ESTADÍSTICA PARA PLANIFICACIÓN 177 José Montaño Romero

CAPÍTULO 6
FUNDAMENTOS DE LA TEORIA DE LA PROBABILIDAD

6.1. Teoría combinatoria

Se estudia la forma de ordenar los elementos de un conjunto o la manera de agrupar sus elementos, según
leyes diversas, proponiéndose en cada caso establecer fórmulas que permitan calcular el número de
ordenaciones o el de grupos que puedan formarse.

6.1.1. Principio de multiplicación

Si la operación A puede efectuarse de m maneras y la operación B de n maneras, entonces las dos

operaciones pueden realizarse en conjunto de m.n maneras.
P  mn
Ejemplo 1: Un joven tiene 3 trajes y 5 corbatas. ¿De cuántas maneras puede usar un traje y una corbata?

Solución:
Con cada traje puede usar cada una de las 5 corbatas. Resultan, pues, 3  5  15 maneras diferentes de
combinar un traje y una corbata.

Ejemplo 2: ¿De cuántas formas se puede verter una persona que tiene 3 pantalones y 3 camisas?

Solución:
Para vestirse, la persona se pone pantalón y luego la camisa, es decir, 3  3  9 opciones diferentes de
vestirse.

6.1.2. Permutaciones

Se llama permutación a cada forma de disponer una cantidad dad de letras o números en forma sucesiva.
En general, la cantidad de permutaciones de n elementos es n ! , es decir, la fórmula para determinar el
número de permutaciones que se pueden formar con n elementos, es:

Pn  n !

Ejemplo 3: Formar todas las permutaciones que pueden hacerse con las tres letras: A, B y C.

Solución:
Aplicando la fórmula: P3  3!  6 permutaciones
ABC BAC CAB
ACB BCA CBA

Ejemplo 4: Formar todas las permutaciones que pueden hacerse con las cuatro cifras 1, 2, 3, 4.

Solución:
Aplicando la fórmula: P4  4!  24 permutaciones
Seguidamente, se forma las 24 permutaciones con las cuatro cifras indicadas, de la manera siguiente:
ESTADÍSTICA PARA PLANIFICACIÓN 178 José Montaño Romero

1234 2134 3124 4123

1243 2143 3142 4132
1324 2314 3214 4213
1342 2341 3241 4231
1423 2413 3412 4312
1432 2431 3421 4321

Ejemplo 5: ¿De cuántas maneras se pueden sentar en un banco Alicia, Berta, Carla y Daniela, si Alicia
ocupa siempre el mismo asiento?

Solución:
Puesto que Alicia ocupa siempre el mismo asiento, quedan sólo 3 lugares para ser ocupados por las otras 3
jóvenes, las cuales pueden realizar entre sí P3  3!  6 permutaciones

Alicia Berta Carla Daniela Alicia Carla Berta Daniela Alicia Daniela Carla Berta
Alicia Berta Daniela Carla Alicia Carla Daniela Berta Alicia Daniela Berta Carla

6.1.3. Combinaciones

Una combinación es el conjunto o colección de elementos no ordenados, es decir, las combinaciones se

consideran distintas, pues no contienen los mismos elementos.
En general, se llama combinación de m elementos diferentes tomados de n en n (o combinación de orden
n) a todo conjunto de n elementos elegidos entre los m elementos dados, de tal modo que dos conjuntos se
diferencien al menos en un elemento.

m!
La fórmula es: Cm , n 
n !(m  n)!
Ejemplo 6: Encontrar el número de combinaciones de 5 letras A, B, C, D y E, tomados de tres a tres.

Solución:
5! 5!
Aplicando la fórmula es: C5,3  
3!(5  3)! 3!2!
5  4  3! 20
C5,3    10 Combinaciones
3!2  1 2
Las cuales se ilustra a continuación:

ABC BCD
ABD BCE
ABE BDE
ACD CDE
ACE
ADE
ESTADÍSTICA PARA PLANIFICACIÓN 179 José Montaño Romero

Ejemplo 7: Hallar el número de combinaciones de 6 objetos tomados de cuatro a cuatro.

Solución:
6! 6!
Aplicando la fórmula es: C6, 3  
3!(6  3)! 3!3!
6  5  4  3! 120
C6,3    20
3! 3  2 1 6

El número de combinaciones de 6 objetos tomados de 3 a 3 será de 20.

Ejemplo 8: ¿Cuántos comités de 3 personas se pueden escoger de un grupo de 8 personas?

Solución:
8!
Aplicando la fórmula es: C8, 3   56
3!5!
8  7  6  5!
C8, 3   56
3  2  1 5!
Se formarán 56 comités de 3 personas.

6.2. Teoría básica de probabilidad

La teoría de la probabilidad es la parte de las matemáticas que se encarga del estudio de los fenómenos o
experimentos aleatorios. Por experimento aleatorio se entiende todo aquel experimento que cuando se le
repite bajo las mismas condiciones iniciales, el resultado que se obtiene no siempre es el mismo. El
ejemplo mas sencillo y cotidiano de un experimento aleatorio es el de lanzar una moneda o un dado, y
aunque estos experimentos pueden parecer muy sencillos, algunas personas los utilizan para tomar
decisiones en sus vidas.
En principio no sabemos cual será el resultado del experimento aleatorio, así que por lo menos conviene
agrupar en un conjunto a todos los resultados posibles.

6.2.1. Experimento aleatorio

Es el proceso que permite obtener una o varias observaciones. Se emplea en Estadística en un sentido más
amplio que en otras ciencias. El lanzamiento de una moneda, por ejemplo, se considera un experimento
estadístico.
El experimento aleatorio tiene dos propiedades en común. Una de estas es que cada experimento tiene
varios resultados posibles que pueden especificarse de antemano.

Experimento Resultados posibles

1. Lanzamiento de una moneda Cara, sello
2. Lanzamiento de un dado 1, 2, 3, 4, 5, 6
3. Selección de un fusible Defectuoso, no defectuoso
4. Envió de un vehículo a Marte Éxito, fracaso

La segunda propiedad es que estamos inciertos acerca del resultado de cada experimento. Al lanzar una
moneda, por ejemplo, no sabemos si el resultado será cara o sello. Si lanzamos un dado, no sabemos que
número saldrá, al seleccionar un fusible no se sabe si será defectuoso, o no defectuoso, al enviar un
vehículo a Marte, no se sabe si tendrá éxito o fracaso.
ESTADÍSTICA PARA PLANIFICACIÓN 180 José Montaño Romero

6.2.2. Espacio maestral

El espacio muestral (o espacio muestral) de un experimento aleatorio es el conjunto de todos los posibles
resultados del experimento, y se le denota generalmente por la letra griega  (omega).
En algunos textos se usa también la letra S para denotar al espacio muestral. Esta letra proviene del
termino sampling space de la lengua inglesa equivalente a espacio muestral.

  S  w / w es un punto muestral

6.2.3. Eventos o sucesos

Un evento es cualquier subconjunto del espacio muestral, también se llama punto muestral y denotaremos
a los eventos por las primeras letras del alfabeto en mayúsculas: A,B,C, etc.

Diagrama de Venn-Euler: Se emplea figuras cerradas para representar un experimento aleatorio.

Cuadro o matriz de doble entrada: Se emplea cuando se desea conocer la cantidad y los elementos de
un suceso compuesto de dos sucesos simples.

Diagrama de árbol: Se emplea cuando se tiene un experimento aleatorio con sucesos compuestos de dos
más sucesos simples.

Ejemplo 9: Se lanza un dado no cargado.

a) Indicar los elementos del espacio muestral  .
b) Indicar los elementos de  contenidos en el evento de que el número obtenido es par.
c) Indicar los elementos de  contenidos en el evento de que el número obtenido no es par.

Solución:
De acuerdo al problema, se representa en un Diagrama de Venn-Euler los resultados y posteriormente se
describe cada uno de ellos:

a) El espacio muestral es:   1, 2,3, 4,5, 6

b) El evento del número par es: A  2, 4, 6
c) El evento del número no par es: B  1,3,5

Si lanzamos una moneda, el espacio muestral será   C , S  y cada uno de sus elementos C (cara) y S
(sello) es un punto muestral.
ESTADÍSTICA PARA PLANIFICACIÓN 181 José Montaño Romero

Ejemplo 10: Se lanza dos monedas simultáneamente.

a) Señalar los elementos del espacio muestral  .
b) Indicar los elementos de  contenidos en el suceso de que salga exactamente una cara.
c) Denotar los elementos de  contenidos en el suceso de que salga exactamente al menos una cara.

Solución:
Formamos una tabla de doble entrada para el experimento del lanzamiento de dos monedas, en la que las
monedas tendrán dos resultados: C (cara) y S (sello).

Moneda 2
C S
Moneda 1
C CC CS
S SC SS

a) El espacio muestral es:   CC , CS , SC , SS 

b) El suceso es: A   CS , SC
c) El suceso es: B  CC , CS , SC

Ejemplo 11: Se lanzan simultáneamente dos pares de dados.

a) Señalar los elementos del espacio muestral  .
b) Indicar los elementos de  contenidos en el suceso de que la suma de los puntajes sea 7.
c) Indicar los elementos de  contenidos en el suceso de que la suma de los puntajes sea 11.
d) Indicar los elementos de  contenidos en el suceso de que la suma sea 7 u 11.
e) Indicar los elementos de  contenidos en el suceso de que la suma sea 8.
f) Indicar los elementos de  contenidos en el suceso de que la suma sea 9.

Solución:
Formamos una tabla de doble entrada para el experimento del lanzamiento de dos dados.

Dado 2
1 2 3 4 5 6
Dado 1
1 (1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
2 (2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
3 (3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
4 (4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
5 (5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
6 (6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)


a) El espacio muestral es: = 1, 1 , 1, 2  , (1,3), (1, 4), (1,5), (1, 6),),
 2, 1 ,  2, 2  , (2,3), (2, 4), (2,5), (2, 6),
 3, 1 ,  3, 2  , (3, 3), (3, 4), (3,5), (3, 6),
 4, 1 ,  4, 2  , (4,3), (4, 4), (4,5), (4, 6),
 5, 1 ,  5, 2  , (5,3), (5, 4), (5, 5), (5, 6),
 6, 1 ,  6, 2  , (6, 3),(6, 4), (6, 5), (6, 6)
ESTADÍSTICA PARA PLANIFICACIÓN 182 José Montaño Romero

b) El suceso es: A   (1, 6), (2,5), (3, 4), (4,3), (5, 2), (6,1)
c) El suceso es: B   (5, 6), (6, 5)
d) El suceso es: C   (1, 6), (2,5), (3, 4),(4,3), (5, 2), (6,1), (5, 6), (6, 5)
e) El suceso es: D   (2, 6), (3,5), (4, 4), (5, 3),(6, 2)
f) El suceso es: E   (3, 6),(4,5), (5, 4), (6,3)

Ejemplo 12: Se lanzan tres monedas simultáneamente.

a) Señalar los elementos del espacio muestral  .
b) Indicar los elementos de  contenidos en el suceso de que el número de caras es exactamente dos.
c) Indicar los elementos de  contenidos en el suceso de que el número de sello es exactamente dos.
d) Indicar los elementos de  contenidos en el suceso de que el número de caras es exactamente uno.
e) Indicar los elementos de  contenidos en el suceso de que el número de sellos al menos es uno.

Solución:
Construimos un diagrama de árbol para el experimento del lanzamiento de las tres monedas:

Primera Segunda Tercera Resultados

Moneda Moneda Moneda posibles

C CCC
C
S CCS
C
C CSC
S
S CSS

C SCC
C
S SCS
S
C SSC
S
S SSS

Se observa cada uno de los resultados posibles del lanzamiento de la primera moneda se representa
mediante una rama, cada rama se designa por C y S. Por esto, cada una de estas ramas brotan dos ramas
que representan los resultados posibles para la segunda moneda. De este modo asociamos cuatro ramas
con la segunda moneda. Análogamente, de cada rama de la segunda moneda brotan dos ramas que
representan los resultados posibles para la tercera moneda. Los ocho resultados posibles del experimento
quedan entonces representados por los ocho caminos posibles del diagrama de árbol.
A) El espacio muestral es: = CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS 
b) El suceso es: A= CCS , CSC , SCC
c) El suceso es: B = CSS , SCS , SSC
ESTADÍSTICA PARA PLANIFICACIÓN 183 José Montaño Romero

d) El suceso es: C = CSS , SCS , SSC

e) El suceso es: D = CCS , CSC , CSS , SCC , SCS , SSC , SSS 

Ejemplo 13: Se lanzan cuatro monedas simultáneamente.

a) Señalar los elementos del espacio muestral  .
b) Indicar los elementos de  contenidos en el suceso de que el número de caras es exactamente tres.
c) Indicar los elementos de  contenidos en el suceso de que el número de sello es exactamente dos.

Solución:
Representamos en un diagrama de árbol el experimento.

Primera Segunda Tercera Cuarta Resultados

Moneda Moneda Moneda Moneda posibles
C CCCC
C
S CCCS
C
C CCSC
S
S CCSS
C
C CSCC
C
S CSCS
S
C CSSC
S
S CSSS

C SCCC
C
S SCCS
C
C SCSC
S
S SCSS
S
C SSCC
C
S SSCS
S
C SSSC
S
S SSSS

a) El espacio muestral es:

  CCCC , CCCS , CCSC , CCSS , CSCC , CSCS , CSSC , CSSS , SCCC , SCCS , SCSC , SCSS , SSCC , SSCS , SSSC , SSSS 
ESTADÍSTICA PARA PLANIFICACIÓN 184 José Montaño Romero

b) El suceso es: A   CCCS , CCSC , CSCC , SCCC

c) El suceso es: B  CCSS , CSCS , CSSC , SCCS , SCSC , SSCC

Ejemplo 14: Se elige una carta de una baraja de 52 cartas. ¿Cuál es la probabilidad de que sea:
a) Un diamante?
b) Un 5?
c) Un as de espadas?
d) Una vieja?

Solución:
Representamos las 52 piezas de cartas1.

♥ Corazones Asc 2c 3c 4c 5c 6c 7c 8c 9c 10c Jc Qc Kc

♦ Diamantes AsD 2D 3D 4D 5D 6D 7D 8D 9D 10D JD QD KD
♠ Espadas AsE 2E 3E 4E 5E 6E 7E 8E 9E 10E JE QE KE
♣ Tréboles AsT 2T 3T 4T 5T 6T 7T 8T 9T 10T JT QT KT

a) E1 = As D , 2D ,3D , 4D ,5D , 6D , 7D ,8D , 9D ,10D , J D , QD , K D 

b) E 2 = 5C , 5D ,5E ,5T 
c) E 3 = As E 
d) E 4 = J C , J D , J E , J T , QC , QD , QE , QT , K C , K D , K E , K T 

6.3. Probabilidad

La probabilidad es la medida de la incertidumbre y se define: La probabilidad de un evento cualquiera es

el número de casos favorables al evento, es decir, dado un experimento aleatorio con un espacio de n
sucesos elementales  , la probabilidad del suceso A, que designamos mediante P ( A) , es la razón entre
la cantidad de casos favorables para la ocurrencia de A y la de casos posibles. Se calcula mediante la
fórmula:
n( A)
P ( A) 
n( )

Donde n( A) es la cantidad de casos favorables de A.

Para asignar probabilidades a los diversos puntos muéstrales, los estadísticos han convenido en tres reglas:

1) P ()  1 , el espacio muestral  contiene a todos los puntos muestrales

2) P ( )  0 , conjunto vacío, suceso que no contiene ningún punto muestral.
3) P ( A ')  1  P ( A) , probabilidad de que el suceso A no ocurra, es igual a 1 menos la probabilidad de
que A ocurra.

Una probabilidad cercana a 0, corresponde a un resultado cuya ocurrencia es poco verosímil; en cambio,
una probabilidad cercana a 1 corresponde a un resultado altamente creíble.

1En el presente material no se considera las 54 piezas de cartas que otros juegos contienen como son
dos Joker, sino 52 piezas considerando que el mazo trae 52 cartas.
ESTADÍSTICA PARA PLANIFICACIÓN 185 José Montaño Romero

En varios juegos de azar los diversos resultados o puntos muéstrales son de ocurrencia igualmente
creíbles, en consecuencia, se asigna igual probabilidad a cada uno. Al lanzar una moneda, por ejemplo,
asignamos una probabilidad de 1/2 a cada uno de los puntos en el espacio muestral   C , S  .
Análogamente, si se lanza un dado no cargado, asignaremos una probabilidad de 1/6 a cada uno de los
puntos en el espacio muestral   1, 2,3, 4,5, 6 .

Sea A un subconjunto de un espacio muestral de cardinalidad finita. Se define la probabilidad clásica del
evento A como el cociente:
n( A)
P ( A) 
n( )

Por lo tanto, esta definición de probabilidad presupone que todos los elementos de  son igualmente
probables o tienen el mismo peso. Este es el caso por ejemplo de un dado equilibrado.

Ejemplo 15: ¿Cuál es la probabilidad de obtener un número par si se lanza un dado no cargado?

Solución:
El espacio muestral es:   1, 2,3, 4,5, 6
El evento de un número par es: A  2, 4, 6
n 2, 4, 6
Probabilidad de obtener un número par es: P ( A) 
n 1, 2,3, 4,5, 6
3 1
P ( A)  
6 2
La probabilidad de obtener un número par lanzando un dado es del 50%.

6.3.1. Probabilidad de un suceso

La probabilidad de un suceso A, denominada por P(A), es la suma de las probabilidades de todos los
puntos muéstrales de A.

Ejemplo 16: ¿Cuál es la probabilidad de obtener exactamente dos caras al lanzar tres monedas?

Solución:
El espacio muestral es:
= CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS 

Posteriormente determinamos el subconjunto de “obtener exactamente dos caras”.

A= CCS , CSC , SCC
La probabilidad de A es:
1 1 1
P ( A)   
8 8 8
3
P ( A) 
8
ESTADÍSTICA PARA PLANIFICACIÓN 186 José Montaño Romero

Ejemplo 17: ¿Cuál es la probabilidad de obtener un 7 al lanzar dos dados no cargados?

Solución:
El espacio muestral consiste de 36 puntos, siendo la probabilidad de cada uno de 1/36.
A   (1, 6), (2,5), (3, 4), (4,3), (5, 2), (6,1), (5, 6), (6, 5)
La probabilidad de A es:
1 1 1 1 1 1 6
P ( A)       
36 36 36 36 36 36 36
1
P ( A) 
6

6.4. Reglas de probabilidad

Las reglas nos permiten determinar la probabilidad de un suceso si se conocen las probabilidades de otros
sucesos relacionados con él. Las más importantes de estas reglas son: Regla de la adición, Regla de la
multiplicación y Regla de Bayes.

6.4.1. Regla de la adición para sucesos compuestos

La regla de la adición expresa que la probabilidad de que ocurran A o B o ambos es igual a la probabilidad
de A más la probabilidad de B menos la probabilidad de que ocurran ambos, es decir:

P ( A  B )  P ( A)  P ( B )  P ( A  B )

Ejemplo 18: Se lanza un dado no cargado. Usted gana $us 10 si el resultado es par o divisible por 3.
¿Cuál es su probabilidad de ganar?

Solución:
Sean los sucesos A = resultado par
B = resultado divisible por 3.

  1, 2,3, 4,5, 6 , A  2, 4, 6 , B  3, 6 , A  B  6

Luego, de acuerdo con la regla de la adición, la probabilidad del suceso A  B , es decir, la probabilidad
de ganar el juego es:

P ( A  B )  P ( A)  P ( B )  P ( A  B )
3 2 1
P( A  B)   
6 6 6
4
P( A  B) 
6
2
P( A  B) 
3
Ejemplo 19: Un cliente entra en un supermercado. La probabilidad de que compre:
a) pan es 0,60,
b) leche es 0,50
c) pan y leche es 0,30.
¿Cuál es la probabilidad de que compre pan, o leche, o ambos?
ESTADÍSTICA PARA PLANIFICACIÓN 187 José Montaño Romero

Solución:
Sean los sucesos: P = el cliente compra pan,
L = el cliente compra leche

Según la regla de adición tenemos:

P( P  L)  P( P)  P( L)  P( P  L)
P ( P  L)  0, 60  0,50  0,30
P ( P  L)  0,80
.
6.4.2. Regla de la adición para sucesos mutuamente excluyentes

A y B son mutuamente excluyentes si A  B  0 ; en consecuencia,

P ( A  B )  P ( )  0
Luego, si A y B son mutuamente excluyentes (en sentido que no pueden ocurrir ambos al mismo tiempo),
entonces la regla de la adición es la suma de ambas:

P ( A  B )  P ( A)  P ( B )

Ejemplo 20: Determinar la probabilidad de obtener un 4 o un 5 al lanzar un dado no cargado.

Solución:
Obtener un 4 y obtener un 5, son sucesos mutuamente excluyentes, puesto que al mismo tiempo no puede
dar un 4 y un 5. Por tanto, por la regla de la adición tenemos:

P (4  5)  P (4)  P (5)
1 1 2
P (4  5)   
6 6 6
1
P (4  5) 
3

La regla de la adición puede generalizarse para más de dos sucesos mutuamente excluyentes. La
probabilidad de que ocurran A o B o C es igual a la suma de sus probabilidades, es decir,

P ( A  B  C )  P ( A)  P ( B )  P (C )

Ejemplo 21: Determinar la probabilidad de obtener un 1 o 3 o un 5 al lanzar un dado no cargado.

Solución:
P (1  3  5)  P (1)  P (3)  P(5)
1 1 1 3
P (1  3  5)    
6 6 6 6
1
P (1  3  5) 
2
ESTADÍSTICA PARA PLANIFICACIÓN 188 José Montaño Romero

6.4.3. Probabilidad condicional

Como la probabilidad está ligada a nuestra ignorancia sobre los resultados de la experiencia, el hecho de
que ocurra un suceso, puede cambiar la probabilidad de los demás. El proceso de realizar la historia de un
caso, explorar y realizar pruebas complementarias ilustra este principio.

La probabilidad de que ocurra A si ha ocurrido el suceso B, “ P ( A \ B ) ”, se denomina probabilidad

condicionada y se define:
P( A  B)
P( A \ B)  , si P ( B )  0
P( B)

La condición que P ( B )  0 , esto es necesario para una buena definición de probabilidad condicional. Es
de notar que, si A y B son sucesos independientes, la P ( A \ B ) es igual a la P ( A) .

De lo anterior se deduce que:

P( A  B)  P( A \ B)  P( B)

Ejemplo 22: Se lanza un dado no cargado. Dado que el resultado es un número par, ¿cuál es la
probabilidad de que sea mayor que 3?

Solución:
Consideremos los conjuntos siguientes:
  1, 2,3, 4,5, 6 (Espacio muestral)
A  4,5, 6 (Conjunto de resultados mayores que 3)
B  2, 4,6 (Conjunto de resultados pares)
A  B  4, 6 (Conjunto de resultados pares mayores que 3)
Como el dado no es cargado, asignamos a cada punto muestral una probabilidad de 1/6; en consecuencia,
3 2
P( B)  , P( A  B) 
6 6
Empleando la definición de probabilidad condicional, determinamos la probabilidad de obtener un número
mayor que 3 dados que es par.

P( A  B)
P( A \ B) 
P( B)
2
P( A \ B)  6
3
6
2
P( A \ B ) 
3
Este resultado queda comprobado por el hecho que de los tres resultados pares 2, 4, 6 , sólo dos son
mayores que 3.
ESTADÍSTICA PARA PLANIFICACIÓN 189 José Montaño Romero

Ejemplo 23: En Cochabamba, Bolivia, la probabilidad de que llueva el día primero de agosto es 0,50 y la
probabilidad de que llueva los dos primeros días de agosto es 0,40. Dado que llovió el día primero, ¿cuál
es la probabilidad de que llueva al día siguiente?

Solución:
Dados: P ( L1 )  0, 50 , P ( L1  L2 )  0, 40
Por la definición de probabilidad condicional.
P ( L1  L2 )
P ( L2 \ L1 ) 
P ( L1 )
0, 40
P ( L2 \ L1 ) 
0,50
P ( L2 \ L1 )  0,80

6.4.4. Regla de la multiplicación

La regla de la multiplicación se relaciona con la determinación de la ocurrencia conjunta de dos o más

eventos. Es decir, la intersección entre los conjuntos de los posibles valores de A y los valores de B, esto
quiere decir, que la probabilidad de que ocurran conjuntamente los eventos A y B es:

1. P ( A  B )  P ( A)  P ( B ) , si A y B son independientes
2. P ( A  B )  P ( A)  P ( B \ A) , si A y B son dependientes
3. P ( A  B )  P ( B )  P ( A \ B ) , si A y B son dependientes

1. La probabilidad de que ocurran A y B es igual a la probabilidad de que ocurra A multiplicada por la

probabilidad de que ocurra B.

2. La probabilidad de que ocurran A y B es igual a la probabilidad de A multiplicada por la probabilidad

de que ocurra B, dado que A ha ocurrido.

2. La probabilidad de que ocurran A y B es igual a la probabilidad de B multiplicada por la probabilidad

de que ocurra A, dado que B ha ocurrido.

Ejemplo 24: En un grupo de 25 personas hay 16 de ellas casadas y 9 solteras. ¿Cuál es la probabilidad de
que si dos de estas personas son seleccionadas aleatoriamente sean ambas casadas?

Solución:
La probabilidad de que sea casada la primera persona es: 16 / 25 . Pero al seleccionar la segunda persona
quedan 24 posibles ya que una ha sido seleccionada. Ahora dado que la primera persona seleccionada es
casada, entonces quedan 15 casadas posibles para la segunda selección. Por lo tanto, la probabilidad de
que la segunda sea casada dado que la primera fue casada es 15 / 24 . Es decir,
16 15
P ( A)  , P ( B \ A) 
25 24
P ( A  B )  P ( A)  P ( B \ A)
16  15  2
P( A  B)    
25  24  5
ESTADÍSTICA PARA PLANIFICACIÓN 190 José Montaño Romero

6.5. Regla de Bayes

Sea B1 , B2 ,..., Bn una participación de  tal que P ( Bi )  0 , y sea A un evento tal que P ( A)  0 .
Entonces para cada j  1, 2,..., n

P( A \ B j ) P( B j )
P ( B j \ A)  n

 P( A \ B ) P( B )
i 1
i i

Ejemplo 25: En una fábrica hay dos máquinas, que denotaremos por A y B. La máquina A realiza el 60%
de la producción total y la máquina B el 40%. De su producción, la máquina A produce 3% de material
defectuoso, la B el 5%. Se ha encontrado un material defectuoso, ¿cuál es la probabilidad de que este
material defectuoso provenga de la máquina B?

Solución:
Sean los eventos
A = La máquina A produjo el material escogido
B = La máquina B produjo el material escogido
D = El material escogido es defectuoso

P( B \ D)  ?

60 40 3 5
P ( A)  , P( B )  , P ( D \ A)  , P( D \ B) 
100 100 100 100

P( D \ B) P( B)
P( B \ D) 
P ( D \ A) P ( A)  P ( D \ B ) P ( B )
5 40

P( B \ D)  100 100
3 60 5 40
  
100 100 100 100
10
P ( B \ D) 
19

Ejemplo 26: En un laboratorio se descubrió una prueba para detectar cierta enfermedad, y sobre la
eficacia de dicha prueba se conoce lo siguiente: Si se denota por E el evento de que un paciente tenga la
enfermedad y por N el evento de que la prueba resulte negativa, entonces se sabe que P ( N c \ E )  0, 95 ,
P ( N \ E c )  0, 96 y P ( E )  0, 01 . Con esta información calcular las probabilidades P ( E \ N ) y
P( E \ N c )

Solución:
Tenemos los datos siguientes:
P ( N \ E )  0, 05 , P ( E )  0, 01 , P ( N \ E c )  0,96 y P ( E c )  0, 99
ESTADÍSTICA PARA PLANIFICACIÓN 191 José Montaño Romero

P( N \ E ) P( E )
P( E \ N ) 
P( N \ E ) P( E )  P( N \ E c ) P( E c )
0, 05(0, 01)
P( E \ N ) 
0, 05(0, 01)  0, 96(0, 99)
P ( E \ N )  0, 000526

Es bueno que esta probabilidad sea pequeña, por otro lado,

P ( N c \ E )  0, 95 , P ( E )  0, 01 , P ( N c \ E c )  0, 04 y P ( E c )  0, 99

P( N c \ E ) P( E )
P( E \ N c ) 
P( N c \ E ) P( E )  P( N c \ E c ) P( E c )
0, 95(0, 01)
P( E \ N c ) 
0,95(0, 01)  0, 04(0, 99)
P ( E \ N )  0,193
c

Esta última probabilidad es demasiado pequeña y por lo tanto la prueba no es muy confiable en tales
casos.

6.6. Funciones de una variable aleatoria

6.6.1. Variable Aleatoria

Es una variable cuyos valores numéricos quedan determinados por los resultados de un experimento. Por
ejemplo, la variable X que representa el número de caras obtenidas al lanzar tres monedas es una variable
aleatoria. Debe indicarse entre la variable aleatoria y los valores numéricos que ella puede tomar, para el
cual designaremos la variable aleatoria por la letra mayúscula X y un valor que ella tome por la letra
minúscula x.

Ejemplo 27: Se lanzan tres monedas y se obtienen el número caras. Represente en una tabla la
probabilidad de obtener el número de caras.

Solución:
Experimento: Lanzar tres monedas
Variable aleatoria: Número de caras que resulten

Espacio muestral; = CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS 
X: Número de caras obtenidas en el lanzamiento: X  0,1, 2,3
La variable aleatoria toma diferentes valores dependiendo del resultado del experimento aleatorio; según
el tipo de valor que toma las variables pueden ser: discretas, reales y continuas.
Las variables discretas son aquellas cuyo s valores son números enteros.
Las variables reales son las que toman valores decimales.
Las variables continuas son las que toman valores en un intervalo.

6.6.2. Distribución de probabilidades

La distribución de las probabilidades se representa en una tabla.

ESTADÍSTICA PARA PLANIFICACIÓN 192 José Montaño Romero

Ejemplo 28: Del ejemplo anterior represente la distribución para el valor de la variable:

Xi ni P( X  X i ) P( X  X i )
0 1 0,125 0,125
1 3 0,375 0,500
2 3 0,375 0,875
3 1 0,125 1,000
1,000

6.6.3. Valor esperado o esperanza matemática

Es el valor promedio probabilístico asociado con el valor de una variable y se obtiene multiplicando cada
valor posible de la variable aleatoria X por su probabilidad de ocurrencia. La esperanza matemática de X,
designada por E ( X ) , es la suma de estos productos.

i 1 i 1
E ( X )   P ( X i )  X i , con  P( X )  1
i
m m

Ejemplo 29: Una caja contiene 3 bolitas negras y 7 blancas. Se saca una bolita de la caja; si ésta es negra
usted gana $us 2, pero si es blanca usted pierde $us 1. ¿Cuál es la esperanza matemática de este juego?

Solución:
Ilustramos la caja:

X  Ganancia o pérdida
P ( x)  Probabilidad

Xi P ( xi ) X i P ( xi )
+2 3/10 6/10
-1 7/10 -7/10
-1/10

E ( X )  1 /10  0,1
La esperanza matemáticas de este juego es una pérdida de 0,10

Ejemplo 30: Se lanza 3 monedas simultáneamente, ¿cuál es la esperanza matemática de obtener 1 cara o
más?

Solución:
Designamos: C = Cara, S = Sello.
Obtenemos el espacio muestral y reflejamos en el siguiente cuadro:
ESTADÍSTICA PARA PLANIFICACIÓN 193 José Montaño Romero

Resultado Número de caras Probabilidad

SSS 0 1/8
CSS 1 1/8
SCS 1 1/8
SSC 1 1/8
SCC 2 1/8
CSC 2 1/8
CCS 2 1/8
CCC 3 1/8

Este mismo cuadro representamos de manera resumida en otro cuadro que permita obtener la esperanza
matemática o el valor esperado, mediante la multiplicación del número de caras ( x ) por la probabilidad
de ocurrencia de cada uno de los eventos obtenidos.

Xi P ( xi ) X i P ( xi )
0 1/8 0
1 3/8 3/8
2 3/8 6/8
3 1/8 1/8
12/8

E ( X )  12 / 8  1,5
La esperanza matemática es 1,5 caras.

6.6.4. Media o esperanza matemática para una variable aleatoria

Para determinar la media, se debe multiplicar cada valor de x por su respectiva probabilidad. La media de
la distribución, designada por letra griega  , es la suma de estos productos. En símbolos se tiene,

   X i P( xi )

6.6.5. La varianza de una variable aleatoria

La varianza de una variable aleatoria, se define como:

V ( X )   ( X i   ) 2 P( xi )

6.6.6. La desviación estándar de una variable aleatoria

La desviación estándar de una distribución, se define como:

  V (X )

Ejemplo 31: Se lanza tres monedas simultáneamente, ¿cuál es la media de obtener 1 cara o más, la media
o esperanza matemática, la varianza y la desviación estándar?
ESTADÍSTICA PARA PLANIFICACIÓN 194 José Montaño Romero

Solución:
Procedemos a calcular el cuadro siguiente, para determinar la media y la desviación estándar, según las
fórmulas siguientes:

   X i P( xi ) , V ( X )   ( X i   ) 2 P( xi ) ,   V (X )

Xi P ( xi ) X i P ( xi ) Xi   ( X i   )2 ( X i   ) 2 P ( xi )
0 1/8 0 -12/8 144/64 144/512
1 3/8 3/8 -4/8 16/64 48/512
2 3/8 6/8 4/8 16/64 48/512
3 1/8 1/8 12/8 144/64 144/512
12/8 384/512

Media o esperanza matemática:   12 / 8  1, 5

  1,5

Varianza: V ( X )  384 / 512

V ( X )  0, 75

Desviación estándar:   384 / 512

  0,8660

Ejemplo 32: Una variable aleatoria discreta tiene la siguiente función de probabilidad:

X -2 -1 0 1 2 3
P( x) 0,08 0,21 0,1 0,23 0,04

a) Calcular el dato que falta de la función de probabilidad.

b) Hallar la función de distribución de dicha variable.
c) Hallar la media, la varianza y la desviación típica.

Solución:
a) Si P es una función de probabilidad la suma de todas ha de ser 1. Por tanto, el dato que falta es:
1  0, 66  0,34

b) La función de distribución de la variable aleatoria discreta X se define como:

n
F ( xi )  P  X  xi    P X  x 
i 1
i

c) Procedemos a calcular el cuadro siguiente, para determinar la media, la varianza y la desviación típica,
según las fórmulas siguientes:

   X i P ( xi ) , V ( X )   ( X i   ) 2 P( xi ) ,   V (X )
ESTADÍSTICA PARA PLANIFICACIÓN 195 José Montaño Romero

Xi P ( xi ) X i P ( xi ) Xi   ( X i   )2 ( X i   ) 2 P ( xi )
-2 0,08 -0,16 -2,55 6,5025 0,5202
-1 0,21 -0,21 -1,55 2,4025 0,5045
0 0,1 0,00 -0,55 0,3025 0,0302
1 0,34 0,34 0,45 0,2025 0,0688
2 0,23 0,46 -0,32 0,1024 0,0236
3 0,04 0,12 2,45 6,0025 0,2401
0,55 2,0066

Media o esperanza matemática:   X i P ( xi )

  0, 55

Varianza: V ( X )   ( X i   ) 2 P( xi )
V ( X )  2, 0066

Desviación estándar:   V (X )
  2, 0066
  1, 4165

Ejemplo 33: Encuentre la media, la varianza y la desviación estándar de la distribución:

X P( x)
1 0,30
3 0,10
5 0,40
7 0,20

Solución:
Procedemos a calcular el cuadro siguiente, para determinar la media, la varianza y la desviación estándar:

Xi P ( xi ) X i P ( xi ) Xi   ( X i   )2 ( X i   ) 2 P ( xi )
1 0,30 0,30 -5,00 25 7,50
3 0,10 0,30 -3,00 9 0,90
5 0,40 2,00 -1,00 1 0,40
7 0,20 1,40 1,00 1 0,20
6,00 9,00

Media o esperanza matemática:   6, 00

Varianza: V ( X )  9, 00

Desviación estándar:   9, 00
  3, 00
ESTADÍSTICA PARA PLANIFICACIÓN 196 José Montaño Romero

PRÁCTICA N° 6

1. ¿De cuántas formas se pueden cruzar un río una vez, si se cuenta con 1 bote y 2 barcos?

2. ¿Cuántos resultados se pueden obtener si se lanza un dado 2 veces?

3. Dos viajeros llegan a una ciudad en la que hay 3 hoteles, ¿De cuántas maneras pueden hospedarse si
cada uno debe estar en un hotel diferente?

4. Tres hermanos quieren tomarse una fotografía y desean saber de cuántas formas diferentes pueden
ordenarse.

5. Cuatro amigos quieren tomarse una fotografía y desean saber de cuántas formas diferentes pueden
ordenarse.

6. Con las letras de la palabra “libro”, ¿cuántas palabras se pueden hacer sin repetir?

7. En una clase de 35 alumnos se quiere elegir un comité formado por tres alumnos. ¿Cuántos comités
diferentes se pueden formar?

8. ¿De cuántas formas pueden mezclarse los siete colores del arco iris tomándolos de tres en tres?

9. A una reunión asisten 10 personas y se intercambian saludos entre todos. ¿Cuántos saludos se han
intercambiado?

10. Una persona desea invitar a 5 de sus amigos entre un grupo de 8 amistades. ¿De cuántas maneras
puede hacerlo en total?

11. Se lanza un dado.

a) Enumerar los elementos del espacio muestral  .
b) Enumerar los elementos de  contenidos en el suceso de que el resultado sea par.
c) Enumerar los elementos de  contenidos en el suceso de que el resultado sea mayor que 4.

12. Un experimento consiste en lanzar dos monedas simultáneamente.

a) Enumerar los elementos del espacio  .
b) Enumerar los elementos de  contenidos en el suceso de que salga exactamente un sello.
c) Enumerar los elementos de  contenidos en el suceso de que salga al menos un sello.

13. Se lanza un par de dados.

a) Enumerar los elementos del espacio  .
b) Enumerar los elementos contenidos en el suceso de que la suma de los puntajes sea 6.
c) Enumerar los elementos contenidos en el suceso de que la suma de los puntajes sea 8.

14. un experimento consiste en lanzar simultáneamente una moneda y un dado. Enumerar los 12
elementos del espacio muestral.

15. Se lanza un dado no cargado. ¿Cuál es la probabilidad de obtener

a) Un número impar?
b) Un número mayor que 3?
ESTADÍSTICA PARA PLANIFICACIÓN 197 José Montaño Romero

16. Se lanza dos monedas, ¿Cuál es la probabilidad de obtener

a) exactamente una cara?
b) por lo menos una cara?

17. Se lanzan dos dados no cargados. ¿Cuál es la probabilidad de obtener

a) 7?
b) 10?
c) suma divisible por 3?

18. la probabilidad de que llueva el 12 de octubre es 0,10; de que truene es 0,05 y de que llueva y truene
es 0,03. ¿Cuál es la probabilidad de que llueva o truene en ese día?

19. En cierta comunidad, la probabilidad de que una familia tenga televisor es 0,80, una máquina lavadora
es 0,50 y de que tengan ambos es 0,45. ¿Cuál es la probabilidad de que una familia tenga televisor o
máquina lavadora o ambas cosas?

20. La variable aleatoria: X : “número de hijos por familia de una ciudad” tiene la siguiente distribución
de probabilidad.

X P( x)
0 0,47
1 0,30
2 0,10
3 0,06
4 0,04
5 0,02
6 0,01

Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
c) Si el ayuntamiento de la ciudad paga 2000 dólares por hijo e Y  2000  X , ¿Cuál es la distribución de
probabilidad?
d) La media, la varianza y desviación típica de Y .

21. Completar la ley de probabilidad, conociendo que la esperanza matemática es 1,8 .

X P ( X  xi )  pi
0 0,20
1 a
2 b
3 0,30

Además, se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.
ESTADÍSTICA PARA PLANIFICACIÓN 198 José Montaño Romero

22. La variable discreta X tiene como distribución de probabilidad:

X P ( X  xi )
1 0,30
2 0,25
3 0,10
4 0,35

Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.

23. Con la variable aleatoria X, cuya función de probabilidad viene dada en la tabla siguiente:

X P( x)
10 0,10
12 0,30
14 0,25
15 0,14
17
20 0,15

Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.

24. Con la variable aleatoria X, cuya función de probabilidad viene dada en la tabla siguiente:

X P( x)
20 0,10
30 0,12
40
50 0,25
60 0,30
70 0,15

Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.

25. En ocasiones algunas líneas aéreas venden más billetes de los disponibles en un vuelo. Una compañía
ha vendido 205 billetes que corresponden a un avión con 200 plazas. Sea X la variable aleatoria
correspondiente al número de pasajeros que se presentan en el aeropuerto para viajar en el avión.

X 198 199 200 201 202 203 204 205

P( x) 0,05 0,09 0,15 0,20 0,23 0,17 0,09 0,02
Se pide:
a) La media o esperanza matemática e interprete.
b) La varianza y desviación típica.