UNIVERSIDAD DEL ATLÁNTICO

INGENIERÍA INDUSTRIAL

ESTADÍSTICA GENERAL

CAPÍTULO 3 PROBABILIDAD

La probabilidad surge de los experimentos estocásticos (aleatorios con el tiempo). Los fenómenos
que estudia se denominan probabilísticos: Su resultado depende de la suerte o casualidad.
Resultados Fortuitos: Ejemplo: Productos Defectuosos o no defectuosos, accidentes o no.

Observación: Cualquier registro de información, sea numérico o categórico. N, D, D, N, N.

Experimento: Cualquier proceso que genere un conjunto de datos. Lanzar una moneda al aire.
Registro de opiniones de votantes respecto a un candidato o nuevo impuesto.

EXPERIMENTO ALEATORIO:

1. Sujeto a reglas definidas previamente: Reglas de Juego

2. Se repite todas las veces que se quiera, siempre bajo las mismas condiciones.
3. El resultado de cada experimento depende de la casualidad (suerte o azar). No puede
conocerse con certeza el resultado del experimento antes de realizarlo. Incertidumbre.

Ejemplo: Lanzamiento de monedas, de dados, extracción de objetos al azar de su conjunto.

ENSAYO: una ejecución del experimento aleatorio, al final se obtiene un resultado del mismo.

ESPACIO MUESTRAL: Conjunto de todos los resultados posibles del experimento aleatorio.
Representa con S ó 𝛀 (Letra Mayúscula Omega). Dar ejemplo de lanzamiento de Dados.

S (lanzar un dado) = {1, 2, 3, 4, 5, 6} o S (lanzar un dado = {par, impar}

Listar los elementos del espacio muestral de forma sistemática: Diagrama de árbol.

EVENTO O SUCESO: Subconjunto del espacio muestral. Representan con letras mayúsculas del
inicio del alfabeto (A, B, C…)

EVENTO ELEMENTAL: Consta de un solo resultado

EVENTO IMPOSIBLE O VACÍO: Aquel que carece de resultados (ϕ) Sacar 13 en una suma de dados.

Al espacio muestral S también se le llama EVENTO SEGURO. Cualquier resultado está dentro de S.

Si E es un evento contenido en un espacio muestral S de un experimento aleatorio, entonces el

evento formado por los resultados de S que no están en 𝜀, se le llama EVENTO COMPLEMENTARIO
De E.

1
E’ = Complemento de E. E’ = S - E

S = Se lanzan dos dados simultáneamente (o un dado que se lanza dos veces)

S = {(1,1), (1,2), (1,3),..., (1,6), (2,1), (2,2),…, (2,6),…, (6,6)}

Eventos: Subconjuntos del espacio muestral.

A: Se obtienen números pares en ambos dados

B: Se obtienen números iguales

C: Se obtienen números diferentes

D: Se obtienen números impares

E: Se obtiene una suma mayor o igual a 10

F: Se obtiene doble seis, etc.

Se pueden determinar los conjuntos por extensión o por comprensión.

Comprensión: Se nombra una característica que cumplan los elementos del conjunto.

Extensión: Se nombran los elementos. (Dar los ejemplos de los mismos)

F: Evento elemental. B y C son complementarios.

UNION E INTERSECCIÓN DE EVENTOS.

El evento A sucede u ocurre: Significa que cuando se lleva a cabo el experimento se obtiene un
resultado de A.

Ejemplo: Se lanzaron los dados y salió doble 6. Ocurrieron los eventos A, B, E, F. Los demás
eventos NO ocurrieron.

Los elementos de un evento son resultados. Letras minúsculas para representarlos.

Si A, B son eventos, se escribe 𝐴 ⋃ 𝐵 para representar el evento que ocurre si y solo si ocurre A u
ocurre B, o ambos. Es el evento formado por todos los resultados que están en A o están en B.

Se escribe A ∩ B para representar el evento que ocurre si y solo si ocurren A y B simultáneamente

en una ejecución del experimento.

Se escribe ACB para indicar que siempre que ocurre A, también ocurre B. Se dice que A es un
subconjunto o subevento de B. En otras palabras, todo resultado de A también lo es de B.

A y B son MUTUAMENTE EXCLUYENTES si y solo si siempre que ocurre A, no ocurre B, y si ocurre B,

no ocurre A. En notación de conjuntos:

2
A y B son excluyentes ↔ 𝐴 ∩ 𝐵 = ϕ

Ejm: Los eventos A y D son mutuamente excluyentes. Los eventos B y C además de ser
mutuamente excluyentes, también son complementarios.

Para los eventos de los dados, se tiene, por comprensión:

𝐴 ∪ 𝐵 = Se obtienen números pares O números iguales.

𝐴 ∩ 𝐵 = Se obtienen números pares E iguales.

Por extensión se tiene:

𝐴 ∪ 𝐵 = {(1,1), (2,2), (3,3), (4,4), (5,5), (6,6), (2,4), (2,6), (4,4), (4,6), (6,2), (6,4)}

𝐴 ∩ 𝐵 = {(2,2), (4,4), (6,6)}

Como los eventos son conjuntos, se pueden representar por Diagramas de Venn.

S= Espacio Muestral

A – B= Evento formado por los resultados de A que no están en B.

CONCEPTO DE PROBABILIDAD

Probabilidad A-posteriori: Se repite un buen número de veces el evento, se calcula la frecuencia

relativa del evento, y se toma ese valor como la probabilidad del evento.

# 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜

𝐹𝑟𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 =
𝑉𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑎𝑙𝑖𝑧𝑎 𝑒𝑙 𝑒𝑛𝑠𝑎𝑦𝑜

Ej: En 500 lanzamientos de una moneda se obtuvieron 200 caras (se anula el canto).

3
 200 2
𝑃(𝑐𝑎𝑟𝑎) = =
500 5

Se emplea en el Baseball: Average del bateador.

Probabilidad Clásica o A priori

Definición Clásica de Laplace de Probabilidad Matemática. Laplace: Matemático francés.

La probabilidad P(A) de un evento A contenido en un espacio muestral S de un experimento

aleatorio se define como el número:
𝑛
𝑃(𝐴) =
𝑁

Donde n es el número de veces en que A puede ocurrir y N es el número de todos los resultados
igualmente probables en el experimento. Conteo de elementos:

# 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝐴
𝑃(𝐴) =
# 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑆

Ej: A= Números pares en ambos lados y B=Doble 6.

#𝐴 9 1 1
𝑃(𝐴) = = = 𝑦 𝑃(𝐵) =
# 𝑆 36 4 36

Esta definición tiene 3 desventajas:

1. Define la probabilidad en términos de la misma probabilidad “Igualmente probables”

2. Supone que todos los resultados del experimento tienen la misma probabilidad de ocurrir.
3. Para que la probabilidad quede definida se requiere que el espacio muestral S sea finito.

Ej: Se lanza una moneda perfecta repetidamente hasta que salga cara por primera vez. 1 es cara y
0 es sello.

S = {1, 0.1, 0.01, 0.001, 0.0001, ….

P(S) = {1/2, ¼, 1/8, 1/16…

A medida que se avanza en los lanzamientos, la probabilidad de ocurrencia disminuye.

Ejemplo 2: Plan de muestreo: Examinar una muestra de artículos hasta que salga uno defectuoso.

DEFINICIÓN AXIOMÁTICA DE PROBABILIDAD MATEMÁTICA

La probabilidad de un evento A contenido en un espacio muestral S de un experimento aleatorio

es un número real que satisface los siguientes axiomas:

Axioma 1: 0 ≤ 𝑃(𝐴) ≤ 1

4
 Axioma 2: 𝑃(𝑆) = 1

Axioma 3: Si A y B son eventos Excluyentes, entonces:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)

Axioma 3 Generalizado: 𝑆𝑖 𝐴1 , 𝐴2 , … son eventos mutuamente excluyentes, entonces:

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 , … ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + 𝑃(𝐴3 ) + ⋯

De otra manera:
∞ ∞

𝑃(⋃ 𝐴𝑖 ) = ∑ 𝑃(𝐴𝑖 )
𝑖=1 𝑖=1

Esto para una sucesión infinita de eventos.

Siempre que ⋃∞
𝑖=1 𝐴𝑖 sea un evento (subconjunto de S)

Se puede demostrar que la definición axiomática es más amplia y contiene la definición clásica de
probabilidad.

CONSECUENCIAS DE LA DEFINICIÓN AXIOMÁTICA

Teorema 1.1 (Regla de adición para eventos excluyentes)

𝑆𝑖 𝐴1 , 𝐴2 , … 𝐴𝑛 es una sucesión finita de eventos mutuamente excluyentes, entonces:

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 , … ∪ 𝐴𝑛 ) = 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + 𝑃(𝐴3 ) + ⋯ 𝑃(𝐴𝑛 )

Teorema 1.2 (Regla de adición para eventos arbitrarios)

Si A y B son eventos cualesquiera contenidos en un espacio muestral S, entonces:

𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

Demostración: Diagramas de VENN en el Tablero.

𝐴 ∪ 𝐵 = (𝐴 − 𝐵) ∪ (𝐴 ∩ 𝐵) ∪ (𝐵 − 𝐴)

Los tres términos del lado derecho son mutuamente excluyentes, aplico teorema 1.1

Además, 𝐴 = (𝐴 − 𝐵) ∪ (𝐴 ∩ 𝐵) 𝑦 𝐵 = (𝐴 ∩ 𝐵) ∪ (𝐵 − 𝐴) Mutuamente excluyentes

Aplico teorema 1.1 nuevamente, Sustituyo las ecuaciones y simplifico términos semejantes.

Ejercicio: Un lado se lanza dos veces. Cuál es la probabilidad que salga al menos un seis.

Teorema 1.3 (Generalización de la regla de adición para eventos arbitrarios)

5
𝑆𝑖 𝐴1 , 𝐴2 , … 𝐴𝑛 son eventos cualesquiera contenidos en un espacio muestral S, entonces:
𝑛 𝑛−1 𝑛−2

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 , … ∪ 𝐴𝑛 ) = ∑ 𝑃(𝐴𝑖 ) − ∑ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ) + ∑ 𝑃(𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑘 ) − ⋯ + (−1)𝑛−1 𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 ∩ … 𝐴𝑛 )

𝑖=1 𝑗>𝑖=1 𝑘>𝑗>𝑖=1

En particular, para tres eventos A, B, C, se tiene:

𝑃(𝐴 ∪ 𝐵 ∪ 𝐶) = 𝑃(𝐴) + 𝑃(𝐵) + 𝑃(𝐶) − 𝑃(𝐴 ∩ 𝐵) − 𝑃(𝐴 ∩ 𝐶) − 𝑃(𝐵 ∩ 𝐶) + 𝑃(𝐴 ∩ 𝐵 ∩ 𝐶).

Ej: Se lanzan 3 dados simultáneamente. ¿Cuál es la probabilidad de obtener al menos un 4?

Teorema 1.4 (Desigualdad de Boole)

𝑆𝑖 𝐴1 , 𝐴2 , … 𝐴𝑛 es una sucesión finita de eventos contenidos en un espacio muestral S, entonces:

𝑃(𝐴1 ∪ 𝐴2 ∪ 𝐴3 , … ∪ 𝐴𝑛 ) ≤ 𝑃(𝐴1 ) + 𝑃(𝐴2 ) + ⋯ 𝑃(𝐴𝑛 )

Ejemplo: Tasa de Falla: Un aparato de encendido electrónico está conformado por dos unidades A
y B. Según pruebas de fábrica, el componente A tiene una tasa de falla de 0,001 y el B, de 0,0025.
Establezca una cota superior de falla del aparato a la hora de encender.

R/ El aparato fallará si falla A, falla B o ambos A y B simultáneamente. Aplicar Boole.

Teorema 1.5 (Regla del complemento)

La probabilidad de un evento A y su complemento A’, en un espacio muestral S están relacionadas

según la fórmula:

𝑃(𝐴) = 1 − 𝑃(𝐴′ )

Prueba: Eventos Mutuamente Excluyentes, Axiomas 2 y 3.

Ej: Se lanzan 2 dados perfectos. ¿Cuál es la probabilidad de encontrar números diferentes?

La regla del complemento se aplica cuando es más fácil calcular la probabilidad del evento
complementario A’. OJO AQUÍ SE DEJA TAREA!!!

Leyes de Morgan

(𝐴 ∪ 𝐵)′ = 𝐴′ ∩ 𝐵′

(𝐴 ∩ 𝐵)′ = 𝐴′ ∪ 𝐵′

No olvide que por regla del complemento:

𝑃(𝐴′ ∩ 𝐵′ ) = 𝑃[(𝐴 ∪ 𝐵)′] = 1 − 𝑃(𝐴 ∪ 𝐵)

Desigualdad de Bonferroni:

𝑃(𝐴 ∩ 𝐵) ≥ 𝑃(𝐴) + 𝑃(𝐵) − 1

6
PROBABILIDAD CONDICIONAL

Intuitivamente, se dice que la probabilidad es condicional, cuando lo que sucede en un evento

depende de lo que haya sucedido antes.

Ejemplo: Se tiene una bolsa con 5 bolas, 2 azules y 3 rojas. Se extraen 2 bolas en sucesión y sin
reemplazo. ¿Cuál es la probabilidad que la segunda bola extraída sea roja?

A: La primera bola extraída es roja. B: La segunda bola extraída es roja.

Obsérvese que la segunda extracción “bola roja” depende de qué color haya salido en la primera
extracción.

Definición: Sean A y B eventos contenidos en un espacio muestral S. La probabilidad condicional

de un evento B, dado que sucede (o sucedió) un evento A se define como:

P (B/A) = P (A∩B)/P(A); P (A)>0

De igual forma, la probabilidad condicional de un evento A dado B es:

P (A/B) = P (A∩B)/P(B); P (B)> 0

Ejemplo: Sea A: La primera bola extraída es roja y B: La segunda bola extraída es roja

P (B/A) = 2/4 (Probabilidad que la segunda bola sea roja, dado que la primera bola fue roja)

P (B/A’) = 3/4 (Probabilidad que la segunda bola sea roja, dado que la primera bola no lo fue)

Del ejercicio anterior, defino el espacio muestral, en este caso importa el orden en que se saquen
las bolas

S= (B1B2, B1B3, B2B3, B2B1, B3B1, B3B2, B1N1, B1N2, B2N1, B2N2, B3N1, B3N2, N1B1, N1B2,
N1B3, N2B1, N2B2, N2B3, N1N2, N2N1), Es decir, # S = 20
6 6
20 6 1 20 6 3
P (B/A) = P (A∩B)/P (A) = 12 = 12 = 2 P (B/A’) = P (A’∩B)/P (A’) = 8 =8=4
20 20

La probabilidad condicional se usa para calcular 𝑃(𝐴 ∩ 𝐵)

Teorema (Regla de Multiplicación de Eventos Condicionales) Si A y B son eventos contenidos en

un espacio muestral S, con P(A)>0, P (B)> 0, entonces se tiene que:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ×P (B/A) ó 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐵) ×P (A/B)

Ej: ¿Cuál es la probabilidad que en ambas extracciones se obtengan bolas rojas?

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ×P (B/A) = 3⁄5 × 1⁄2 = 3⁄10 𝑃(𝐴′ ∩ 𝐵′) = 𝑃(𝐴′) ×P (B’/A’) = 2⁄5 × 1⁄4 = 2⁄20 = 1⁄10

P(una de cada color) = P(1ra azul y 2da roja) ó P(1ra roja y 2da azul) =𝑃(𝐴′ ∩ 𝐵) ∪ 𝑃(𝐴 ∩ 𝐵′ ) Son excluyentes

7
P(una de cada color)

𝑃(𝐴′ ∩ 𝐵) + 𝑃(𝐴 ∩ 𝐵′ ) = 𝑃(𝐴′ ) ∗ 𝑃(𝐵/𝐴′) + 𝑃(𝐴) ∗ 𝑃(𝐵′ /𝐴) [𝑅. 𝑎𝑑 𝑒𝑣 𝑒𝑥𝑐𝑙 𝑦 𝑟. 𝑚𝑢𝑙𝑡 𝑒𝑣. 𝑐𝑜𝑛𝑑𝑖𝑐] =

2 3 3 2 6+6 12 6
P(una de cada color) = ∗ + ∗ = = =
5 4 5 4 20 20 10

Otra forma: R. Complemento.

P(2 esferas) = P(2 rojas) + P(2 azules) + P(1 de cada color)

1 = 0,3 + 0,1 + P(1 de c/color) Despeje = P(1 de cada color) = 1-0,3-0,1=0,6

Se puede generalizar la regla de la multiplicación para 3 o más eventos.

Para n eventos se tendría:

Si 𝐴1 , 𝐴2 , … 𝐴𝑛 son eventos incluidos en un espacio muestral S, entonces:

𝑃(𝐴1 ∩ 𝐴2 ∩ 𝐴3 , … ∩ 𝐴𝑛 )
= 𝑃(𝐴1 ) × 𝑃(𝐴2 /𝐴1 ) × 𝑃[𝐴3 /(𝐴1 ∩ 𝐴2 )] × … × 𝑃[𝐴𝑛 /(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛−1 )],

Supuesto que 𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛−1 ) > 0

En particular, para tres eventos se tiene:

𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴) ×P (B/A)×P(C/A∩B) P(A∩B) >0

1) Una bolsa contiene 6 fichas numeradas del 1 al 6. Si se extrae una a una y sin reposición, ¿Cuál
es la probabilidad de obtenerlas en su orden natural?

Aplicar regla de la multiplicación para eventos condicionales. Siendo A1 La primera ficha extraída
sea la número 1, A2 la segunda ficha extraída sea la 2, y así sucesivamente. R: 1/6!

P(orden natural) =𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴6 ) = 𝑃(𝐴1 ) × 𝑃(𝐴2 /𝐴1 ) × 𝑃[𝐴3 /(𝐴1 ∩ 𝐴2 )] × … ×

𝑃[𝐴6 /(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴5 )] R. multip. Eventos condicionales generalizada

1 1 1 1 1 1 1
𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴6 ) = × × × × ×1= =
6 5 4 3 2 6! 720

n! = n(n-1)(n-2)…1

2) Una caja contiene 3 bolas blancas y 4 rojas. Si se hacen 3 extracciones en sucesión y sin
reposición, ¿Cuál es la probabilidad que las 3 sean de un mismo color?

De un mismo color, significa que las 3 sean blancas o las 3 sean rojas. Se definen los eventos:

𝐵𝑖 = 𝐿𝑎 𝑖 − é𝑠𝑖𝑚𝑎 𝑏𝑜𝑙𝑎 𝑒𝑥𝑡𝑟𝑎í𝑑𝑎 𝑒𝑠 𝑏𝑙𝑎𝑛𝑐𝑎 𝑖 = 1,2,3

𝑅𝑖 = 𝐿𝑎 𝑖 − é𝑠𝑖𝑚𝑎 𝑏𝑜𝑙𝑎 𝑒𝑥𝑡𝑟𝑎í𝑑𝑎 𝑒𝑠 𝑟𝑜𝑗𝑎 𝑖 = 1,2,3

8
Y sean

𝐵 = 𝐵1 ∩ 𝐵2 ∩ 𝐵3 : 𝑙𝑎𝑠 3 𝑏𝑜𝑙𝑎𝑠 𝑒𝑥𝑡𝑟𝑎í𝑑𝑎𝑠 𝑠𝑜𝑛 𝑏𝑙𝑎𝑛𝑐𝑎𝑠

𝑅 = 𝑅1 ∩ 𝑅2 ∩ 𝑅3 : 𝑙𝑎𝑠 3 𝑏𝑜𝑙𝑎𝑠 𝑒𝑥𝑡𝑟𝑎í𝑑𝑎𝑠 𝑠𝑜𝑛 𝑟𝑜𝑗𝑎𝑠

La probabilidad pedida es 𝐵 ∪ 𝑅, es decir, todas blancas o todas rojas, con B y R excluyentes:

𝑃(𝐵 ∪ 𝑅) = 𝑃(𝐵) + 𝑃(𝑅) = 𝑃(𝐵1 ∩ 𝐵2 ∩ 𝐵3 ) + 𝑃(𝑅1 ∩ 𝑅2 ∩ 𝑅3 )

𝑃(𝐵1 )𝑃(𝐵2 /𝐵1 )𝑃(𝐵3 /𝐵1 ∩ 𝐵2 ) + 𝑃(𝑅1 )𝑃(𝑅2 /𝑅1 )𝑃(𝑅3 /𝑅1 ∩ 𝑅2 ) [𝑅. 𝑚𝑢𝑙𝑡 𝑒𝑣. 𝑐𝑜𝑛𝑑 3 𝑒𝑣𝑒𝑛𝑡𝑜]

3 2 1 4 3 2 6 + 24 30 1
× × + × × = = = = 0,142857
7 6 5 7 6 5 210 210 7

Se aplica la regla de la multiplicación y se obtiene

𝑃(𝐵 ∪ 𝑅) = 1⁄7 = 0,1429

Teorema (Regla de la Probabilidad Total)

Sean 𝐴1 , 𝐴2 , … 𝐴𝑛 una partición del espacio muestral S, es decir

 𝑃(𝐴𝑖 ) > 0 ∀𝑖=1,2,3,…,𝑛

 𝐴𝑖 ∩ 𝐴𝑗 = ∅ 𝐸𝑣𝑒𝑛𝑡𝑜𝑠 𝑒𝑥𝑐𝑙𝑢𝑦𝑒𝑛𝑡𝑒𝑠 ∀𝑖,𝑗=1,2,3,…,𝑛; 𝑖≠𝑗
 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 = 𝑆

Para cualquier evento B en S se tiene que:

𝑛

𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ) × 𝑃(𝐵 /𝐴𝑖 )

𝑖=1

En diagrama de Venn:

Para 3 particiones se tendría:

(𝐴1 ∩ 𝐵) ∪ (𝐴2 ∩ 𝐵) ∪ (𝐴3 ∩ 𝐵) = 𝐵

Y los eventos son excluyentes.

9
Se tiene entonces:

𝑃(𝐵) = 𝑃(𝐴1 ∩ 𝐵) + 𝑃(𝐴2 ∩ 𝐵) + 𝑃(𝐴3 ∩ 𝐵) 𝑅𝑒𝑔𝑙𝑎 𝐴𝑑𝑖𝑐𝑖ó𝑛 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝑒𝑥𝑐𝑙𝑢𝑦𝑒𝑛𝑡𝑒𝑠

𝑃(𝐵) = 𝑃(𝐴1 ) × 𝑃(𝐵/ 𝐴1 ) + 𝑃(𝐴2 ) × 𝑃(𝐵/ 𝐴2 ) + 𝑃(𝐴3 ) × 𝑃(𝐵/ 𝐴3 ) 𝑅𝑒𝑔𝑙𝑎 𝑚𝑢𝑙𝑡𝑖𝑝 𝑐𝑜𝑛𝑑𝑖𝑐
𝑛

𝑃(𝐵) = ∑ 𝑃(𝐴𝑖 ) × 𝑃(𝐵 /𝐴𝑖 )

𝑖=1

Corolario: La partición de la región muestral S en 2: Serían A y su complemento A’

𝑃(𝐵) = 𝑃(𝐴) × 𝑃(𝐵/𝐴) + 𝑃(𝐴′) × 𝑃(𝐵/𝐴′)

Ejemplo: Una bolsa contiene 4 monedas idénticas en forma y tamaño, pero 2 de ellas son
normales, otra tiene cara en ambos lados, y la cuarta está cargada de forma que la probabilidad de
cara es de sólo 25%. Si se saca una moneda al azar de la bolsa y se lanza 3 veces, ¿Cuál es la
probabilidad de que siempre salga cara (en los tres lanzamientos)?

Solución: No se sabe cuál es la moneda que se extrae.

A1= La moneda seleccionada es normal.

A2= La moneda seleccionada es la de dos caras.

A3= La moneda seleccionada es la cargada.

B= Cara en los tres lanzamientos.

Preguntan por P (B)=?

Se aplica teorema de probabilidad total:

𝑃(𝐵) = 𝑃(𝐴1 ) × 𝑃(𝐵/ 𝐴1 ) + 𝑃(𝐴2 ) × 𝑃(𝐵/ 𝐴2 ) + 𝑃(𝐴3 ) × 𝑃(𝐵/ 𝐴3 )

El espacio muestral del evento lanzar una moneda 3 veces es:

S = {(sss), (ssc), (scs), (css), (ccc), (ccs), (csc), (scc)]

2 1 1 1 1 81
𝑃(𝐵) = × + ×1+ × = = 31,64%
4 8 4 4 64 256

Teorema (Regla de Bayes) – De las causas

Sean 𝐴1 , 𝐴2 , … 𝐴𝑛 una partición del espacio muestral S, es decir

 𝑃(𝐴𝑖 ) > 0 ∀𝑖=1,2,3,…,𝑛

 𝐴𝑖 ∩ 𝐴𝑗 = ∅ 𝐸𝑣𝑒𝑛𝑡𝑜𝑠 𝑒𝑥𝑐𝑙𝑢𝑦𝑒𝑛𝑡𝑒𝑠 ∀𝑖,𝑗=1,2,3,…,𝑛; 𝑖≠𝑗
 𝐴1 ∪ 𝐴2 ∪ … ∪ 𝐴𝑛 = 𝑆

10
Para cualquier evento B en S con P(A)>0 y cualquier 1 ≤ 𝑘 ≤ 𝑛 se tiene que:

𝑃(𝐴𝑘 ∩ 𝐵) 𝑃(𝐴𝑘 ) × 𝑃(𝐵/𝐴𝑘 ) 𝑃(𝐴𝑘 ) × 𝑃(𝐵/ 𝐴𝑘 )

𝑃(𝐴𝑘 /𝐵) = = 𝑛 =
𝑃(𝐵) ∑𝑖=1 𝑃(𝐴𝑖 ) × 𝑃(𝐵 /𝐴𝑖 ) 𝑃(𝐵)

Corolario: La partición de la región muestral S en 2: Serían A y su complemento A’

𝑃(𝐴) × 𝑃(𝐵/𝐴)
𝑃(𝐴/𝐵) =
𝑃(𝐴) × 𝑃(𝐵/𝐴) + 𝑃(𝐴′) × 𝑃(𝐵/𝐴′)

Ejemplo: Si se sabe que los tres lanzamientos resultaron cara, ¿Cuál es la probabilidad que la
moneda usada sea la de dos caras? ¿Cuál es la probabilidad que sea una moneda normal?

Bayes: Conocemos el resultado del experimento y nos preguntan por la región (CAUSAS)

Probabilidad total: Conocemos las regiones y se nos pregunta por el resultado.

La probabilidad pedida es 𝑃(𝐴2 /𝐵)

𝑃(𝐴2 ) × 𝑃(𝐵/𝐴2 )
𝑃(𝐴2 /𝐵) =
𝑃(𝐵)

1⁄ × 1 64
𝑃(𝐴2 /𝐵) = 4 =
81⁄ 81
256

De manera análoga se obtiene para las monedas normales:

𝑃(𝐴1 ) × 𝑃(𝐵/𝐴1 )
(𝐴1 /𝐵) =
𝑃(𝐵)

2⁄ × 1⁄
𝑃(𝐴2 /𝐵) = 4 8 = 16
81⁄ 81
256

La regla de Bayes se llama “Probabilidad de la causa dado el efecto”

11
c) Dado que se está hospedado en una habitación normal (sin fallas), ¿cuál es la probabilidad que
se esté hospedado en el Sheraton?

R/ Se puede estar en una habitación con fallas en cualquiera de los tres hoteles.

R = Hospedarse en el Ramada Inn, 𝑃(𝑅) = 0,20

S = Hospedarse en el Sheraton, 𝑃(𝑆) = 0,50

L = Hospedarse en el Lakeview Motor Lodge, 𝑃(𝐿) = 0,30

F= Falla en la plomería.

P(F/R) = 0,05 P(F/S) = 0,04 P(F/L) = 0,08

a) Se pregunta por el resultado. Habitación con fallas. Teorema de Probabilidad Total

𝑃(𝐹) = 𝑃(𝑅) × 𝑃(𝐹/𝑅) + 𝑃(𝑆) × 𝑃(𝐹/𝑆) + 𝑃(𝐿) × 𝑃(𝐹/𝐿)

27
𝑃(𝐹) = 0,20 × 0,05 + 0,50 × 0,04 + 0,30 × 0,08 = 0,01 + 0,02 + 0,024 = 0,054 =
500

b) Se tiene el resultado (falla en plomería), se pregunta por una causa (estar en Lakeview) –
Teorema de Bayes.
𝑃(𝐿) × 𝑃(𝐹/𝐿) 0,30 × 0,08 0,024 4
𝑃(𝐿/𝐹) = = = = = 0,4444
𝑃(𝐹) 0,054 0,054 9
c) Se tiene el resultado (sin fallas), se pregunta por una causa (estar en Sheraton) – T. Bayes y
Regla del Complemento.

𝑃(𝑆) × 𝑃(𝐹′/𝑆) 𝑃(𝑆) × [1 − 𝑃(𝐹/𝑆)] 0,50 × (1 − 0,04) 240

𝑃(𝑆/𝐹′) = = = = = 0,5074
𝑃(𝐹′) [1 − 𝑃(𝐹)] (1 − 0,054) 473

INDEPENDENCIA

Dos eventos son independientes si la probabilidad de ocurrencia de uno NO afecta la probabilidad

de ocurrencia del otro.

Ejemplo: Lanzar dos monedas o dos dados. Lo que suceda en el segundo lanzamiento NO tiene
que ver con lo que ocurrió en el primero: Es decir, el resultado de uno no tiene por qué afectar el
resultado del otro.

Extracciones con reposición: Independencia

Extracciones sin reposición: Condicional

Muestreo con reposición: Se extrae el objeto al azar, se mide la característica deseada, se vuelve a
meter en la bolsa, se revuelve bien y se saca otro objeto.

Muestreo sin reposición: Lo mismo, pero el objeto extraído no se devuelve a la bolsa.

12
Definición eventos independientes: Se dice que dos eventos A y B son independientes si:

𝑃(𝐴/𝐵) = 𝑃(𝐴) 𝑦 𝑃(𝐵/𝐴) = 𝑃(𝐵)

Teorema (Regla de independencia): Si A y B son eventos con P(A)>0 y P(B)>0, entonces A y B son
independientes si y sólo si:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) × 𝑃(𝐵)

Si se tienen dos eventos A y B, y uno de ellos tiene probabilidad cero, entonces automáticamente
los eventos son independientes.

Ej: Se lanzan dos monedas perfectas. Sean los eventos:

A: Caras diferentes, B: Caras iguales C: Cara en la primera moneda

¿Son independientes A y B? ¿Son independientes A y C?

R/ Para el lanzamiento de dos monedas, S = {(c,c), (c,s), (s,c), (s,s)}

A= {(c,s), (s,c)} B= {(c,c), (s,s)} C= {(c,c), (c,s)}

Para el primer caso, se tiene 𝐴 ∩ 𝐵 = ∅, entonces

𝑃(𝐴 ∩ 𝐵) = 𝑃(∅) = 0 ≠ 𝑃(𝐴) × 𝑃(𝐵) = 1⁄2 × 1⁄2 = 1⁄4

A y B NO son independientes.

Para el segundo caso, se tiene 𝐴 ∩ 𝐶 = 1⁄4, entonces

𝑃(𝐴 ∩ 𝐶) = 1⁄4 = 𝑃(𝐴) × 𝑃(𝐶) = 1⁄2 × 1⁄2 = 1⁄4

A y C son independientes.

Generalización de independencia

Tres eventos A, B, C son independientes si y solo si

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) × 𝑃(𝐵)

𝑃(𝐴 ∩ 𝐶) = 𝑃(𝐴) × 𝑃(𝐶)

𝑃(𝐵 ∩ 𝐶) = 𝑃(𝐵) × 𝑃(𝐶)

𝑃(𝐴 ∩ 𝐵 ∩ 𝐶) = 𝑃(𝐴) × 𝑃(𝐵) × 𝑃(𝐶)

Se deben cumplir las 4 condiciones, y recíprocamente, si los eventos A, B y C cumplen las 4

condiciones, son independientes.

13
𝑛 − 𝑒𝑣𝑒𝑛𝑡𝑜𝑠 𝐴1 , 𝐴2 , … 𝐴𝑛 Contenidos en un espacio muestral son independientes si y solo si se
cumplen las reglas de intersección de 2 en 2, de 3 en 3,…, de n en n para todos los eventos.

𝑃(𝐴1 ∩ 𝐴2 ∩ … ∩ 𝐴𝑛 ) = 𝑃(𝐴1 ) × 𝑃(𝐴2 ) × … 𝑃(𝐴𝑛 )

Si se cumplen las primeras 3 condiciones y la última no, para 3 eventos, se dice que los eventos
son independientes por parejas.

Ej: En una ciudad con una población muy grande, la probabilidad de escoger al azar una mujer es
de 0,52 y la de un hombre es 0,48. Si se seleccionan al azar 5 personas, ¿Cuál es la probabilidad de
que todas sean del mismo sexo?

R/ Como la población es muy grande, la probabilidad de sacar una muestra de 5 personas no

afecta el espacio muestral (normalmente las personas no se repiten). Y sería lo mismo sacar las 5
personas de una sola vez, o uno a uno, sin reponerlas.

Meter la mano y sacar 2 objetos a la vez de una bolsa es lo mismo que sacar uno a uno sin
reposición.

Solución: Defina

𝐻1 : La primera persona seleccionada es H,

𝐻2 : La segunda persona seleccionada es H… y así sucesivamente hasta 𝐻5

𝐻: 𝐻1 ∩ 𝐻2 ∩ 𝐻3 ∩ 𝐻4 ∩ 𝐻5 = 𝑇𝑜𝑑𝑜𝑠 𝑠𝑜𝑛 ℎ𝑜𝑚𝑏𝑟𝑒𝑠

La misma ideología se utiliza para las mujeres, con M Para ellas.

La probabilidad pedida es 𝑃(𝐻 ∪ 𝑀) = 𝑃(𝐻) + 𝑃(𝑀) Claramente H y M son excluyentes

También se supone que los eventos son independientes.

= 𝑃(𝐻1 ∩ 𝐻2 ∩ 𝐻3 ∩ 𝐻4 ∩ 𝐻5 ) + 𝑃(𝑀1 ∩ 𝑀2 ∩ 𝑀3 ∩ 𝑀4 ∩ 𝑀5 )

= 𝑃(𝐻1 )𝑃(𝐻2 )𝑃(𝐻3 )𝑃(𝐻4 )𝑃(𝐻5 ) + 𝑃(𝑀1 )𝑃(𝑀2 )𝑃(𝑀3 )𝑃(𝑀4 )𝑃(𝑀5 )

= (0,48)5 + (0,52)5 = 0,025 + 0,038 = 0,063 = 6,3%

Una urna contiene 4 bolas blancas y 5 negras. Si se extraen 2 bolas en sucesión y con reposición,
¿Cuál es la probabilidad que ambas sean blancas?

Sean A: La primera bola extraída es blanca y B: La segunda bola extraída es blanca.

Se pide la probabilidad 𝑃(𝐴 ∩ 𝐵): 𝐴𝑚𝑏𝑎𝑠 𝑠𝑜𝑛 𝑏𝑙𝑎𝑛𝑐𝑎𝑠

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵) = 4⁄9 × 4⁄9 = 16⁄81 = 19,75%

Al finalizar este capítulo, 2 ejercicios más de tarea.

14
COMBINACIONES Y PERMUTACIONES – TÉCNICAS DE CONTEO

Las técnicas de conteo son utilizadas para calcular el número de resultados que tiene el espacio
muestral S cuando éstos son muy laboriosos de contar sus elementos, por no decir imposible. Sus
fórmulas y herramientas nos permiten obtener en forma rápida, precisa y segura el número de
resultados de cualquier evento.

Ejemplo: ¿Cuántas manos diferentes de 13 cartas se pueden obtener de una baraja de póker, la
cual consta de 52 cartas?

Respuesta: 52𝐶13 = 6,35 × 1011 𝑓𝑜𝑟𝑚𝑎𝑠

Combinación de n objetos: El conjunto formado por los n objetos dados (Combinación = conjunto)

Si tengo las letras a, b, c, d, entonces {a, b, c, d} es un conjunto de n=4objetos. No importa el orden

en que se escriban los elementos.

A cualquier subconjunto de k objetos del conjunto dado de los n objetos (𝑘 ≤ 𝑛) se le llamará

Combinación de k objetos elegidos del conjunto de los n objetos dados.

Ejemplo: Conjunto a, b, c, d. n=4, k=3

{a, b, c}, {a, b, d}, {a, c, d}, {b, c, d} Combinación de los k objetos elegidos de los n sin repetición.

Con repetición, incluye las 4 anteriores combinaciones, además de todas aquellas que tienen un
elemento repetido o los tres iguales.

{a, a, b}, {a, a, a,}, {a, b, b}, {a, c, c}, … etc. = 20.

En total, se tienen 4 combinaciones sin repetición y 20 con repetición de 3 letras elegidas del
conjunto dado de las 4 letras.

El orden en que se escriban los elementos en una combinación no tiene importancia, lo que
interesa son los elementos que forman la combinación. {a, b, c} y {a, c, b} son la misma
combinación. Por eso para ellas se usa notación de conjunto: Entre llaves y separados por comas.

PERMUTACIONES

Son ordenamientos o disposición de los elementos en un orden determinado. Normalmente, en

una línea. Es una n-pla ordenada de los n objetos.

Dados n objetos distintos, se consideran:

Permutaciones de k objetos seleccionados del conjunto de los n objetos (𝒌 ≤ 𝒏) sin repetición o

con repetición.

Aquí el ORDEN es CLAVE. Ordenamientos diferentes, originan permutaciones diferentes. Se

encierran entre paréntesis, para recordar que importa el orden.

15
Ejemplo: ¿Cuántas permutaciones sin repetición de 3 letras se pueden construir a partir de las 4
letras a, b, c, d?

Se construye el diagrama de árbol, empezando por la a, luego b, luego c y d, y se obtienen en total

24 permutaciones sin repetición (6 con a inicial, y 6 con cada una de las otras letras iniciando).

Con repetición, las permutaciones de 3 letras que se obtienen a partir de las 4 letras dadas son 64,
16 iniciando con cada una de las letras, y se incluyen las 24 permutaciones sin repetición.

Si requiero saber cuántas permutaciones de las 4 letras tomadas de 3 en 3 tienen por lo menos un
elemento repetido:

Calculo: Total con repetición y Total sin repetición.

Entonces: # (por lo menos un repetido) = Total con rep – total sin rep = 64 – 24 = 40

La combinatoria está basada en 2 principios fundamentales:

Principio de la suma: Si un objeto a se puede seleccionar de m formas distintas y el objeto b de n,

entonces puedo seleccionar a ó b de m+n formas. A y B son disyuntos.

Principio de la multiplicación: Si una operación se puede realizar de m formas, y para cada una de
éstas se puede realizar una segunda operación en m formas, entonces las dos operaciones se
pueden realizar de 𝑚 × 𝑛 formas.

Se puede generalizar la regla de multiplicación para cubrir cualquier número de operaciones.

Ejemplo: 2,27 Walpole 4 ed.

Teorema – Permutaciones: El número de permutaciones distintas de k objetos tomados o elegidos

de un conjunto de n objetos (𝑘 ≤ 𝑛) sin repetición es:

𝑛!
𝑃(𝑛,𝑘) =
(𝑛 − 𝑘)!

Y con repetición es:

𝑃𝑟(𝑛,𝑘) = 𝑛𝑘

Corolario: El número de permutaciones distintas de n objetos tomados todos a la vez, es:

- Sin repetición: 𝑃(𝑛,𝑛) = 𝑛!

- Con repetición: 𝑃(𝑛,𝑛) = 𝑛𝑛

Se define 0! = 1. Y 1! = 1

16
COMBINACIONES

En muchos problemas nos interesa el número de formas de seleccionar k objetos de n sin importar
el orden. Tales selecciones se llaman combinaciones. Una combinación realmente es una partición
con dos celdas, donde una contiene los k objetos seleccionados y la otra los (n-k) objetos
restantes.

Teorema – Combinaciones: El número de combinaciones distintas de k objetos tomados o

elegidos de un conjunto de n objetos (𝑘 ≤ 𝑛) sin repetición es:

𝑛!
𝐶(𝑛,𝑘) =
𝑘! (𝑛 − 𝑘)!

Y con repetición es:

(𝑛 + 𝑘 − 1)!
𝐶𝑟(𝑛,𝑘) =
𝑘! (𝑛 − 1)!

Ejemplo: Calcule el número de combinaciones y permutaciones con y sin repetición para el

conjunto de 4 letras, tomando grupos de 3 en 3.

Ejercicios Diversos:

1) ¿Cuántos comités de 5 personas pueden formarse a partir de un grupo de 9 personas?

R/ Combinación de 9 objetos, tomados de 5 en 5, sin repetición.

9!
La respuesta es 9𝐶5 = = 126 𝑐𝑜𝑚𝑖𝑡é𝑠
5!4!

Recuerde que las personas NO se repiten!!!

nCk arroja el coeficiente binomial del k+1 ésimo término del desarrollo de (𝑎 + 𝑏)𝑛

nCk también arroja el número de subconjuntos de k elementos de un conjunto de n elementos.

Ejemplo: El conjunto A tiene 10 elementos. ¿Cuántos subconjuntos de 3 elementos tiene A?

R/ 10𝐶3 = 120 𝑠𝑢𝑏𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑜𝑠.

¿Cuántos subconjuntos se pueden formar en total?

R/ 10𝐶0 + 10𝐶1 + 10𝐶2 + ⋯ . +10𝐶10 = (1 + 1)10 = 210 = 1024

En general, si A = n elementos, se pueden formar 2𝑛 subconjuntos.

Combinaciones (no importa el orden de las personas dentro del comité) Sin repetición.

17
a) Sin restricciones.

Operación 1) Se pueden escoger 3 estadísticos de 5 de 5C3 formas = 10

5! 5 × 4 × 3! 20
𝐶(5,3) = = = = 10
3! (5 − 3)! 3! × 2! 2

Operación 2) Se pueden escoger 2 economistas de 6 de 6C2 formas = 15

# total comité = op1xop2 =10 × 15 = 150 𝑓𝑜𝑟𝑚𝑎𝑠 (Principio de multiplicación)

b) Estadísticos, se restan los dos que van para el comité, tanto del grupo de estadísticos como de
las plazas disponibles. Economistas, sin restricciones.

Operación 1) Se pueden escoger 1 estadístico de 3 de 3C1 formas = 3

Operación 2) Se pueden escoger 2 economistas de 6 de 6C2 formas = 15

# total comité = op1xop2 =3 × 15 = 45 𝑓𝑜𝑟𝑚𝑎𝑠 (Principio de multiplicación)

c) Estadísticos, sin restricciones. Economistas, las plazas quedan igual, sólo se excluye el que no
hará parte del comité.

Operación 1) Se pueden escoger 3 estadísticos de 5 de 5C3 formas = 10

Operación 2) Se pueden escoger 2 economistas de 5 de 5C2 formas = 10

# total comité = op1xop2 =10 × 10 = 100 𝑓𝑜𝑟𝑚𝑎𝑠 (Principio de multiplicación)

d) Probabilidades b) y c)

𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 45
𝑏) 𝑃(𝑑𝑜𝑠 𝑒𝑠𝑡𝑎𝑑í𝑠𝑡𝑖𝑐𝑜𝑠 𝑒𝑠𝑡é𝑛 𝑒𝑛 𝑒𝑙 𝑐𝑜𝑚𝑖𝑡é) = = = 0,30
𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 (sin 𝑟𝑒𝑠𝑡𝑟) 150

𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 100 2

𝑐) 𝑃(𝑢𝑛 𝑒𝑐𝑜𝑛𝑜𝑚𝑖𝑠𝑡𝑎 𝑁𝑂𝑒𝑠𝑡é 𝑒𝑛 𝑒𝑙 𝑐𝑜𝑚𝑖𝑡é) = = = = 0,6667
𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 (sin 𝑟𝑒𝑠𝑡𝑟) 150 3

2) ¿De cuántas formas se pueden sentar 4 personas en 7 sillas?

R/ La primera persona se puede sentar de 7 formas diferentes, una vez sentada la primera
persona, la segunda puede hacerlo de 6 formas. Una vez sentadas estas dos, la tercera puede
hacerlo de 5 formas, y la cuarta lo hará de 4 formas

En conclusión, las 4 personas se pueden sentar de

7! 7 × 6 × 5 × 4 × 3!
7 × 6 × 5 × 4 = 7𝑃4 = 𝑃(7,4) = = =7×6×5×4
(7 − 4)! 3!
= 840 𝑓𝑜𝑟𝑚𝑎𝑠 𝑑𝑖𝑓𝑒𝑟𝑒𝑛𝑡𝑒𝑠

18
3) ¿De cuántas formas se pueden permutar 3 unos y 2 ceros? 1 1 0 1 0 – 1 0 0 1 1 – 1 0 1 1 0

Si los 5 objetos fueran diferentes, se permutarían de 5! Formas. Pero como hay repeticiones, o
resultan iguales (indistinguibles) algunas permutaciones, sabemos que saldrán menos.

Se puede ver que las tres unidades representan objetos idénticos, e igual los dos ceros, de manera
que al intercambiar los unos entre sí, o los ceros entre sí, se obtiene la misma permutación.

Los unos se pueden permutar de 3! Formas y los ceros de 2! Formas para cada una de las
asociaciones de los unos, por lo tanto, los ceros y los unos se pueden intercambiar entre sí de 3!2!
formas, es decir, se obtienen 3!2! permutaciones iguales a la permutación inicial.

Se puede tomar otra permutación diferente, ejemplo 1 0 1 0 1, e intercambiando entre sí los ceros
y los unos, también se tendrán 3!2! permutaciones iguales a la inicial.

De manera que el número 5!, que representa el conjunto de todas las permutaciones diferentes si
los 5 números fueran distintos, queda dividido en grupos de 3!2! permutaciones, donde los
contenidos en cada grupo se consideran una sola, por tanto, hay tantas permutaciones diferentes
como grupos de 3!2! permutaciones haya. En otras palabras, el número de permutaciones
diferentes de los 3 unos y los dos ceros es igual al número de grupos de 3!2! elementos en que se
pueda dividir un conjunto de 5! Elementos. Este número es:

5! 120
= = 10
3! 2! 12

Es decir, únicamente existen 10 permutaciones diferentes de 3 unos y 2 ceros.

El ejemplo ilustra el siguiente teorema:

Teorema (indistinguibles): Si n objetos pueden dividirse en c clases, donde los contenidos en una
misma clase son indistinguibles, y sólo se diferencian de los contenidos en cualquier otra clase,
entonces el número de permutaciones diferentes de los n objetos tomados todos a la vez es:

𝑛!
𝑃(𝑛; 𝑛1 , 𝑛2 , … , 𝑛𝑐 ) =
𝑛1 ! 𝑛2 ! … 𝑛𝑐 !

Donde 𝑛𝑖 es el número de objetos en la i-ésima clase, i = 1, 2,…, c y

𝑛1 + 𝑛2 + ⋯ + 𝑛𝑐 = 𝑛

Se resolvió 2.34 y 2.45 Walpole Myers

19
4) ¿De cuántas formas distintas se pueden permutar cuatro bolas blancas, tres negras y cinco
rojas, si las de un mismo color son indistinguibles?

R/ Indistinguibles traduce iguales en color, forma tamaño, material, etc. Aplicando el teorema
visto anteriormente se tiene:

12! 479001600
𝑃(12; 4,3,5) = = = 27720
4! 3! 5! 17280

5) ¿# Formas de dividir 9 bolas de colores diferentes en tres grupos de 2, 3 y 4 bolas cada grupo?

R/ Del grupo de 9 bolas, se pueden escoger 2 de 9C2 formas.

Con estas ya escogidas, me quedan 7, y puedo escoger 3 de 7C3 formas.

Y me quedan 4 bolas, que puedo tomar de 4C4 formas.

Entonces, las 9 bolas de pueden repartir de la forma pedida, y aplicando el principio de

multiplicación, se tiene:

9! 7! 4! 9!
9𝐶2 × 7𝐶3 × 4𝐶4 = × × = = 1260 𝑓𝑜𝑟𝑚𝑎𝑠
2! 7! 3! 4! 4! 0! 2! 3! 4!

Teorema (Repartición): El número de formas diferentes de repartir n objetos distintos en k

grupos, conteniendo cada grupo 𝑛𝑖 objetos, 𝑖 = 1, 2, … , 𝑘, 𝑒𝑠:

𝑛!
𝑃(𝑛; 𝑛1 , 𝑛2 , … , 𝑛𝑘 ) =
𝑛1 ! 𝑛2 ! … 𝑛𝑘 !

Donde 𝑛1 + 𝑛2 + ⋯ + 𝑛𝑘 = 𝑛

20!
𝑃(20; 9,4,7) = = 55426800 𝑓𝑜𝑟𝑚𝑎𝑠
9! 4! 7!

Teorema: El número de permutaciones de n objetos distintos arreglados en un círculo es (n-1)!

6) ¿De cuántas formas se pueden plantar 5 árboles diferentes en un círculo? R/ 4! = 24 formas.

20