PROBABILIDAD

INTRODUCCIN
De ordinario se ha considerado como campo propio del estudio cientfico el de los fenmenos
deterministas, caracterizado por situaciones en las que al repetir el experimento en las mismas
condiciones se obtiene el mismo resultado. Dentro de estos campos estn multitud de fenmenos
clsicos estudiados en Fsica, Qumica, Astronoma, etc.
Pareci durante siglos que deba quedar fuera del estudio cientfico todo fenmeno no determinista
o aleatorio. Sin embargo, la posicin cientfica actual es completamente diferente. Los fenmenos
aleatorios constituyen ya un campo propio y natural del estudio cientfico.
Una de las propiedades de los sucesos aleatorios es su contingencia, es decir que pueden ocurrir o
no ocurrir. A pesar de ello, esta posibilidad de ocurrir o no ocurrir no es la misma para todos los
sucesos. Todos estamos acostumbrados a decir con frecuencia que tal suceso es ms posible que
tal otro. Siempre que una caracterstica es comparable se hace necesario encontrar una forma de
cuantificarla, es decir de medirla. La probabilidad es precisamente la medida de la posibilidad de
que ocurra un determinado suceso aleatorio.
Esta disciplina, bastante reciente, tiene su origen en los juegos de azar. En el siglo XVII Cardano,
despus de haber desarrollado junto con Tartaglia la combinatoria, comienza a interesarse por
problemas sobre juegos de dados. En esa misma poca un jugador italiano expres a Galileo su
sorpresa al observar que al jugar con tres dados a la suma 10 ganaba ms veces que si lo haca a la
suma 9 Galileo da la solucin correcta al problema y publica un manuscrito sobre el juego de
dados.
En la sociedad francesa del siglo XVII, muy aficionada a todo tipo de juegos de azar, el noble
Caballero de Mere propone al matemtico Pascal diversos problemas relacionados con estos
juegos, pidindole explicaciones sobre algunas contradicciones aparentes entre su razonamiento
terico y las observaciones recogidas por la va experimenta, mediante el juego. Pascal comunica
por carta o otro matemtico Francs: Fermat, estos problemas y ambos los resuelven por caminos
distintos. La correspondencia entre Pascal y Fermat se considera hoy da como el origen de la
teora de la probabilidad.
La primera definicin que se conoce del concepto de probabilidad se debe a Laplace en el siglo
XIX. Sin embargo, es a lo largo del siglo XX cuando se desarrolla por completo convirtindose en
una rama ms de la matemtica formal, Hoy da la teora de las probabilidades constituye el
armazn sobre el que se sostiene la estadstica inferencial, permitiendo tomar conclusiones
aplicables a toda la poblacin a partir de los datos extrados de una muestra; es por tanto un
instrumento esencial en muchas ciencias aplicadas como: Economa, Medicina, Psicologa,
Sociologa, etc.
1. EXPERIMENTOS ALEATORIOS
Como ya hemos dicho llamaremos experimento aleatorio a un experimento en el que no podemos
predecir el resultado antes de efectuarlo. Por ejemplo son experimentos aleatorios; lanzar una
moneda al aire, extraer una carta de una baraja, observar el sexo de un recin nacido, comprobar el
efecto de un medicamento en un paciente determinado, medir la altura de un grupo de personas,
estudiar la profesin de un grupo humano heterogneo, etc.
Por el contrario, llamamos experimentos deterministas a aquellos que realizados en las mismas
circunstancias se obtiene siempre el mismo resultado. As, por ejemplo, son sucesos deterministas
dejar caer una piedra desde una altura determinada y observar su aceleracin, mezclar en la mismas
condiciones y proporciones dos sustancias y observar la mezcla, etc.
Pg1
2. ESPACIO MUESTRAL
Se llama espacio muestral de un experimento aleatorio al conjunto de todos los resultados
posibles de un experimento. Lo designaremos por E. Por ejemplo:
1. El espacio muestral asociado a tirar una moneda al aire ser E={c,x}
2. El espacio muestral asociado a tirar dos monedas al aire ser E={(c,c),(c,x),(x,c),(x,x)}
3. El espacio muestral asociado a tirar un dado y una moneda ser E= {(1,c),(2,c),(3,c), (4,c),
(5,c), (6,c),(1,x),(2,x),(3,x),(4,x),(5,x),(6,x)}
3. SUCESOS. TIPOS DE SUCESOS
Dado un experimento aleatorio, llamaremos suceso a cualquier subconjunto del espacio muestral.
As, son sucesos correspondientes al experimento tirar un dado: Salir un cuatro={4};salir
par={2,4,6};salir un nmero menor que 3={1,2},etc.
Al conjunto formado por todos los sucesos posibles de un experimento se le denomina Espacio de
sucesos y se le designa por la letra
Si el suceso est compuesto por un solo elemento del espacio muestral se llama suceso elemental,
en otro caso se llama suceso compuesto . Por ejemplo en los ejemplos del prrafo anterior el
primero es elemental, los otros dos son compuestos.
Llamamos suceso seguro al que siempre se verifica (es evidente que estar formado por todos los
resultados del experimento). Por ejemplo al tirar un dado salir un nmero menor que
10={1,2,3,4,5,6}=E
Llamamos suceso imposible al que no se verifica nunca. Por ejemplo salir un nmero superior a 6
al lanzar un dado. Se denota por (y se lee conjunto vaco) O
Dado un suceso cualquiera A de un experimento aleatorio, llamamos suceso contrario a A al que se
verifica si y solo si no se verifica A, se denota por A o por . Ejemplo en el lanzamiento de un A
dado el suceso contrario de A=salir un nmero par={2,4,6} ser A=salir un nmero
impar={1,3,5}
4. RELACIN DE INCLUSIN ENTRE SUCESOS
Diremos que un suceso A est incluido en otro suceso B, y se denota A B, si y solo si la
verificacin de A supone la verificacin de B. Por ejemplo en el experimento de lanzar un dado,
sea A=salir un nmero comprendido entre 1 y 3={2} y B=salir un nmero primo={1,2,3,5},
entonces A B
5.OPERACIONES CON SUCESOS. PROPIEDADES
UNIN
Si A y B son dos sucesos se define el suceso unin y se representa por como el suceso que , AB
se verifica al hacerlo A o B o ambos a la vez. Estar formado por todos los resultados que
pertenezcan a A o a B o a ambos. As por ejemplo si al lanzar un dado A=salir par={2,4,6} y
B=salir un nmero menor que 4={1,2,3}, entonces ={1,2,3,4,6} AB
Pg2
INTERSECCIN
Si A y B son dos sucesos, se define el suceso interseccin y se representa por , como el AB
suceso que se verifica solo si lo hacen simultneamente A y B, estar formado por los resultados
que pertenezcan a ambos a la vez. As por ejemplo si al lanzar un dado A=salir par={2,4,6} y
B=salir un nmero menor que 4={1,2,3}, entonces ={2}. Diremos que dos sucesos son AB
incompatibles si = Ejemplo: salir par y salir mltiplo de 5 AB O
6. PROPIEDADES DE LA UNIN Y LA INTERSECCIN
A O O A E E ABSORCIN
A A
'
O A A
'
E COMPLEMENTACIN
A B
'
A
'
B
'
(A B
'
A
'
B
'
LEYES DE MORGAN
A B C A B A C A B C A B A C DISTRIBUTIVA
A A B A A A B A SIMPLIFICACIN
A E A A O A ELEMENTO NEUTRO
A A A A A A IDEMPOTENTE
A B B A A B B A CONMUTATIVA
(A B C A B C A B C A B C ASOCIATIVA
INTERSECCIN UNIN
7. SISTEMA COMPLETO DE SUCESOS
Diremos que los sucesos A
1
,A
2
,.......A
n
constituyen un sistema completo de sucesos para un
determinado experimento aleatorio si se verifica:
1 A
1
A
2
..... A
n
E
2 A
1
, A
2
,...........A
n
son incompatibles dos a dos.
EJEMPLO: En el lanzamiento de un dado, los sucesos A{1,26}; B{3,4} y C{5} forman un sistema
completo de sucesos ya que: la unin de todos ellos da el espacio total y tomndolos dos a dos su
interseccin es vaca. Se comprende que en un experimento puede haber ms de un sistema
completo de sucesos. As, en el experimento que estamos tratando otro sistema completo de
sucesos sera, por ejemplo, D={1,2,4,5} y E{3,6}. En particular un suceso y su contrario formaran
un sistema completo de sucesos.
8. EXPERIMENTOS COMPUESTOS
Consideremos el experimento aleatorio consistente en el lanzamiento de un dado y de una moneda.
En realidad se trata de dos experimentos simples ( el lanzamiento del dado y el de la moneda) que
observamos de forma conjunta.
A estos experimentos formados por varios experimentos simples se les llama experimentos
compuestos.
El espacio muestral asociado a un experimento compuesto se llama espacio compuesto o espacio
producto . Este espacio se obtiene formando el espacio cartesiano de los espacios muestrales de los
experimentos que lo componen. As, en el ejemplo anterior, el espacio muestral vendra dado por:
E= {(1,c),(2,c),(3,c), (4,c),(5,c), (6,c),(1,x),(2,x),(3,x),(4,x),(5,x),(6,x)}
Obsrvese que el nmero de elementos del espacio compuesto es el producto del nmero de
elementos de cada uno de los espacios muestrales de los experimentos simples que lo componen,
en nuestro ejemplo 6x2=12.
Ejemplo2: Espacio muestral de tirar 3 monedas E={(ccc),(ccx),(cxc),(xcc),(cxx),(xcx)(xxc),(xxx)}
Pg3
9. FRECUENCIA RELATIVA DE UN SUCESO. PROPIEDADES
Supongamos que lanzamos 100 veces un dado obteniendo los siguientes resultados:
19 15 16 17 17 16 N de veces que se verifica
6 5 4 3 2 1 Suceso
Llamaremos frecuencia absoluta de un suceso al nmero de veces que se verifica en una serie de
observaciones. Ej: F(salir par)=17+16+19=52; F({1})=16
Llamaremos frecuencia relativa de un suceso al cociente de su frecuencia absoluta entre el
nmero total de observaciones. Ej f
r
(salir par)=52/100; fr({1})=16/100
PROPIEDADES
1. Cualquiera que sea el suceso A se verifica que 0f
r
(A) 1
2. f
r
(E)=1
3. Si A B O f
r
A B f
r
A f
r
B
Adems de estas propiedades evidentes, se verifican tambin las siguientes:
4. Si A y B son sucesos cualesquiera se verifica que f
r
A B f
r
A f
r
B f
r
A B
(Pensemos que la la estamos contando 2 veces, en f
r
(A) y en f
r
(B), de ah que f
r
A B
tengamos que restarla una vez)
5. F
r
(A)=1-f
r
(A) (En efecto A A
'
E y AA
'
O por lo que aplicando las propiedades 2 y 3
se tiene que ) f
r
A A
'
f
r
A f
r
A
'
1 f
r
A
'
1 f
r
A
6. ) f
r
O 0 (ya que O=E, por lo que aplicando la propiedad anterior f
r
O 1 f
r
E 0
10. PROBABILIDAD DE UN SUCESO: LEY DE LOS GRANDES NMEROS
Las frecuencias relativas de un suceso se obtienen al realizar un experimento un nmero
determinado de veces. Estas frecuencias varan segn el nmero de veces que realizamos el
experimento, pero la prctica nos dice que estos valores de las frecuencias relativas tienden a
estabilizarse alrededor de un valor determinado cuando se hace un nmero de repeticiones del
experimento suficientemente grande. As, si lanzamos una moneda al aire 20 veces puede ocurrir
que la f
r
(c)=09 y la f
r
(x)=01, pero la experiencia nos dice que si realizamos muchas veces el
experimento ambas tendern a aproximarse al valor 05.
Cuando decimos estabilizarse queremos indicar que la frecuencia relativa del suceso toma valores,
por defecto o por exceso, cada vez ms prximas a ese valor y que las oscilaciones son tanto ms
pequeas cuantas ms veces realicemos el experimento. Este lmite al que tienden las frecuencias
relativas de un suceso lo llamaremos probabilidad de dicho suceso.
Que la frecuencia relativa de cualquier suceso, en cualquier experimento aleatorio, se estabiliza
cuando el nmero de observaciones es suficientemente grande, es una verdad emprica (observada
por experimentacin), no demostrable matemticamente pero si reiteradamente comprobada. Su
enunciado es el principio bsico del azar, conocido como ley del azar o ley de los grandes
nmeros, es debido a Bernouilli (1700) y dice as:
Al realizar repetidamente un experimento aleatorio en condiciones estables, cualquiera que sea
el suceso S existe
r
(S). Al valor de dicho lmite se le llama P(S) (probabilidad de S) lim
n
f
Por tanto, si se ha realizado un experimento un nmero suficiente de veces, la frecuencia relativa
obtenida puede tomarse como valor aproximado de la probabilidad. A esta definicin de
Pg4
probabilidad se le llama definicin estocstica. Esta forma de asignar probabilidades tiene un
inconveniente de tipo prctico pues, para calcular la probabilidad de un suceso, sera necesario
realizar un gran nmero de pruebas con el fin de obtener experimentalmente el valor al que se
aproximan las frecuencias relativas. Por otra parte, de esta forma obtendremos siempre un valor
aproximado de la probabilidad y no el valor exacto. Sin embargo, veremos ms adelante que en
muchas ocasiones es la nica forma de asignar probabilidades a los sucesos de un experimento.
11. DEFINICIN AXIOMTICA DE PROBABILIDAD
El tratamiento matemtico de la probabilidad exige una definicin ms formal que la que hemos
dado. La construccin de una axiomtica para el clculo de probabilidades se debe al matemtico
ruso Kolmogorov (1903-1987). Su idea es la siguiente:
De lo visto anteriormente se deduce que la probabilidad ha de ser una funcin que asocie a cada
elemento del espacio de sucesos (a cada suceso) de un experimento aleatorio un nmero real. Y
dado que este nmero es el lmite de las frecuencias relativas, las probabilidades debern verificar
las propiedades de estas. Generalizando pues las propiedades de las frecuencias relativas se puede
expresar de forma axiomtica las condiciones que debe cumplir una funcin de probabilidad.
Se llama probabilidad a una funcin P: ----------------------------- R
S------------------------------ P(S)
que asocia a cada suceso S, del espacio de sucesos , un nmero real que llamaremos
probabilidad de S ,P(S), y que verifica los siguientes axiomas:
1. La probabilidad de cualquier suceso es positiva o nula S P(S) 0
2. La probabilidad del suceso seguro es igual a 1 P(E)=1
3. La probabilidad dedos sucesos incompatibles es igual a la suma de las probabilidades de
cada uno de Ellos. Si AB=OPA B PA PB
Un espacio de sucesos con una probabilidad definida en l se llama espacio de probabilidad.
PROPIEDADES
De la definicin de probabilidad pueden deducirse las siguientes propiedades:
1. P(S)=1-P(S). En efecto, como aplicando los axiomas 1 S S
'
E y S y S son incompatibles,
y 2 se tiene: PS S
'
PS PS
'
1 PS
'
1 PS
2. . En efecto, el es el complementario de E, por lo que aplicando la propiedad PO 0 O
anterior y el axioma 2 se tiene: P( ) =1-P(E)01-1=0 O
3. Si . En efecto, si existe un suceso C tal que ; A BP(A) P(B) A B A C B y AC O
como A y C son incompatibles P(B)=P( )=P(A)+P(C) y dado que por el axioma 1 A C
P(C) , se obtiene que 0 P(A) P(B)
4. S P(S) 1. En efecto, SE, por lo que aplicando la propiedad anterior P(S)1
5. Para cualquier par e sucesos A y B se verifica que: PA B PA PB PA B
Para demostrarlo observa en el grfico como los sucesos A, B y pueden escribirse como A B
unin de sucesos incompatibles entre s:
y A A B A B
'
; B B A B A
'

A B A B
'
A B A
'
B
Podemos por tanto aplicar el axioma 3, obteniendo:
PA PA B PA B
'
PA B
'
PA PA B
;PB PA B PA
'
B PA
'
B PB PA B
. PA B PA B
'
PA B PA
'
B
Sustituyendo en la ltima igualdad los resultados obtenidos para y , PA B
'
PA
'
B
obtenemos
= PA B (PA PA B PA B PB PA B PA PB PA B
Este resultado podra generalizarse para ms de dos sucesos.
Pg5
12. ESPACIO DE PROBABILIDAD DE LAPLACE. DEFINICIN CLSICA DE
PROBABILIDAD.
Es frecuente encontrarnos con experimentos aleatorios en los que los distintos sucesos elementales
tienen todos la misma probabilidad de ocurrir. En ese caso, si el espacio muestral est formado por
n sucesos elementales la probabilidad de cada uno de ellos valdr 1/n.
Por ejemplo, si lanzamos un dado corriente el espacio muestral est formado por 6 sucesos
E={1,2,3,4,5,6}. Dado que todas las caras tienen la misma probabilidad de salir
P(1)=P(2)=......=P(6)=1/6.
Diremos que un espacio de probabilidad es de Laplace si el nmero de sucesos elementales del
experimento aleatorio es finito y todos ellos tienen la misma probabilidad. En este caso, si el
espacio muestral est formado por n sucesos elementales, dado que todos tienen la misma
probabilidad esta tendr el valor 1/n.
Si en un espacio de Laplace consideramos un suceso cualquiera S, dicho suceso ser unin de un
nmero r de sucesos elementales y dado que estos son incompatibles y todos tienen probabilidad
1/n, se verificar que P(S)=1/n+1/n+.......+1/n (r veces)
Ejemplo: Cul es la probabilidad de obtener un nmero par al lanzar un dado?.
El suceso S=obtener par={2,4,6}, luego P(S)=P(2)+P(4)+P(6)=1/6+1/6+1/6=3/6
En definitiva, podemos decir que P(S)= , entendiendo como casos
N
o
de casos favorables
N
o
de casos posibles
favorables el n de sucesos elementales para los cuales se verifica el suceso S y por casos posibles
el n total de sucesos elementales que pueden ocurrir.
Esta relacin se conoce con el nombre de Regla de Laplace y fue la primera definicin que se ha
dado de probabilidad (siglo XIX), por lo que se conoce tambin con el nombre de definicin
clsica. Es la de aplicacin ms sencilla pero solo puede usarse en caso de que todos los sucesos
elementales sean equiprobables.
EJEMPLOS:
1. Cul ser la probabilidad de que al lanzar dos monedas al aire se obtenga al menos 1 cara?
E={(c,c), (c,x), (x,c), (x,x)} luego P(al menos una cara)=3/4
2. Se considera el experimento consistente en elegir una carta de una baraja espaola de 40 cartas.
Se pide la probabilidad de los siguientes sucesos: A=obtener un oro, B=obtener un as,
C=obtener la sota de copas, D=obtener un as o un oro
P(A)=10/40; P(B)=4/40; P(C)=1/40; P(D)=P(as)+P(oro)-P(as oro)=4/40+10/40-1/40=13/40
3. Consideremos el experimento aleatorio consistente en lanzar dos dados y anotar su suma.
Hallar la probabilidad de los sucesos: A=Suma igual a 11 ; B=Suma inferior a 7
Dado que se trata de un experimento compuesto en el que el espacio muestral de cada uno de
los dos experimentos simples que lo componen tiene seis elementos, el espacio compuesto
tendr 6x6=36 elementos ( E={(1,1), (1,2),...............(6,6)}
Para hallar las probabilidades pedidas tendremos que contar el nmero de casos favorables a los
sucesos A y B.
Los casos favorables para el suceso A son: {(6,5), (5,6)}, por lo que P(A)=2/36
Para el suceso B los casos favorables son:{(1,1),(1,2),(1,3),(1,4),(1,5),(2,1),(2,2),(2,3),(2,4),
(3,1),(3,2),(3,3),(4,1),(4,2),(5,1)}, luego P(B)=15/36
Pg6
4. Se considera el experimento consistente en extraer 5 cartas de una baraja espaola. Cul es la
probabilidad de que 3 de ellas sean ases?
N de casos posibles= C
40,5
; N de casos favorables= C
4,3
.C
36,2
Por tanto P(3 ases)=
C
4,3
.C
36,2
C
40,5

35
9139
5. Se sacan 4 cartas de una baraja espaola Cul es la probabilidad de obtener al menos un as?
En este caso es ms fcil obtener la probabilidad del suceso contrario
S=obtener al menos 1 as; S= no obtener ningn as, P(S)=1-P(S)
N de casos posibles= C
40,4
; N de casos favorables a S=C
36,4
; P(S)=
C
36,4
C
40,4
0, 64
P(S)=1-0,64=0,36
6. A un congreso asisten 100 cientficos de los que 80 hablan ingls y 40 francs. Si se encuentran
dos en la cafetera cul es la probabilidad de que se entiendan?
P((I,I) (F,F))=P(I,I)+P(F,F)-P((I,I) (F,F))= 0,75
C
80,2
C
40,2
C
20,2
C
100,2

7. Disponemos de dos urnas iguales, cada una con 3 bolas rojas,4 blancas y 3 negras. Sacamos
una bola de cada urna, hallar la probabilidad de:
a) Que las dos bolas sean blancas
b) Que las dos sean del mismo color
c) Que una sea blanca y la otra roja
a) P(B,B)=4/10.4/10; b)P(B,B)+P(R,R)+P(N,N)=4/10.4/10+3/10.3/10+3/10.3/10
c) P(B,R)+P(R,B)=4/10.3/10+3/10.4/10
8. En una carrera de 6 caballos una persona apuesta a vencedor y segundo, suponiendo que lo
hace al azar qu probabilidad tiene de acertar? Casos posibles=V
6,2
=30, Casos favorables=1
P(acertar)=1/30
9. Se sortea un viaje a Singapur entre los 120 mejores clientes de una empresa de automviles. De
entre ellos 65 son mujeres, 80 estn casados y 45 son mujeres casadas. Se pide:
a)Qu probabilidad hay de que le toque a una mujer soltera?
b)Qu probabilidad hay de que le toque a un hombre casado?
c)Qu probabilidad hay de que le toque a un hombre soltero?
Solucin:
Consideremos los sucesos A=ser mujer, B=estar casado. Nos dan P(A)=65/120,
P(B)=80/120; P(A B)=45/120 y nos piden a) P(A B); b) P(A B); c)P(A B)
Podramos utilizar las propiedades de la unin e interseccin para resolver estas preguntas,
pero un mtodo ms sencillo es hacer un recuento de datos mediante el empleo de tablas de
doble entrada denominadas tablas de contingencia. Para rellenar dichas tablas no es preciso que
nos den todos los datos pues es posible construirlas completando unas celdas a partir de las
otras. Veamos el mtodo aplicndolo al ejercicio:
Tabla 1: Se obtiene de los datos Tabla 2: Se obtiene completando las celdas
120 55 65 Total 120 65 Total
40 20 20 Solteros Solteros
80 35 45 Casados 80 45 Casados
Total Hombres Mujeres Total Hombres Mujeres
Por tanto a)P(A B)=20/120; b)P(A B)=35/120; c)P(A B)=20/120
En las celdas de una tabla de contingencia pueden figurar como en este caso frecuencias absolutas
pero tambin frecuencias relativas, probabilidades o porcentajes. Tngase en cuenta que en el caso
de probabilidades o frecuencias relativas el total que figura en la ltima casilla es igual a 1 y en el
caso de porcentajes ser igual a 100.
Pg7
Ejercicios propuestos:
1. Se extraen 4 cartas de una baraja espaola, hallar la probabilidad de: a) Salir dos y solo dos
espadas, b) Salir exactamente dos ases, c) Salir exactamente dos figuras d) Salir una pareja,
e) Salir dos parejas
2. Un grupo de 32 personas est formado por 14 mujeres y 18 hombres. Se forma un comit de 4
personas elegidas al azar, hallar la probabilidad de que est formado por dos hombres y dos
mujeres
3. En una clase de bachillerato al 68% de los alumnos le gustan las matemticas, al 60% las
ciencias y al 54% ambas asignaturas. Se elige un alumno al azar, cul es la probabilidad d que:
a) le gusten las ciencias pero no las matemticas, b) le gusten las matemticas pero no las
ciencias, c) No le gusten ninguna de las dos asignaturas.
4. Una urna contiene 12 bolas negras y 2 blancas. Se sacan 3 bolas, halla la probabilidad de sacar
exactamente 2 blancas y la de sacar al menos 1 blanca, si la extraccin se hace: a) con
reemplazamiento, b) sin reemplazamiento
5. Se mezclan 10 pares de zapatos distintos y se sacan 4 al azar. Hallar la probabilidad de obtener
al menos 1 par de zapatos iguales.
13. PROBABILIDAD CONDICIONADA
Los resultados de una encuesta acerca de la actitud progresista o conservadora realizada entre 334
universitarios de ambos sexos comprendidos entre los 18 y los 22 aos, son los siguientes:
334 138 196 Total
147 96 51 B=actitud conservadora
187 42 145 B=actitud progresista
Total A=Mujeres A=Varones
Consideremos los sucesos: A=Ser varn, A=Ser mujer; B=Tener actitud progresista;
B=Tener actitud conservadora; A B=Ser varn y tener actitud progresista
f
r
(A)=196/334, f
r
(A)=138/334; f
r
(B)=187/334, f
r
(B)=145/334; f
r
(A B)=145/334
Consideremos ahora una nueva frecuencia relativa, la de aquellos que tienen actitud progresista de
entre los varones. Es decir, no nos interesa la proporcin de varones progresistas de entre la
poblacin total que sera f
r
(A B), sino la proporcin de progresistas que hay entre los varones,
hemos cambiado por tanto la poblacin total a considerar. La nueva poblacin es de 196 varones y
de entre ellos tienen actitud progresista 145, por lo que la frecuencia relativa sera de 145/196
Esta nueva frecuencia relativa la representaremos por f
r
(B/A) y se denomina frecuencia relativa del
suceso B condicionada a que ha ocurrido el sucesoA.
Podemos observar que f
r
(B/A)=145/196 puede obtenerse del siguiente modo:
F
r
(B/A)=
f
r
A B
f
r
A

145/334
196/334

145
196
Si tenemos en cuenta que la probabilidad es el lmite al que tienden las frecuencias relativas tras una
larga serie de observaciones, podemos definir el concepto de probabilidad condicionada del
siguiente modo:
Se llama probabilidad condicionada del suceso B respecto al suceso A, y se denota por P(B/A) al
cociente: P(B/A)= ; anlogamente P(A/B)=
PA B
PA
si P(A)= 0
PA B
PB
si P(B)= 0
De las dos relaciones anteriores se sigue que: =P(A).P(B/A) o bien =P(B).P(A/B) PA B PA B
Estas frmulas se conocen con el nombre de Ley de las probabilidades compuestas o Ley del
producto, y permiten hallar la probabilidad de la interseccin de dos sucesos cuando es ms sencillo
hallar la probabilidad condicionada. Veamos algunos ejemplos:
Pg8
1. De una baraja espaola extraemos dos cartas cul es la probabilidad de que ambas sean ases?
P(1as 2 as)=P(1as).P(2as/1as)=4/40.3/39
2. En una empresa el 60% de los trabajadores estn casados. Se elige un trabajador al azar, qu
probabilidad hay de que sea una mujer casada si el 30% de los casados son mujeres?
Sea A=Estar casado y B=Ser mujer, nos piden P(A B) y ns dan P(A)=60/100 y
P(B/A)=30/100.
P(A B)=P(A).P(B/A)=60/100.30/100=18/100. La probabilidad pedida es del 18%
14. SUCESOS DEPENDIENTES E INDEPENDIENTES
Consideremos los siguientes ejemplos:
1. De una baraja espaola se extrae una carta. cul es la probabilidad de que sea un rey sabiendo
que ha sido una figura?
Sea A=Obtener rey y B=Obtener figura, P(A/B)= =
PA B
PB
4/40
12/40

4
12

1
3
Obsrvese que P(A/B) = PA 4/40 = 1/3
2. Se considera el experimento de lanzar dos veces consecutivas un dado Cul es la probabilidad
de obtener un seis en el segundo lanzamiento sabiendo que se ha obtenido un 2 en l primero?
Sea A=Obtener un seis en el 2 lanzamiento y B=Obtener un 2 en el primer lanzamiento
P(A/B)= = . Obsrvese que en este caso P(A/B)=P(A)=1/6
PA B
PB
1/36
1/6

6
36

1
6
En los dos ejemplos anteriores hemos visto que en algunas ocasiones P(A/B)=P(A) y en otras son
distintas. Es decir, el hecho de que se haya verificado el suceso B en nos casos modifica la
probabilidad del suceso A y en otros no. Si el hecho de que sepamos que ha ocurrido B modifica la
probabilidad de que ocurra A los sucesos se llaman dependientes, en caso contrario se llaman
independientes
Dos sucesos A y B son independientes si se verifica que P(A/B)=P(A)
Dos sucesos A y B son dependientes si se verifica que P(A/B) P(A) =
15. PROBABILIDAD DE LA INTERSECCIN. REGLA DEL PRODUCTO
Como ya hemos dicho antes de la definicin de probabilidad condicionada se sigue que:
P(A B)=P(A).P(B/A). Esta igualdad se conoce con el nombre de Regla del producto. Ahora bien,
teniendo en cuenta la definicin de sucesos dependientes e independientes deducimos que para
calcular la probabilidad de la interseccin se deben distinguir dos casos diferentes:
A) Probabilidad de la interseccin de sucesos independientes P(A B)=P(A).P(B/A).=P(A).P(B)
B)Probabilidad de la interseccin de sucesos dependientes P(A B)=P(A).P(B/A) P(A).P(B) =
Esta regla podra generalizarse para calcular la probabilidad de la interseccin de ms de dos
sucesos, por ejemplo para la interseccin de tres obtendramos:
P(A B C)=P(A).P(B/A).P(C/A B)
Ejemplos:
1. Hallar la probabilidad de obtener cuatro caras al lanzar 4 veces una moneda.
Los resultados de cada lanzamiento no afectan a los siguientes, por tanto
P(c,c,c,c)=1/2.1/2.1/2.1/2
Pg9
2. En un examen de sociologa un alumno ha estudiado 15 de los 25 temas que contiene el
temario. El examen consiste en contestar dos temas extrados al azar. que probabilidad hay de
que ambos temas sean de los que el alumno estudi?.
En este caso la extraccin del primer tema vara la probabilidad de la extraccin del 2 por lo
que los sucesos son dependientes.
P(saber1 saber2)=P(saber1).P(saber2/saber1)=15/25.14/24=0,35
3. En una urna hay 3 bolas blancas y 5 negras. Se sacan dos bolas al azar, qu probabilidad hay de
que una se blanca y otra negra si se hace la extraccin a) con reemplazamiento, b) sin
reemplazamiento
A) Los sucesos son independientes.
P(una blanca y otra negra)=P(B,N)+P(N,B)=3/8.5/8+5/8.3/8=30/64=15/32
B) Los sucesos son dependientes
P(una blanca y otra negra)=P(B,N)+P(N,B)=3/8.5/7+5/8.3/7=30/56=15/28
16. PROBABILIDAD EXPERIMENTAL. PROBABILIDAD A PRIORI Y A POSTERIORI.
El experimento de lanzar un dado constituye un espacio de Laplace ya que la probabilidad de cada
suceso elemental es la misma. Resulta por lo tanto muy sencillo asignar a cada suceso elemental
una probabilidad que en este caso sera de 1/6. A estas probabilidades que pueden determinarse de
antemano, sin realizar ningn tipo de comprobacin experimental, se les denomina probabilidades
a priori.
Sin embargo, no siempre es posible establecer a priori la probabilidad de los sucesos elementales,
en estos casos asignaremos la probabilidad mediante la experimentacin, simulacin o estimacin.
A este tipo de probabilidades se les llama experimentales o a posteriori. Este mtodo es el
empleado por ejemplo para calcular las tasas de natalidad, defuncin, expectativa de xito de un
determinado producto comercial, estudio de la audiencia de un programa televisivo, posibilidades
de xito de un determinado frmaco o escaos previsibles para cada partido antes de unas
elecciones.
Ejemplo:
Un cirujano especialista en trasplantes de corazn, estima tras muchos aos de profesin que la
probabilidad de que un paciente sufra una grave complicacin ante la administracin de la anestesia
es de 0,02. La probabilidad de que se produzcan otro tipo de complicaciones durante la operacin
es de 0,1 y la de que se produzca en la fase de recuperacin por problemas de rechazo es de 0,15.
Hallar la probabilidad de que un paciente determinado no tenga complicaciones.
P(no sufrir complicacin)=098.0,9.0,85=0,7497
Pg10
EJERCICIOS
1. En una urna hay 10 bolas blancas, 8 negras y 6 rojas. Se sacan 7 bolas devolvindolas a la urna
cada vez, hallar la probabilidad de obtener primero 3 blancas, luego 2 negras y al final 2 rojas.
2. De una baraja espaola se extraen 5 cartas cul es la probabilidad de que sean del mismo palo?
3. Hallar la probabilidad de obtener al menos un seis triple al lanzar 20 veces un dado.
4. En una urna hay 10 bolas numeradas del 0 al 9, si se sacan de una en una cul es la
probabilidad de que no salgan en orden correlativo?
5. Una urna U
1
contiene 10 bolas blancas y 20 negras, otra urna U
2
contiene 8 blancas y 6 negras.
Se extraen al azar 2 bolas de U
1
y se introducen en U
2
cul es la probabilidad de extraer una
bola negra de U
2
despus de haber introducido las de U
1
?
6. Si E={a
1
, a
2
, a
3
} es un espacio muestral cuales de las siguientes funciones definidas en l son
de probabilidad?
a) P(a
1
)=1/4, P(a
2
)=1/3, P(a
3
)=1/2
b) P(a
1
)=2/3, P(a
2
)=-1/3, P(a
3
)=2/3
c) P(a
1
)=1/6, P(a
2
)=1/3, P(a
3
)=1/2
d) P(a
1
)=0, P(a
2
)=1/3, P(a
3
)=2/3
7. En una ciudad el 40% de la poblacin tiene el cabello castao, el 25% los ojos castaos y el
15% el cabello y los ojos castaos. Se escoge una persona al azar: a) Si tiene el cabello castao
cul es la probabilidad de que tambin tenga los ojos castaos?, b) Si tiene los ojos castaos
cul es la probabilidad de que no tenga cabellos castaos?, c) Cul es la probabilidad de que
no tenga cabello ni ojos castaos?
8. En una facultad el 25% de los varones y el 10% de las mujeres son estudiantes de matemticas,
constituyendo las mujeres el 60% de todos los estudiantes. Si se selecciona un estudiante al
azar y resulta ser de matemticas cul es la probabilidad de que sea mujer?
9. Una caja contiene 5 tubo de radio de los que 2 son defectuosos. Se prueban los tubos uno tras
otro hasta encontrar los 2 defectuosos, cul es la probabilidad de que se suspenda el proceso
en la 2 prueba? y en la tercera?
10. Un tirador da en el blanco con una probabilidad de 0,4. Si dispara 4 veces hallar la probabilidad
de que: a) de en el blanco exactamente 2 veces, b) de en el blanco al menos 1 vez
11. Un matrimonio tiene 6 hijos, si consideramos equiprobables los sucesos nacer varn y nacer
mujer qu probabilidad tiene de que al menos 2 sean varones?
12. A una oposicin concurren hombres y mujeres en la proporcin de 4 a 5. La probabilidad de
que apruebe un hombre es de 0,75 y la de que lo haga una mujer es de 0,8. Se sabe que un
opositor ha aprobado, cul es la probabilidad de que sea mujer?
13. Un producto est compuesto de tres partes a, b y c. El proceso de fabricacin es tal que la
probabilidad de defecto en la parte a es de 0,03, en la parte b de 0,04 y en la parte c de 0,08
cul es la probabilidad de que al finalizar el proceso el producto no sea defectuoso?
14. En un centro de enseanza los alumnos pueden optar por cursar como lengua extranjera ingls
o francs, escogiendo el ingls el 90% de los alumnos. Sabiendo que el 30% de los que
estudian ingls y el 40% de los que estudian francs son chicos cul es la probabilidad de que
un estudiante elegido al azar resulte ser mujer?
15. Ante un examen un alumno ha estudiado 15 de los 25 temas de la materia. Si el examen
consiste en extraer dos temas al azar de los que el alumno tiene que escoger uno para exponer
cul es la probabilidad de que el alumno peda elegir al menos uno de los temas que ha
estudiado?
16. Un grupo de 10 personas se sienta en un banco cul es la probabilidad de que dos personas
fijadas de antemano se sienten juntas?
17. Una caja contiene tres monedas. Una es corriente, la segunda tiene dos caras y la tercera est
trucada de modo que la probabilidad de que salga cara es de 1/6. Se selecciona una moneda al
azar y se tira al aire cul es la probabilidad de que salga cara?
Pg11
18. Dos profesores A y B comparten un nmero de telfono. De Las llamadas que llegan 2/5 son
para A. Sus ocupaciones les alejan del telfono de forma que A est fuera el 50% de las veces
que suena el telfono y B el 25%. Calcula la probabilidad de que cuando suena el telfono no
estn ninguno de los dos para responderlo y la probabilidad, para cada uno de los profesores,
de que est presente cuando lo llaman.
19. Un relojero compra relojes a dos casas proveedoras. La 1 le suministra el 60% de los relojes
de los que el 0,4% son defectuosos, la 2 le proporciona el resto siendo defectuosos el 15%.
Un da el relojero observa que un reloj no funciona cul es la probabilidad de que proceda de
la 1 casa proveedora?
20. Dos medicamentos A y B son eficaces para tratar cierta enfermedad. El medicamento A
produce mejora en el 78% de los casos mientras que el B lo hace en un 83%. Un laboratorio
tiene 3 tubos que contienen el medicamento A y 2 que contienen el B. Si se elige un tubo al
azar y se administra a un enfermo a) cul es la probabilidad de que este mejore? B) si el
enfermo mejora cul es la probabilidad de que se le haya administrado el medicamento A? y
el B?
21. En una clase el 40% de los alumnos aprobaron filosofa y el 50% matemticas. Se sabe que la
probabilidad de aprobar filosofa si aprob matemticas es de 0,6. A) Qu porcentaje de
alumnos aprob ambas materias? B) De los alumnos que aprobaron filosofa qu porcentaje
aprobaron las matemticas?
22. Juan y Pedro lanzan una pelota a un blanco. La probabilidad de que Juan de en el blanco es de
1/3 y la de que lo haga Pedro de . Supngase que Juan lanza primero y que los dos se turnan
para lanzar a) Cul es la probabilidad de que el primer lanzamiento que de en el blanco sea el
2 de Juan?, b) Cul es la probabilidad de que Juan de en el blanco antes de que lo haga
Pedro?
23. Un 20% de los empleados de una empresa son ingenieros y otro 20% son economistas.
Sabiendo que el 75% del os ingenieros y el 50% de los economistas ocupan cargos directivos,
mientras que solo el 20% del resto del personal es directivo, calcular la probabilidad de que un
directivo elegido al azar sea ingeniero.
24. En un instituto de 400 alumnos se realiza una encuesta resultando que 180 de los estudiantes
manifiestan que les gusta el ftbol. Se comprueba que hay 80 chicos a los que no les gusta el
ftbol y que el 60% de los estudiantes son chicas. Elegido un estudiante al azar, hallar la
probabilidad de que: a) sea mujer y le guste el ftbol, b) gustndole el ftbol sea mujer. Son
los sucesos ser mujer y gustar el ftbol independientes? e incompatibles?
SOLUCIONES
1. P(B,B,B,N,N,R,R)= (son sucesos independientes)
10
24
10
24
10
24
8
24
8
24
6
24
6
24
2. Sea A=las cinco cartas del mismo palo P(A)= Dado que para los casos favorables
C
4,1
C
10,5
C
40,5
hay que elegir primero un palo entre 4 posibles y despus 5 cartas de entre las 10 de ese palo.
En cuanto a los casos posibles de 40 cartas elegimos 5.
3. P(al menos un seis triple)=1-P(ningn seis triple)
P(ningn seis triple)= P(ningn seis)+P(1 solo seis)+P(2 seises).
P(ningun seis)= ; P(1 solo seis)=C
20,1
. dado que hay que elegir entre los 20 sitios (
5
6
)
20 1
6
.
(
5
6
)
19
aquel en el que colocamos el seis, la probabilidad de este es de 1/6 y la de los 9 restantes de 5/6
para cada uno.
P(2 seises)=C
20,2
Por las mismas razones anteriores. (
1
6
)
2
(
5
6
)
18
Por tanto P(al menos un seis triple)= 1-((
5
6
)
20
C
20,1
1
6
(
5
6
)
19
C
20,2
(
1
6
)
2
(
5
6
)
18

4. P(no salgan en orden correlativo)=1-P(salgan en orden correlativo)=1-(

1
10
1
9
1
8
1
7
1
6
1
5
1
4
1
3
1
2

(Sucesos dependientes)
Pg12
5. U
1
={10B,20N}, U
2
={8B,6N}. Queremos extraer una bola negra de U
2
despus de introducir
las dos de U
1
. Los sucesos que nos sirven son por lo tanto: (B,B,N), (B,N,N), (N,B,N) y
(N,N,N), como todos ellos son incompatibles la probabilidad pedida ser la suma de las
probabilidades de los sucesos mencionados:
P(negra U
2
)=P(B,B,N)+P(B,N,N)+P(N,B,N)+P(N.N.N)=
10
30
9
29
6
16

10
30
20
29
7
16

20
30
10
29
7
16

20
30
19
29
8
16
6. a) no es funcin de probabilidad pues Pa
1
)+P(a
2
)+P(a
3
)=13/12>1
b) No es funcin de probabilidad pues p(a
2
)=-1/3<0
c) y d) si son funciones de probabilidad al verificar los 3 axiomas.
7. A= tener cabello castao), B= tener ojos castaos
100 60 40 Total
75 50 25 B
25 10 15 B
Total A A
a)P(B/A)=15/40; b)P(A/B)=10/25; c)P(A B)=50/100
8. A=ser mujer, B=Estudiar matemticas
Conocemos P(A)=60/100=0,6; P(A)=0,4 P(B/A)=10/100=0,1; P(B/A)=25/100=0,25
Podemos por lo tanto hallar P(A,B)=P(A).P(B/A)=0,6. 0,1=0,06
Tambin podemos calcular P(A,B)=P(A):P(B/A)=0,4.0,25=0,1
Construimos ahora la tabla de contingencia de las probabilidades
1 0,84 0,16 Total
0,4 0,3 0,1 A
0,6 0,54 0,06 A
Total B B
P(A/B)=
0, 06
0, 16

6
16

3
8
9. 5 tubos: 2 defectuosos D y 3 no defectuosos D
a) para que se suspenda en la segunda prueba han de salir los defectuosos en las dos primeras
pruebas. Es decir buscamos P(D,D)=2/5.1/4=2/20=1/10=0,1 (son sucesos dependientes)
b) Para que se suspenda en la tercera prueba el 2 defectuoso tiene que salir en esta, pudiendo
salir el 1 el la 1 prueba o en la segunda. Por tanto:
P(suspenda 3)=P(D, D,D)+P(DDD)=2/5.3/4.1/3+ 3/5.2/4.1/3
10. ADar en el blanco P(A)=0,4; P(A)=0,6
A) P(2 veces en el blanco)=C
4,2-
0,6.0,6.0,4.0,4 Ya que tenemos que elegir primero los dos
lugares en los que dar en el blanco de entre los 4 posibles, siendo la probabilidad de los dos
que da en el blanco de 0,4 y la de los dos que no da en el blanco de 0,6
B) P(dar en el blanco al menos unavez)=1-P(no dar en el blanco ninguna vez)=1- 0,6
4
11. P(al menos dos varones)=1-P(menos de dos varones)
P(menos de dos varones)=(P(ninguno)+P(1solo)); P(ninguno)=P(m,m,m,m,m,m)= siendo (
1
2
)
6
m=mujer; P(1solo)=C
6,1
Hay que escoger el sitio para colocar el varn de entre los 6
1
2
(
1
2
)
5
posibles, siendo la probabilidad de este de y la de los 5 restantes de cada uno. As pues,
Peal menos dos varones)=1-((
1
2
)
6
C
6,1
(
1
2
)(
1
2
)
5
12. A=ser mujer, B=aprobar 4 hombres, 5 mujeres, aprueban el 80% de las mujeres es decir
5.80/100=4 y el 75% de los hombres es decir 4.75/100=3. Construimos la tabla de contingencia
9 2 7 Total
4 1 3 A
5 1 4 A
Total B B
P(A/B)=4/7
Pg13
13. Sea D
A
=ser defectuoso en A, P(D
A
)=0,03, P(D
A
)=0,97
D
B
=ser defectuoso en B, P(D
B
)=0,04, P(D
B
)=0,96
D
c
=ser defectuoso en C, P(D
c
)=0,08, P(D
c
)=0,92;
P(no defectuoso)=P(D
A
,D
B
D
C
)=0,97.0,96.0,92 al ser sucesos independientes
14. A= Estudiar ingls, B=ser hombre Construimos la tabla suponiendo que hay 100 alumnos
100 10 90 Total
69 6 63 B
31 40%.10=4 30%.90=27 B
Total A A
P(B)=69/100 , es decir el 69% son chicas
15. A=salga uno de los temas estudiados, Los sucesos que nos serviran seran: (A,A), (A,A),
(A,A) que son incompatibles entre si por lo que:
P(salir al menos uno de los estudiados)=P(A,A)+P(A,A)+P(A,A)=
15
25
14
24

15
25
10
24

10
25
15
24
16. Casos posibles P
10
=10!; Casos favorables=9P
2
P
8
ya que hay 9 lugares en donde podamos
colocar a esas dos personas fijas, en cada uno de esos lugares ellas 2 pueden permutarse y los
otros 8 tambin.
17. El experimento es compuesto, primero tenemos que escoger la moneda entre las tres que
tenemos, cada una de ellas tiene una probabilidad de 1/3, y despus tirarla y observar si sale
cara. Los 3 sucesos que nos sirven son: (1,c), (2,c), (3, c) y como son incompatibles la
probabilidad de obtener cara ser la suma de las probabilidades de esos tres sucesos.
P(obtener cara)=P(1,c)+P(2,c)+P(3,c)=1/3.1/2+1/3.1+1/3.1/6
18. Sea A=estar A, B=estar B, LA=que la llamada sea para A, LB=llamada para B
P(A)=50/100=1/2, P(B)=75/100=3/4; P(LA)=2/5; p(LB)=3/5
P(no estar ninguno)=P(A,B)=1/2.1/4=1/8 (son independientes)
P(estarA cuando lo llamen)=P(A,LA)=1/2.2/5=2/10=1/5 (A y LA son independientes)
P(estar B cuando lo llamen)=P(B,LB)=3/4.3/5=9/20
19. Sea A=proceder de la 1casa proveedora, A=proceder de la 2
D=ser defectuoso, D=No ser defectuoso
Conocemos p(A)=60/100=0,6; P(A)=40/100=0,4, P(B/A)=0,4/100, P(D/A)=15/100
Podemos calcular por tanto P(A,D)=P(A).P(D/A)=60/100.0,4/100=0,0024, de igual modo
P(A,D)= P(A).P(D/A)=40/100.15/100=0,006
Construimos as la tabla de contingencia de probabilidades
1 0,9916 0,084 Total
0,4 0,394 0,006 A
0,6 0,5976 0,0024 A
Total D D
P(A/B)=
0, 0024
0, 0084

24
84

2
7
20. Sea M=mejorar, A=administrar el medicamento A, B=administrar el medicamento B
Conocemos P(A)=3/5, P(B)=2/5; P(M/A)=78/100; P(M/B)=83/100
a) El experimento es compuesto, 1 elegimos un tubo y despus se lo administramos y
observamos si mejora. Por tanto la probabilidad de que mejore vendr dada por la suma de las
probabilidades de los dos sucesos incompatibles que nos favorecen: (A,M) y (B,M)
P(A,M)=P(A).P(M/A)=3/5.78/100; P(B,M)=P(B).P(M/B)=2/5.83/100
P(M)=P(A,M)+P(B,M)=3/5.78/100+2/5.83/100=0,8
B) Nos piden ahora P(A/M) y P(B/M), Dado que ya conocemos la P(M) hallada en el apartado
anterior P(A/M)= ; P(B/M)=
PA, M
PM

3/5.78/100
0, 8
0, 585
PB, M
PM

2/5.83/100
0, 8
0, 415
Pg14
21. M=aprobar matemticas, F=aprobar filosofa, conocemos P(F)=40/100, P(A)=50/100.
P(F/M)=0,6
a) P(M,F)=P(M).P(F/M)=50/100.0,6=30/100
A partir de ah construimos la tabla considerando que son 100 alumnos
100 60 40 Total
50 40 10 M
50 20 30 M
Total F F
B) P(M/F)=30/40
22. Sea J = acertar Juan, P=acertar Pedro; P(J)=1/3, P(P)=1/4
A) La primera vez que se da en el blanco es la 2 de Juan, entonces nos piden
P(J,P,J)=2/3.3/4.2/3=1/6
B) Nos piden que el primero que acierte sea Juan, nos sirven por lo tanto que Juan acierte a la
1, 2, 3, 4, etc siempre que no lo haga antes Pedro es decir seran infinitos sucesos del
tipo:(J), (J,P,J), (J,PJPJ), (JPJPJPJ), etc. y nuestra probabilidad ser la suma de las
probabilidades de esos infinitos sucesos. Observemos la probabilidad de algunos de ellos
P(J)=1/3
P(JPJ)=2/3.3/4.1/3
P(JPJPJ)=2/3.3/4.2/3.3/4.1/3
P(JPJPJPJ)=2/3.3/4.2/3.3/4.2/3.3/4.1/3
............................................................................
Si observamos esos nmeros vemos que cada uno de ellos se puede obtener del anterior
multiplicndolo por 2/3.3/4=6/12=1/2. Se trata de una progresin geomtrica de razn
Los infinitos trminos de una progresin geomtrica se pueden sumar siempre que su razn sea
menor que la unidad, que es nuestro caso, la frmula que permite sumar esos infinitos trminos
es la siguiente: S= siendo a
1
el primer trmino de la progresin y r la razn de la misma.
a
1
1 r
Por lo tanto la probabilidad que buscamos ser S=
1/3
1 1/2

2
3
23. Consideremos los sucesos I=ser ingeniero, E=Ser economista, N=no ser ingeniero ni
economista, D=ser directivo D=no ser directivo.
Conocemos P(I)=20/100, P(E)=20/100, P(N)=60/100; P(D/I)=75%; P(D/E)=50/100,
P(D/N)=20/100. Podemos por lo tanto calcular las intersecciones
P(I,D)=P(I).P(D/I)=20/100.75/100=15/100; P(E.D)=P(E).P(D/E)=20/100.50/100=10/100
P(N,D)=P(N).P(D/N)=60/100.20/100=12/100
Construimos ahora la tabla de contingencia suponiendo que son 100 trabajadores
100 60 20 20 Total
63 48 10 5 D
37 12 10 15 D
Total N E I
P(I/D)=15/37
24. Sea M=Ser mujer, F=gustarle el futbol Sabemos que son 400 alumnos y que el 60% son
mujeres, es decir hay 400.60/100=240 mujeres. Con este dato y los que nos da el problema
construimos la tabla de contingencia
400 160 240 Total
220 80 140 F
180 80 100 F
Total M M
A)P(M,F)=100/400=1/4; b)P(M/F)=100/180=5/9.
Los sucesos no son incompatibles porque su interseccin no es vaca. Tampoco son
independientes ya que P(M)=240/400=3/5 y P(M/F)=5/9. P(M) P(M/F) son dependientes =
Pg15
EJERCICIOS PROPUESTOS
1. Sabemos que P(A)=2/5, P(B)=1/3 y P( B), Son A y B A
'
B
'
1/3. Calcula P(AB) y P(A
sucesos dependientes o independientes?
2. Sea A y B dos sucesos tales que P(A)=0,4, P(B)=0,3 y P(A B)=0,1. Calcula razonadamente:
a) P(A B), b) P(A B), c) P(A B) d) P(A/B). Son los sucesos A y B dependientes o
independientes?
3. Sean A y B dos sucesos tales que P( B)=3/4, P(B)=2/3, =1/4. Halla P(B), P(A) y A P(AB)
P(A B). Son A y B dependientes o independientes?
4. Si la probabilidad de que ocurran dos sucesos al mismo tiempo es p cul es la probabilidad de
que al menos uno de los dos no ocurra?
5. Dados dos sucesos independientes A y B, la probabilidad de que ocurran los dos a la vez es de
1/6 y la de que no ocurra ninguno de los dos de 1/3. Calcula las probabilidades de A y B
6. Sean A y B dos sucesos con P(A)=1/2 y P(B)=3/5. Prueba que si B)=4/5 entonces A y B P(A
son independientes
7. Un aparato electrnico est constituido por dos componentes A y B. Sabiendo que hay una
probabilidad de 0,58 de que no falle ninguno de los dos componentes y que en el 32% de los
casos falla B no habiendo fallado A, determina la probabilidad de que en uno de tales aparatos
no falle la componente A
8. Una urna A contiene 6 bolas blancas y 4 negras. Otra urna B tiene 5 blancas y 9 negras.
Elegimos una urna al azar y extraemos dos bolas, que resultan ser blancas Cul es la
probabilidad de que la urna elegida haya sido la A?
9. Se dispone de tres urnas: la A contiene 2 bolas blancas y 4 rojas, la B 3 blancas y 3 rojas y la C
1 blanca y 5 rojas. Se elige una urna al azar y se extrae una bola de ella. A) Cul es la
probabilidad de que sea blanca?, b) Si la bola extrada es blanca cul es la probabilidad de que
proceda de la urna B?
10. En cierto pas un 12% de las personas padecen una enfermedad endmica. Se dispone de una
prueba para detectar la enfermedad, pero no es totalmente fiable ya que da positiva en el 90%
de los casos de personas enfermas y tambin da positiva en el 5% de personas sanas. Cul es
la probabilidad de que est sana una persona a la que la prueba le ha dado positiva?
11. En tres mquinas A,B y C se fabrican piezas de la misma naturaleza. El porcentaje de piezas
defectuosas en cada mquina resulta ser del 1%, 2% y 3% respectivamente. Se mezclan 300
piezas, 100 de cada mquina, y se elige una pieza al azar. Si resulta ser defectuosa cul es la
probabilidad de que proceda de la mquina A?
12. Para 3 tiradores A, B y C la probabilidad de dar en el blanco es de 1/6, y 1/3
respectivamente. Si cada uno de ellos dispara una vez, halla: ) la probabilidad de que solo uno
acierte, b) la probabilidad de que al menos uno acierte.
13. El 2% de lis individuos de una poblacin son diabticos. Entre los diabticos solo la mitad sabe
que lo es. Si se selecciona un individuo al azar cul es la probabilidad de que sea diabtico y
no lo sepa?
14. Se estima que el 30% de los habitantes de una poblacin son obesos y que un 3% son
diabticos. Si el 2% son obesos y tiene diabetes Cul es la probabilidad de que una persona
elegida al azar sea obesa o tenga diabetes? Qu porcentaje de diabticos hay entre los obesos?
15. En Santiago de Compostela el porcentaje de coches que necesitan un cambio de aceite es del
25% y el porcentaje de los que necesitan cambiar el filtro es de un 40%. El 14% de los coches
necesitan cambiar ambas cosas. a) Si sabemos que un coche va a cambiar el aceite cul es la
probabilidad de que tenga que cambiar el filtro?, b) Calcula el porcentaje de coches que
necesitan cambiar el aceite y no necesitan cambiar el filtro.
16. En una empresa en la que el nmero de mujeres es cuatro veces superior al de hombres se
constata que el 25% de los hombres y el 60% de las mujeres usan telfono mvil. Encuentra la
probabilidad de que una persona elegida al azar use telfono mvil. cul es la probabilidad de
ser mujer y tener mvil?
Pg16