1

UNIVERSIDAD NACIONAL DE JUJUY

Facultad de Ciencias Económicas

Cátedra: ESTADÍSTICA

PROBABILIDAD

María Elena Marcoleri

Abril de 2007
 2

Tabla de contenidos

Tema Página
Probabilidad. Experimentos aleatorios. Espacio muestral 2

Sucesos. Operaciones con sucesos 4

Definición de probabilidad. Propiedades 9

Probabilidad condicional 17

Probabilidad con sucesos independientes y dependientes 19

Tablas de contingencia y diagramas de árbol 21

Probabilidad total 23

Teorema de Bayes 27

Ejercicios 30

Distribución de probabilidad Normal 33

Bibliografía 44
 3

PROBABILIDAD
La Estadística, como método para tomar decisiones en situaciones de incertidumbre, se basa en la
teoría de probabilidades, porque la probabilidad es a la vez el lenguaje y la medida de incertidumbre
y los riesgos asociados con ella1.

1. Experimentos aleatorios.
Espacio muestral.
Si dejamos caer una piedra o la lanzamos, y co- Experimentos o fenómenos aleatorios son los
nocemos las condiciones iniciales de altura, ve- que pueden dar lugar a varios resultados, sin
locidad, etc., sabremos con seguridad dónde que pueda ser previsible enunciar con certeza
caerá, cuánto tiempo tardará, etc. Es una expe- cuál de éstos va a ser observado en la realiza-
riencia determinista. Si echamos un dado sobre ción del experimento.
una mesa, ignoramos qué cara quedará arriba. El
resultado depende del azar. Es una experiencia
aleatoria.

Por ejemplo, son experimentos aleatorios: elegir una unidad de la producción de un día a fin de ins-
peccionar su calidad, preguntarle a un elector si tiene preferencia por uno u otro candidato en una
elección, registrar el número de clientes que llegan a la caja de un banco a una hora determinada,
observar los gastos mensuales en comunicaciones de una empresa.

A la colección de resultados que se

obtiene en los experimentos aleatorios
se le llama espacio muestral. Espacio muestral es el conjunto formado por todos los
posibles resultados de un experimento aleatorio. Por lo
Cada resultado posible de un experi- tanto, el espacio muestral es el conjunto de todos los pun-
mento aleatorio se llama punto mues- tos muestrales.
tral.
En adelante lo designaremos por S.
El número de puntos muestrales que
forman el espacio nuestral es N(S).

Ejemplos:
En la tirada de un dado, S = {1,2,3,4,5,6} , N(S) = 6
En la tirada de una moneda, S = {C,X}, N(S) = 2 Simbolizando con C cara y con X cruz.
Si se tiran simultáneamente al aire una moneda y un dado, el espacio muestral es:
S = { (1,C),(2,C),(3,C),(4,C),(5,C),(6,C), (1,X),(2,X),(3,X),(4,X),(5,X),(6,X) }, N(S) = 12

Gráficamente, el último ejemplo puede representarse así:

1
Ya-Lun Chou (1977)
 4
Moneda

C * * * * * *

X * * * * * *

1 2 3 4 5 6 Dado

Pero a menudo no es tan sencillo representar gráficamente un espacio muestral correspondiente a un

experimento aleatorio. Cuando éste es complejo, puede representarse mediante un diagrama de
árbol. Por ejemplo, si en el experimento de seleccionar facturas de un archivo, se eligen al azar tres
facturas consecutivas, y se observa la presencia o no de errores de facturación, el diagrama de árbol
es el siguiente: (simbolizando con C a la factura correcta y con C’ a la incorrecta)

1ra. Factura 2da. Factura 3ra. Factura Puntos muestrales

C (C,C,C)
C
C’ (C,C,C’)
C
C (C,C’,C)
C’
C’ (C,C’,C’)

C (C’,C,C)
C
C’ (C’,C,C’)
C’
C (C’,C’,C)
C’
C’ (C’,C’,C’)

Cualquiera sea la forma en que se escriba, dibuje o diagrame un espacio muestral S, los puntos
muestrales deben ser mutuamente excluyentes y colectivamente exhaustivos para un experimento.

Para empezar, vamos a prestar atención a experiencias aleatorias sencillas como lanzar dados o mo-
nedas, extraer cartas de una baraja, sacar bolas de urnas,...

Ejercicio 1-1:
Describe el espacio muestral asociado a cada uno de los siguientes experimentos aleatorios:
a. Lanzar tres monedas.
b. Lanzar tres dados y anotar la suma de los puntos obtenidos.
c. Extracción de dos bolas de una urna que contiene cuatro bolas blancas y tres negras.
d. El tiempo, con relación a la lluvia, que hará durante tres días consecutivos.
 5
Solución:

a. Llamando C a obtener cara y X a la obtención de cruz, obtenemos el siguiente espacio

muestral:

S = {(CCC),(CCX),(CXC),(XCC),(CXX),(XCX),(XXC),(XXX)}

b. S = {3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}

c. Llamando B a sacar bola blanca y N a sacar bola negra, tenemos:

S = {BB,BN,NN}

d. Si llamamos L al día lluvioso y N al día sin lluvia, para tres días consecutivos se obtiene el
siguiente espacio muestral:

S = {(LLL),(LLN),(LNL),(NLL),(LNN),(NLN),(NNL),(NNN)}

2. Sucesos. Operaciones con sucesos.

2.1. Sucesos.

La vida cotidiana está plagada de sucesos aleatorios. Muchos

Suceso aleatorio es un aconteci- de ellos, de tipo sociológico (viajes, accidentes, número de
miento que ocurrirá o no, depen- personas que acudirán a un gran almacén o que se matricula-
diendo del azar. rán en una carrera...) aunque son suma de muchas decisiones
individuales, pueden ser estudiados, muy ventajosamente,
Es un subconjunto del espacio como aleatorios.
muestral.

En el Ejercicio 1.1 del capítulo anterior podemos ver que el espacio muestral asociado al lanzamien-
to de tres dados y anotar la suma de los puntos obtenidos es:

S = {3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18}

Podemos considerar algunos subconjuntos de E, por ejemplo:

 Salir múltiplo de 5:
A={5,10,15}
 Salir número primo:
C={2,3,5,7,11,13,17}
 Salir mayor o igual que 12:
D={12,13,14,15,16,17,18}

Todos estos subconjuntos del espacio muestral S los llamamos sucesos.

 6
Los elementos de S se llaman
sucesos individuales o sucesos
Suceso de un fenómeno o experimento aleatorio es cada uno
elementales.
de los subconjuntos del espacio muestral S.
También son sucesos el suceso
vacío o suceso imposible , Ø, y
el propio S, suceso seguro.

Al conjunto de todos los sucesos de una experiencia aleatoria lo llamaremos E.

Si S tiene un número finito, n, de elementos, el número de sucesos de S es 2n.

Ejemplos:

 {1,2},{2,4,6},{3,5} son sucesos. {1},{2}, {3}..., son sucesos individuales.

 En un dado hay 26 = 64 sucesos.
 En una moneda hay 22 = 4 sucesos, que son: Ø, {C},{X}, {C,X}
Es decir, S={Ø,{C},{X},{C,X}}

Ejercicio 2.1-1:
Se considera el sexo de los hijos de las familias de tres hijos. Sea A el suceso el hijo mayor es una
mujer, y B el suceso los dos hijos pequeños son varones. ¿Cuáles son los elementos de A y B?

Solución:

Llamando V a ser varón y H a ser mujer, el espacio muestral está formado por los sucesos elemen-
tales:

S = {(VVV),(VVH),(VHV),(HVV),(VHH),(HVH),(HHV),(HHH)}

Y los sucesos A y B son compuestos y están formados por los siguientes sucesos elementales:

A = {(HHH),(HHV),(HVH),(HVV)}

B = {(VVV),(HVV)}

2.2. Operaciones con sucesos.

Dados dos sucesos, A y B, se llaman:

Unión es el suceso formado por todos los elementos

de A y todos los elementos de B.
 7

Intersección es el suceso formado por todos los elementos

que son, a la vez, de A y de B.

Diferencia es el suceso formado por todos los elementos

de A que no son de B.

Suceso con-
trario El suceso =E - A se llama suceso contrario de A.

Dos sucesos A y B, se llaman incompatibles cuando no tienen ningún elemento común. Es decir,
cuando = Ø (A y B son disjuntos)

También se llaman mutuamente excluyentes (la presencia de uno excluye la presencia del otro).

Pueden representarse gráficamente mediante un diagrama de Venn.

A B

Decimos que un suceso se ha verificado, si al realizar el experimento aleatorio correspondiente, el

resultado es uno de los sucesos elementales de dicho suceso. Por ejemplo, si al lanzar un dado sale
5, se ha verificado, entre otros, los sucesos {5}, {1,3,5} o S.

De manera análoga, decimos que:

 El suceso se verifica cuando se verifica uno de los dos o ambos.

 El suceso se verifica cuando se verifican simultáneamente A y B.
 El suceso , contrario de A, se verifica cuando no se verifica A.
 Dos sucesos incompatibles no se verifican simultáneamente.
 8

Ejemplo:

En el experimento S = "lanzar un dado al aire", consideramos los sucesos:

A = "sacar un número par". B = {1,2,3,5} = "obtener un 1, 2, 3 ó 5".

C = {4,6} = "obtener un 4 ó un 6". D = {2,4,6} = "obtener un 2, 4 ó 6".

F = {1,3} = "obtener un 1 ó un 3". G = "obtener un múltiplo de 3".

o A y D son sucesos iguales al estar formados por los mismos sucesos elementales.
o C está contenido en A. Luego = C, puesto que siempre que ocurre el suceso C
(sacar 4 ó 6) ocurre el suceso A, puesto que se obtiene un número par.
o B y C son incompatibles, ya que B C = Ø y complementarios, al cumplirse B C = S.
o = "sacar un número par" {1,2,3,5} = {1,2,3,4,5,6} = S.
o A G = {2,4,6} {3,6} = {6}, es decir, el suceso intersección de los sucesos "sacar un
número par" y "obtener un múltiplo de tres" es "sacar un 6".
o B-D = B = {1,2,3,5} {1,3,5} = {1,3,5} = "obtener un número impar" = .
o C y F son incompatibles puesto que C F = Ø.

Las operaciones unión, intersección y complementación (contrario) verifican las propiedades:

Unión Intersección
1. Conmutati-
va
2. Asociativa
3. Idempoten-
te
4. Simplifica-
ción
5. Distributiva
6. Elemento
neutro
7. Absorción

A las familias de conjuntos que verifican las propiedades anteriores se les denomina álgebras de
Boole.

En el álgebra de Boole anterior se verifican las siguientes propiedades, conocidas como leyes de De
Morgan:
 9
 El suceso contrario de la unión de dos sucesos es la intersección de sus sucesos contrarios:

 El suceso contrario de la intersección de dos sucesos es la unión de sus sucesos contrarios:

Ejercicio 2.1-2:
Tenemos una urna con nueve bolas numeradas del 1 al 9. Realizamos el experimento, que consiste
en sacar una bola de la urna, anotar el número y devolverla a la urna. Consideramos los siguientes
sucesos: A="salir un número primo" y B="salir un número cuadrado". Responde a las cuestiones
siguientes:

a. Calcula los sucesos y .

b. Los sucesos A y B, ¿son compatibles o incompatibles?.
c. Encuentra los sucesos contrarios de A y B.

Solución:

Los sucesos A y B están formados por los sucesos elementales que pueden verse a continuación:

A = {2,3,5,7} B = {1,4,9} A partir de estos conjuntos, tenemos:

1. La unión e intersección de A y B son:

= {1,2,3,4,5,7,9}
=Ø

2. Al ser = Ø, los sucesos A y B son incompatibles.

3. El suceso contrario de A es = {1,4,6,8,9}

El suceso contrario de B es = {2,3,5,6,7,8}

Sucesos colectivamente exhaustivos

Se dice que varios sucesos son colectivamente exhaustivos, cuando entre todos constituyen el espa-
cio muestral.
Gráficamente:

A
C D
B

A B C D=S
 10

3. Definición de Probabilidad. Propiedades.

3.1. Definición de Probabilidad.

Existen tres escuelas de pensamiento que permiten definir e interpretar la probabilidad de un

suceso. Ellas son:
 La teoría clásica
 La teoría de la frecuencia relativa
 La teoría personalista

 Definición de Laplace. Teoría Clásica.

En el caso de que todos los sucesos elementales del espacio muestral E sean equiprobables,
Laplace define la probabilidad del suceso A como el cociente entre el número de resultados
favorables a que ocurra el suceso A en el experimento y el número de resultados posibles del
experimento.

 Teoría de la frecuencia relativa

 Un experimento aleatorio se caracteriza
porque repetido muchas veces y en idénti-
cas condiciones el cociente entre el núme- Probabilidad de un suceso es el número
ro de veces que aparece un resultado (su- al que tiende la frecuencia relativa aso-
ceso) y el número total de veces que se ciada al suceso a medida que el número
realiza el experimento tiende a un número de veces que se realiza el experimento
fijo. Esta propiedad es conocida como ley crece.
de los grandes números, establecida por
Jakob Bernouilli. Tiene el inconveniente
de variar la sucesión de las frecuencias relativas de unas series de realizaciones a otras, si
bien el valor al que se aproximan a medida que el número de realizaciones aumenta se man-
tiene estable.

La frecuencia relativa del suceso A:

 11
Propiedades de la frecuencia relativa:

1. 0 fr (A) 1 cualquiera que sea el suceso A.

2. fr( ) = fr(A) + fr(B) si = Ø.
3. fr(E) = 1 fr(Ø) = 0.

Esta definición presenta el inconveniente de tener que realizar el experimento un gran núme-
ro de veces y además siempre obtendremos un valor aproximado de la probabilidad.

 Teoría personalista
Contrariamente a las anteriores, que son objetivas, esta teoría es subjetiva. La teoría clásica es
objetiva porque se basa en la deducción de un conjunto de supuestos, y la teoría de la frecuencia
relativa lo es porque la probabilidad de un suceso es determinada por repetidas observaciones empí-
ricas.

Esta teoría personalista considera la probabilidad como una medida de la confianza personal
en la ocurrencia de un suceso. Un subjetivista asigna un peso entre cero y uno a un suceso, se-
gún su grado de creencia en su posible ocurrencia.

Por ejemplo, si se tiene el doble de confianza en la ocurrencia de un suceso A que en la del su-
ceso B, y si A y B son los dos únicos hechos posibles, se asignarán los valores:

P(A) = 2/3 y P(B) = 1/3

Se utiliza cuando las otras teorías no pueden aplicarse, ya sea porque el suceso de interés es iné-
dito, está enmarcado en una circunstancia que ocurre por primera vez, por lo tanto no pueden de-
terminarse las probabilidades a priori; pero tampoco puede repetirse empíricamente la experiencia
de manera que no puede aplicarse la teoría de la frecuencia relativa. Un ejemplo característico del
uso de esta teoría subjetiva, es cuando se realizan elecciones para ocupar algún cargo. Generalmente
es un suceso sin antecedentes, y tampoco puede replicarse una gran cantidad de veces.

El inconveniente que los objetivistas encuentran en esta forma de asignar probabilidades a los
sucesos, es que diferentes individuos razonables pueden diferir en su grado de confianza, por lo
tanto, las probabilidades personalistas para un mismo suceso, pueden diferir a los ojos de las perso-
nas que toman decisiones.

Pero también hay que destacar que los subjetivistas pueden obtener probabilidades en todos los
casos en que los objetivistas lo hacen, y en muchos más en que ellos no pueden calcular.

Algunos autores mencionan una cuarta forma de definir la probabilidad de un suceso, mediante
axiomas.

 Definición axiomática.
La definición axiomática de probabilidad se debe a Kolmogorov, quien consideró la relación
entre la frecuencia relativa de un suceso y su probabilidad cuando el número de veces que se
realiza el experimento es muy grande.
 12

Sea S el espacio muestral de cierto experimento aleatorio. La Probabilidad de cada suce-

so es un número que verifica:

1. Cualquiera que sea el suceso A, P(A) 0. (Ley de no negatividad)

2. Si dos sucesos son incompatibles, la probabilidad de su unión es igual a la
suma de sus probabilidades.

=Ø P( ) = P(A) + P(B). (Ley aditiva especial)

3. La probabilidad total es 1. P(S) = 1.

Ejemplo:

Consideremos el experimento "lanzar un dado de quinielas y anotar el resultado".

El espacio muestral es S = {1,X,2}.

Las probabilidades de cada uno de los sucesos son:

 P(Ø) = 0

 P({1}) = 1/3 P({X}) = 1/3 P({2}) = 1/3

 P({1,2}) = P({1}) + P({2}) = 1/3 + 1/3 = 2/3 P({1,X}) = 2/3 P({2,X}) = 2/3

 P({1,X,2}) = P(E) = 1

3.2. Propiedades.

1. P( ) = 1 - P( A ) (Ley de complementación)

2. P( Ø ) = 0

3. Si A B P( B ) = P( A ) + P( )

4. Si A B P( A ) P( B )

5. Si A1 , A2 , ... , Ak , son incompatibles dos a dos, entonces:

P( A1 A2 ... Ak ) = P( A1 ) + P( A2 ) + ... + P( Ak )

6. P( ) = P( A ) + P( B ) - P( ) . (Ley aditiva general)

 13
7. Si el espacio muestral S es finito y un sucesos es A={x1 , x2 , ... , xK} , entonces:

P( A ) = P( x1 ) + P( x2 ) + ... + P( xK )

Ejercicio 3.2-1:

En una baraja de 40 cartas, ¿cuál es la probabilidad de AS?, ¿Y de OROS

Solución:

Ejercicio 3.2-2:

En una baraja hemos suprimido varia cartas. Entre las que quedan, se dan las siguientes probabili-
dades de ser extraídas:

P(REY)=0.15, P(BASTOS)=0.3, P("carta que no sea REY ni BASTOS")=0.6.

a. ¿Está entre ellas el REY de BASTOS? En caso afirmativo, da su probabilidad.

b. ¿Cuántas cartas hay?

Solución:

a. P( ni REY ni BASTOS )=P( ) P( REY BASTOS ) = 1 - 0.6 = 0.4

P( REY BASTOS ) = P( REY ) + P( BASTOS ) - P( REY BASTOS )

Sustituyendo:

0.4 = 0.15 + 0.3 - P( REY BASTOS ) P( REY BASTOS ) = 0.05

Por tanto, el REY de BASTOS está y su probabilidad es:

P( REY de BASTOS ) = P( REY BASTOS ) = 0.05 = 1/20

b. Una porción de cartas de una baraja es un instrumento aleatorio "de Laplace", pues la pro-
babilidad de extraer cada una de ellas es la misma. Si en este montón la probabilidad del rey
de bastos es 1/20, es porque hay 20 cartas.

Ejercicio 3.2-3:

Se lanzan dos dados equilibrados con seis caras marcadas con los números del 1 al 6. Se pide:
 14
a. Halla la probabilidad de que la suma de los valores que aparecen en la cara superior sea
múltiplo de tres.
b. ¿Cuál es la probabilidad de que los valores obtenidos difieran en una cantidad mayor de
dos?

Solución:
El espacio muestral del experimento es: S = {(1,1); (1,2); (1,3); (1,4); (1,5); (1,6); (2,1); ...; (6,6)}

y está formado por 36 sucesos elementales equiprobables. Constituyen el número de casos posibles
del experimento.
Utilizando la regla de Laplace, calculamos las probabilidades de los sucesos que nos piden:

a. Si llamamos A al suceso "obtener una suma múltiplo de 3", los casos favorables al suceso A
son:

A = {(1,2); (2,1); (1,5); (2,4); (3,3); (4,2); (5,1); (3,6); (4,5); (5,4); (6,3); (6,6)}.

Por tanto, P( A ) = 12/36 = 1/3

b. Si llamamos B al suceso "obtener unos valores que se diferencian en una cantidad mayor
que dos", los casos favorables al suceso B son:

B = {(1,4); (4,1); (1,5); (5,1); (1,6); (6,1); (2,5); (5,2); (2,6); (6,2); (3,6); (6,3)}.

Por tanto, P( B ) = 12/36 = 1/3

Ejercicio 3.2-4:

En una caja tenemos 15 bolas blancas, 30 bolas negras y 45 bolas verdes. Si extraemos tres bolas
simultáneamente, ¿cuál es la probabilidad de que salga una bola de cada color?

Solución:

Calcularemos los casos posibles del experimento y los casos favorables al suceso del enunciado
para aplicar la regla de Laplace.

Los casos posibles son las distintas formas de extraer 3 bolas entre 90. Como el orden no debe te-
nerse en cuenta, estos casos son:

Los casos favorables son 15 · 30 · 45 = 20 250. Éstas son las formas de agrupar tres bolas de distin-
to color. La probabilidad pedida es:
 15

Ejercicio 3.2-5:

Si escogemos al azar dos números de teléfono y observamos la última cifra de cada uno, determina
las probabilidades siguientes:

a. Que las dos cifras sean iguales.

b. Que su suma sea 11.
c. Que su suma sea mayor que 7 y menor que 13.

Solución:

El espacio muestral de este experimento está formado por los cien sucesos elementales: 00, 01, 02,
03, 04, 05, 06, 07, 08, 09, 10, 11, ..., 98, 99. Para cada sucesos del enunciado calculamos sus casos
favorables, aplicamos la regla de Laplace y obtenemos:

a. Los casos favorables son: 00, 11, 22, ..., 99. La probabilidad de que las últimas cifras sean
iguales es:

P(últimas cifras iguales) = 10/100 = 1/10 = 0.1

b. Los casos favorables a que la suma de las últimas cifras sea 11 son: 29, 38, 47, 56, 65, 74,
83 y 92. Por tanto,

P(últimas cifras suman once) = 8/100 = 0.08

c. Deben contarse los números de dos cifras cuya suma sea 8, 9, 10, 11 y 12. Haciendo un re-
cuento ordenado, se obtienen 43 casos favorables. La probabilidad buscada es:

P(últimas cifras suman un valor mayor que 7 y menor que 13) = 43/100 = 0.43

Ejercicio 3.2-6:

Se tiran tres dados al mismo tiempo. Encuentra la probabilidad de que:

a. La suma de los números aparecidos sea menor que 8.

b. La suma de los números sea mayor que 4 y menor que 8.

Solución:

Los casos posibles de este experimento son las 216 ternas siguientes: 111, 112, 121, 211, ..., 665,
666.

Realizando un recuento ordenado de los casos favorables a los sucesos del enunciado, obtenemos
las siguientes probabilidades:

a.
 16

b.

Ejemplos de aplicación
Ejemplo 1. En un estudio contable una secretaria clasifica la correspondencia recibida según su pro-
cedencia. Se sabe que, en promedio, el 20% de esa correspondencia proviene de Bancos, el 50% es
de clientes, el 15% proviene de relaciones particulares de los socios, y el resto tiene otra proceden-
cia. Al seleccionar una carta recibida, ¿cuál es la probabilidad de que sea de un banco o de un clien-
te?

Llamando suceso B: correspondencia que proviene de un banco,

y suceso C: correspondencia de clientes,

P(B ó C) = P(B C) = P(B) + P(C) = 0,20 + 0,50 = 0,70 ó 70%

Gráficamente, el espacio muestral es el siguiente:

P
B C
O

Los cuatro sucesos definidos en este espacio muestral son mutuamente excluyentes y colectiva-
mente exhaustivos. Por ser B y C mutuamente excluyentes, se aplica la ley aditiva especial.

Otra pregunta a responder podría ser ¿cuál es la probabilidad de que la carta seleccionada provenga
de un banco , de un cliente o de un amigo personal de uno de los socios?

P(B ó C ó P) = P(B C P) = P(B) + P(C) + P(P) = 0,20 + 0,50 + 0,15 = 0,85 ó 85%

Ejemplo 2. El 30% de los ingenieros recién egresados consigue emplearse en la industria, el 36% se
emplea en el gobierno y el 12% trabaja en ambas actividades. ¿Cuál es la probabilidad de que al
seleccionar un ingeniero de reciente graduación, al azar, esté trabajando en la industria o en el go-
bierno?

Llamando I: obtención de un empleo en la industria, y G: obtención de un empleo en el gobierno,

P(I ó G) = P(I G) = P(I) + P(G) – P(I ∩ G) = 0,30 + 0,36 – 0,12 = 0,54 ó 54%

Gráficamente:

I G
0,18 0,24

P(I ∩ G) = 0,12

Se resta 0,12 porque fue sumado dos veces.

 17
Generalización para tres sucesos

La regla aditiva general puede extenderse a cualquier número de sucesos. En particular, si A, B y C

son tres sucesos definidos en el mismo espacio muestral, entonces la regla aditiva general es:

P(A B C) = P(A) + P(B) + P(C) - P(A ∩ B) - P(A ∩ C) - P(B ∩ C) + P(A ∩ B ∩ C)

Esta expresión se interpreta mediante un diagrama de Venn:

(A ∩ B)
A

B
(A ∩ C)

C
(B ∩ C) (A ∩ B ∩ C)

Como (A ∩ B ∩ C) se ha sumado y restado tres veces, debe sumarse una vez.

Ejemplo 3. Entre 150 personas entrevistadas para un estudio de transporte colectivo, 84 viven a más
de 3 km del centro de la ciudad (suceso A), 99 utilizan su propio auto para ir a trabajar (suceso B), y
85 gustosamente cambiaría al transporte urbano colectivo si lo hubiera (suceso C). Además, 74 per-
sonas viven a más de tres km del centro y van en su auto a trabajar; 63 van en auto propio y cambia-
rían por el colectivo si lo hubiera, y 62 viven a más de 3 km del centro y utilizarían el transporte
colectivo para ir a su trabajo. Finalmente, 54 de las personas entrevistadas reúnen las tres condicio-
nes. Si se selecciona al azar una de las personas entrevistadas ¿cuál es la probabilidad de que viva a
más de 3 km del centro, ó vaya en su auto a trabajar, ó esté dispuesto a utilizar el transporte urbano
colectivo?

P(A B C) = (84/150) + (99/150) + (85/150) – (74/150) – (62/150) – (63/150) + (54/150) =

= 123/150 = 0,82 ó 82%

Este resultado puede verificarse mediante un diagrama de Venn como el siguiente:

S
B
A 20 16
2
54 9
27
8

C 14

Ahora, la probabilidad deseada puede calcularse así:

 18
P(A B C) = (2/150) + (20/150) + (16/150) + (54/150) + (9/150) + (8/150) + (14/150) =

= 123/150 = 0,82 ó 82%

Entre las 150 personas entrevistadas hay 27 que no pertenecen a ninguno de los grupos caracteriza-
dos, por lo tanto, ellos representan el suceso complementario de (A B C). Entonces, es mu-
cho más sencillo calcular la probabilidad aplicando la ley de complementación.

P(A B C) = 1 – 27/150 = 0,82

4. Probabilidad condicional
En el cálculo de las probabilidades de algunos sucesos, el valor de dicha probabilidad variará en
función del conocimiento de determinadas informaciones relativas a estos sucesos. Veamos un
ejemplo.

Si disponemos de una urna que contiene cuatro bolas numeradas del 1 al 4, extraemos una bola y
seguidamente la volvemos a introducir para realizar una segunda extracción, la probabilidad de ex-
traer, por ejemplo, la bola número 3 en la segunda extracción es la misma que en la primera.
Si realizamos el mismo proceso sin reemplazar la bola extraída la probabilidad de extraer, por
ejemplo, la bola número 3 en la segunda extracción dependerá de la bola extraída en primer lugar.

El hecho de disponer de información adicional tiene como consecuencia la reducción del espacio
muestral a un subconjunto del mismo. Por ejemplo, observando la figura siguiente:

S
A A
B
→ A∩B

Se ve que si se selecciona al azar un elemento del espacio muestral S, y se comprueba que pertenece
al suceso A, entonces la probabilidad de que también pertenezca a B es una Probabilidad condi-
cional. Se simboliza P(B/A) y se lee probabilidad condicional de B dado A.

Para determinar la probabilidad de B, conociendo que el elemento seleccionado pertenece a A, no

es necesario utilizar el espacio muestral S, sino una porción del mismo, el espacio muestral redu-
cido, A.

Entonces, P(B/A) = n(A∩B) dividiendo por N(S)

N(A)

n(A∩B) / N(S) P(A∩B) con P(A) ≠ 0

P(B/A) = =
N(A) / N(S) P(A)

Por otra parte, P(A/B) = P(A∩B) con P(B) ≠ 0

P(B)
 19

Sean A y B dos sucesos tal que P( A ) 0, se llama probabilidad de B condicionada a A, P(B/A), a

la probabilidad de B tomando como espacio muestral A, es decir, la probabilidad de que ocurra B
dado que ha sucedido A.

De esta igualdad se deduce: P( B A ) = P( B/A ) · P( A ) (Ley multiplicativa general)

La fórmula anterior adopta la forma para tres sucesos, A, B y C:

P( A B C ) = P( A ) · P( B/A ) · P( C/A B )
Esta fórmula admite una generalización para un número cualquiera de sucesos.

Ejemplo:

Consideremos el experimento de "lanzar un dado al aire". Calculemos, por ejemplo, la probabilidad

de obtener un 3 sabiendo que ha salido un número impar:

Definimos los sucesos A="sacar 3" y B= {1,3,5}; entonces, P(A/B)=1/3 puesto que si sabemos que
ha salido un número impar, los casos posibles ahora son 3 y los casos favorables al suceso A sólo 1.

Ejercicio 4-1:

Se lanzan dos dados:

a. ¿Cuál es la probabilidad de obtener una suma de puntos igual a 7?

b. Si la suma de puntos ha sido 7, ¿cuál es la probabilidad de que en alguno de los dados haya
salido un tres?

Solución:

Sean los sucesos A="la suma de los puntos es 7" y B="en alguno de los dados ha salido un tres".

a. Los casos posibles al lanzar dos dados son 36 y los casos favorables al suceso A son los seis
siguientes: (1,6); (2,5); (3,4); (4,3); (5,2) y (6,1). Por tanto, P( A )=6/36=1/6

b. En este caso, el suceso B/A es salir en algún dado 3, si la suma ha sido 7. Observamos que
esta situación ocurre en las parejas (3,4) y (4,3). Por tanto, P( B/A )=2/6=1/3
 20

5. Probabilidad con sucesos independientes y dependientes

El conocimiento de que ha ocurrido el suceso A modifica, en algunas ocasiones, la probabilidad del
suceso B, pero en otras no. Los sucesos en los que, conociendo que uno ha ocurrido, no se modifica
la probabilidad del otro, decimos que son independientes y, si se modifica, decimos que son de-
pendientes entre sí.

En los experimentos de selección aleatoria de elementos de un espacio muestral, el hecho de repo-

ner o no reponer el elemento extraído influye en la determinación de la probabilidad de los sucesos.

Si la selección se realiza sin reposición, se generan sucesos dependientes, en caso contrario no lo

son. Resumiendo:

Sin reposición → Sucesos dependientes

Selección aleatoria
Con reposición → Sucesos independientes

Decimos que dos sucesos A y B son independientes entre sí si la ocurrencia de uno de ellos no mo-
difica la probabilidad del otro, es decir, si

P( B/A ) = P( B ) ó P( A/B ) = P( A )

Decimos que dos sucesos A y B son dependientes entre sí si la ocurrencia de uno de ellos modifica
la probabilidad del otro, es decir, si

P( B/A ) P( B ) ó P( A/B ) P( A )

Como consecuencia inmediata de la definición se tiene:

 Dos sucesos A y B son independientes si se cumple:

P( A B ) = P( A ) · P( B )

 Tres sucesos A, B y C son independientes si se cumplen a la vez:

P( A B ) = P( A ) · P( B )

P( A C ) = P( A ) · P( C )

P( B C ) = P( B ) · P( C )

P( A B C ) = P( A ) · P( B ) · P( C )
 21
Ejercicio 5-1:

Se consideran dos sucesos, A y B, asociados a un experimento aleatorio con P(A)=0.7; P(B)=0.6;

P( )=0.58.

a. ¿Son independientes A y B?
b. Si M A, ¿cuál es el valor de P( / )?

Solución:

a. Para ver si son independientes, comprobaremos si P( A B ) = P( A ) · P( B )

P( ) = P[(A B)c] = 1 - P(A B)

Por tanto, P(A B) = 1 - P( ) = 1 -0.58 = 0.42

Por otro lado, P( A ) · P( B ) = 0.7 · 0.6 = 0.42

Luego, A y B son independientes, pues P( A B ) = P( A ) · P( B ) = 0.42

b. M A . Por tanto,

Ejemplos de aplicación

Ejemplo 1. El supervisor de un grupo de 20 obreros pide la opinión de dos de ellos (seleccionados

al azar) sobre las nuevas disposiciones de seguridad en la construcción. Si 12 están a favor de las
nuevas disposiciones y los 8 restantes en contra, ¿cuál es la probabilidad de que ambos trabajadores
elegidos por el supervisor estén en contra de las nuevas disposiciones?

Llamando C al suceso de obreros en contra de las disposiciones,

P(C1 y C2) = P(C1 ∩ C2) = P(C1). P(C2 / C1) = (8 / 20) . (7 / 19) = 0,1474 ≈ 15%

Ejemplo 2. En un proceso de fabricación de un producto, sea A el suceso que consiste en que la

materia prima esté disponible, y B el suceso de que el tiempo de maquinado es menor que una hora;
si P(A) = 0,8 y P(B) = 0,7 ¿cuál es la probabilidad conjunta de ambos sucesos?

P(A y B) = P(A ∩ B) = P(A) . P(B) = 0,8 . 0,7 = 0,56

Ejemplo 3. Cuando se recibe una entrega de un proveedor, el comprador usualmente inspecciona la

calidad del envío. Un almacén de electrodomésticos ha recibido 100 televisores del proveedor, de
los cuales desconoce que 10 están defectuosos. Si se seleccionan al azar 4 aparatos para inspeccio-
nar, ¿cuál es la probabilidad de que todos estén en buenas condiciones de funcionamiento?

P(4 buenos) = (90/100) . (89/99) . (88/98) . (87/98) = 0,6516

 22

6. Tablas de contingencia y diagramas de árbol.

En los problemas de probabilidad y en especial en los de probabilidad condicionada, resulta intere-
sante y práctico organizar la información en una tabla de contingencia o en un diagrama de árbol.
Las tablas de contingencia y los diagramas de árbol están íntimamente relacionados, dado uno de
ellos podemos construir el otro. Unas veces, los datos del problema permiten construir fácilmente
uno de ellos y a partir de él podemos construir el otro, que nos ayudará en la resolución del proble-
ma.

 Conversión de una tabla en diagrama de árbol

Las tablas de contingencia están referidas a dos características que presentan cada una dos o
más sucesos.

A TOTAL
B P( A B) P( B) P( B )
En el caso de los sucesos A, ,By ,
expresados en frecuencias absolutas, rela-
P( A ) P( ) P( )
tivas o probabilidades la tabla, adopta la
forma adjunta. TOTAL P( A ) P( ) 1

Dicha tabla adopta la forma del diagrama de árbol del dibujo. En éste, a cada uno de los su-
cesos A y se les ha asociado los sucesos B y .

Sobre las ramas del diagrama de árbol se han anotado las probabilidades condicionadas co-
rrespondientes, deducidas de las relaciones análogas a:

 Conversión de un diagrama en tabla de contingencia

De manera recíproca, dado el diagrama de árbol podemos construir la tabla de contingencia

equivalente si más que utilizar la expresión
 23
P( B A ) = P( B/A ) · P( A ),

para calcular las probabilidades de las intersecciones de sucesos que forman la tabla.

Ejercicio 6-1:

Un taller sabe que por término medio acuden: por la mañana 3 automóviles con problemas eléctri-
cos, 8 con problemas mecánicos y 3 con problemas de chapa, y por la tarde 2 con problemas eléctri-
cos, 3 con problemas mecánicos y 1 con problemas de chapa.

a. Calcula el porcentaje de los que acuden por la tarde.

b. Calcula el porcentaje de los que acuden por problemas mecánicos.
c. Calcula la probabilidad de que un automóvil con problemas eléctricos acuda por la mañana.

Solución:

En las tablas de contingencia, con las frecuencias absolutas y los porcentajes, respectivamente, pue-
den verse recogidos los datos del enunciado.

ELÉCTRICOS MECÁNICOS CHAPA TOTAL

MAÑANA 3 8 3 14
TARDE 2 3 1 6
TOTAL 5 11 4 20

ELÉCTRICOS MECÁNICOS CHAPA TOTAL

MAÑANA 0.15 0.40 0.15 0.70
TARDE 0.10 0.15 0.05 0.30
TOTAL 0.25 0.55 0.20 1.00

Las respuestas a las cuestiones planteadas basta leerlas en las tabla. Así, se obtiene:

a. El 30% de los automóviles acude al taller por la tarde.

b. El porcentaje de vehículos ingresados con problemas mecánicos es el 55%.
c. La probabilidad buscada es:

P(acuda por la mañana/tiene problemas eléctricos) = 3/5 = 0.6

Ejercicio 6-2:

Una compañía de seguros hace una investigación sobre la cantidad de partes de siniestro fraudulen-
tos presentados por los asegurados. Clasificando los seguros en tres clases, incendio, automóvil y
"otros", se obtiene la siguiente relación de datos:

El 6% son partes por incendio fraudulentos; el 1% son partes de automóviles fraudulentos; el 3%

son "otros" partes fraudulentos; el 14% son partes por incendio no fraudulentos; el 29% son partes
por automóvil no fraudulentos y el 47% son "otros" partes no fraudulentos.
 24
a. Haz una tabla ordenando los datos anteriores y hallando el porcentaje total de partes fraudu-
lentos y no fraudulentos.
b. Calcula qué porcentaje total de partes corresponde a la rama de incendios, cuál a la de auto-
móviles y cuál a "otros". Añade estos datos a la tabla.
c. Calcula la probabilidad de que un parte escogido al azar sea fraudulento. ¿Cuál será, en
cambio, la probabilidad de que sea fraudulento si se sabe que es de la rama de incendios?

Solución:

a. y b. La tabla de porcentajes con los datos del enunciado y los totales es la siguiente:

INCENDIO AUTOMÓVIL OTROS TOTAL

FRAUDULENTOS 6 1 3 10
NO FRAUDULENTOS 14 29 47 90
TOTAL 20 30 50 100

b.

c. Es fácil ver sobre la tabla que la probabilidad de escoger al azar un parte fraudulento es del
10%.

La probabilidad condicionada que se pide es: P(FRAUDE/INCENDIO)=6/20=0.3

7. Probabilidad total.

Llamamos sistema completo de sucesos a una familia de sucesos A1, A2, ...,An que cumplen:

1. Son incompatibles dos a dos, Ai Aj = Ø

2. La unión de todos ellos es el suceso seguro,

 25

Teorema de la probabilidad total

Sea A1, A2, ...,An un sistema completo de sucesos tales que la probabilidad de cada uno de ellos es
distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales
P(B/Ai), entonces la probabilidad del suceso B viene dada por la expresión:

Ejercicio 7-1:

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, te-
nemos:

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

Ejercicio 7-2:

Una empresa del ramo de la alimentación elabora sus productos en cuatro factorías: F1, F2, F3 y F4.
El porcentaje de producción total que se fabrica en cada factoría es del 40%, 30%, 20% y 10%, res-
pectivamente, y además el porcentaje de envasado incorrecto en cada factoría es del 1%, 2%, 7% y
 26
4%. Tomamos un producto de la empresa al azar. ¿Cuál es la probabilidad de que se encuentre de-
fectuosamente envasado?

Solución: puede proceder de cada una de las cuatro factorías y, por tanto, según el
teorema de la probabilidad

Llamando M = "el producto está defectuosamente envasado", se tiene que este producto total y te-
niendo en cuenta las probabilidades del diagrama de árbol adjunto, tenemos:

P(M) = P(F1) · P(M/F1) + P(F2) · P(M/F2) + P(F3) · P(M/F3) + P(F4) · P(M/F4) =

= 0.4 · 0.01 + 0.3 · 0.02 + 0.2 · 0.07 + 0.1 · 0.04 =
= 0.004 + 0.006 + 0.014 + 0.004 = 0.028

Ejercicio 7-3:

Se tiene una urna vacía y se lanza una moneda al aire. Si sale cara, se introduce en la urna una bola
blanca y si sale cruz, se introduce una bola negra. El experimento se repite tres veces y, a continua-
ción, se introduce la mano en la urna, retirando una bola. ¿Cuál es la probabilidad de que en la urna
queden una bola blanca y otra negra?

Solución:

Llamamos B = "obtener bola blanca" y N = "obtener bola negra". En el diagrama de árbol pueden
verse las configuraciones posibles de las urnas, después del lanzamiento de las monedas y las urnas
finales, así como las probabilidades para cada una de ellas. Atendiendo a la notación expresada en
el diagrama de árbol y según el teorema de la probabilidad total, se obtiene:
 27

P(BN) = P(BN BBN) + P(BN BNN) = P(BBN) · P(BN/BBN) + P(BNN) · P(BN/BBN) =

= 3/8 · 2/3 + 3/8 · 2/3 = 1/4 + 1/4 = ½

Ejercicio 7-4:

Se lanzan dos monedas al aire. Si salen dos caras, se extrae una bola de una urna I, que contiene 2
bolas blancas y 3 negras. Si sale cara y cruz, se extrae una bola de una urna II, que contiene 4 bolas
blancas y 1 negra. Si salen dos cruces, se extrae una bola de una urna III, que contiene 3 bolas blan-
cas y 2 negras. ¿Cuál es la probabilidad de extraer bola blanca después de lanzar las monedas y sa-
car la bola?

Solución:

El diagrama de árbol muestra, primero, las probabilidades correspondientes a la elección de la urna

y, después, a la extracción de la bola.

La probabilidad total de sacar bola blanca la calculamos caminando por todas las ramas que termi-
nan en sacar bola blanca.

P(B) = P(B/UI) · P(UI) + P(B/UII) · P(UII) + P(B/UIII) · P(UIII) =

= 2/5 · 1/4 + 4/5 · 2/4 + 3/5 · 1/4 = 13/20
 28

8. Teorema de Bayes.
En el año 1763, dos años después de la muerte de Thomas Bayes (1702-1761), se publicó una me-
moria en la que aparece, por vez primera, la determinación de la probabilidad de las causas a partir
de los efectos que han podido ser observados. El cálculo de dichas probabilidades recibe el nombre
de teorema de Bayes.

Teorema de Bayes

Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es
distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales
P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresión:

Para obtener esta fórmula se realiza el razonamiento siguiente:

Dados dos sucesos, A y B, definidos en el mismo espacio muestral S, según la regla multiplicadora
general, la probabilidad conjunta de ambos sucesos es:

P(A∩B) = P(A).P(B/A) = P(B).P(A/B)

Despejando de esta expresión P(B/A) resulta: P(B).P(A/B)

P(B/A) =
P(A)

Que es la expresión más simple del Teorema de Bayes.

En un espacio muestral como el siguiente:

B1 B2 B3 ...... Bn

A∩B2 A∩B3

A∩B1 A A∩Bn

Bi forma parte de un sistema completo de sucesos mutuamente excluyentes y colectivamente ex-

haustivos. Además, el suceso A se presenta siempre acompañado por Bi .
 29
Si se conocen P(Bi) y P(A/Bi), para i = 1, 2, 3, . . . , n , se aplica el teorema de Bayes para averiguar
¿cuál es la probabilidad de que se presente un suceso B determinado, dado que se ha presentado A?

P(Bt / A) = P(A∩Bt) / P(A)

Pero P(A∩Bt) = P(Bt).P(A/Bt) que son datos conocidos. Solo queda determinar P(A).

Siendo A = (A∩B1) + (A∩B2) + (A∩B3) + . . . + (A∩Bn)

Es P(A) = P(A∩B1) + P(A∩B2) + P(A∩B3) + . . . + P(A∩Bn)

P(A) = P(A∩Bi) = P(Bi).P(A/Bi)

i i
i = 1, 2, 3, . . . , n

Por lo tanto, P(Bt).P(A/Bt)

P(Bt / A) =
P(Bi).P(A/Bi)
i

En los problemas relacionados con la probabilidad, y en particular con la probabilidad condiciona-

da, así como con la probabilidad total y el teorema de Bayes, es aconsejable que, con la información
del problema, construyas una tabla de contingencia o un diagrama de árbol.

Ejercicio 8-1:

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:

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.
 30

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

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. Aplican-

do el teorema de Bayes, obtenemos:

La máquina con mayor probabilidad de haber producido la pieza defectuosa es A

Ejercicio 8-2:

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:

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.

La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos:

 31

9. Ejercicios.

Ejercicio 1:

Con los jugadores de un club de fútbol se forman dos equipos para jugar un partido de entrenamien-
to; entre los dos equipos se reúnen 6 defensas, 8 medios, 6 delanteros y 2 porteros.

El entrenador sabe que en estos partidos, la probabilidad de que se lesione un jugador es 0.22 si es
delantero, 0.11 si es medio, 0.055 si es defensa y 0 si es portero.

a. Calcular la probabilidad de que se lesione uno cualquiera de los jugadores en este partido.
b. Si se sabe que un jugador se ha lesionado, determinar la probabilidad de que haya sido un
defensa.

Ejercicio 2:

Tras un estudio estadístico en una ciudad se observa que el 70% de los motoristas son varones y, de
estos, el 60% llevan habitualmente casco. El porcentaje de mujeres que conducen habitualmente
con casco es del 40%. Se pide:

a. Calcular la probabilidad de que un motorista elegido al azar lleve casco.

b. Se elige un motorista al azar y se observa que lleva casco. ¿Cuál es la probabilidad de que
sea varón?
 32
Ejercicio 3:

En una ciudad, el 35% vota al partido A, el 45% vota al partido B y el resto se abstiene. Se sabe
además que el 20% de los votantes de A, el 30% de los de B y el 15% de los que se abstienen, son
mayores de 60 años. Se pide:

a. Hallar la probabilidad de que un ciudadano elegido al azar sea mayor de 60 años.

b. Hallar la probabilidad de que un ciudadano mayor de 60 años se haya abstenido.

Ejercicio 4:

Los alumnos de Primero de Biología tienen que realizar dos pruebas, una teórica y otra práctica. La
probabilidad de que un estudiante apruebe la parte teórica es de 0.6, la probabilidad de que apruebe
la parte práctica es de 0.8 y la probabilidad de que apruebe ambas pruebas es 0.5.

a. ¿Son independientes los sucesos aprobar la parte teórica y la parte práctica?

b. ¿Cuál es la probabilidad de que un alumno no apruebe ninguno de los dos exámenes?
c. ¿Cuál es la probabilidad de que un alumno apruebe solamente uno de los dos exámenes?
d. Se sabe que un alumno aprobó la teoría. ¿Cuál es la probabilidad de que apruebe también la
práctica?

Ejercicio 5:

En una baraja de 40 cartas.

a. Se toman dos cartas sin reemplazamiento. ¿Cuál es la probabilidad de que las dos sean de
distinto número?
b. Y si se toman tres cartas, ¿Cuál es la probabilidad de que los tres números sean distintos?

Ejercicio 6:

Tenemos un dado con tres "1", dos "2" y un "3". Lo tiramos dos veces consecutivas y anotamos la
suma de los resultados.

a. ¿Cuál es el Espacio Muestral?

b. ¿Cuál es la probabilidad de que la suma sea 4?
c. ¿Cuál es la suma más probable? ¿Cuánto vale su probabilidad?

Ejercicio 7:

Tenemos dos dados A y B, ambos trucados. En el dado A hay tres "1" y tres "2" y en el dado B hay
dos "1" y cuatro "2". Se elige un dado al azar y se tira.

a. ¿Cuál es la probabilidad de obtener un "1"?

 33
b. Sabiendo que se ha obtenido un "2", ¿Cuál es la probabilidad de que se haya elegido el dado
B?

Ejercicio 8:

En una caja hay x bolas blancas y 1 bola roja. Al extraer de la caja dos bolas al azar sin reemplaza-
miento, la probabilidad de que sean blancas es 1/2. Calcula el número de bolas blancas que debe
tener la caja.

Ejercicio 9:

El 35% de los créditos de un banco es para vivienda, el 50% para industrias y el 15% para consumo
diverso. Resultan fallidos el 20% de los créditos para vivienda, el 15% de los créditos para indus-
trias y el 70% de los créditos para consumo. Calcula la probabilidad de que se pague un crédito ele-
gido al azar.

Ejercicio 10:

El volumen de producción en tres plantas diferentes de una fábrica es de 500 unidades en la prime-
ra, 1000 unidades en la segunda y 2000 en la tercera. Sabiendo que el porcentaje de unidades defec-
tuosas producidas en cada planta es del 1%, 0.8% y 2%, respectivamente, calcula la probabilidad de
que al seleccionar una unidad al azar sea defectuosa.

Ejercicio 11:

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 de los
no ingenieros y no economistas solamente el 20% ocupan un puesto directivo. ¿Cuál es la probabi-
lidad de que un empleado directivo elegido al azar sea ingeniero?

Ejercicio 12:

Se toman dos barajas españolas de 40 cartas. Se extrae al azar una carta de la primera baraja y se
introduce en la segunda baraja. Se mezclan las cartas de esta segunda baraja y se extrae una carta,
que resulta ser el dos de oros. ¿Cuál es la probabilidad de que la primera carta extraída fuese una
espada?