124

Combinaciones

• Número de Muestras de tamaño n que se pueden tomar,

una a una y sin reemplazo, de una Población Objetivo de
𝑁
tamaño N. Se representan con el símbolo , y se
𝑛
definen como:
 N N!
 =
 
 n  (N − n)! n!
• Donde el símbolo n! es el Factorial del Número Entero n,
que se define como: n! = 1 2 3 ...  n;
• En las combinaciones el orden no es relevante.
 125

…viene Combinaciones

• Ejemplo 1. Se tiene una Población Objetivo compuesta por las

cuatro primeras letras del alfabeto y se quiere identificar todas
las posibles Muestras de tamaño dos que de ella pueden
obtenerse.
• Desarrollo. Se tiene que la Población Objetivo es:
• N = 4 = {a ; b ; c ; d}
• Entonces, el número de Muestras de tamaño n = 2 es:
4 4!
=
2 4 − 2 ! 2!

4×3×2×1 4×3×2×1 4 × 3 12
= = = = =6
2! 2! 2×1 2×1 2×1 2
 126

…viene Combinaciones

• Por lo que las muestras de tamaño 2 son:

{a; b}
{a; c}
{a; d}
{b; c}
{b; d}
{c; d}
 127

…viene Combinaciones

• Ejemplo 2. Hay un grupo de tres pasantes y cinco

estudiantes egresados para ocupar ciertos puestos
gubernamentales para estudiantes. Si cuatro estudiantes se
han de seleccionar al azar de entre este grupo, encuentre el
número de formas en que necesariamente dos pasantes se
encuentren entre los cuatro seleccionados.

• Desarrollo. Se han seleccionado 4 estudiantes para los

puestos:
• La población objetivo la conforman N = 8 estudiantes
• 3 pasantes
• 5 egresados
 128

…viene Combinaciones

• Se tienen dos eventos:

• E1 = pasantes, del que hay que escoger 2 elementos
• E2 = egresados, del que hay que escoger 2 elementos
• El número de formas en que se pueden escoger dos pasantes de un
conjunto de tres es:
3 3! 3 ∙ 2! 3
= = = = 3 = 𝑛1
2 3 − 2 ! 2! 1! 2! 1

• El número de formas en que se pueden escoger dos egresados de un

conjunto de cinco es:
5 5! 5 ∙ 4 ∙ 3! 5 ∙ 4
= = = = 10 = 𝑛2
2 5 − 2 ! 2! 3! 2! 2 ∙1
 129

…viene Combinaciones

• Consecuentemente el número de formas en que se puede

seleccionar los cuatro estudiantes para los cargos
gubernamentales, de tal manera que se garantice que dos
sean pasantes, aplicando la Regla de Multiplicación de
Opciones, es:

3 5
𝑛1 ∙ 𝑛2 = ∙ = 3 ∙ 10 = 30
2 2
 130

…viene Combinaciones

• Ejemplo 3. Si en el contexto del ejercicio anterior nos

preguntaran de cuántas formas se puede elegir los estudiantes
exigiendo que cuando mas puede haber un pasante en el
mismo, esto es igual a:
• Cuando mas un pasante = menor o igual a un pasante

3 5 3 5
∙ + ∙ = 1 ∙ 5 + 3 ∙ 10 = 35
0 4 1 3

• El primer sumando cuantifica el caso de “ningún pasante y

cuatro egresados” y el segundo sumando el de “un pasante y
tres egresados”, y con estas dos opciones se cubre el “cuando
mas un pasante”.
 131

…viene Combinaciones

• Ejemplo 4. En base al ejercicio anterior de los cargos

gubernamentales, si no discriminásemos por tipo de
estudiante, sino que cualquiera de ellos, sea este pasante
o egresado puede estar entre los seleccionados, ¿cuál
sería el número de formas de seleccionarlos?

• Estaríamos frente a la identificación de todas las posibles

Muestras de tamaño cuatro que se pueden tomar de una
población objetivo de tamaño ocho. Es decir:

8 8!
= = 70
4 8 − 4 ! 4!
 132

Permutaciones

• Subconjuntos ordenados de tamaño n tomados de un

conjunto de tamaño N. Se denotan por nPN y se definen
como:

N  N N! N!
nP = n!   = n! =
n (N − n)!n! (N − n)!
 133

…viene Permutaciones

𝑁
• Como es obvio, existirá un total de Muestras o
𝑛
conjuntos no ordenados que se pueden tomar de una
población de tamaño N y se busca saber cuántos
conjuntos ordenados “genera” cada una de estas
Combinaciones.
• Como ilustráramos en la sección de Combinaciones, para
una Población Objetivo de tamaño N = 4, {a ; b ; c ; d}, se
pueden obtener seis Muestras (combinaciones) de
tamaño dos que son:

{a ; b} {a ; c} {a ; d} {b ; c} {b ; d} {c ; d}
 134

…viene Permutaciones

• El número de conjuntos ordenados que obtenemos en esta

situación es:

Muestras Conjuntos Ordenados

(Combinaciones) (Permutaciones)
ab ab ba
ac ac ca
ad ad da
bc bc cb
bd bd db
cd cd dc

• Hemos conseguido dos conjuntos ordenados de cada Muestra

(combinación), diremos que cada subconjunto de tamaño dos,
genera 2! subconjuntos ordenados del mismo tamaño.
 135

…viene Permutaciones

• Consideremos ahora la misma Población (N = 4) y sus Muestras

de tamaño n = 3, que son cuatro en total:
{a; b; c}; {a; b; d}; {a; c; d}; {b; c; d}
• Los conjuntos ordenados correspondientes a cada Muestra son:
Muestras Conjuntos Ordenados
(Combinaciones) (Permutaciones)
abc abc acb bac bca cab cba
abd abd adb bad bda dab dba
acd acd adc cad cda dac dca
bcd bcd bdc cbd cdb dbc dcb

• Estos resultados nos ponen al tanto de que cada Muestra de

tamaño tres “genera” seis subconjuntos ordenados y seis es lo
mismo que tres factorial, 3!
 136

…viene Permutaciones

• Y así sucesivamente, de cada Muestra o combinación de

tamaño n, se podrán obtener n! conjuntos ordenados de
tamaño n.
• Cada uno de estos conjuntos ordenados los
denominaremos Permutación de tamaño n.
 137

…viene Permutaciones

• Ejemplo 1. En un club estudiantil compuesto por 50

personas se va a elegir a un presidente, un secretario y a
un tesorero. ¿De cuántas formas diferentes se pueden
elegir los funcionarios?

• Desarrollo. El primer cargo (presidente) puede ser

ocupado por las 50 personas, el segundo cargo
(secretario) por 49 personas y el tercer cargo (tesorero)
por 48 personas.
 138

…viene Permutaciones

• Aplicando la definición de permutaciones tenemos que el

número de formas (arreglos) en que se puede elegir los
funcionarios es:

50
50 50! 50!
3𝑃 = 3! = 3! = = 117600
3 47! 3! 47!
 139

…viene Permutaciones

• Ejemplo 2. Los nombres de 3 empleados se han de sacar al azar, sin

restitución, de un tazón que contiene los nombres de 30 empleados
de una pequeña compañía. La persona cuyo nombre sea sacado
primero recibe $100 y aquellos cuyos nombres se saquen en segundo
y tercero recibirán $50 y $25, respectivamente. ¿De cuántas maneras
se pueden otorgar los premios?

• Desarrollo. El primer premio puede otorgarse a los 30 empleados, el

segundo premio a 29 empleados y el tercero a 28 empleados.

30 = 3! 30 30! 30!
3𝑃 3
= 3! = = 24360
27!3! 27!

• Es decir, se pueden otorgar los premios de 24360 maneras diferentes.

 140

…viene Permutaciones

• Ejemplo 3. Con las letras de la palabra FIBRA, ¿cuántas

palabras distintas de 4 letras se pueden hacer que empiecen
por vocal?

• Desarrollo. Hay 4 posiciones, la primera debe ser una vocal

(puede ser cualquiera de las 2, I o A), y las otras tres cualquiera
de las cuatro letras restantes. Las palabras deben ser distintas
por lo tanto el orden es importante.

• Se tienen dos eventos:

• E1 = vocales
• E2 = letras restantes de la palabra FIBRA
 141

…viene Permutaciones

• El número de formas distintas en que se puede asignar una vocal

en la primera posición es:
2 2 2!
1𝑃 = 1! 1
= 1!
1!1!
= 2! = 2 ∙ 1 =2

• El número de formas distintas en que se pueden asignar tres

letras en las posiciones restantes es:
4 4 4!
3𝑃 = 3! 3
= 3!
1!3!
= 4! = 4 ∙ 3 ∙ 2 ∙ 1 =24

• Consecuentemente el número de palabras distintas de 4 letras que

se pueden hacer que empiecen por vocal, aplicando la Regla de
Multiplicación de Opciones, es:

(1P2)  (3P4) = (2)  (24) = 48

 142

Muestras o Combinaciones
Distinguibles

• El número de Muestras o Combinaciones Distinguibles

cuando W se particiona en k conjuntos distinguibles o
identificables, de tamaño n1, n2, ... , nk, es igual a:

 N 
 = N!
  n1! n 2 !... n k !
n ,
 1 2 n , ... , n k

• Con la condición de que: n1+ n2+ ... + nk = N.

 143

Muestras o Combinaciones
…viene
Distinguibles

• Ejemplo. Se tiene un grupo de diez libros en una biblioteca,

dos de Matemáticas, tres de Física y cinco de Literatura. ¿De
cuántas maneras se puede arreglar los diez libros en una
percha?

• Desarrollo. Tenemos un conjunto de tamaño N = 10 libros y

tres grupos distinguibles, por sus áreas, grupos que son de
tamaño n1 = 2, n2 = 3 y n3 = 5.

• Por tanto el número de formas en que puede arreglarse es:

10 10!
= = 2520
2,3,5 2! 3! 5!
 144

Regla de la Multiplicación de Opciones para

obtener W y calcular probabilidades

• Ejemplo 1. Consideremos el experimento de lanzar dos veces

de forma sucesiva un dado y ver que cara sale. Describa el
conjunto W y determine:
P(X + Y > 9), P(X + Y sea impar) y P(X = Y).

• Desarrollo. Es posible descomponer este experimento en dos

Eventos:
• E1 = primer lanzamiento del dado = {1;2;3;4;5;6};
• E2 = segundo lanzamiento del dado = {1;2;3;4;5;6};
• N(E1) = 6
• N(E2) = 6
• Aplicando a Regla de multiplicación de opciones tenemos que
el número de opciones que podemos elegir es 6x6=36.
 145

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• El conjunto de todos los resultados posibles, W, está

conformado por los pares ordenados donde x es el
número que sale en el primer lanzamiento y y es el
número que sale en el segundo lanzamiento.

(1 1) ; (1 2) ; (1 3) ; (1 4) ; (1 5) ; (1 6)
(2 1) ; (2 2) ; (2 3) ; (2 4) ; (2 5) ; (2 6)
(3 1) ; (3 2) ; (3 3) ; (3 4) ; (3 5) ; (3 6)
W=
(4 1) ; (4 2) ; (4 3) ; (4 4) ; (4 5) ; (4 6)
(5 1) ; (5 2) ; (5 3) ; (5 4) ; (5 5) ; (5 6)
(6 1) ; (6 2) ; (6 3) ; (6 4) ; (6 5) ; (6 6)
 146

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• P(X + Y > 9)
• E: pares ordenados donde X + Y > 9

(1 1) ; (1 2) ; (1 3) ; (1 4) ; (1 5) ; (1 6)
(2 1) ; (2 2) ; (2 3) ; (2 4) ; (2 5) ; (2 6)
(3 1) ; (3 2) ; (3 3) ; (3 4) ; (3 5) ; (3 6)
W=
(4 1) ; (4 2) ; (4 3) ; (4 4) ; (4 5) ; (4 6)
(5 1) ; (5 2) ; (5 3) ; (5 4) ; (5 5) ; (5 6)
(6 1) ; (6 2) ; (6 3) ; (6 4) ; (6 5) ; (6 6)

6 1
𝑃 X+Y>9 = =
36 6
 147

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• P(X + Y sea impar)

• E: pares ordenados donde X + Y sea impar

(1 1) ; (1 2) ; (1 3) ; (1 4) ; (1 5) ; (1 6)
(2 1) ; (2 2) ; (2 3) ; (2 4) ; (2 5) ; (2 6)
(3 1) ; (3 2) ; (3 3) ; (3 4) ; (3 5) ; (3 6)
W=
(4 1) ; (4 2) ; (4 3) ; (4 4) ; (4 5) ; (4 6)
(5 1) ; (5 2) ; (5 3) ; (5 4) ; (5 5) ; (5 6)
(6 1) ; (6 2) ; (6 3) ; (6 4) ; (6 5) ; (6 6)
18 1
𝑃 𝑋 + 𝑌 𝑠𝑒𝑎 𝑖𝑚𝑝𝑎𝑟 = =
36 2
 148

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• P(X = Y)
• E: pares ordenados donde X = Y

(1 1) ; (1 2) ; (1 3) ; (1 4) ; (1 5) ; (1 6)
(2 1) ; (2 2) ; (2 3) ; (2 4) ; (2 5) ; (2 6)
(3 1) ; (3 2) ; (3 3) ; (3 4) ; (3 5) ; (3 6)
W=
(4 1) ; (4 2) ; (4 3) ; (4 4) ; (4 5) ; (4 6)
(5 1) ; (5 2) ; (5 3) ; (5 4) ; (5 5) ; (5 6)
(6 1) ; (6 2) ; (6 3) ; (6 4) ; (6 5) ; (6 6)
6 1
𝑃 𝑋=𝑌 = =
36 6
 149

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• Ejemplo 2. El departamento de Control de Calidad de una

fábrica clasifica las inconformidades de su producción
como “remediables” e “irremediables”. Se tiene en bodega
20 ítems defectuosos, quince del primer tipo y cinco
irremediables; se seleccionan aleatoriamente ocho de
ellos, ¿Cuál es la probabilidad que tres de ellos sean del
tipo “irremediable”?
 150

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• La población objetivo la conforman: N = 20 ítems

• E1 = ítems irremediables, del que hay que escoger 3
• E2 = ítems remediables, del que hay que escoger 5
• El número de formas en que se pueden escoger tres ítems
irremediables de un conjunto de 5 es:

• El número de formas en que se pueden escoger cinco

ítems remediables de un conjunto de 15 es:
 151

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• Consecuentemente el número de formas en que se puede

elegir ocho ítems donde tres de ellos sean del tipo
“irremediable”, aplicando la Regla de Multiplicación de
Opciones, es:
 152

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• Si no discriminamos por tipo de ítem, sino que cualquier

ítem, sea este de tipo remediable o irremediable puede
ser elegido, el número de formas de seleccionar los ocho
ítems de la bodega es:
 153

…viene Regla
de la Multiplicación de Opciones
para obtener W y calcular probabilidades

• Si se define el evento X como existen tres ítems

irremediables en la muestra, la probabilidad del evento X
es:
 154

Probabilidad Condicional

• Ejemplo. Tomamos de manera aleatoria sucesiva y sin

reemplazo dos cartas de un mazo, ¿ Cuál es la
probabilidad de que la segunda carta sea trébol sabiendo
que la primera fue corazón negro?

• Mazo de Cartas: W Número

de Cartas

A 2 3 4 5 6 7 8 9 10 J Q K 13

A 2 3 4 5 6 7 8 9 10 J Q K 13

A 2 3 4 5 6 7 8 9 10 J Q K 13

A 2 3 4 5 6 7 8 9 10 J Q K 13

Total 52
 155

…viene Probabilidad Condicional

• Llamemos E1 al evento
• “sale corazón negro en la primera extracción” 7
A 2 3 4 5 6 7 8 9 10 J Q K

A 2 3 4 5 6 7 8 9 10 J Q K

A 2 3 4 5 6 7 8 9 10 J Q K

A 2 3 4 5 6 7 8 9 10 J Q K

N(E1 ) 13
¿Cuál es la probabilidad de E1? P(E1 ) = =
N(Ω) 52
 156

…viene Probabilidad Condicional

• Llamemos E2 al evento
• “sale trébol en la segunda extracción” 7 A
A 2 3 4 5 6 7 8 9 10 J Q K

A 2 3 4 5 6 7 8 9 10 J Q K

A 2 3 4 5 6 7 8 9 10 J Q K

A 2 3 4 5 6 7 8 9 10 J Q K

¿Cuál es la probabilidad de E2 dado 13

que E1 ha ocurrido? P(E 2 | E1 ) =
51
 157

…viene Probabilidad Condicional

• Dado un Experimento Estadístico, consideremos dos

eventos uno E1 y otro E2, tales que el primero ha ocurrido
mientras que el segundo, E2, está por ocurrir. La
probabilidad de que ocurra E2 dado que ha ocurrido E1 se
la denota y define como:

P(E1E 2 )
P(E 2 | E1 ) =
P(E1 )
• Siempre que E1  .
 158

…viene Probabilidad Condicional

• La definición de Probabilidad Condicional satisface los

axiomas de la Función de Probabilidades; sin embargo, debe
resaltarse que si el experimento tiene un Espacio Muestral
(W, S), al “condicionar” el mismo, el espacio Muestral se
restringe a (W´, S´); donde W´ es el conjunto de resultados
posibles, conociendo que ha ocurrido un evento, E1,
mientras que S´ es el conjunto de subconjuntos de W´. Por lo
tanto,

• P(E1E1) = 1;
• 0  P(E2E1)  1; y,
• P(E2  E3E1) = P(E2E1) + P(E3E1),
siempre que E2  E3 = 
 159

…viene Probabilidad Condicional

• Ejemplo 1. En el lanzamiento de un dado legal nos

preguntan ¿cuál es la probabilidad que haya salido un
número par, si se sabe que el número que salió es menor
que cinco?

• Desarrollo. Tenemos dos eventos:

• E1 = {1; 2; 3; 4} = sale número menor que cinco
• E2 = {2; 4; 6} = sale número par
P(E1E 2 )
P(E 2 | E1 ) =
P(E1 )
• Además W = 1; 2; 3; 4; 5; 6
 160

…viene Probabilidad Condicional

• E1E2 = {2; 4}
• P(E1E2 ) = N(E1E2 )/N(W) =2/6
• P(E1) = N(E1)/ N(W) = 4/6
• P(E2) = N(E2)/ N(W) = 3/6

• Lo cual nos lleva a:

𝑃 𝐸1 ⋂𝐸2 2/6 2 1
𝑃 𝐸2 𝐸1 = = = =
𝑃 𝐸1 4/6 4 2
 161

…viene Probabilidad Condicional

• Ejemplo 2. Si en el lanzamiento de un dado legal nos preguntaran

¿Cuál es la probabilidad de que salga cinco si…
• No se tiene otra información
• E1 = {5} = sale el número 5
• P(E1) = N(E1)/ N(W) = 1/6
• Se sabe que salió un número impar
• E1 = {5} = sale el número 5
• E2 = {1; 3; 5} = sale un número impar
• E1E2 = {5}
• P(E1) = 1/6 P E1 ∩ E2 1/6 1
• P(E2) = 3/6 P E1 E2 = = =
P(E2 ) 3/6 3
• P(E1E2 ) = 1/6
 162

…viene Probabilidad Condicional

• A partir de la definición de Probabilidad Condicional, es

posible que obtengamos la denominada “Regla de
Multiplicación para Probabilidad Condicional” que es:

•P(E1  E2) = P(E2E1)P(E1)

•P(E1  E2) = P(E1E2)P(E2)
 195

Referencias Bibliográficas

• ZURITA, G. (2010), “Probabilidad y Estadística, Fundamentos y

Aplicaciones”, Segunda Edición, Ediciones de la Facultad de Ciencias
Naturales y Matemáticas ESPOL, Guayaquil, Ecuador.

• Ronald E. Walpole, Raymond H. Myers, Sharon L. Meyers, Keying Ye.

(2012). Probabilidad y estadística para ingeniería y ciencias. (9na).
México: Pearson Educación.

• Johnson R, Miller I, Freund J. (2012). Probabilidad y Estadística para

ingenieros. (Octava). México: Pearson.

• Wackerly, Dennis D. & Mendenhall, William & Scheaffer, Richard L.

(2007). Mathematical statistics with applications. (Second Edition).
EEUU: Duxbury Pr; Edición: 007 (1 de octubre de 2007).