PROBABILIDADES

La teora de la probabilidad es la parte de las matemticas que se encarga del estudio de los fenmenos o
experimentos aleatorios. La probabilidad estudia los fenmenos que no tienen un resultado cierto, sino que
son imprevisibles, como el caso de tirar una moneda o un dado, y se dice que estos fenmenos obedecen
al azar. El clculo de probabilidad es una ayuda importante para la toma de decisiones.
Un Experimento: Es un proceso que se puede repetir, mediante el cual se generan resultados.
Experimento determinista: Se puede predecir el resultado antes de que se realice. Se conoce el resultado
a priori antes del experimento. Dejar caer una piedra, la llegada de la noche, coloco carne en una sartn
caliente, dejo caer una moneda y veo si se rompe.
Experimento aleatorio: Es aquel que antes de realizarlo no se puede predecir el resultado que se va a
obtener. Lanzar una moneda, un dado, sacar un nmero de lotera. No se conoce el resultado a priori,
pero si se conoce el espacio muestral. El experimento aleatorio depende del azar.
Espacio muestral: Es el conjunto de todos los resultados posibles de un experimento aleatorio, lo
representaremos por E.
Ejemplo: Tiro un dado miro el nmero que sale: E = {1, 2, 3, 4, 5, 6}.
Tiro una moneda, E = {C, X}.
Tira dos monedas: E = {CC, CX, XC, XX}
Tiro dos dados y observo la suma de puntos: E = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
Suceso elemental o evento: Cualquier subconjunto del espacio muestral. Un suceso de un experimento
aleatorio es cualquier cosa que se nos ocurra afirmar sobre dicho experimento. De la tirada de un dado:
A: que salga nmero par: {2, 4, 6}
B: Nmero primo = {2, 3, 5}
C: Nmero impar = {1, 3, 5}
Suceso imposible: Es el que nunca ocurre, no se presenta al realizar el experimento y se representa por
Suceso seguro: Est formado por todos resultados posibles del experimento. Coincide con el espacio
muestral y siempre ocurre.
Suceso o evento mutuamente excluyentes: Dos eventos que no pueden suceder simultneamente. Por
ejemplo, en la tirada de un dado, no pueden salir el 1 y el 5, en el mismo lanzamiento.
Espacio de sucesos (S): Conjunto de todos los sucesos aleatorios.
Ejemplo: En el caso del lanzamiento de una moneda, E = {C, X}
Sucesos con 0 elementos:
Sucesos con 1 elemento: {C}, {X}
Sucesos con 2 elementos: {C, X}
De modo que el espacio de sucesos es: {, {C}, {X}, {C, X}}
En el caso del lanzamiento de dos monedas: E = {(C, C), (C, X), (X, C), (X, X)}, el espacio de sucesos
tiene ahora 16 elementos.
En el caso del lanzamiento del dado el espacio de sucesos es mucho ms amplio, 64 elementos
Propiedad: Si el espacio tiene n elementos, el espacio de sucesos tiene elementos. En el caso del dado,
el espacio muestral tena 6 elementos el espacio de sucesos tiene elementos. En el caso de la
moneda, el espacio muestral tena 2 elementos y el espacio de sucesos tiene elementos.
Espacio probabilstico asociado a un experimento aleatorio
Idea intuitiva de probabilidad
Medicin Experimental o Estadstica: Al realizar N pruebas de un experimento aleatorio se llama
frecuencia absoluta del suceso A, n(A), al n de veces que se ha verificado A. La frecuencia relativa de un
suceso A se define como el cociente entre su frecuencia absoluta y el n total de pruebas, es decir:

Ejemplo 1: Lanzar un dado 30 veces y calcula las frecuencia relativa del suceso obtener un 6.
Propiedades:
1) La frecuencia relativa de cualquier suceso, A, es un n racional del intervalo [0,1], es decir 0 f(A) 1
2) f(E) = 1, la frecuencia relativa del suceso seguro es 1.
3) Si A B = f (A B) = f(A) + f(B), es decir si dos sucesos son incompatibles la frecuencia relativa
de su unin es la suma de sus frecuencias relativas.
Si el experimento se repite un nmero grande de veces, el valor de la Frecuencia Relativa se aproximar
a la medicin probabilstica P del evento A. Por ejemplo, si lanzo 100 veces una moneda, el nmero de
veces que obtengo cara es cercano a 50, o sea la Frecuencia Relativa es cercana al 50%. Decimos que la

Probabilidades Pgina 1
frecuencia relativa tiende a estabilizarse. Esto quiere decir que la frecuencia relativa toma valores
prximos a un n fijo, y que segn aumenta el n de pruebas ms se acerca a ese valor. A dicho valor es al
que llamaremos la probabilidad (Ley de los grandes nmeros) de A, p(A)

Esta forma de asignar probabilidades tiene el inconveniente de puede variar de unas series a otras, a pesar
de la estabilidad de las frecuencias.
Probabilidad de Laplace: Si en un experimento aleatorio los sucesos son equiprobables (todos los
sucesos elementales son igualmente posibles), entonces, la probabilidad de que el evento A ocurra, esta
dado por la expresin:

Se conoce como la Regla de Laplace, el n obtenido es la probabilidad a priori o de Laplace. A partir de

esta definicin las probabilidades de los posibles resultados del experimento se pueden determinar a priori,
es decir, sin realizar el experimento.
Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que cumplir dos requisitos:
a) El nmero de resultados posibles (sucesos) tiene que ser finito. Si
hubiera infinitos resultados, al aplicar la regla "casos favorables / casos
posibles" el cociente siempre sera cero.
b) Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar
un dado, algunas caras tuvieran mayor probabilidad de salir que otras, no
podramos aplicar esta regla.
Ejemplo 2: Lanzamos un dado normal al aire. Consideramos el suceso, A =
sale par, calcular p(A). Casos posibles, hay 6 = {1, 2, 3, 4, 5, 6}
Casos favorables al suceso = {2, 4, 6}
Por lo tanto p(A) = 3/6 =
Ejemplo 3: Se lanzan dos dados interesa observar el producto del puntaje obtenido en los dados, es decir:
A = {producto del puntaje de los dados}
Casos posibles son los indicados en la tabla
La probabilidad de obtener un 12 ser:
El inconveniente que plantea la definicin de Laplace es que necesariamente los sucesos elementales
tienen que tener la misma probabilidad de ocurrir. Veamos un caso sencillo:
Ejemplo 4: De una urna que contiene 8 fichas rojas, 5 amarillas y 7 verdes se extrae una ficha al azar.
Calcula la probabilidad de que la ficha extrada sea: a) Roja, b) Verde c) Amarilla
El espacio muestral en este caso es E = {roja, amarilla, verde}, que consta de slo 3 elementos, pero las
probabilidades no son p(R) = p(A) = p(V) =1/3 porque intuitivamente vemos que hay ms posibilidades de
que salga una ficha roja, que una amarilla.
Se deduce de la definicin lo siguiente:
0 P(A) 1 La medicin probabilstica es un nmero real entre 0 y 1, inclusive, 0% P(A) 100% en
porcentaje.
Un suceso es seguro, si la probabilidad de que ocurra es 1. (P(E) = 1)
Un suceso es imposible si la probabilidad de que ocurra es 0. (P() = 0)
Operaciones con sucesos: Si realizamos un experimento aleatorio y consideramos varios sucesos A, B,
C, etc., asociados a dicho experimento, podemos realizar varias operaciones entre ellos.
1) Igualdad de sucesos: Dos sucesos A y B son iguales si estn compuesto por los mismos elementos. Lo
expresamos como A = B.
2) Interseccin de sucesos: La interseccin de dos sucesos A y B, corresponde al suceso formado por los
elementos comunes de A y B, es decir, el resultado del experimento es a la vez un elemento de A y un
elemento de B, simultneamente y se simboliza (A B).
Ejemplo 5: En la tirada de un dado, sea A = sacar un nmero par = {2, 4, 6} y B = sacar un nmero
entre 2 y 4 inclusive = {2, 3, 4} el suceso A B es tal que ocurren A y B a la vez A B = {2, 4} El
suceso A B son los elemento comunes a los conjuntos A y B. Si A y B son eventos mutuamente
excluyentes, su interseccin es el evento nulo, es decir A B =
Ejemplo 6: Se definen los siguientes sucesos, relacionados con el lanzamiento de un dado, A: El nmero
obtenido es impar = {1, 3, 5} y B: El nmero obtenido es menor que 3 = {1, 2}, entonces AB = {1}

Probabilidades Pgina 2
Ejemplo 7: Se definen los siguientes sucesos A: Un trabajador pertenece a la empresa X y B: Un
trabajador es chileno, entonces A B = Un trabajador chileno pertenece a la empresa X.
Sucesos mutuamente excluyentes o incompatibles: Cuando no pueden ocurrir al mismo tiempo. Cuando
la posibilidad de que ocurra uno excluye la ocurrencia del otro (no pueden ocurrir en forma simultnea).
No se pueden obtener simultneamente un 3 y un 4 con el lanzamiento de un solo dado: o se obtiene un 3
o un 4. Por ejemplo en la tirada de un dado, el suceso A = sale un nmero par y B = sale un nmero
impar. Esto significa que la probabilidad de que A y B ocurran al mismo tiempo es 0 (reiteramos: es
IMPOSIBLE que ambos ocurran simultneamente) y lo simbolizamos as:
p(A B) = 0 y
La probabilidad de que ocurra una serie de sucesos mutuamente excluyentes es igual a la suma de las
probabilidades de los sucesos que lo forman. Si los sucesos son: A y B, p(A) + p(B) = 1
3) Unin de sucesos: La unin de dos sucesos A y B, incluye todos los resultados posibles de A y B, es
decir, el resultado del experimento es un elemento de A, un elemento de B o de ambos a la vez. Es decir
A B son los elementos que estn en ambos conjuntos (aunque no necesariamente en los dos a la vez).
Ejemplo 8: Se definen los siguientes sucesos relacionados con el lanzamiento de un dado A: El nmero
obtenido es par = {2, 4, 6} y B: El nmero obtenido es mayor que 2 = {3, 4, 5, 6}, entonces
= {2, 3, 4, 5, 6}
Probabilidad de la unin de dos sucesos:
La probabilidad de que ocurra la unin de dos sucesos excluyentes entre s, est dado por la expresin:

La probabilidad de que ocurra la unin de dos sucesos no excluyentes, est dada por la expresin:

La interseccin de dos conjuntos siempre es menor que la unin, y de hecho es menor que el propio
conjunto. Escrito matemticamente:

El smbolo significa contenido o que el primer conjunto es un subconjunto del segundo.

4) Complemento de un suceso: (suceso contrario a otro) El complemento de un suceso A, considera
todos los elementos que no pertenecen a A, se simbolizado como: . Por definicin
A y Ac son mutuamente excluyentes, es decir su interseccin es el suceso nulo, ya que no tienen elementos
en comn. En la tirada de un dado, se definen los siguientes sucesos.
A = sacar un nmero par = {2, 4, 6} por lo tanto = {1, 3, 5}.
B = sacar un nmero entre 2 y 4(inclusive)= {2, 3, 4}, de modo que = {1, 5. 6}
Propiedades del complemento de un suceso: Dado un suceso A y su complemento Ac:
a) A Ac = b) A U Ac = E c) P(A) + P(Ac) = 1
5) Diferencia de sucesos: Si A y B son dos sucesos, llamaremos diferencia entre A y B al suceso B A,
que consta de los elementos que estn en B, pero no estn en A. Por ejemplo, si A = {2, 4, 6}, y
B = {2, 3, 4}, tenemos que: B A = {3} se cumple que:
B A = B A B y tambin que B A = B. No se debe confundir con una simple resta como
operacin numrica, sino que es una diferencia conjuntista, quitar los elementos comunes a dos conjuntos.
Leyes de Morgan: Dados dos sucesos A y B, y sus complementos Ac y Bc, respectivamente, se tiene:

Adems:

Definicin axiomtica de probabilidad: Una probabilidad p es una funcin que asocia a cada suceso A
del espacio de sucesos S, un nmero real p(A), es decir: p: SR y que cumple las propiedades:
1. 0 P(A) 1 La medicin probabilstica es un nmero real entre 0 y 1, inclusive, 0% P(A) 100%
2. Un suceso es seguro, si la probabilidad de que ocurra es 1. P(E) = 1
Un suceso es imposible si la probabilidad de que ocurra es 0. P() = 0
3. Si A y B son incompatibles, es decir A B = , entonces p(A B)= p(A) + p(B) (es decir la
probabilidad de la unin es la suma de las probabilidades si los sucesos tienen interseccin vaca)
probabilidad de (A o B) = p(A) + p(B)
4. La probabilidad de que ocurra A + probabilidad de que no ocurra A = 1
5. La probabilidad de la ocurrencia de dos eventos independientes es el producto de las probabilidades de
los eventos por separado.
Probabilidades Pgina 3
Consecuencias de la definicin de probabilidad: Consecuencias de la definicin de probabilidad:
1. p( )=1 p(A)
En efecto, puesto que E = A y adems A y son incompatibles, resulta por la propiedad de la
definicin que
p(E) = p(A ) = p(A) + p( )
Como, p(E) = 1, luego 1 = p(A)+ p( ) y por tanto p( ) = 1 p(A).
2. p() = 0
Como = , resulta que:
p( )= p() = 1 p(E) = 1 1= 0
3. Si A y B son dos sucesos cualesquiera,
p(A B)= p(A)+ p(B) p(A B)
4. Si A, B y C son tres sucesos cualesquiera,
p(A B C)= p(A)+ p(B)+ p(C) p(A B) p(A C) p(B C)+ p(A B C)
Probabilidad condicional: Se llama probabilidad condicional a la probabilidad que ocurra A con la
condicin de que antes haya ocurrido B, se simboliza con p(A/B). Una manera de interpretar la
probabilidad condicional es como la proporcin que representa el suceso A del B. Los casos totales son
ahora los de B, y los casos favorables son los que ocurra A pero tambin B. La probabilidad condicional
es entonces el cociente entre la probabilidad de que ocurra A y B y la probabilidad de que ocurra B.

Ejemplo 9: Experimento aleatorio de lanzar un dado y observar el nmero que sale. Consideremos los
sucesos B = sale un 4. Evidentemente, p(B) = 1/6 Ahora bien, variara esta probabilidad si al lanzar el
dado alguien pasa por all y nos dice que ha salido un nmero par? Disponemos entonces de una
informacin adicional, A = {2, 4, 6}. Hemos reducido nuestro espacio muestral, que ahora slo consta de
3 elementos y tenemos que cambiar las probabilidades asignadas.
Ahora el suceso B no tiene una posibilidad entre 6 de ocurrir, sino una entre tres, es decir, p(B)= 1/3 Esta
es la idea de la probabilidad condicionada: La informacin obtenida A, modifica la probabilidad de B. Lo
expresaremos as: p(B/A)= 1/3 y se lee probabilidad de B condicionada a A o probabilidad de B
conociendo A.
P(A) = P (AB) = 1/6 y P(B/A) = 1/6: = 1/3
Ejemplo 10: Sean los sucesos, A: Al sacar un naipe de un mazo obtener un 2 y B: Al sacar un naipe de un
mazo obtener un trbol, entonces P(B/A) es la probabilidad de que al sacar un 2 de un mazo, sea un trbol:
o sea
Sucesos Independientes: Suceso que no es afectado por un suceso anterior. Al lanzar una moneda, un
dado, una perinola, o extraer un bolillero con reposicin. En cualquiera de estos casos, un suceso (el
resultado de un lanzamiento o de una extraccin) no es afectado por un suceso anterior ni tampoco afecta a
un suceso posterior. Si A y B son sucesos independientes, se verifica:
P(AB) = P(A) . P(B) P(A/B) = P(A)
A esta frmula se la conoce como ley multiplicativa.
Si A y B son sucesos independientes p (A B) = p (A). p (B)
Adems:
Si , A es dependiente de B
Si , B es dependiente de A
Si P(A) = 0, entonces A es independiente de cualquier otro suceso.
es independiente de cualquier otro suceso.
Ejemplo 11: En el lanzamiento de un dado, consideremos los sucesos: B = sacar un nmero par y
A = sacar un nmero menor o igual que 2 Es claro que B = {2, 4, 6} y A = {1, 2}. Calculemos la
probabilidad de B conociendo que se ha realizado el suceso A, es decir, p(B/A).
Utilizando la frmula: p(B/A)= p(A B)/p(A)= (1/6)/(1/3)=
Puesto que p(A B)=p (sacar par y menor o igual que 2)=1/6 y p(A)=1/3 Pero si no conocisemos la
informacin A, cul sera la probabilidad de B? p(B)=p(sacar par)=3/6 =0,5, es decir que p(B/A)=p(B), y
por tanto el conocer la informacin A no modifica la probabilidad de B. Cuando esto ocurre es decir,
cuando p(B/A)= p(B), diremos que los sucesos A y B son independientes (el hecho de que ocurra A no
modifica la probabilidad de B).
Probabilidades Pgina 4
Ejemplo 12: Al extraer dos cartas de una baraja inglesa (52 cartas), con reposicin, se definen los
siguientes sucesos, A: Que la primera carta sea as, B: Que la segunda carta sea as; C: Que la primera carta
sea rey. Determinar:
a) b)
a) A y B son sucesos independientes, ya que el resultado de la segunda extraccin, no depender del
resultado obtenido, en la primera extraccin. El resultado del experimento es un elemento de A y un
elemento de B o de ambos a la vez.
b) Los sucesos A y B son mutuamente excluyentes.
En sntesis:

Probabilidad compuesta: Si dos sucesos son dependientes, la probabilidad de que ocurran

simultneamente es igual a la probabilidad de que ocurra uno de ellos, multiplicado por la probabilidad de
que ocurra el otro, dado que ocurri el primero:
Es decir:
P(A y B) = P(A B) = P(B) P(A/B) y P(A y B) = P(A) P(B/A)
Ejemplo 13: Al extraer, sin reposicin, dos naipes de una baraja inglesa, la probabilidad de que ambos
sean de color rojo es: 25/102, ya que la probabilidad de extraer un naipe rojo en la primera extraccin es
y la probabilidad de extraer un naipe rojo en la segunda extraccin, dado que en la primera extraccin se
obtuvo naipe rojo, es 25/51, de ac de deduce que . 25/51 = 25/102.
Ejemplo 14: Se extraen 2 cartas, sucesivamente, de una baraja de 40. Calcular la probabilidad de extraer 2
sotas. Sea A=sacar sota en la 1 y B = sacar sota en la 2.
Nos piden P(A B).
Segn la frmula anterior, P(A B)= P(A) P(B/A). Ahora bien, P(A)= 4/40 = 1/10 y P(B/A) = 3/39 =
1/13, por lo que P(A y B) = 1/10 1/13 = 1/130
Diagrama de rbol: Un diagrama de rbol corresponde a una representacin grafica de un experimento
que tiene varias etapas. Cada una de las etapas tiene un nmero finito de posibilidades, las cuales son
representadas mediante ramas. El nmero total de posibilidades del experimento se obtienen contando las
ramas finales del rbol. En cada rama situamos la probabilidad que le
corresponde al suceso del final de dicha rama. Estas probabilidades que se
van poniendo en el rbol son probabilidades condicionadas, porque
dependen de los resultados anteriores. En el caso del ejercicio anterior, el
diagrama sera:
Ejemplo 15: Se tiene una urna con tres fichas rojas y dos verdes. Calcular
la probabilidad de obtener dos fichas del mismo color en dos extracciones
sucesivas, sin reemplazo, basta con determinar los casos favorables a este
suceso, los cuales se los puede extraer del siguiente diagrama:

La probabilidad de obtener fichas del mismo color es 2/5:

Ejemplo 16: Tenemos dos urnas, una con 7 bolas rojas y 2 azules, y otra con 3 bolas rojas y 8 azules.
Tiramos un dado. Si nos sale un 3 o un 5, sacamos una bola de la primera urna y en caso contrario,
sacamos una bola de la segunda urna. Cul es la probabilidad de que la bola extrada sea azul?
Probabilidades Pgina 5
Evidentemente estamos realizando un experimento compuesto. En primer lugar, se trata de elegir una
urna, para lo cual lanzamos un dado. Si U1= elegir la urna 1 y U2= elegir la urna 2, es claro que
p(U1)=2/6= 1/3 y p(U2)=4/6 = 2/3. Por otra parte, luego realizamos otro
experimento consistente en sacar una bola de la urna elegida. Si A=
sacar una bola azul, las probabilidades que conocemos son:
p(A/U1)= 2/9 y p(A/U2)= 8/11 Lo que nos piden es p(A). Para calcular
dicha probabilidad, si representamos el diagrama de rbol: Como la
probabilidad de A depende de la urna en la que estemos, basta
multiplicar las probabilidades de cada rama que llegue a la bola azul y
luego sumar los 2 resultados, es decir:
p(A)= 2/6 2/9 + 4/6 8/11 = 4/54 + 32/66 = 166/297 =0,559
Triangulo de Pascal: Tambin llamado tringulo de Tartaglia, por su creador
El triangulo de Pascal es un triangulo formado por los nmeros enteros positivos. Se puede utilizar para
calcular la probabilidad de ocurrencia de un cierto suceso en un experimento dado.
Caractersticas del triangulo de Pascal:
Todas las filas del triangulo comienzan y terminan por la unidad, y son simtricas respecto al valor
central.
Cada nmero del triangulo corresponde a la suma de los dos nmeros ubicados arriba de l. Estos
coeficientes representan la cantidad de casos favorables de un determinado suceso.
La suma de todos los elementos de cada fila corresponde al valor 2n, siendo n, el orden de la fila. Este
valor indica la cantidad de casos posibles de un determinado suceso.
Se puede seguir su construccin de manera infinita.

Ejemplo 17: Determinar la probabilidad de obtener igual nmero de caras (C) y sellos (S) al lanzar cuatro
monedas.
Como son 4 monedas se construye el triangulo hasta la fila de orden
4, es decir 24. Luego la cantidad de casos posibles de este suceso es
16. Arbitrariamente, se elige de izquierda a derecha, que el primer 1
de la fila de orden 4, representar la probabilidad de que salga una
vez 4C. Luego al avanzar hacia la derecha se tienen 4 casos en los
cuales se obtiene 3C y 1S; 6 casos con 2C y 2S (probabilidad
buscada); cuatro casos con 1C y 3S y finalmente un caso con 4S.
Entonces, la probabilidad de obtener el mismo nmero de caras y
sellos es de 6/16 = 0,375
Teorema de la probabilidad total: Si A1, A2,..., An son sucesos incompatibles 2 a 2, y cuya unin es el
espacio muestral (A1 A2 ... An = E), y B es otro suceso, resulta que:
P(B)= P(A1) P(B/A1)+ P(A2) P(B/A2)+ ...+ P(An) P(B/An)
Nota: El conjunto A1, A2,...,An que verifica la incompatibilidad 2 a 2 y
que la unin de todos ellos es el espacio muestral se denomina sistema
completo de sucesos y este sistema divide el espacio muestral en partes
que no se solapan. Mediante representacin grfica:
Ejemplo 18: Para el ejemplo 13, A1 = sacar la bola de la urna 1. A2=
sacar la bola de la urna 2. B= sacar bola azul. Y aplicando el teorema:
P(B)= P(A1) P(B/A1)+ P(A2) P(B/A2)= 2/6 2/9 + 4/6 8/11 = 4/54 + 32/66 = 166/297=0,559
Ejemplo 19: En un colegio se imparten slo los idiomas ingls y francs. El 80% de los alumnos estudian
ingls y el resto francs. El 30% de los alumnos de ingls son socios del club musical del colegio y de los

Probabilidades Pgina 6
que estudian francs son socios de dicho club el 40%. Se elige un alumno al azar. Calcular la probabilidad
de que pertenezca al club musical. En estos problemas es importante
elegir el sistema completo de sucesos. En este caso: A1 = estudiar
ingls A2 = estudiar francs B= ser del club musical
Nos piden P(B). Por el teorema anterior:
P(B)= P(A1) P(B/A1)+ P(A2) P(B/A2)= 80/100 30/100 + 20/100
40/100 = 8/25

El teorema de Bayes.
Como consecuencia del teorema de la probabilidad total y de las propiedades de la probabilidad
condicionada, resulta este importante teorema que permite calcular probabilidades condicionadas.
Si A1, A2,..., An son sucesos incompatibles 2 a 2, y cuya unin es el espacio muestral
(A1 A2 ... An = E), y B es otro suceso, resulta que:

Ejemplo 20: Dos cursos, uno de 28 alumnos y otro de 35 alumnos hacen conjuntamente un examen de
Matemticas. La probabilidad de aprobar de los alumnos de la primer curso es de 0,68 y los de la segundo
del 0,73. Se toma un examen al azar y resulta que est aprobado. Cul es la probabilidad de que sea de un
alumno de la 1 curso? Sea A1= el examen es de un alumno de la primer
curso
A2= el examen es de un alumno del segundo curso
B= el examen est aprobado
Nos piden P(A1/B). Por el teorema de Bayes:
P(A1/B)= P(A1) P(B/A1)/P(A1) P(B/A1)+ P(A2) P(B/A2)
Sustituyendo:
P (A1/B)= 28/63 0,68/(28/63 0,68 + 35/63 0,73) = 0,302/0,708 =0,427
P(A1) es la probabilidad a priori, es decir , antes de realizar el
experimento y careciendo de informacin. En este caso P(A1)= 28/63 =0,444.
P(A1/B) es la probabilidad a posteriori, despus de realizarlo y conocer m as informacin. En este caso
P(A1/B)=0,427 (es algo menor).
Ejemplo 21: En un cierto edificio se usan dos ascensores; el primero lo usan el 45% de los inquilinos y el
resto usan el segundo. En el primero el porcentaje de fallos es del 5%,
mientras que en el segundo es del 8%. Si en un cierto da un inquilino
queda atrapado, en un ascensor, hallar la probabilidad de que haya sido
en el primero.
Aplicando el teorema de la probabilidad total tenemos:
P(de que un ascensor falle) = P(A).P(F/A) + P(B).P(F/B) = 0,45.0,05 +
0,55. 0,08 = 0,0665
Aplicamos ahora el teorema de Bayes:
P(de ser atrapado en el 1) = P(utilizar A/condicionado a que falle) =
P(A/F)

Ejemplo 22: Se extrae una carta al azar de un mazo de 40 cartas espaolas y resulta ser una espada Cul
es la probabilidad de que sea el as de espadas?
A = sale una espada p(A) = B = sale el as de espada p(B) = 1/40

Ejemplo 23: De un mazo de 40 cartas espaolas extraemos dos sin reposicin Cul es la probabilidad de
que las dos sean de oro?
A = la primera carta es oro B = la segunda carta es oro

Probabilidades Pgina 7
Ejemplo 24: En la caja A hay dos monedas de oro y una de plata. En la caja B hay tres de plata y una de
oro. Se tira una moneda, si sale cara, se abre la caja A y si sale ceca se abre la B. Cul es la probabilidad
de extraer una moneda de oro? p(oro) = 11/24
Ejemplo 25: Si ahora le preguntramos: si se sabe que la moneda extrada es de oro Cul es la
probabilidad de haber abierto la caja A?
Ejemplo 26: Una persona puede retornar de su trabajo a su casa por dos caminos diferentes: A o
B. Elige la ruta al azar, de acuerdo a su variable estado de nimo. La experiencia indica que utiliza el
camino A un tercio de las veces. Si utiliza el camino A llega a su casa antes de las 18 hs. el 75%de las
veces. Si utiliza el camino B llega antes de las 18 hs. el 70% de las veces.
a) Qu probabilidad hay de que un da cualquiera llegue a su casa antes de las 18?
b) Si se sabe que lleg a su casa antes de las 18 Qu probabilidad hay de que haya elegido el camino B?
Ejemplo 27: Un telgrafo enva seales de punto el 60% de las veces y raya el 40%. El 10% de las veces
que enva punto llega raya, y el 5% de las veces que enva raya, llega punto.
a) Cul es la probabilidad de que se reciba una raya?
b) Si se sabe que se recibi una raya Cul es la probabilidad de que se haya enviado un punto?
Problema 28: Dos mquinas automticas producen piezas idnticas que son colocadas en un
transportador comn. La primera mquina realiza los 2/3 de la produccin y la segunda el resto. La
primera produce un 60% de piezas sin defectos y la segunda un 84%.
a) Cul es la probabilidad de que una pieza que se toma del transportador resulte defectuosa?
b) Hallar la probabilidad de que esa pieza defectuosa haya sido producida por la segunda mquina.
Problema 29: Una caja contienen 10 piezas idnticas marcadas con los nmeros 1, 2, 10. Se escogen al
azar 6 piezas. Hallar la probabilidad de que entre las piezas extraas resulte:
a) Las piezas N 1 b) Las piezas N 1 y N 2
Problema 30: En una caja hay 15 piezas, de las cuales 10 estn pintadas. Un operario extrae al azar 3
piezas. Hallar la probabilidad de que las piezas extradas resulten pintadas.
Problema 31: Entre 100 fotografas de un sobre se encuentra la foto buscada. Del sobre se extrae al azar
10 fotos. Hallar la probabilidad de entre ellas se encuentre la foto buscada.
Problema 32: Una caja contiene 100 piezas, de las cuales 10 son defectuosas. Se extraen al azar 4 piezas
Cul es la probabilidad de que entre las piezas escogidas: a) no hay defectuosas b) no hay tiles?
Problema 33: Un dispositivo contiene 5 elementos, de los cuales 2 estn desgastados. Al poner en
funcionamiento el dispositivo, se conectan de manera aleatoria 2 elementos. Hallar la probabilidad de que
resulten conectados los elementos no desgastados.
Problema 34: Cada pregunta de un examen tiene dos respuestas alternativas de las que slo una es
correcta. Un alumno contesta al azar un examen de este tipo con tres preguntas.
a) Construya un espacio muestral adecuado a esta experiencia.
b) Calcule p(B), p(A B), p(C), p(B C), siendo A, B y C los siguientes sucesos:
A = El alumno contesta correctamente la primera pregunta
B = El alumno contesta correctamente dos de las tres preguntas
C = El alumno contesta correctamente las tres preguntas.
Vamos a designa por a el acierto, es decir contestar correctamente una pregunta y por f el fallo, el decir su
contrario. El espacio muestral tiene 8 elementos: E = {(aaa), (aaf), (afa), (aff), (faa), (faf), (ffa), (fff)}
p(B) = 4/8 = 1/2; p(A B) = 3/8; p(C) = 1/8; p(B C) = p(B) = 1/2, pues C B
Problema 35: La probabilidad de que una jugadora de golf haga hoyo en un lanzamiento a una cierta
distancia es 0,2. Si lo intenta 5 veces, calcular la probabilidad de que:
a) No acierte ninguna; b) Acierte alguna; c) Acierte 2 a) 0,85 b) 1 0,85 c)
Problema 36: En un cierto pas, el 99% de los detenidos y sometidos a juicio son culpables del delito que
se les imputa. Los jueces, al emitir veredicto, aciertan en el 95% de los casos, tanto si el acusado es
culpable como inocente. Segn estos datos, calclese la probabilidad de que:
a) Un ciudadano inocente haya sido declarado culpable. p = 0,00053
b) Sea culpable, si ha sido declarado inocente. p = 0,8389
26) a) 43/60 b) 28/43 27) a) 11/25 b) 3/32 28) a) 8/25 b) 1/6 29) a) b)

30) 31) 32) a) b) 33)

Probabilidades Pgina 8