UNMSM – FQIQ

E.P. DE INGENIERIA QUIMICA

CURSO: ESTADISTICA APLICADA A LA INGENIERIA
SEMANA 02: PROBABILIDADES Y
DISTRIBUCIONES DISCRETAS
2020 - 0
Profesor: Ing. JOSÉ MANUEL GARCÍA PANTIGOZO
Lima-Perú
 OBJETIVOS ESPECÍFICOS
DE APRENDIZAJE
al final de la clase el estudiante sera capaz de:

• Definir el término probabilidad.

• Describir los enfoques clásico, empírico y
subjetivo de la probabilidad.
• Explicar los términos experimento, evento,
resultado, permutaciones y combinaciones.
• Definir los términos probabilidad condicional
y probabilidad conjunta. 2
 OBJETIVOS ESPECÍFICOS
DE APRENDIZAJE
al final de la clase el estudiante sera capaz de:

• Calcular probabilidades utilizando las reglas

de la adición y las reglas de la multiplicación.
• Aplicar un diagrama de árbol para organizar
y calcular probabilidades.
• Calcular una probabilidad utilizando el
teorema de Bayes.
3
 PROYECTOS /TAREAS
DE APRENDIZAJE
• Problemas y ejercicios (individuales y
grtupales).

4
 OBJETIVOS ESPECIFICOS DE
APRENDIZAJE
al final de la clase el estudiante:
❑Explicar que es el pronóstico.
❑Describir los métodos de pronósticos de
tipo cualitativo y cuantitativo.
❑Demostrar como se calculan los
pronósticos de Series de Tiempo.
❑Explicar las distintas formas de medir
los errores de pronósticos.
INTRODUCCION
 INTRODUCCION
• El Área de Control de Calidad de la
Zimon S.A. debe asegurar a la Gerencia
que el cable de un cuarto de pulgada que
se fabrica tiene una fuerza de tensión
aceptable. Es obvio que no todo el cable
que se fabrica es probado en cuanto a la
fuerza de tensión, ya que la prueba
requiere que el cable se tense hasta que
se rompa, lo destruye. De modo que se
selecciona una muestra de 10 piezas y se
prueban. A partir de los resultados de la
prueba, todo el cable que se fabrica se
califica de aceptable o inaceptable.
 INTRODUCCION
• La inferencia estadística tiene que ver con la conclusión
relacionada con una población sobre la base de una muestra
tomada. (todos los cables de acero de ¼ de pulgada fabricados).
• Dada la incertidumbre existente en la toma de decisiones, es
importante que se evalúen científicamente todos los riesgos
implicados.
• La teoría de la probabilidad, resulta útil en esta evaluación.
• La aplicación de la teoría de la probabilidad permite a los
decisores y posee información limitada analizar los riesgos y
reducir al mínimo el peligro que existe, por ej. al lanzar al mercado
un nuevo producto o aceptar un envío que quizá contenga partes
defectuosas.
 ¿QUE ES LA
PROBABILIDAD?
 ¿QUE ES LA PROBABILIDAD?
• Probabilidad, azar y posibilidad son términos que sin duda estas
familiarizado.
• Senami anuncia que hay 70% de probabilidad que llueva mañana.
• Una encuesta de consumidores que degustaron una mazamorra de
oca, da una probabilidad de 0,03 como éxito financiero. (la
probabilidad de ser aceptado por el público es muy remota.)
• ¿Qué es la probabilidad? En general es un número que describe la
posibilidad de que algo suceda.
PROBABILIDAD: Valor entre cero y uno, inclusive, que describe la
posibilidad relativa (oportunidad o casualidad) de que ocurra un
evento.
 ¿QUE ES LA PROBABILIDAD?
• La probabilidad puede ser expresada en forma decimal, como 0.70,
0.27 ó 0.50, también en forma de fracción, como 7/10, 27/100 o ½ ó
también podría ser 70%, 27% ó 50%.
• La probabilidad de 1 representa algo que seguramente sucederá, y la
probabilidad de 0 representa algo que no sucederá.
• Cuanto más próxima se encuentre una probabilidad a 0, más
improbable es que el evento suceda. Cuanto más próxima se
encuentre la probabilidad a 1, más seguro es que suceda.
• El siguiente diagrama muestra la relación e incluye algunas
conjeturas personales.
Probabilidad. Valor entre cero y uno, inclusive, que
describe la posibilidad relativa (oportunidad o
casualidad) de que ocurra un evento.

Existe un 1% de
probabilidad de que la
Tierra sea golpeada
por un NEO de 300
metros de diámetro
durante el siglo XXI.
 ¿QUE ES LA PROBABILIDAD?

En el estudio de la probabilidad se utilizan tres palabras clave:

experimento, resultado y evento. Dichos términos son empleados en
el lenguaje de la vida cotidiana, pero en estadística adquieren
significados específicos.
Experimento: La observación de alguna actividad o el acto de
realizar alguna medición. Proceso que induce a que ocurra una y sólo
una de varias posibles observaciones.
Resultado: Un resultado particular de un experimento.
Lanzar una moneda al aire constituye un experimento. Ud. puede
observar el lanzamiento de una moneda, pero no está seguro si caerá
sello o cara. Si preguntamos a 500 universitarios si comprarían una
computadora Dell a cierto precio constituye un experimento. Si se
lanza una moneda, un resultado particular es cara. El otro posible
resultado es sello. En el experimento de la compra de la
computadora, un posible resultado es que 273 universitarios indiquen
que les gustaría comprar la computadora. Otro es que 317
universitarios la compren. Todavía hay otro resultado, que 423
universitarios indiquen que la comprarían. Cuando se observan uno o
más resultados en los experimentos, constituyen un evento.
Evento o Suceso: Cuando se realiza un experimento
aleatorio diversos resultados son posibles. El conjunto
de todos los resultados posibles se llama espacio
muestral (E).
Experimento Aleatorio: Cualquier situación que,
realizada en las mismas condiciones, proporcione un
resultado imposible de predecir a priori.
Ejemplo 1:Video Games, Inc. recién creó un nuevo videojuego.
Ochenta jugadores veteranos van a probar su facilidad de
operabilidad.
a) ¿En qué consiste el experimento?
b) ¿Cuál es uno de los posibles resultados?
c) Suponga que 65 jugadores intentaron jugar el nuevo juego y dicen
que les gustó. ¿Es 65 una probabilidad?
d) La probabilidad de que el nuevo juego sea un éxito es de –1.0. Haga
comentarios al respecto.
e) Especifique un posible evento.

18
Resultado:
a) Cuente el número que piensa que el nuevo juego es operable.
b) A 73 jugadores les gustó el juego. Hay muchas otras respuestas
posibles.
c) No. La probabilidad no puede ser mayor que 1. La probabilidad de
que el juego sea un éxito si se comercializa es de 65/80, o 0.8125.
d) No puede ser menor que 0. Tal vez un error aritmético.
e) A más de la mitad de los jugadores que probaron el juego, les
gustó. (Por supuesto, hay otras posibles respuestas.)

19
• Ejemplos:
• Una bolsa contiene bolas blancas y negras. Se extraen
sucesivamente tres bolas. Calcular:
• 1. El espacio muestral.
• E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b);
(n, n,n)}
• 2. El suceso A = {extraer tres bolas del mismo color}.
• A = {(b,b,b); (n, n,n)}
• 3. El suceso B = {extraer al menos una bola blanca}.
• B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)}
• 4. El suceso C = {extraer una sola bola negra}.
• C = {(b,b,n); (b,n,b); (n,b,b)}
Ejemplo de Evento:

El resultado
de la TINKA
es un evento
estadístico.
Espacio Muestral: Es el conjunto de todos los
resultados de un experimento aleatorio. Se simboliza
con “S”.
Ejemplo: Espacio muestral del lanzamiento de un
dado.
Ejemplo: Espacio muestral del lanzamiento de dos
dados.
Ejemplos:

Una moneda E= {C, X}.

Número de sucesos = 22 =4
Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.
Número de sucesos = 24 =16
Un dado E = {1, 2, 3, 4, 5, 6}.
Número de sucesos = 26 = 64
• Probabilidad de que el sol desaparezca: 0.0
• Probabilidad de que Universitario campeone: 0.6
• Probabilidad de que una moneda de : 0.5
• Probabilidad de baje el precio del petróleo: 0.9
• Probabilidad de que el año 2016 venga El Niño: 0.9

27
CONCEPTO CLÁSICO DE LA PROBABILIDAD

El enfoque clásico o a priori de la probabilidad está

basado en la suposición de que todos los resultados
del experimento son igualmente posibles. La
probabilidad se calcula de la siguiente manera:

número de posibles
resultados del evento
Probabilidad
=
del evento
número total de
resultados posibles del
experimento 29
 Ejemplo 01:
El experimento es lanzar un dado. ¿Cuál es la
probabilidad de que caiga un dos hacia arriba?
P( caiga 2 ) = 1/6= 0.166

Cuando solo puede ocurrir un evento a la vez

se dice que son eventos mutuamente
exclusivos.

30
 CONCEPTO FRECUENTISTA DE PROBABILIDAD

La probabilidad de que suceda un evento es

determinada observando como sucede el evento
en el pasado. En términos de fórmula:

número de veces que sucedió el

Probabilidad evento en el pasado
de que suceda =
un evento número total de observaciones

31
 Ejemplo 02:
Se sabe que una moneda está cargada. Para
determinar la probabilidad de que caiga águila
se lanza 60 veces la moneda al aire, de las
cuales 25 veces cayó águila. Si aplicamos la
fórmula:
P(cae águila ) 25 = 0.41
60

32
 CONCEPTO SUBJETIVO DE LA
PROBABILIDAD
Si no hay experiencia anterior o hay muy poca sobre la
cual basar una probabilidad, esta se fundamenta en la
intuición, opiniones, creencias personales y otra
información indirecta. Este tipo de probabilidad es el
enfoque subjetivo de la probabilidad.

Concepto subjetivo de probabilidad .La

probabilidad de que un evento en particular
suceda es asignada por un individuo basado en
cualquier información disponible, como intuición,
opiniones etc. 33
Ejemplo 03:

Hay una probabilidad del 80% de que el Alianza le

gane al San Martín.
Hay una probabilidad del 90% de que las ventas
mejoren el año próximo
Hay una alta probabilidad de sacarme un 20.

34
 REGLA DE ADICIÓN
Intersección de dos eventos es el conjunto de
resultados de un experimento que pertenece a
los dos eventos dados. El operador de la
intersección es ∩

Unión de dos eventos es el conjunto de

resultados de un experimento que pertenece a
alguno de los dos eventos dados. El operador de
la unión es U. 36
 REGLA DE ADICIÓN
GENERAL
Para dos eventos:

P(AoB)=P(A)+P(B) – P(AyB)

Para tres eventos:

P(AoBoC)= P(A)+P(B) + P(C) - P(AoB)

- P(AoC) - P(BoC)
+ P(AyByC)

37
38
39
La probabilidad de que alguno de dos eventos
pertenecientes a un mismo espacio muestral ocurra
se determina mediante la siguiente ecuación:
P( A U B ) = P( A ) + P( B ) – P( A ∩ B )
Ejemplo 04:
Si el experimento es lanzar un dado una vez, el
espacio muestral es:
S = { 1, 2, 3, 4, 5, 6 }
Si el evento A es cae un número par
A = { 2, 4, 6 }
Si el evento B es cae un número menor de 3
B = { 1, 2 }
40
Ejemplo 05: ¿Cuál será la probabilidad de que
suceda alguno de estos dos eventos?
Entonces la probabilidad de A y la probabilidad de B
es:
P(A) =3= 0.50 P(B) =2= 0.3366
Para aplicar el teorema es necesario conocer la
probabilidad de la intersección de estos dos eventos,
es decir, la probabilidad de que caiga un número par
y menor de 3.

A ∩ B = { 2 }P(A ∩ B) =1= 0 .166

Si aplicamos la regla de adición:

P( A U B ) = P( A ) + P( B ) – P( A ∩ B )
P( A U B ) = 0.50 + 0.33 – 0.16
41
 Ejemplo 06: ¿Cual en la probabilidad de que una
carta elegida al azar de una baraja de 52 naipes sea
un rey o una de corazones?
Solución:
Carta Probabilidad Explicación
Rey P(A) = 4/52 Hay 4 reyes en una baraja
De corazones P(B) = 13/52 Hay 13 corazones en una baraja
Rey de corazones P(AyB)=1/52 Hay un rey de corazones en una
baraja

Resolviendo:
P(AoB)=P(A)+P(B)- P(AyB)
= 4/52 + 13/52 - 1/52 = 0.3077
42
Problema Propuesto 01: Como parte de un
programa de servicio a la salud para los empleados
de Backus, se efectuan anualmente exámenes
médicos de rutina. Se descubrió que el 8% necesita
zapatos correctores, que el 15% necesita trabajos
dentales importantes y 3% necesitaba tanto los
zapatos correctores y como trabajos dentales?
¿Cuál es la probabilidad de que un trabajador seleccionado
al azar necesite o zapatos correctores o trabajos dentales?

Resolviendo:
P(AoB)=P(A)+P(B)- P(AyB)
= 8/100 + 15/100 - 3/100 = 0.2
43
 REGLA DE ADICIÓN
ESPECIAL
Para dos eventos:

P(AoB)=P(A)+P(B)
Para tres eventos:

P(AoBoC)= P(A) + P(B) + P(C)

44
 Ejemplo 07: Una máquina llena bolsas de plástico con
mezcla de frijoles, brócolis y legumbres. La mayoría tiene
pesos correctos, pero debido a ligeras variaciones en el
tamaño de los frijoles y de las otras legumbres, un paquete
puede tener un peso ligeramente menor o mayor. Una
verificación anterior de muchos paquetes indico lo que
muestra el cuadro a continuación.
¿ Cual es la probabilidad de que un paquete en especial tenga
un peso menor o mayor?
PESO EVENTO Nº PAQUETE PROBABILIDAD DE
OCURRENCIA
Con peso menor A 100 0.025
Satisfactorio B 3600 0.900
Con peso mayor C 300 0.075
4000 1.000 45
P(AoC)=P(A) + P(C)
P(AoC)= 0.025 + 0.07
P(AoC)= 0.10

47
 Problema Propuesto 02: Se va a entrevistar a un grupo selecto de trabajadores de
la BACKUS con respecto a un nuevo plan de pensiones. Se efectuaran entrevistas
detalladas a cada uno de los trabajadores seleccionados en la muestra. Los
trabajadores fueron clasificados así:
Clasificación Evento Número de Trabajadores
Supervisores A 120
Mantenimiento B 50
Producción C 1460
Gerencia D 302
Secretarial E 68

1.¿Cual es la probabilidad que el 1er trabajador seleccionado sea de mantenimiento?.

2.¿Cual es la probabilidad que el 1er trabajador seleccionado sea secretaria?
3.¿Cual es la probabilidad que el 1er trabajador seleccionado sea de mantenimiento o
una secretaria?
4. ¿Qué regla utilizo para la pregunta anterior?
5.¿ Cual es la probabilidad que el 1er trabajador seleccionado sea de mantenimiento o
de producción o secretaria?
48
 REGLA DE
MULTIPLICACION
La probabilidad condicional es la probabilidad de
que un evento dado ocurra dado que otro evento
ocurre. El operador de la probabilidad condicional es el
signo │.
49
 La probabilidad de que dos eventos dados ocurran
si uno de ellos depende de que ocurra el otro es:
P(A∩B) = P(A) ∙ P(B│A)
Ejemplo 09:
El experimento es extraer aleatoriamente dos
canicas de una urna que contiene 5 canicas rojas y
5 canicas verdes. ¿Cuál es la probabilidad de que
ambas canicas sean rojas?
P(A) = {la primer canica es roja}
P(B) = {la segunda canica es roja}

50
P(B│A) = {la segunda canica es roja dado que la primer
canica es roja}
P(A∩B) ={las dos canicas son rojas}
Al extraer la primer canica hay en la urna 5 canicas
rojas de un total de 10, por lo que la probabilidad es:
P(A) =5/10= 0.50
Al extraer la segunda canica hay en la urna 4 canicas
rojas de un total de 9, por lo que la probabilidad de
que la segunda sea roja dado que la primera fue roja
es:
P(B│A) = 4/9 = 0.44
entonces:
P(A∩B) = P(A)*P(B│A) = 0.50*0.44 = 0.22
51
REGLA DE MULTIPLICACION
ESPECIAL
Para dos eventos:
P(AyB)=P(A)*P(B)
Para tres eventos:
P(AyByC)=P(A)*P(B)*P(C)
53
 Ejemplo 10:
Se lanzan dos monedas ¿Cuál es la
probabilidad de que ambas caigan águila?
Solución:
P(AyB) = P(A) * P(B)
= (1/2)*(1/2)
= 0.25

54
 Ejemplo 11:
Se lanzan tres dados ¿Cuál es la probabilidad
de que todos caigan 3?
Solución:
P(AyByC) = P(A) * P(B)*P(C)
= (1/6)*(1/6)*(1/6)
= 0.0046296

55
Resumen de Operaciones con Eventos
• El evento se verifica
cuando se verifica uno de
los dos o ambos.
• El evento se verifica
cuando se verifican
simultáneamente A y B.
• El evento contrario de A
(A’), se verifica cuando no
se verifica A.
• Dos eventos incompatibles
no se verifican
simultáneamente.
Propiedades:
PROBLEMAS
1.- Suponga que de un grupo de 500 estudiantes
universitarios se encuentra que 300 fuman, que 350
consumen bebidas alcohólicas y que 250 tienen estos
dos hábitos nocivos para la salud. ¿Cuál es la
probabilidad de que un estudiante seleccionado
aleatoriamente
a) tenga alguno de estos dos malos hábitos?
b) no tenga ninguno de estos dos pésimos hábitos?
c) fume pero no tome?
d) tome pero no fume?
e) No fume?

59
2.-La probabilidad de que una compañía norteamericana
ubique una de sus plantas en Juárez es 0.7, la
probabilidad de que instale una planta en Chihuahua es
0.4, la probabilidad de que no se ubique ni en Juárez ni
en Chihuahua es .20. ¿Cuál es la probabilidad de que
a) Se ubique en alguna de estas dos ciudades?
b) Se ubique en ambas ciudades?
c) No se ubique en alguna de estas dos ciudades?
d) Se ubique en Chihuahua pero no en Juárez?
e) Se ubique en Juárez pero no en Chihuahua?

60
3.- En cierta escuela de 45 estudiantes que reprobaron
Estadísticas I, 32 dijeron que reprobaron por no
estudiar, 18 porque no le entienden al maestro, 9 por
causas diferentes a estas dos. Encuentre la probabilidad
de los siguientes eventos:
a) Reprobó porque no estudió o porque no le entiende
al maestro
b) Reprobó porque no estudió y porque no le entiende
al maestro
c) Reprobó porque no estudió y no porque no le
entiende al maestro
d) Reprobó porque no le entiende al maestro y no
porque no estudió

61
4.- Se realizó una encuesta sobre preferencias en materia
de periódicos, de 350 personas entrevistadas, 200 leen
el Heraldo, 140 leen el Diario y 105 leen los dos
periódicos. Encontrar la probabilidad de los siguientes
eventos:
a) Lee alguno de estos dos periódicos
b) No lee ninguno de estos dos periódicos
c) Lee el Diario pero el Heraldo no
d) Lee el Heraldo pero el Diario no
e) Lee el Heraldo dado que lee el Diario
f) Lee el Diario dado que lee el Heraldo
g) No lee alguno de estos dos Periódicos

62
5.- La probabilidad de que en un matrimonio, el esposo
vea cierto programa de TV es 0.4, la probabilidad de
que la esposa lo haga es de 0.5. La probabilidad de que
el esposo vea el programa de TV dado que la esposa lo
hace es de 0.7. Encuentre la probabilidad de que:
a) Ambos vean el programa de TV
b) Alguno de los dos vea el programa de TV
c) Ninguno vea el programa de TV
d) El esposo vea el programa pero la esposa no
e) La esposa vea el programa pero el esposo no
f) La esposa vea el programa dado que el esposo lo
hace
g) Alguno de los dos no ve el programa
63
DIAGRAMA DE ÁRBOL

64
 DIAGRAMA DE ÁRBOL

Es una técnica en la que se determinan y

despliegan sistemáticamente los medios
necesarios para alcanzar un objetivo hasta
llegar al nivel de acciones concretas (Plan
de Implementación).
65
DIAGRAMA DE ÁRBOL

66
 DIAGRAMA DE ÁRBOL

CAMPOS DE APLICACIÓN PRÁCTICA DEL

DIAGRAMA DE ÁRBOL

Desarrollo de ideas para resolver problemas .

Desarrollo de metas, políticas y programas.
Desarrollo de requisitos de calidad.

67
DIAGRAMA DE ÁRBOL

68
 Diagrama de árbol: Ejemplo
¿Cómo disminuir los costes de calidad?
Optimizar costes de realización de procedimientos

Optimizar costes de
Optimizar costes de formación
prevención
Optimizar costes de pautas de inspección

Optimizar costes de inspección de recepción

Optimizar costes de
Optimizar costes de inspección de procesos
Disminuir evaluación
Optimizar costes de inspección final
costes de
calidad Disminuir costes de reproceso
Optimizar costes de
fallo interno Disminuir costes de disposición de material

Optimizar costes de Disminuir costes de garantías

fallo externo Disminuir costes de reproceso

69
Ejemplo 12: Laura se ganó un viaje para dos
personas, al entregárselo le presentaron las
siguientes opciones:

* Lugar: Acapulco o Cancún

* Transporte: Autobús o Avión
* Acompañante: Papá, mamá o hermano
¿De cuántas maneras distintas puede
Laura efectuar el viaje?
Representemos con un diagrama de árbol
Diagrama de Árbol
Papá
Autobús Mamá
Acapulco Hermano
Papá
Avión
Mamá
Hermano

Papá
Autobús Mamá
Cancún Hermano
Papá
Avión
Mamá
Hermano
Contamos ahora, todas las opciones de la
última columna solamente y tendremos el total
de formas posibles en las que Laura puede
efectuar su viaje.
Esto corresponde a:

12 opciones distintas

Por lo tanto, Laura puede viajar de 12

maneras diferentes.
Ejemplo 13: Una clase consta de seis niñas y
10 niños. Si se escoge un comité de tres al
azar, hallar la probabilidad de:
a) Seleccionar tres niños.
b) Seleccionar exactamente dos niños y una niña.
c) Seleccionar exactamente dos niñas y un niño.
d) Seleccionar tres niñas.
Solución:
Solución:
a) Seleccionar tres niños.
= (10/16)*(9/15)*(8/14)= 0.214
b) Seleccionar exactamente dos niños y una niña.
= (10/16)*(9/15)*(6/14) + (10/16)*(6/15)*(9/14) +
(6/16)*(10/15)*(9/14)= 0.482
c) Seleccionar exactamente dos niñas y un niño.
= (10/16)*(6/15)*(5/14) + (6/16)*(10/15)*(5/14) +
(6/16)*(5/15)*(10/14)= 0.214
d) Seleccionar tres niñas.
= (6/16)*(5/15)*(4/14)= 0.036
Ejemplo 12A: Ximena y sus amigas fueron a
comprar refresco, al pedir el refresco les
dieron las siguientes posibilidades: tamaño
del vaso: grande y pequeño, sabor de
refresco: horchata y aguacate, color del vaso:
rosita, amarillo o blanco. ¿Cuántas
posibilidades le ofrecen en la venta?
Datos Operaciones Resultados
Tamaño: grande o chico R 18 posibilidades
Sabor: horchata o aguacate A
Color: rosa, amarillo o blanco
B
H R
G A
A B
R
H A
CH B
A R
A
B
Ejemplo 12B: Gallo lanza al aire dos monedas una de
peso y otra de 25 centavos. ¿Cuántos resultados
diferentes podría tener si ninguna cae de canto?

Datos Operaciones Resultados

1. monedas, una de peso águila 4 posibilidades
y otra de 25 centavos. peso sol
2. Resultados diferentes
3. Ninguna cae de canto. 25c águila

sol
Ejemplo 12C: Fernando desea un helado y le dan
escoger las siguientes posibilidades. Tamaño
grande o chico. sabor: nopal, aguacate, queso.
Mermelada : Fresa, naranja, durazno, zapote,
tamarindo, piña, ninguna. ¿Cuántas posibilidades
le ofrecen en la venta?
Datos: tamaño grande y chico. Sabor: nopal,
aguacate, queso. Mermelada: fresa, naranja,
durazno, zapote, tamarindo, piña y ninguna.
Ejemplo 12D: Tanya va ir a bailar y tiene las
siguientes opciones: lugar: salón California,
dancing club, el patio de su casa. Vestimenta :
Minifalda, de mezclilla, tapa rabos y huaraches.
Acompañante: Ricardo, Jean Paul, Tizoc. Tipo de
música: Quebradita, la marcha de Zacatecas, la
Adelita. ¿Cuántas posibilidades tendrá?
Datos. Lugar : S, D, P. Vestimenta: M, ME, T.
Acompañante: R, J, T. Música: Q, M, A.
Ejemplo 12E: Marlene se va de vacaciones esta Navidad
teniendo las siguientes posibilidades. De lugar: Acapulco,
Xochimilco, y Atlantis. En transporte: camión, bicicleta y a
pata. Acompañante: Luis Miguel, Enrique Iglesias o Armando.
Hospedaje : Hotel cinco estrellas, bajo una palmera o la
terminal de autobuses. Comida: sopa de camarón, espinacas,
sopas de espinacas de fideo, torta. Vestimenta: traje de baño,
bikinis, short y blusa, tipo brasileño.
Datos. lugar: Acapulco, Xochimilco y Atlantis. Hospedaje:
hotel, palmera, terminal. Transporte: camión, bicicleta, a pata.
Acompañante: Luis, Enrique, Armando. Traje: bikini, short,
brasileño.
TEOREMA DE BAYES

82
 TEOREMA DE BAYES

En el siglo XVII el reverendo Thomas

Bayes, ministro presbiteriano inglés,
interesado en las ciencias
matemáticas intento desarrollar una
formula para llegar a probar la
probabilidad de que Dios Exista.
Laplace, afino dicho trabajo y le dio el
nombre de “Teorema de Bayes

83
 TEOREMA DE BAYES
P(A1)P(B|A1)
P(A1|B)=
P(A1)P(B|A1) + P(A2)P(B|A2)
Donde: A1 y A2 = son eventos mutuamente excluyentes y
colectivamente exhaustivos.
Las probabilidades que manejamos antes de conocer que ha
ocurrido un evento se denominan "probabilidades a priori“.
Una vez que incorporamos la información de que ha ocurrido
un evento, las probabilidades del suceso (A) cambian: son
probabilidades condicionadas
P (A/B), que se denominan "probabilidades a posteriori".

84
 TEOREMA DE BAYES - Ejemplo
Ejemplo: La textilera “Ecotexa”, compra un cargamento de telas de
tres casas proveedoras.
Un 30% de las telas se adquieren en “Casa Ochoa”, 20% a “Casa
Textiles del Sur”, y el 50% sobrante a “Tituanatex”.
Ecotexa posee información de las tres casas y sabe que 3% de la
mercadería de “Casa Ochoa” son defectuosas,5% de telas de “Casa
Textiles del Sur” no son aceptables, y que 4% de telas de
“Tituanatex” tienen algún tipo de defecto.
Al llegar a bodega no son seleccionados y se toma un paquete de
telas que resultan ser defectuosas. Cual es la probabilidad de que
esta mercadería sea de “Casa Ochoa”?.

85
 TEOREMA DE BAYES - Ejemplo
Solución: Existen tres eventos mutuamente excluyentes y
colectivamente exhaustivos, que son las tres casas:
A1 mercadería de compro en “Casa Ochoa”,
A2 mercadería de compro en “Casa Textiles del Sur”,
A3 mercadería de compro en “Tituanatex”.
•Las probabilidades a priori son:
P(A1) =(30/100)= 0.30 probabilidad de mercadería adquirida en
“Casa Ochoa”,
P(A2) =(20/100)= 0.20 probabilidad de mercadería adquirida en
“Casa Textiles del Sur”,
P(A3) =(50/100)= 0.50 probabilidad de mercadería adquirida en
“Tituanatex”. 86
 TEOREMA DE BAYES - Ejemplo
PROBABILIDADES CONDICIONALES:

P(B|A1) = (3/100)= 0.03 mercadería de “Casa Ochoa ”,

sea defectuosa.

P(B|A2) = (5/100)= 0.05 mercadería de “Textiles de

Sur ”, sea defectuosa.

P(B|A3) = (4/100)= 0.04 mercadería de “Tituanatex ”,

sea defectuosa.
 TEOREMA DE BAYES - Ejemplo
La información se la puede resumir en la siguiente tabla:
Evento Ai Probabilidad a Probabilidad Probabilidad Probabilidad posteriori,
Priori, P(Ai) condicional, conjunta, P(Ai|B1)
P(B1|Ai) P(Ai|B1)

“Casa Ochoa” 0.30 0.03 0.009 0.009/0.039=0.2308

“Textiles de Sur” 0.20 0.05 0.010 0.010/0.039=0.2564
“Tituanatex” 0.50 0.04 0.020 0.020/0.039=0.5128

0.039

Para obtener la probabilidad posteriori, dividimos la probabilidad de cada

evento para el total de probabilidades conjuntas.
 TEOREMA DE BAYES - Ejemplo
La probabilidad de que un paquete de telas que resultan ser defectuosas sea de “Casa Ochoa”,
lo podemos encontrar aplicando el Teorema de Bayes. Se desea calcular P(A1|B1) , donde A1
se refiere a Casa Ochoa, y B1 de que la mercadería resulte defectuosa.

P(A1 |B1)= P(A1)P(B1|A1)

P(A1)P(B1|A1) + P(A2) P(B1|A2) + P(A3) P(B1|A3)

= (0.30)(0.03)
(0.30)(0.03) +(0.20)(0.05) + (0.50)(0.04)

= 0.009 = 0.2308
0.039
Nos podemos dar cuenta que nos proporciona el mismo resultado obtenido en la tabla
anterior.
Ejemplo: Una compañía dedicada al transporte público explota tres líneas
de una ciudad, de forma que el 60% de los autobuses cubre el servicio de
la primero línea, el 30% cubre la segunda y el 10% cubre el servicio de la
tercera línea. Se sabe que la probabilidad de que, diariamente, un autobús
se averíe es del 2%, 4% y 1%, respectivamente, para cada línea. Determina
la probabilidad de que, en un día, un autobús sufra una avería.

Solución:
El suceso "sufrir una avería" (Av) puede producirse en las tres líneas, (L1,
L2, L3). Según el teorema de la probabilidad total y teniendo en cuenta
las probabilidades del diagrama de árbol adjunto, tenemos: P(Av) = P(L1)
· P(Av/L1) + P(L2) · P(Av/L2) + P(L3) · P(Av/L3) = 0.6 · 0.02 + 0.3 ·
0.04 + 0.1 · 0.01 = 0.012 + 0.012 + 0.001 = 0.025
 TEOREMA DE BAYES - Ejemplo
La información se la puede resumir en la siguiente tabla:
Evento Ai Probabilidad a Probabilidad Probabilidad Probabilidad posteriori,
Priori, P(Ai) condicional, conjunta, P(Ai|B1)
P(B1|Ai) P(Ai|B1)

“LINEA 1 0.60 0.02 0.012 0.012/0.025=0.48

“LINA 2 0.30 0.04 0.012 0.012/0.025=0.48
“LINEA 3 0.10 0.01 0.001 0.001/0.025=0-04

0.025

Para obtener la probabilidad posteriori, dividimos la probabilidad de cada

evento para el total de probabilidades conjuntas.
Ejercicio :El parte meteorológico ha anunciado tres posibilidades para el fin de
semana:
a) Que llueva: probabilidad del 50%
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%

Según estos posibles estados meteorológicos, la posibilidad de que ocurra un

accidente es la siguiente:

a) Si llueve: probabilidad de accidente del 10%

b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%
Resulta que efectivamente ocurre un accidente y como no estábamos en la
ciudad no sabemos que tiempo hizo (nevó, llovió o hubo niebla).

El teorema de Bayes nos permite calcular estas probabilidades:

Las probabilidades que manejamos antes de conocer que ha ocurrido un

accidente se denominan "probabilidades a priori" (lluvia con el 50%, nieve con
el 30% y niebla con el 20%).

Una vez que incorporamos la información de que ha ocurrido un accidente, las

probabilidades del suceso A cambian: son probabilidades condicionadas P (A/B),
que se denominan "probabilidades a posteriori".
 FORMULAS
Probabilidad Total
P(T)= ∑ P(Ai) * P(B/ Ai)

TEOREMA DE BAYES
P(Ai/B)= P(Ai) * P(B/ Ai)
P(T)
Calculando la Probabilidad Total

Accidente ∑ A* B/A
A B/A
A* B/A
*
0.5 Si 0.1
0.05
Lluvia
No 0.9

0.3 *
Clima Si 0.2 0.12
Nieve 0.06
No 0.8

0.2 * Si 0.05
Niebla 0.01
No 0.95
 Calculando la Probabilidad de A dado B
TEOREMA DE BAYES

(A* B/A) / P(T)

Accidente A* B/A 0.05 / 0.12 = 0.416

A B/A
* Si 0.1
0.5 0.05
Lluvia ∑ A* B/A
No 0.9

0.3
* Si 0.2 0.06 / 0.12 = 0.500
Clima Nieve 0.12
No
0.06 1
0.8

0.2
* Si
0.05
Niebla

No 0.01 0.01 / 0.12 = 0.083

0.95
Cálculo de la Probabilidad Total
P(T)= ∑ P(Ai) * P(B/ Ai)
Lluvia → 0.50
Nieve → 0.30
Niebla → 0. 20

Probabilidad de que ocurra un accidente

Si llueve → 0.10
Si nieva → 0.20
Si hay Neblina → 0.05

P (Accidente) = (0.5 * 0.1) + ( 0.30 *0.20) + (0.20 *0.05)

P (Accidente) = (0.05 + ( 0.06) + (0.01)

P (Accidente) = 0.12
Cálculo de las probabilidades de A dado B
P(Ai/B)= P(Ai) * P(B/ Ai)
P(T)
Lluvia: Probabilidad del 50% → o.5

Probabilidad de que ocurra un accidente:

Si llueve: Probabilidad del 10% → o.1

P(Lluvia/Accidente)= P(Lluvia) * P(Accidente/ Lluvia)

P(Accidente)

P(Lluvia/Accidente)= 0.5* 0.1

0.12

P(Lluvia/Accidente)= 0.416
Cálculo de las probabilidades de A dado B
P(Ai/B)= P(Ai) * P(B/ Ai)
P(T)
Nieve: Probabilidad del 30% → o.3

Probabilidad de que ocurra un accidente:

Si hay nieve: Probabilidad del 20% → o.2

P(Nieve/Accidente)= P(Nieve) * P(Accidente/Nieve)

P(Accidente)

P(Nieve/Accidente)= 0.3* 0.2

0.12

P(Nieve/Accidente)= 0.500
Cálculo de las probabilidades de A dado B
P(Ai/B)= P(Ai) * P(B/ Ai)
P(T)
Niebla: Probabilidad del 20% → o.2

Probabilidad de que ocurra un accidente:

Si hay niebla: Probabilidad del 5% → o.05

P(Niebla/Accidente)= P(Niebla) * P(Accidente/Niebla)

P(Accidente)

P(Niebla/Accidente)= 0.2* 0.05

0.12

P(Niebla/Accidente)= 0.0833
Entonces. . .

P(Ai/B)= P(Ai) * P(B/ Ai)

P(T)
∑P(Ai/B)= P(Ai) * P(B/ Ai)
P(T)

∑P(Ai/B)= 0.4166 + 0.5000 + 0.0833

∑P(Ai/B)= 1
 Ejercicios propuestos: La prevalencia de infarto cardíaco para hipertensos
es del 0,3% y para no hipertensos del 0,1%. Si la prevalencia de
hipertensión en una cierta población es del 25% ¿Cuál es la prevalencia
del infarto en esa población?
Solución:
A1 = {ser hipertenso}
A2 = {no serlo}
estos sucesos constituyen un sistema competo de sucesos
B = {padecer infarto}

datos: p(B|A1) = 0,003;

p(B|A2) = 0,001;
p(A1) = 0,25

evidentemente p(A2) = 1-p(A1)=0,75

p(B) = p(B|A1)x p(A1)+ p(B|A2)x p(A2) =

= 0,001 0,003x0,25 + 0,001 x 0,75 = 0,0015

Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea
diabética es 0,03. Obviamente la probabilidad de que no lo sea es 0,97.

P(D)=0.03: P(NB)=0.97
Si no disponemos de información adicional nada más podemos decir, pero
supongamos que al realizar un análisis de sangre los niveles de glucosa son
superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabéticos y sólo en
un 2% de las personas sanas.
P(HG/D)=0.95
P(HG/ND)=0.02
¿Cuál será ahora la probabilidad de que esa persona sea diabética?

P(HG)=P(HG/D)xP(D)+P(HG/ND)xP(ND)=0.95x0.03+0.02x0.97=0.0479
P(HG)=P(HG/D)xP(D)+P(HG/ND)xP(ND)=
= 0.95x0.03+0.02x0.97=0.0479
P ( D)  P ( HG / D) 0.0 3 0.9 5
P ( D / HG) = = = 0.59 5
P ( HG) 0.04 79

Vemos así que la información proporcionada por el análisis de sangre hace

pasar, la probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del análisis de sangre hubiese sido negativa,
esta información modificaría las probabilidades en sentido contrario. En
este caso la probabilidad de padecer diabetes se reduciría a 0,0016.
Ejercicio propuesto: Estudiamos 1000 alumnos en tres facultades de la
UAM. En la 1ª hay un neurótico por cada 10 alumnos, en la 2ª 1 por
cada 15 y en la 3ª 1 por cada 20. El número de alumnos por facultad
es de 200, 300 y 500. Tomamos un individuo al azar y vemos que es
neurótico ¿Cuál es la probabilidad de que pertenezca a la facultad
número 3?

Solución:

Lo que tenemos que calcular es p(F3/N), por el Teorema de Bayes

tenemos

En primer lugar calculamos la probabilidad de pertenecer a cada

Facultad:
P(F1) = 200/1000=0.2; P(F2)=300/1000=0.3; P(F3)=500/1000=0.5.
En segundo lugar las probabilidades de ser neurótico en cada una de
ellas:
P(N/F1)=1/10=0.1; P(N/F2)=1/15=0.066; P(N/F3)=1/20=0.05

Podemos calcular por tanto la “Probabilidad Total” de ser neurótico

P(N)=P(F1) · P(N/F1) + P(F2) · P(N/F2) + P(F3) · P(N/F3) =

= 0.2 · 0.1 +0.3 · 0.066 + 0.5 · 0.05 = 0.064

Por último, utilizando el teorema de Bayes

P( N / F 3) • P( F 3) 0.025
P( F 3 / N ) = = = 0.3906
P(F1)· P(N/F1)+ P(F2)· P(N/F2)+ P(F3)· P(N/F3) 0.064
 Ejercicio propuesto: Una prueba diagnóstica para el cáncer uterino
tiene un coeficiente falso-positivo de 0,05 y falso-negativo de 0,10.
Una mujer con una probabilidad pre-prueba de padecer la
enfermedad de 0,15 tiene un resultado negativo con la misma.
Calcular la probabilidad de que no esté enferma.

Solución:

Sea NE = {la mujer no está enferma},

+ = {el resultado de la prueba es positivo} y
-= {el resultado de la prueba es negativo}.
La pregunta pide P(NE|-).
Los datos que se dan son p(+|NE)=0,05; p(-|E)=0,10 y p(E)=0,15. Del
primero se deduce que p(-|NE)=0,95 y del último p(NE)=0,85, por lo
tanto aplicando el teorema de Bayes
Ejercicio 1º: El parte meteorológico ha anunciado tres posibilidades
para el fin de semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.Según estos posibles estados
meteorológicos, la posibilidad de que ocurra un accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.Resulta que
efectivamente ocurre un accidente y como no estabamos en la ciudad no
sabemos que tiempo hizo (nevó, llovío o hubo niebla). El teorema de
Bayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 60%,
nieve con el 30% y niebla con el 10%).
Una vez que incorporamos la información de que ha ocurrido un
accidente, las probabilidades del suceso A cambian: son probabilidades
condicionadas P (A/B), que se denominan "probabilidades a
posteriori".
 Vamos a aplicar la fórmula:

a) a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el día del

accidente (probabilidad a posteriori) es del 71,4%.
b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

Ejercicio 2º: En la sala de pediatría de un hospital, el 60% de los
pacientes son niñas. De los niños el 35% son menores de 24
meses. El 20% de las niñas tienen menos de 24 meses. Un
pediatra que ingresa a la sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que sea menor de 24
meses.
b. Si el infante resulta ser menor de 24 meses. Determine la
probabilidad que sea una niña.

SOLUCIÓN:
Se definen los sucesos:
Suceso H: seleccionar una niña.
Suceso V: seleccionar un niño.
Suceso M: infante menor de 24 meses.
En los ejercicios de probabilidad total y teorema de bayes, es
importante identificar los sucesos que forman la población y cuál
es la característica que tienen en común dichos sucesos. Estos
serán los sucesos condicionados.
a. En este caso, la población es de los infantes. Y la característica en
común es que sean menores de 24 meses. Por lo tanto, la probabilidad
de seleccionar un infante menor de 24 meses es un ejemplo de
probabilidad total. Su probabilidad será:

b.
b. Para identificar cuando en un ejercicio se hace referencia al Teorema
de Bayes, hay que partir de reconocer esta es una probabilidad
condicionada y que la característica común de los sucesos
condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea
niña una infante menor de 24 meses será:

d.
 PROBLEMAS DE TEOREMA DE BAYES
• Una empresa de consultoría se ha presentado a un concurso para
un gran proyecto de investigación. Inicialmente la dirección de la
empresa pensó que tenía una oportunidad de 50% de obtener el
contrato. Sin embargo, la dependencia a la que fue presentada la
propuesta ha solicitado información adicional al respecto. Por la
experiencia se sabe que la dependencia solicitó información
adicional en el 75% de las propuestas aceptadas y en el 40% de
las propuestas rechazadas.
1. ¿Cuál es la probabilidad previa de tener éxito?
2. ¿Cuál es la probabilidad condicional de tener una solicitud de
informes adicionales, dado que al final la oferta será
seleccionada?
3. ¿Calcule la probabilidad posterior de que la oferta tenga éxito
dado que se ha recibido información adicional?
115
 PROBLEMAS DE TEOREMA DE BAYES
• En un mismo día, el equipo profesional de baloncesto de una
ciudad juega como local, mientras que el equipo profesional de
hockey de la misma ciudad juega como visitante. Según las
probabilidades publicadas en una revista para los deportes
profesionales, un equipo profesional de baloncesto tiene una
probabilidad de 0.641 de ganar un juego cada día como local, y
uno de hockey tiene probabilidad de 0.462 de ganar un juego
cuando es visitante. Históricamente, cuando ambos equipos
juegan en el mismo día, la probabilidad de que la nota principal de
los noticiarios al día siguiente se refiera al juego de basquetbol es
de 60% y la del juego de hockey es de 40%. Suponga que a la
mañana siguiente de un día con este tipo de encuentros el
encabezado de la sección deportiva es “¡Ganamos!”
• ¿Cuál es la probabilidad de que la nota se refiera al equipo de
baloncesto?
116
Problema 01: Tres máquinas, A, B y C,
producen el 45%, 30% y 25%, respectivamente,
del total de las piezas producidas en una fábrica.
Los porcentajes de producción defectuosa de
estas máquinas son del 3%, 4% y 5%.
Seleccionamos una pieza al azar; calcula la
probabilidad de que sea defectuosa. Tomamos, al
azar, una pieza y resulta ser defectuosa; calcula
la probabilidad de haber sido producida por la
máquina B. ¿Qué máquina tiene la mayor
probabilidad de haber producido la citada pieza
defectuosa?
118
Solución al problema 01: Sea D
= "la pieza es defectuosa" y N = "la
pieza no es defectuosa".
La información del problema se expresa
en el diagrama de árbol adjunto.

a) Para calcular la probabilidad de que la pieza elegida sea

defectuosa, P(D), por la propiedad de la probabilidad total, P(D)
= P(A) · P(D/A) + P(B) · P(D/B) + P(C) · P(D/C) =
= 0.45 · 0.03 + 0.30 · 0.04 + 0.25 · 0.05 = 0.038

119
 Solución al problema 01(sigue): b) Debemos
calcular P(B/D), Por el teorema de Bayes,

c) Calculamos P(A/D) y P(C/D), comparándolas con el valor de

P(B/D) ya calculado. Aplicando el teorema de Bayes, obtenemos:

La máquina con mayor probabilidad de haber producido la pieza

defectuosa es A
Problema 02: Tenemos tres urnas: A con 3 bolas
rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con
2 bolas rojas y 3 negras. Escogemos una urna al azar y
extraemos una bola. Si la bola ha sido roja, ¿cuál es la
probabilidad de haber sido extraída de la urna A?
Solución del Problema 02:
Llamamos R= "sacar bola roja" y N=
"sacar bola negra". En el diagrama
de árbol adjunto pueden verse las
distintas probabilidades de
ocurrencia de los sucesos R o N para
cada una de las tres urnas.

121
Solución al problema 02: La probabilidad pedida es
P(A/R). Utilizando el teorema de Bayes, tenemos:

122
Problema 03: El 20% de los empleados de una empresa son
ingenieros y otro 20% son economistas. El 75% de los ingenieros
ocupan un puesto directivo y el 50% de los economistas también,
mientras que los no ingenieros y los no economistas solamente el
20% ocupa un puesto directivo. ¿Cuál es la probabilidad de que un
empleado directivo elegido al azar sea ingeniero?

Problema 04: La probabilidad de que haya un accidente en una

fábrica que dispone de alarma es 0.1. La probabilidad de que suene
esta sí se ha producido algún incidente es de 0.97 y la probabilidad
de que suene si no ha sucedido ningún incidente es 0.02. En el
supuesto de que haya funcionado la alarma, ¿cuál es la
probabilidad de que no haya habido ningún incidente?
partner-pu

En el supuesto de que haya funcionado la alarma, ¿cuál

es la probabilidad de que no haya habido ningún
incidente?
Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.

125
Problema 05: Considera una fábrica de botellas que
cuenta con dos máquinas para producir sus botellas.
En esa fábrica se producen 10,000 botellas al día. La
máquina A produce 6,500 botellas diarias de las cuales
el 2% son defectuosas. La máquina B produce 3,500
botellas cada día de las cuales el 1% son defectuosas.
Si un inspector de calidad de la compañía selecciona
una botella al azar y encuentra que esta defectuosa
¿Cuál es la probabilidad de que la botella haya ha sido
producida por la maquina A?
 │A
│
│A │B)P(B)

│
 PROBLEMAS
PROPUESTOS DE
TEOREMA DE BAYES

129
 1.- Una urna contiene dos monedas de bronce y tres de
cobre. Otra urna contiene cuatro monedas de bronce y
tres de cobre. Si se elige una urna al azar y se extrae una
moneda al azar, ¿cuál es la probabilidad de que la
moneda extraída sea de bronce?
2.- En tres plantas, A, B y C, fabrican el 50 %, el 30 % y
el 20 %, respectivamente, del total de los objetos de una
empresa. Los porcentajes de producción defectuosa de
estas plantas son, respectivamente, el 3 %, el 4 % y el 5
%.
a) Si se selecciona un objeto al azar, ¿qué probabilidad
tiene de salir defectuoso?
b) Suponiendo que es defectuoso, ¿cuál es la
probabilidad de que se haya producido en la planta A?
130
 3.- En un instituto se ofertan tres modalidades excluyentes,
M, P y Q, y dos idiomas excluyentes, alemán y francés. La
modalidad M es elegida por un 50 % de los alumnos, la P
por un 30 % y la Q por un 20 %.
También se conoce que han elegido alemán el 80 % de los
alumnos de la modalidad M, el 90 % de la modalidad P y el
75 % de la Q, habiendo elegido francés el resto de los
alumnos.
a) ¿Qué porcentaje de estudiantes del instituto ha elegido
francés?
b) Si se elige al azar un estudiante de francés, ¿cuál es la
probabilidad de que sea de la modalidad M?

131
 4.- En un IES hay tres profesores de Matemáticas. Cuando
un alumno se matricula en el centro tiene igual probabilidad
de que le asignen uno y otro profesor de Matemáticas. La
probabilidad de obtener como nota final un sobresaliente
con el profesor A es 0,3: la de obtenerlo con el profesor B
es de 0,28; y la de obtenerlo con el profesor C es 0,35.
a) Calcular la probabilidad de que un alumno matriculado
en Matemáticas obtenga como nota final un sobresaliente.
b) Sabiendo que un alumno ha obtenido un sobresaliente
como nota final en Matemáticas, ¿cuál es la probabilidad
de que le hubiesen asignado al profesor C?

132
 5.- Un club tiene un 75 % de sus miembros que son mujeres y un 25
% que son hombres. De este club tiene celular un 25 % de las
mujeres y un 50 % de las hombres.
a) Calcular el porcentaje de miembros de este club que no tienen
teléfono móvil.
b) Calcular la probabilidad de que un miembro de este club elegido al
azar entre los que tienen teléfono móvil sea hombre.
6.- Dos amigos comparten piso. El primero prepara la comida el 40 %
de los días y el resto de los días lo hace el segundo. El porcentaje de
veces que se le quema al primero es el 5 %, mientras que el del
segundo es el 8 %. a) Calcular la probabilidad de que un día, elegido
al azar, la comida esté quemada.
b)Si cierto día se ha quemado, calcular la probabilidad de que haya
cocinado el primero.

133
 7.- Hay 2 cines. En el 1ero el 50% de las películas son de acción
mientras que en el 2do lo son el 70%. Un espectador elige al azar un
cine siguiendo un método que implica que la probabilidad de elegir le
primero es el triple que la de elegir el segundo. Una vez llega al. a)
Calcular la probabilidad de que la película que vea sea de acción. b)
Sabiendo que la película que ha visto es de acción, obtener la
probabilidad de que haya acudido al primer cine.
8.- En una urna A hay 5 bolas blanca y 2 roja, y en otra B hay 3 bolas
verdes, 6 blancas y 5 rojas. Se lanza un dado trucado, con las caras
numeradas del 1 al 6 y en el que la probabilidad de obtener un 6 es el
doble que la de obtener cualquier otro número. Si al lanzar el dado sale
un número par, se saca una bola de la urna A, y si sale un número
impar, la bola se saca de la urna B. Determinar la probabilidad de que
la bola que se saque sea roja.

134
 9.- Dos amigos A y B comparten un número de teléfono. De las
llamadas que llegan, 2/5 son para A y 3/5 son para B. Sus
ocupaciones les alejan de este teléfono, de modo que A está fuera
de este teléfono el 50 % de l tiempo y B el 25 % . Calcula la
probabilidad de que alguien conteste el teléfono cuando suene.

10.- Tenemos la urna A con 4 bolas rojas y 6 blancas la urna B con

7 bolas rojas y 3 blancas. Se selecciona una urna al azar, se
extrae una bola y se coloca en la otra urna. continuación se
extrae una bola de la segunda urna . calcula la probabilidad de
que las dos bolas extraídas sean el mismo color.
 11.- En un mercado, el 70 % de las compras las realizan mujeres;
de las compras realizadas por éstas, el 80% supera los 20 €,
mientras que las compras realizadas por los hombres sólo el 30 %
supera esa cantidad.
a) Elegido un ticket de compra al azar, ¿cuál es la probabilidad de
que supere los 20 €?
b) Si se sabe que un ticket de compra no supera los 20 €, ¿cuál es
la probabilidad de que la compra haya sido hecha por una mujer?

12.- Una prueba diagnóstica para el cáncer uterino tiene un

coeficiente falso-positivo de 0,05 y falso-negativo de 0,10. Una
mujer con una probabilidad pre-prueba de padecer la enfermedad
de 0,15 tiene un resultado negativo con la misma. Calcular la
probabilidad de que no esté enferma.
Solución:

1. 0,485 5. a: 0,6875 b: 0,4 9. 0,65

2. a: 0,037 b: 0,405 6. a: 0,068 b: 0,294 10. 0,509

3. a: 0,18 b: 0,55 7. a: 0,55 b: 0,68 11. 0,35

4. a: 0,31 b: 0,376 8. 0,316 12. 0,982

 CONTEO
Si se tienen m elementos de un tipo y n de otro tipo, el
número de parejas que se puede formar es:
En términos de fórmula:
Número total de arreglos = m * n
Y para mas de dos eventos tenemos:
Número total de arreglos = m * n * o

139
 Ejemplo 1: Un fabricante desarrolló 5 bases para
lámpara y 4 pantallas que se pueden usar juntas.
¿Cuántos arreglos distintos de base y pantalla se
pueden ofrecer?

Número total de arreglos = m * n = 5 * 4 = 20

140
Ejemplo 2: Una industria fabrica 3 modelos de
Home Theatre, 4 Televisores LED y 2 DVD Blue Ray.
¿Cuántos sistemas distintos puede ofrecer esta
industria?
Número total de arreglos = m*n*o
Número total de arreglos = 3*2*4 = 24

141
Ejemplo 3: Una tienda anuncia que por US$
20,000.00 se puede adquirir un convertible, un dos
puertas o un modelo de cuatro puertas, con
elección de cubre ruedas deportivos o comunes.
¿Cuántos arreglos diferentes de modelos y cubre
ruedas puede ofrecer la tienda?
Número total de arreglos = m * n = 3 * 2 = 6

142
Ejemplo 4: Verificar las 56 combinaciones
mencionadas en el párrafo anterior.
8!
= 56
8C3 = 3!(8 – 3)!

Como un plan alternativo para codificar por color las 42

partes, se sugirió que se colocaran solo dos colores en
cada una. ¿Serian adecuados 10 colores para codificar
las 42 partes?

10!
= 42
10C2= 2(10 – 3)
143
Ejemplo 5: Una persona es contratada para
llevara a cabo una encuesta en 50 ciudades del
país. ¿Cuántas rutas posibles podrá planear
para dicha encuesta?
Solución: Si se aplica la Regla Factorial
tendremos lo siguiente: 50!

30,414,093,201,713,378,043,612,608,166,064,
768,844,377,641,568,960,512,000,000,000,000

Ahora si tenemos un número grande.

Ejemplo 6: Los sistemas comunes de alarma
para casas tienen un código que consta de
cuatro dígitos. Los dígitos (0 a 9) pueden estar
repetidos, aunque deben ingresarse en el orden
correcto. Suponer que Ud. planea tener acceso
intentando códigos hasta encontrar el correcto
¿Cuántos códigos diferentes son posibles?

Solución: Hay 10 valores posibles para cada

uno de los cuatro dígitos, entonces:
10*10*10*10=10,000 códigos
145
 Ejemplo 6:
• Tres miembros de una organización social se
ofrecen como voluntarios para fungir como
dirigentes el siguiente año, en los puestos de
presidente, tesorero y secretario. El número de
maneras (permutaciones) en que los tres
pueden asumir los puestos es:
• Solución:

146
Ejemplo 7:
Una inmobiliaria ofrece por $35.000,00 una
casa de dos pisos, o simple. Además puede
elegir el tipo de pago Crédito o Contado.
Cuantos arreglos diferentes de departamentos
y formas de pago puede hacer?.
Solución:
Podemos utilizar la formula de la multiplicación
para verificar, donde m es el número de
modelos y n el tipo de pago.
Total de arreglos posibles=(m)(n)=(2)(2)=4
147
 PERMUTACION
Disposición en orden de un conjunto de objetos
en el que hay un primero, un segundo, un
tercero, etc. hasta n.
n!
P =
n r (n – r)!
P: número de permutaciones
n: número total de objetos
r: número de objetos que se dispondrá 149
 Ejemplo 1:
Se desea ensamblar tres elementos
electrónicos en cualquier orden. ¿de cuantas
formas diferentes se pueden reunir?
:
n! 3!
P = =
n r
(n – r)! (3 – 3)!
=6
150
 Ejemplo 2:
¿a que es igual 6!? = 6*5*4*3*2*1= 720
¿a que es igual 6!2!/4!3!? = 10
Un operador debe realizar 4 verificaciones de
seguridad antes de activar una máquina. No
importa el orden en que se realicen las
verificaciones. ¿De cuantas formas diferentes
se puede realizar las verificaciones el
operador?
4!
P = = 24
4 4
(4 – 4)!
151
 Ejemplo 3:
Utilizar 10 números del 0 al 9 para crear grupos de
código de 4 cifras fin de identificar un artículo de
ropa. El código 1083 podría ser una blusa azul, talla
media. El grupo código 2031 podría identificar unos
pantalones, talla 18, etc. No se permiten
repeticiones de los números. Es decir, el mismo
número no puede utilizarse dos veces o mas en una
secuencia total. Por ejemplo 2256, 2562, o 5559 no
se permitirán ¿Cuántos grupos de distintos códigos
pueden establecerse?
10!
10P4 = = 5040
(10 – 4)!
152
Ejemplo 4: Un músico desea escribir una partitura
basada solamente en cinco notas (la, si, do, re y mi).
Sin embargo, solo tres notas de las cinco se utilizarán
en sucesión, como do, la y mi. No se permitirán
repeticiones como la, la y mi.
1) ¿Cuantas permutaciones de las cinco notas,
tomadas tres cada vez, son posibles?
= 5*4*3 = 60
2) Utilizando la formula para permutaciones,
¿Cuántas permutaciones son posibles?

5!
5P3 = = 60
(5 – 3)!
153
 Ejemplo 5: Supongamos que la organización social
se compone de 10 miembros y que aún no se ha
presentado ninguna nominación para los puestos de
presidente, tesorero y secretario. El número de
diferentes disposiciones de los tres dirigentes elegidos
entre los 10 miembros del organismo es:
• Solución:

154
Ejemplo 6: Como se puede designar los cuatro primeros lugares
de un concurso, donde existen 15 participantes?
Aplicando la formula de la permutación tenemos:
nPr= n!
(n - r)!
= 15! = 15*14*13*12*11*10*9*8*7*6*5*4*3*2*1
(15-4)! 11*10*9*8*7*6*5*4*3*2*1
= 32760
Donde:
n= número total de objetos
r= número de objetos seleccionados
!= factorial (producto entre 1 y n).
NOTA: se puede cancelar números cuando se tiene las mismas
cifras en numerador y denominador.
155
 PERMUTACION CON
REPETICION
Disposición en orden de un conjunto de objetos
en el que hay un primero, un segundo, un
tercero, etc. hasta n, pero que se permiten las
repeticiones.

nr
P
n r =
P: número de permutaciones
n: número total de objetos
r: número de objetos que se dispondrá 156
Auto examen 5-16
Un músico desea escribir una partitura basada
solamente en cinco notas (la, si, do, re y mi). Sin
embargo, solo tres notas de las cinco se utilizarán
en sucesión, como do, la y mi. Se permitirán
repeticiones como la, la y mi.
Hay 60 permutaciones sin repetición de tres notas
¿Cuantas permutaciones son posibles si se permiten
las repeticiones?

P
5 3 = 53 = 125
157
 COMBINACION
Dado un conjunto de n elementos, se denomina
combinaciones de tamaño r a todos los conjuntos que
se pueden formar con r elementos tomados de entre los
n elementos, de modo que cada conjunto difiera de los
demás en por lo menos un elemento.
n!
nCr =
r!(n – r)!
P: número de permutaciones
n: número total de objetos
r: número de objetos que se dispondrá 159
Ejemplo 1: A un Dpto. de Pinturas le han
pedido que diseñe códigos de color para 42
elementos distintos. Se van a utilizar tres de
cada uno. ¿serán adecuados siete colores
tomados de tres cada vez para codificar las 42
partes mecánicas ?

7!
7C3 = = 35
3!(7 – 3)!
160
Ejemplo 2: Verificar las 56 combinaciones mencionadas en el
párrafo anterior.
8!
C = = 56
8 3 3!(8 – 3)!

Como un plan alternativo para codificar por color las 42 partes,

se sugirió que se colocaran solo dos colores en cada una.
¿Serian adecuados 10 colores para codificar las 42 partes?

10!
= 42
10C2=
2(10 – 3)

161
Ejemplo 3: Supongamos que se elegirá a tres
miembros de una pequeña organización social
con un total de 10 miembros para que integren
un comité. El número de grupos diferentes de
tres personas que pueden ser elegidos, sin
reparar en el diferente orden en el que cada
grupo podría elegirse, es:
Solución:
Ejemplo 4: Hay 7 candidatos para desempeñar
3 tareas, si todos los candidatos son igualmente
eficientes, ¿De cuántas maneras se puede
efectuar la asignación?
Solución:

P7,3 =
Ejemplo 5: Un entrenador de fútbol tiene 5 balones de
las marcas A, B, C, D y E para los entrenamientos en un
bolso. Forma 5 equipos numerados del 1 al 5, orden en
que recibirán los balones. ¿De cuántas maneras pueden
salir del bolso los balones?
Solución: El grupo 1 puede recibir cualquiera de las 5
marcas; el grupo 2 puede recibirlos balones de 4 marcas
el grupo 3 de 3 marcas, el grupo 4 de 2 marcas el grupo
5 puede recibirlo únicamente de la marca que no se haya
entregado. El número de ordenaciones de 5 balones en
una fila de grupos es: 5  4  3 2  1 = 5! = 120.
Ejemplo 6: Verificar las 56 combinaciones
mencionadas en el párrafo anterior.

8!
= 56
8C3 =
3!(8 – 3)!
Como un plan alternativo para codificar por color las
42 partes, se sugirió que se colocaran solo dos
colores en cada una. ¿Serian adecuados 10 colores
para codificar las 42 partes?

10!
= 42
10C2=
2(10 – 3)

165
Ejemplo 7: La Empresa “El Cafetal”, tiene vacantes
cinco puestos de gerentes, y hay diez profesionales listos
para ocupar estas vacantes. De cuantos modos se
pueden distribuir las cinco vacantes?
Solución:
FÓRMULA: C =
n r n!
r!(n - r)!
= 10!
5!(10-5)!
= 10! = 10*9*8*7*6*5*4*3*2*1
5!(10-5!) 5*4*3*2*1(5*4*3*2*1)

= 30240 = 252
120
Donde: n= número total de objetos.
r= número de objetos seleccionados. 166
• Ejemplo 8: Tres máquinas, A, B y C, producen el 45%, 30% y
25%, respectivamente, del total de las piezas producidas en una
fábrica. Los porcentajes de producción defectuosa de estas
máquinas son del 3%, 4% y 5%.
a) Seleccionamos una pieza al azar; calcula la probabilidad
de que sea defectuosa.
b) Tomamos, al azar, una pieza y resulta ser defectuosa;
calcula la probabilidad de haber sido producida por la
máquina B.
c) ¿Qué máquina tiene la mayor probabilidad de haber
producido la citada pieza defectuosa?

Solución:
• Solución del Ejemplo 8: Sea D= "la pieza es
defectuosa" y N= "la pieza no es defectuosa". La
información del problema puede expresarse en el
diagrama de árbol adjunto.

a) Para calcular la probabilidad de que la pieza

elegida sea defectuosa, P(D), por la propiedad de la
probabilidad total,
P(D) = P(A) · P(D/A) + P(B) · P(D/B) + P(C) · P(D/C) =

= 0.45 · 0.03 + 0.30 · 0.04 + 0.25 · 0.05 = 0.038

Solución del Ejemplo 8:
b) Debemos calcular P(B/D). Por el teorema de Bayes,
Solución del Ejemplo 8:
c) Calculamos P(A/D) y P(C/D), comparándolas con el
valor de P(B/D) ya calculado. Aplicando el teorema de
Bayes, obtenemos:

La máquina con mayor probabilidad de haber

producido la pieza defectuosa es A
• Ejemplo 9: En una clase de 35 alumnos se
quiere elegir un comité formado por tres
alumnos. ¿Cuántos comités diferentes se
pueden formar?
• No entran todos los elementos.
• No importa el orden: Juan, Ana.
• No se repiten los elementos.
• SOLUCION:
• Ejemplo 10: ¿De cuántas formas pueden
mezclarse los siete colores del arco iris
tomándolos de tres en tres?
• No entran todos los elementos.
• No importa el orden.
• No se repiten los elementos.
• SOLUCION:
• Ejemplo 11: A una reunión asisten 10
personas y se intercambian saludos entre
todos. ¿Cuántos saludos se han
intercambiado?
• SOLUCION:
• Ejemplo 12: En una bodega hay cinco tipos
de botella. ¿de cuantas formas se pueden
elegir 4 botellas?
• No entran todos los elementos. Solo 4
• No importa el orden: da igual 2 de anis y dos
de ron,
• Si se repiten los elementos. Puede elegir mas
de una botella del mismo tipo.
• SOLUCION:
 EJERCICIOS DE
COMBINATORIA

175
• 1¿De cuántas formas diferentes se pueden cubrir los puestos
de presidente, vicepresidente y tesorero de un club de fútbol
sabiendo que hay 12 posibles candidatos?
• 2Con las letras de la palabra libro, ¿cuántas ordenaciones
distintas se pueden hacer que empiecen por vocal?
• 3¿De cuántas formas pueden mezclarse los siete colores del
arco iris tomándolos de tres en tres?
• 4¿Cuántos números de cinco cifras distintas se pueden
formar con las cifras impares? ¿Cuántos de ellos son
mayores de 70.000?
• 5¿De cuántos partidos consta una liguilla formada por cuatro
equipos?
• 6A una reunión asisten 10 personas y se intercambian saludos
entre todos. ¿Cuántos saludos se han intercambiado?
• 7Con las cifras 1, 2 y 3, ¿cuántos números de cinco cifras
pueden formarse? ¿Cuántos son pares?
• 8¿Cuántas apuestas de Lotería Primitiva de una columna han
de rellenarse para asegurarse el acierto de los seis resultados,
de 49?
• 9¿De cuántas formas pueden colocarse los 11 jugadores de un
equipo de fútbol teniendo en cuenta que el portero no puede
ocupar otra posición distinta de la portería?
• 10Con el punto y raya del sistema Morse, ¿cuántas señales
distintas se pueden enviar, usando como máximo cuatro
pulsaciones?
• 11Una mesa presidencial está formada por ocho personas, ¿de
cuántas formas distintas se pueden sentar, si el presidente y el
secretario siempre van juntos?
• 12¿Cuántas diagonales tiene un pentágono y cuántos
triángulos se puede informar con sus vértices?
• 13Un grupo, compuesto por cinco hombres y siete mujeres,
forma un comité de 2 hombres y 3 mujeres. De cuántas formas
puede formarse, si:
– 1. Puede pertenecer a él cualquier hombre o mujer.
– 2. Una mujer determinada debe pertenecer al comité.
– 3. Dos hombres determinados no pueden estar en el
comité.