CAPITULO V

PROBABILIDAD

Ahora que hemos aprendido a describir un conjunto de datos, ¿cómo

puede usar datos muéstrales para sacar conclusiones acerca de las
poblaciones muestreadas? En esta técnica interviene una herramienta
estadística llamada probabilidad. Usando la probabilidad como herramienta,
se pueden crear distribuciones de probabilidad que sirven como modelos
para variables aleatorias discretas y continua podemos, describir estas
variables aleatorias usando una media y desviación estándar.
Cuando se realiza un experimento, la posibilidad de que se presente un
resultado determinado en el mismo, se le evalúa por medio de un conjunto de
números reales llamados probabilidades, que caen dentro del rango cero a
uno. A cada uno de los posibles resultados del experimento, se le asigna una
probabilidad tal que la suma de todas las probabilidades es uno. Si se realiza
un experimento en el cual tenemos una gran posibilidad de que un
determinado resultado va a ocurrir, entonces el valor de probabilidad que
debe asignársele a dicho resultado debe ser cercano a uno. Si, por el
contrario, pensamos que al realizar el experimento un determinado resultado
tiene muy poca posibilidad de ocurrir, entonces a éste resultado debe
asignársele un valor de probabilidad cercano a cero.
Para realizar un estudio sistemático de probabilidad, se necesita cierta
terminología
Definiciones

Un experimento constituye un proceso con un resultado que no se

puede predecir certeramente con anterioridad. Un experimento aleatorio, es
aquel que al repetirlo en análogas condiciones, da resultados diferentes, es
decir, no se puede predecir el resultado que se va a obtener. Al conjunto de
todos los posibles resultados de un experimento se le llama espacio
muestral. Un subconjunto de un espacio muestral se denomina evento.
Un conjunto. - es una colección de objetos bien definidos. A los
conjuntos se designa mediante letras mayúsculas.
Los conjuntos pueden representarse mediante dos formas:

• Por extensión. - cuando se listan todos los elementos que componen

a un conjunto. Ejemplo

A = {a, e, i, o, u}

• Por compresión. - cuando se identifica a un conjunto mediante el uso

de una propiedad de definición
.
A= {x/ x  las vocales}

Al considerar dos conjuntos, puede suceder que “A” sea un subconjunto

de “B”, lo cual se denota como

A  B o bien A  B

Distintos tipos de eventos y sucesos

• Eventos elementales: Están formados por un solo elemento.
• Eventos compuestos: Están formados por dos o más elementos.
• Eventos seguros: Es el que se verifica siempre y se representa por E.
Es el propio espacio muestral.
• Eventos imposibles: Es el que no se verifica nunca. Se expresa por
.

100
 • Eventos contrarios o complementarios. Dado un suceso cualquiera A,
se llama suceso contrario a que se realiza cuando no se realiza A. Se
expresa por A , A’ o bien por A c .
• Eventos incompatibles. Son aquellos que no se pueden verificar
simultáneamente. Cuando pueden verificarse ambos a la vez se llaman
compatibles.

Si A y B son incompatibles, entonces A  B = 

Si A y B son compatibles, entonces A  B  

• Suceso aleatorio. Es cada uno de los subconjuntos del espacio

muestral E.
• Sistema completo de eventos
De una manera general, se dice que los eventos A1, A2, A3, .......An
constituyen un sistema completo de eventos para un determinado
experimento si se verifica:

a) A1  A2  A3  ...... An = E .
b) Los sucesos A1, A2, A3, ......, .An son incompatibles dos a dos.

• Combinación de eventos
Con frecuencia se construyen eventos mediante la combinación de
eventos más sencillos. Debido a que aquéllos son subconjuntos de espacios
muéstrales, es usual emplear la notación de conjuntos para describir los
eventos construidos de esta forma.
Una de las principales teorías dentro de la matemática actual es la
Teoría de los Conjuntos. Podríamos decir que es una teoría que nos explica
el funcionamiento de una colección de elementos cuando realizamos alguna
operación con ellos.

101
 A continuación, se repasará la notación necesaria.

E  E ⎯⎯→ E A  B es el evento que se verifica si y
( A , B) → A  B Sólo si se verifica uno de los dos.

E  E ⎯⎯→ E A  B es el evento que se verifica cuando
( A , B) → A  B Se verifican los dos a la vez.
C
E ⎯⎯→ E A C , complementario de A, es el evento que

A → AC Se verifica cuando no se verifica A.

Diagrama de Venn

Como se observa los experimentos y eventos probabilísticos se

pueden expresar con la notación de conjuntos y a continuación se enumeran
algunas operaciones que es posible realizar con los eventos. Además, se
representarán mediante diagrama de Venn.
Los Diagramas de Venn se basan fundamentalmente en representar los
conjuntos matemáticos con unas “circunferencias”. Con estas circunferencias
se realiza una serie de operaciones como la unión, la intersección, etc.
Podríamos decir que el manejo de los Diagramas de Venn sirve para
orientar, son una herramienta metodológica que explicar la Teoría de
Conjuntos.

1) AB Es el evento que ocurre si y solo sí A ocurre o B ocurre o

ambos ocurren.

102
 2) AB Es el evento que ocurre sí y solo sí A y B ocurren a un mismo
tiempo.

3) Ac Es el complemento de A. Es el evento que ocurre sí y solo sí A no

ocurre.

4) Se dice que A y B son eventos mutuamente excluyentes o exclusivos

si AB = 

5). Dados dos eventos aleatorios A, B  S , se llama evento de la

diferencia de A y B, y se representa mediante, o bien A - B, al evento

A B = A − B = e  S : e  A y además e  B  = A B
aleatorio formado por todos los eventos elementales que pertenecen a A,
pero no a B:

103
 Diferencia simétrica: Si A, B  S , se denomina suceso diferencia
simétrica de A y B, y se representa mediante A  B, al suceso aleatorio
formado por todos los sucesos elementales que pertenecen a A y no a B, y
los que están en B y no en A:

AB = ( A \ B )  (B \ A) = ( A  B ) \ ( A  B )

5) Para tres eventos A, B y C,

A  B  C = A + B + C – A  B – A  C – BC + A  B  C.

Como las definiciones de unión, intersección y complementación de

eventos son idénticas a las de los conjuntos, estas operaciones para eventos
cumplen las mismas propiedades que para los conjuntos.

104
 i. Conmutativa: A B = B A A B = B A
ii. Asociativa: A  (B  C) = (A  B)  C A  (B  C) = (A  B)  C
iii. Idempotente: A  A = A A A = A
iv. Simplificación: A  (A  B) = A  B A  (A  B) = A  B
v. Distributiva: A  (B  C) = (A  B)  (A  C)
A  (B  C) = (A  B)  (A  C)
vi. Existencia de elemento neutro: A   = A A E = A
vii. Absorción: A E = E A  = 
viii. Complementación: E C
=  C
=E
C C
ix. Involución: (A ) =A
x. Leyes de Morgan: (A  B) = A  B C (A  B) C = A C  B C
C C

Cálculo de probabilidades con el uso de eventos sencillos

La probabilidad de un evento A es una medida de nuestra creencia de

que el evento A ocurrirá. La probabilidad objetivase subdivide en a)
probabilidad clásica y b) probabilidad empírica.

a) Probabilidad clásica parte del supuesto de que los resultados de un

experimento son igualmente posibles. De acuerdo con el punto de vista
clásico, la probabilidad de un evento que se está llevando a cabo se calcula
dividiendo el número de resultados favorables entre el número de posibles
resultados:

Número de resultados favorables

Probabilidadde un evento =
Número total de posibles resultados
b) Probabilidad empírica o frecuencia relativa es el segundo tipo de
probabilidad. Ésta se basa en el número de veces que ocurre el evento como
proporción del número de intentos conocidos.

105
 Número de veces que el evento ocurre
Probabilidad empírica =
Número total de observaciones

El enfoque empírico de la probabilidad se basa en la llamada ley de los

grandes números. La clave para determinar probabilidades de forma
empírica consiste en que una mayor cantidad de observaciones
proporcionarán un cálculo más preciso de la probabilidad.

Ley de los grandes números

En una gran cantidad de intentos, la probabilidad empírica de un evento

se aproximará a su probabilidad real, es decir: “En un experimento, al realizar
un gran número N de pruebas, la frecuencia relativa de un cierto evento A,
tiende a estabilizarse, aproximadamente a un valor fijo, P(A), que se llama
probabilidad de A:

NA
Probabilidad de A = P( A) = Nlím
→
f ( A) = lím
N → N
.

Si se cuenta con poca o ninguna experiencia o información con la cual

sustentar la probabilidad, es posible aproximarla en forma subjetiva. En
esencia, esto significa que un individuo evalúa las opiniones e información
disponibles y enseguida calcula o asigna la probabilidad. Esta probabilidad
se denomina adecuadamente probabilidad subjetiva.

Requisitos para probabilidades de un evento simple

• Cada probabilidad debe estar entre 0 y 1.

106
 • La suma de las probabilidades de todos los eventos sencillos en E
igual a 1.

Reglas para calcular probabilidades

Una vez definida la probabilidad y descrito sus diferentes enfoques

realizaremos el cálculo de la probabilidad de dos o más eventos, aplicando
las reglas de la adición, regla del complemento y la multiplicación.

Regla general de la adición

Cuando dos eventos ocurren al mismo tiempo, la probabilidad se

denomina probabilidad conjunta.

Esta regla para dos eventos designados A y B se escribe:

P( A B ) = P ( A ) + P (B ) − P ( A B)

Para tres eventos A, B y C se describe como:

P ( A  B  C ) = P ( A) + P (B ) + P (C ) − P ( A  B ) − P ( A  C ) − P (B  C ) + P ( A  B  C )

Para aplicar la regla especial de la adición, los eventos deben ser

mutuamente excluyentes. Recuerde que mutuamente excluyentes significa
que cuando un evento ocurre, ninguno de los demás eventos puede ocurrir al
mismo tiempo.
Si A y B son mutuamente excluyentes

107
 P ( A  B) =P ( A) + P (B )

Si A1, A2, ...., An es una partición de un espacio muestral E

P( A1  A2  ......  An) =P( A1) + P( A2) + ...... + P( An)

= P( E )
=1

Regla del complemento

Se emplea para determinar la probabilidad de que un evento ocurra

restando de 1 la probabilidad de un evento que no ha ocurrido. Esta regla es
útil porque a veces es más fácil calcular la probabilidad de que un evento
suceda determinando la probabilidad de que no suceda y restando el
resultado de 1.
Si A y AC son eventos complementarios

P ( A) + P( AC ) = 1

Reglas de la multiplicación

Para determinar la probabilidad de dos eventos que se presentan

simultáneamente empleamos la regla de la multiplicación. Hay dos reglas de
la multiplicación, la regla general y la regla especial.

La regla general de la multiplicación.

Si en un experimento pueden ocurrir los eventos A y B

P ( A  B ) = P ( A)P (B | A)
Donde el término P (B | A) se define como probabilidad condicional y se
define como la probabilidad de que un evento en particular ocurra, dado que
otro evento haya acontecido

108
 Para varios eventos podemos decir:

Si, en un experimento pueden ocurrir los eventos A1, A2, A3 ......, Ak,
entonces
P ( A1  A2  A3  .......Ak ) = P ( A1 )P ( A2 | A1 )P ( A3 | A1  A2 )....P ( Ak | A1  A2  .....  A( k −1) )

Regla especial de la multiplicación

La regla especial de la multiplicación requiere que dos eventos, A y B,

sean independientes, y lo son si el hecho de que uno ocurra no altera la
probabilidad de que el otro acontezca. Una forma de entender la
independencia consiste en suponer que los eventos A y B ocurren en
diferentes tiempos. Por ejemplo, cuando el evento B ocurre después del
evento A, ¿influye A en la probabilidad de que el evento B ocurra? Si la
respuesta es no, entonces A y B son eventos independientes.
Dos eventos A y B son independientes si y solo si

P (B | A ) = P (B ) y P( A | B) = P( A)

Dos eventos A y B son independientes si y solo si

P ( A  B ) = P ( A)P (B )

Si A y B son independientes, entonces los siguientes pares de eventos

son también independientes: A y B C , AC y B y AC y B C .
Si los eventos A1, A2, A3,........ Ak son independiente
P( A1  A2  A3  .......Ak ) = P( A1 )P( A2 )P( A3 )....P( Ak )

109
 Tablas de contingencias

A menudo los resultados de una encuesta son registrados en una tabla

de dos direcciones y utilizados para determinar diversas probabilidades. En
estadística las tablas de contingencia se emplean para registrar y analizar la
relación entre dos o más variables, habitualmente de naturaleza cualitativa-
nominales u ordinales-.
Si especifica una fila, una columna y un factor de capa (variable de
control), el procedimiento Tablas de contingencia crea un panel de medidas y
estadísticos asociados para cada valor del factor de capa (o una combinación
de valores para dos o más variables de control).

En el caso de los eventos A, A B y B , expresados en frecuencias

absolutas, relativas o probabilidades la tabla, adopta la forma adjunta.

A A TOTAL
B P( A B) P( A B) P( B )
B P( A B) P( A ) P( B )
TOTAL P( A ) P( A ) 1

Su equivalente en diagrama de ven

110
 Diagramas de árbol

El diagrama de árbol es una gráfica útil para organizar cálculos que

implican varias etapas. Es la representación gráfica de un experimento que
consta de r pasos, donde cada uno de los pasos tiene un número finito de
maneras de ser llevado a cabo. Cada segmento del árbol constituye una
etapa del problema. Las ramas del árbol ponderan por medio de
probabilidades.
Podemos construir un diagrama de árbol a partir de una tabla de
contingencia, o viceversa, es decir, crear una tabla de contingencia a partir
de un diagrama de árbol. Mediante la relación de las probabilidades
condicionadas correspondientes, deducidas por la ecuación:

P (B  A )
P (B A ) =
P ( A)

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

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

tabla de contingencia equivalente si más que utilizar la expresión

111
 P(B  A) = P(B A)P( A)

Pero cuando el diagrama de árbol consta de tres o más etapa es

imposible construir la tabla de contingencia.

Ley de la probabilidad total

La ley de la probabilidad total se muestra en la figura. Un espacio

muestral contiene los eventos Al, A2, A3 y A4. Éstos son mutuamente
excluyentes, ya que dos no coinciden. Son también exhaustivos, ello
significa que su unión abarca todo el espacio muestral. Cada resultado en
este espacio pertenece a uno y sólo uno de los eventos Al, A2, A3, A4.
Si los eventos A1, A2.......Ak constituyen una partición del espacio
muestral E tal que P (Ai)  0 para i=1,2,3,....,k, entonces para cualquier
evento A de E,
k k
P (B ) =  P ( Ai  B ) = P ( Ai )(B | Ai )
i =1 i =1

Teorema de Bayes

En el siglo XVIII, el reverendo Thomas Bayes, un ministro presbiteriano

inglés, planteó esta pregunta: ¿Dios realmente existe? Dado su interés en las

112
matemáticas, intentó crear una fórmula para llegar a la probabilidad de que
Dios existiera sobre la base de la evidencia de que disponía en la Tierra. Más
tarde, Pierre-Simón Laplace perfeccionó el trabajo de Bayes y le dio el
nombre de teorema de Bayes. De una forma entendible, el teorema de Bayes
es el siguiente:

Si los eventos A1, A2, ......Ak constituyen una partición del espacio
muestral E donde P (Ai)  0 para i=1,2,3,...,k, entonces para cualquier evento
B en E tal que P (B)  0.

P ( Ar  B ) P ( Ar )P (B | Ar )
P ( Ar | B ) = k
= k
para r = 1,2,3,........,k
 P( A  B)  P( A )P(B | A )
i =1
i
i =1
i i

Aplicaciones de la probabilidad al análisis de confiabilidad

Las tecnologías RAMS agrupan cuatro conceptos distintos pero

relacionados entre sí, que son: Fiabilidad (Reliability), Disponibilidad
(Availability), Mantenibilidad (Maintainability) y Seguridad (Safety). En
español, la agrupación de estas cuatro materias suele designarse con el
nombre conjunto de Confiabilidad. La Fiabilidad está relacionada con la
duración sin fallos de los productos. La Disponibilidad es la capacidad del
sistema para funcionar en un determinado instante, bien porque no ha fallado
previamente, o porque habiendo fallado sus componentes defectuosos han
sido reparado o sustituidos por otros. La Mantenibilidad es la capacidad de
ser mantenido o reparado preventiva y correctivamente con objeto de mejorar
su disponibilidad. La Seguridad es la capacidad de operar sin producir daño.

El análisis de confiabilidad constituye la rama de la ingeniería que se

dedica al cálculo de las tasas de fallas de los sistemas. Mientras que algunos
problemas en el análisis de confiabilidad requieren de métodos matemáticos

113
avanzados, hay muchos problemas que se pueden resolver con los métodos
que se han aprendido hasta ahora, los ejemplos 4, 5 y 6 son una aplicación
al análisis de la confiabilidad.
Reglas de conteo

Al asignar probabilidades es necesario saber identificar y contar los

resultados experimentales. A continuación, tres reglas de conteo que son
muy utilizadas.

Variaciones

Variaciones ordinarias

Sea Q el conjunto de los q primeros números de una sucesión; sea P

un conjunto finito de p elementos. Se llama variación ordinaria de orden q de
los elementos de p a una sucesión o conjunto ordenado formado por q
elementos de p distintos. Veamos cómo se forman las variaciones ordinarias:
Sea P= {a, b, c} y q=2; entonces formamos primero las variaciones de
orden 1, luego las de orden 2 a partir de las de orden 1, y así sucesivamente.
Para el elemento a tenemos (ab),(ac); para el b tendremos (ba), (bc); para el
c tendremos (ca), (cb). Hay que hacer notar que no son las mismas
variaciones los grupos (ab) y (ba), ya que se trata de conjuntos ordenados;
es decir, interviene el orden de los mismos.

p!
Vpq = p( p − 1)( p − 2).....( p − (q − 1)) =
( p − q )!
q factores

Llamamos variaciones sin repetición de p elementos tomados de q en q

(q  p) a los distintos grupos que se pueden formar con los p elementos de tal
modo que:

114
 • En cada grupo entren p elementos distintos.
• Dos grupos son distintos si se diferencian en algún elemento o en el
orden de colocación de los mismos.

Variaciones con repetición

Es toda aplicación definida de Q en P. Implica seleccionar de forma

ordenada elementos de Q en P, en donde los elementos se pueden repetir.
También se puede definir como una sucesión formada por q elementos de p
distintos o no.

VRpq = p  p  p  ....  p = pq
q veces

Sea, por ejemplo, P= {a, b} y q=3. Entonces

Orden 1 Orden 2 Orden 3

a aa aaa
ab aab
aba
bb abb
bba
b bb bbb
ba baa
bab

Llamamos variaciones con repetición de p elementos tomados de q en

q a los distintos grupos que se pueden formar con los p elementos de tal
modo que:

• En cada grupo entren p elementos, repetidos o no.

• Dos grupos son distintos si se diferencian en algún elemento o en el

orden de colocación de los mismos.

115
 Permutación

Permutaciones ordinarias

Son variaciones ordinarias en las cuales intervienen todos los

elementos de P. Llamamos permutación ordinaria de los elementos de P a
toda sucesión o conjunto ordenado formado por todos los elementos el
conjunto P. Es una variación ordinaria de orden p. El proceso de formación
es el mismo que el de las variaciones.
p!
Pp = Vpp == = p!
( p − p)!

Llamamos permutaciones ordinarias de p elementos a los distintos

grupos que se pueden formar de tal modo que:
• En cada grupo participan los p elementos.

• Dos grupos son distintos si se diferencian exclusivamente en el orden

de colocación de los mismos.

Permutaciones con repetición

Llamamos permutaciones con repetición de órdenes α, β,....λ de los

elementos a, b,....l a toda sucesión o conjunto ordenado formado por σ
elementos, donde el elemento a se repite α veces, el elemento b se repite β
veces, y así sucesivamente hasta el elemento l
.
Hay que fijar el número de repeticiones de cada elemento de P. Por
ejemplo, para P = {a, b} y α=3, β=1 tendríamos

116
 a aa aaa aaab
aab aaba
ab aba abaa

b ba baa baaa

La fórmula que obtiene el número de grupos es

p!
Pp , ,...., =
 !  ! ....   !

Llamamos permutaciones con repetición de p elementos de modo que

el primer elemento se repite α veces, el segundo β veces, el último λ veces
(α+β+ ... +λ=p) a los distintos grupos que se pueden formar de tal modo que:

• En cada grupo participan los p elementos y el primer elemento se

encuentra α veces; el segundo elemento β veces;
.
• Dos grupos son distintos si se diferencian exclusivamente en el orden
de colocación de los mismos.

Combinaciones

Combinaciones ordinarias

Son los diferentes grupos que pueden formarse con p elementos,

figurando en cada grupo q elementos (q  p), y diferenciándose entre ellos, al
menos en la naturaleza de los mismos, no interviniendo el orden de
colocación.

117
 Sea P= {a, b, c, d} y q=3; entonces formamos primero las
combinaciones de orden 1, que serían el conjunto {a, b, c, d}; luego las de
orden 2, que serían {ab, ac, ad, bc, bd, cd}; y por último las de orden 3, que
serían {abc, acd, abd, bcd}, que sería el conjunto a obtener.
La fórmula de obtención de las combinaciones de p elementos,
tomados en grupos de q elementos es la siguiente :

Vpq p!  p
Cpq = = = 
Pp ( p − q )! q  q 

Combinaciones con repetición

Si, teniendo en cuenta los mismos planteamientos que en el caso

anterior, podemos repetir elementos del conjunto tendremos

 p + q − 1
CRpq =  
 q 

De manera que las combinaciones con repetición son los diferentes

grupos que pueden formarse con p elementos, figurando en cada grupo q
elementos (q ≤ p),y diferenciándose entre ellos, al menos en la naturaleza de
los mismos, no interviniendo el orden de colocación, pero pudiéndose repetir
los elementos de P.
Un caso típico en el que tiene aplicación las combinaciones con
repetición es en las mezclas.

118
 Ejemplos

1.- La alimentación de cierta especie se considera completa si cada

individuo consume tres tipos de alimentos en cantidades adecuadas. En una
población se encontró que el 75 % consume alimento tipo A, el 70 %
alimento tipo B, el 50 % alimento tipo C, el 50 % alimento tipo A y B, el 30 %
alimento tipo A y C, el 30 % alimento tipo B y C y el 15 % consume de los
tres tipos de alimentos. Se elige un individuo al azar en la población, calcular
la probabilidad que:
a) consuma sólo alimento tipo C.
b) consuma sólo un tipo de alimento.
c) consuma al menos dos tipos de alimentos
Solución
M = individuo de la población que consume alimento tipo A
N = individuo de la población que consume alimento tipo B
Q = individuo de la población que consume alimento tipo C

119
a+b+c +d = 0,75 75 % consume alimento tipo A Ec 1
b+d +e+f = 0,70 70 % alimento tipo B Ec 2
c +d +f +g = 0,50 50 % alimento tipo C Ec 3
b+d = 0,50 50 % alimento tipo A y B Ec 4
c +d = 0,30 30 % alimento tipo A y C Ec 5
d +f = 0,30 30 % alimento tipo B y C Ec 6
d = 0,15 15 % consume de los tres tipos de alimentos Ec 7

De la Ec 6 despejamos el valor de f

f = 0,30 − d = 0,30 − 0,15 = 0,15

De la Ec 5 despejamos el valor de c

c = 0,30 − d = 0,30 − 0,15 = 0,15

De la Ec 4 despejamos el valor de b

b = 0,50 − d = 0,50 − 0,15 = 0,35

De la Ec 3 despejamos el valor de g

g = 0,50 − c − d − f = 0,50 − 0,15 − 0,15 − 0,15 = 0,05

De la Ec 2 despejamos el valor de e

e = 0,70 − b − d − f = 0,70 − 0,35 − 0,15 − 0,15 = 0,05

De la Ec 1 despejamos el valor de a

a = 0,75 − b − c − d = 0,75 − 0,35 − 0,15 − 0,15 = 0,10

120
 a) La probabilidad de que un individuo sólo consuma alimento tipo C es
de 0,05

b) La probabilidad de que un individuo consuma sólo un tipo de

alimento es de 0,20

c) La probabilidad de que un individuo consuma al menos dos tipos de

alimentos es de 0,80.

121
 2.- Se ha realizado un estudio sobre los hábitos en el desayuno de una
población. Entre otros, se han obtenido los siguientes resultados:
✓ El 53 por cientos bebe una taza de leche.
✓ El 33 por ciento desayuna con cereales.
✓ El 65 por cientos algunas de las dos.
a) Calcúlese el porcentaje de individuos de la población que:
✓ No desayuna ni con leche ni con cereales.
✓ Desayuna con una taza de leche sin cereales.

Solución:
Se considera el experimento aleatorio consiste en elegir un individuo
de la población y ver qué desayuna (taza de leche y cereales). El espacio
muestral asociado a este experimento es:

A = w1,w2,w3,w4 

w1 = el individuo que solo bebe una taza de leche.

w2 = el individuo que solo desayuna con cereales.
w3 = el individuo desayuna con leche y cereales.
w4 = el individuo ni toma leche ni toma cereales.

122
 El enunciado del problema proporciona las probabilidades de los
sucesos, L y C, beber una taza de leche y desayunar con cereales,
respectivamente, y de L  C , esto es, desayunar alguna de las dos cosas:

P (L ) = P (w1,w 3 ) = 0,53

P (C ) = P (w 2 ,w 3  ) = 0,33

P (L  C ) = P (w1,w 2 ,w 3 ) = 0,65

a) El suceso descrito en este apartado se corresponde con L  C o, lo

que es igual, con el suceso complementario de la unión, L  C . Por lo tanto,

( )
P L  C = 1 − P ( L  C ) = 1 − 0,65 = 0,35

Esto es, 35% de los individuos no desayuna ni leche ni cereales.

b) La probabilidad del suceso L C = L − C se calcula
P (L − C ) = P (L ) − P (L  C ) , Para lo cual es necesario conocer P (L  C )

Ahora bien, de la relación P (L  C ) = P (L ) + P (C ) − P (L  C ) . Se obtiene,

despejando, que P (L  C ) = P (L) + P (C ) − P (L  C ) = 0,53 + 0,33 − 0,65 = 0,21

Probabilidad del suceso elemental w3  . En definitiva, la probabilidad pedida

en el apartado, probabilidad de w1 , resulta:

P (L − C ) = 0,53 − 0,21 = 0,32

Es decir, el 32 por ciento de los individuos de la muestra desayuna con

una taza de leche sin cereal.

3.- En un circuito eléctrico se conectan en serie 3 elementos que

trabajan independientemente uno del otro. Las probabilidades de fallos del
primero, segundo y tercer elemento son respectivamente p 1= 0.1; p2= 0.15;
p3= 0.2. Hallar la probabilidad de que no haya corriente en el circuito.

123
 E = {(0, 0,0), (0, 0,1),… (1, 1,1)} donde:

1: “falla elemento”,
0: “no falla elemento”.
A: “Falla elemento p1”. P(A) = 0.1
B: “Falla elemento p2”. P (B) = 0.15
C: “Falla elemento p3”. P(C) = 0.2

Para que no haya corriente en el circuito basta que falle al menos un

elemento, por lo que la probabilidad que buscamos es:

P ( A  B  C ) = P ( A) + P (B ) + P (C ) − P ( A  B ) − P ( A  C ) − P (B  C ) + P ( A  B  C )

Puesto que los sucesos son independientes:

P ( A  B ) = P ( A)P (B ) = (0,1)(0,15) = 0,015

P ( A  C ) = P ( A)P (C ) = (0,1)(0,2) = 0,02
P (B  C ) = P (B )P (C ) = (0,15)(0,2) = 0,03
P ( A  B  C ) = P ( A)P (B )P (C ) = (0,1)(0,15)(0,2) = 0,003

P ( A  B  C ) = 0,1 + 0,15 + 0,2 − 0,015 − 0,02 − 0,03 + 0,003 = 0,388

4.- Un sistema contiene dos componentes, A y B, conectados en serie

como se muestra en el diagrama siguiente.

124
 El sistema funcionará sólo si ambos componentes funcionan. La
probabilidad de que A funcione está dada por P(A) = 0.98 y la probabilidad
de que B funciona está dada por P (B) = 0.95. Suponga que A y B
funcionan de manera independiente. Determine la probabilidad de que el
sistema funciona.

Solución

Debido a que el sistema funcionará sólo si ambos componentes

funcionan, se tiene que

P (sistema funciona ) = P ( A  B )
= P ( A)P (B ) por la sup osición de independencia
= (0.98)(0.95)
= 0.931

5.- Un sistema contiene dos componentes, C y D, conectados en

paralelo como se muestra en el diagrama siguiente.

El sistema funcionará si alguno, C o D funcionan. La probabilidad de

que C funcione es 0.90 y la de que D lo haga es 0.85. Suponga que C y D
funcionan de manera independiente. Determine la probabilidad de que el
sistema funcione.

125
 Solución

Debido a que el sistema funcionará mientras que cualquiera de los dos

componentes funcione, se tiene que

P (sistema funciona ) = P (C  D )
= P (C ) + P (D ) − P (C  D )
= P (C ) + P (D ) − P (C )P (D )
por la sup osición de independencia
= 0.90 + 0.85 − (0.90)(0.85)
= 0.985

Con frecuencia la confiabilidad de sistemas más complejos se puede

determinar al descomponer al sistema en una serie de subsistemas, cada
uno contiene componentes conectados en serie o en paralelo.

6.- El sistema describe proceso para producción utilizado en la

fabricación de latas de aluminio. El siguiente diagrama esquemático,
ligeramente simplificado, muestra el proceso.

La entrada inicial al proceso consta de hojas de aluminio enrolladas,

aproximadamente 0.25 mm de espesor. En un proceso que se conoce como
“hacer formas de taza”, se desenrollan estas hojas y se les da forma, en
cuerpos de lata, que son cilindros cerrados en la parte inferior y abierta en la
parte superior. Después, estos cuerpos de lata se lavan y se envían a la
impresión, donde se imprime la etiqueta sobre la lata. En la práctica hay

126
varias impresoras en una línea; el diagrama presenta una línea con tres de
aquéllas. El impresor deposita las latas en paletas, que son estructuras de
madera que sostienen 7 140 latas cada una. El siguiente paso es llenar las
latas. Algunas líneas de llenado pueden aceptar latas directamente de las
paletas, pero otras sólo las aceptan de los recipientes de las latas, que son
grandes contenedores que tienen aproximadamente cien mil latas cada uno.
Para usar estas líneas de llenado, las latas se deben transportar de las
paletas a los recipientes de las latas, en un proceso que se llama
despaletizado. En la práctica hay varias líneas de llenado; el diagrama
presenta un caso donde hay dos líneas de llenado, una que aceptará latas de
las paletas y la otra aceptará latas que no provienen de las paletas. En el
proceso de llenado de latas, éstas se llenan y se les coloca la tapa. Después
se empaquetan las latas y se envían a los distribuidores.
Se desea calcular la probabilidad de que el proceso funcione un día sin
falla. Suponga que el proceso de hacer la lata tiene una probabilidad de
0.995 de funcionar con éxito en un día. Puesto que este componente se
denota por “A” en el diagrama, se expresa esta probabilidad como P(A) =
0.995. Suponga que las otras componentes del proceso tienen las siguientes
probabilidades de funcionar con éxito durante un periodo de un día: P (B) =
0.99, P(C) = P (D) = P (E) = 0.95, P (F) = 0.90, P (G) = 0.90, P (H) = 0.98.
Suponga que los componentes funcionan de manera independiente.
Determine la probabilidad de que el proceso funcione con éxito en un día.

Solución

Es posible resolver este problema observando que todo el proceso se

puede descomponer en subsistemas, cada uno de éstos consta de sistemas
compuestos sólo en serie o en paralelo. Específicamente, el subsistema 1
consiste de los componentes hacer la lata y lavar, que están conectadas en
serie; el subsistema 2 consiste de las impresoras que están conectadas en

127
paralelo; el subsistema 3 consiste de líneas de llenado, que están
conectadas en paralelo, con una de las dos líneas que consta de dos
componentes conectados en serie. Se calculan las probabilidades del
funcionamiento con éxito para cada subsistema, denotando las
probabilidades con p1, p2 y p3.
P (subsistema 1 funciona) = p1
= P( A  B)
= P ( A)P (B )
= (0.995)(0.990)
= 0.985050
P (subsistema 2 funciona) = p2
= 1 − P (subsistema 2 falla)
= 1 − P (C c )P (Dc )P (E c )
= 1 − (0.005)3
= 0.999875

El subsistema 3 funciona si F funciona, o si tanto G como H funcionan.

Por tanto,
P (subsistema 3 funciona ) = p3
= P (F  (G  H ))
= P (F ) + P (G  H ) − P (F  G  H )
= P (F ) + P (G )P (H ) − P (F )P (G )P (H )
= (0.90) + (0.90)(0.98) − (0.90)(0.90)(0.98)
= 0.988200

Todo el proceso consta de tres subsistemas conectados en serie. Por

tanto, para que el proceso funcione, los tres subsistemas deben funcionar.
Se concluye que

128
 P (funciona el sistema ) = P (los sistema 1,2 y 3 todos funcionan )
= p1p2 p3
= P (F ) + P (G  H ) − P (F  G  H )
= P (F ) + P (G )P (H ) − P (F )P (G )P (H )
= (0.985050)(0.999875)(0.988200)
= 0.973

Se advierte que la suposición de que los componentes funcionan

independientemente es crucial en las soluciones de los ejemplos Cuando no
se satisface esta suposición, puede ser muy difícil hacer que los cálculos
tengan una precisión confiable. Si se usa la suposición de independencia sin
justificación, los cálculos pueden tener una confiabilidad engañosa.

7. En una experiencia de laboratorio un animal muere o sobrevive en el

transcurso de una intervención quirúrgica. El experimento se lleva a cabo
primero con 2 animales, si ambos sobreviven no se hacen las pruebas
adicionales; si un animal sobrevive se requiere de un animal adicional para
aplicar las pruebas adicionales del experimento; finalmente, si ambos
animales mueren, a los 2 se les hacen las pruebas adicionales.
a) Determine el espacio muestral.
b) Suponga que las pruebas son independientes y que la probabilidad
de sobrevivir en cada prueba es 2/3. Asignar probabilidades a los sucesos
elementales.

Sea X: Nº de animales que se les hace la prueba.

a) 
E = P c P c , P c P, PP, PP c 
2 2 4  1 1 2 1 1 1
b) P (0) = = P (1) = 2  = P(2) = =
3 3 9 3 3 9 3 3 9

129
 8. Se selecciona una muestra aleatoria n = 2 de un lote de 100
unidades, se sabe que 98 de los 100 artículos están en buen estado. La
muestra se selecciona de manera tal que el primer artículo se observa y se
regresa antes de seleccionar el segundo artículo (con reemplazo), a) calcule
la probabilidad de que ambos artículos estén en buen estado, b) si la muestra
se toma sin reemplazo, calcule la probabilidad de que ambos artículos estén
en buen estado.

A: El primer artículo está en buen estado.

B: El segundo artículo está en buen estado.
a) Al ser eventos independientes el primero del segundo:

 98   98 
P( A  B) = P( A)  P(B) =    = 0.9604
 100   100 

A B

P(A) =.98 P(B) =.98

b) Si la muestra se toma “sin reemplazo” de modo que el primer

artículo no se regresa antes de seleccionar el segundo entonces:

 98   97 
P( A  B) = P( A)  P(B A) =      = .9602
 100   99 

Se observa que los eventos son dependientes ya que para que para
obtener el evento B, se tiene que haber cumplido antes el evento A.

130
 B
P(B/A)=.97
A

P(A) =.98

9. Un agricultor dispone de una mezcla de semillas de maíz que incluye:

un 60% de tipo A, un 30% de tipo B y un 10% de tipo C. Suponga que la
probabilidad de que una mazorca tenga más de 100 grs. es 0,75 para el tipo
A, 0,5 para el tipo B y 0,25 para el tipo C. Dado que se cosechó una mazorca
con no más de 100 grs., cuál es la probabilidad de que sea del tipo C.
Sea:
A = la mazorca de tipo A
B = la mazorca de tipo B
C = la mazorca de tipo C
M = la mazorca que pese más de 100 gr
P ( A) = 0,6
P (B ) = 0,3
P (C ) = 0,1
P (M / A) = 0,75
P (M / B ) = 0,5
P (M / C ) = 0,25

131
 P (M ) = P (M / A)P ( A) + P (M / B )P (B ) + P (M / C )P (C )
= (0,75)(0,6) + (0,5)(0,3) + (0,25)(0,1)
= 0,625
P (M ) = 1 − P (M )
c

= 1 − 0,625
= 0,375
(0,75)(0,1)
P (C / M c ) =
0,375
= 0,2
10.- Una mezcla de semillas de clavel produce flores blancas, rojas y
rosadas en proporción de 50%, 30% y 20% respectivamente. El 5% de las
semillas de flores blancas, el 10% de las rojas y el 15% de las rosadas son
infértiles (F'). Se desea determinar el porcentaje total de semillas infértiles.
Las condiciones del enunciado se disponen adecuadamente a
continuación:

P (flor blanca) = P (b) = 0,5…………P (F/b) = 0,05

P (flor roja) = P(r) = 0, 3 ……………..P (F/ r) = 0, 10
P (flor rosada) = P(s) = 0, 2 …………P (F/s) = 0, 15

Por el teorema de la probabilidad total

P (F ) = P (F / b )P (b ) + P (P / r )P (r ) + P (P / s )P (s )
P (F ) = 0,05 * 0,5 + 0,10 * 0,3 + 0,15 * 0,2 = 0,085

El resultado obtenido permite establecer que el 8,5% del total de

semillas son infértiles.

11. Se tiene una caja con 10 ampolletas de las cuales 4 están

quemadas. Se toma una muestra (sin reposición) de 3 ampolletas.
a) Cuántas muestras son posibles.
b) En cuántas muestras no sale ninguna ampolleta quemada.
c) En cuántas muestras salen 2 ampolletas quemadas.

132
 a ). C310 = 120
b ). C04 .C36 = 20
c ). C24 .C16 = 36

12. Una pieza se etiqueta usando 4 líneas delgadas, tres líneas

medianas y dos líneas gruesas. Si cada ordenamiento de las nueve líneas
representa una etiqueta diferente. ¿Cuántas etiquetas distintas pueden
generarse con este esquema?

9!
# de etiquetas diferentes 9
P4,3,2 = = 1260
4!3!2!

133
 Autoevaluación N°4

1. Es la colección de uno o varios resultados posibles o puntos

muéstrales que pertenecen al espacio muestral:
a) Experimento aleatorio.
b) Espacio muestral.
c) Experimento.
d) Evento.

2. Es el conjunto de todos los resultados posibles que se pueden

obtener en un experimento:
a) Experimento aleatorio.
b) Espacio muestral.
c) Experimento.
d) Evento.

3. Es el proceso de observación del cual se obtiene un resultado:

a) Experimento aleatorio.
b) Espacio muestral.
c) Experimento.
d) Evento.

4. Se denomina a la colección de un único punto muestral:

a) Evento simple.
b) Evento compuesto.
c) Evento complementario.
d) Eventos mutuamente excluyentes.

134
 5. Se denomina a la colección de posibles resultados o puntos
muéstrales del espacio muestral que no fueron incluidos en otro evento ya
definido:
a) Evento simple.
b) Evento compuesto.
c) Evento complementario.
d) Eventos mutuamente excluyentes.

6. Cuando dos eventos no tienen puntos muéstrales en común o que

cuando uno ocurre el otro no puede ocurrir de manera simultánea, se les
llama:
a) Evento simple.
b) Evento compuesto.
c) Evento complementario.
d) Eventos mutuamente excluyentes.

7. El enfoque clásico de la probabilidad se basa en que:

a) Todos los eventos son diferentes.
b) Todos los resultados de un experimento son igualmente posibles.
c) Todos los resultados son subjetivos.
d) Todos los eventos son repetibles.

8. Dos eventos son mutuamente excluyentes si:

a) Ocurren al mismo tiempo.
b) No ocurren al mismo tiempo.
b) Ocurre uno y no vuelve a ocurrir.
c) Ninguno de los dos ocurren

9. La regla de la multiplicación se aplica a eventos:

a) Mutuamente excluyentes.

135
 b) Eventos compuestos.
c) Eventos simples.
d) Eventos dependientes e independientes.

10. La definición clásica de probabilidades es el cociente de dividir el

número de casos favorables que pueden ocurrir en un suceso, por el número
de casos posibles: Sí ______ No ______

11. ¿Cuál es la probabilidad de que una bola, extraída al azar de una

urna que contiene 3 bolas rojas, 4 blancas y 5 azules, sea blanca?
a. 3/12
b. 1/3
c. 5/16
d. Ninguna

12. Una señora invita a cenar a 8 personas; después de sentarse ella,

¿de cuántas maneras se pueden sentar sus invitados?

13. ¿De cuántas maneras se pueden sacar dos manzanas de una caja
que contiene 8 manzanas?

136
 Propuestos

1. El gerente de personal de una empresa agroforestal encontró que el

30% de los empleados que salieron de la compañía en los dos últimos años
lo hicieron principalmente por no estar satisfechos con su salario, el 20%
salió por no estar satisfecho con las actividades en su trabajo y el 12% de
todos los anteriores manifestaron no estar satisfechos con su salario ni con
su trabajo.
¿Cuál es la probabilidad de que un empleado que haya salido en los
dos últimos años lo haya hecho por no estar satisfecho con su sueldo, su
trabajo o con ambas cosas?

2.- En una población de bovinos se presenta una epidemia. El 10 % de

los machos y el 18 % de las hembras están enfermos. Se sabe además que
hay doble número de hembras que de machos y se pide:
a) Elegido al azar un individuo de esa población ¿Cuál es la
probabilidad de que esté enfermo?
b) Un individuo de esa población se sabe que está enfermo ¿Qué
probabilidad hay de que el citado individuo sea macho?

3.- Un ratón huye de un gato. Puede escapar por los callejones A, B y

C. La probabilidad de que el ratón huya por el callejón A es 0,3 que lo haga
por el B 0,5 y por el C 0,2.
Si huye por A la probabilidad de ser alcanzado por el gato es 0,4.
Si lo hace por B hay una probabilidad de ser cazado de 0,6
Finalmente, si huye por el callejón C la probabilidad es 0,1.
Calcula la probabilidad de que el gato alcance al ratón.
Supongamos que el ratón ha sido cazado por el gato. Calcula la
probabilidad de que haya huido por el callejón B.
(Solución: 0,44; 0,68)

137
 4. Una envasadora de yogur comete dos tipos de fallas independientes:
llena el 5% de los envases en forma insuficiente y tapa mal el 2% de los
envases. Si se toma un envase al azar ¿cuál es la probabilidad de que tenga
alguna falla?

5.- En una población rural se sabe que el 30% escucha los informativos
por la Radio; el 60% por la Televisión; y el 20% los escucha por los dos
medios de comunicación. Si se elige una persona al azar, determina la
probabilidad de que:
a) escuche alguno de los medios de comunicación.
b) escuche la Radio sabiendo que no ve la Televisión.
c) escuche sólo uno de los dos medios.

6. El siguiente circuito trabaja si y solo si, existe una trayectoria de

dispositivos en funcionamiento de izquierda a derecha. Suponga que los
dispositivos fallan de manera independiente. ¿Cuál es la probabilidad de que
el circuito funcione?

7. De 300 estudiantes de ingeniería, 100 están inscritos en física y 80

en estadística. Estas cifras de inscripción incluyen 30 estudiantes que, de
hecho, están inscritos en ambos cursos. ¿Cuál es la probabilidad de que un
estudiante elegido al azar esté inscrito únicamente en física (F) o únicamente
en estadística (E)?

138
 8. En la tabla de contingencias que representa la clasificación de 150
haciendas muestreadas de acuerdo con cuatro grupos asentamiento
agrícolas, y respecto a si su rendimiento sobre la inversión está por encima o
por debajo del rendimiento promedio en la muestra de las 150 empresas.
Prepare una tabla de probabilidad conjunta con base en esos datos
muéstrales.
Tabla de contingencia para el rendimiento sobre el capital, según el
grupo agrícolas.

Rendimiento sobre capital

Categoría
Superior al Inferior al
agrícola Total
promedio (S) promedio (D)
I 20 40 60
II 10 10 20
II 20 10 30
IV 25 15 40
Total 75 75 150

• Con referencia a la tabla de probabilidad conjunta que se preparó en

el problema, diga cuáles son las siguientes probabilidades: (a) P (l), (b) P (II),
(c) P (lll), (d) P (IV). Resp. (a) 0.40, (b) 0.13, (c) 0.20, (d) 0.27
• Determine las siguientes probabilidades : (a) P(l  S), (b) P(ll  I),
(c) P(S), (d) P(I  II), (e) P(l  II), (f) P(S  I). (g) P(S/I). (h). P (III / S).
Resp. (a) 0.13, (b) 0.57, (c) 0.50, (d) 0.53, (c) 0, (f) 1.0, (g) 0.33, (h) 0.27

9. Un grupo asignado a un proyecto está formado por dos ingenieros y

tres técnicos y debe ser conformado a partir de una planta departamental que
incluye a cinco ingenieros y nueve técnicos. ¿Cuántos grupos de proyectos
distintos pueden formarse a partir de las 14 personas disponibles? Res: 840.

139
 10. Suponga que ocho obreros van a ser asignados a ocho puestos de
capacitación fabril. ¿De cuántas formas pueden asignarse los ocho puestos a
los ocho obreros? Resp. 40320

11. En una muestra de 2000 paca de Eno pesada en una importante

distribuidora agrícola se obtuvo los resultados que se aprecian a
continuación:

Peso de la paca de Eno Evento Cantidad de paca

Inferior a los establecido A 420
Igual al establecido B 1350
Superior al establecido C 230
Total 2000

Calcule la probabilidad que al seleccionar al azar uno de estos

equipajes su peso:
a.- Sea inferior a lo establecido.
b.- Sea igual a lo establecido.
c.- Sea superior a lo establecido.
d.- Sea inferior o igual a lo establecido.
e.- Sea inferior o superior a lo establecido.
f.- Sea igual o superior a lo establecido.

12. Un encuestador entrevistará a dos distintas personas para conocer

su opinión sobre la calidad de una marca de jamón que les mostrará
mediante una probada. Las posibles respuestas que puede realizar cada uno
de los encuestados son: bueno, regular, malo. Si se define el evento A “que
al menos una persona piense que la calidad es buena”, un evento B “al
menos una persona piense que la calidad es mala”.
a) Encuentra la unión de los eventos A y B.

140
 b) Encuentra la intersección de los eventos A y B.
c) Encuentra la probabilidad de la unión de los eventos A  B.
d) Encuentra la probabilidad de la intersección de los eventos A  B.
e) Señala si los eventos A y B son mutuamente excluyentes.
f) Señala la probabilidad del complemento de la intersección de A  B.
g) Señala la probabilidad del complemento de la unión A  B.
h) ¿Qué tipo de eventos son A y B, simples o compuestos?

Resp. El espacio muestral queda conformado por los siguientes puntos

muéstrales:
R1: (B, B) R4: (B, R) R7: (R, B)
R2: (R, R) R5: (B, M) R8: (M, B)
R3: (M, M) R6: (R, M) R9: (M, R)
El evento A “que al menos una persona piense que la calidad es buena”
se encuentra compuesto por los puntos muéstrales R1, R4, R5, R7 y R8. El
evento B “al menos una persona piense que la calidad es mala” se encuentra
compuesto por los puntos muéstrales R3, R5, R6, R8 y R9
a) A  B = {R1, R3, R4, R5, R6, R7, R8, R9}
b) A  B = {R5, R8}
c) P(A  B) = 8 / 9Probabilidad de la unión de A y B.
d) P(A  B) = 2 / 9Probabilidad de la intersección de A y B.
e) No son mutuamente excluyentes, pues la probabilidad de su
intersección es diferente a cero.
f) Si la probabilidad de la intersección A  B es 2/ 9, entonces la
probabilidad del complemento de esta intersección es 1 – 2/ 9 = 7/ 9.
g) Si la probabilidad de la unión A  B es 8/ 9, entonces la probabilidad
del complemento de esta unión es 1 – 8/ 9 = 1/ 9.
h) Tanto los eventos A y B son eventos compuestos, pues A tiene 8 puntos
muéstrales mientras que B tiene 2 puntos muéstrales.

141