de caras condicionada al lanzar un cierto número de monedas. Ver Ejemplo
1.4-1.
Muchas veces lo que se conoce realmente es el efecto observado y lo que se pretende es averiguar
la causa según ese efecto observado.
El profesor, en un curso con un elevado número de alumnos, conoce el resultado del examen
(efecto) y en base a éste, evalúa el conocimiento de la asignatura (causa) que tiene el alumno. Este
principio da lugar a la Estimación Bayesiana que será objeto de estudio en temas siguientes.
Ahora nos limitaremos a evaluar la probabilidad de que el origen del efecto observado haya sido
una causa determinada. Veamos el Ejemplo 1.5-9.
Ejemplo 1.5-9
En una urna con tres bolas blancas y dos bolas negras, se extrae una bola sin observar
su color. Sin reponer la primera bola se extrae una segunda bola que resulta ser
blanca. Indicar cual es la probabilidad de que la primera bola extraída haya sido
blanca.
Con la letra B representamos la extracción de una bola blanca, con la letra N

representamos la extracción de una bola del color indicado
1ª extracción 2 ª extracción probabilidad

 N (2 / 4) 6 / 20
B(3 / 5) 
 B(2 / 4) 6 / 20 *
 N (1 / 4) 2 / 20
N (2 / 5) 
 B(3 / 4) 6 / 20 *
Los casos en los que se ha observado el efecto , bola blanca en la segunda extracción,
están marcados con *, y son ahora los únicos casos posibles. El caso favorable en
este ejercicio será el que corresponda a la causa, bola blanca en la primera extracción.
La definición de probabilidad sigue siendo cierta como relación entre las probabilidades
de los casos favorables y de los casos posibles. Así tendremos que la probabilidad
buscada será:
6 1
6
20
+6
=
20 20 2
En general podemos considerar que se conocen las probabilidades condicionadas de que se

produzca cierto efecto bajo una causa determinada.
Si representamos por E i los efectos observables,i = {1,2,3,..., n} ; y por C j las diversa causas
que pueden originar esos efectos, j = {1,2,3,..., m} . Y consideramos conocidas las
probabilidades condicionadas P (Ei / C j ) ∀ i, j y las probabilidades de las causas P (C j ) .
Causas Efectos
M M

C1  Ei P(Ei / C1 )P(C1 )
M M

M M
M M

Cm  Ei P(Ei / Cm )P(Cm )
M M

La probabilidad de que se observe el efecto Ei será :
P(Ei ) = ∑ P(Ei / C j )P ((C j )

m
j =1
Es decir la suma de los productos de las probabilidades de que se presente el efecto Ei cuando se
ha dado cada una de las causas por la probabilidad de que se dé cada una de esas causas. Este
resultado que se conoce como Teorema de Probabilidad Total.
De otro lado, se tiene:
P (Ei / C j )P (C j ) = P (Ei ∩ C j ) = P(C , / / Ei )P(Ei )
Despejando:
P (Ei / C j )P(C j ) P(Ei / C j )P (C j )

P (C j / Ei ) = =
P(Ei )
∑ P(E / C j )P ((C j )
m
i
j =1
Este resultado que se conoce como Teorema de Bayes, y nos indica la probabilidad de que se haya
dado la causa C j cuando se ha observado el efecto E i .
Ejemplo 1.5-10
Cuatro bolas, dos blancas y dos negras se reparten en dos urnas aleatoriamente
conteniendo cada urna dos bolas. Cual es la probabilidad de que en una urna las dos
bolas sean blancas.
Solución:
La probabilidad de que hayan dos bolas blancas en la primera urna es

21 1
=
43 6
La probabilidad de que hayan dos bolas negras en la primera urna, y por consiguiente
21 1
dos blancas en la segunda, es =
43 6
En consecuencia la probabilidad de que hayan dos bolas blancas en la misma urna será
1 1 1
+ =
6 6 3
Ejemplo 1.5-11
Una empresa de fabricación de circuitos impresos dispone de dos máquinas M1 y M2,

que imprimen 1500 y 800 circuitos por hora. Con una proporción de montajes
defectuosos de 0.06 y de 0.02 respectivamente. De los circuitos efectuados en un
día, se toma una tarjeta al azar, y resulta no ser defectuosa. ¿Cuál es la probabilidad
de que dicha tarjeta haya sido producida por la máquina M1?
Solución:
En un día se producen 1500 + 800 circuitos impresos entre las máquinas M1 y M2.
De los que son defectuosos: 1500 * 0.06 + 800 * 0.02 = 90 + 16 = 106

Y no son defectuosos: 1500 * 0.94 + 800 * 0.98 = 1410 + 784 = 2194
La probabilidad de que una tarjeta no defectuosa haya sido producida por la máquina M1
es:
num(no defectuosas producida por M 1) 1410

= = 0.6427
num(no defectuosas) 2194
Ejemplo 1.5-12
Un sistema de control funciona bajo un ambiente con vibraciones y

sobrecalentamiento ocasionales. Si no se presenta ninguno de estos incidentes el
circuito funciona correctamente en el 95% de las ocasiones. Si se presenta
sobrecalentamiento exclusivamente, funciona correctamente en el 87% de los casos.
Si sólo está bajo la influencia de las vibraciones, funciona correctamente en el 79%
de las ocasiones. Si se presentan ambas circunstancias, funciona correctamente sólo
en el 62% de las ocasiones. Las vibraciones se presentan en el 7% de las ocasiones y
el sobrecalentamiento en un 3% de las ocasiones. El sobrecalentamiento y las
vibraciones son independientes. Sabemos que el sistema ha fallado cuando habían
vibraciones, en este caso cual sería la probabilidad de que hubiese habido también
recalentamiento.
Solución:
En la tabla siguiente se resumen las probabilidades de correcto funcionamiento según la

presencia de perturbaciones:
Probabilidad de Con Vibración Sin Vibración

Funcionamiento 0.07 0.93
Con Sobrecalentamiento
0.62 0.87
0.03
Sin Sobrecalentamiento
0.79 0.95
0.97
En la tabla siguiente se resumen las probabilidades de fallo según la presencia de

perturbaciones:
Probabilidad de Fallo Con Vibración Sin Vibración

0.07 0.93
Con Sobrecalentamiento
0.38 0.13
0.03
Sin Sobrecalentamiento
0.21 0.05
0.97
Si se consideran como casos posibles aquellos en los que hay fallo y vibraciones, y como
casos favorables aquellos en los que además hay vibraciones, se tiene:
# Probabilidad de que se presente un fallo con vibraciones:

0.07 ( 0.03 * 0.38 + 0.97 * 0.21 )
# Probabilidad de que se presente un fallo con vibraciones y con sobrecalentamiento,
será:
0.07 * 0.03 * 0.38
# Probabilidad de que haya sobrecalentamiento condicionada a que se haya presentado
fallo y vibraciones:
0.07 * 0.03 * 0.38

= 0.053
0.07(0.03 * 0.38 + 0.97 * 0.21)
Otro método:
Representemos los sucesos siguientes:
S hay sobrecalentamiento S’ sin sobrecalentamiento
V hay vibraciones V’ sin vibraciones
F hay fallo F’ sin fallo
La probabilidad pedida, de que se presente sobrecalentamiento cuando ha habido fallo y
vibraciones, es: P ( S /( F ∩ V )) ; aplicando el teorema de Bayes, se tiene:
P( S ∩ ( F ∩ V )) P( S ∩ ( F ∩ V ))
P ( S /( F ∩ V ) = =
P( F ∩ V ) P( F ∩ V / S ) P( S ) + P( F ∩ V / S ' ) P( S ' )
1.6. ESPERANZA MATEMATICA

Para introducir el concepto de Esperanza Matemática consideremos el beneficio que se puede
obtener en un juego aleatorio cuando éste se repite muchas veces.
Se lanza un dado. El premio que se obtiene para cada uno de los resultados posibles viene dado en
la tabla siguiente:
Resultado 1 2 3 4 5 6
Premio 100 200 300 400 500 1.000
Si se juega muchas veces a este juego, si el dado no está trucado, es de esperar que los resultados
que se obtengan se distribuyan, en este caso, uniformemente entre los seis posibles. Es decir la
sexta parte de las veces se espera obtener el resultado 1, y su premio correspondiente de 100 pts.
De forma análoga para los demás resultados.
Así si se juega 6.000 veces a este juego el premio que se espera obtener vendrá dado en la tabla
siguiente:
Resultado 1 2 3 4 5 6
Premio 100 200 300 400 500 1.000
Veces 1.000 1.000 1.000 1.000 1.000 1.000
Premio en
100 200 300 400 500 1.000
miles
El premio total, en miles, que se espera obtener en las 6.000 jugadas será de:
100 + 200 + 300 + 400 + 500 + 1.000 = 2.500
El promedio correspondiente a una jugada sería de:

2.500.000
= 416,66
6.000
Definición 1.5.3-1 : Esperanza Matemática
En general si un experimento, X, presenta los resultados posibles {x1 , x2 ,..., xn } con una
probabilidad de p1 , p 2 ,..., p n respectivamente, y cada resultado conlleva un valor o premio de
v1 , v 2 ,..., v n respectivamente, entonces el valor medio esperado del experimento se le denomina
n
Esperanza Matemática, se representa mediante E( X ) , y es: ( X ) = ∑ vi pi
i =1
Ejemplo 1.6-1
Una oficina recibe 3, 4, 5, ó 6 llamadas por hora, con una frecuencia de 10, 40, 30 y
20% respectivamente.
a) Cual es el promedio de llamadas que se espera en una hora
b) Cuantas llamadas se espera atender en 40 horas
Solución:
Número medio de llamadas que se esperan en una hora:
3 · 0,10 + 4 · 0,40 + 5 · 0,30 + 6 · 0,20 = 3,60 llamadas por hora
Número de llamadas que se esperan en 40 horas:

3,60 · 40 = 144 llamadas
Ejemplo 1.6-2
Se quiere organizar una rifa con 100 números ( del 0 al 99). Se quiere dar un primer
premio de 1000 pts a un sólo número; premios de 500 pts a todos los de la misma
decena del número agraciado con el primer premio, excepto éste; premios de 200 pts
a todos los que tengan la misma cifra en las unidades que el primer premio, excepto
éste. Si los organizadores quieren obtener un beneficio medio de 25 pts por cada
número vendido, cuál debe ser el precio de venta de cada número.
Solución:
El importe de los premios es : 1 • 1000 + 9 • 500 + 9 • 200 = 7300
7300
El premio medio que puede esperar cada número es de = 73
100
Si el beneficio medio para el organizador es de 25 pts por cada número, el precio de
venta será de: 73 + 25 = 98
1.7. EJERCICIOS DE REPASO

Problema 1-1
En un bar internacional, el 37% de los clientes son rusos, el 48% ingleses y el resto alemanes. De
los rusos el 62% piden vodka, el 17%whisky y el resto ginebra. De los ingleses el 72% piden
whisky, el 14% ginebra y el resto vodka. De los alemanes el 31% piden vodka, el 48% ginebra y el
resto whisky. El camarero desea saber si alguien pide vodka cuál es la probabilidad de que no sea
ruso.
Solución:
Probabilidad de que un inglés pida vodka = 1 - 0.72 - 0.14 = 0.14
Probabilidad de que un cliente sea alemán = 1 - 0.37 - 0.48 = 0.15
Probabilidad de que alguien pida vodka = 0.37 · 0.62 + 0.48 · 0.14 + 0.15 · 0.31 = 0.3431
Probabilidad de que pida vodka un no ruso = 0.48 · 0.14 + 0.15 · 0.31 = 0.1137
Probabilidad de que el que pida vodka no sea ruso = 0.1137 / 0.3431 = 0.3314
Ejemplo 1.7-1
Cuatro bolas, dos blancas y dos negras se reparten en dos urnas aleatoriamente. De
una de ellas se extrae una bola que es blanca. Si de la otra urna extraemos una bola,
¿cuál es la probabilidad de que sea negra?
Solución:
1) Si hemos extraído una bola que resulta ser blanca, quedan dos negras y una blanca,
con idéntica probabilidad de estar en la otra urna, por lo tanto la probabilidad de extraer
una bola negra será 2/3.
2) Si las bolas se reparten uniformemente entre las urnas, y extraemos una blanca de la
primera urna, quedarán dos bolas negras y una blanca, de las cuales dos estarán en la
segunda urna.
Disposición en la Probabilidad de la Probabilidad de

URNA 2 disposición extraer una N
BN 1/3 1/2
NN 2/3 1
11 2 2
La probabilidad de extraer una bola negra de la segunda urna será: + 1=
32 3 3
3) Si de la urna 1 se extrae una bola que resulta ser blanca, entonces:
# La probabilidad de que en la primera urna hubiesen dos bolas blancas en la primera

urna si se extrae una bola blanca
P ( BB ∩ b) P(b / BB) P( BB)
P ( BB / b) = = =
P(b) P(b / BB) P( BB) + P(b / BN ) P( BN )
1· 1 / 6 1
= =
1· 1 / 6 + (1 / 2)(4 / 6) 3
En la segunda urna habrán dos bolas negras. La probabilidad de extraer una bola negra de la
segunda urna será 1.
# La probabilidad de que en la primera urna hubiesen una bola blanca y una bola negra,
si se extrae una bola blanca
P( BN ∩ b) P(b / BN ) P( BN )
P ( BN / b) = = =
P(b) P(b / BB) P( BB) + P(b / BN ) P( BN )
(1 / 2)(4 / 6) 2
= =
1· 1 / 6 + (1 / 2)(4 / 6) 3
En este caso, en la segunda urna tendremos una bola blanca y una bola negra. La
probabilidad de extraer una bola negra de la segunda urna será : 1/2.
Por lo tanto la probabilidad de extraer una bola negra de la segunda urna será:
1 21 2
1+ =
3 32 3
4) Al distribuir las bolas en las urnas, estas quedarán de los modos siguientes con las
probabilidades que se indican
URNA 1 URNA 2 Probabilidad

BB NN 1/6
BN NB 4/6
NN BB 1/6
Construyamos un árbol de los sucesos posibles. Indicamos primero la distribución de las

bolas en la urna 1, y su probabilidad. A continuación la bola que extraemos de la urna 1 y
su probabilidad. Luego la bola que se extrae de la urna 2 y su probabilidad. Y, finalmente,
la probabilidad del camino completo.
  B 0 0
 B 1 
 BB  N 1 1/ 6
1/ 6 
  N 0  B 0 0
 
 N 1 0
  B 1/ 2 1/ 6
  B 1/ 2 
  N 1/ 2 1/ 6
 BN 4/6  :
  N 1 / 2  B 1/ 2 1/ 6
  N 1/ 2 1/ 6

  B 1 0
 B 0 
 N 0 0
 NN 1/ 6 
  N 1  B 1 1/ 6
  N 0 0

La suma de las probabilidades de los casos favorables ( sale una bola blanca de la
1 1 2
primera urna y una negra de la segunda urna) son: + =
6 6 6
La suma de las probabilidad des de los casos posibles ( sale una bola blanca de la
1 1 1 1
primera urna) son: + + =
6 6 6 2
2
La probabilidad pedida será la relación entre los casos favorables y los posibles:
6=2
1 3
2
Ejemplo 1.7-2
Cinco amigos compran todas las papeletas de una rifa. El A compra el 25% de las
participaciones, el B el 20%, el C el 15%, el D el 30% y el E el resto. Hay tres premios
independientes, el primero de 100.000 pts, el segundo de 75.000 pts y el tercero de
50.000 pts. Cual es la probabilidad de que el amigo A obtenga al menos 100.000 pts.
En premios.
Solución:
El amigo A obtendrá al menos 100.000 pts en premios si se da alguna de las

circunstancias siguientes:
• obtiene el primer premio
• obtiene el segundo y tercer premios simultáneamente
La probabilidad de que obtenga el primer premio será:

P(1) = 0.25
La probabilidad de que obtenga el segundo y tercer premios será:

P(2 y 3) = 0.25 · 0.25 = 0.0625
La probabilidad de que obtenga los tres premios será:

P(1 y 2 y 3) = 0.25 · 0.25 · 0.25 =
En consecuencia la probabilidad de que obtenga al menos 100.000 ots en premios será:

P(1 ó (2 y 3) ) = p(1) + P(2 y 3) – P(1 y 2 y 3) =
0.25 + 0.0625 – 0,015625 = 0,296875
Ejemplo 1.7-3
Un panel está dividido en cuatro partes. Cada parte del panel se puede recubrir con
una cartulina de colores. Disponemos de 6 cartulinas de colores: 2 rojas, una amarilla,
una azul, una verde y una blanca. Se pide indicar cuantas composiciones diferentes se
pueden realizar en el panel con las cartulinas indicadas.
Solución
# Si se colocan las dos cartulinas rojas, estas se pueden colocar en las cuatro casillas de
C 4, 2 = 6 formas diferentes.
En las dos casillas restantes, las cuatro cartulinas amarilla, azul, verde y blanca dan
lugar a P4, 2 = 4 · 3 = 12 formas diferentes. Con lo que, utilizando las dos cartulinas rojas,
se pueden obtener 12 * 6 = 72 composiciones diferentes
# Si solo se coloca una cartulina roja y tres de las otras cuatro, la roja se puede colocar
en 4 posiciones , y las otras cartulinas se pueden colocar de P4,3 = 4 · 3· 2 = 24 formas
diferentes. Por lo que utilizando una cartulina roja se pueden obtener 4 * 24 = 96
composiciones diferentes.
# Si no se coloca ninguna roja, las cartulinas amarilla, azul, verde y blanca se pueden
colocar de P4 = 4! = 4 · 3· 2 ·1 = 24 posiciones diferentes.
## Contemplando la suma de los tres casos, en total las composiciones diferentes que
podrán construirse serán:
72 + 96 + 24 = 192
Ejemplo 1.7-4
Un circuito para transmisión de señales está integrado por varios componentes como
se indica en la figura. Las probabilidades de funcionamiento correcto de cada
componente son P(a) = 0.95 ; P(b) = 0.9 ; P(c) = 0.84 ; P(d) = 0.89; P(e) = 0.96 y P(f) =
0.92. Suponiendo que estas probabilidades son independientes, indicar cual es la
probabilidad de funcionamiento correcto de todo el sistema.
Solución:
Para que el sistema funcione correctamente deben funcionar correctamente los

componentes:
(AyE)o(Fy(Do(ByC)))
Teniendo en cuenta que las probabilidades de funcionamiento de los sistemas son

independientes, se tendrá:
P (a ∩ e) = 0.95 * 0.96 = 0.912
P (d ∪ (b ∩ c)) = P(d ) + P(b ∩ c) − P(d ∩ (b ∩ c)) =

= 0.89 + 0.9 * 0.84 − 0.89 * 0.9 * 0.84 = 0.97316
P ( f ∩ (d ∪ (b ∩ c))) = P ( f ) * P (d ∪ (b ∩ c)) =
= 0.92 * 0.97316 = 0.8953072
Así la probabilidad de funcionamiento del sistema será:
P ( (a ∩ e) ∪ ( f ∩ (d ∪ (b ∩ c))) ) =
= P(a ∩ e) + P( f ∩ (d ∪ (b ∩ c))) − P( (a ∩ e) ∩ ( f ∩ (d ∪ (b ∩ c))) =
= 0.912 + 0.8953 − 0.912 * 0.8953 = 0.9908
Ejemplo 1.7-5
Cuantos números diferentes de cuatro cifras se pueden formar con los 6 dígitos
siguientes { 1, 2, 2, 3, 3, 3 }
Solución:
Las formas de agrupar de 4 en 4 los dígitos indicados, y las permutaciones que pueden
obtenerse en cada caso, son:
4!
a) { 1, 2, 2, 3 } P '1, 2,1 = = 12
1! 2! 1!
4!
b) { 1, 2, 3, 3 } P '1,1, 2 = = 12
1! 1! 2!
4!
c) { 1, 3, 3, 3 } P'1,3 = =4
1! 3!
4!
d) { 2, 2, 3, 3 } P' 2, 2 = =6
2! 2!
4!
e) { 2, 3, 3, 3 } P'1,3 = =4
1! 3!
El total de casos posibles será: 12 + 12+ 4 + 6 + 4 = 38
Ejemplo 1.7-6
La duración, en días, de tres actividades necesarias para ejecutar un proyecto se

distribuye como se indica en la tabla siguiente. Las actividades A y B se inician
simultáneamente. La actividad C se puede iniciar cuando se han terminado la A y la B.
El proyecto se da por concluido cuando termina la actividad C. Se pide cual será el
tiempo medio de ejecución del proyecto.
Duración T P( A = T ) P( B = T ) P( C = T )
5 20%
6 30%
7 20% 30%
8 25% 20% 20%
9 25% 20%
10 25% 20%
11 25% 10%
12 10%
Solución:
En la tabla siguiente se recoge el día y al probabilidad en el que puede iniciarse la

actividad C, por finalizar las actividades A y B.
Duración actividad B
7 20% 8 20% 9 20% 10 20% 11 10% 12 10%
8 8 8 9 10 11 12
25% 0.05 0.05 0.05 0.05 0.025 0.025
Duración A
9 9 9 9 10 11 12
25% 0.05 0.05 0.05 0.05 0.025 0.025
10 10 10 10 10 11 12
25% 0.05 0.05 0.05 0.05 0.025 0.025
11 11 11 11 11 11 12
25% 0.05 0.05 0.05 0.05 0.025 0.025
En la tabla siguiente, como resumen, se indica la probabilidad de que la actividad C

pueda iniciarse en determinado día:
Día de inicio 8 9 10 11 12
Probabilidad 0.10 0.20 0.30 0.30 0.10
En la tabla siguiente se indica la fecha de finalización de la actividad C teniendo en

cuenta la fecha en la que puede iniciarse.
Probabilidad de que Fecha de inicio de la actividad C

C termine en una
8 0.10 9 0.20 10 0.30 11 0.30 12 0.10
fecha
5
y su probabilidad
13 0.02 14 0.04 15 0.06 16 0.06 17 0.02
0.20
Duración de la
actividad C
6
14 0.03 15 0.06 16 0.09 17 0.09 18 0.03
0.30
7
15 0.03 16 0.06 17 0.09 18 0.09 19 0.03
0.30
8
16 0.02 17 0.04 18 0.06 19 0.06 20 0.02
0.20
Cálculo del valor medio de la fecha en la que se finaliza la actividad C.
13 · 0.02 + 14 ( 0.03 + 0.04 ) + 15 ( 0.03 + 0.06 + 0.06 ) +

+ 16 ( 0.02 + 0.06 + 0.09 + 0.06 ) + 17 ( 0.04 + 0.09 + 0.09 + 0.02) +
+ 18 ( 0.06 + 0.09 + 0.03 ) + 19 ( 0.06 + 0.03 ) + 20 · 0.02 = 16.6 días
Ejemplo 1.7-7
En la urna número 1 hay dos bolas blanca y una negra; en la urna número dos hay dos
bolas blancas y dos bolas negras. Se extrae sin verla una bola de la urna uno y se
coloca en la urna dos. De la urna dos se extrae una bola, y sin verla, se coloca en la
urna uno. Cual es la probabilidad de que en la urna uno todas las bolas sean del mismo
color.
Solución:
En la urna uno todas las bolas serán del mismo color si:
a) se extrae la bola negra de la urna uno, su probabilidad 1/3
b) se extra una bola blanca de la urna dos, su probabilidad 2/5
La probabilidad de que las bolas de la urna uno sean todas blancas será
12 2
= = 01333
.
3 5 15
Ejemplo 1.7-8
En una celebración se reúnen cuatro ingenieros, tres arquitectos y dos físicos. Se

acomodan aleatoriamente en tres mesas de tres plazas. Cual es la probabilidad de que
en una mesa determinada se sienten exclusivamente tres colegas de la misma
especialidad.
Solución:
Podrán darse dos casos, que en dicha mesa se sienten sólo ingenieros o sólo
arquitectos.
432
La probabilidad de que se sienten los ingenieros será: = 0.0476
987
321
La probabilidad de que se sienten los arquitectos será: = 0.0119
987
La probabilidad de que esa mesa esté ocupada sólo por ingenieros o sólo por arquitectos
será:
0.0476 + 0.0119 = 0.0595
Ejemplo 1.7-9
Se lanza un dado. En una urna se introducen tantas bolas blancas como puntos se
hayan obtenido en el dado. La urna se completa con bolas negras hasta que en su
interior hayan seis bolas. Se extraen de forma sucesiva dos bolas que resultan ser
negras. Cual es la probabilidad de que al lanzar el dado se haya obtenido una
puntuación inferior a cuatro.
Solución:
Según el resultado obtenido en el dado, se tendría:
Prob. Cond. de
Bolas Bolas Prob de obtener
sacar 2 bolas
Blancas Negras dos bolas negras
Dado negras
1 6 0 0
2 5 1 0
3 4 2 2/6 · 1/5 = 2/30 2/30 · 1/6 = 2/180
4 3 3 3/6 · 2/5 = 6/30 6/30 · 1/6 = 6/180
5 2 4 4/6 · 3/6 = 12/30 12/30 · 1/6 = 12/180
6 1 5 5/6 · 4/5 = 20/30 20/30 · 1/6 = 20/180
Probabilidad de que salgan dos bolas negras:

2/180 + 6/180 + 12/180 + 20/180 = 40/180
Prob. de que salgan dos bolas negras y puntuación inferior a cuatro:

6/180 + 12/180 + 20/180 = 38/180
Probabilidad condicionada de que en el dado haya salido inferior a cuatro cuando se han
38 / 180
extraído dos bolas negras = = 0.95
40 / 180
Ejemplo 1.7-10
Una moneda se lanza al aire hasta que se da una secuencia de tres caras consecutivas.
Indicar la probabilidad de que se requieran más de 6 lanzamientos para conseguirlo.
Solución:
La probabilidad de que en tres lanzamientos se obtengan tres caras consecutivas es:
0.53 = 0.125
La probabilidad de que se requieran cuatro lanzamientos para obtener tres caras
consecutivas es que se obtenga una cruz, seguida de tres caras:
0.54 = 0.0625
La probabilidad de que se requieran cinco lanzamientos para obtener tres caras
consecutivas es que la segunda moneda sea cruz y la tercera cuarta y quinta sean caras
0.54 = 0.0625
La probabilidad de que se requieran seis lanzamientos para obtener tres caras
consecutivas es que la tercera moneda sea cruz y la cuarta, quinta y sexta sean caras
0.54 = 0.0625
La probabilidad de que se requieran más de seis lanzamientos para obtener las tres
caras consecutivas, será: 1 − 0.125 − 0.0625 − 0.0625 − 0.0625 = 0.6875
Otro método:
C = Cara X = Cruz * = Caso favorable
CCCCCC * CCXCCC * CXCCCC * CXXCCC *

CCCCCX * CCXCCX CXCCCX * CXXCCX
CCCCXC * CCXCXC CXCCXC CXXCXC
CCCCXX * CCXCXX CXCCXX CXXCXX
CCCXCC * CCXXCC CXCXCC CXXXCC
CCCXCX * CCXXCX CXCXCX CXXXCX
CCCXXC * CCXXXC CXCXXC CXXXXC
CCCXXX * CCXXXX CXCXXX CXXXXX
XCCCCC * XCXCCC * XXCCCC * XXXCCC *

XCCCCX * XCXCCX XXCCCX * XXXCCX
XCCCXC * XCXCXC XXCCXC XXXCXC
XCCCXX * XCXCXX XXCCXX XXXCXX
XCCXCC XCXXCC XXCXCC XXXXCC
XCCXCX XCXXCX XXCXCX XXXXCX
XCCXXC XCXXXC XXCXXC XXXXXC
XCCXXX XCXXXX XXCXXX XXXXXX
Casos Totales = 64 ; Casos Favorables = 20 ;
20
Solución: 1− = 0.6875
64
Ejemplo 1.7-11
De una caja con 4 bolas negras y 2 blancas. Se extraen sucesivamente tres bolas con
reposición. Indicar la distribución de probabilidad para el número de bolas blancas
que pueden extraerse.
Solución:
La probabilidad de extraer una bola blanca en cada extracción, es 2/6.
número de bolas blancas probabilidad

 3 3 0
0   (2 / 3) (1 / 3) = 0.2963
 0
 3 2 1
1   (2 / 3) (1 / 3) = 0.1481
 
1
 3 1 2
2   (2 / 3) (1 / 3) = 0.0741
 2
 3 0 3
3   (2 / 3) (1 / 3) = 0.0370
 3
Ejemplo 1.7-12
En una urna hay 10 sobres. Tres de estos sobres tienen premios de 200 pts, cinco
sobre tienen premio de 500 pts. Los restantes no tienen premio. Si el jugador paga
300 pts para extraer un sobre, ¿cuál es el beneficio medio de este juego?
Solución:
El beneficio medio esperado será la diferencia entre el premio medio que puede
obtenerse menos el coste de la participación en el juego:
1
Beneficio medio = (3 • 200 + 5 • 500) − 300 = 10 pts
10
Ejemplo 1.7-13
En una reunión internacional hay un 30% de franceses, un 45% de ingleses y el resto

son alemanes. Sabiendo que entre los franceses el 30% fuman y el 24% no toman
alcohol; entre los ingleses el 55% no fuman y el 10% no toman alcohol, y entre los
alemanes el 45% no fuman y el 85% toman alcohol; cual es la probabilidad de que uno
de los reunidos que fuma y toma alcohol sea alemán.
Solución:
franceses que fuman y toman acohol 0.3 · 0.3 · 0.76 = 0.0684
ingleses que fuman y toman acohol 0.45 · 0.45 · 0.90 = 0.18225
alemanes que fuman y toman acohol 0.25 · 0.55 · 0.85 = 0.116875
fuman y beben alcohol 0.367525
Probabilidad de que alguien que fuma y toma alcohol sea aleman = 0.116875 / 0.367525
= 0.3180055
Ejemplo 1.7-14
En un bar internacional, el 37% de los clientes son rusos, el 48% ingleses y el resto
alemanes. De los rusos el 62% piden vodka, el 17%whisky y el resto ginebra. De los
ingleses el 72% piden whisky, el 14% ginebra y el resto vodka. De los alemanes el 37%
piden vodka, el 48% ginebra y el resto whisky. El camarero desea saber si alguien pide
vodka cuál es la probabilidad de que no sea ruso.
Solución:
Probabilidad de que un inglés pida vodka = 1 - 0.72 - 0.14 = 0.14

Probabilidad de que un cliente sea alemán = 1 - 0.37 - 0.48 = 0.15
Probabilidad de que alguien pida vodka = 0.37 · 0.62 + 0.48 · 0.14 + 0.15 · 0.37 = 0.3521
Probabilidad de que pida vodka un no ruso = 0.48 · 0.14 + 0.15 · 0.37 = 0.1227
Probabilidad de que el que pida vodka no sea ruso = 0.1227 / 0.3521 = 0.3484
Ejemplo 1.7-15
En una urna hay 2 bolas blancas y 3 bolas negras. Los jugadores A y B sacan una bola
cada uno sucesivamente. Si la primera bola que extrae A es negra, cual es la
probabilidad de que B obtenga en sus dos extracciones dos bolas blancas. No hay
reposición.
Solución:
Si la primera bola extraída por A es negra quedan en la urna 2 blancas y 2 negras.
B extrae bola: negra (0.50) ; blanca (0.50)

A extrae bola: B ya no puede extraer dos blancas ; negra (0.66) ;
blanca (0.33)
B extrae bola: blanca (0.50) negra (0.50) ; no hay
más blancas
Probabilidad de que B extraiga dos bolas blancas : 0.50 · 0.66 · 0.50 = 0.165
Ejemplo 1.7-16
En una comunicación binaria entre dos terminales A y B, para verificar el envío, B

devuelve el mismo dato a A. De este modo A puede verificar si ha habido error en la
transmisión. Si la probabilidad de error en el envío de A a B es del 2% y la
probabilidad de error en el envío de B a A es del 3%, se pide: Cual es la probabilidad
de que B haya recibido el dato correcto y A lo perciba como erróneo.
Solución:
Probabilidad de que llegue el dato correcto a B = 0.98
Probabilidad de que llegue el dato erróneo a B = 0.02
Probabilidad de que llegue el dato correcto a A = 0.97
Probabilidad de que llegue el dato erróneo a A = 0.03
La probabilidad de que B reciba el dato correctamente y A perciba el envío como

erróneo será: 0.98 · 0.03 = 0.0294
EJERCICIOS PROPUESTOS
Problema 1-2
En un cajón hay dos monedas de oro, en otro cajón hay dos monedas de plata y en un tercer cajón
hay una de oro y una de plata. De uno de los cajones se extrae una moneda de plata ¿cual es la
probabilidad de que la otra moneda del mismo cajón sea de oro?
(sol: 1/3)
Problema 1-3
En una urna con dos bolas negras y tres blancas se extrae una bola sin mirarla. Sin reponer la
primera bola, cuál sería la probabilidad de que la segunda bola extraída fuese negra. (sol: 2/5)
Problema 1-4
Una urna con dos bolas negras y tres blancas se utiliza para un juego entre cuatro amigos. Cada
uno de ellos extrae de forma alternativa una bola. Gana el primero que extrae una bola negra.
¿Qué jugador es el más favorecido? (sol: el primero)
Cuanto tendría que apostar cada uno para que el juego fuese equitativo
Problema 1-5
Se lanzan dos dados. Los premios o pérdidas dependen de la diferencia entre las puntuaciones de
ambos dados, según la tabla siguiente. Se pide:
Diferencia 1 2 3 4 5 6
Premio 1000 200 0 -200 -1000 -5000
a) ¿Es rentable jugar a este juego? (sol: NO, en promedio se pierden 200 )
b) ¿Cual debería ser el premio, cuando la diferencia es 0, para que el juego estuviese
equilibrado. Sol: 2.200
Problema 1-6
En un lote muy grande de piezas el 10% son defectuosas. Tomamos una muestra de 5 piezas.
Indicar las probabilidades siguientes:
a) en la muestra no haya ninguna defectuosa (sol: 59%)
b) en la muestra haya sólo una pieza defectuosa (sol 33%)
c) en la muestra haya más de dos piezas defectuosas
Problema 1-7
Una máquina para comprobar la resistencia del bizcocho lo somete a un esfuerzo de flexión. Este
ensayo rompe el 5% de las piezas de buena calidad y el 83% de la piezas defectuosas. Se supone
que el 10% de la producción son piezas defectuosas. En este caso calcular:
a) Probabilidad de que una pieza que supera el ensayo sea defectuosa.
(sol: 0.017)
b) Probabilidad de que una pieza que no ha superado el ensayo hubiese sido correcta
(sol: 0.3462)
Problema 1-8
Una oficina recibe 3, 4, 5, ó 6 llamadas por hora, con una frecuencia de 10, 40, 30 y 20%
respectivamente. Una operadora que puede atender 4 llamadas por hora cuesta semanalmente
50.000 pts (40 horas). Un análisis de las ventas resultantes de las llamadas recibidas revela las
siguientes frecuencias de beneficio:
Beneficio por llamada 0 1.000 2.000 3.000 4.000 5.000

frecuencia 15% 20% 30% 20% 10% 5%
Problema 1-9
¿Es interesante contratar una segunda operadora sabiendo que si la llamada no es atendida se
pierde la posibilidad de beneficio?
En una urna hay 8 bolas rojas, 3 blancas y 9 azules. Se extraen 3 bolas sin reposición. Calcular las
probabilidades siguientes:
a) 3 bolas rojas
b) 2 rojas y 1 blanca
c) al menos 1 blanca
d) 1 de cada color
Problema 1-10
Dos amigos se citan entre las tres y las cuatro. Uno de ellos puede esperar 10 minutos y el otro 15.
Cuál es la probabilidad de que la cita se materialice?
107 / 288 = 0,37
Problema 1-11
Indicar si las siguientes expresiones son ciertas o falsas:
a) P(X U Y) = 1 - P(X’ I Y’)
b) P(X U Y) = P(X) + P(Y)
c) P(X) = P(X I Y) / P(X/Y)
d) P(X/Y) + P(X’/Y) = 1
e) P(X/Y) + P(X/Y’) = P(X)
f) Si P(X I Y) = 0 entonces P(X) · P(Y) = 0
Problema 1-12
Se lanzan sucesivamente tres monedas al aire. Calcular la probabilidad de que se obtengan los
siguientes resultados:
a) tres caras
b) dos caras y una cruz
c) en las dos primeras monedas lanzadas se obtengan dos caras
Problema 1-13
Al lanzar tres dados y considerar la suma de los resultados de los tres dados, cual es el valor de la
suma que cabe esperar con mayor frecuencia. Indicar la frecuencia de dicho resultado.
(sol: suma más frecuente, 10 y 11; su frecuencia 27 / 216 )
Problema 1-14
Una urna contiene 5 bolas blancas y 3 rojas. Se extraen sin reposición 4 bolas. Indicar las
probabilidades de obtener:
a) 2 blancas y 2 rojas (sol: 3/7)
b) 3 blancas y una roja
c) 1 blanca y tres rojas
d) d) todas blancas
Problema 1-15
Se reparten las 40 cartas de la baraja entre 4 jugadores. Cual es la probabilidad de que un jugador
recoja:
a) ningún as (sol: 0.30 )
b) 1 as (sol: 0.444 )
c) 2 ases (sol: 0.2142 )
d) 3 ases
e) los cuatro ases
Problema 1-16
Se juegan 10 manos de cartas como las indicadas en el ejercicio 2.04. Cual es la probabilidad de
que un jugador obtenga los siguientes resultados:
a) obtener en tres manos dos ases
b) obtener al menos una vez dos ases
c) obtener menos de tres veces dos ases
Problema 1-17
Una urna A contiene 2 bolas blancas y 3 negras; otra urna B tiene 4 blancas y 3 negras. Se extrae
una bola de A y, sin verla, se introduce en la urna B. Se extrae una bola de B y resulta ser negra.
a) ¿Cuál es la probabilidad de que la bola pasada de A a B fuese negra? (sol: 2/3)
Problema 1-18
Un producto consta de tres componentes A, B y C. Las probabilidades de que uno de estos
componentes sea defectuoso son: 0.1, 0.03 y 0.05. Indicar las probabilidades siguientes:
a) Que el producto tenga un sólo componente defectuoso.
b) Que el producto tenga más de un componente defectuoso.
c) Que el producto tenga a lo sumo un componente defectuoso.
d) Que el producto tenga menos de dos componentes defectuosos
Problema 1-19
El producto del Problema 1-6 se considera defectuoso en los casos siguientes:
1] cuando el componente B es defectuoso
2] cuando los componentes A y C son defectuosos simultáneamente. Se pide:
a) Cual es la probabilidad de que el producto no sea defectuoso.
b) Existe la posibilidad de mejorar el proceso de elaboración de los componentes de modo que
se puede reducir a la mitad la probabilidad de que uno de los tres componentes sea defectuoso.
¿Que componente deberíamos mejorar para obtener menos productos defectuosos?
Problema 1-20
Se lanza un dado. El número que resulta es el número de bolas blancas que se introducen en una
urna. Se lanza de nuevo el dado. Ahora se introducen, en la misma urna, tantas bolas negras como
indique el dado. Indicar la probabilidades siguientes:
a) que haya en la urna más bolas blancas que negras (sol: 5/12)
b) extraer una bola blanca de la urna (sol: ½)
c) de que haya más de 9 bolas. (sol: 1 / 6 )
Problema 1-21
Un proceso de fabricación genera el 5% de piezas defectuosas. Las piezas se embalan en lotes de
100. Un lote se considera bueno si tiene 4 o menos piezas defectuosas.
a) ¿Cuál es la probabilidad de que un lote sea defectuoso?
b) ¿Cual es la probabilidad de que en cinco lotes haya tres defectuosos?
Problema 1-22
Se quiere adquirir un lote de 1000 unidades. El lote se considera bueno si el número de piezas
defectuosas no supera el 1%. Para ello se toma una muestra de 10 unidades. Si en la muestra sale al
menos una pieza defectuosa se rechaza el lote.
a) Cual es la probabilidad de rechazar un lote bueno ( 1% de defectuosas ) (sol: 9.4%)
b) Cual es la probabilidad de aceptar un lote malo con el 2% de defectuosas (sol:
82%)
c) Cual es la probabilidad de aceptar un lote malo con el 5% de defectuosas (sol: 60%)
Problema 1-23
Repetir el Problema 1-22 si el tamaño de la muestra que se analiza es de 25 unidades.
Problema 1-24
En una urna hay 5 bolas blancas y 3 negras. Dos jugadores extraen una bola alternativamente, de
modo que gana el que primero obtiene una bola negra o dos bolas blancas.
a) Cual es la probabilidad de que gane el segundo jugador.
Problema 1-25
Cuantos números diferentes de nueve cifras pueden formarse con 3 cuatros, 4 doses y 2 treses.
9!
(sol: )
4!3! 2!
Problema 1-26
En una reunión internacional hay un 30% de franceses, un 45% de ingleses y el resto son alemanes.
Sabiendo que entre los franceses el 30% fuman y el 24% no toman alcohol; entre los ingleses el
55% no fuman y el 10% no toman alcohol; y entre los alemanes el 45% no fuman y el 85% toman
alcohol; cual es la probabilidad de que:
a) uno de los reunidos que fuma y toma alcohol sea alemán (sol: 31.08)
b) de que un inglés fume y no tome alcohol (sol: 4.5%)
c) de que alguien que fuma sea inglés (sol: 47%)
Problema 1-27
En un examen de 10 cuestiones cuya respuesta es verdadero/falso, cual es la probabilidad de que
un alumno que sabe el 30% de la materia obtenga:
a) exactamente 6 aciertos (sol: 0.2381 )
b) menos de 4 aciertos
c) mas de 7 aciertos
Problema 1-28
En el lanzamiento de una moneda cual es la probabilidad de obtener:
a) la tercera cara al séptimo intento
b) tres caras consecutivas
Problema 1-29
En los ensayos de un equipo se ha determinado que la probabilidad de funcionamiento de un relé,
en ausencia de perturbaciones, es de 0.99; si sólo hay sobrecalentamiento, se sitúa en 0.95; si sólo
hay vibraciones en 0.9; y si se dan ambas circunstancias la probabilidad de buen funcionamiento
baja a 0.8. Se supone que ambas perturbaciones se presentan independientemente. Se pide:
a) Hallar la probabilidad de que el relé falle en ambiente donde la probabilidad de
sobrecalentamiento es de 0.2 y la de vibraciones de 0.1.
b) Probabilidad de que el componente falle y haya sobrecalentamiento.
c) Sabemos que se a producido un fallo. Se ha detectado que ha habido sobrecalentamiento
¿cuál sería la probabilidad de que también hubiese habido vibraciones?
Problema 1-30
En una comunicación binaria entre dos terminales A y B; A envía un dato a B. Para verificar el
envío, B devuelve el mismo dato a A. De este modo A puede verificar si ha habido error en la
transmisión. Si la probabilidad de error en el envío de A a B es de 2% y la probabilidad de error en
el envío de B a A es de 3%, se pide cuál es la probabilidad
a) de que B haya recibido el dato correcto y A lo perciba como erróneo. (sol:
0.0294)
b) de que A perciba el dato como correcto y B haya recibido un dato erróneo.
Problema 1-31
En un bar internacional, el 37% de los clientes son rusos, el 48% ingleses y el resto alemanes. De
los rusos el 62% piden wodka, el 17% whisky y el resto ginebra. De los ingleses el 72% pide
whisky, el 14% ginebra y el resto wodka. De los alemanes el 31% piden wodka, el 48% ginebra y
el resto whisky. El camarero desea conocer la probabilidad de:
a) si alguien pide wodka que no sea ruso
b) que un inglés o un alemán pidan ginebra
c) que el que solicite la bebida sea inglés
Problema 1-32
Un fabricante de tazas de cerámica las empaqueta en cajas de 6 unidades. El cliente rechaza la caja
si hay una o más tazas defectuosas. El cliente dejará de comprar si en las últimas cinco cajas
recibidas ha rechazado al menos dos. Determinar cual es la probabilidad de:
a) que el cliente busque otro proveedor si la probabilidad de que una taza sea defectuosa es del
2%. (sol: 0.1037 )
b) Y si es del 1%.
Problema 1-33
En una urna A hay 3 bolas blancas y 4 negras. En una urna B hay 5 blancas y 2 negras. Tomamos
una bola de una de las urnas y la pasamos a la otra urna. De esta última urna extraemos una bola
que resulta ser negra. Se pide:
a) probabilidad de que la bola traspasada haya sido blanca.
b) probabilidad de que la urna de la que se ha extraído la segunda bola sea la B.
Problema 1-34
Se utiliza un test para determinar si una pieza es o no defectuosa. Los resultados del test se recogen
en la tabla siguiente:
correcta defectuosa
98% 4%
Negativo
Positivo 2% 96%
Se supone que el número de piezas defectuosas que se producen es del 5%. Se pide:
a) Cuál es la probabilidad de que una pieza clasificada como defectuosa (resultado positivo
en el test), sea realmente defectuosa (sol:
0.048
)
0.048 + 0.019
b) Cuál es la probabilidad de que una pieza clasificada como correcta (resultado negativo)
sea realmente defectuosa. (sol:
0.002
)
0.002 + 0.931
c) Cual es la probabilidad de que el test dé un resultado erróneo. (sol: 0.002 + 0.019 )
d) Repetir los cálculos de los apartados anteriores pero teniendo en cuenta que sólo el 2% de
las piezas producidas sean defectuosas.
Problema 1-35
Un juego consiste en extraer sin reemplazamiento una bola de una urna que contiene 20, de las que
5 están premiadas. Si el número de jugadores es 3, que es mejor ser el primero o el último en
extraer la bola. Gana el primero que saca la bola premiada.
Problema 1-36
Un punto se mueve en el plano partiendo del origen. El movimiento lo realiza a saltos
incrementando su abcisa y su ordenada en cero o en una unidad en cada salto. La probabilidad de
que se incremente la abcisa y no la ordenada es de 0.5 ; la probabilidad de que se incremente la
ordenada pero no la abcisa es 0.3 ; la probabilidad de que ambas coordenadas se incremente
simultáneamente es de 0.2. Indicar la probabilidad de que pase por los puntos:
a) (2, 1) (sol: 0.425 )
b) (0, 2) (sol: 0.09 )

Leccion02 22

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Leccion02 22

Uploaded by

Copyright:

Available Formats

TEMA

Para ello se empieza definiendo conceptualmente la Probabilidad , y se explican

En los capítulos siguientes se continuará con el estudio de diversas distribuciones de

1.2. EXPERIMENTO. ESPACIO MUESTRAL. SUCESO.

Denominaremos experimento a cualquier proceso que genere un resultado, bien sea

En la Tabla 1.2.1-1 se indican algunos experimentos y el resultado que nos interesa

Tabla 1.2.1-1 : Ejemplos de Experimentos

1 Llenar con agua una botella de La cantidad de líquido introducida

3 Lanzar un dado El número de puntos de la cara

Experimento 1: Si llenamos una botella de cerveza de una determinada marca y

Experimento 2: Cuando colgamos un peso en un muelle, éste se alarga

Experimento 3: Al lanzar un dado observamos cuantos puntos quedan en la cara

Experimento 4: Si registramos el peso de una naranja que hemos cogido de un árbol y,

Experimento 6: El número de coches que pasan en un cruce mientras el semáforo está

Podemos observar algunas diferencias sustanciales entre estos experimentos en cuanto

Sin embargo, en los experimentos 3, 4, 5 y 6 el resultado, que se va a obtener en la

La incertidumbre del resultado en un experimento aleatorio no es total. Los resultados de

Muchos experimento deterministas se pueden considerar como aleatorios si se mide con

Definición 1.2.2-1 : Espacio Muestral

Denominaremos Espacio Muestral de un experimento al conjunto formado por todos los

1.2.2. Espacio Muestral.

Según el número de variables, el Espacio muestral puede ser unidimensional o

Tabla 1.2.2-1 : Espacios Muestrales de algunos experimentos aleatorios

1 Observar el color del primer {Rojo, verde, blanco, gris, azul,

4 Pesar una naranja que tomamos Un intervalo dentro del conjunto

Según la naturaleza de las variables, el Espacio Muestral puede ser:

Los espacios muestrales cualitativos pueden considerarse como espacios muestrales

En muchas ocasiones un espacio muestral continuo se discretiza con la misma finalidad y

Definición 1.2.3-1 :Suceso

Llamaremos Suceso, de cierto experimento, a todo subconjunto del Espacio Muestral

De esta forma podremos definir operaciones entre sucesos utilizando la Teoría de

Consideremos ahora el experimento de “lanzar un dado y observar el resultado en la cara

Tabla 1.2.3-1 : algunos sucesos que pueden darse al lanzar un dado

A Obtener un valor mayor que 3

Diremos que se presenta el suceso D si, al lanzar el dado, se obtiene el 1 ó el 4.

Tabla 1.2.3-2 : Algunos sucesos observables al medir la temperatura

Diremos que se presenta el suceso C si la temperatura medida se encuentra entre 10 y 20º.

Diremos que se presenta el suceso A U B si se presenta el suceso A o el suceso B. En este caso si

1.2.4. Suceso opuesto o complementario.

Llamaremos suceso opuesto o complementario a un suceso, A, al subconjunto del espacio

Tabla 1.2.4-1 : Al lanzar un dado, algunos sucesos y sus complementarios

1.2.5. Representación de los Espacios Muestrales.

Ejemplo 1.2-1 : Espacio Muestral al lanzar tres monedas

Ejemplo 1.2-2 : Resultados al lanzar dos dados

Ejemplo 1.2-4 : Tiempo de llegada de dos amigos citados a una hora

Ejemplo 1.2-5 : Cualidades de un individuo

Cuestiones: representar los espacios muestrales de los experimentos

1.3. CONCEPTO DE PROBABILIDAD.

• Cuales son los resultados posibles

Definición 1.3.1-1 : Probabilidad

Dado que la probabilidad es un atributo de un subconjunto de un espacio muestral se podrá aplicar

Cuestiones: Expectativas con la que cabe esperar un suceso.

A continuación vamos a ofrecer algunos aspectos sobre el concepto de probabilidad.

1.3.2. Concepto empírico de probabilidad.

Tabla 1.3.2-1 : Resultados obtenidos al lanzar 100 veces una moneda

Podemos considerar, si las circunstancias del experimento no varían, que si se repite el

Definición 1.3.2-1 : Probabilidad Empírica

Esta definición tiene las siguientes limitaciones:

• El experimento se tiene que poder repetir muchas veces

1.3.3. Concepto teórico de probabilidad.

Definición 1.3.3-1 : Probabilidad teórica

En un experimento que tenga n resultados elementales posibles equiprobables, la probabilidad de

1.3.4. Probabilidad de sucesos.