Fundamentos de la teoría de la probabilidad

M. en A. Víctor D. Pinilla Morán

Facultad de Ingeniería, UNAM

Resumen

Fenómenos determinista y aleatorio. Fenómenos aleatorios discretos y

continuos. Espacio muestral de un fenómeno aleatorio. Puntos o eventos
elementales de un espacio muestral. Eventos, Eventos discretos y
continuos. Eventos mutuamente excluyentes y colectivamente
exhaustivos.

El concepto de probabilidad a través de diferentes escuelas: clásica,

frecuentista y subjetiva.

Definición axiomática de probabilidad. Teoremas derivados de la

definición axiomática.

Probabilidad condicional. Eventos independientes. Probabilidad total.

Teorema de Bayes.

2.1 Experimentos deterministas y aleatorios. Por la capacidad de predecir el resultado:

Espacio muestral de un experimento aleatorio.
Eventos. Eventos discretos y continuos.
Eventos mutuamente excluyentes y resultado se puede predecir con certeza.
colectivamente exhaustivos.
Fenómeno. Un fenómeno es considerado como
un sinónimo de un experimento y se define
como toda aquella acción que se realiza con el
fin de observar el resultado.
Por su naturaleza pueden clasificarse de varias
formas:
Probabilidad y Estadística
Determinísticos. Es aquel fenómeno cuyo
Aleatorios. Es aquel fenómeno en el cual
no se puede predecir con certeza el
resultado.
Por la capacidad de enumerar los resultados:
Continuos. Se considera a un fenómeno
como continuo cuando el número posible
de observaciones o resultados no es un
conjunto medible, es decir, los resultados
pueden tomar cualquier valor.
M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 19

Discretos. Se considera un fenómeno
como discreto cuando el número posible
de observaciones o resultados es un
conjunto, en el cual se puede determinar
con certeza su tamaño, es decir, los
resultados toman valores establecidos.
Evento Elemental. Un evento elemental o
simple es aquel cuyo espacio muestral está
compuesto por un sólo elemento.
Evento Compuesto. Es aquel que en dos o más
cantidades compone un espacio muestral.
Evento Continuo. Es aquel cuyo resultado que
puede tomar cualquier valor.

Evento Discreto. Es aquel cuyo resultado sólo

puede tomar determinados valores.

Eventos mutuamente excluyentes. Si se tienen

dos eventos A y B, los eventos mutuamente
excluyentes son aquellos en donde la ocurrencia
de uno implica que el otro no puede ocurrir.

Proceso de conversión analógica – digital en donde se

observan las diferencias entre una señal continua
(analógica) y una señal discreta (digital binaria)

Espacio muestral. Es el conjunto de todos los

posibles resultados de un experimento;
constituye el conjunto universal de todas las
Eventos colectivamente exhaustivos. Son
observaciones. Se suele denotar por la letra S.
aquellos cuya unión conforma totalmente el
espacio muestral.
En general, un evento es un fenómeno aleatorio,
es decir, aquel cuyo resultado depende del azar.
En la práctica, si bien un evento puede denotar A E
un conjunto total de resultados de experimentos, D U
para cual se utiliza la notación de conjuntos
denominándolo por una letra mayúscula, en B G F
ocasiones denota también un sólo resultado de un C
fenómeno o experimento, es decir, un elemento
de un conjunto.
Donde: A ∪ B ∪ C ... Z = S
Evento: Algo que ocurre al azar.

Acto: Algo que ocurre con la intervención

humana.

Hecho: Algo que ocurre al azar con la

intención humana.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 20
2.2 El concepto de probabilidad a través de
diferentes escuelas: la clásica, la frecuentista y
la subjetivista, mediante el cual se asignan
probabilidades a los eventos. Cálculo de
probabilidades utilizando combinaciones y
permutaciones.
La Probabilidad resulta de la inquietud del
hombre por buscar una solución a sucesos cuyo
resultado depende en mayor o menor medida del
azar. Nace con la simple inquietud de establecer
una regla para dominar los juegos de azar, de
buscar la fórmula mágica para conocer de
antemano el resultado de dichos experimentos.
La probabilidad basa sus fundamentos
matemáticos en tres interpretaciones: la clásica,
la frecuentista y la subjetiva. Las tres
interpretaciones partes de un grupo de axiomas
de los cuales se desprende una serie de análisis y
herramientas que permiten establecer patrones de
comportamiento de determinados experimentos.
Enfoque clásico
Este enfoque está basado en el principio de la
razón insuficiente. El principio de la razón
insuficiente, o principio de indiferencia, fue
utilizado por el matemático Jacobo Bernoulli
(1645 – 1705) para definir probabilidades. Este
principio señala que cuando no hay fundamentos
para preferir uno de los posibles resultados o
sucesos a cualquier otro, todos deben
considerarse que tienen la misma probabilidad de
ocurrir.
Si en el caso del lanzamiento de un dado, se
considera que cualquier cara tiene las mismas
probabilidades de aparecer, dado que no hay
elementos que indiquen lo contrario, a menos
que se aclarara que se utilizará un dado cargado.
El matemático francés P. S. Laplace (1749 –
1827) estableció este principio en su libro A
Philosophical Essay on Probabilities de esta
manera: “La teoría de la probabilidad consiste en
reducir todos los elementos de la misma clase a
un cierto número de casos igualmente posibles,
es decir, nosotros debemos estar igualmente
Probabilidad y Estadística
Noviembre 2009
indecisos ante su existencia y para determinar la
cantidad de casos favorables para el suceso que
cuya probabilidad se busca. La relación de este
número con el de todos los casos posibles, es la
medida de la probabilidad, que es, por tanto,
sencillamente una fracción cuyo denominador es
el número de todos los casos posibles”.
Este principio de la razón insuficiente tiene
varias características, una de las cuales es que
supone una simetría entre los sucesos. Así se
habla de un dado no cargado, de una moneda no
cargada, de una baraja de cartas sin trucos, etc.
La otra es que se basa en razonamientos
abstractos y no depende de la experiencia.
La hipótesis de la simetría reduce el campo de
aplicación de este principio, ya que, como se
advertirá más adelante, muchos experimentos no
poseen simetría. Por otra parte, puesto que los
cálculos de la probabilidad no dependen de la
experiencia, esto permite calcular las
probabilidades sin realizar una gran serie de
ensayos. Este tipo de experimentos se denominan
algunas veces a priori.
Enfoque frecuentista
En su libro Foundations of the theory of
probality (1933), el matemático ruso A.N.
Kolmogorow explica este enfoque en relación
con los experimentos de lanzar una moneda al
aire. Existen dos posibles resultados, E1 (águila)
y E2 (sol); Kolmogorow se dio a la tarea de
repetir el experimento 200 veces y tabular los
resultados. A partir de la ordenación de los
mismos, obtuvo las frecuencias relativas de los
resultados, dividiendo el número de águilas entre
el total de resultados, concluyendo que las
fluctuaciones de las frecuencias relativas varían
considerablemente cuando n (número de
experimentos) es pequeña, pero cuando n es
grande , la amplitud de las fluctuaciones
disminuye. Este fenómeno se expresa diciendo:
La frecuencia relativa resulta estable o la
frecuencia relativa presenta regularidad
estadística conforme n crece.
M.A. Víctor Damián Pinilla Morán.
21
Con esto podemos suponer (formar una opinión
o juicio con evidencia insuficiente) que cuando
el experimento Ei se repite una gran cantidad de
veces, la frecuencia relativa de un experimento
podría ser prácticamente igual a un valor P, con
un elevado grado de certeza.
Siguiendo este tipo de razonamiento se construye
un modelo matemático ideal y abstracto de este
experimento que se postula como sigue: dado un
experimento E y un evento A, podemos asignar
un número P al evento A, el cual se denomina
probabilidad del evento A. Ese número P tiene
las siguientes características: Cuando el
experimento E se repite una gran cantidad de
veces (n) y el experimento sucede m veces, la
frecuencia relativa m/n será prácticamente igual a
ese número P.
El número P, que se llama probabilidad del
evento A, se denota por P(A).
La P(A) cumple con ciertos preceptos: Primero,
m ≤ n; es decir, el número de casos que aparece
m es igual o menor al número de veces n que
aparece el experimento. Es decir, la frecuencia
relativa es igual o menor a la unidad.
m
≤1
n Obsérvese que en el primer enfoque se dice sólo
Segundo, si no se presenta la ocurrencia de un
águila, entonces m = 0 y
m En el primer punto de vista se da un número
=0
n
por lo tanto:
m
0≤ ≤1
n
lo que equivale a:
0 ≤ P( A) ≤ 1
Probabilidad y Estadística
Noviembre 2009
Puede percibirse que el hecho de que P(A) = 0 no
asegura que el evento A sea imposible. De la
misma forma, P(A) = 1 no asegura la ocurrencia
cierta del evento A.
Este enfoque posee cuatro características:
1. Supone una gran cantidad de ensayos.
2. Supone la regularidad estadística.
3. La P(A) se estima por la frecuencia
relativa de A.
4. Está basada en la experiencia.
Este enfoque es el principio en el cual se
fundamentas los estudios probabilísticos
desarrollados en los años cincuenta,
principalmente en Inglaterra y los Estados
Unidos. No obstante, este enfoque presenta
limitaciones, particularmente en lo que a sus
valores extremos se refiere, frente a la necesidad
de evaluar experimentos que no se producen
realmente o no se pueden repetir.
Una corrección a este enfoque, citado en la
literatura como segundo enfoque frecuentista,
define a la probabilidad como el límite de m/n
cuando n tiende a infinito:
m
P ( A) = Lim n →∞
n
que P(A) y m/n son prácticamente iguales
cuando n es grande, mientras que en el segundo
enfoque se dice que P(A) es el límite de m/n
cuando n tiende a infinito.
P(A) para el evento A y se le llama probabilidad
de A. En el segundo P(A) es el límite de un
proceso.
M.A. Víctor Damián Pinilla Morán.
22
Enfoque subjetivo El análisis combinatorio contempla varios casos:

Formulado por L.J. Savage (1954) establece:

“Un punto de vista personalista sostiene que la
probabilidad mide la confianza que tiene un
individuo determinado en la verdad de una
proposición particular”.

Este punto de vista permite interpretar a las

probabilidades como ponderaciones atribuidas
conforme la confianza personal) o subjetiva) en
el resultado de un experimento. Este enfoque se
aplica a experimentos que todavía no ocurren o
que lo hacen una sola vez y no requiere un
experimento con gran cantidad de ensayos ni la
hipótesis de regularidad estadística.
Principio fundamental del Conteo. Aunque
El primer enfoque frecuentista se puede algunos autores consideran que el Principio
interpretar con base en el enfoque subjetivista. El Fundamental del Conteo se compone únicamente
primer enfoque frecuentista asigna un número de la Regla del Producto, es un hecho que dicha
P(A) a la ocurrencia del evento A, que proviene regla, junto con la Regla de la Suma conforman
de la frecuencia relativa m/n del evento A los elementos fundamentales que permites
(cuando el experimento se realiza un número definir a cualquiera de los casos que conforman a
grande de veces). En el enfoque subjetivo, P(A) la Teoría del Conteo.
es la medida de la confianza que una persona
razonable asigna a la ocurrencia del evento A. En Regla de la suma. Si un evento puede ocurrir de
ambos casos, la frecuencia relativa y la m formas distintas y otro puede ocurrir de n
asignación con base en la confianza de formas distintas, existen entonces m+n distintas
ocurrencia, dependen de la experiencia. formas en las que uno de esos dos eventos puede
ocurrir.
Eventos colectivamente exhaustivos. Son
aquellos cuya unión conforma totalmente el Regla del producto. Si un evento puede ocurrir
espacio muestral. de m formas diferentes y otro puede ocurrir de n
formas distintas, existen entonces mxn distintas
formas en las que los dos eventos pueden ocurrir.
A E
D U
Ejemplo. Se dispone de una urna que contiene
B G F esferas grabadas con alguna letra de acuerdo a lo
C siguiente:

Donde: A ∪ B ∪ C ... Z = S A = { a, b, c, d, e} B = { α,β,γ }

Teoría del Conteo. También conocida como

análisis combinatorio; permite determinar el
número posible de resultados lógicos que cabe
esperar al realizar algún experimento o evento
sin necesidad de enumerarlos todos.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 23
 Aritmética Lógica Álgebra de
Matemática Conjuntos

+ “o” ∪
SUMA CONJUNCIÓN UNIÓN

X “y” ∩
PRODUCTO DISYUNCIÓN INTERSECCIÓN
Β D
A
Α Corolario:
E
B 1) Cuando se trata de eventos independientes se
C Γ
aplica la regla de la suma.

2) Cuando se trata de eventos dependientes se

Primer experimento: de cuántas formas se
puede seleccionar una sola esfera, sin importar el
alfabeto al que pertenezca la letra grabada en
ella.
La respuesta es: se puede seleccionar una esfera
con una letra latina o una con una letra griega.
aplica la regla del producto.
Ejemplo. Para ir de CU a la Villa se dispone de
5 camiones. ¿De cuantas maneras diferentes
puede ir una persona de CU a la Villa y regresar
a CU en camiones diferentes?

1° Experimento = ⎨ selecciona una esfera ⎬ → 1° viaje → CU a la Villa = 5 camiones

5+3 =8
Segundo experimento: de cuántas formas se
puede seleccionar dos esferas simultáneamente si
cada una de ellas debe tener letras de alfabetos
diferentes.
2° viaje → La Villa a CU = 4 camiones porque
se utiliza uno menos
El 1° y 2° viajes son eventos dependientes, por lo
que

2° Experimento = ⎨ selecciona dos esferas ⎬ →

5X3 = 15
Puede percibirse que en el primer experimento
no hay relación alguna entre los alfabetos, ya que
no importa a cual de ellos pertenece la letra
grabada en la esfera; es decir, no hay
dependencia entre el evento A y B.
Por otra parte, en el segundo experimento sí hay
una relación directa entre los posibles resultados,
ya que deben ser las letras de cada una de las dos
esferas de alfabetos diferentes.
En el experimento uno, hay independencia entre
los eventos. En el segundo, los eventos son
dependientes. Asociando estas definiciones a la
lógica matemática:
5X4 = 120 formas diferentes
Ejemplo. En un librero se tienen 22 libros, de los
cuales 5 están en inglés, 7 en alemán y 10 en
francés.
a) ¿De cuántas maneras se pueden seleccionar 2
libros que están escritos en idiomas
diferentes?
Los posibles resultados son extraer parejas de
libros en:
Inglés y Alemán, ó Inglés y Francés, ó Alemán y
Francés.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 24
Lo cual matemáticamente es:
(5)(7) + (5)(10) + (7)(10) = 155 formas
diferentes
b) ¿ De cuántas maneras se pueden seleccionar 2
libros sin importar el idioma en que están
escritos?
Ejemplo. ¿De cuántas maneras se pueden hacer
viajes redondos que inicien en A y regresen al
mismo punto, teniendo en cuenta que los tramos
sólo pueden ser recorridos en el sentido indicado
en la figura?

1° libro Î 22 opciones
2° libro Î 21 opciones
∴ (22)(21) = 462 formas diferentes. A→B=2
B→C=1
C→B=1
Ejemplo. Para ir del punto A al punto B existen B→A=2 2X1X1X2 = 4
3 caminos y para ir del punto B al C hay dos
caminos.
Ejemplo. Cuántos números diferentes mayores
a) ¿De cuántas maneras diferentes se puede de 246 se pueden formar con los dígitos 1,2,3,4,
viajar de A a C pasando por B? si no se permite repetir dígitos en un mismo
número formado?

Números de 3 cifras.

A→B=3
B→C=2 2X3 = 6 formas > 246

b) De cuantas maneras diferentes se puede ir de

2op. 3op 2op ⇒ (2)(3)(2) = 12
A a C pasando por B y regresar a B?

A→C=6
Números de 4 cifras.
C→B=2 6 X 2 = 12 formas

c) ¿De cuántas maneras diferentes se puede > 246

hacer un viaje redondo de A a C a A si no se
permite usar cada camino más que una vez?

A→B=3 4op 3op 2op 1op ⇒ (4)(3)(2)(1) = 24

B→C=2
C→B=1
B→A=2 3X2X1X2 = 12 formas

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 25
Si ahora se pretende la repetición en la formación Se les conoce como ordenaciones porque al
del número mayor que 246, ¿De cuántas maneras existir un orden al formar los diferentes arreglos,
se pueden formar de 3 y 4 dígitos? son ordenaciones diferentes ab y ba o abc y bac.

a) De tres dígitos. El número de formas en que se pueden ordenar r

de n objetos equivale a colocarlos en r
localidades. Existen n formas de llenar la primera
> 246 localidad, n-1 formas de llenar la 2ª, y así
sucesivamente, existirán n-r+1 formas de llenar
la r-ésima localidad.

2op 4op 4op ⇒ (2)(4)(4) = 32

n n-1 n-2 n-r+1
De cuatro digitos.
1 2 3 ……… r r>0
n≥r

> 246 A partir de la regla del producto:

O(n, r ) = n(n − 1)(n − 2 )(n − 3)...(n − r + 1)

4op 4op 4op 4op ⇒ (4)(4)(4)(4) = 256
Por otra parte:
Ordenaciones sin repetición. Se entiende por
ordenaciones de n objetos tomando r de ellos a la
vez, sin repetirlos, a los diferentes grupos que se
pueden formar al seleccionar r de los n objetos
guardando cierto orden.
n! = O(n, r )(n − r )(n − r − 1)...(3)(2 )(1)
Conjunto A = { a, b, c } n=3

• Ordenaciones tomando 1 elemento (r = 1) (n − r )!= (n − r )(n − r − 1)...(3)(2)(1)

a b c
n! = O(n, r )(n − r )!
. . . Tres formas

O(n, r ) =
• Ordenaciones tomando 2 elementos (r = 2) n!
(n − r )!
ab ac ba
bc ca cb Del ejemplo anterior:
. . . Seis formas Arreglos de una letra r =1

O(3,1) =
• 3!
Ordenaciones tomando 3 elementos (r = 3) =3
(3 − 1)!
abc acb bac
bca cab cac Arreglos de dos letras r = 2
. . . Seis formas
O(3,2 ) =
3!
=6
(3 − 2)!

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 26
Arreglos de tres letras r = 3 ¿Cuántos son impares?

O(3,2 ) =
3!
=6 3,5
(3 − 3)!
4!
O ( 4,1) = =4
( 4 − 1)!
Para este tipo de arreglos se cumple r < n 7,9

O(5,2) = 20
Ejemplo. Calcular el número de arreglos
diferentes de 4 letras que se pueden formar con Total = ( 4 )( 20 )= 80 números impares.
las letras de la palabra Volkswagen si en los
arreglos no se permite tener letras repetidas.
d) ¿Cuántos múltiplos de 5?
10 Letras n = 10 r=4

10! 10 * 9 * 8 * 7 * 6! 1!
O(10,4) = = = 5040 5 O (1,1) = =1
(10 − 4)! 6! (1 − 1)!
arreglos

Ejemplo. Se dispone de los dígitos 2,3,5,6,7,9

5!
O (5,2) = = 20
(5 − 2)!
a) ¿Cuántos números de 3 dígitos se pueden
formar? Total = ( 1 )( 20 ) = 20 números múltiplo de 5.

Ordenaciones con repetición. Son aquellas

6!
O(6,3) = = 120 números. ordenaciones en las cuales pueden repetirse los
(6 − 3)! objetos que la forman.

b) ¿Cuántos son pares? Conjunto A = { a, b, c } n=3

Tomando 1 letra : a b c
2 . . tres arreglos
Para el dígito menos
significativo (par) Tomando 2 letras: aa ab ac
6 ba bb bc
2!
O(2,1) = =2
(2 −1)! ca cb cc

5! . . . nueve arreglos
5 posibilidades O(5,2) = = 20
para el resto (5 − 2)!
Tomando 3 letras: aaa aab aac
aba abb abc
Total = (2)(20) = 40 números pares aca acb acc

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 27
 baa bab bac Para el DF, la placa se forma con el número
bba bbb bbc primero y las letras después de estas últimas la
bca bcb bcc primera sólo puede ser a,b,c,d
caa cab cac
cba cbb cbc
cca ccb ccc

. . . 27 arreglos

Si consideramos que tenemos r lugares OR (26,2) = 676 OR (10,3) = 1000

disponibles para colocar n objetos, los cuales se
pueden repetir, existen n formas para la primera
posición, n para la segunda, n para la tercera y
así consecutivamente.
1 2 3 r
Total de vehículos = (676)(1000)(4)= 2,704,000
Ejemplo. Se tienen 20 banderas de las cuales 5
son blancas, 5 son rojas, 5 negras y 5 azules.
Calcular el número de señales diferentes que se
pueden formar al colocar 5 banderas
simultáneamente en un asta bandera.

Por la regla del producto:

Colores = 4 n=4 Posiciones = 5
r
OR(n,r) = n*n*n*n*n*………n = n
Total de señales = OR(4,5) = 45 =1024
OR(n, r ) = n r

En este caso, r ≥ n. Ejemplo. Cuántos lenguajes se pueden formar

con el punto y la raya del alfabeto morse, si en
cada uno de ellos se puede utilizar hasta 4
Ejemplo. Para controlar a los vehículos de la elementos.
República Mexicana se tiene una placa de
identificación que consiste de 3 letras y tres N = 2 (dos signos)
números con este sistema. ¿Cuántos vehículos se
pueden controlar como máximo?
Lenguaje 1 signo OR ( 2,1 ) = 2
Lenguaje 2 signo OR ( 2,2 ) = 4
Lenguaje 3 signo OR ( 2,3 ) = 8
Lenguaje 4 signo OR ( 2,4 ) = 16

Total Letras = 26 Total Dígitos = 10 Total = 30 lenguajes

OR (26,3) = 17,576 OR(10,3) = 1,000

Total de vehículos = (17,576)(1000)

= 17,576,000

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 28
Permutaciones. Son las ordenaciones de esos Total de arreglos = 720 * 24 = 17,280
mismos n objetos tomados todos a la vez.

En este caso: r = n Permutaciones con repetición. Son las

ordenaciones con repetición cuando se toman los
n!
O (n, r ) = = n! n elementos a la vez, es decir, cuando r = n.
( n − n )!
PRn = OR(n, n ) = n n

Pn = O(n,n) = n! Conjunto A = { a, b, c } n=3

aaa aab aac

Ejemplo. Si se tienen 3 letras = a b c ; ¿Cuantas aba abb abc
ordenaciones de tres letras se pueden hacer? aca acb acc
baa bab bac
abc, acb, cba, cab, bac, bca = 6 formas bba bbb bbc
bca bcb bcc
P3 = 3! = 6 caa cab cac
cba cbb cbc
cca ccb ccc
Ejemplo. ¿De cuántas maneras se pueden
colocar 10 libros, si 4 de ellos deben estar
. . . 27 arreglos
siempre juntas?

1 2 3 4 5 6 7 8 9 10 Permutaciones con grupos de elementos

repetidos. A partir del siguiente ejemplo:

Conjunto A = { a, b, c } n=3

Dado que cuatro de ellos deben permanecer Las seis permutaciones son:
juntos, en realidad existen siete libros abc, acb, cba, cab, bac, bca
permutables.
Ahora, si en el conjunto A se hace el cambio de
P7 = 7! = 5040 un elemento:
Por otra parte, los cuatro libros que deben
Conjunto A = { a, b, a } n=3
permanecer juntos también son permutables.
Las seis permutaciones son:
P4 = 4! = 24
aba, aab, aba, aab, baa, baa
Total de arreglos = 5040X24 = 120,960
Los colores son para notar la sustitución. Puede
Si ahora se desea que el grupo de 4 libros esté
observarse que:
siempre en el mismo lugar, de cuantas maneras
se pueden colocar.
aba = aba aab = aab baa = baa

En realidad sólo hay tres permutaciones

P6 = 6! = 720 (seis libro permutables) diferentes.
P4 = 4! = 24

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 29
Supóngase que se tienen n objetos dados dentro Ejemplo. Un fabricante de vestidos produce 12
de los que hay un grupo de α objetos iguales y unidades al día y por la moda necesita entregar 3
otro de β objetos iguales entre sí. Para azules, 2 rojos, 2 verdes, y 5 blancos. ¿De
determinar el número de permutaciones distintas cuántas formas diferentes puede fabricarlos?
que se pueden formar con los no objetos dados,
supóngase que están formadas todas las n = 12
permutaciones y que x es su número. q1 = 3 q2 = 2 q3 = 2 q4 =5

En cada una de las x permutaciones formadas,
sustitúyanse los α objetos iguales por α objetos
distintos y permútense de las α ! maneras
posibles. Se obtendrán x ⋅α ! permutaciones de n
objetos en las que figuran solamente β objetos
iguales.
En cada una de las x ⋅α ! últimas permutaciones
formadas, sustitúyanse ahora los β objetos
iguales por β objetos distintos y permútense
también de las β ! maneras distintas. Se
obtendrán x ⋅α !⋅ β ! permutaciones de n objetos
en las que no figuran ni el grupo de α objetos
repetidos ni el de β objetos iguales entre sí. Pero
este número es precisamente el de las
permutaciones de n objetos distintos, por lo que
se puede escribir:
x ⋅α !⋅ β ! = n!
P(12,3,2,2,5) =
12!
= 166,320
3!⋅2!⋅2!⋅5!
formas diferentes
Permutaciones circulares. Estas permutaciones
se refieren al número de maneras distintas en que
pueden colocarse n objetos alrededor de un
círculo de manera que queden igualmente
espaciados y sin que importen las posiciones
absolutas de los objetos en el círculo, sino
únicamente las posiciones relativas de los
objetos con respecto a sí mismos. Dos
permutaciones circulares son iguales si todos sus
elementos tienen el mismo precedente y
consecuente.
a c

despejando

n! c b b a
x=
α !⋅ β !
Estas permutaciones circulares son iguales
en forma general, las permutaciones de n objetos
con grupos de q1 , q 2 , q 3 ...q n elementos iguales: Para determinar la respectiva expresión,
considérese la permutación lineal de n
elementos:
P(n, q1 , q 2 , q3 , ... , q n ) =
n!
q1!, q 2 !, q3 !, ... , q n ! α 1 α 2 α 3 ...α n −1 α n

donde : q1 + q 2 + q3 + ... + q n ≤ n Si se lleva el último elemento de la permutación

al primer lugar, se obtiene la nueva permutación.

α n α 1 α 2 α 3 ...α n −1

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 30
A ésta se le conoce como permutación cíclica de esencialmente distintas se reduce a la mitad. Así,
la anterior y puede observarse que si el proceso la fórmula para calcular las permutaciones
de llevar el último elemento al primer lugar se circulares de n objetos en este caso será:
repite n veces se llega a la permutación inicial.
Además, puede verse fácilmente que si las n
PC n =
(n − 1)!
permutaciones cíclicas se colocan alrededor de
2
un círculo, no se distinguen entre sí, sino que
forman una sola permutación circular. Luego
puede concluirse que n permutaciones cíclicas de
Ejemplo. Calcular el número de maneras
n objetos generarán una permutación circular y,
diferentes en que cinco personas pueden
razonando en forma inversa, que recíprocamente
colocarse:
una permutación circular genera n permutaciones
cíclicas que son linealmente diferentes.
a) En fila P5 = 5! = 120
Supóngase ahora que PCn es el número de
b) Alrededor de una mesa PC5 = (5-1)! = 24
permutaciones circulares distintas que se pueden
siempre que no se permita al observador
formar con n objetos. Por lo antes visto puede
asomarse por debajo de la mesa.
afirmarse que, por cada una de las permutaciones
circulares se obtienen n permutaciones cíclicas.
c) Alrededor de una mesa si una persona debe
Luego, el número de permutaciones ordinarias
ocupar un lugar determinado. PC5 = (5-1)! = 24
obtenidas a partir de las permutaciones circulares
es n⋅ PC n y puede escribirse: Como en las permutaciones circulares no interesa
la posición absoluta de los objetos en el círculo,
n ⋅ PC n = Pn n ⋅ PC n = n! despejando sino sólo la relativa con respecto a sí mismos, se
resuelve el inciso igual que el anterior, pidiendo
n! n(n − 1)!
a las personas colocadas en la mesa que giren
PC n = = = (n − 1)! alrededor de la mesa, sin perder sus posiciones
n n relativas, hasta que quede en el lugar adecuado la
persona de la condición.
PC n = (n − 1)!
d) Alrededor de una mesa si dos personas deben
De acuerdo con esta expresión, con las tres letras estar siempre juntas. PC 4 ⋅ P2 = (4 − 1)! ⋅ 2! = 12
a, b, c pueden formarse (3-1)! = 2 permutaciones Se considera como una a las dos personas que
circulares distintas: deben estar juntas y después se permutan de
todas las maneras posibles esas dos personas.
a a
d) En la rueda de la fortuna.

1 2
PC 5 =
(5 − 1)! = 12
2
c b b c

Combinaciones sin repetición. Se les llaman

Puede observarse que si el círculo uno se
combinaciones de n objetos de orden r a los
proyectara como espejo sobre el círculo dos,
diversos grupos que pueden formarse al elegir r
ambas permutaciones se confundirían. En
de n objetos dados, de tal manera que dos
consecuencia, puede afirmarse que si el círculo
combinaciones se consideran distintas si difieren
en donde se colocan los objetos al formar
en uno de sus objetos por lo menos.
permutaciones circulares puede voltearse, o verse
por sus dos lados, el número de permutaciones

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 31
A diferencia de las ordenaciones, en las b) Dos de las personas elegibles no pueden
combinaciones no interesa el orden de los aparecer juntas en el comité.
objetos, sino únicamente la clase de los mismos.
Si las dos personas de la condición están en el
Conjunto A = { a, b, c } n=3 comité, los otros tres miembros se elegirán de las
ocho personas restantes de:
Tomando 1 letra : a b c
. . . tres arreglos
C (8,3) =
8!
= 56
Tomando 2 letras: ab bc ca
(8 − 3)! 3!
. . . tres arreglos
Por lo tanto, hay 252 – 56 = 196 comités en los
Tomando 3 letras: abc que no están juntos las dos personas aludidas.
. . . un arreglo
c) Dos de las personas elegibles deben estar
Para determinar el número de las combinaciones siempre juntas, dentro o fuera del comité.
de n objetos de orden r, considérense formadas
todas las combinaciones O(n,r). Si en todas se Si las dos personas de la condición están en el
permutan sus r objetos de las r! Maneras comité, las tres personas restantes se escogen de:
posibles, se obtendrán en total r! O(n,r)!
C (8,3) =
ordenaciones de los n objetos dados de orden r. 8!
= 56
(8 − 3)! 3!
En la forma antes descritas , se han formado
todas las ordenaciones de n objetos de orden r, ya Los comités en los que la pareja no está es:
que las provenientes de una misma combinación
son diferentes porque difieren en el orden de sus
C (8,5) =
8!
objetos, y las que vienen de combinaciones = 56
distintas difieren por lo menos en uno de sus (8,5)! 5!
objetos.
El total de comités es: 56 + 56 = 112
r! C (n, r )! = O(n, r )
d) En el comité debe haber un presidente.
O(n, r ) n!
C (n, r ) = = r≤n Existen 10 formas de elegir un presidente y
r! r!(n, r )!

C (9,4) =
9!
= 126
Ejemplo. De un grupo de diez personas debe
(9 − 4)! 4!
elegirse un comité formado por cinco. Calcular el
número de comités diferentes que se pueden El total de comités es: 10 x 126 = 1260
elegir si:

a) Las diez personas son elegibles libremente.

Combinaciones con repetición. Este tipo de
arreglos permite repetir objetos en una misma
C (10,5) =
10!
= 252
(10 − 5)! 5!
combinación, por lo que el orden puede ser
mayor que el número de objetos dados.

Conjunto A = { a, b, c } n=3

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 32
Tomando 1 letra : a b c Números combinatorios. A los números
. . . tres arreglos n!
generados por la expresión para
Tomando 2 letras:
(n, r )! r!
aa bb cc cuando r varía desde 1 hasta n reciben el nombre
ab bc de números combinatorios y tienen la notación
ac ⎛ n⎞
⎜⎜ ⎟⎟ , donde n es el numerador y r es el
. . . seis arreglos
⎝r⎠
Tomando 3 letras:
denominador del número combinatorio.
aaa bbb ccc
aab bbc
Los números combinatorios poseen tres
aac bcc
propiedades:
abb
abc
1. Los números combinatorios de orden cero
acc
valen la unidad. Asimismo, los números
. . . diez arreglos
combinatorios de orden igual a n también
valen la unidad.
La expresión que denota el número de
combinaciones con repetición es:
⎛ n⎞ ⎛ n⎞
⎜⎜ ⎟⎟ = 1 ⎜⎜ ⎟⎟ = 1
CR (n, r ) = C (n + r − 1, r ) ⎝0⎠ ⎝ n⎠

Demostración:
Ejemplo. En una escuela mixta, de hombres y
mujeres, se va a formar un comité de cinco ⎛n⎞ n!
alumnos. ¿Cuántos comités diferentes se pueden Si ⎜⎜ ⎟⎟ = , sustituyendo:
formar, con respecto a su composición de ⎝ r ⎠ r!(n − r )!
hombres y mujeres?
⎛n⎞ n! n!
Deberán seleccionarse cinco de dos objetos ⎜⎜ ⎟⎟ = = =1
diferentes (hombre y mujer): ⎝ 0 ⎠ 0!(n − 0)! n!
⎛n⎞
por lo tanto: ⎜⎜ ⎟⎟ = 1
CR(5,2) = C (5 + 2 − 1,2) =
6!
=6 ⎝0⎠
(6 − 2)! 2!
Por otra parte:

⎛ n⎞ n! n!
⎜⎜ ⎟⎟ = = =1
⎝ n ⎠ n!(n − n)! n!
⎛ n⎞
por lo tanto: ⎜⎜ ⎟⎟ = 1
⎝ n⎠

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 33
 2. Los números combinatorios de órdenes Triangulo de Pascal. Los números
complementarios son iguales entre sí. combinatorios pueden ser acomodados en un
arreglo piramidal, en el cual se observan
⎛n⎞ ⎛n ⎞ plenamente sus propiedades.
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝r ⎠ ⎝n − r⎠
⎛ 0⎞
Demostración: ⎜⎜ ⎟⎟
⎝ 0⎠
⎛n⎞ n!
Si: ⎜⎜ ⎟⎟ = , sustituyendo: ⎛1⎞ ⎛1⎞
⎝ r ⎠ r!(n − r )! ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ 0⎠ ⎝1⎠
⎛n ⎞ n! n! ⎛n⎞
⎜⎜ ⎟⎟ = = = ⎜⎜ ⎟⎟ ⎛ 2⎞ ⎛ 2⎞ ⎛ 2⎞
⎝ n − r ⎠ (n − r )![n − (n − r )]! (n − r )!r! ⎝ r ⎠ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎛n ⎞ ⎛n⎞ ⎝ 0⎠ ⎝ 1⎠ ⎝ 2⎠
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟
⎝n − r⎠ ⎝r ⎠ ⎛ 3⎞ ⎛ 3⎞ ⎛ 3⎞ ⎛ 3⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ 0⎠ ⎝ 1⎠ ⎝ 2⎠ ⎝ 3⎠
3. La suma de los números combinatorios de
igual numerador y órdenes diferentes en una
⎛ 4⎞ ⎛ 4⎞ ⎛ 4⎞ ⎛ 4⎞ ⎛ 4⎞
unidad es igual a un número combinatorio de ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
numerador igual a una unidad más grande ⎝ 0⎠ ⎝ 1⎠ ⎝ 2⎠ ⎝ 3⎠ ⎝ 4⎠
que la de los sumandos y orden igual al
mayor de los órdenes de los combinatorios
sumandos. Observando el Triangulo de Pascal pero con sus
valores:
⎛ n ⎞ ⎛ n ⎞ ⎛ n + 1⎞
⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ 1
⎝ k − 1⎠ ⎝ k ⎠ ⎝ k ⎠ 1 1
1 2 1
Demostración: 1 3 3 1
1 4 6 4 1
⎛n⎞ n! 1 5 10 10 5 1
Si: ⎜⎜ ⎟⎟ =
⎝ r ⎠ r!(n − r )! 1 6 15 20 15 6 1

Para hacemos para (n,k-1) + (n,k) debemos

Propiedad Uno: Los números que están sobre los
obtener (n+1,r) de ahí que sustituyendo nos
vértices del triangulo denotan esta propiedad
queda:
(color verde).
n! n! kn!+ ( n − k + 1) n!
+ = Propiedad dos: Los números que están a la
( k − 1)! ( n − k + 1)! k!( n − k )! k!( n − k + 1)!
misma distancia a la derecha y a la izquierda de
( k + n − k + 1) n! ( n + 1) n! ( n + 1)! ⎛ n + 1⎞ los vértices del triangulo denotan esta propiedad
= = = = ⎜⎜ ⎟
k!( n − k + 1)! r!( n − r + 1)! k!( n − k + 1)! ⎝ k ⎟⎠ (colores naranja).

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 34

Propiedad tres: Al sumar dos números
combinatorios en el mismo nivel, resulta el
número de un nivel posterior en medio de los
mismos.
Teorema del Binomio. A partir de cualquier
binomio elevado a una potencia entera, por
ejemplo:
(a + b )4 = a 4 + 4a 3b + 6a 2 b 2 + 4ab 3 + b 4
puede observarse que los coeficientes de los
sumandos del binomio coinciden con los
números combinatorios de orden n = 4.
Una expresión general para obtener el desarrollo
de cualquier binomio elevado a una potencia es:
(a + b )n = ∑ ⎛⎜⎜ ⎞⎟⎟ a n−r
n n
br
r =0r ⎝ ⎠
Diagrama de Árbol. Es una herramienta gráfica
usada para enumerar todas las posibilidades
lógicas de una secuencia de datos que ocurren de
una forma finita de maneras.
El árbol está formado por puntos o nodos que
representan instantes en el tiempo o lugares en el
espacio y por líneas o ramas que representan las
posibles acciones que puedan tomarse; los nodos
y las ramas siempre están unidos.
Probabilidad y Estadística
Noviembre 2009
El diagrama de árbol conforma el espacio
muestral en una dimensión de un evento.
Ejemplo. Los toros de Chicago y los Celtics de
Boston participan en un torneo de Basketbol; el
primero que gane dos juegos consecutivos o un
total de tres será el vencedor del torneo.
¿Cuántas maneras posibles podría terminar el
torneo?
Existen diez formas de desarrollar el torneo.
En todo caso, el diagrama de árbol conforma el
espacio muestral de un evento.
2.3 La definición axiomática de probabilidad.
Algunos teoremas derivados de la definición
axiomática.
Un Axioma en una verdad evidente que no
requiere de demostración. La probabilidad basa
sus desarrollos en tres axiomas:
1) P(A) ≥ 0
2) P(S) = 1
3) P(A1+A2+…+An) =
P(A1)+P(A2)+)+…+P(An)
donde A1, A2, A3 ... An son eventos
mutuamente excluyentes.
M.A. Víctor Damián Pinilla Morán.
35
Teoremas derivados de la definición
axiomática.
∴ P(A) + P( A ) = 1 ⇔ P( A ) = 1 – P(A)
e.q.d.
Estos teoremas se obtienen de una aproximación
entre la teoría de conjuntos y la aritmética y el
álgebra. Principalmente es necesario contar con Teorema 3: P(A ∪ B) = P(A) + P(B) - P(AB)
lo antecedentes de las operaciones con conjuntos
(unión, intersección, complemento, etc.) para
desarrollarlos.

Por otra parte, debe tomarse en cuenta los

fundamentos de la lógica matemática que
establece las relaciones entre diversas
operaciones matemáticas:

“Y” (conjunción) ⇔ ”x” (producto) ⇔ Evento

Dependiente
Si A ∪ B = A ∪ ( A ∩ B )

“O” (disyunción) ⇔ ”+” (suma) ⇔ Evento y B = (A ∩ B)∪ (A ∩ B)

Independiente

luego entonces
Teorema 1: P(∅) = 0
Demostración: P ( A ∪ B) = P( A) + P(B ∩ A )
y P ( B) = P( A ∩ B ) + P( A ∩ B )
Si P(S ∪ ∅) = P(S) + P(∅)

restando ambas ecuaciones

(por el axioma 3) y

S ∪ ∅ = S, entonces
P(S ∪ ∅) = P(S) = 1 (axioma 1)

∴ 1 = 1 + P(∅) ⇔ P(∅) = 0 e.q.d. simplificando

Teorema 2: P( A ) = 1 – P(A) P ( A ∪ B) − P( B) = P( A) − P( A ∩ B )
Demostración: P ( A ∪ B) = P( A) + P( B) − P( A ∩ B ) e.q.d.

Si P(A) + P( A ) = P(S)
y P(S) = 1

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 36
Este teorema se reduce al axioma 3 cuando los
conjuntos son disjuntos1.

Teorema 4:

Teorema 5: Al realizar el experimento correspondiente,

P ( A ∩ B) = P ( A) + P( B) − P( A ∪ B)
Leyes de D’Morgan
supóngase que ocurre el evento A y una vez
ocurrido éste, se desea observar si también
ocurrió el B. Puesto que ya ocurrió el evento A,
el evento B sólo puede ocurrir si tiene eventos
elementales en A es decir si existe A ∩ B.

Además, en ese momento el evento A es el

( A ∪ B)' = A'∩ B' ⇔ ( A ∪ B) = A ∩ B espacio total de eventos posibles. Luego P(B I A)
se puede calcular como.

( A ∩ B)' = A'∪ B' ⇔ ( A ∩ B) = A ∪ B

P(BIA) = Eventos elementales en A y en B

2.4 Probabilidad condicional. Diagramas de Eventos elementales en A

árbol. Eventos independientes. Probabilidad
total. Teorema de Bayes.
Lo que puede escribirse como:
Si A y B son dos eventos del espacio muestral S,
la probabilidad de que el evento B ocurra con la
n( A ∩ B )
condición de que previamente haya ocurrido el P ( BIA) = si n(A) ≠ 0
evento A, se le conoce como probabilidad n( A)
condicional de B y se representa como P(B I A)
( Léase probabilidad de B dado A ) A partir de
los eventos A y B :
( A ∩ B)
se define P( AB ) =
n( S )

n( A)
1 Si dos conjuntos A y B no tienen elementos
y P ( A) =
n( S )
comunes, es decir, ningún elemento de A está en B
y si ningún elemento de B está en A, se dice que A
y B son disjuntos.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 37
 A partir de la información del experimento a
estudiar, primeramente deben especificarse los
de tal forma
eventos, posteriormente la secuencia o
subordinación entre ellos.

P(B I A) = En la generalidad, las probabilidades

condicionales se advierten porque los eventos se
subordinan con la conjunción si (condicional, de
diferente significado que el sí afirmativo). De la
misma forma, suele detectarse en la definición
del experimento que la probabilidad condicional
P( AB ) es un dato histórico, tal que cuando es
finalmente P(B I A) = mencionada aún no se produce el evento.
P( A)
P(A) ≠ 0
Asimismo, la probabilidad simultánea
corresponde a dos eventos que ocurren al mismo
La secuencia en que ocurren los eventos pueden tiempo, en el instante en que se estudia el
mostrarse con claridad a través de un diagrama experimento y la subordinación entre ellos se
de árbol, siempre y cuando se trate de eventos detecta a través de la conjunción Y.
mutuamente excluyentes, colectivamente
exhaustivos con un número finito de resultados.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 38
Ejemplo. Con base en la experiencia un médico Eventos Independientes. Dos eventos son
ha recabado la siguiente información, relativa a independientes si :
las enfermedades de sus pacientes:

P(A \ B) = P(A) ----------- 1

ƒ 5% creen tener cáncer y lo tienen
P( AB )
ƒ 45% creen tener cáncer y no lo tienen P( A / B) = --------2
ƒ 10% no creen tener cáncer y lo tienen P( B )
ƒ 40% no creen tener cáncer y no lo tienen
P( AB )
P ( A) = ⇒ P(A) P(B) = P(AB)
P( B )
Si se selecciona un paciente al azar. Determine
las siguiente probabilidad.
del ejemplo anterior
a) Que tenga cáncer si cree tenerlo
b) Que tenga cáncer si no cree tenerlo P(A) = 0.50 (0.5)(0.15) ≠ 0.05
P(B) = 0.15
Evento P(AB) = 0.05 ∴ A y B no son independientes
A → El paciente cree tener cáncer
B → El paciente tiene cáncer
Ejemplo. Suponiendo la siguiente información

CONTRAE NO CONTRAE
CANCER CANCER

FUMADOR 0.5 0.2 0.7

NO FUMADOR 0.1 0.2 0.3

0.6 0.4

1. Encontrar la probabilidad de que un

individuo contrae cáncer dado que es
fumador
P( AB ) 0.05
a) P(B I A) = = = 0.1 = 10% 2. Encontrar la probabilidad de que un
P( A) 0.5
individuo tenga cáncer dado que no es
fumador
P( A B ) 0.1
b) P(B I A ) = = = 0.2 = 20% 3. Determinar si son eventos independientes
P( A ) 0.5

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 39
 En el caso de tres eventos

1) P(B / A) = ¿?
P( AB ) 0.5
P ( B / A) = = = 0.71
P( A) 0.7
2) P(B / A) = ¿?
P ( A B ) 0.1
P( B / A ) = = = 0.333
P( A ) 0.3
3) P(A) = 0.7
(0.7) (0.6) ≠ 0.5
P(B) = 0.6
no son ind.
P(AB) = 0.5

En general
Frecuentemente se desea encontrar la
probabilidad de que ocurran conjuntamente una
serie de eventos A1, A2, A3,……., An ya sea
simultáneamente, o bien, uno a continuación del
otro.

En el caso de dos eventos Si los eventos A son independientes:

P(A1 A2) = P(A2 / A1) P(A1 A2) P( A1 A2 A3 ... An ) = P( A1 )P( A2 )P( A3 ) ... P( An )

A esta expresión se le conoce como regla de la

multiplicación.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 40
Ejemplo. 3 2 1
P(N3/N1N2) = • • = 0.0119
9 8 7

Si se hace con reemplazo

4 Bolas Blancas
3 Bolas Negras
2 Bolas Rojas
9
Experimento: Se extraen 3 bolas (Sin
Reemplazo) ¿Cuál es la probabilidad de que las 3
sean negras?
P(N2/N1) = P(N2) = P(N3) =
P(N3/N1N2)
Eventos Ni → Sale Negra
Bi → Sale Blanca
P(N1N2N3) = 3/9 • 3/9 • 3/9 = 0.03
Ir → Sale Roja

El reemplazo garantiza la independencia de los

eventos.

Teoría de la Probabilidad Total

Sea un conjunto de eventos B1, B2, B3, …,Bn
mutuamente excluyentes y colectivamente
exhaustivas.

P(N1N2N3) = P(N1) P(N2/N1)

Para cualquier evento A, A ⊂ S

De acuerdo a los axiomas de probabilidad

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 41
 P( Ai B ) P( Ai B ) P(B Ai )P( Ai )
A = (A∩B1)∪(A∩B2)∪ …… (A ∩ Bn) P ( Ai B ) = = =
∑ P( A )P(B A ) ∑ P( A B ) ∑ P( A B )
n n n
Ya que (A∩Bi) son mutuamente excluyentes i i i i
i =1 i =1 i =1
P(A) = P(AB1) + P(aB2) + ….+ P(ABn)
Si P(ABi ) = P(A/Bi) P(Bi) Las anteriores expresiones definen al Teorema de
Bayes, que también es conocido como de la
n
probabilidad a posteriori, ya que denota
P(A) = ∑ P( A / Bi ) P( Bi )
i =1
→ Teorema de la probabilidades en forma posterior a la realización
del experimento.
Probabilidad total.
P( Ai B ) : Probabilidad de que haya ocurrido
Teorema de Bayes Ai dado que ocurrió B .

En la práctica no siempre después de haberse El cambio en la secuencia de los eventos debe

realizado el experimento o evento se conoce el detectarse a partir de las condiciones del
resultado del mismo. De existir esta experimento.
incertidumbre, el resultado es aún motivo de una
probabilidad.

A partir de la probabilidad condicional, sean n Ejemplo. Raúl está acusado de un crimen. La

eventos A1, A2,, ..., An mutuamente excluyentes y probabilidad de que el jurado emita el veredicto
colectivamente exhaustivos, entonces para correcto es de 0.95, es decir, la probabilidad de
cualquier evento B, B ⊂ S que ocurre que el jurado condene a un culpable verdadero y
posteriormente se tiene: de que absuelva a un inocente verdadero es de
0.95.
n
P(B ) = ∑ P ( Ai ) P( B / Ai ) Se sabe que la labor de la policía es tal que el
i =1 60% de las personas que se presentan a la corte
para ser juzgadas son verdaderamente culpables.
Teorema de la Probabilidad Total
P ( Ai B )
Determinar la probabilidad de que Raúl sea
(
P B Ai = )
P ( Ai )
inocente si el juzgado lo declara culpable.

Probabilidad condicional 1er evento

A = Raúl es detenido porque es culpable
El Teorema de Bayes propone modificar el orden A = { Raúl es culpable }
o la secuencia de los eventos:

2do evento
P( Ai B )
P( Ai B ) = Sustituyendo el Teorema de B = Raúl es declarado culpable porque lo
P(B )
es
la Probabilidad Total:
B = { Raúl es declarado culpable}

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 42
 Ejemplo. Una empresa de asesoría alquila autos
de 3 agencias:
P(M) = ¿?
20% de la agencia D
Por el Teorema de Probabilidad Total
20% de la agencia E
60% de la agencia F

Si: 10% de los autos de la agencia D

12% de los autos de la agencia E
4% de los autos de la agencia F

tienen neumáticos en mal estado. ¿Cuál es la

P(F / M) = ¿?
probabilidad de que la empresa rente un auto con
neumáticos en mal estado? Si el auto tiene los
neumáticos en mal estado, ¿Cuál es la

P( AB ) P( AB )
P( A B ) =
0.02
= = = 0.29
P(B ) P( AB ) + P( AB ) 0.05 + 0.02
probabilidad de que sea de la agencia F ?

1er evento → Rentar un auto

2do evento → Que tenga los neumáticos
defectuosos

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 43
Ejemplo. En una fábrica, 3 máquinas, A,B y C,
producen la misma pieza. El 6% de las piezas de
la máquina A están defectuosas, el 7% de las de
la máquina B también están defectuosas,
mientras que sólo el 3% de las producidas por la
máquina C lo están.

La producción se distribuye de la siguiente

forma:

Máquina A → 65%
Máquina B → 13%
Máquina C → 22%

¿Cuál es la probabilidad de que al tomar una

pieza del almacén resulte que está defectuosa, la
haya producido la máquina B? Bibliografía
Canavos, Probabilidad y Estadística, Edit.
Mc Graw Hill, México 1988.

Borras, et. al. Apuntes de Probabilidad y

Estadística, Facultad de Ingeniería UNAM,
México 1985.

Villarreal , Probabilidad y Modelos

Probabilísticos, UAEM, México 1989.

Hines, Montgomery; Probabilidad y

Estadística, Edit. CECSA, 3ª edición,
México 1993.

Evento A → Fabricar la pieza Vilenkin, ¿De cuántas formas?

Combinatoria, Editorial Mir, Moscú 1972.
A = {Fi} = {A,B,C}
Evento B → Pieza defectuosa Iriarte, Apuntes de Métodos Numéricos,
Facultad de Ingeniería UNAM, México.

Vilenkin, ¿De cuántas formas?

Combinatoria, Editorial Mir, Moscú 1972.

Iriarte, Apuntes de Métodos Numéricos,

Facultad de Ingeniería UNAM, México.

Captura y Edición:
M.A. María Torres Hernández.

Probabilidad y Estadística M.A. Víctor Damián Pinilla Morán.

Noviembre 2009 44