Cap´ıtulo 2

PROBABILIDAD
La probabilidad y la estad´ıstica son, sin duda, las ramas de las Matema´ticas que est´an en mayor
auge en este siglo, y tienen una tremenda aplicabilidad en todos los aspectos y ciencias, especialmente
en las Ciencias Sociales, puesto que aquellas variables que influyen en dichas ciencias, econo´micas,
demogra´ficas, suelen tener car´acter aleatorio,es decir, no son deterministas, y se fundamentan en
predicciones a partir de datos conocidos. Todo aquello que implique prediccio´n nos lleva al terreno de
la probabilidad.

2.1. Experimentos aleatorios

En todos los aspectos de la vida a veces nos encontramos con acontecimientos predeterminados, es
decir, tales que podemos decir el resultado de dichos acontecimientos antes de que finalice o incluso
de que comience. Tal es el caso de:
1. Tirar una piedra desde un edificio ( sabemos que se caera´).
2. Calentar un cazo de agua ( sabemos que la temperatura sube).
3. Golpear una pelota ( sabemos que se va a mover, e incluso conociendo fuerzas que actu
´an etc,podemos conocer precisamente d´onde caera´ ).
Tales acontecimientos o experimentos de los que podemos predecir el resultado antes de que se
realicen se denominan experimentos deterministas.
Sin embargo, analicemos otro tipo de experimentos, mucho m´as interesantes desde el punto de
vista matema´tico:
Imaginemos que lanzamos un dado al aire (normal, de 6 caras y no trucado). ¿Podemos predecir el
resultado que vamos a obtener?. Evidentemente no. Este es un experimento que no es determinista. A
este tipo de experimentos, en los cuales no se puede predecir el resultado antes de realizar el
experimento se les denomina experimentos aleatorios.
Otros ejemplos de experimentos aleatorios pueden ser:
Tirar una moneda al aire y observar qu´e lado cae hacia arriba, rellenar una quiniela de fu´tbol,
jugar una partida de po´ker y, en general, cualquier juego en el que intervenga el azar.

2.2. Definiciones b´asicas

La teor´ıa de probabilidades se ocupa de asignar un cierto nu´mero a cada posible resultado que
pueda ocurrir en un experimento aleatorio, con el fin de cuantificar dichos resultados y saber si un
suceso es m´as probable que otro o relaciones parecidas. Con este fin, introduciremos algunas
definiciones.
Si realizamos un experimento aleatorio, llamaremos espacio muestral del experimento al conjunto
de todos los posibles resultados de dicho experimento.
Al espacio muestral lo representaremos por E (o bien por la letra griega omega Ω ).
A cada elemento que forma parte del espacio muestral se le denomina suceso elemental.

15
Ejemplo:
 ´
CAP ITULO 2. PROBABILIDAD 16

1. ¿Cua´l es el espacio muestral asociado al experimento de lanzar un dado

normal al aire y observar la cara que queda hacia arriba?.
Evidentemente, en este caso hay 6 posibles resultados (6 sucesos elementales) y el espacio
muestral estar´a formado por: E={1,2,3,4,5,6}.

2. ¿Y en el caso del lanzamiento de una moneda? Entonces E={C,X}

Ejercicios:

1. Escribir el espacio muestral asociado al experimento de sacar una carta de entre las diez del palo
de copas de una baraja espan˜ola.

2. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes colores y
observar la pareja de nu´meros que se obtiene.

3. Escribir el espacio muestral asociado al experimento de lanzar dos dados de diferentes colores y
sumar los nu´meros que se obtienen.

Llamaremos suceso aleatorio a cualquier subconjunto del espacio muestral. El concepto de suceso
es fundamental en probabilidad. Dicho de forma simple, un suceso de un experimento aleatorio es
cualquier cosa que se nos ocurra afirmar sobre dicho experimento.
As´ı, si tiramos una moneda dos veces, ser´ıan sucesos todos los siguientes:

1. Sale al menos una cara.

2. Salen ma´s caras que cruces.

3. La moneda cae de canto.

4. No sale ninguna cruz.

Llamaremos suceso imposible al que no tiene ningu´n elemento y lo representaremos por ∅ .

Llamaremos suceso seguro al formado por todos los posibles resultados (es decir, al espacio
muestral) .
Llamaremos espacio de sucesos y lo representaremos por S, al conjunto de todos los sucesos
aleatorios.
Ejemplo:

1. En el caso del lanzamiento de la moneda en el que el espacio muestral era E={C,X} , analicemos
qui´en es el espacio de sucesos: - Sucesos con 0 elementos: ∅
- Sucesos con 1 elemento: {C},{X}

- Sucesos con 2 elementos:{C,X}

De modo que el espacio de sucesos es: S={∅,{C},{X},{C,X}}.

2. En el caso del lanzamiento de dos monedas, si haces el diagrama de ´arbol obtienes el siguiente
espacio muestral:
E = {(C,C),(C,X),(X,C),(X,X)}

El espacio de sucesos tiene ahora 16 elementos, que puedes intentar escribir, siguiendo el
esquema anterior, desde los sucesos con 0 elementos hasta aquellos que tienen 4 elementos. Si
describimos los sucesos que pon´ıamos antes como ejemplos, obtenemos:
 ´
CAP ITULO 2. PROBABILIDAD 17

a) Sale al menos una cara={(C,C),(C,X),(X,C)}

b) Salen ma´s caras que cruces={(C,C)}

c) La moneda cae de canto=∅

d) No sale ninguna cruz={(C,C)}

3. En el caso del lanzamiento del dado el espacio de sucesos es mucho m´as amplio (64 elementos.
Ser´ıa interesante que intentases escribirlos todos o al menos te dieses cuenta de c´omo son ,
aunque no los escribas todos)
En este mismo ejemplo, se puede considerar el suceso A= ”sacar un nu´mero par”. ¿De qu´e
sucesos elementales consta el suceso A?. Evidentemente, A={{2},{4},{6}}.

Otros sucesos pueden ser: B = ”Sacar un nu´mero mayor que 5-{{6}}.

C = ”Sacar un nu´mero par y menor que 5-{{2},{4}}.

Ejercicio: Una urna contiene dentro 4 bolas de las cuales 2 son blancas, 1 roja y otra azul. Se saca
una bola de la urna.
a) Escribir el espacio muestral.
b) Escribir los sucesos “no sacar bola azul” y “sacar bola roja o blanca”.
c) Escribir el espacio de sucesos.

Los sucesos admiten una representaci´on gra´fica que facilita su interpretaci´on; del modo:

Figura 2.1: Representaci´on en diagrama de Venn del suceso A

Por ejemplo, en el caso del dado:

Figura 2.2: Representaci´on en diagrama de Venn para un dado

A = ”salir par y menor que 5”. Estos diagramas se denominan diagramas de Venn.
Propiedad:
Si el espacio muestral tiene n elementos, el espacio de sucesos tiene 2 n elementos.

Ejemplo:
En el caso del dado, el espacio muestral ten´ıa 6 elementos y el espacio de sucesos tiene 2 6 = 64
elementos.
 ´
CAP ITULO 2. PROBABILIDAD 18

En el caso de la moneda, el espacio muestral ten´ıa dos elementos y el espacio de sucesos tiene 2 2 =
4 elementos.
2.3. Operaciones con sucesos
Si realizamos un experimento aleatorio y consideramos varios sucesos A, B, C, etc, asociados a
dicho experimento, podemos realizar varias operaciones entre ellos. Los m´as importantes son:

1. Igualdad de sucesos: Dos sucesos A y B son iguales si est´an compuestos por los mismos
elementos. Lo expresaremos por A = B.

2. Intersecci´on de sucesos: Llamaremos suceso interseccio´n de los sucesos A y B, y lo

representaremos por A ∩ B, al suceso “ocurren A y B a la vez”.

Ejemplo: Si tiramos un dado, ya sabemos que el espacio muestral asociado es E={1,2,3,4,5,6}.

Sean los sucesos A=“sacar un n par”={2,4,6}, y B=“sacar un nu´mero entre 2 y 4

(inclusive)”={2,3,4}.

El suceso A ∩ B es tal que ocurren A y B a la vez, es decir:

A ∩ B=“sacar un n par y que est´e entre 2 y 4 (inclusive)”={2,4}.

El suceso A ∩ B son los elementos comunes a los conjuntos A y B (elementos que est´an en los
dos conjuntos).
Representado en diagramas de Venn:

Figura 2.3: Intersecci´on de sucesos: A ∩ B

En ocasiones podremos encontrarnos con sucesos que NO tengan elementos en comu´n. En estos
casos se dice que los sucesos A y B son incompatibles, y su intersecci´on se representa con el
conjunto vac´ıo:
A∩B=∅

Evidentemente, si los sucesos s´ı tienen interseccio´n, diremos que son compatibles.

3. Unio´n de sucesos: Llamaremos suceso unio´n de los sucesos A y B y se representa por A ∪ B al

suceso “ocurre A o bien ocurre B o bien ocurren ambos a la vez”(tambi´en podemos decir que
“ocurre alguno”).
Es decir A ∪ B son los elementos que est´an en ambos conjuntos (aunque no necesariamente en
los dos a la vez). Representado en diagrama de Venn:
 ´
CAP ITULO 2. PROBABILIDAD 19

Figura 2.4: Unio´n de sucesos: A ∪ B

Ejemplo: En el caso anterior:
A ∪ B=”sacar un n par o un n que est´e entre 2 y 4 (inclusive)”={2,3,4,6}.

NOTA:
Observemos que la intersecci´on de dos conjuntos siempre es ”menor”que la unio´n, de hecho es
“menor” que el propio conjunto.
Escrito matem´aticamente:

A∩B⊂A∪B A∩B⊂A A∩B⊂B A⊂A∪B B⊂A∪B

(El s´ımbolo ⊂ significa “contenido”, o que el primer conjunto es un subconjunto del segundo)

4. Suceso contrario de otro: Dado un suceso A, denominaremos suceso contrario de A y se

representar´a por A¯ (o bien A o bien Ac) al suceso que tiene por elementos a todos aquellos que
no pertenecen a A.
Ejemplo: Si tiramos un dado, ya sabemos que el espacio muestral asociado es E={1,2,3,4,5,6}.

A
Como antes, los sucesos A=“sacar un n par”={2,4,6}, por tanto ¯={1,3,5} y B= “sacar un nu´mero

entre 2 y 4 (inclusive)”={2,3,4}, de modo que B¯={1,5,6}.

En un diagrama de Venn:

¯
Figura 2.5: La parte punteada es A .(Todo lo que no esta´ incluido en A)

5. Diferencia de sucesos: Si A y B son dos sucesos, llamaremos diferencia entre A y B al suceso B−A,
que consta de los elementos que est´an en B pero no esta´n en A.Por ejemplo, si A={2,4,6},

B={2,3,4}, tenemos que B − A={3}. Se cumple que B − A = B − A ∩ B, y tambi´en que B − A = A¯ ∩ B.

Representado en un diagrama de Venn:

 ´
CAP ITULO 2. PROBABILIDAD 20

Figura 2.6: La parte rayada es B − A, todos los elementos de B que no est´en en A

De todas formas, hemos de ser cuidadosos con esta operacio´n: No se debe confundir con una
simpleresta como operaci´on num´erica, sino que es una diferencia conjuntista, quitar los
elementos comunes a dos conjuntos.

Ejercicio: En una urna tenemos 9 bolas numeradas del 1 al 9. Sacamos una y anotamos su nu´mero.
Sean los sucesos: A=”sacar un n primo”B=“sacar un n cuadrado” (por ejemplo 4 es un nu´mero
cuadrado, porque 4=22). Se pide:
a) Describir el espacio muestral.
b) ¿Cua´ntos elementos tiene el espacio de sucesos?.
c) Calcula A ∩ B y A ∪ B.
d) ¿Son A y B compatibles o incompatibles?.
e) Calcula A¯ y B¯.
f) Si C=“sale un nu´mero impar”, calcula A ∩ C, B ∩ C,C¯ , A ∪ C,A¯ ∩ C¯.
Propiedades de las operaciones con sucesos:
Las operaciones con sucesos tienen las siguientes propiedades, la mayor´ıa de ellas bien conocidas:

Intersecci´on Unio´n

Conmutativa A∩B=B∩A A∪B=B∪A

Asociativa A ∩ (B ∩ C) = (A ∩ B) ∩ C A ∪ (B ∪ C) = (A ∪ B) ∪ C
Idempotente A∩A=A A∪A=A
Simplificacio´n A ∩ (A ∪ B) = A A ∪ (A ∩ B) = A
Distributiva A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C)
Elemento neutro A ∩∪E = A A∪∅=A ∪
Absorcio´n A∅=A A E=A
Adem
´as de
estas sencillas propiedades (que se demuestran f´acilmente mediante un diagrama de Venn), las
operaciones con sucesos tienen otras dos propiedades muy importantes:

Leyes de De Morgan: Si A y B son dos sucesos, se verifican:

Demostraci´on: Demostraremos la primera de las igualdades.

En primer lugar, representemos en un diagrama de Venn (A ∪ B). Para ello, primero representamos

A ∪ B, y luego su contrario

Figura 2.7: Imagen 1 corresponde a A ∪ B. Imagen 2 corresponde a A ∪ B

 ´
CAP ITULO 2. PROBABILIDAD 21

Ahora, representaremos en otro diagrama el otro miembro, es decir A¯ ∩ B¯. En primer lugar,
¯ ¯
representaremos A , luego B y luego su intersecci´on:

¯ ¯ ¯ ¯
Figura 2.8: Imagen 1 corresponde a A . Imagen 2 corresponde a B . Imagen 3 corresponde a A ∩B .

Observando los dos resultados, vemos que las partes rayadas son iguales, por lo que la igualdad es
cierta.
Ejercicio:

1. Mediante un procedimiento similar, demostrar la segunda ley de De Morgan.

2. Luisa y Mar´ıa interviene en un torneo de ajedrez. La primera que gane dos partidas seguidas o
tres alternas gana el torneo. Encuentra el espacio muestral con todos los resultados posibles
( suponemos que nunca hacen tablas).
(Indicaci´on: Utiliza un diagrama de a´rbol).

3. Consideramos el feno´meno aleatorio extraer una carta de una baraja de 40 y anotarla . Sean los
sucesos A= “sacar oro”, B= “sacar rey”, C= “sacar el rey de bastos”.
Determina los sucesos:
A ∩ C,A¯ ∩ B ∩ C,A¯ ∪ B¯ ∪ C,¯ A¯ ∪ B¯

2.4. Asignacio´n de probabilidades. Regla de Laplace

Hasta el momento hemos descrito lo que es un experimento aleatorio y hemos definido los
conceptos b´asicos asociados a este experimento. Nos falta responder a esta pregunta: ¿C´omo asignar
probabilidades a cada uno de los sucesos de un experimento aleatorio?.
Hay muchas maneras de asignar probabilidades. La ma´s sencilla e intuitiva la dio el matem´atico
franc´es Pierre Simon Laplace (1749-1827), qui´en enuncio´ la regla que lleva su nombre:

Regla de Laplace:
Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos igualmente
probables, entonces si A es un suceso, la probabilidad de que ocurra el suceso A es:
nu´mero de casos favorables al suceso A
p(A) = nu´mero
de casos posibles

Ejemplo: Lanzamos un dado normal al aire. Consideramos el suceso A= “sale par”. Calcular p(A).
Casos posibles hay 6, pues E={1,2,3,4,5,6}. Casos favorables al suceso A={2,4,6}.

Por tanto
(Notemos que la probabilidad siempre es un nu´mero positivo y menor, o a lo sumo igual a 1).
 ´
CAP ITULO 2. PROBABILIDAD 22

El inconveniente que plantea la definicio´n de Laplace es que necesariamente los sucesos elementales
tienen que tener la misma probabilidad de ocurrir.
Observemos un caso tan sencillo como el siguiente:
De una urna que contiene 8 bolas rojas, 5 amarillas y 7 verdes se extrae una bola al azar. Calcula la
probabilidad de que la bola extra´ıda sea :
a) roja
b) verde
c) amarilla

El espacio muestral en este caso ser´ıa: E={R,V,A}, que consta s´olo de tres elementos, pero ser´ıa un
poco ingenuo asignar las probabilidades mediante la regla de Laplace,

porque ya intuitivamente se ve que hay ma´s posibilidades, por ejemplo, de que salga una bola roja que
de que salga una bola amarilla, de modo que ¿co´mo asignar probabilidades?.
Fue el matem´atico ruso Kolmogorov qui´en precis´o este t´ermino:

Definici´on axiom´atica de probabilidad:

Una probabilidad p es una funcio´n que asocia a cada suceso A del espacio de sucesos S , un n´umero
real p(A), es decir: p : S −→ R , y que cumple las propiedades:

1. 0 ≤ p(A) ≤ 1, (es decir, cualquier suceso tiene probabilidad positiva y menor o igual que 1).

2. p(E) = 1 (la probabilidad del suceso seguro es 1).

3. Si A y B son incompatibles, es decir A ∩ B = ∅, entonces p(A ∪ B) = p(A) + p(B). (es decir la

probabilidad de la unio´n es la suma de las probabilidades si los sucesos tienen intersecci´on vac
´ıa).

Ejemplo:
Sea un experimento aleatorio cualquiera y definamos en S (espacio de sucesos) la siguiente
probabilidad:
nu´mero de elementos del conjunto A
p(A) = nu´mero
total de elementos
Comprobemos que p es una probabilidad. Para
ello, comprobemos las tres propiedades:
a) Se ve que la probabilidad de cualquier suceso esta´ entre cero y uno, puesto que
cualquier conjuntoque tenga elementos ya tendr´a probabilidad positiva, y el nu´mero de
elementos de cualquier conjunto no puede ser mayor que el nu´mero total de elementos existentes.
b) p(E) = 1, es evidente.
c) Tomemos dos sucesos A y B que no tengan elementos en comu´n. Entonces:

elementos que forman parte de A o de B

p(A ∪ B) = =
nu´mero total de elementos nu´mero de elementos de A + n
´umero de elementos de B
= = p(A) + p(B)
nu´mero total de elementos
 ´
CAP ITULO 2. PROBABILIDAD 23

puesto que si A y B no tienen elementos comunes, el nu´mero de elementos de la uni´on es la suma de

los elementos de cada conjunto por separado.
Por tanto se cumplen las 3 propiedades y p as´ı definida es una probabilidad. Esta sera´ la definici
´on de probabilidad que utilicemos a partir de ahora.

Ejemplo:
En el ejemplo de las urnas anterior, lo lo´gico es definir la probabilidad as´ı: Como en total hay 20
8 7 5
bolas y 8 son rojas, 7 verdes y 5 amarillas, p(R) = p(V ) = p(A) = .
20 20 20
Se puede comprobar que as´ı definida p es una probabilidad.

Sin embargo, comprobar las propiedades de la definicio´n de Kolmogorov es una labor larga y
engorrosa, puesto que hay que verificar que se cumple para todos aquellos sucesos del espacio de
sucesos S, que es ciertamente amplio en muchas ocasiones. El siguiente resultado simplifica la tarea de
decidir cua´ndo una funcio´n p sobre el espacio de sucesos es una probabilidad, bas´andose s´olo en los
sucesos elementales, es decir, aquellos que forman parte del espacio muestral. Lo enunciaremos sin
demostraci´on:
Propiedad
Si w1,w2,...,wn son los n sucesos elementales de un suceso aleatorio cualquiera,p una funcio´n p : S
−→ R de modo que cumple las propiedades:

1. 0 ≤ p(wi) ≤ 1 ∀ i ∈ {1,2,...,n}

2. p(w1) + p(w2) + ...+ p(wn) = 1 Entonces p es una probabilidad.

Ejemplo: Comprobar si las siguientes funciones definidas para los sucesos elementales son
probabilidad, siendo E={a,b,c,d} el espacio muestral del experimento aleatorio: a)

Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades son nu´meros
positivos menores que 1.
Para ver si se cumple la segunda, basta realizar la suma:

1 1 1 1 30 + 20 + 15 + 12 77
+ + + = =
2 3 4 5 60 60
que evidentemente NO es 1, luego p NO es probabilidad.
1 1 1
b) p(a) = ,p(b) = ,p(c) = 0,p(d) =
4 2 2
Es obvio que la primera propiedad se cumple, puesto que las 4 probabilidades son nu´meros
positivos o cero menores que 1.
Para ver si se cumple la segunda, basta realizar la suma:

1 1 1 1+2+1
++==14244

´
luego p S I es probabilidad.

Consecuencias de la definici´on de probabilidad:

 ´
CAP ITULO 2. PROBABILIDAD 24

1. p(A¯) = 1 − p(A)

En efecto, puesto que E = A ∪ A¯ y adem´as A y A¯ son incompatibles, resulta por la propiedad 3)

de la definicio´n que p(E) = p(A ∪ A¯) = p(A) + p(A¯)

Y por la propiedad 2), p(E)=1, luego 1 = p(A) + p(A¯) y por tanto p(A¯) = 1 − p(A).

2. p(∅) = 0

Como E¯ = ∅, resulta que:

p(E¯) = p(∅) = 1 − p(E) = 1 − 1 = 0

3. Si A y B son dos sucesos cualesquiera,

p(A ∪ B) = p(A) + p(B) − p(A ∩ B)

4. Si A, B y C son tres sucesos cualesquiera,

p(A ∪ B ∪ C) = p(A) + p(B) + p(C) − p(A ∩ B) − p(A ∩ C) − p(B ∩ C) + p(A ∩ B ∩ C)

Ejemplo:
Se tira una moneda 3 veces. Calcular la probabilidad de obtener alguna cara.

Los problemas de este tipo, en los que se pide la probabilidad de obtener “alguna” cosa, se suelen
resolver muy bien por paso al complementario. En este caso concreto, A = “obtener alguna cara”. A¯=
“no obtener ninguna cara”= “obtener 3 cruces”.

Entonces, , pues hay 8 casos posibles (2 2 2, ¡haz el diagrama de a´rbol!) y s´olo uno
favorable (XXX, 3 cruces), por tanto:

Ejercicio:
Calcular la probabilidad de obtener al menos 1 seis si se lanza 4 veces un dado.
Ejemplo:
Se lanza un dado dos veces y se suman las dos caras. Sea A el suceso A= “la suma de resultados es
mayor o igual que 10” y B= “la suma de los resultados es mu´ltiplo de 6”. Calcular p(A), p(B) y p(A ∩ B).
Hay 36 posibles resultados al lanzar dos veces un dado. ¿Cua´ntos de ellos suman 10 o m´as?
Que sumen 10: (4,6), (5,5), (6,4)
Que sumen 11: (5,6), (6,5)
Que sumen 12: (6,6)
6 1
Por tanto, p(A) = = .
36 6
¿Cu´antos hay que sumen mu´ltiplo de 6?
Que sumen 6: (1,5), (2,4),(3,3), (4,2), (5,1) Que
sumen 12: (6,6)

Por tanto, .

En cuanto a A ∩ B = (6,6), luego .

 ´
CAP ITULO 2. PROBABILIDAD 25

Ejercicios:

1. Se ha encargado la impresio´n de una encuesta a una imprenta, que imprime 12 folios

defectuosos de cada 1000. Hallar la probabilidad de que elegido un folio de la encuesta al azar: a)
Est´e mal impreso.
b) Est´e correctamente impreso.

2. Una bolsa contiene 8 bolas numeradas. Se extrae una bola y anota su nu´mero. Sean los sucesos
A= “salir par”, B= “salir impar”, C= “salir mu´ltiplo de 4”.
Calcular las probabilidades de A ∪ B,A ∪ C,B ∪ C,A ∪ B ∪ C.

3. Extraemos una carta de una baraja espan˜ola. Calcula:

a) La probabilidad de que sea un rey o un as.
b) La probabilidad de que sea un rey o una copa.
c) La probabilidad de que sea un rey y una copa.

4. En el banquete posterior a una boda se sientan en la presidencia 10 personas, entre los cuales se
encuentran los novios. Calcular la probabilidad de que los novios est´en juntos en el centro de la
mesa.
2.5. Probabilidad condicionada
Hasta ahora nos hemos limitado a calcular probabilidades u´nicamente partiendo de un
experimento aleatorio, sin tener ma´s informaci´on. Pero, ¿qu´e ocurre si conocemos alguna informaci
´on adicional?.
Supongamos que estamos realizando el experimento aleatorio de lanzar un dado y obtener el nu

´mero que sale. Consideremos el suceso A= “sale un 4”. Evidentemente, .

Ahora bien, ¿variar´ıa esta probabilidad si al lanzar el dado alguien pasa por all´ı y nos dice que ha
salido un nu´mero par?.
Disponemos entonces de una informacio´n adicional, B={1,4,6}.
Hemos reducido nuestro espacio muestral, que ahora s´olo consta de 3 elementos y tenemos que
cambiar las probabilidades asignadas.
1
Ahora el suceso A no tiene una posibilidad entre 6 de ocurrir, sino una entre tres, es decir, p(A) = . 3
Esta es la idea de la probabilidad condicionada: La informacio´n obtenida B, modifica la

probabilidad de A. Lo expresaremos as´ı: y se lee “probabilidad de A condicionada a B” o

“probabilidad de A conociendo B”.
El caso anterior es muy sencillo, pues directamente podemos calcular p(A/B), pero si el espacio
muestral se ampl´ıa, el problema es m´as complicado. La f´ormula siguiente simplifica el problema.
Definicio´n:
Sea A un suceso aleatorio asociado a un experimento aleatorio, y sea B otro suceso que sabemos
que se ha realizado.
Llamaremos probabilidad de A condicionada a B y lo expresaremos por p(A/B) a la expresi´on:

(de id´entico modo se define p(B/A), escribe la fo´rmula).

1 es lo mismo que obten´ıamos antes directamente.

Ejercicios:
 ´
CAP ITULO 2. PROBABILIDAD 26

Ejemplo: Para el caso anterior,

A= .

.
Luego:
1

p(A ∩ B) 6 = 2 =
12
p(A/B) = = p(B) 1 6
3
2.6. Sucesos independientes
Si bien el conocer cierta informacio´n adicional modifica la probabilidad de algunos sucesos, puede
ocurrir que otros mantengan su probabilidad, pese a conocer dicha informacio´n.
Por ejemplo, en el lanzamiento de un dado, consideremos los sucesos: A= “sacar un nu´mero par” y
B= “sacar un nu´mero menor o igual que 2” Es claro que A= {2,4,6} y B= {1,2}.

Calculemos la probabilidad de A conociendo que se ha realizado el suceso B, es decir, p(A/B).

Utilizando la fo´rmula:

1 1
puesto que p(A ∩ B)=p(sacar par y menor o igual que 2)= y p(B)= .
6 3
Pero si no conoci´esemos la informaci´on B, ¿cua´l ser´ıa la probabilidad de A?.

p(A)=p(sacar par)= 5, es decir que p(A/B)=p(A), y por tanto el conocer la informacio´n B

no modifica la probabilidad de A.
Cuando esto ocurre es decir, cuando p(A/B) = p(A), diremos que los sucesos A y B son
independientes (el hecho de que ocurra B no modifica la probabilidad de A).

Propiedad:

A y B son sucesos independientes ⇐⇒ p(A ∩ B) = p(A) · (B).

Demostraci´on: =⇒) Si A y B son

independientes, p(A/B) = p(A), y por la fo
´rmula de la probabilidad
A B A B
condicionada,, luego), y por tanto p(A ∩ B) = p(A) · p(B).

⇐=) Partiendo de p(A ∩ B) = p(A) · p(B), entonces

1 . Calcula la probabilidad de que la suma de las caras de dos dados sea mayor a igual que 10
sabiendo que en el primer dado ha salido un seis.

2. Se lanzan dos dados:¿cua´l es la probabilidad de obtener una suma de puntos igual a siete?.
Si la suma de puntos ha sido 7, ¿cua´l es la probabilidad de que en alguno de los dados haya
salido un 3?
 ´
CAP ITULO 2. PROBABILIDAD 27

luego p(A/B) = p(A) y por tanto A y B son independientes.

Ejemplo:
1 1 1
En el caso anterior, p(A ∩ B) = , y por otra parte p(A) = y p(B) = ,luego se cumple que
6 2 3

luego A y B son independientes.

Ejercicio:

De dos sucesos conocemos que , calcula p(A ∩ B) y p(B) para que A y

B sean independientes.
(Indicaci´on: Utilizar la fo´rmula de la uni´on de dos sucesos y la de la independencia de sucesos).
(Solucio´n:
NOTA IMPORTANTE:
No se deben confundir los conceptos de sucesos incompatibles y sucesos independientes. Dos
sucesos son incompatibles cuando no tienen elementos en comu´n, es decir, A ∩ B = ∅, o con
diagramas de Venn:

Figura 2.9: A y B incompatibles, sin elementos en comu´n.

Dos sucesos son independientes si p(A∩B) = p(A)·p(B). Son conceptos totalmente distintos. Uno se
refiere a CONJUNTOS y otro se refiere a PROBABILIDADES.

2.7. Experimentos compuestos. Teorema de la probabilidad total.

Un experimento compuesto es aquel que consta de dos o m´as experimentos aleatorios simples. Es
decir, si tiramos un dado, o una moneda, son experimentos aleatorios simples, pero si realizamos el
experimento de tirar un dado y posteriormente una moneda, estamos realizando un experimento
compuesto.
Propiedad:
De la fo´rmula para calcular la probabilidad condicionada se deduce inmediatamente que:

p(A ∩ B) = p(B) · p(A/B) y p(A ∩ B) = p(A) · p(B/A)

Ejemplo: Se extraen 2 cartas, sucesivamente, de una baraja de 40. Calcular la probabilidad de extraer 2
sotas.
Sea A = “sacar sota en la 1 ” y B = “sacar sota en la 2 ”.
Nos piden p(A ∩ B).
 ´
CAP ITULO 2. PROBABILIDAD 28

Segu´n la f´ormula anterior, p(A ∩ B) = p(A) · p(B/A).

Ahora bien , , por lo que .

La forma m´as sencilla de calcular probabilidades en experimentos compuestos es un digrama de
´arbol, donde en cada rama situamos la probabilidad que le corresponde al suceso del final de dicha
rama. Estas probabilidades que se van poniendo en el a´rbol son probabilidades condicionadas, porque
dependen de los resultados anteriores.
En el caso del ejercicio anterior, el diagrama ser´ıa:

¯
Figura 2.10: Diagrama de a´rbol para la extracci´on de sota(S) u otra carta (S )
Nota:
Este mismo resultado se podr´ıa haber obtenido sin usar la probabilidad condicionada, del modo:

Formas de elegir 2 cartas de entre 40= .

Formas de elegir 2 sotas entre 4= .

casos favorables
Por la regla de Laplace, p(obtener 2 sotas)= = =
40 780 130
= . 2
casos posibles

Ejercicios:
1. Una urna contiene 9 bolas rojas y 5 negras. Se extraen sucesivamente 2 bolas. Calcula la
probabilidad de que:
a) la primera bola sea roja y la segunda negra.
b) una sea roja y la otra negra.

2. En una bolsa hay 4 canicas rojas, 4 azules y 2 verdes. Se extraen 3 canicas que resultan ser 2
rojas y una azul. Sin devolverlas a la bolsa se saca otra canica, ¿de qu´e color es m´as probable
que salga?.
Ejemplo:
Tenemos dos urnas, una con 7 bolas rojas y 2 azules, y otra con 3 bolas rojas y 8 azules. Tiramos un
dado. Si nos sale un 3 o un 5, sacamos una bola de la primera urna y en caso contrario, sacamos una
bola de la segunda urna. ¿Cua´l es la probabilidad de que la bola extra´ıda sea azul?.

Evidentemente estamos realizando un experimento compuesto. En primer lugar, se trata de elegir una
urna, para lo cua´l lanzamos un dado. Si U1= “elegir la urna 1” y U2= “elegir la urna 2”, es claro que p(

y p( .
Por otra parte, luego realizamos otro experimento consistente en sacar una bola de la urna elegida.
Si A= “sacar una bola azul”, las probabilidades que conocemos son:
 ´
CAP ITULO 2. PROBABILIDAD 29

Lo que nos piden es p(A). Para calcular dicha probabilidad, si representamos el diagrama de a´rbol:

Figura 2.11: Diagrama de a´rbol para la extracci´on de bolas

Como la probabilidad de A depende de la urna en la que estemos, basta multiplicar las

probabilidades de cada rama que llegue a la bola azul y luego sumar los 2 resultados, es decir:

La justificacio´n te´orica para proceder as´ı la da el teorema de la probabilidad total.

Teorema de la probabilidad total: Si A1,A2,...,An son sucesos incompatibles 2 a 2, y cuya unio´n es el

espacio muestral (A1 ∪ A2 ∪ ...∪ An = E), y B es otro suceso, resulta que:

p (B) = p(A 1 ) · p(B/A 1 ) + p(A 2 ) · p(B/A 2 ) + ...+ p(A n ) · p(B/A n )

Nota: El conjunto A1,A2,...,An que verifica la incompatibilidad 2 a 2 y que la unio´n de todos ellos es el
espacio muestral se denomina sistema completo de sucesos y este sistema “divide el espacio muestral
en partes que no se solapan”. Mediante representacio´n gr´afica:

Figura 2.12: Sistema completo de sucesos: A1,A2,...,An

Ejemplo: Para el caso anterior, A1 = “sacar la bola de la urna 1”.

A2= “sacar la bola de la urna 2”.
B= “sacar bola azul”.
Y aplicando el teorema:

Ejemplo: En un colegio se imparten s´olo los idiomas ingl´es y franc´es. El 80% de los alumnos
estudian ingl´es y el resto franc´es. El 30% de los alumnos de ingl´es son socios del club musical del
colegio y de los que estudian franc´es son socios de dicho club el 40%. Se elige un alumno al azar.
Calcular la probabilidad de que pertenezca al club musical.
 ´
CAP ITULO 2. PROBABILIDAD 30

En estos problemas es importante elegir el sistema completo de sucesos. En este caso: A1=
“estudiar ingl´es”
A2= “estudiar franc´es”
B= “ser del club musical”
Nos piden p(B). Por el teorema anterior:

Mediante el diagrama de a´rbol:

Figura 2.13: Diagrama de a´rbol para el problema de idiomas y club musical

Se obtiene el mismo resultado.

Ejercicio:
Se tienen dos urnas, la primera de las cuales tiene 6 bolas blancas, 4 negras y 2 rojas y la urna 2
tiene 3 bolas blancas y 7 negras.
Se lanza un dado al aire, y si sale mu´ltiplo de 3 se saca de la primera urna y en otro caso se saca
una bola de la segunda urna. Calcular la probabilidad de que sea:
a) bola blanca b) bola negra c) bola roja. Solucio´n:
.

2.8. Tablas de contingencia

Las tablas de contingencia est´an referidas a 2 caracter´ısticas que presentan cada una dos o ma´s
sucesos.

Ejemplo: En un taller se sabe que acuden, por la man˜ana 3 autom´oviles con problemas de el´ectricos,
8 con problemas meca´nicos y 3 con problemas de chapa. Por la tarde hay 2 con problemas el´ectricos,
3 con problemas meca´nicos y 1 con problemas de chapa.
a) Calcular el porcentaje de los que acuden por la tarde.
b) Calcular el porcentaje de los que acuden con problemas meca´nicos
c) Calcular la probabilidad de que un automo´vil con problemas el´ectricos acuda por la man˜ana.
Resumiendo los datos en una tabla de contingencia:
Pr. el Pr. Meca Pr. de chapa Total
´ectricos ´nicos
Man˜an 3 8 3 14
a
Tarde 2 3 1 6
Total 5 11 4 20

a) En total acuden 20 y por la tarde acuden 6, luego:p(acudir por la tarde)= 3, es decir,

el 30%.
b) En total acuden 20 y con problemas meca´nicos hay 11, luego:
 ´
CAP ITULO 2. PROBABILIDAD 31

p(problemas mec´anicos)= 55, es decir, el 55%.

c) Aqu´ı tenemos una informacio´n adicional (es un coche que tiene problemas el´ectricos), luego
se trata de una probabilidad condicionada.Con problemas el´ectricos hay 5 y de ellos 3 por la

man˜ana, luego: p(acudir por la man˜ana/problemas el´ectricos)= 6, es decir, el 60%.

En una tabla de contingencia puede que nos falten datos, pero se pueden hallar fa´cilmente con los
datos que son conocidos.
Ejemplo Para tratar de curar una enfermedad se aplica un tratamiento nuevo a 81 pacientes de un
hospital, mientras que en el mismo hospital hay otros 79 pacientes que siguen un tratamiento antiguo
contra la misma enfermedad. En total, con ambos tratamientos los curados son 103, de los cuales 60 lo
son gracias al tratamiento nuevo. Si tratamos de construir la tabla, con los datos del problema se
obtiene:
Tratamiento antiguo Tratamiento nuevo Total

Curarse 60 103

No curarse

Total 79 81
Completa la tabla y responde a las cuestiones:
Si se elige un individuo al azar, calcula la probabilidad de que:

1. Se haya curado.

2. No se haya curado.

3. Se haya curado con el nuevo tratamiento.

4. No se haya curado con el nuevo tratamiento.

5. Se haya curado con el tratamiento antiguo.

6. No se haya curado con el tratamiento antiguo

2.9. El teorema de Bayes.

Como consecuencia del teorema de la probabilidad total y de las propiedades de la probabilidad
condicionada, resulta este importante teorema que permite calcular probabilidades condicionadas.

Teorema de Bayes:
Si A1,A2,...,An son sucesos incompatibles 2 a 2, y cuya unio´n es el espacio muestral ( A1 ∪ A2 ∪
...∪ An = E), y B es otro suceso, resulta que:
p(A i ) · p(B/A i )
p(A i /B )=
p(A 1 ) p(B/A 1 )+ p(A 2 ) · p(B/A 2 )+ ... + p(A n ) · p(B/A n )
·

Demostraci´on:

Por definicio´n, .

Ahora bien, recordando que p(Ai ∩ B) = p(Ai) · p(B/Ai), debido a que .

Por tanto, combinando los dos hechos:
 ´
CAP ITULO 2. PROBABILIDAD 32

Como por el teorema de la probabilidad total es:

p(B) = p(A1) · p(B/A1) + p(A2) · p(B/A2) + ...+ p(An) · p(B/An)

resulta que sustituyendo:

y el teorema queda demostrado.

Nota:
Las probabilidades p(Ai) se denominan probabilidades a priori.
Las probabilidades p(Ai/B) se denominan probabilidades a posteriori. Las
probabilidades p(B/Ai) se denominan verosimilitudes.
Ejemplo:
Dos clases de 2 de Bachillerato, una de 28 alumnos y otra de 35 alumnos hacen conjuntamente un
examen de Matem´aticas. La probabilidad de aprobar de los alumnos de la primera clase es de 0’68 y
los de la segunda del 0’73. Se toma un examen al azar y resulta que esta´ aprobado. ¿Cu´al es la
probabilidad de que sea de un alumno de la 1 clase?.
Sea A1= “el examen es de un alumno de la primera clase”
A2= “el examen es de un alumno de la segunda clase”
B= “el examen est´a aprobado” Nos piden p(A1/B).
Hagamos antes que nada un diagrama de a´rbol:

Figura 2.14: Diagrama de a´rbol para el problema del examen

Por el teorema de Bayes:

Sustituyendo:

p(A1) es la probabilidad “a priori”, es decir , antes de realizar el experimento y careciendo de

informacio´n. En este caso p(A1/B) es la probabilidad “a posteriori”, despu´es de

realizarlo y conocer ma´s informaci´on. En este caso 427 (es algo menor).

Ejercicio:
 ´
CAP ITULO 2. PROBABILIDAD 33

Se tienen dos urnas. En la primera hay 10 bolas blancas, 7 negras y 5 rojas. En la segunda 24
blancas, 4 negras y 9 rojas. Se elige una urna al azar y se saca una bola. Calcular:
a) Probabilidad de sacar bola blanca.
b) Sabiendo que la bola extra´ıda es blanca, probabilidad de que provenga de la segunda urna.
Solucio´n: .