Teoría de la probabilidad

PROBABILIDAD (1436)

TEMA 1
Introducción
El término probabilidad se refiere al estudio del azar y la incertidumbre en cualquier situación
en la cual varios posibles sucesos pueden ocurrir; la disciplina de la probabilidad proporciona
métodos para cuantificar las oportunidades asociadas con varios sucesos.
El estudio de la teoría de la probabilidad como una rama de las matemáticas se remonta más de
300 años, cuando nace en conexión con preguntas que implicaban juegos de azar. La teoría de la
probabilidad ha sido desarrollada para tratar con la posibilidad y hoy en día es reconocida como
una de las áreas más interesantes y útiles de las matemáticas.
Provee las bases para la ciencia mediante la inferencia estadística utilizada para el análisis de
datos obtenidos de procesos experimentales, por lo que se vuelve particularmente relevante
para las ciencias de la ingeniería actuales.
Espacios muestrales y eventos
Un fenómeno (experimento) es todo aquel acto o acción que se realiza con el fin de observar los
resultados y cuantificarlos.

Los fenómenos pueden clasificarse de acuerdo al tipo de resultados en:

Determinísticos: aquellos cuyos resultados se pueden predecir previamente.

Probabilísticos (aleatorios): aquellos para los que no se puede predecir con certeza el resultado.
Un experimento es cualquier acción o proceso cuyo resultado está sujeto a la incertidumbre, es
decir, que puede tener más de un resultado posible.
El objetivo de la teoría de probabilidad es proveer una estructura matemática para entender o
explicar las probabilidades o posibilidades de ocurrencia de los diversos resultados. Un primer
paso en el desarrollo de la teoría de probabilidad es la generación de una lista con los posibles
resultados del experimento. Esta colección de resultados es llamado Espacio Muestral y es
denotado por 𝒮.
Matemáticamente, el espacio muestral 𝒮 está definido como un conjunto que consiste en todos
los posibles resultados de un experimento.
Espacio muestral

Definición:

El espacio muestral de un experimento denotado por 𝒮, es el conjunto de todos los posibles

resultados de dicho experimento.
Ejemplo 1:
El experimento más simple al que se le aplica la probabilidad es uno con dos posibles resultados.
Tal experimento consiste en examinar un fusible para ver si está defectuoso. El espacio muestral
de este experimento se abrevia como
𝒮 = 𝑁, 𝐷
donde 𝑁 representa no defectuoso, 𝐷 representa defectuoso y las llaves se utilizan para
encerrar los elementos de un conjunto.

Otro experimento de este tipo consistiría en observar el sexo del siguiente niño nacido en un
hospital, teniendo
𝒮 = 𝐻, 𝑀
Ejemplo 2:
Si se examinan tres fusibles en secuencia y se anota el resultado de cada examen, entonces un
resultado del experimento es cualquier secuencia de letras 𝑁 y 𝐷 de longitud tres, por lo tanto,
𝒮 = 𝑁𝑁𝑁, 𝑁𝑁𝐷, 𝑁𝐷𝑁, 𝑁𝐷𝐷, 𝐷𝑁𝑁, 𝐷𝑁𝐷, 𝐷𝐷𝑁, 𝐷𝐷𝐷

Si se hubiera hacho la misma consideración para el caso en que se observan los sexos de tres
niños recién nacidos de un hospital, el espacio muestral se obtendría remplazando 𝑁 y 𝐷 por 𝐻 y
𝑀 de la expresión anterior.
Ejercicio 1:

Determine el espacio muestral del experimento en el cual se suman los números obtenidos
cuando un dado de 6 lados es lanzado dos veces.
Ejercicio 2:

Dos gasolineras están localizadas en cierta intersección. Cada una dispone de 6 bombas de
gasolina. Considérese el experimento en el cual se determina el número de bombas en uso a
una hora particular del día en cada una de las gasolineras. Un resultado experimental especifica
cuántas bombas están en uso en la primera gasolinera y cuántas bombas están en uso en la
segunda.

El espacio muestral 𝒮 consta de 49 resultados.

Evento
En el estudio de la probabilidad interesan no sólo los resultados individuales de 𝒮 sino también
varias recopilaciones de resultados de 𝒮.

Definición:
Un evento es cualquier recopilación (subconjunto) de resultados contenidos en el espacio
muestral 𝒮. Un evento es simple si consiste en exactamente un resultado y compuesto si
consiste en más de un resultado.

Cuando se realiza un experimento, se dice que ocurre un evento particular A si el resultado

experimental obtenido está contenido en A. En general, ocurrirá exactamente un evento simple,
pero muchos eventos compuestos ocurrirán al mismo tiempo.
Ejemplo 3:
Considérese un experimento en el cual cada uno de tres vehículos que toman una salida de una
autopista particular vira a la izquierda (L) o a la derecha (R) al final de la rampa de salida. Los ocho
posibles resultados que constituyen el espacio muestral son
𝒮 = 𝐿𝐿𝐿, 𝑅𝐿𝐿, 𝐿𝑅𝐿, 𝐿𝐿𝑅, 𝐿𝑅𝑅, 𝑅𝐿𝑅, 𝑅𝑅𝐿, 𝑅𝑅𝑅
Así pues existen ocho eventos simples, entre los cuales están
𝐸1 = 𝐿𝐿𝐿
𝐸5 = 𝐿𝑅𝑅
Algunos eventos compuestos incluyen
𝐴 = 𝑅𝐿𝐿, 𝐿𝑅𝐿, 𝐿𝐿𝑅
el evento en que exactamente uno de los tres vehículos vire a la derecha.
𝐵 = 𝐿𝐿𝐿, 𝑅𝐿𝐿, 𝐿𝑅𝐿, 𝐿𝐿𝑅
el evento en que cuando mucho uno de los vehículos vire a la derecha.
Ejercicio 3:

Cuando se observa el número de bombas en uso en cada una de las gasolineras de 6 bombas,
existen 49 posibles resultados, por lo que existen 49 eventos simples:
𝐸1 = 0, 0
𝐸2 = 0, 1
𝐸49 = 6, 6
Ejemplos de eventos compuestos son:
El evento en que el número de bombas en uso es el mismo en ambas gasolineras.
El evento en que el número total de bombas en uso es cuatro.
El evento en que a lo sumo una bomba está en uso en cada gasolinera.
 Algunas relaciones de la teoría de conjuntos
Un evento es simplemente un conjunto, así que las relaciones y resultados de la teoría elemental de
conjuntos pueden ser utilizados para estudiar eventos. Se utilizarán las siguientes operaciones para
crear eventos nuevos a partir de eventos dados.

Definición:
1. El complemento de un evento 𝐴, denotado por 𝐴’, es el conjunto de todos los resultados en 𝒮
que no están contenidos en 𝐴.
2. La unión de dos eventos 𝐴 y 𝐵, denotados por 𝐴 ∪ 𝐵 y leídos “𝐴 𝑜 𝐵”, es el evento que consiste
en todos los resultados que están en 𝐴 o en 𝐵 o en ambos eventos (de tal suerte que la unión
incluya resultados donde tanto 𝐴 como 𝐵 ocurren, así también resultados donde ocurre
exactamente uno), es decir, todos los resultados en por lo menos uno de los eventos.
3. La intersección de dos elementos 𝐴 y 𝐵, denotada por 𝐴 ∩ 𝐵 y leída “𝐴 y 𝐵”, es el evento que
consiste en todos los resultados que están tanto en 𝐴 como en 𝐵.
Ejemplo 4:
En el experimento en el cual se observa el número de bombas en uso en una sola gasolinera de seis bombas, sea
𝐴 = 0, 1, 2, 3, 4 , 𝐵 = 3, 4, 5, 6 y 𝐶 = 1, 3, 5 . Entonces

𝐴′ = 5, 6

𝐴 ∪ 𝐵 = 0, 1, 2, 3, 4, 5, 6 = 𝒮

𝐴 ∪ 𝐶 = 0, 1, 2, 3, 4, 5

𝐴 ∩ 𝐵 = 3, 4

𝐴 ∩ 𝐶 = 1, 3

′
𝐴∩𝐶 = 0, 2, 4, 5, 6
En ocasiones 𝐴 y 𝐵 no tienen resultados en común, por lo que la intersección de 𝐴 y 𝐵 no
contiene resultados.

Definición:
Que ∅ denote el evento nulo (el evento sin resultados). Cuando 𝐴 ∩ 𝐵 = ∅, se dice que 𝐴 y 𝐵
son eventos mutuamente excluyentes o disjuntos.
Ejemplo 5:

En una pequeña ciudad hay tres distribuidoras de automóviles: un distribuidor GM que vende
Chevrolets, Buiks y Pontiacs; un distribuidor Ford que vende Fords y Mercurys; y un distribuidor
Chrysler que vende Plymouths y Chryslers. Si un experimento consiste en observar la marca del
siguiente auto vendido, entonces los eventos 𝐴 = 𝐶ℎ𝑒𝑣𝑟𝑜𝑙𝑒𝑡, 𝑃𝑜𝑛𝑡𝑖𝑎𝑐, 𝐵𝑢𝑖𝑐𝑘 y 𝐵 =
𝐹𝑜𝑟𝑑, 𝑀𝑒𝑟𝑐𝑢𝑟𝑦 son mutuamente excluyentes porque el siguiente carro vendido no puede ser
tanto un producto GM como un producto Ford.
Las operaciones de unión e intersección pueden ser ampliadas a más de dos eventos. Para tres
eventos cuales quiera 𝐴, 𝐵 y 𝐶, el evento 𝐴 ∪ 𝐵 ∪ 𝐶 es el conjunto de resultados contenidos en
por lo menos uno de los tres eventos, mientras que 𝐴 ∩ 𝐵 ∩ 𝐶 es el conjunto de resultados
contenidos en los tres eventos. Se dice que los eventos dados 𝐴1 , 𝐴2 , 𝐴3 , … son mutuamente
excluyentes (disjuntos por pares) si ninguno de dos eventos tienen resultados en común.

Con diagramas de Venn se obtiene una representación pictórica de eventos y manipulaciones

con eventos.

Para construir un diagrama de Venn se traza un rectángulo cuyo interior representará el espacio
muestral 𝒮. En tal caso cualquier evento A se representa como el interior de una curva cerrada
(a menudo un círculo) contenido en 𝒮.
En perspectiva…
Al conjunto de todos los posibles resultados de un experimento aleatorio se le denomina Espacio
Muestral o Espacio de Eventos (𝓢).
A cada posible resultado del espacio le llamaremos Elemento.
Un Evento en general es un conjunto de eventos simples (o posibles resultados del experimento).
Si el evento está compuesto por un único elemento le llamaremos Evento Simple.
Si el evento no tiene ningún resultado posible se le denomina Evento Vacío.

El espacio de eventos puede ser Finito o Infinito y a su vez Discreto o Continuo.

Eventos mutuamente excluyentes si tienen dos o más eventos que pertenecen al mismo espacio
muestral, al realizar el experimento solo puede ocurrir uno u otro pero no simultáneamente.

Eventos colectivamente exhaustivos: si la unión de los eventos es igual al espacio de eventos.

Eventos mutuamente excluyentes y colectivamente exhaustivos: particiones.

Axiomas, interpretaciones y propiedades de la
probabilidad
La probabilidad es el grado de certeza que se tiene de que ocurrirá un evento específico de los
que conforman el espacio muestral de un experimento aleatorio.
Dados un experimento y un espacio muestral 𝒮, el objetivo de la probabilidad es asignar a cada
evento 𝐴 un número 𝑃(𝐴), llamado la probabilidad del evento 𝐴, el cual dará una medida
precisa de la oportunidad de que 𝐴 ocurra.

Existen diferentes interpretaciones del concepto de probabilidad:

Subjetiva
Clásica
Frecuentista
Subjetiva:

La probabilidad de un evento es el grado de certidumbre que tiene una persona, o grupo de

personas, acerca de la ocurrencia de un evento.
Puede ser que se base en su propia experiencia o en cierta información disponible.
Una probabilidad igual a cero (0%) indica una certeza absoluta de que el evento no ocurrirá, y
una probabilidad igual a 1 (100%) indica una certeza absoluta de que el evento ocurrirá.

Ejemplo:
◦ Está nublado, por tanto hay un 50% de probabilidad de lluvia.
Clásica:

Sea 𝑛 𝑆 el número de elementos, igualmente posibles y mutuamente excluyentes, del espacio

muestral 𝒮 de un experimento aleatorio, y sea 𝑛 𝐴 el número de elementos de un evento
cualquiera 𝐴 de ese espacio muestral.
La probabilidad de que ocurra el evento 𝐴 al realizar el experimento, es la proporción de 𝑛 𝐴
con respecto a 𝑛 𝑆 .
𝑛 𝐴
𝑃 𝐴 =
𝑛 𝒮
Ejemplo:
Si en un lote de autos hay 40 Ferrari’s y 30 Lamborghini’s, la probabilidad de que al seleccionar
una llave para conducir un auto, la elección sea la llave de un Ferrari es de 4 7
Frecuentista:
Si un experimento aleatorio se ejecuta 𝑛 veces bajo las mismas condiciones, y 𝑚 de los resultados son
favorables al evento 𝐴, la probabilidad de que ocurra el evento 𝐴 al realizar nuevamente el experimento es:
𝑚
𝑃 𝐴 = lim
𝑛→∞ 𝑛

Una forma común de calcular la probabilidad de un evento 𝐴 desde el punto de vista frecuentista es
dividiendo al número de veces que ocurre 𝐴, a lo que llamaremos 𝑛 𝐴 ; entre el número total de
experimentos efectuados, a lo que llamaremos 𝑛 𝑆 o simplemente 𝑛.
𝑛 𝐴
𝑃 𝐴 = (𝑓𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎)
𝑛 𝒮
Ejemplo:
En un sorteo del Servicio Militar Nacional, se tiene una urna con un número desconocido de bolitas negras,
blancas y azules. Al sacar 100 bolitas, se observaron 10 azules, 25 blancas y 65 negras. La probabilidad de
que le toque marchar en el ejército es 1 4
Para garantizar que las asignaciones serán consistentes con las nociones intuitivas de la
probabilidad, todas las asignaciones deberán satisfacer los siguientes axiomas (propiedades
básicas) de probabilidad.
Axioma 1:
Para cualquier evento 𝐴, 𝑃(𝐴) ≥ 0
Axioma 2:
𝑃 𝒮 =1
Axioma 3:
Si 𝐴1 , 𝐴2 , 𝐴3 , … es un conjunto de eventos mutuamente excluyentes , entonces
∞

𝑃 𝐴1 ∪ 𝐴2 ∪ 𝐴3 ∪ ⋯ = 𝑃 𝐴𝑖
𝑖=1
Proposición:
𝑃 ∅ = 0 donde ∅ es el evento nulo (el evento que no contiene resultados en absoluto). Esto a
su vez implica que la propiedad contenida en el axioma 3 es válida para un conjunto finito de
eventos.

Proposición:
Para cualquier evento 𝐴, 𝑃 𝐴 + 𝑃 𝐴′ = 1, a partir de la cual 𝑃 𝐴 = 1 − 𝑃 𝐴′ .
Ejemplo 6:
Considere un sistema de cinco componentes idénticos conectados en serie.
Denote un componente que falla por 𝐹 y uno que no lo hace por 𝐸 (éxito). Sea 𝐴 el evento en que el
sistema falla; para que ocurra 𝐴, por lo menos uno de los componentes individuales debe fallar (existen 31
resultados diferentes en 𝐴). 𝐴’ es el evento en que el sistema funciona y consiste únicamente en el
resultado único 𝐸𝐸𝐸𝐸𝐸.
Si se le asigna una probabilidad a los componentes de 90% de que no ocurra una falla y se considera que
los componentes lo hacen independientemente uno del otro, entonces se puede expresar lo siguiente
𝑃 𝐴′ = 𝑃 𝐸𝐸𝐸𝐸𝐸 = 0.95 = 0.59
De manera que
𝑃 𝐴 = 1 − 𝑃 𝐴′ = 1 − 0.59 = 0.41
Por tanto, entre un gran número de sistemas como ése, se espera que aproximadamente 41% fallarán.
Proposición:
Para cualquier evento 𝐴, 𝑃(𝐴) ≤ 1.

Proposición:
Para dos eventos cualesquiera 𝐴 y 𝐵
𝑃 𝐴∪𝐵 =𝑃 𝐴 +𝑃 𝐵 −𝑃 𝐴∩𝐵
Proposición:
Para tres eventos cualesquiera 𝐴, 𝐵 y 𝐶,
𝑃 𝐴∪𝐵∪𝐶 = 𝑃 𝐴 +𝑃 𝐵 +𝑃 𝐶 −𝑃 𝐴∩𝐵 −𝑃 𝐴∩𝐶 −𝑃 𝐵∩𝐶 +𝑃 𝐴∩𝐵∩𝐶
Ejemplo 7:
En cierto suburbio residencial, 60% de las familias se suscriben al periódico en una ciudad
cercana, 80% lo hacen al periódico local y 50% de todas las familias a ambos periódicos. Si se
elige una familia al azar, ¿cuál es la probabilidad de que se suscriba a
1. Por lo menos a uno de los dos periódicos, y
2. Exactamente a uno de los dos periódicos?
Con 𝐴 = 𝑠𝑒 𝑠𝑢𝑠𝑐𝑟𝑖𝑏𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜 𝑚𝑒𝑡𝑟𝑜𝑝𝑜𝑙𝑖𝑡𝑎𝑛𝑜 y 𝐵 = 𝑠𝑒 𝑠𝑢𝑠𝑐𝑟𝑖𝑏𝑒 𝑎𝑙 𝑝𝑒𝑟𝑖ó𝑑𝑖𝑐𝑜 𝑙𝑜𝑐𝑎𝑙 ,
la información dada implica que 𝑃 𝐴 = 0.6, 𝑃 𝐵 = 0.8 y 𝑃 𝐴 ∩ 𝐵 = 0.5
La proposición precedente ahora lleva a
P(se suscribe a por lo menos uno de los dos periódicos)
= 𝑃 𝐴 ∪ 𝑈 = 𝑃 𝐴 + 𝑃 𝐵 − 𝑃 𝐴 ∩ 𝐵 = 0.6 + 0.8 − 0.5 = 0.9
El evento en que una familia se suscribe a sólo el periódico local se escribe como 𝐴′ ∩ 𝐵 [(no
metropolitano) y local].
0.9 = 𝑃 𝐴 ∪ 𝐵 = 𝑃 𝐴 + 𝑃 𝐴′ ∩ 𝐵 = 0.6 + 𝑃 𝐴′ ∩ 𝐵
A partir de la cual 𝑃 𝐴′ ∩ 𝐵 = 0.3. Asimismo 𝑃 𝐴 ∪ 𝐵 − 𝑃 𝐵 = 0.1
Por lo que
𝑃 𝑒𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 1 = 𝑃 𝐴 ∩ 𝐵′ + 𝑃 𝐴′ ∩ 𝐵 = 0.1 + 0.3 = 0.4
Determinación de probabilidades
sistemáticamente
Considérese un espacio muestral que es finito o “contablemente infinito” (lo segundo significa
que los resultados pueden ser puestos en lista en una secuencia infinita, por lo que existe un
primer resultado, un segundo resultado, un tercero…. y así sucesivamente. Que 𝐸1 , 𝐸2 , 𝐸3 ,…
denoten los eventos simples correspondientes, cada uno compuesto de un solo resultado. Una
manera para llevar a cabo el cálculo de la probabilidad es determinar primero cada probabilidad
de evento simple, con el requerimiento de que 𝑃 𝐸𝑖 = 1. Entonces la probabilidad de
cualquier evento compuesto 𝐴 se calcula agregando los 𝑃 𝐸𝑖 para todos los 𝐸𝑖 que existen en
𝐴:

𝑃 𝐴 = 𝑃 𝐸𝑖
𝑡𝑜𝑑𝑜𝑠 𝑙𝑜𝑠 𝐸𝑖 𝑒𝑛 𝐴
 Ejemplo 8:
Durante las horas no pico el tren que viaja entre la zona conurbada y la ciudad utiliza cinco vagones. Supóngase
que existe el doble de probabilidades de que un usuario seleccione el vagón intermedio (3) que cualquier vagón
adyacente (2, 4) y el doble de probabilidades de que seleccione cualquier vagón adyacente que cualquier vagón
extremo (1 o 5).
Sea 𝑝𝑖 = 𝑃 𝑣𝑎𝑔ó𝑛 𝑖 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜 = 𝑃 𝐸𝑖 . Entonces se tiene 𝑝3 = 2𝑝2 = 2𝑝4
Y
𝑝2 = 2𝑝1 = 2𝑝5 = 𝑝4
Lo que da
1= 𝑃 𝐸𝑖 = 𝑝1 + 2𝑝1 + 4𝑝1 + 2𝑝1 + 𝑝1 = 10𝑝1

La probabilidad de que uno de los tres vagones intermedios se seleccione (un evento compuesto) es entonces
𝑝2 + 𝑝3 + 𝑝4 = 0.8
Resultados igualmente probables

En muchos experimentos compuestos de 𝑁 resultados, es razonable asignar probabilidades

iguales a los 𝑁 eventos simples. Éstos incluyen ejemplos tan obvios como lanzar al aire una
moneda o un dado “legal” una o dos veces (o cualquier número fijo de veces) o seleccionar una
o varias cartas de un mazo bien barajado de 52 cartas.
Con 𝑝 = 𝑃 𝐸𝑖 por cada 𝑖,
𝑁 𝑁
1
1= 𝑃 𝐸𝑖 = 𝑝=𝑝⋅𝑁 por tanto 𝑝=
𝑁
𝑖=1 𝑖=1
Es decir, existen 𝑁 resultados igualmente probables, la probabilidad de cada uno es 1 𝑁.
Ahora considérese un evento 𝐴, con 𝑁 𝐴 como el número de resultados contenidos en 𝐴.
Entonces
1 𝑁 𝐴
𝑃 𝐴 = 𝑃 𝐸𝑖 = =
𝑁 𝑁
𝐸𝑖 𝑒𝑛 𝐴 𝐸𝑖 𝑒𝑛 𝐴

Por lo tanto, cuando los resultados son igualmente probables, el cálculo de las probabilidades se
reduce a contar: determinar tanto el número de resultados 𝑁 𝐴 en 𝐴 como el número de
resultados 𝑁 en 𝒮 y formar su relación.
Ejemplo 9:
Cuando dos dados se lanzan por separado, existen 𝑁 = 36 resultados. Si ambos dados con
1
“legales”, los 36 resultados son igualmente probables, por tanto 𝑃 𝐸𝑖 = .
36

Entonces el evento 𝐴 = 𝑠𝑢𝑚𝑎 𝑑𝑒 𝑑𝑜𝑠 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 7 consta de seis resultados

1, 6 , 2, 5 , 3, 4 , 4, 3 , 5, 2 y 6, 1 , por lo tanto

𝑁 𝐴 6 1
𝑃 𝐴 = = =
𝑁 36 6
Técnicas de conteo
Cuando los diversos resultados de un experimento son igualmente probables (la misma
probabilidad es asignada a cada evento simple), la tarea de calcular probabilidades se reduce a
contar.
Sea 𝑁 el número de resultados en un espacio muestral y 𝑁 𝐴 el número de resultados
contenidos en un evento 𝐴.
𝑁 𝐴
𝑃 𝐴 =
𝑁
Si una lista de resultados es fácil de obtener y 𝑁 es pequeño, entonces 𝑁 y 𝑁 𝐴 pueden ser
determinadas sin utilizar ningún principio de conteo.
Existen sin embargo, muchos experimentos en los cuales el esfuerzo implicado al elaborar la lista es
prohibitivo por que N es bastante grande.

Utilizando algunas reglas de conteo generales es posible calcular probabilidades de la forma

𝑁 𝐴
𝑃 𝐴 =
𝑁
sin una lista de resultados.
Estas reglas también son útiles en muchos problemas que implican resultados que no son igualmente
probables. Se utilizarán varias reglas de conteo al analizar las distribuciones de probabilidad.
La regla de producto para pares ordenados
La primera regla de conteo se aplica a cualquier situación en la cual un conjunto (evento) se
compone de pares de objetos ordenados y se desea contar el número de pares.
Por par ordenado se quiere decir que, si 𝑂1 y 𝑂2 son objetos, entonces un par 𝑂1 , 𝑂2 es
diferente del par 𝑂2 , 𝑂1 .

Por ejemplo, si un individuo selecciona una línea aérea para un viaje de Monterrey a la Ciudad
de México y un segundo para continuar a Guadalajara, una posibilidad es
𝐴𝑒𝑟𝑜𝑀é𝑥𝑖𝑐𝑜, 𝑉𝑜𝑙𝑎𝑟𝑖𝑠 , otra es 𝑉𝑜𝑙𝑎𝑟𝑖𝑠, 𝐴𝑒𝑟𝑜𝑀é𝑥𝑖𝑐𝑜 y otra más es
𝐴𝑒𝑟𝑜𝑀é𝑥𝑖𝑐𝑜, 𝐴𝑒𝑟𝑜𝑀é𝑥𝑖𝑐𝑜 .
Proposición:

Si el primer elemento u objeto de un par ordenado puede ser seleccionado de 𝑛1 maneras y por
cada una de estas 𝑛1 maneras el segundo elemento del par puede ser seleccionado de 𝑛2
maneras, entonces el número de pares es 𝑛1 𝑛2
Ejemplo 10:
El propietario de una casa que va a llevar a cabo una remodelación requiere los servicios tanto de un
contratista de plomería como de un contratista de electricidad. Si existen 12 contratistas de plomería
y 9 contratistas electricistas disponibles en el área, ¿de cuántas maneras pueden ser elegidos los
contratistas?

Sean 𝑃1 , … , 𝑃12 los plomeros y 𝑄1 , … , 𝑄9 los electricistas, entonces se desea el número de pares de la
forma 𝑃𝑖 , 𝑄𝑗 . Con 𝑛1 = 12 y 𝑛2 = 9, la regla de producto da 𝑁 = 12 9 = 108 formas posibles
de seleccionar los dos tipos de contratistas.
La selección del segundo elemento del par no dependió de qué primer elemento ocurrió o fue
elegido.
En tanto exista el mismo número de opciones del segundo elemento por cada primer elemento, la
regla del producto es válida incluso cuando el conjunto de posibles segundos elementos depende del
primer elemento.
En muchos problemas de conteo y probabilidad, se puede utilizar una configuración conocida
como diagrama de árbol para representar pictóricamente todas las posibilidades.
Partiendo de un punto localizado en el lado izquierdo del diagrama, por cada posible primer
elemento de un par emana un segmento de línea recta hacia la derecha. Cada una de estas
líneas se conoce como rama de primera generación.
Ahora para cualquier rama de primera generación se construye otro segmento de línea que
emana de la punta de la rama por cada posible opción de un segundo elemento del par. Cada
segmento de línea es una rama de segunda generación.
Generalizando, supóngase que existen 𝑛1 ramas de primera generación y por cada rama de
primera generación existen 𝑛2 ramas de segunda generación.
El número total de ramas de segunda generación es entonces 𝑛1 𝑛2 . Como el extremo de cada
rama de segunda generación corresponde a exactamente un posible par (la selección de un
primer elemento y luego de un segundo nos sitúa en el extremo de exactamente una rama de
segunda generación), existen 𝑛1 𝑛2 pares, lo que verifica la regla del producto.
Un diagrama de árbol puede ser utilizado para representar pictóricamente experimentos aparte
de aquellos a los que se aplica la regla de producto.
Una regla de producto más general
Si se lanza al aire un dado de seis lados cinco veces en sucesión en lugar de sólo dos veces,
entonces cada posible resultado es un conjunto ordenado de cinco números tal como
1, 3, 1, 2, 4 o 6, 5,2, 2, 2 .

Un conjunto ordenado de 𝑘 objetos recibirá el nombre de 𝑘 − 𝑡𝑢𝑝𝑙𝑎 (por tanto un par es un 2-

tupla y un triple es un 3-tupla). Cada resultado del experimento del lanzamiento al aire de el
dado es entonces un 5-tupla.
Regla de producto para 𝑘 − 𝑡𝑢𝑝𝑙𝑎𝑠
Supóngase que un conjunto se compone de conjuntos ordenados de 𝑘 elementos (𝑘 − 𝑡𝑢𝑝𝑙𝑎𝑠) y
que existen 𝑛1 posibles opciones para el primer elemento por cada opción del primer elemento,
existen 𝑛2 posibles opciones del segundo elemento; …; por cada posible opción de los primeros
𝑘 − 1 elementos, existen 𝑛𝑘 opciones del elemento 𝑘 − é𝑠𝑖𝑚𝑜. Existen entonces 𝑛1 𝑛2 … 𝑛𝑘
posibles 𝑘 − 𝑡𝑢𝑝𝑙𝑎𝑠.

Esta regla más general también puede ser ilustrada por un diagrama de árbol; simplemente se
construye un diagrama más elaborado añadiendo una tercera generación de ramas que emanan
de la punta de cada segunda generación, luego ramas de cuarta generación, y así
sucesivamente, hasta que por último se agregan ramas de k-ésima generación.
Ejemplo 11:

Suponga que el trabajo de remodelación de la casa implica adquirir primero varios utensilios de
cocina. Se adquirirán en la misma tienda y hay cinco tiendas en el área.

Con las tiendas denotadas por 𝐷1 , … , 𝐷5 , existen 𝑁 = 𝑛1 𝑛2 𝑛3 = 5 12 9 = 540 3-tuplas de

la forma 𝐷𝑖 , 𝑃𝑗 , 𝑄𝑘 , así que existen 540 formas de elegir primero una tienda, luego un
contratista de plomería y finalmente un electricista.
Considérese un grupo de n individuos u objetos distintos (“distintos” significa que existe alguna
característica que diferencia a cualquier individuo u objeto de cualquier otro). ¿Cuántas maneras
existen de seleccionar un subconjunto de tamaño 𝑘 del grupo?

Una respuesta a la pregunta general que se acaba de plantear requiere distinguir entre dos
casos.

En algunas situaciones, el orden de la selección es importante. A menudo, sin embargo, el orden

no lo es y a nadie le interesa qué individuos u objetos sean seleccionados.
Definición:

Un subconjunto ordenado se llama permutación. El número de permutaciones de tamaño 𝑘 que

se puede formar con los n individuos u objetos en un grupo será denotado por 𝑃𝑘𝑛 .

Un subconjunto no ordenado se llama combinación. Una forma de denotar el número de

combinaciones es 𝐶𝑘𝑛 , pero en su lugar también se puede utilizar una notación que es bastante
𝑛
común: , que se lee “de 𝑛 se eligen 𝑘”
𝑘
El número de permutaciones se determina utilizando la primera regla de conteo para k-tuplas.
Supóngase, por ejemplo, que en una escuela de ingeniería de una prestigiosa universidad, un alumno
que desea titularse propone a nueve profesores como posibles sinodales de su examen profesional;
de estos 9 profesores uno será elegido como presidente del jurado, otro como secretario y otro como
vocal. ¿Cuántas maneras existen para seleccionar los tres jurados?, es decir, ¿Cuántas permutaciones
de tamaño 3 pueden ser formadas con los 9 profesores propuestos?
Para resolver esa pregunta habrá que pensar en formar una tripleta (3-tupla) en la cual el primer
elemento es el presidente, el segundo el secretario y el tercero el vocal. Ahora bien, el presidente
puede ser seleccionado de cualquiera de 𝑛1 = 9 formas. Por cada forma de seleccionar al presidente,
existen 𝑛2 = 8 formas de seleccionar al secretario y finalmente por cada forma de seleccionar al
presidente y secretario, existen 𝑛3 = 7 formas de seleccionar al vocal.
Lo anterior da como resultado
𝑃39 = 9 8 7 = 504
La representación de diagrama de árbol mostraría tres generaciones de ramas.
La expresión 𝑃39 puede ser rescrita con la ayuda de notación factorial.

Definición:
Si 𝑛 es un número entero positivo, el valor 𝑛! llamado "𝑛 𝑓𝑎𝑐𝑡𝑜𝑟𝑖𝑎𝑙“ está definido como
𝑛! = 𝑛 𝑛 − 1 𝑛 − 2 𝑛 − 3 … 2 1
Además, al requerir el valor 0! sea tomado como 1
De forma general se tiene que
𝑃𝑘𝑛 = 𝑛 𝑛 − 1 𝑛 − 2 … 𝑛 − 𝑘 − 2 𝑛− 𝑘−1
Multiplicando y dividiendo ésta por 𝑛 − 𝑘 ! se obtiene una expresión compacta para el número
de permutaciones

Proposición:
𝑛!
𝑃𝑘𝑛 =
𝑛−𝑘 !
Considérese ahora las combinaciones (es decir, subconjuntos no ordenados). El orden de
selección no es importante; lo que importa es cuales de los elementos son seleccionados. Así
𝑛
que se busca , el número de combinaciones de k elementos que se pueden formar con los
𝑘
𝑛 componentes.

Hay 𝑘! Maneras para ordenar una combinación para formar permutaciones, lo que implica la
siguiente relación entre el número de combinaciones y el de permutaciones.
𝑛
𝑃𝑘𝑛 = 𝑘! ∙
𝑘
Generalizando el razonamiento anterior se obtiene una relación simple entre el número de
permutaciones y el número de combinaciones que produce una expresión concisa para la última
cantidad.

Proposición:

𝑛
𝑛 𝑃𝑘 𝑛!
𝐶𝑘 = =
𝑘! 𝑘! 𝑛 − 𝑘 !
𝑛 𝑛
Nótese que =1y = 1 puesto que hay sólo una forma de seleccionar un conjunto de
𝑛 0 𝑛
(todos) n elementos o de ningún elemento y = 𝑛puesto que existen 𝑛 subconjuntos de
1
tamaño 1
Ejemplo 12:

Una mano de bridge se compone de 13 cartas seleccionadas de entre un mazo de 52 cartas sin
52
importar el orden. Existen = 52! 13! 39! manos de bridge diferentes. Como existen 13
13
cartas de cada palo, el número de manos compuestas por completo por tréboles y/o espadas
26
(nada de cartas rojas) es = 26! 13! 13! = 10 400 600.
13
Una de estas manos se compone por completo de espadas y una se compone por completo de
26
tréboles, por lo tanto existen − 2 manos compuestas por completo de tréboles y
13
espadas con ambos palos representados en la mano
Supóngase que una mano de bridge repartida de un mazo bien barajado (es decir, 13 cartas se
seleccionan al azar de entre 52 posibilidades) y si
𝐴=
𝑙𝑎 𝑚𝑎𝑛𝑜 𝑠𝑒 𝑐𝑜𝑚𝑝𝑜𝑛𝑒 𝑝𝑜𝑟 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜 𝑑𝑒 𝑒𝑠𝑝𝑎𝑑𝑎𝑠 𝑦 𝑡𝑟é𝑏𝑜𝑙𝑒𝑠 𝑐𝑜𝑛 𝑎𝑚𝑏𝑜𝑠 𝑝𝑎𝑙𝑜𝑠 𝑟𝑒𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑑𝑜𝑠
𝐵 = 𝑙𝑎 𝑚𝑎𝑛𝑜 𝑠𝑒 𝑐𝑜𝑚𝑝𝑜𝑛𝑒 𝑑𝑒 𝑒𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑑𝑜𝑠 𝑝𝑎𝑙𝑜𝑠

52
Los 𝑁 = posibles resultados son igualmente probables, por lo tanto
13 26
𝑁 𝐴 −2
𝑃 𝐴 = = 13 = 0.0000164
𝑁 52
13
 4
Como existen = 6 combinaciones compuestas de dos palos, de los cuales espadas y
2
tréboles es una de esas combinaciones,

26
6 −2
𝑃 𝐵 = 13 = 0.0000983
52
13

Es decir, una mano compuesta por completo de cartas de exactamente dos de los cuatro palos
ocurrirá aproximadamente una vez por cada 100 000 manos. Si juega bridge sólo una vez al mes,
es probable que nunca le repartan semejante mano.
Ejemplo 13:
El almacén de una joyería recibió 25 diamantes especiales, de los cuales 10 son diamantes rosas
y 15 son azules. Si 6 de ellos se seleccionan al azar para que sean revisados por un joyero
experto, ¿cuál es la probabilidad de que exactamente 3 de los seleccionados sean diamantes
rosas?

Sea
𝐷3 = 𝑒𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 3 𝑑𝑒 𝑙𝑜𝑠 6 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑠𝑜𝑛 𝑑𝑖𝑎𝑚𝑎𝑛𝑡𝑒𝑠 𝑟𝑜𝑠𝑎𝑠
Suponiendo que cualquier conjunto particular de 6 diamantes es tan probable de ser elegido
como cualquier otro conjunto de 6, se tienen resultados igualmente probables, por lo tanto
𝑃 𝐷3 = 𝑁 𝐷3 𝑁, donde 𝑁 es el número de formas de elegir 3 diamantes rosas y tres
25
diamantes azules. Por lo tanto 𝑁 = .
6
Para obtener 𝑁 𝐷3 , primero se piensa en elegir 3 de los 15 diamantes azules y luego 3 de los
15 10
diamantes rosas. Existen formas de elegir los 3 diamantes azules y formas de elegir
3 3
los 3 diamantes rosas; 𝑁 𝐷3 es ahora el producto de estos dos números (considere un
diagrama de árbol, se utiliza la regla del producto), por lo tanto
15 10 15! 10!
𝑁 𝐷3 3 ∙ 3! 7!
𝑃 𝐷3 = = 3 = 3! 12! = 0.3083
𝑁 25 25!
6 6! 19!
Sea
𝐷4 = 𝑒𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 4 𝑑𝑒 𝑙𝑜𝑠 6 𝑑𝑖𝑎𝑚𝑎𝑛𝑡𝑒𝑠 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑠𝑜𝑛 𝑑𝑖𝑎𝑚𝑎𝑛𝑡𝑒𝑠 𝑎𝑧𝑢𝑙𝑒𝑠
y defínanse 𝐷5 y 𝐷6 del mismo modo. Entonces la probabilidad de seleccionar por lo menos 3
diamantes azules es

𝑃 𝐷3 ∪ 𝐷4 ∪ 𝐷5 ∪ 𝐷6 = 𝑃 𝐷3 + 𝑃 𝐷4 + 𝑃 𝐷5 + 𝑃 𝐷6

15 10 15 10 15 10 15 10
= 3 3 + 4 2 + 5 1 + 6 0 = 0.8530
25 25 25 25
6 6 6 6
Probabilidad condicional
Las probabilidades asignadas a varios eventos dependen de lo que se sabe sobre la situación
experimental cuando se hace la asignación. Subsiguiente a la asignación inicial puede llegar a
estar disponible información parcial pertinente al resultado del experimento. Tal información
puede hacer que se revisen algunas de las asignaciones de probabilidad. Para un evento
particular 𝐴, se ha utilizado 𝑃 𝐴 para representar la probabilidad asignada a 𝐴; ahora se
considera 𝑃 𝐴 como la probabilidad original no condicional del evento 𝐴.

Con la probabilidad condicional se examina cómo afecta la información de que “un evento 𝐵 ha
ocurrido” a la probabilidad asignada a 𝐴.

Se utilizará la notación 𝑃 𝐴 𝐵 para representar la probabilidad condicional de 𝑨 dado que el

evento 𝑩 haya ocurrido. 𝐵 es el “evento condicionante”.
Definición de probabilidad condicional
Cuando los resultados son igualmente probables, el cálculo de probabilidades condicionales
puede basarse en intuición. Cuando los experimentos son más complejos, la intuición pude
fallar, así que se requiere una definición general de probabilidad condicional que dé respuestas
intuitivas en problemas simples.

Definición:

Para dos eventos cualesquiera 𝐴 y 𝐵 con 𝑃 𝐵 > 0, la probabilidad condicional de 𝑨 dado que
𝑩 ha ocurrido está definida por
𝑃 𝐴∩𝐵
𝑃 𝐴𝐵 =
𝑃 𝐵
Ejemplo 14:
Supóngase que de todos los individuos que compran cierta cámara digital, 60% incluye una
tarjeta de memoria opcional en su compra, 40% incluyen una batería extra y 30% incluyen
tanto una tarjeta como una batería.
Considere seleccionar al azar un comprador y sea 𝐴 = 𝑡𝑎𝑟𝑗𝑒𝑡𝑎 𝑑𝑒 𝑚𝑒𝑚𝑜𝑟𝑖𝑎 𝑎𝑑𝑞𝑢𝑖𝑟𝑖𝑑𝑎 y 𝐵 =
𝑏𝑎𝑡𝑒𝑟í𝑎 𝑎𝑑𝑞𝑢𝑖𝑟𝑖𝑑𝑎 . Entonces 𝑃 𝐴 = 0.60, 𝑃 𝐵 = 0.40 y 𝑃 𝐴𝑚𝑏𝑎𝑠 𝑎𝑑𝑞𝑢𝑖𝑟𝑖𝑑𝑎𝑠 =
𝑃 𝐴 ∩ 𝐵 = 0.30.
Dado que el individuo seleccionado adquirió una batería extra, la probabilidad de que una
tarjeta opcional también sea adquirida es

𝑃 𝐴∩𝐵 0.30
𝑃 𝐴𝐵 = = = 0.75
𝑃 𝐵 0.40
Es decir, de todos los que adquieren una batería extra, 75% adquirieron una tarjeta de memoria
opcional. Asimismo,

𝑃 𝐴∩𝐵 0.30
𝑃 𝑏𝑎𝑡𝑒𝑟í𝑎 𝑡𝑎𝑟𝑗𝑒𝑡𝑎 𝑑𝑒 𝑚𝑒𝑚𝑜𝑟𝑖𝑎 = 𝑃 𝐵 𝐴 = = = 0.50
𝑃 𝐴 0.60

Obsérvese que 𝑃 𝐴 𝐵 ≠ 𝑃 𝐴 y 𝑃 𝐵 𝐴 ≠ 𝑃 𝐵
 Ejemplo 15:
Una revista de noticias publica tres columnas tituladas “Arte” 𝐴 , “Libros” 𝐵 y “Cine” 𝐶 . Los
hábitos de lectura de un lector seleccionado al azar con respecto a estas columnas son
Lee con
𝐴 𝐵 𝐶 𝑨∩𝑩 𝑨∩𝑪 𝑩∩𝑪 𝑨∩𝑩∩𝑪
regularidad
Probabilidad 0.14 0.23 0.37 0.08 0.09 0.13 0.05
Por lo tanto se tiene
𝑃 𝐴∩𝐵 0.08
𝑃 𝐴𝐵 = = = 0.348
𝑃 𝐵 0.23

𝑃 𝐴∩ 𝐵∪𝐶 0.04 + 0.05 + 0.03 0.12

𝑃 𝐴 𝐵∪𝐶 = = = = 0.255
𝑃 𝐵∪𝐶 0.47 0.47

𝑃 𝐴∩ 𝐴∪𝐵∪𝐶 𝑃 𝐴 0.14
𝑃 𝐴 𝑙𝑒𝑒 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑢𝑛𝑎 = 𝑃 𝐴 𝐴 ∪ 𝐵 ∪ 𝐶 = = =
𝑃 𝐴∪𝐵∪𝐶 𝑃 𝐴∪𝐵∪𝐶 0.49
= 0.286
Y
𝑃 𝐴∪𝐵 ∩ 𝐶 0.04 + 0.05 + 0.08 0.12
𝑃 𝐴∪𝐵 𝐶 = = = = 0.459
𝑃 𝐶 0.37 0.47
Regla de multiplicación para 𝑃 𝐴 ∩ 𝐵
La definición de probabilidad condicional da el siguiente resultado

La regla de multiplicación

𝑃 𝐴∩𝐵 =𝑃 𝐴 𝐵 ∙𝑃 𝐵

Esta regla es importante por que a menudo se desea obtener 𝑃 𝐴 ∩ 𝐵 , en tanto que 𝑃 𝐵 y
𝑃 𝐴 𝐵 pueden ser especificadas a partir de la descripción del problema. La consideración de
𝑃 𝐵 𝐴 da 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 𝐴 ∙ 𝑃 𝐴
Ejemplo 16:
Cuatro individuos han respondido a una solicitud de un banco de sangre para donaciones de
sangre. Ninguno de ellos ha donado antes, por lo que sus tipos de sangre son desconocidos.
Suponga que sólo se desea el tipo O+ y sólo uno de los cuatro tiene ese tipo. Si los donadores
potenciales se seleccionan en orden aleatorio para determinar su tipo de sangre, ¿cuál es la
probabilidad de que por lo menos tres individuos tengan que ser examinados para determinar
su tipo de sangre y obtener el deseado?
 3
Haciendo la identificación 𝐵 = 𝑃𝑟𝑖𝑚𝑒𝑟 𝑡𝑖𝑝𝑜 𝑛𝑜 𝑂 + y 𝐴 = 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑡𝑖𝑝𝑜 𝑛𝑜 𝑂 + , 𝑃 𝐵 = 4

Dado que el primer tipo no es O+, dos de los tres individuos que quedan no son O+, por lo tanto 𝑃 𝐴 𝐵 =
2
. La regla de multiplicación ahora da
3
𝑃 𝑝𝑜𝑟 𝑙𝑜 𝑚𝑒𝑛𝑜𝑠 𝑡𝑟𝑒𝑠 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜𝑠 𝑓𝑢𝑒𝑟𝑜𝑛 𝑒𝑥𝑎𝑚𝑖𝑛𝑎𝑑𝑜𝑠 𝑝𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑠𝑢 𝑡𝑖𝑝𝑜 𝑑𝑒 𝑠𝑎𝑛𝑔𝑟𝑒
2 3 6
=𝑃 𝐴∩𝐵 = 𝑃 𝐴 𝐵 ∙𝑃 𝐵 = ∙ = = 0.5
3 4 12
La regla de multiplicación es más útil cuando los experimentos se componen de varias etapas de sucesión. El
evento condicionante 𝐵 describe entonces el resultado de la primera etapa y 𝐴 el resultado de la segunda,
de modo que 𝑃 𝐴 𝐵 , condicionada en lo que ocurra primero, a menudo será conocida. La regla es fácil de
ser ampliada a experimentos que implican más de dos etapas. Por ejemplo,
𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3 = 𝑃 𝐴3 𝐴1 ∩ 𝐴2 ∙ 𝑃 𝐴1 ∩ 𝐴2
= 𝑃 𝐴3 𝐴1 ∩ 𝐴2 ∙ 𝑃 𝐴2 𝐴1 ∙ 𝑃 𝐴1
Donde 𝐴1 ocurre primero, seguido por 𝐴2 y finalmente 𝐴3 .
Para el experimento de determinación del tipo de sangre

𝑃 𝑒𝑙 𝑡𝑒𝑟𝑐𝑒𝑟 𝑡𝑖𝑝𝑜 𝑒𝑠 𝑂 +
= 𝑃 𝑒𝑙 𝑡𝑒𝑟𝑐𝑒𝑟𝑜 𝑒𝑠 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟𝑜 𝑛𝑜 𝑒𝑠 ∩ 𝑒𝑙 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑛𝑜 𝑒𝑠
∙ 𝑃 𝑒𝑙 𝑠𝑒𝑔𝑢𝑛𝑑𝑜 𝑛𝑜 𝑒𝑠 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟𝑜 𝑛𝑜 𝑒𝑠 ∙ 𝑃 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟𝑜 𝑛𝑜 𝑒𝑠
1 2 3 3
= ∙ ∙ = = 0.25
2 3 4 4

Cuando el experimento de interés se compone de una secuencia de varias etapas, es

conveniente representarlas con diagrama de árbol. Una vez que se tiene un diagrama de árbol
apropiado, las probabilidades y las probabilidades condicionales pueden ser ingresadas en las
diversas ramas; esto implicará el uso repetido de la regla de la multiplicación.
Eventos independientes
Dos eventos 𝐴 y 𝐵, se dice que son eventos independientes si
𝑃 𝐵𝐴 =𝑃 𝐵
Entonces la probabilidad de que ocurra el evento 𝐵 sigue siendo la misma sin importar si ocurre
𝐴 o no, es decir, la ocurrencia o no del evento 𝐴 no afecta la probabilidad de ocurrencia del
evento 𝐵.

En ese caso
𝑃 𝐴∩𝐵 =𝑃 𝐴 𝑃 𝐵 𝐴 =𝑃 𝐴 𝑃 𝐵
y
𝑃 𝐴∩𝐵 𝑃 𝐴 𝑃 𝐵
𝑃 𝐴𝐵 = = =𝑃 𝐴
𝑃 𝐵 𝑃 𝐵
Eventos independientes:

Se dice que dos eventos A y B son independientes si

𝑃 𝐴𝐵 =𝑃 𝐴 , 𝑃 𝐵 𝐴 = 𝑃 𝐵 ,𝑦 𝑃 𝐴∩𝐵 =𝑃 𝐴 𝑃 𝐵

Ninguna de estas tres condiciones implica a las otras dos. La interpretación de que dos eventos
son independientes es que un evento no afecta la probabilidad de ocurrencia del otro evento.
Se dice que los eventos 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 son independientes si el condicionamiento sobre la
combinación de algunos de ellos no afecta la probabilidad de ocurrencia de los demás eventos.

En ese caso, la expresión dada anteriormente para la probabilidad de la intersección de los

eventos simples se reduce al producto de las probabilidades de los eventos individuales.
Intersecciones de eventos independientes:

La probabilidad de la intersección de una serie de eventos independientes 𝐴1 , 𝐴2 , 𝐴3 , … , 𝐴𝑛 está

dada por

𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3 ∩ ⋯ ∩ 𝐴𝑛 = 𝑃 𝐴1 𝑃 𝐴2 … 𝑃 𝐴𝑛
Teorema de Bayes
El calculo de una probabilidad posterior 𝑃 𝐴𝑗 𝐵 a partir de probabilidades previas dadas 𝑃 𝐴𝑖
y probabilidades condicionales 𝑃 𝐵 𝐴𝑖 ocupa una posición central en la probabilidad
elemental.

La regla general de dichos cálculos, los que en realidad son una aplicación simple de una regla
de multiplicación, se remonta al reverendo Thomas Bayes, quien vivió en el siglo 𝑋𝑉𝐼𝐼𝐼.

Para formularla primero se requiere otro resultado. Recuérdese que los eventos 𝐴1 , … , 𝐴𝑘 son
mutuamente excluyentes si ninguno de los dos tiene resultados comunes.

Los eventos son exhaustivos si un 𝐴𝑖 debe ocurrir, de modo que 𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑘 = 𝒮

Ley de Probabilidad Total

Sean 𝐴1 , … , 𝐴𝑘 eventos mutuamente excluyentes y exhaustivos. Entonces para cualquier otro

evento 𝐵,
𝑃 𝐵 = 𝑃 𝐵 𝐴1 𝑃 𝐴1 + ⋯ + 𝑃 𝐵 𝐴𝑘 𝑃 𝐴𝑘

= 𝑷 𝑩 𝑨𝒊 𝑷 𝑨𝒊
𝒊=𝟏
Comprobación:
Como los eventos 𝐴𝑖 son mutuamente excluyentes y exhaustivos, si 𝐵 ocurre debe ser en forma
conjunta con uno de los eventos 𝐴𝑖 de manera exacta. Es decir, 𝐵 = 𝐴1 ∩ 𝐵 ∪ ⋯ ∪ 𝐴𝑘 ∩ 𝐵 ,
donde los eventos 𝐴𝑖 ∩ 𝐵 son mutuamente excluyentes.
Esta “partición de B” se puede observar en la figura
Por lo tanto

𝑘 𝒌

𝑃 𝐵 = 𝑃 𝐴𝑖 ∩ 𝐵 = 𝑷 𝑩 𝑨𝒊 𝑷 𝑨𝒊
𝑖=1 𝒊=𝟏
Teorema de Bayes
Sean 𝐴1 , 𝐴2 , … , 𝐴𝑘 un conjunto de eventos mutuamente excluyentes y exhaustivos con
probabilidades previas 𝑃 𝐴𝑖 𝑖 = 1, 2, … , 𝑘 . Entonces para cualquier otro evento 𝐵 para el cual
𝑃 𝐵 > 0, la probabilidad posterior de 𝐴𝑗 dado que 𝐵 ha ocurrido es

𝑃 𝐴𝑗 ∩ 𝐵 𝑃 𝐵 𝐴𝑗 𝑃 𝐴𝑗
𝑃 𝐴𝑗 𝐵 = = 𝑘 𝑗 = 1, … , 𝑘
𝑃 𝐵 𝑖=1 𝑃 𝐵 𝐴𝑖 ∙ 𝑃 𝐴𝑖

La transición de la segunda a la tercera expresión se apoya en el uso de la regla de multiplicación en el

numerador y la ley de probabilidad total en el denominador.
Mientras existan pocos eventos en la repartición se puede utilizar un diagrama de árbol como base
para calcular probabilidades posteriores sin jamás referirse de manera explícita al teorema de Bayes.
Con todo lo anterior podemos resumir tres conceptos:
Probabilidad condicional:
Se trata de determinar la probabilidad de que ocurra un evento 𝐴 (a posteriori) dado que ya
aconteció un evento 𝐵 (a priori), y se representa mediante 𝑃 𝐴 𝐵
Probabilidad conjunta:
Corresponde a la probabilidad de que se presenten resultados comunes a los eventos 𝐴 y 𝐵. Su
expresión característica es 𝑃 𝐴 ∩ 𝐵 y se puede despejar de la expresión de la ley de
multiplicación.
Probabilidad marginal:
Corresponde a la probabilidad de ocurrencia de cada evento por separado. 𝑃 𝐴 , 𝑃 𝐵
Ejemplo 17:
En la asociación municipal de vendedores de autos se observó que en la siguiente semana se
tendrán disponibles para venta los siguientes vehículos.

SEDAN SUV DEPORTIVO Suma

VOLVO 46 35 30 111
BMW 45 40 42 127
AUDI 52 38 22 112
Suma 143 113 94 350

Un comprador elegirá un vehículo de forma aleatoria.

La probabilidad de que el comprador adquiera un vehículo Sedán de la marca Volvo es (probabilidad
conjunta).
46
350

La probabilidad de que adquiera un vehículo de la marca Audi es (probabilidad marginal).

112
350

Si compra un vehículo de la marca BMW, la probabilidad de que sea un deportivo es (probabilidad

condicional)
42
127
Ejemplo 18:
Una compañía vende cierto tipo de auto deportivo, el cual es ensamblado en una de las cuatro
posibles plantas. La planta I ensambla el 20% de los vehículos; la planta II, el 24%; la planta III,
25%; y la planta IV el 31%. Un consumidor que compra un auto no sabe dónde fue ensamblado
su vehículo. Determine la probabilidad para cada, una de las plantas, de que el vehículo haya
sido ensamblado en ella.

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 = 0.20, 𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 = 0.24,

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 = 0.25, 𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 = 0.31

Cada vehículo nuevo vendido tiene garantía defensa a defensa. La compañía ha almacenado
datos que arrojan lo siguiente:

𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝐸𝑛𝑠𝑎𝑚𝑏𝑙ó 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 = 0.05, 𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝐸𝑛𝑠𝑎𝑚𝑏𝑙ó 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 = 0.11

𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝐸𝑛𝑠𝑎𝑚𝑏𝑙ó 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 = 0.03, 𝑃 𝐸𝑛𝑠𝑎𝑚𝑏𝑙ó 𝐸𝑛𝑠𝑎𝑚𝑏𝑙ó 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 = 0.08

Desde el punto de vista del cliente, la probabilidad que le interesa es la probabilidad de que
requiera realizar una reclamación sobre la garantía del vehículo. Calcúlese entonces la
probabilidad de realizar un reclamo.
Si 𝐴1 , 𝐴2 , 𝐴3 y 𝐴4 son, respectivamente, los eventos en que un vehículo es ensamblado en las
plantas I, II, III y IV, entonces ello provee una partición del espacio muestral, y las probabilidades
𝑃 𝐴𝑖 son las proporciones suministradas de las cuatro plantas.
Si 𝐵 es el evento en el que se realiza una reclamación, entonces las probabilidades condicionales
𝑃 𝐵 𝐴𝑖 son los indicadores de reclamaciones correspondientes a las cuatro plantas
individuales, por lo que

𝑷 𝑩 = 𝑃 𝐴1 𝑃 𝐵 𝐴1 + 𝑃 𝐴2 𝑃 𝐵 𝐴2 + 𝑃 𝐴3 𝑃 𝐵 𝐴3 + 𝑃 𝐴4 𝑃 𝐵 𝐴4 =
= 0.20 × 0.05 + 0.24 × 0.11 + 0.25 × 0.03 + 0.31 × 0.08 =
= 𝟎. 𝟎𝟔𝟖𝟕
Se mencionó que cuando un cliente compra un vehículo, las probabilidades de que haya sido
ensamblado en una planta en particular son
𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 = 0.20, 𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 = 0.24,
𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 = 0.25, 𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 = 0.31
Si se realiza una reclamación sobre la garantía del vehículo, ¿Cómo cambian las probabilidades?
Utilizando el teorema de Bayes, las probabilidades posteriores son calculadas como

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.20 × 0.05
= = 0.146
0.0687
 𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼
𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.24 × 0.11
= = 0.384
0.0687

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.25 × 0.03
= = 0.109
0.0687

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.31 × 0.08
= = 0.361
0.0687
Por otro lado, si no se lleva a cabo una reclamación sobre la garantía, la probabilidad posterior
se calcula como

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.20 × 0.95
= = 0.204
0.9313

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.24 × 0.89
= = 0.229
0.9313
 𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼
𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝐼𝐼 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.25 × 0.97
= = 0.261
0.9313

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉

𝑃 𝑃𝑙𝑎𝑛𝑡𝑎 𝐼𝑉 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜 = =
𝑃 𝑁𝑜 𝑅𝑒𝑐𝑙𝑎𝑚𝑜
0.31 × 0.92
= = 0.306
0.9313