Colegio Santa María del Mar. Jesuitas, A Coruña. MAT CCSS I y II Dpto: MAT !

24-03-2023 Moisés López Caeiro

! [Link]

! [Link]

VI
PROBABILIDAD (MAT CCSS)

Métodos de recuento

Multiplicación Si

ir de A a B tengo 2 rutas y de B a C

para Andrey Kolmogórov

Андре́й Колмого́ров
tengo

3 rutas en totalpuedo escoger 2 3 6 rutas diferentes

Factorial

Cómoresolvertodas las
reordenaciones de varios elementos

2 ab 2ab 2.1
i

n n no n 2 2.1 Factorial abc abc

3 acb 3.2.1 6

bac

or unaposibilidadparaningún elemento ca b

Variaciones sin repetición

Si
tenemos n elementos
escogemos k
y
elementos
sin que se repitaninguno número de el

variaciones

sinrepetición de
orden k de los
n elementos tomados k en k es de

n Variaciones sinrepetición

K Vn
n n 1 n Kt 1
n k

Ejercicio 1: Calcula el número de variaciones sin repetición de 7 elementos tomados de 3 en 3.

V7 3

Ib I 7.6.5 210
Permutaciones

intervienentodos loselementos Vn n

Si Pn n n 1 n 2 2.1 n Permutaciones

Variaciones con repetición

Si
tenemos n elementos
y escogemos k elementos pudiéndose
repetir el número de

variaciones con repetición deorden k delos n elementos tomados de k en k es

van y mk Variaciones con repetición

Ejercicio 2: Calcula el número de variaciones con repetición de 7 elementos tomados de 3 en 3.

VR 73 343

Ejercicio 3: Calcula el número de variaciones de la quiniela de fútbol (15 partidos 1X2).

Quiniela

de fútbol 1 X2 3 elementos con repetición escogidos de 15 en 15

VR
3,15

COMBINATORIA

En estetipo de recuento no se tiene en cuenta elorden

Números combinatorios

Ejercicio 4: Calcula el número de combinaciones de la

Combinaciones de m elementos tomados lotería primitiva, es decir, con 49 números y grupos

tomados de 6 en 6.
_Variaciones

de n en n y sin repetición I Permutaciones

In
n combinatorio
Pmtm Coeficiente binomial Hay 49 números y elegimos 6 sin repetición
m

49
4G

g ya p 13.983.816 combinaciones
y y ay ayyyy

Ej 3 elementos tomados de 2 en 2

ab 3
3

55 moi

Propiedades de los números combinatorios

Nota Porqué 01 1
1

jjj jjj

n
m si me 1

m 1

chiste f 1

ENE Fil 0 1 QED

Blaise Pascal

Trriángulo de Pascal

i 1

1 11 1 1

i i I s a 1

i i i e s s e

i i i i I s a or 4 1

Construcción de números combinatorios Triángulo de Tartaglia Pascal

Justificación DE m n1 Lm

Ejemplo Porqué si 10 Escogemos 5 elementos engrupos de 3

Cuandoempiezo a escoger dispongode 5

elementos cuales escojo delos el 11

Una vez escogido 11 el sólo

me quedan 4 Después de
escoger el 21elemento sólo me quedan 3 para

escoger porque nopuedo escoger losya

seleccionados en dos primeros pasos los

Así el vi
de posibilidades es Podemos reescribirlo como
54.3 60 10 SÍ 60

Los
escojo de
3 en3 Puedo reordenarlos 3 3.21 6 maneras diferentes
de Cadacombinación

el 5 3

aparece
6veces Como no meimporta orden divido por6
Las combinaciones son 10

Laexpresión completa se puede reescribir como 5

3 5 3
10 Pf no aE D

Ejercicio 5: Tenemos 4 camisetas, cada una de un color diferente. Calcula el número de combinaciones que puedo hacer
para vestir a 1, 2, 3 o 4 personas.

Tengo

4 camisas cada una de un colordiferente

v a Veamoslascombinaciones quepuedoobtener para 1,2 3

y4 personas

s i

G Y y 1 TT si 4 personas 1combinación

Y 4 y v 1 persona 4 combinaciones

ii

a 6 Rojo verde y verde rojo es la misma combinación

d 2 personas 6 Combinaciones

si

Y ti 4 TI Cualquier reordenación es la misma combinación

it

3personas 4Combinaciones

si

En

Experimentos aleatorios.

Sucesos y operaciones.

Un modelo probabilístico es un modelo de los aleatorios

fenómenos

Son

fenómenos sujetos a incertidumbre Si repetimos un experimento

en condicionessimilares los resultados puedenser distintos

Pierre-Simon Laplace

Necesitamos dar 2 pasos

1 Describir los posibles resultados o sucesos de un fenómeno o experimento

2 Describir cuál creemosque será la de

probabilidad esos resultados

creando una

ley de probabilidad E

Creamos

una lista o conjunto de sucesos posibles E llamado espacio muestral E

Ejemplo
lanzamientode una moneda E E C X donde c cara X Cruz

Un

sucesoA es cualquier subconjuntodel espacio muestral E

Ejemplo
lanzamiento de un dado

E 1,2 3,4 5 6

Resultadospares A

2,4 63

Resultadosimpares B 1
3,5

Pierre de Fermat Christiaan Huygens

Tipos

de sucesos

Un

suceso elemental tiene un solo resultado posible Ej de

El valor un dado

Un

suceso compuesto tiene más de un resultado posible

Ej del
El resultado dadoes un n par

Un

suceso imposible no ocurrenunca

y se escribe

Un

y al
suceso seguro ocurre siempre es igual espacio muestral E

Un

suceso contrario o complementario de A el

es suceso que ocurrecuando no ocurre A

contiene

los elementos de A
que no son A WE E W A A
no

Ejemplo lanzamientode un dado Resultadospares A 2,4 63 A 1

3,5

Unión e intersección de sucesos. Propiedades.

Sean dossucesos A yB de un espacio muestral E

La unión AUB WEE we A 0 WEB los elementos pertenecen a AóB

Laintersección AMB WEE we A

y WEB los elementos pertenecen a A
yB

Ladiferencia entredos sucesos A yB

es el
conjunto de elementos del espacio muestral E que

son

de A yno son de B A BWEE we A y WEB AMB Ocurre A

y no B

mutuamente excluyentes

Dossucesos son incompatibles o si An B 0

Propiedad Union Intersección

Conmutativa AUB BUA AMB BMA

Asociativa AV C AV B VC AMIBA C An B 1C

Distributiva

AV MC AV B MIAU C Al C AMB V Anc

Elemento neutro A VO A AN E A

Contrario o

A A E AAA 0

complementario

de
leyes Morgan AUB AM B AM B AV B

Demostración de las leyes de Morgan

AMB AUB

Si XE

AMB

EA
IAN

És Augustus De Morgan

XEA

[Link]

AUB AMB

Parademostrar estapropiedad vamos a usar

la otra AMB AUB

Ahora sustituimos

A por A y B
por B

AMB AUB AUB Ahoratomamoscomplementarios en amboslados

AMB AUB AMB AUB AMB AUB aED

✏ Actividades de operaciones con conjuntos

Ejercicio 6: Se lanza una moneda tres veces. El espacio muestral es cara o cruz {C, X}. Construye el diagrama de árbol y
escribe los siguientes sucesos:

a) A = “Obtener dos caras” , B = “Obtener primero una cara” , C = “Obtener al menos una cruz” .

b) no A , B intersección C , A unión B , no A intersección C .

E CCC [Link] C CXX XCC XCXsXXC XXX3

Construimos

un diagrama en árbol

C CCC Veamos algunos ejemplos de

operaciones con conjuntos

C CCX Suceso A Obtenerdoscaras

[Link] C
XCC3CxCCXC

Suceso B Obtener tocara [Link] r CXC CXX

XX Suceso C Obteneralmenosuna cruz

C cc c [Link] CsCXX XCC XCX xxc xxx3

C Xcx A CCC [Link] C Xxx3

[Link] C CXX3

c c BAC

AUB [Link] C CXX xcc

xxx

Anc [Link] C XXX3

Ejercicio 7: Resultados al arrojar un dado: El espacio muestral es E = {1,2,3,4,5,6} .

a) Escribe los sucesos: A = “Resultados pares” , B = “Resultados mayores que 4” , C = “Resultados impares” .

b) Verifica que se cumplen las leyes de Morgan con los sucesos A y B.

c) Verifica las diferencias según la definición, es decir, A-B = A y no B , B-A = B y no A.

Suceso Resultados

pares A 214,63 A 113,53

que 4 B

Suceso Resultados

mayores 5,6 B 1,2 3,4

Suceso Resultados impares C 1 3,5 C 44,63

Comprobemos las
propiedades AVA 44,63 113,53 1,2 3,4 5,6 E

AMA 2 4,63111 3,53 O

Leyes de
Morgan AUB AMB

AUB 44,63 VES 63 2,4 5,63

AUB 11,33 a E D

AMB 1113,531 1,2 3,43 1,33 a E D

AMB AUB

AMB 44,6311563 63

AMB 1,2 3,4 53 [Link]

AUB 1113,53 1,2 3,43 1,2 3,4 53 [Link]

Operaciones A B AMB

44,63 5,6 AMB 44,631 1,2 3,4 2,43

B A BRA

5,63 44,63 BAA 5,63111 3,53 s

Frecuencia relativa y probabilidad frecuentista

Si
realizamos un experimento aleatorio n veces la
frecuencia relativa

n devecesqueocurre A frecuenciaabsoluta f
h

A A h

de repeticiones no_derepeticiones

Cuando

aumenta eln de ensayos del

experimento la
frecuencia tiende a estabilizarse

Se

la
puede definir probabilidad como P A him A f

n ao h

si tenemos un espacio muestral E

finito wa wz Wn la
probabilidad de un suceso se

obtiene

sumando lasprobabilidades detodos los

resultados
que pertenecen suceso al

P A Pi además Pi Pt Pa Pn 1

WIE A i 1

Cálculo de probabilidades. Regla de Laplace.

Un

espacio muestral E wa wa un es equiprobable si todos los

resultados posibles tienen la misma probabilidad

Wi Pi i 1,2n además

Pierre-Simon Laplace

En un experimento aleatorio la
probabilidad de un suceso de un espacio
A Es

finito y equiprobable es

n deresultados favorables suceso al A A

p A
E Reglade Laplace

n deresultados posibles

A Cardinal A n desucesos elementales contenidas en A

E Cardinal E n desucesos elementales contenidos en E

Ejercicio 8: Resultados al arrojar un dado: El espacio muestral es E = {1,2,3,4,5,6} .

Utilizando la Regla de Laplace calcula:

a) La probabilidad de obtener un único número.

Probabilidad al arrojar un
dado
b) La probabilidad de obtener números pares.

c) La probabilidad de obtener números mayores que 4.

E 1,2 3,4 5,6

pi 16

Resultadospares A 12,463 P A

2 1

Resultados mayores que 4 B Es 63 PCB 6 3

Definición axiomática de probabilidad. Kolmogórov.

Llamamos probabilidad a una función P

que a cadasuceso A le
asigna un

número real PCA que verifica los tres

siguientes axiomas o premisas

PCA 0 ACE todo suceso contenido en espacio muestral

para el

PCE 1 La
probabilidad del
suceso seguro es 1

Andrey Kolmogórov

Luego PCA E EO 15 se deduce no es un axioma Андре́

й Колмого́ров

Si A Az son sucesos incompatibles dos a dos es decir

AK

A MA O para its i jet

sn entonces

n n

P
µ Ai Plaid PLANAN VAN PCA tP Az
1 1 PLAN

1 i 1

Ejemplo con 2 sucesos Si AMB 0 entonces D AUB P A 1P B

partirde los
axiomas se deducen las
siguientes propiedades

P A 1
P A Demostración ANA 0 y EAVA

luego PLAVA 1 P A 1 PLA PLA 1

P A aED

PCO 0 Demostración PLA 1P A 0 E

luego PIO PCE 1 P O 1 P O aEDO

PLAUB P A 1P B P AMB PLAN B P A 1P B P AV B

Alsumar las
probabilidades estamos sumandodos veces intersecciónla eso debemos
y por restarla

Casoparticular si AMB O P AMB O PLAUB

P A 1P B

PCA B P AMB P A P AMB

formas
equivalentes

HA B PLAN
B p B p g

Demostración

A AMB V AMB siendo AMB y 1AM

B incompatibles

luego D A PLAN
B PLAN B B PLANP A PLAN
B aED

# Ejemplo numérico en el que verificamos las fórmulas del cálculo de probabilidades

Ejercicio 8 (continuación): Resultados al arrojar un dado: El espacio muestral es E = {1,2,3,4,5,6} .

Sucesos: A = “Resultados pares” , B = “Resultados mayores que 4”

a) Calcula la probabilidad de que ocurran A y B.

b) Calcula la probabilidad de que ocurran A o B.

c) Calcula la probabilidad de que ocurra A-B, es decir, A-B = A y no B.

AMB 6

A 2

A B

5,6 PIB ft f b
sesumanlas
4
5

de sucesos

suscontrarios A 1,3 51 B 1,2 3,4

incompatibles

entre

sí

a Laprobilidad A B es
de y la de la
intersección P AMB

AUB 2,4 5,6

AMB 6 PLAN
B

b La probilidad A o B es
de la de la
unión P AUB

2
y

AUB 2,4 5,6 PLAUB 3 j

AUB estoda área el

Comprobemos la
fórmula sombreada Laintersección

se repite 2veces perose

PLAUB P A PIB P AMB enumeraunavezen suceso el

3 1

P A

PIB PLAN B It aED

Y

Lalógica del
resultado viene de la
que intersección el 61
aparece 2 veces debemos restarlo una vez
y

c La
probilidad de
A B es la de
A B 12,4 61 5,6 2,4

A B 12,4 PLA
B E I

Comprobemos la
fórmula A B AMB B
restar

PLA B PLAN B PLA PLAN B

PCA

PIAAB I f j j
aED 3

La

lógica del
resultado viene de al
que restar eliminamos la
partecomún o intersección

A 2,4 61 AMB 2,4

1,2 3,4 P AMB j Q.E.D 3

La

lógica del
resultado viene de al los
que restar A B equivale a hallar elementosqueestán en A no en y B

# Cómo justificar relaciones de probabilidad usando diagramas de Venn.

Diagramas de Venn fundamentales

Fórmula

de P AV B

Unimos

dos conjuntos A B AV B A 1 B eltotaldeambos

Si

notienen intersección D

AUB P A 1 P B porque AMB 0

Pero

si tienen intersección esta intersección se estásumandodosveces

John Venn

Asíquedeberemos sumarambos conjuntos restar y

A Al B B la
una vez intersecciónpara no contarla 2 veces

P AUB P A 1P B P AMB

Fórmula

de PLA B

Consideremos

al
2 conjuntos A B conintersección no vacía Si conjunto A resto
y le B lo
es mismoquesacarle o

sustraerlela la
partecomún esdecir intersección

Así el
que trozoqueme queda A B es

la
media luna luego

A AMB B A B Ans B

restar

BPLA P A P Al B

Además podemos

afirmarque A B AA B Si el
E es espacio muestralcompleto i

E E Como se puedeapreciar lo
quetienen en

común A B es decir su intersección
y

A B A B A

es la
misma medialunade
antes

AMB

B PLA
B P An B

Podemos

la
reescribir fórmulacompleta
PLA B P AMB P A P AMB

✏ Actividades de probabilidad. Definición axiomática de Kolmogórov, propiedades y regla de Laplace.

Ejercicio 9: La probabilidad de aprobar una asignatura A es 0,6 y una asignatura B, 0,5.

La probabilidad de aprobar las dos es 0,25.

a) Calcula la probabilidad de no aprobar ninguna.

D
A 0,6 PCB 0,5 D A 0,4 D B 0,5 D AMB 0,25

El suceso no aprobar ninguna de las asignaturas es AMB NOA y no B

Porlasleyesde Morgan AMB AUB

Como
PLA 1
D A

PLAUB 1 PLAUB

Sabemos

que P AUBD A 1 PCB P AMB 0,6 0,5 0,25 0,85

D AUB 1 D AUB 1 0,85 0,15

b) Calcula la probabilidad de aprobar A, pero no B.

Es el suceso AMB A B

PLA B D AMB P A P AMB 0,6 0,25 0,35

Ejercicio 10:

D AUB D A 1 PCB P AMB 0,7 10,35 0,15 0,9

0,7 0,15

D AMB PLA B D A P AMB 0,55

Como

AMB AUB leydeMorgan PLAUB PLAN B 1 PLAN B

D AUB 1 0,15 0,85

Ejercicio 11: Tenemos un dado octaédrico con las caras coloreadas. E = {1,2,3 verdes, 4,5,6 rojas ,7,8 azules}

Calcula la probabilidad de obtener un número par o una cara azul {7,8}.

A Obtener ne par D Obtener cara azul

A 2,4 6,8 D 7,8 AMB 8

deresultados favorables al suceso A µ

Por la reglade Laplace p A n deresultados posibles E

4 1 2 1 1

P A z PCB PLAN B

g 8 4 8

Probabilidadde AóB PLAUB P A 1P B P AMB 14 g

Ejercicio 12: De una baraja española se retiran todas las cartas excepto los ases, los treses, las sotas, los caballos y los
reyes. De la baraja se elige al azar una carta. Escribe la función de probabilidad correspondiente en cada caso si lo que se
quiere obtener son:

a) Los distintos palos de la baraja.

b) Las distintas figuras de la baraja.

c) Las distintas cartas que no son figuras de la baraja.

netotal

de
cartas 20

4
y decada palo Scartas Oros
O

a Tenemos

palos Copas c Espadas 5 y Bastos B

E OC S P O P C
B Pls P B 0 4

bTenemos 3 figuras
por sotas palo 4 s 4 caballos c
y 4 reyes R

1 12 3

pts P C P 240 R 12 cartas sonfiguras F i p p

g zo g

4 1 8 2

c Tenemos 4 ases treses TA 4 P A PIT s P F 20

y zo s s

Ejercicio 13: En un experimento con 7 posibles resultados, las probabilidades de cada resultado son:

P(w₁) = 0,12 ; P(w₂) = 0,21 ; P(w₃) = 0,14 ; P(w₄) = 0,14 ; P(w₅) = 0,1 ; P(w₆) = a ; P(w₇) = b

Razona si a y b pueden tomar los siguientes valores:

a) a = 0,3 b = − 0,05 b) a = 0,15 b = 0,14 c) a = 0,2 b = 0,05 d) a = 0,2 b = 0,35

Pi Pet Pet Pn 1 a b no puede ser negativo

i 1
b 0,14 Sí

b 1 b Si 9 0,15

0,12 0,21 10,14 0,14 0,1 a

0,71 a b 1 c d Si 9 0,2 b 0,09 No

a b 0,29

Sólo esposible la respuesta b

Probabilidad condicionada. Independencia de sucesos.

Si A y B sondos sucesos del espacio muestral E

con PCB 0 se define

Probabilidad condicionada
la probabilidad de A condicionada
por B como PLAN B

PLA B de A sabiendoque ha

pq ocurrido B

Esta definición verificalos axiomas de

Kolmogórov

Probabilidad condicionada
Del mismomodo

como AAB BAA p Bra

PIB A de B sabiendoque ha

si PLA 0 pq ocurrido A

✏ Actividades de probabilidad condicionada.

Ejercicio 14 parte I: Se clasifican 1400 personas según sean hombre o mujer y según tengan gafas o no.

Calcula todas las probabilidades condicionadas.

Tabla de

contingencia Mujer M
Hombre H Total

Con G
gafas 200 1000
800

Sin q
gafas 300 100 400

Total 500900 1400

si elegimos una
persona la
probabilidad dequetengagafas P G

Si
supiésemos que la
personaelegida es una mujer el
suceso

y la

tiene

condicionado a
gafas es que se escribe
mujer GM
probabilidad de que

casosfavorables Mujerescon gafas P GAM GAM

tenga gafas PIG M

P GM
casosposibles total M

Mujeres en PCM

Veamos todas las Probabilidades condicionadas

Con gafas P GM
Plan M 200 z P
Pla H
GOH 800 8

pqµ soo s pfff 900 9

P GAM 300 z P GOH 100 1

Sin gafas P GM PIG H

PCM 500 5 pfff 900 9

Total 8 1

PIG M1 PIG M Es 1 PIG Http GH q q

1

Ejercicio 14 parte II: Calcula las probabilidades condicionadas inversas.

Podemos asímismo comprobar

que las
probabilidades condicionadas inversas son diferentes

Recuérdese que los

conjuntos H
son contrarios es
My decir H M J H M

P MAG
200 y P HMG 100 1

Mujer M GPCM 1000 5 PCH G 400 4

pG PCG

PCH
D HMG 800 4 PCM G
PIMM G 300 3

Hombre Hi G nooo s 400 4

ppg p g

Total 1 4 1 3

GPIM G PCH5 5
1 PM G PCM G 4 4
1

y escribir las

Podemos

generalizar siguientes propiedades

PCB A A PCB 1 A PCB 1 PCB A

Despejando

PCB A A PCB 1 A PCB 1 PCB A

Ejercicio 14 parte III: Calcula las probabilidades no condicionadas.

Finalmente vamos a calcular

las probabilidades no condicionadas

200 2 800 8

Mujer congafas PIGMM 1400 14

Hombre congafas Plan 1400 14

300 3 Hombre singafas 100 1

Mujer sin gafas P GAM 1400 14 Plan 1400 14

Siendo 142 134 184 114 1

PM jj
mujer Pld hambre siendo 1,94 1

sin gafas 10
siendo 14 4

PCG con PCG

gafas 144
14 1

Regla del producto

Si A y B son dos sucesos de un mismo experimento tales que PCA

0 0

y PCB

la probabilidad de AAB se puede expresar

PLAN B PLAN B

PLA B PCB P A B

pq

AMB BRA

P BA Pl A
PLAN B PLA PIB A

Sucesos independientes

Si A B

y son dos
sucesos y PCA 0
y PCB
se 0 diceque son independientes si la

ocurrencia

de
uno de ellos
no a afecta la
probabilidad del otro es decir

PLA
B PLA

p An B PLA PCB

P B A PCB

A son independientes
By B PLAN PLA PCB

En

caso contrario los

sucesos se llaman
dependientes

Si dos
sucesos A yB
con probabilidad positiva son incompatibles entonces no
pueden ser

independientes viceversa
y que si son incompatibles
ya B PLAN 0
Ejercicio 15: Comprueba, con la tabla de contingencia, que los sucesos “tener gafas” G y “ser mujer” M son independientes.

Tabla de

contingencia Mujer M Hombre H Total

Con G
gafas 200 600 800

Sin G
gafas 100 300 400

Total 300 900 1200

200 2 1

GAN 1200 12 6 PCM L s PIG 8

Se

puede comprobar que Plan M PCG PCM Y luego son independientes

P GAM 200 2 P GAM 16 2

Efectivamente

PIG M PCM 300 3 p g Tambien

1 3

PCM

QE D 4

✏ Más actividades de probabilidad condicionada.

Ejercicio 16: De una urna con 6 bolas blancas y 4 rojas, se extraen sucesivamente al azar dos bolas.

Calcula la probabilidad de que las dos bolas sean rojas si las extracciones se realizan. Desarrolla el diagrama en árbol.

a) Sin reemplazo b) Con reemplazo

a Sin
reemplazo

RCrojas 4 Total 10 sino reemplazo 000 R rojas 3 Total q

000 6

B
blancas 6 B blancas

PM PCR R

PCR1122

PCR PCR y i R y R2 son sucesos dependientes

Vamos a desarrollar el diagrama de árbol

PIRAR

13 R2
3R
to I

R PIRI 60

posar as Rt 43 Ba

4k

GBP112241 Él 35 B R2

4k

B Pts1 se 19
Ba

Pts24

Diagrama simplificado

[Link] Rd E Es

PCR

a PIRI Pts241 f

Está Es

Harri echara E

PIB a Pts1.4441 f

Con reemplazo 4
PCR1122 PCR PCR PCR PIRI 10 Yo

Se
puede ver en este caso PCR PIRI i R y R2 son sucesos independientes

que

Ejercicio 17: El 30% de los habitantes de una ciudad consume café y el 40% de los consumidores de café no toma postre
en las comidas. Si elegimos al azar un habitante, calcula la probabilidad de que tome café y postre.

A toma caféB toma

postre

A 0,3 PCB Nosabemos cuántostoman postre B

Suceso

Sabiendo
que toma café
condición notoma postre
A B PIB A 0,4

Suceso

toma café y
postre AMB PLAN B PCB PLA B PLA PCB A

11
método A PCB A PCB A 1 PCB A 1 PIB 1 0,4 0,6

D AMB PLA PCB

A 0,3 0,6 0,18

método P BAA P AMBB PLA

P A P AMB

BRA Pl P A P AMB
ppg

A
PLA PLA p A P AMB PLA PIB A

P AMB P A P PLA BA 0,3 0,3 0,4 0,3 0,12 0,18

31
método Desarrollamos el
diagrama de árbol

1B PIB A 0,4 0,6

A PLA 0,3

B PIB Al 0,4

B PIB III

II PLÁ 1 0,3 0,7

B PIB Ál

D AMB PLA PCB

A 0,3 0,6 0,18

Ejercicio 18: En un centro educativo el 40 % de los alumnos practica voleibol, el 30 % bádminton y el 20 % ambos
deportes.

a) Si un alumno, elegido al azar, juega al voleibol, ¿cuál es la probabilidad de que no juegue al bádminton?

b) ¿Son independientes los sucesos “jugar al voleibol” y “jugar al bádminton”?

juegaal voleibol B juega al badminton

D
V 0,4 PCB 0,3 D VAB 0,2 ambos deportes

a Condición juega al voleibol V Probabilidad de

que nojuegue al bádminton B

1
PLUMB y_92 1
permitido PIB V

1 PIB V 0,5

po 0,4 2

B
cemétodoi PCB V

Ptp donde PLUMB PN B PCV PLUMB

PCBMV PCV P VAB 0,4 0,2 0,2 1

ppB Vy

0,5

p PN 0,4 0,4 2

b VfB son independientes PLUMB Ptv PCB

Ptv PCB 0,4 0,3 0,12 0,2 PLUMB NO son independientes Sondependientes

Ejercicio 19:

cemétodo

PLA B PLA

a
A yB son independientes PLAN B PLA PCB PLA B PLA

0112 1 0,84 0,16

PLAN B PLAN B p p AUB
PLA B

HA B Son dependientes

pq PCB y_p B

PLAN B

PLAUB 1 PLAUB 1 P AUB 1 P AUB

0,12

1 1 PIB 1 0,5

AMB AUB leyde Morgan 1 D AUB 0,12 0,5 0,06

D AUB 1 0,06 0,94

D AMB P A 1 PCB P AUB 0,84 0,5 0,94 0,4

PLA PCB

0,84 0,5 0,42 0,4 PLAN B NO son independientes Sondependientes

PLAN B PLA B P A P AMB 0,84 0,4 0,44

Ejercicio 20:

PLAN B P B P AMB 0,25 0,2 0,05

PLA B

pff 0,25 0,25 0,2

pff

D BMA PCB Al PCB P AMB

Ejercicio 21:

A Are B

D AMB 0,2 2

a PLA B 0,3 3 01667

pq

A otro Are
PA AMB y PLAN PLAN B

AMB

plan B PLAN B

b PLAUB P A 1 PCB P AMB

Aren A B AUB Ano

todo

0,6 0,3 0,2 0,7

plano B [Link]
AVB ffgffjfo
z8s7P AUB
todo

PA AUB
PLANCAUB PCA 0,6 B

0,8571 A r A A

PLAUB PLAUB 0,7

Ejercicio 22: En una empresa el 30 % de los trabajadores son técnicos informáticos y el 20 % son técnicos

electrónicos, mientras que un 10 % tienen las dos especialidades.

a) Calcula la probabilidad de que un trabajador de dicha empresa seleccionado al azar sea técnico informático o electrónico.

b) Si seleccionamos al azar a un técnico electrónico, ¿cuál es la probabilidad de que sea también técnico informático?

c) Si seleccionamos un trabajador al azar, ¿cuál es la probabilidad de que sea un técnico que tiene sólo una de las dos
especialidades?

Sucesos A informáticos PCA 0,3

electrónicos
PLAN B 0,1

B pos 0,2

a D AUB D A 1 PCB P AMB 0,3 0,2 0,1 0,4

D AMB 0,1 1

b PLA B
pff 0,2 201g

sabe
Se

que es electrónico

C D AUB P AMB 0,4 0,1 0,3

Emétódo Nos piden la probabilidad de 1AM B UCAM B que son incompatibles

PHAN B AMBI PLAN B PLAN B PLAN B PLA PLAN B

D A P AMB PCB P AMB 0,3 0,1 0,2 0,1 0,3

Partición del espacio muestral

A E
llamarnos partición del espacio muestral E

a una seriede sucesos

As Az An que verifican

1 Son sucesos incompatibles dos a dos es decir Air Aj 0 para i j

2 Su unión es el espacio muestral i AN Az V V An E A4

Teorema de la probabilidad total

Ejemplo

con una partición de dos

sucesos E A E

ÍÜÍÍÍ

A Pa

B 1A M BAAZ 0

PCB P A MB 1 PLAZA B

P BRA P AsP B A Hemos aplicado la AZ

P BA Az P Az PCB Az regla del

producto A A

Teorema de la
probabilidad total

PCB P As P B p Azp Az

con una partición de dos

sucesos

Veamos elcaso general Escribimos B

comounión de
sucesos incompatibles

B es un suceso A Az An
es una partición espaciomuestral
del

B B 1A V BAAZ V V BRAN con Bhai

1 A IBA
O para it

Sabemos

que si MAN 0 entonces P MUN P P M luego N PCB PIB i

i 1

Podemos P BRA

despejar Pts1Aid r P Bhai P Plaid Blai

p Aip

PCB As PCB As 1 P P
Az t Pl Aq P Ai PCB Ai
P
P An

e r r
Baaz

P Bras P BRA A PCB

Teorema de la probabilidad total

PCB P As P B A 1 P Az PCB Az 1 1 P P B An An

n n

PCB PCB il P Ai PCB Ai Teorema de la

probabilidad total

i 1 i 1

✏ Actividades del teorema de la probabilidad total.

Ejercicio 23: Se tiene una urna con 4 bolas blancas y 5 negras. Se saca una bola al azar y se introduce en

otra urna que contiene 2 bolas blancas y 3 negras. De esta urna se extrae una segunda bola. Calcula:

Sean los sucesos B

extraer una bolablanca

y N extraer una bolanegra

U 48,5N UE 28,3N

PCB B

4 3g

PCB y
9 2 3N 3 1

PIN B 6 2

y 4B

y 5N 2 1

PIB N 6 3

5 2B

PIN q 2 4N

p NN Y

a) La probabilidad de que la primera bola sea negra y la segunda blanca.

Árbol simplificado

PIN AB PIN PIB N v B

5 1 5 N B

9 3 27 4
s
i

a v
b) La probabilidad de que las dos bolas sean de distinto color.

1
B S B

N 3

P B PIN B PIN PIB N µ

q

Tu

4 1 5 1 4 5 11 s 2

9 2 18 3 N

9 3 27 27 N

c) La probabilidad de que las dos bolas sean del mismo color.

En el problema de la probabilidad

total sumamos los caminos de la

D B PIB B PIN PIN N B u

4 1 4 10 16 probabilidad que queremos calcular

5.2

9 2 9 3 18 27 27 Nl

Cada camino se calcula con la

tambien 1 16 v

27 27
regladel producto
d) La probabilidad de que la segunda bola sea blanca.

PIB PIB B PIN PCB N v

4 ES

Ejercicio 24: Un centro ofrece clases de pilates de tres niveles, inicial, medio y avanzado. El nivel medio lo practica el 45%
los matriculados mientras que en el nivel avanzado se encuentra el 24%. En el nivel inicial hay un 37% de mujeres, en el
medio la cuarta parte son hombres y en el avanzado hay igual número de mujeres que de hombres. Se elige al azar a una
persona que practica pilates. ¿Cuál es la probabilidad de que sea hombre? ¿Cuál es la probabilidad de que sea mujer?
¿Qué relación hay entre ambas?

PCM N Árbol simplificado

0,37

D Ny 0,31 0,37pm

1 PCH Ny 1 0,37

0,45 0,24 Ny

0,63 0,31 0,63 H

Pimm i
[Link] m

PCM 0,45
y N2

PCH Nz q 0125 1
4
H

0,24 M

PCM Nf 0,5 0,5

Nos

D Nos 0,24 0,5 H

PCH Nz 0,5

M 0,37

H P Ny pl lNp tPlNz iP HNz tPlNsliPlHNz TH 0,63

M 34

0,31 0,63 0,45 0,25 0,24 0,5 0,428 0,45

µ

H 14

M P Ny PIM [Link] tP Nj.P MNz M 0,5

0,31 0,37 0,45 0,751 0,24 0,5 0,572 TH 0,5

D M 1 P M 1 P H 1 0,428 0,572 M 0,37

NATH 0,63

M 34
0,45

Na

µ 14

M 0,5

Nos

H 0,5

Colegio Santa María del Mar. Jesuitas, A Coruña. Matemáticas I y II CCSS Dpto: MAT

Moisés López Caeiro ! [Link]

! [Link]

Esquemas de probabilidad condicionada

Tabla de contingencia

A A Total PCB PLAN B PLAN B

B Ah P Ah Arts

B PLAN B PLAN B PCB PLA PLAN B PLAN B

Total PLA PLA 1 PLA PLAN B PLAN B

Diagrama en árbol

B PCB A PLAN B PLA PCB A

A 7 PLA PCB

B PIB Al plano PLA PCB A

B PCB A 7 PLAN B PLA PCB A PCB

A PCA

B PIB A PLAN B PLA PCB A

Debe cumplirse que

PCB PLAN B PLAN B

B A Alb

PLA PLAN B PLAN B

PLA PLAN B PLAN B

Debe cumplirse que

PLA 1 PLA 1 PCB A PCB A 1

PCB 1 PCB 1 PCB Al PIB Al 1

Teorema de Bayes.

Si tenemos una partición del espacio muestral E a una seriede sucesos

A Az An que verifican
1 Son sucesos incompatibles dos a dos es decir Air Aj 0 para i j

2 Su unión es el espacio muestral i A V Az V V An E

Thomas Bayes

3 PCAj 0 paratodo j 1 n

entonces se cumple

que Teorema de Bayes

Regla del
producto

casosfavorables

Probabilidad
d P
P Aj Pl
B Aj

condicionada

Aj 1
B
de

regla Laplace

P Ai pl
B i
Ai Probabilidad total

casos posibles

se demuestra a
partirde la probabilidadcondicionada la
regla del
producto
y el
teorema de la

probabilidad total

PCAj l
P AJAB P Aj Pl
B Aj P y P B Ai Ail
B y PCB

pq
g PCB i 1

P Aj se llaman probabilidades iniciales

o a antes que
priori deocurrido
haya B

PCB Aid se llamanverosimilitudes Es la

probabilidad de
B sabiendo que ha
ocurrido
Aj

P
Aj l B se llamanprobabilidades a posteriori cada suceso de partición una vez
de la

queha ocurrido el
hecho teorema
B El de
Bayes actualiza las
probabilidades de los
sucesos

de la partición a la vista del

resultado obtenido en el
experimento

Veamos loscasos más

sencillos

P AMB P A B APl

P Al B

Bpq PCB

P As Pl B Ard

P
At I Bl

p App B A P Az Pl
B Az Teorema de Bayes

con una partición de dos sucesos

PCAal B
P Az PlB Az

p Ap p A P Az Pl
B Ad

Seanlossucesos V tieneel virus P eltest da positivo

PCV 0,05 PIP V1 0,98 PIP V1 1 0,98 0,02

Construimos un
diagrama en árbol

Escribimos en cada rama el n dehabitantes

implicado Vamos a calcular primero las P 10 falsospositivos

soooo

probabilidades utilizando la regla de Laplace

µ P 190 falsospositivos

casosfavorables go

p
casos posibles 0,98

p 9310 negativos

490 190

a PIP 10.000
0,068 6,8

Loscasosfavorablesson tanto los verdaderos positivoscomolos falsospositivos

b PIN PI 4904
90 0,72 72

ahora el diagrama deárbol sólocon las probabilidades

y no con el dehabitantes

Redibujemos n

0,98 P PCPV 0,98

PO 0,05

0,02 p PCP V1 1 0,98 0,02

P PIP V1 1 0,98 0,02

PCV 0,9s

1 0,05 0,95 PCPV 0,98

0,98 p

a PCP PCV PCPV PCV PCPV

PCM 0,050,98 0,950,02 0,068 6,8

b Teoremade Bayes

PIVA P PCV PCPV 0,050,98

0,72
PIN PI 72

pep pep 0,06g

✏ Actividades del teorema de Bayes.

Ejercicio 25: El 75% de los clientes de un banco son de la zona norte de una ciudad. El 4% de los clientes de la zona norte y
el 8% del resto de zonas son morosos.

a) ¿Cuál es la probabilidad de que un cliente sea moroso?

Sean

los sucesos M el clientees moroso Ni elclienteesde la zona norte

Construimos un diagrama en árbol

PIN

0,75 PCM N D
0,04 MN 0,08 PIN 1 PIN 1 0,75 0,25

M PCM N 0,04

N PIN 0,75

M PCM N 1 0,04 0,96

M PCM N 0,08

N PIN 0,2g

1 0,75
0,25 M P MN 1 0,08 0,92

MAN MIMAN 0 son incompatibles M MAN MAN Probabilidadtotal

PCM PIMANITPIMAN PIN PIM NI 1 PIN MM N

Probabilidad total PCM 1

0,75 0,04 0,25 0,08 0,05 M 0,04

Se
puede observar en el
diagramaen queárbol
estamos

0,75 M 0,96

sumando multiplicando
y las
ramas en colorrojo
para

obtener la
probabilidad totalde
morosos M 0,08

0,25

M 0,92
b) Si se elige un cliente al azar y resulta ser moroso, ¿cuál es la probabilidad de que sea de la zona norte?

Teoremade Bayes

p N M PIMA N P N PCM N 0,75 0,04

0,6

PCM PCM 0,05

c) Si se elige un cliente al azar y resulta ser moroso, ¿cuál es la probabilidad de que no sea de la zona norte?

Teoremade Bayes D NM PIMA N P N PCM N 0,25 0,08

0,4

PCM PCM 0,05

Obviamente

podríamos haberlocalculado como 1 0,6 0,4

Ejercicio 26: Se tienen tres urnas: la 1ª que contiene dos bolas blancas y cuatro rojas, la 2ª tres blancas y tres rojas y la 3ª
con una blanca y cinco rojas. Se elige una urna al azar y se extrae una bola de ella.

Sean los

sucesos B
extraer una bolablanca
y R extraer una bola
roja

Construimos un

diagrama en árbol llamaremos a las urnas n sua y Us

2 1

PIB 4 6 3 P Blur 1 PIRU

2B 1
y 4k pm 1 2

1 3 4 2 1

PCR Up 3 3

6 3

3 1

PIB Ud 6 2 PIB luz 1 PIRI Ud

3 B

2 3R PCM 13
3 1
1
2
1
2
1

PIR Ud 6 2

1B y [Link] µ y [Link] uzy pqgpuz

SR Plus 13 1 5

g 1

PCR Us 6 6

a) ¿Cuál es la probabilidad de que esta bola sea blanca?

Probabilidad total PCB PM PIB [Link] B Ud 1 Plus PIB Us

PCB G Gif
b) Si la bola extraída resulta ser blanca, ¿cuál es la probabilidad de que proceda de cada una de las urnas?

PlAjliPlBAj
Teoremade Bayes

[Link]

[Link] Aid

1 1 Obsérvese

PLUMB Plus PIB K1 z z que

Pta PB 1 3 3 1

PCB PCB 1 1
1

1 1 3 2 6

plays PLUMB P Ud PCB W 3 2 1 B hemos calculado

1 3 2 porque

PCB PCB

1 1 todas lasposibilidades para

PlUz1B PlU3liPlB 3 3 6 1 bola blanca

p.fm3 B 3 6
una

PCB PCB 1

c) ¿Cuál es la probabilidad de que la bola extraída sea roja? Probabilidad

total

PCR

PM PCR [Link] Ud

5 2 1 2
PCR

13.2
3 13.12 13 6 3
lógicamente P PCR 3 3
1

d) Si la bola extraída resulta ser roja, ¿cuál es la probabilidad de que proceda de cada una de las urnas?

Teoremade

Bayes

1
1 2 Obsérvese

PHAR Plus PCRUN z z que

pm IR 2 3 3 5

PCR PCR 1 1
1

1 1 3 4 12

playa PHAR [Link] Ud 3 2 1 R hemos calculado

PCR PCR 2 3 4 porque

1 5 todas las posibilidadespara

PlU3liPlR

p.fm3 pjPlUz1R
PCR PCR
3 3 6
2 3
5
12
una bola roja

e) Calcula las probabilidades de cada color si conocemos la urna.

1 1

p Blu Pts141 Plus IBI

PCB z z y r

plug Plug 1 3 3 1 2

2 1 Un 3
1
3
1

[Link] U PlRlU1lPlR PlUylR z z z

plug Plug 1 3 3 1

1 1

p Blur PIB luz PCB Pluzlo 3 2 1

Pluz Pluz 1 3 2 1 y
2 1
f 2 2

lR z2

[Link]
PCM

Pluz 1 3

1 1

D Blu [Link] PCB PluzlB z 6 1 a

plus Plus 1 3 6 1 5

M3 1

2 5 6 6

PIRA PCR HUIR 3.12 g

D Ruz 3

Plus Plus 1 6

Es decir cerramos el círculo tenemos las mismas probabilidades habíamos calculado

y que

en el diagrama de árbol

Ejercicio 27: Una entidad bancaria concede tres tipos de créditos: para vivienda, para industria y personales. El 30 % de los
créditos que concede son para vivienda, el 50 %, para industria y el 20 % restante son personales.

Han resultado impagados el 5 % de los créditos para vivienda, el 7 % de los créditos para industria y el 12 % de los créditos
para consumo. Se pide:

a) Seleccionado un crédito al azar, calcula la probabilidad de que no resulte impagado.

b) Se sabe que un determinado crédito ha resultado impagado. Calcula la probabilidad de que sea un crédito de vivienda.

Sean

los sucesos Vi créditovivienda

M PCMIV 0,05

D
créditoindustria

PN 0,3

créditopersonal

M p MV 0,95

M impagado

M PIMID 0,07
Construimos

un diagrama en árbol

D PCD 0,5

M P MID 0,93

M P MIR 0,12

R PIRI OR

µ p MIR 0,88

a Probabilidad total D 1 PIR Pln R1

Ptm
PC [Link]
0,3 0,95 10,5 0,93 0,2 0,88 0,926

PCM 1 PCM 1 0,926 0,074

b Teoremade Bayes p M PHAM Ptv PIM V 0,3 0,05

PCM PCM 0,074 0,2oz

EXTRA: Podríamos calcular el resto de las probabilidades condicionadas:

p D µ PIDA MI P D PCM D 0,5 0,07 04 3

PCM PCM 0,074

P RAM P R PCM R 012.912

[Link] µ 03243

PCM PCM 0,074

EXTRA: Podemos construir el árbol al revés con las probabilidades condicionadas:

PCV M 0,2027

M PCM 0,074 y D PID M 0,473 Suman 1

R PIR M 0,3243

D V D Mtv 0,3 0,95

V Ptv M 93078 q

pq 0,926

0,926 PLD PIM D 0,5 0,93 Ó

M PCM D PID M pq 0,926 95022

PIR PCM R 92.988 0,1900 vs

R p RM

PCM 0,926

Ejercicio 28: El número de vuelos que llegan a un aeropuerto por la mañana es 120, por la tarde, 150 y por la noche,

30. El porcentaje de vuelos que se retrasan por la mañana es del 2 %, por la tarde, del 4 %, y por la noche,

de un 6 %.

a) Calcula la probabilidad de que se retrase un vuelo con destino a este aeropuerto. ¿Y de que llegue puntual?

b) Si un vuelo llegó con retraso a este aeropuerto, ¿cuál es la probabilidad de que fuera un vuelo nocturno? Calcula también
todas las restantes probabilidades condicionadas y comprueba que se cumple el teorema de la probabilidad total.

Sean los sucesos R PIR M 0,02

Mi Mañana M PCM 0,4

Te Tarde R PIR MI 0,98

N Noche

R PIR T 0,04

T 150

Construimos un pff 300 95

diagrama en árbol R DIRT 0,96

R PIRIN 0,06
30

N PIN 300 91

R p RIN 0,94

a) Calcula la probabilidad de que se retrase un vuelo con destino a este aeropuerto.

Probabilidad

total PCR PCM pk MltPlT1 PlRTl PlN1 plRN

PCR 0,4 0,02 0,5 0,04 0,1 0,06 0,034

PCR 1 PCR 1 0,034 0,966

b) Si un vuelo llegó con retraso a este aeropuerto, ¿cuál es la probabilidad de que fuera un vuelo nocturno? Calcula también
todas las restantes probabilidades condicionadas y comprueba que se cumple el teorema de la probabilidad total.

Teoremade Bayes

p N R PINAR PIN PCR N 91.906 0176g

PCR PCR 0,034

PIT R PITAR P T D RT 0,5 0,04 05882

PCR PCR 0,034

f

P R

PMR pff jjj gases

µT

PCR PCR 0,966

N y
ftp.f

R r PlT1RlPlTl.P RT 95.996
0,496g j

PCR PCR 0,966 Es

M n

P MAR P M PCR M 94.498

[Link] r 0405g

PCR PCR 0,966

EXTRA: Preguntas adicionales para aplicar las propiedades de la probabilidad:

EXTRA: Si llegan al aeropuerto 50 aviones con retraso, ¿cuántos de ellos esperamos que lleguen por la noche?

PIN R

0,1765 esperamos 50 0,1765s8,825 es decir 869 aviones

EXTRA: Calcula la probabilidad de que un avión llegue con retraso o por la tarde.

PIRUT PIR PIT PIRAT PIR PIT PIT PIR TI

PIRUT 0,034 0,5 0,5 0,04 0,514

EXTRA: Calcula la probabilidad de que un avión no llegue con retraso y no llegue por la mañana.

PINAR P MUR 1 P MUR hemosaplicado lasleyesde Morgan

P MUR PCM PIR PIMAR PCM PIR PCM PIR MI

P MUR 0,4 0,034 0,4 0,02 0,426 finalmente P MAR 1 0,426 0,574

EXTRA: ¿Son independientes los sucesos llegar por la mañana y llegar con retraso?

Veamos

si P MAR PIM PIR

P MAR PCM PIR MI 0,4 0,02

PIM PIR 0,4 0,034 son valores diferentes P MAR PIM PIR

asípues no son independientes son dependientes

Método
Podemoscomprobar si estáncondicionados lossucesos

Veamos

si PIR M PIR 0,02 0,034 luego no son independientes son dependientes

Actualización de probabilidades iniciales

Una de las

consecuencias más relevantes del teorema de Bayes es que después de realizar

cada nuevo experimento

aleatorio podemos actualizar las probabilidades iniciales

Ejercicio 29 EXTRA: Una compañía de seguros tiene una cartera con 3 tipos de seguros:

De Hogar (H: 40%), de Automóvil (A: 35%) y de Vida (V: el resto).

100 40 35 25
El historial de la compañía revela que pagan indemnizaciones según estos porcentajes:

Indemnizaciones: de Hogar: 15%, de Automóvil: 40% y de Vida: 5% .

Se Pagar una indemnización un siniestro

por

Probabilidades iniciales P H 0,4P A P

0,35 V 0,25

Construimos

un diagrama en árbol

S HPls 0,15

11 P H 0,4

s Hpls 1 0,15 0,85

S Pts1 Al 0,4

PA A 0,3g

s pls A1 0,4 0,6

S Pls V 0,05

P V 0,25

S 1
Pls V 0,05 0,95

Cuando

llegaun nuevo parte de

siniestro la
probabilidad que de
compañía la tengaque

indemnizar se calcula con la

probabilidad total de S

Probabilidad

total Pls P H Pls Http A pls A V pls V

P

Pls t
0,4 0,15 0,35 0,4 0,25 0,05 0,2125

Sabiendo

quese tieneque
indemnizar la
probabilidad decadatipo de
seguro es

P H Pls
H 0,4 915
pq g

µ 0,2824

pts 0,2125 Obsérvese

que

p A g
P A Pls A 0,35 0,4
0,6
soga 0,2824 0,6588
s 0,0588 1

Pls 0,2125

P V Pls V 0,25 0,05

P V 5 0,0588

Pls 0,2125

Estas

son las
probabilidades iniciales actualizadas un siniestro
para futuro

Cuál es ahora la
probabilidad deque
un siniestro dé lugar a una indemnización 5

Debemos calcular la
nueva probabilidad total y las probabilidadesfinales

P S 0,2824 t 0,6588
0,15 0,4
t 0,0588 0,05 0,3088

pq g
P H Pls
H 92824.915

µ
Pts 0,3088 0,1372

p Ag
P A Pls A 96588 0,4
0,8534 S
Pls 0,3088

p g
P V Pls V 0,0588 0,05 0,009g
Pls 0,3088

Analizando los datos se puedeinferirque es

muypocoprobable recibirdos incidencias
consecutivas

de seguros de vida U 0,0095 y muyprobable queseansegurosde

automóvil A 0,8534
Esteproceso de actualización puede continuar indefinidamente deformaautomática utilizando
elteorema de Bayes
S Pls H 0,15
H P H 0,2824
S Pls H 1 0,15 0,85
S Pls A 0,4
A P A 0,6588
S Pls A 1 0,4 0,6

S Pls V 0,05
P V 0,0588
S Pls V 1 0,05 0,95
Del mismomodo se puedecalcular la probabilidad de
que un siniestro NO dé lugar a una

indemnización s

P S 0,2824 0,85 0,6588 0,6T 0,0588 0,95 0,6912

P HIS 0,2824 0,85 0,3473 P AS 0,2824 0,6

0,5719
0,6912 0,6912

p V 5 0,2824 995 0,0808

0,6912
 ✏ Actividades seleccionadas de exámenes ABAU.

Consejo Cualquier problema de probabilidad sepuede resolver utilizandolas propiedades y las fórmulas

Si elenunciado aporta un conjunto deprobabilidades condicionadas y no condicionadas es recomendable

utilizar eldiagramadeárbol
Si elenunciado aporta probabilidadesdeintersecciones es recomendableutilizar latablade contingencia

M Mujer H Hombre D Leeprensadeportiva D Noleeprensadeportiva

P H 0,45 P M 1 0,45 0,55 P HA D 0,27 PIMA D 0,385

Paraconstruir una tabladecontingenciavamos a suponerquetenemos a 1.000 personas entrehombres mujeres
y
M H M H
D MAD HAD I D 165 270 435 550 385 165
450 2705180
D MAD HAD D 385 180 565
165 270 435
550 450 1.000 385 180 565
P H 0,45 450
completamos latabla PI HA D 0,27 270
P M 0,55 Eso
PIMA D 0,385 5 385
Unavez completada la tabladecontingencia podemos contestar a cualquierpregunta

Pl MA DI
a P D M
P M 1 0,3 30

b PC MVD P M PID PIMA D 550

1.000
14850
1 50 1
000 0,82
P l HAD l 270 82
c p HD 0,62 62
P D 435
d Los sucesos son incompatibles si HA D I PI HA D O
Pl AD 1
En nuestro caso P HA D s a 0,3270 No son incompatibles
P D
Sifueranincompatiblesnohabríanadie
 Cómo resolveríamos el problema utilizando un
diagrama deárbol

P H 0,45 P M 1 0,45 0,55 PI HA D 0,27 PIMA D 0,385

D PID R
M PCM 0,55 Como se puede ver no
D tenemosninguna probabilidad
PID M
condicionada entrelosdatos

delproblema peropodemos
PID HI calcularlas
H PCH 0,45
D PID HI

P MOD 0,385
P D M 0y
P M 0,55

La probabilidad contraria es la otra rama delárbol PID M A PID M 1 0,7 0,3

PI HA D 0,27
PID HI 0,6
p y 0,45
La probabilidad contraria es la otra rama delárbol PID H 1 PID H 1 0,6 0,4
Conel árbol completo estamos en situaciónde responder a cualquierpregunta
ya

0,3 D
M
0,55
0,7 D
Árbolsimplificado
D
0,45
µ Y
0,4 D
 El problema de Monty Hall

Es un problema deprobabilidad basado en un concurso detelevisión

Alconcursante se leofreceescoger entre 3 puertas Detrásdeuna de

ellashayun coche detrásdelasotrashaycabras Escoges una puerta

y
porejemplo la n 1 El presentadorquesabedóndeestáelcoche abre por ejemplo la n 3 dondesabequehayuna

cabra Ahoratepregunta por la puerta n 1 o

mantenemos nuestraapuesta cambiaríamos a la puerta n 2

Unaprimeraintuición nos haríapensarque quedandosólo 2 puertas lasprobabilidades soniguales esdecir 2

Sin embargo el problema esmáscomplejo Analicemos el diagrama deárbol
Vamos a imaginar una delasposiblessituaciones El cochese halla en la puerta n 1
y escogemos una de
las 3 puertas
Ejemplo Si elijo la puertan 1 dondeestá elcoche el presentador va a abrirme una de lasotras
2 puertas paramostrarmeunacabra con una probabilidad de 1 2 cada una
En cambio si elijolaspuertas n 2 ó 3 el presentador sólopodrámostrarme una probabilidad 1

Estasprobabilidades estáncondicionadas porla puertaquehemos escogido condicionadas porque el

y
presentadorsabedónde está elcoche

Puerta en laque El concursante El presentadorabre una Memantengo C

sehallaelcoche eligeunapuerta puertaconunacabra en lapuerta puerta

Pa P Pa Pe 1 2
P Pe I p P p Pe 1 2 1 6 É
TI P Pe 1 B P Ps PA 1 ng 1 3
y

N P B Y y µ y A TI 1 3

2 iResultado
Sumadelasprobabilidades deganarelcoche
j 3 3 óptimo

Éste es un resultado aparentemente anti intuitivo peropensemos que cuandoempiezo el juego las
probabilidades a priori son13 de ganar y 23 deperder portanto si cambio de puerta a

posteriori paso atener una probabilidad 23 deganar

Diagrama del árbol completo con el problema de Monty Hall

Puerta en laque El concursante El presentadorabre una Memantengo

sehallaelcoche eligeunapuerta puertaconunacabra en lapuerta puerta

Pa P Pa Pr 12 1 18
P Pe I Tfg
p p p p 12 1 18

M P Pz 1 Ps PCP Pal 1 TI 1 9
3

B
y
P B Y Pa P Paiz 1 B 1 9

P Pe 3
Ps P Ps Pr 1 TI 1 9
TI
B PIPI Pal 12 1 18
2 1
3 p pe y
3 p P Ps Pa 12 1 18 tq
TI PIPI 1 P PIP B A TI 1 9
y

g
P Pe Y Pa P Pa Pr 1 TI 1 9

TI
PQ 3 Pa PIP Pa 1 TI 1 9

A PIP Pz 1 2 1 18 TI
P Ps Y Pa P PaPs 12 1 18 TI

6 2 Resultado
Sumadelasprobabilidades deganarelcoche
9 3 óptimo

El fue propuesto y resueltoporelmatemático estadounidense

problema

SteveSelvin en 1975 utilizando elteoremade Bayes El problema

de MartyHall esequivalente al problemadelos tres prisioneros
planteadoporeldivulgadormatemáticoMartinGardner añosantes Steve Selvin
en la revista Scientific American
 PROBABILIDAD
Matemáticas Bachillerato ! Moisés López Caeiro
" [Link]

Métodos de recuento. Repaso de combinatoria. Influye el orden

Intervienen todos los elementos No intervienen todos los elementos

! n = Vn,n = n ⋅ (n − 1) ⋅ (n − 2) ⋅ . . . ⋅ 2 ⋅ 1 = n !
P ! n,k = n ⋅ (n − 1) ⋅ . . . ⋅ (n − k + 1)
V
Variaciones sin
repetición n elementos tomados de k en k
Permutaciones de n elementos (factorial)
n ,n ,…,nk n!
! n1 2
P = ! Rn,k = n k
V
Variaciones con n1 ! ⋅ n 2 ! ⋅ … ⋅ nk !
repetición Son k factores iguales
Con n! 1 + n 2 + … + nk = n

(k)
No influye n! n
!Cn,k = = n elementos tomados de k en k
k!(n − k) !
el orden sin contar los reordenamientos
Combinaciones

Sucesos y operaciones con sucesos. Un experimento es aleatorio si arroja resultados impredecibles

aunque se repita en condiciones similares. El espacio muestral, E, es el conjunto de todos los resultados
posibles de un experimento aleatorio. Se llama suceso a un subconjunto del espacio muestral. Operaciones:

! ! !
!

Unión A
! ∪B Intersección A
! ∩B Resta o diferencia !B − A Contrario A
!

Probabilidad. La probabilidad de un suceso A es el límite de la frecuencia relativa

del suceso cuando el número de repeticiones tiende a infinito:
f (A ) Frecuencia absoluta del suceso A
! (A ) = lim f (A ) = lim a
P =
n→∞ n→∞ n Número de pruebas realizadas

Regla de Laplace: Si un suceso A del espacio E, finito equiprobable, contiene m de los n

resultados posibles del experimento, su probabilidad puede calcularse de la siguiente manera:
nº de resultados favorables al suceso A Cardinal A A Pierre-Simon
! (A ) =
P = = Laplace
nº de resultados posibles Cardinal E E

Definición axiomática: Llamamos probabilidad a una función P que a cada suceso, A,

le asigna un número real P
! (A), que verifica: P ! (A ) ∈ [0,1].
! (A ) ≥ 0 y !P (E ) = 1, luego P
Si A
! 1, A2, …, Ak es una colección de sucesos incompatibles dos a dos, es decir,
n n

( i=1 )
P (Ai)
⋃ ∑
! i ∩ Aj = ∅, si !i ≠ j, entonces: !P
A Ai = Andrey Kolmogórov
i=1 Андрей́ Колмого́ров
! ∩ B = ∅ , entonces !P (A ∪ B ) = P (A ) + P (B )
Ejemplo con 2 sucesos: Si A

BACHILLERATO MATEMÁTICAS PROBABILIDAD 1! de !2

Propiedades de la probabilidad

!P (A ) = 1 − P (A ) ! ≤ P (A ) ≤ 1 cualquiera que sea A.

0

!P (∅) = 0 !P (A ∪ B ) = P (A ) + P (B ) − P (A ∩ B )

Si A está contenido en B ! ⇒ P (A ) ≤ P (B ) ! (A − B ) = P (A ∩ B ) = P (A ) − P (A ∩ B )
P

! (A − B ) = P (A ∩ B ) = P (A ∪ B ) − P (B )
P

Leyes de Morgan

!A ∪ B = A ∩ B El contrario de la unión es la intersección de los contrarios.

!A ∩ B = A ∪ B El contrario de la intersección es la unión de los contrarios.

Probabilidad condicionada Augustus De Morgan

Si A y B son sucesos asociados a un experimento aleatorio, entonces:
nº de casos  (A ∩ B ) P (A ∩ B )
! (A|B) =
P = , Es la probabilidad de A sabiendo que ha ocurrido B con !P (B ) ≠ 0
nº de casos B P (B )
nº de casos  (A ∩ B ) P (A ∩ B )
! (B|A) =
P = , Es la probabilidad de B sabiendo que ha ocurrido A con !P (A ) ≠ 0
nº de casos A P (A )
Propiedades: !P (B|A) + P (B|A) = 1 ! (B|A ) + P (B|A ) = 1
P

Sucesos independientes: La ocurrencia, o no, de un experimento aleatorio no influye en la probabilidad de que

se verifique el otro. A y B son independientes ! ⇔ P (A ∩ B ) = P (A ) ⋅ P (B )
Sucesos dependientes: La ocurrencia, o no, de un experimento aleatorio influye en la probabilidad de que se
verifique el otro. Ejemplo con 2 sucesos: A y B dependientes , entonces !P (A ∩ B ) = P (A ) ⋅ P (B | A)
Regla del producto de probabilidades condicionadas:
En general: !P (A1 ∩ A2 ∩ … ∩ Ak) = P (A1) ⋅ P (A2 | A1) ⋅ P (A3 | A1 ∩ A2) ⋅ … ⋅ P (Ak | A1 ∩ A2 ∩ . . . ∩ Ak−1)
Ejemplo con 2 sucesos: !P (A ∩ B ) = P (A ) ⋅ P (B | A)
Teorema de la probabilidad total

Sea A! 1, A2, …, An un sistema de sucesos que forman una partición del espacio muestral E, es decir,
A ! (B ) > 0.
! 1 ∪ A2 ∪ … ∪ An = E y tales que !Ai ∩ Aj = ∅, si !i ≠ j, y B un suceso cualquiera tal que P

El experimento aleatorio compuesto por los sucesos !Ai y B verifica:

n n
P (Ai ∩ B) = P (Ai) ⋅ P (B|Ai)! = P (A1) ⋅ P (B|A1) + P (A2) ⋅ P (B|A2) + … + P (An) ⋅ P (B|An)
∑ ∑
P
! (B ) =
i=1 i=1
Teorema de Bayes. Dado el mismo sistema de sucesos de antes:

P (Aj) ⋅ P (B|Aj)
! (Aj|B) =
P , desarrollando la expresión:
∑ni=1 P (Ai) ⋅ P (B|Ai)

P (Aj) ⋅ P (B|Aj)
! (Aj|B) =
P Thomas Bayes
P (A1) ⋅ P (B|A1) + P (A2) ⋅ P (B|A2) + … + P (An) ⋅ P (B|An)

Ejemplo con una partición en dos sucesos:

P (A1) ⋅ P (B|A1) P (A2) ⋅ P (B|A2)

! (A1|B) =
P , !P (A2|B) =
P (A1) ⋅ P (B|A1) + P (A2) ⋅ P (B|A2) P (A1) ⋅ P (B|A1) + P (A2) ⋅ P (B|A2)

BACHILLERATO MATEMÁTICAS PROBABILIDAD 2! de !2

 Colegio Santa María del Mar. Jesuitas, A Coruña. MATEMÁTICAS 2º BACHILLERATO Dpto: MAT
Angelina Lestao Galdo / Moisés López Caeiro ! [Link]

BOLETÍN: PROBABILIDAD Y TEOREMA DE BAYES

✏ Actividades de métodos de recuento.

1. Calcula el número de variaciones sin repetición de 7 elementos tomados de 3 en 3 .

2. Calcula el número de variaciones con repetición de 7 elementos tomados de 3 en 3 .
3. Calcula el número de variaciones de la quiniela de fútbol (15 partidos 1 × 2).

4. Calcula el número de combinaciones de la lotería primitiva, es decir, con 49 números y grupos

tomados de 6 en 6 .
5. Tenemos 4 camisetas, cada una de un color diferente. Calcula el número de combinaciones que
puedo hacer para vestir a 1, 2, 3 o 4 personas.

✏ Actividades de operaciones con conjuntos o sucesos.

6. Se lanza una moneda tres veces. El espacio muestral es cara o cruz: E = {C, X} . Construye el
diagrama de árbol y escribe los siguientes sucesos:
a) A = “Obtener dos caras” , B = “Obtener primero una cara” , C = “Obtener al menos una cruz” .
b) A (no A) , B ∩ C (B intersección C) , A ∪ B (A unión B) , A ∩ C (no A intersección C) .
7. Resultados al arrojar un dado: El espacio muestral es E = {1,2,3,4,5,6}.
a) Escribe los sucesos: A = “Resultados pares” , B = “Resultados mayores que 4” , C = “Resultados
impares” .
b) Verifica que se cumplen las leyes de Morgan con los sucesos A y B.
c) Verifica las diferencias entre A y B según la definición: A − B = A ∩ B , B − A = B ∩ A.

✏ Actividades de probabilidad. Definición axiomática de Kolmogórov y regla de Laplace.

8. Resultados al arrojar un dado: El espacio muestral es E = {1,2,3,4,5,6}.

Utilizando la Regla de Laplace calcula:
a) La probabilidad de obtener un único número.
b) La probabilidad de obtener números pares.
c) La probabilidad de obtener números mayores que 4.
9. La probabilidad de aprobar una asignatura A es 0,6 y una asignatura B , 0,5. La probabilidad de
aprobar las dos es 0,25.
a) Calcula la probabilidad de no aprobar ninguna.
b) Calcula la probabilidad de aprobar A, pero no B.

10. Si P (A)= 0,7 y P (B) = 0,35 y P (A ∩ B) = 0,15 , calcula las probabilidades de los sucesos
A ∪ B , A ∩ B y A ∪ B.
11. Tenemos un dado octaédrico con las caras coloreadas. E = {1,2,3 verdes, 4,5,6 rojas ,7,8 azules}.
Calcula la probabilidad de obtener un número par o una cara azul {7,8}.

PROBABILIDAD 1 de 5
 Colegio Santa María del Mar. Jesuitas, A Coruña. MATEMÁTICAS 2º BACHILLERATO Dpto: MAT
Angelina Lestao Galdo / Moisés López Caeiro ! [Link]

12. De una baraja española se retiran todas las cartas excepto los ases, los treses, las sotas, los
caballos y los reyes. De la baraja se elige al azar una carta. Escribe la función de probabilidad
correspondiente en cada caso si lo que se quiere obtener son:
a) Los distintos palos de la baraja.
b) Las distintas figuras de la baraja.
c) Las distintas cartas que no son figuras de la baraja.
13. En un experimento con 7 posibles resultados, las probabilidades de cada resultado son:
P (w1) = 0,12 ; P (w2) = 0,21 ; P (w3) = 0,14 ; P (w4) = 0,14 ; P (w5) = 0,1 ;
P (w6) = a ; P (w7) = b . Razona si a y b pueden tomar los siguientes valores:
a) a = 0,3 ; b = − 0,05 c) a = 0,2 ; b = 0,05
b) a = 0,15 ; b = 0,14 d) a = 0,2 ; b = 0,35

✏ Actividades de probabilidad condicionada.

14. Se clasifican 1400 personas según sean hombre o mujer y según tengan gafas o no. Veamos la
tabla de contingencia:

Contingencia Mujer M Hombre H Total

Con gafas G 200 800 1000

Sin gafas G 300 100 400

Total 500 900 1400

a) Calcula todas las probabilidades condicionadas.

b) Calcula las probabilidades condicionadas inversas.
c) Calcula las probabilidades no condicionadas.

15. Comprueba, con la tabla de contingencia, que los sucesos “tener gafas” G y “ser mujer” M son
independientes:

Contingencia Mujer M Hombre H Total

Con gafas G 200 600 800

Sin gafas G 100 300 400

Total 300 900 1200

16. De una urna con 6 bolas blancas y 4 rojas, se extraen sucesivamente al azar dos bolas.
Calcula la probabilidad de que las dos bolas sean rojas si las extracciones se realizan:
a) Sin reemplazo.
b) Con reemplazo.

17. El 30 % de los habitantes de una ciudad consume café y el 40 % de los consumidores de café
no toma postre en las comidas. Si elegimos al azar un habitante, calcula la probabilidad de que
tome café y postre.

PROBABILIDAD 2 de 5
 Colegio Santa María del Mar. Jesuitas, A Coruña. MATEMÁTICAS 2º BACHILLERATO Dpto: MAT
Angelina Lestao Galdo / Moisés López Caeiro ! [Link]

18. En un centro educativo el 40 % de los alumnos practica voleibol, el 30 % bádminton y el 20 %

ambos deportes.
a) Si un alumno, elegido al azar, juega al voleibol, ¿cuál es la probabilidad de que no juegue al
bádminton?
b) ¿Son independientes los sucesos “jugar al voleibol” y “jugar al bádminton”?

19. Se consideran los sucesos A y B tales que P(A) = 0,84 ; P(B) = 0,5 y P (A | B ) = 0,12 .
a) ¿Son independientes los sucesos A y B?
b) Calcula la probabilidad de que ocurran A y no B .
20. Calcula P (A | B) sabiendo que P(B) = 0,25 y P (A ∩ B) = 0,2 .

21. Dados dos sucesos A y B , se sabe que: P(A) = 0,6 ; P(B) = 0,3 y P (A ∩ B) = 0,2 .
a) Calcula P (A | B ) y P (A | A ∩ B ) .
b) Calcula P (A ∪ B) , P (A ∩ B | A ∪ B) y P (A | A ∪ B).

22. En una empresa el 30 % de los trabajadores son técnicos informáticos y el 20 % son técnicos
electrónicos, mientras que un 10 % tienen las dos especialidades.
a) Calcula la probabilidad de que un trabajador de dicha empresa seleccionado al azar sea técnico
informático o electrónico.
b) Si seleccionamos al azar a un técnico electrónico, ¿cuál es la probabilidad de que sea también
técnico informático?
c) Si seleccionamos un trabajador al azar, ¿cuál es la probabilidad de que sea un técnico que tiene
sólo una de las dos especialidades?

✏ Actividades del teorema de la probabilidad total.

23. Se tiene una urna con 4 bolas blancas y 5 negras. Se saca una bola al azar y se introduce en
otra urna que contiene 2 bolas blancas y 3 negras. De esta urna se extrae una segunda bola.
Calcula:
a) La probabilidad de que la primera bola sea negra y la segunda blanca.
b) La probabilidad de que las dos bolas sean de distinto color.
c) La probabilidad de que las dos bolas sean del mismo color.
d) La probabilidad de que la segunda bola sea blanca.

24. Un centro ofrece clases de pilates de tres niveles, inicial, medio y avanzado. El nivel medio lo
practica el 45 % los matriculados mientras que en el nivel avanzado se encuentra el 24 % . En el
nivel inicial hay un 37 % de mujeres, en el medio la cuarta parte son hombres y en el avanzado hay
igual número de mujeres que de hombres. Se elige al azar a una persona que practica pilates.
¿Cuál es la probabilidad de que sea hombre? ¿Cuál es la probabilidad de que sea mujer? ¿Qué
relación hay entre ambas?

PROBABILIDAD 3 de 5
 Colegio Santa María del Mar. Jesuitas, A Coruña. MATEMÁTICAS 2º BACHILLERATO Dpto: MAT
Angelina Lestao Galdo / Moisés López Caeiro ! [Link]

✏ Actividades del teorema de Bayes.

Ejemplo: EL TEST COVID. En una población de 10.000 habitantes se sabe que el 5 % porta el virus
COVID-19. Se distribuye en las farmacias un test que tiene una eficacia del 98 % , es decir, si una
persona tiene el virus, el test la identifica positivamente en el 98 % de los casos. Del mismo modo, si
una persona no tiene el virus, el test la identifica como no positiva en el 98 % de los casos.

a) Una persona, elegida al azar, se hace un test. ¿Cuál es la probabilidad de que sea positivo?
b) Una persona, al azar, se hace un test en la farmacia. Si el test da positivo ¿Cuál es la
probabilidad de que realmente tenga el virus (sabiendo que el test fue positivo) ?

25. El 75 % de los clientes de un banco son de la zona norte de una ciudad. El 4 % de los clientes de
la zona norte y el 8 % del resto de zonas son morosos.
a) ¿Cuál es la probabilidad de que un cliente sea moroso?
b) Si se elige un cliente al azar y resulta ser moroso, ¿cuál es la probabilidad de que sea de la
zona norte?
c) Si se elige un cliente al azar y resulta ser moroso, ¿cuál es la probabilidad de que no sea de la
zona norte?
26. Se tienen tres urnas: la 1ª que contiene dos bolas blancas y cuatro rojas, la 2ª tres blancas y tres
rojas y la 3ª con una blanca y cinco rojas. Se elige una urna al azar y se extrae una bola de ella.
a) ¿Cuál es la probabilidad de que esta bola sea blanca?
b) Si la bola extraída resulta ser blanca, ¿cuál es la probabilidad de que proceda de cada una de
las urnas?
c) ¿Cuál es la probabilidad de que la bola extraída sea roja?
d) Si la bola extraída resulta ser roja, ¿cuál es la probabilidad de que proceda de cada una de las
urnas?
e) Calcula las probabilidades de cada color si conocemos la urna.
27. Una entidad bancaria concede tres tipos de créditos: para vivienda, para industria y personales. El
30 % de los créditos que concede son para vivienda, el 50 % , para industria y el 20 % restante
son personales. Han resultado impagados el 5 % de los créditos para vivienda, el 7 % de los
créditos para industria y el 12 % de los créditos para consumo. Se pide:
a) Seleccionado un crédito al azar, calcula la probabilidad de que no resulte impagado.
b) Se sabe que un determinado crédito ha resultado impagado. Calcula la probabilidad de que sea
un crédito de vivienda.

28. El número de vuelos que llegan a un aeropuerto por la mañana es 120, por la tarde, 150 y por la
noche, 30 . El porcentaje de vuelos que se retrasan por la mañana es del 2 % , por la tarde, del
4 % , y por la noche, de un 6 % .
a) Calcula la probabilidad de que se retrase un vuelo con destino a este aeropuerto.
b) Si un vuelo llegó con retraso a este aeropuerto, ¿cuál es la probabilidad de que fuera un vuelo
nocturno? Calcula también todas las restantes probabilidades condicionadas y comprueba que
se cumple el teorema de la probabilidad total.

PROBABILIDAD 4 de 5
 Colegio Santa María del Mar. Jesuitas, A Coruña. MATEMÁTICAS 2º BACHILLERATO Dpto: MAT
Angelina Lestao Galdo / Moisés López Caeiro ! [Link]

29. EXTRA: Actualización de probabilidades iniciales. Una compañía de seguros tiene una cartera
con 3 tipos de seguros: De Hogar (H: 40 % ), de Automóvil (A: 35 % ) y de Vida (V: el resto). El
historial de la compañía revela que pagan indemnizaciones según estos porcentajes:
Indemnizaciones: de Hogar: 15 % , de Automóvil: 40 % y de Vida: 5 % .
a) Calcula las probabilidades iniciales de pagar una indemnización para cada tipo de seguro.
b) Calcula la probabilidad total de pagar una indemnización por un siniestro.
c) Sabiendo que se tiene que indemnizar, calcula la probabilidad de cada tipo de seguro
(probabilidades actualizadas para un siniestro futuro).
d) ¿Cuál es ahora la probabilidad de que un siniestro dé lugar a una indemnización? Calcula la
nueva probabilidad total y las probabilidades finales
e) Calcula la probabilidad de que un siniestro no dé lugar a una indemnización.

PROBABILIDAD 5 de 5
 Colegio Santa María del Mar. Jesuitas, A Coruña. MATEMÁTICAS 2º BACHILLERATO Dpto: MAT
Angelina Lestao Galdo / Moisés López Caeiro ! [Link]

✏ Actividades seleccionadas de exámenes ABAU.

[ ABAU Junio 2018, Opción A, ejercicio 4 ] En una empresa, el 20 % de los trabajadores son
mayores de 30 años, el 8 % desempeña algún puesto directivo y el 6 % es mayor de 30 años y
desempeña algún puesto directivo.
a) ¿Qué porcentaje de los trabajadores tiene más de 30 años y no desempeña ningún cargo
directivo?
b) ¿Qué porcentaje de los trabajadores no es directivo ni mayor de 30 años?
c) Si la empresa tiene 100 trabajadores, ¿cuántos son directivos y no tienen más de 30 años?

[ ABAU Modelo 2019 ] Una compañía de seguros afirma que el 70 % de la población tiene
contratado seguro de hogar, y tan sólo el 30 % tiene contratado seguro de vida y seguro de
hogar. Además, 3 de cada 5 personas de entre las que tienen contratado seguro de vida,
tienen contratado seguro de hogar.
a) ¿Qué porcentaje de la población tiene contratado alguno de los seguros?
b) Justifica si son independientes o no los sucesos "tener contratado seguro de hogar" y "tener
contratado seguro de vida".

45 % son hombres. El 27 % de esa

[ ABAU Ordinaria 2021, ejercicio 5 ] En una población el
población resulta ser hombre y lector de prensa deportiva, mientras que un 38,5 % es
mujer y no lectora de esa prensa. (Resuélvelo por dos métodos: diagrama de árbol y tabla de
contingencia).
a) De las mujeres, ¿qué porcentaje lee prensa deportiva?
b) ¿Qué porcentaje es mujer o lee prensa deportiva?
c) De los lectores de prensa deportiva, ¿qué porcentaje son hombres?
d) ¿Son incompatibles los sucesos ser home y no leer prensa deportiva? Justifique la respuesta.

[ABAU Junio 2017, Opción A, ejercicio 3] Según cierto estudio del departamento de ventas de
unos grandes almacenes, el 30 % de sus clientes son hombres, el 25 % de sus clientes adquieren
algún producto del departamento de electrónica y un 40 % de los que adquieren algún producto del
departamento de electrónica son mujeres. (Resuélvelo por dos métodos: diagrama de árbol y tabla
de contingencia).
a) ¿Qué porcentaje de sus clientes son mujeres y adquieren algún producto del departamento de
electrónica?
b) Si un cliente elegido al azar es hombre, calcula la probabilidad de que no adquiera algún
producto del departamento de electrónica.

PROBABILIDAD 6 de 6