S7 - Contenido - Estap1201 (150922)

SEMANA 7 – ESTADÍSTICA
ESTADÍSTICA
SEMANA 7
Teoría de las probabilidades
Todos los derechos de autor son de la exclusiva propiedad de IACC o de los otorgantes de sus licencias. No está
permitido copiar, reproducir, reeditar, descargar, publicar, emitir, difundir, poner a disposición del público ni
utilizar los contenidos para fines comerciales de ninguna clase.
IACC
1
APRENDIZAJES ESPERADOS
• El estudiante será capaz de resolver
problemas aplicados a la teoría de las
probabilidades.
IACC
2
APRENDIZAJES ESPERADOS ................................................................................................................. 2

INTRODUCCIÓN ................................................................................................................................... 4
1. TEORÍA DE PROBABILIDAD .......................................................................................................... 5
1.1. REGLAS DE CONTEO ............................................................................................................ 5
1.2. PERMUTACIONES ................................................................................................................ 8
1.3. VARIACIONES O ARREGLOS ............................................................................................... 10
1.4. COMBINACIONES .............................................................................................................. 12
2. CONCEPTOS BÁSICOS DE PROBABILIDADES .............................................................................. 14
2.1. PROBABILIDADES............................................................................................................... 16
2.2. PROPIEDADES DE LAS PROBABILIDADES ........................................................................... 19
2.3. PROBABILIDAD CONDICIONAL .......................................................................................... 25
3. PROBABILIDADES CON EXCEL .................................................................................................... 34
COMENTARIO FINAL .......................................................................................................................... 38
REFERENCIAS ..................................................................................................................................... 38
IACC
3
INTRODUCCIÓN
El principal problema de quienes se dedican instrumento esencial en el análisis de
a las estadísticas es respecto al manejo del variabilidad o dispersión de los datos. Por lo
azar y la incertidumbre (lo que para un que los conceptos y la técnica que se revisará
economista sería el riesgo). En este aspecto, en esta semana tendrán una amplia gama de
la teoría de la probabilidad es considerada la aplicaciones.
base de la inferencia estadística y un
IACC
4
1. TEORÍA DE PROBABILIDAD
Al decir de los estadísticos, el problema central está en el manejo del azar y la incertidumbre. En
este sentido, la teoría de la probabilidad es considerada la base de la inferencia estadística y una
herramienta esencial en el análisis de la variabilidad. Por lo tanto, los conceptos y técnicas vistos
en esta semana tendrán una gran variedad de aplicaciones.
1.1. REGLAS DE CONTEO

La manera en cómo se debe contar correctamente es la pregunta que más se repite en un
contexto como el de la combinatoria. Por ejemplo:
- ¿De cuántas formas se pueden acomodar los integrantes de una familia para sacarse una foto?
- ¿Cuántas diagonales tendrá un polígono de n lados?
- Si alguien no recuerda el número de su tarjeta de crédito y solo sabe que había un 8 y el 5 se
repetía dos veces, ¿cuántos intentos se tendrán que realizar como máximo para dar con la
cifra?
La teoría combinatoria proporciona las fórmulas que permiten encontrar respuestas a muchas
situaciones como las descritas. Las problemáticas planteadas como las de los ejemplos, se analizan
atendiendo a:
• Los elementos con que se disponen para formar los grupos.
• Los elementos que debe contener cada grupo.
• La posibilidad de repetir elementos (o no) en los grupos.
• La importancia o indiferencia en cuanto al orden en que aparecen los elementos en las

agrupaciones.
Con un manejo aceptable de las técnicas de recuento, se puede abordar de una forma más
interesante el concepto de probabilidad en el sentido clásico de Laplace o regla de Laplace1.
1
Esta regla se aplica para el caso en que los resultados elementales del experimento aleatorio son
equiprobables, es decir, cuando cada uno de ellos tiene las mismas posibilidades de ocurrir. Ver más en:
http://www.matetam.com/glosario/definicion/regla-laplace-calculo-probabilidades
IACC
5
PRINCIPIO ADITIVO O REGLA DE LA SUMA
Si se desea llevar a cabo una actividad, la cual tiene varias formas o alternativas para ser realizada,
donde la primera de esas alternativas puede ser efectuada de M maneras, la segunda alternativa
puede realizarse de N maneras, etc. y la última de las alternativas puede ser realizada de W
maneras, entonces esa actividad puede ser llevada a cabo de: M + N + … + W maneras. A
continuación, se presenta un ejemplo para ilustrar esta definición:
Ejemplo:
Una persona desea arrendar una película y para esto se dirige a un videoclub, el cual tiene
disponibles 20 películas de terror, 15 de acción y 10 de comedia.
Solución:
Por la regla de la suma la persona puede elegir: 20 + 15 + 10 = 45 películas.
(*) Nota: la persona no quiere ver una película de terror y acción y comedia, sino terror o acción o
comedia.
PRINCIPIO MULTIPLICATIVO O REGLA DE LA MULTIPLICACIÓN
Este principio o regla se aplica cuando un objeto A1 puede ser elegido mediante K1 maneras, luego
para cada una de estas elecciones del objeto A1, otro objeto A2 puede ser elegido por K2 métodos.
Después, cada una de estas elecciones, tanto de A1 como de A2, el tercer objeto A3 puede ser
elegido por K3 procedimientos y así sucesivamente, incluyendo el n- ésimo objeto An, el cual puede
ser elegido mediante Kn métodos.
Entonces, el objeto que figura en la elección de todos los n objetos juntos, es decir, el objeto A1,
A2, A3, … y An, puede ser elegido por:
K1 • K2 • K3  Kn métodos.
Ejemplos:
1) ¿Cuántos números pares de tres cifras se pueden formar, usando las cifras {0, 1, 2, 3, 4, 5 y 6},
si estas pueden repetirse?
Solución:
IACC
6
Al formar un número par de tres números A1, A2 y A3, con las cifras dadas, en A1 puede tomarse
una cifra cualquiera, salvo el 0 (porque se está buscando un número par con tres cifras), es decir 6
posibilidades. En A2 pueden tomarse cualquier cifra, es decir 7 posibilidades; y en A3 cualquiera de
las cifras 0, 2, 4, 6 (y no el 1, el 3 o el 5, pues se necesita un número par), es decir 4 posibilidades.
De este modo, conforme a la regla de multiplicar, existen:
Primera cifra Segunda cifra Tercera cifra
A1 A2 A3
6 7 4 = 6  7  4 = 168
Por lo tanto, con las cifras dadas pueden formarse 168 números pares de tres cifras.
2) Considere el siguiente conjunto de dígitos {2, 3, 5, 6, 7, 9}, ¿cuántos números pares de tres
dígitos sin repetición se pueden formar con los seis dígitos?
Solución:
Al formar un número par de tres cifras A1, A2 y A3 con las cifras dadas, en A3 puede ser el 2 o 6
(para que sea par) o sea 2 posibilidades, en A2 puede tomarse cualquier cifra, salvo la elegida en la
primera cifra, ya que no se puede repetir, es decir 5 posibilidades y en A1 puede tomarse una cifra
cualquiera, salvo utilizada en A2 y A3, es decir 4 posibilidades.
De este modo, conforme a la regla de multiplicar, existen:
Primera cifra Segunda cifra Tercera cifra
A1 A2 A3
4 5 2 = 4  5  2 = 40
Por lo tanto, con las cifras dadas pueden formarse 40 números pares de tres cifras.
IACC
7
1.2. PERMUTACIONES
Una permutación (también conocida como ordenación o variación) es un arreglo de datos o parte
de un número de objetos, en un orden definido. Entonces, sea un conjunto de n elementos, las
ordenaciones que se pueden realizar con estos elementos sin repetir ningún de ellos y
utilizándolos todos se le denomina permutación. El número de permutaciones que se pueden
realizar coincide con el factorial de n y su forma de cálculo es el siguiente:
P = n!= n •(n −1)•(n − 2)•(n − 3)•1

n
Ejemplos:
1) Con las letras de la palabra disco, ¿cuántas palabras distintas se pueden formar?
Solución:
En este caso se tienen que formar palabras de 5 letras con 5 elementos D, I, S, C y O (que no están
repetidos). Por lo tanto:
P = 5!= 5 4  3 2 1 = 120
5
Luego, se pueden formar 120 palabras.
2) ¿De cuántas maneras distintas se pueden sentar a 6 personas en una fila de butacas?
Solución:
En este caso el orden importa, ya que no se puede sentar a la misma persona más de una vez (al
mismo tiempo). Entonces, se tienen 6 puestos para sentarse y 6 personas (elementos), que no
están repetidas.
Por lo tanto, se pueden sentar:
P = 6!= 6  5 4  3 2 1 = 720
6
Luego, hay 720 maneras de sentar a 6 personas.
IACC
8
Observaciones:
i. Las permutaciones cíclicas o circulares se calculan, como: P

n −1
= (n −1)!
Ejemplo:
¿De cuántas maneras distintas se pueden sentar 6 personas en una mesa redonda?
Solución:
P = (6 −1)!= 5!= 5 4  3 2 1 = 120 maneras.

n −1
ii. Las permutaciones con repetición de n elementos tomados de a en a, de b en b, de c en c, etc.,

cuando en los n elementos existen elementos repetidos (un elemento aparece a veces, otro b
veces, otro c veces, etc.) verificándose que: a + b + c + … = n.
El número de permutaciones será:
a, b, c,.. = n!
P
n a !• b !• c !...
Ejemplos:
1) Con las letras de la palabra solidaridad, ¿cuántas palabras distintas se pueden formar?
Solución:
Se tienen que formar palabras de 11 letras con 11 elementos S, O, L, I, D, A, R, I, D, A y D, en donde

la I está repetida 2 veces; la D, 3 veces; y la A está 2 veces. Por lo tanto:
11! 39.916.800
P 2,3,2 = = = 1.663.200 palabras.
11 2! 3! 2! 262
2) ¿De cuántas maneras distintas pueden colocarse 9 bolas, las cuales 4 son blancas, 3 amarillas y
2 azules?
IACC
9
Solución:
En este caso el orden es relevante por ser de distinto color, pero hay varias bolas del mismo color.
Por lo tanto:
9! 4! 5 6  7 8 9
P 4,3,2 = =
9 4! 3! 2! 4! 6  2
Simplificando, se tiene:
15.120 = 1.260
P 4,3,2 = modos de colocarlas.
9 12
1.3. VARIACIONES O ARREGLOS

Sea un conjunto de n elementos de los cuales se desea ordenar r elementos de n. A cada una de
estas ordenaciones se la denomina variación. El número de variaciones que se pueden realizar de
los n elementos tomados de r en r se calcula mediante la fórmula:
n!
V nr =
(n − r)! ; con n  r para variaciones sin repetición.
La variación también puede escribirse, como:
V r = Ar = P
n n n r
Ejemplos:
1) En una carrera de 100 m planos compiten 10 atletas. ¿De cuántas maneras distintas podría
conformarse el podio (los tres primeros lugares)?
Solución:
Al tratarse de los 3 primeros lugares e importando el orden, cada posible orden del podio es una
variación de 10 elementos tomados de 3 en 3 (sin repetición). Por lo tanto:
3.628.800 = 720
V103 = 10 ! = podios.
(10 − 3)! 5.040
IACC
10
2) ¿Cuántos números de 4 cifras distintas se pueden formar con las 9 cifras significativas del
sistema decimal?
Solución:
Al tratarse de estas especificaciones para obtener ciertos números, el orden es importante pues
no pueden repetirse. Por lo tanto:
9! 362.880 = 3.024 números.

V94 = =
(9 − 4)! 120
Observación:
Sea un conjunto de n elementos y se desea ordenar r elementos, pudiendo estos ser elementos
repetidos. Cada ordenación es una variación con repetición. El número de variaciones con
repetición para un conjunto de n elementos tomados de r en r, se calcula mediante la fórmula:
Vnr = nr para variaciones con repetición.
Ejemplos:
1) En una urna se tienen 5 bolas numeradas del 1 al 5. Se extraen sucesivamente con reposición
(es decir devolviendo cada vez esa bola a la urna) 3 bolas. ¿Cuántos resultados distintos es
posible obtener?
Solución:
Se trata de variaciones con repetición de un conjunto de 5 bolas tomadas de 3 en 3. Por lo tanto,

el total de resultados posibles, son:
V53 = 53 = 125 resultados.
2) ¿Cuántos números de 3 cifras se pueden formar con las 9 cifras significativas del sistema
decimal?
Solución:
Al tratarse de números el orden importa y, además, no se dice nada sobre “cifras distintas”, lo que
significa que sí pueden repetirse. Por lo tanto:
IACC
11
V93 = 93 = 729 números.
1.4. COMBINACIONES
Las combinaciones de n objetos (o cosas), tomando r de ellos a la vez, representan el número de
subconjuntos diferentes de tamaño r, que se pueden obtener con esos n objetos. A diferencia de
lo que ocurre con las permutaciones, en las combinaciones el orden de aparición de los objetos es
irrelevante, o sea que no importa.
Cuando se trata de contar el número de subconjuntos de r elementos en un conjunto de n

elementos, se tiene lo que se denomina combinaciones de r elementos en un conjunto de n.
El cálculo del conteo se realiza mediante el número combinatorio, utilizando la siguiente fórmula:
n!
 n r = ; con n ≥ r para combinaciones sin repetición.
  = Cn r ! (n − r)!
 r
Las combinaciones también pueden escribirse como:
 n r
  = C(n,r) = Cn =n Cr
r
 
Ejemplos:
1) En una urna se tienen 5 bolas numeradas del 1 al 5. Se extraen sucesivamente sin reposición, es
decir con una única extracción, 3 bolas. ¿Cuántos resultados distintos es posible obtener?
Solución:
En este caso, no importa el orden de la extracción, en donde serán combinaciones de 5 elementos

tomados de 3 en 3 sin repetición. Por lo tanto:
5  3 = 5! = 120 = 10
3! (5 − 3)! 6  2 resultados.
3 = C5
IACC
12
2) ¿Cuántos grupos de 5 alumnos pueden formarse con los 30 alumnos de un curso? (Un grupo es
distinto de otro si se diferencia de otro por lo menos en un alumno).
Solución:
En este caso no importa el orden, pues solo son grupos de alumnos, sin embargo, no puede haber
estar el mismo alumno en grupos diferentes evidentemente, por lo que es una combinación sin
repetición.
Por lo tanto:
30 5 30 !
grupos distintos.
  = C30 = = 142.506
 5  5! (30 − 5)!
Observación:
Las combinaciones con repetición de n elementos tomados de r en r se definen como las distintas
agrupaciones formadas con r elementos que pueden repetirse, eligiéndolos de entre los n
elementos de que se disponen, considerando una variación distinta a otra solo si difieren en algún
elemento (no influye el orden de colocación de sus elementos). El número de combinaciones que
se pueden construir se pueden calcular mediante la fórmula:
r  n + r −1 (n + r −1)!
CRn =  = para combinaciones con repetición.
 r  r ! (n −1)!
Ejemplo:
En una cafetería hay 5 tipos diferentes de pasteles, ¿de cuántas formas se pueden elegir cuatro
pasteles?
Solución:
En este caso no importa el orden de los pasteles, ya que puede haber dos o más pasteles en un
grupo que se repitan. Por lo tanto:
8!
5 + 4 −1 = 70 grupos distintos.
CR = 4

=

5
 4  4! 4!
IACC
13
PAUTAS A CONSIDERAR PARA LA RESOLUCIÓN DE ESTE TIPO DE PROBLEMAS
• Si en cada agrupación figuran todos los elementos disponibles, importando el orden de colocación de
estos, entonces se trata de un problema de permutaciones.
• Si en cada agrupación figuran solo algunos de los elementos disponibles, importando el orden de
colocación de estos, entonces es un problema de variaciones.
• Si en cada agrupación figuran solo algunos de los elementos disponibles, sin importar el orden de
colocación de estos, entonces se está ante un problema de combinaciones.
2. CONCEPTOS BÁSICOS DE PROBABILIDADES

• Experimento aleatorio: es aquel experimento que repetido en similares condiciones puede
arrojar resultados diferentes. Ejemplos: lanzar un dado, lanzar una moneda, elegir un artículo
en una línea de producción, etc.
Se puede afirmar que un experimento aleatorio es una representación imaginaria de un

proceso, cuyo resultado o resultados dependen del azar, por lo tanto, están fuera de cualquier
probable control determinista.
• Espacio muestral (Ω): es el conjunto formado por todos los posibles resultados de un
experimento aleatorio. El espacio muestral o espacio de muestra puede ser un conjunto finito o
infinito que, se representa con la letra griega omega (Ω). Ejemplos: lanzar un dado
 Ω = 1, 2, 3, 4, 5, 6 ; lanzar una moneda  Ω = cara,sello; elegir un artículo 
Ω = bueno,malo .
• Suceso o evento: se llama suceso o evento a todo subconjunto de Ω y se denota cada

subconjunto con letras mayúsculas A, B, C, etc. En otras palabras, es cualquier subconjunto de
un espacio muestral. Ejemplos: lanzar un dado  Ω = 1, 2, 3, 4, 5, 6 ; obtener un uno 
A = 1; obtener un par   C = {  } o { } (el vacío se
B =  2, 4, 6 ; obtener un siete
conoce como evento imposible); obtener un número entero  D = 1, 2, 3, 4, 5, 6  = Ω
IACC
14
La probabilidad de un evento es un valor numérico real (o medida) que se le asigna al evento y

que, de algún modo, indica qué tan verosímil se considera. Si A es un evento, entonces la
probabilidad de A se suele denotar o escribir con la simbología P (A). Ejemplo: al lanzar un dado se
supone que cada una de sus caras cuenta con la misma posibilidad de quedar arriba, por lo que la
probabilidad de que el 3 quede arriba es 1/6 (uno entre seis) y la de que no lo haga es 5/6 (cinco
entre seis). En este ejemplo, solo hay un caso favorable (el 3 hacia arriba) y cinco desfavorables,
pero cada uno de los seis números tiene la misma oportunidad.
OPERATORIAS ENTRE CONJUNTOS
Sean A y B dos sucesos asociados a un experimento, se tiene que:
1) A  B : es un nuevo suceso que representa “ocurre A, ocurre B u ocurren ambos”.
2) A  B : es un nuevo suceso que representa “ocurre A y ocurre B a la vez, es decir, ocurren

ambos”.
3) Ac : es un nuevo suceso que indica que “no ocurre A”.

4) A − B : es un nuevo suceso que representa “ocurre A, pero no ocurre B”.
Ejemplo:
Sean A, B y C sucesos asociados a un experimento, representar simbólicamente los siguientes

sucesos.
• Solo ocurre B: Ac  B  C c
c
• No ocurre ninguno de los tres: A  B  C
c c
• Ocurre, a lo menos, uno de ellos: A  B  C
• Ocurren los tres: A  B  C
PROPIEDADES DEL COMPLEMENTO
1) A  Ac = 
2) A  Ac = U (dondeU es el universo)
c
 Ac  = A
3)  
IACC
15
4) Uc =
c=U
5) 
6) A  Bc = A − B
LEYES DE MORGAN
1) (A  B) c = Ac  Bc
2) (A  B) c = Ac  Bc
2.1. PROBABILIDADES
Supóngase un suceso A, que de un total de n casos posibles, todos igualmente probables, puede
presentarse en k de los casos. Entonces, la probabilidad de la ocurrencia del suceso A viene dada
por:
P(A) =
k
n
Donde:
P(A) = es la probabilidad de A.
k = es el número de casos favorables de una muestra o evento.
n = es el número total de casos de una muestra o evento.
También se puede utilizar la siguiente simbología, para la probabilidad de A:
P(A) =
#A
#
Donde:
P(A) = es la probabilidad de A.
# A = es el número de casos posibles o favorables del espacio muestral.
IACC
16
# = es el número total de casos del espacio muestral.
Ejemplos:
1) Sea el experimento E: el lanzamiento de un dado. Determinar la probabilidad de los siguientes

sucesos:
a) A = {que salga un número par}
b) B = {que salga un número mayor que 2}
c) C = {que salga un número múltiplo de 3}
Solución:
a) A = {que salga un número par en el lanzamiento de un dado}
Ω = 1, 2, 3, 4, 5, 6   # = 6
A =  2, 4, 6   #A=3
Por lo tanto, la probabilidad pedida es:
P( A ) =
3
= 0,5
6
Es decir, hay un 50% de probabilidad de obtener un par al lanzar un dado.
b) B = {que salga un número mayor que 2}
Ω = 1, 2, 3, 4, 5, 6   # = 6
B = 3, 4, 5, 6   #B = 4
P( B ) =
4
= 0, 6
6
Es decir, hay un 66,67% de probabilidad de obtener un número mayor que 2 al lanzar un dado.
c) C = {que salga un número múltiplo de 3}
IACC
17
Ω = 1, 2, 3, 4, 5, 6   # = 6
C = 3, 6   #C = 2
P( C ) =
2
= 0,3
6
Es decir, hay un 33,33% de probabilidad de obtener un número múltiplo de 3 al lanzar un dado.
2) Sea el experimento E: lanzamiento de un dado 2 veces. Determinar la probabilidad de los

siguientes sucesos.
a) A = {que salga al menos un número 6}

b) B = {que la suma de los números sea 10}
c) C = {que salga al menos un par}
Solución:
En primer lugar, se determina que Ω:
 (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)  # = 36
 
 (5,1); (5,2); (5,3); (5,4); (5,5); (5,6) 
 
 (6,1); (6,2 ); (6,3); (6,4); (6,5); (6,6) 
 
a) A = {que salga al menos un número 6}
# = 36
A =  (1,6); (2,6); (3,6); (4,6); (5,6); (6,1)  # A = 11

 
 (6,2); (6,3); (6,4); (6,5); (6,6) 
P(A) =
11
= 0,305
36
IACC
18
Es decir, hay un 30,56% de probabilidad de obtener al menos un 6 al lanzar en los dos dados.
b) B = {que la suma de los números sea 10}
# = 36
B = (4,6); (5,5); (6,4)   #B = 3

3
P(B) = = 0,083
36
Es decir, hay un 8,3% de probabilidad de obtener una suma igual a 10 al lanzar los dos dados.
c) C = {que salga al menos un par}
# = 36
 (1,2); (1,4); (1,6); (2,1); (2,2); (2,3)

 
 (2,4); (2,5); (2,6); (3,2); (3,4); (3,6)
= (4,1); (4,2); (4,3); (4,4); (4,5); (4,6)  #C = 27
C  
 (5,2); (5,4); (5,6); (6,1); (6,2); (6,3) 
 
 (6,4); (6,5); (6,6) 
P(C) =
27
= 0,75
36
Es decir, hay un 75% de probabilidad de obtener un número par al lanzar los dos dados.
2.2. PROPIEDADES DE LAS PROBABILIDADES

Las siguientes propiedades deben cumplirse en cualquier espacio muestral:
1) Si A es un evento cualquiera, entonces la probabilidad de A, denotada con P(A), es un número

real no negativo y menor o igual que 1, es decir:
0  P (A)  1
IACC
19
2) Si A y B son eventos ajenos, es decir, mutuamente excluyentes ( A  B =) con espacio

muestral omega, entonces la probabilidad de la unión será:
P(A  B) = P(A)+ P(B)
3) Si Ω (omega) denota el espacio muestral, entonces:
P ( ) = 1
4) Si  es el conjunto vacío (evento imposible), entonces:
P () = 0
5) Para cualquier evento A de un espacio muestral, se tiene que:
c  c
P(A)+ P A  = 1  P( A) = 1− P A 
  
La probabilidad que ocurra A es igual a 1 (100%) menos la probabilidad de que no ocurra A.
6) Para cualesquiera eventos A y B de un espacio muestral que no son mutuamente excluyentes,

se verifica la igualdad:
P(A  B) = P(A)+ P(B)− P(A  B)
7) Si A  B  P(A)  P(B). Entonces:
P A  B c = P(A)− P(A  B)


Ejemplos:
1) De un naipe inglés se saca una carta. Determinar la probabilidad de los siguientes sucesos:
a) Sea A = {La carta es un diamante}

b) Sea B = {La carta es un as}
IACC
20
c) Sea C = {La carta es un diamante o es un as}
Solución:
a) Se sabe que el naipe inglés tiene: # = 52 (cartas), entonces:
Sea A = {La carta es un diamante}, # A = 13.
P(A) =
13
= 0,25
52
Es decir, hay un 25% de probabilidad de que la carta sea un diamante.
b) Sea B = {La carta es un as}, #B = 4.
P(4) = = 0,0769
4
52
Es decir, hay un 7,69% de probabilidad de que la carta sea un as.
c) Sea C = {La carta es un diamante o es un as}
P(C) = P(A  B) = P(A)+ P(B)− P(A  B)
13 4 1 16
P( A  B) = + − = = 0,3077
52 52 52 52
P(C) =
16
= 0,3077
52
Es decir, hay un 30,8% de probabilidad de que la carta sea un diamante o un as.
2) Sean A y B sucesos con P( A) = 1 , P( A  B ) = 3 y P B c  = .

5
2 4   8
Encuentre:
IACC
21
a) P(A  B)
b) P Ac 
 
c) P Ac  Bc 
 
d) P Ac  Bc 
 
e) P A  Bc 
 
f) P Ac  B
 
Solución:
Ocupando la propiedad 5 (llamada complemento):
P(B ) = 1− P B c  = 1− =
5 3
  8 8
a) Se tiene:
P(A  B) = P(A)+ P(B)− P(A  B)  P(A  B) = P(A)+ P(B)− P(A  B)
1 3 3 1
P(A  B) = + − = = 0,125  12,5%
2 8 4 8
b) Se tiene:
P Ac  = 1− P( A)
 
P Ac  = 1− = = 0,5  50%

1 1
  2 2
c) Por propiedades de conjunto:
IACC
22
Ac  Bc = (A  B)c  P(A  B)c = 1 − P(A  B)
3 1
P(A  B)c = 1− = = 0,25  25%
4 4
d) Por propiedades de conjunto:
Ac  Bc = (A  B)c  P(A  B)c = 1 − P(A  B)
1 7
P(A  B)c = 1− = = 0,875  87,5%
8 8
e) Por propiedades de conjunto:
P A  Bc = P(A)− P(A  B)


 P A  B c  = − = = 0,375 = 37,5%

1 1 3
  2 8 8
f) Por propiedades de conjunto:
P Ac  B = P(B)− P(A  B)


 P Ac  B  = − = = 0,25 = 25%

3 1 2
  8 8 8
EJERCICIOS DE PROBABILIDADES CON COMBINATORIAS
1) Sean 2 artículos escogidos al azar de un grupo de 12, de los cuales 4 son defectuosos.
Determine la probabilidad de que:
a) Los dos artículos escogidos sean defectuosos.

b) Los dos artículos escogidos no sean defectuosos.
IACC
23
Solución:
a) Se escogen al azar 2 de 12. Total de artículos = 8 buenos + 4 malos = 12.
Los dos artículos escogidos sean defectuosos (A):
 4
 
6 = 1 = 0,090  9,1% aprox.
P( A) =   =
2
12 66 11
 
 2
b) Los dos artículos escogidos no sean defectuosos (B).
8 
 
 2 28 = 14
P(B) = 12 = = 0, 42  42,42% aprox.
  66 33
 
 2
2) Se escogen al azar 3 lámparas entre 15 de las cuales 3 son defectuosas. Determine la

probabilidad de que:
a) Ninguna sea defectuosa.

b) Solo una sea defectuosa.
c) Una por lo menos sea defectuosa.
Solución:
a) Se escogen al azar 3 de 15. Total de lámparas = 12 buenas + 3 malas = 15.
Ninguna sea defectuosa (A):
12
 
 3
P( A) = = 220 = 44 = 0,4835  48,35% aprox.
15 455 91
 
 3
IACC
24
b) Solo una sea defectuosa (B):
3 12
  
1   2  3  66
P(B) =
198
= = = 0,4352  43,52% aprox.
15 455 455
 
 3
c) Una por lo menos sea defectuosa (C):
3 12 3  12 3 12

        
1   2  3  0  = 235 = 47 = 0,5165  51,65% aprox.
P(C) = +   + 
2 1
15 15 15 455 91
 3  3 3
     
2.3. PROBABILIDAD CONDICIONAL

Ocurre con frecuencia que la probabilidad de un suceso se ve afectada por el conocimiento de
otro acontecimiento, cuyo resultado influye en el primero. Esta idea conduce al concepto de la
probabilidad condicional de eventos, la cual se define como: sean A y B dos sucesos de un espacio
muestral omega, si P(B) ≠ 0, entonces la probabilidad condicional del suceso A, dado que ya
ocurrió el suceso B, se expresa mediante la relación multiplicativa:
P(A  B) = P(B) P(A/ B)
Como la intersección de conjunto es conmutativa, es equivalente a escribir:
P( A  B)
P( A / B) = (dos sucesos son dependientes)
P(B)
Observación:
Sean A y B dos sucesos de un espacio muestral omega, si P(B) ≠ 0, entonces la probabilidad

condicional de que no ocurra el suceso A, dado que ya ocurrió el suceso B, se escribe como:
P Ac / B  = 1− P( A / B )
 
IACC
25
Ejemplo:
Se lanza un dado dos veces. Determine la probabilidad de que la suma sea 5, si se sabe que el
primer dado es mayor que el segundo.
Solución:
A = {obtener suma igual a 5}

B = {el primer dado es mayor que el segundo}
 (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)  # = 36
 
 (5,1); (5,2); (5,3); (5,4); (5,5); (5,6) 
 
 (6,1); (6,2); (6,3); (6,4); (6,5); (6,6) 
Omega es el conjunto de todos los resultados, en este caso el par ordenado representa todos los
resultados posibles de lanzar dos dados.
2
A  B =  (3,2); (4,1)   # (A  B) = 2  P(A  B) =
36
 (2,1); (3,1); (4,1); (4,2); (4,3); (5,1)
 
B =  (5,2); (5,3); (5,4); (6,1); (6,2); (6,3)   # B = 14  P(B) = 14
 (6,4); (6,5)  36
 
P(A  B)
1
( ) =
2
= 36 2 = =
P A/ B = 0,143
P(B) 14 14 7
36
Es decir, hay un 14,3% de probabilidad de obtener una suma de 5, si el primer dado es mayor que
el segundo al lanzar dos veces un dado.
IACC
26
EVENTOS INDEPENDIENTES
Sean A y B dos sucesos de un espacio muestral omega y P(B) ≠ 0. A y B son independientes si:
i. P(A  B) = P(A) P(B)
ii. P(A/ B) = P(A)
iii. P(B / A) = P(B), con P(A)  0
Observación:
Si A y B son dos sucesos de un espacio muestral omega dependientes, entonces se debe cumplir:
P(A  B) = P(A) P(B / A)
REGLA MULTIPLICATIVA
Para más de dos eventos es factible generalizar la regla multiplicativa dada por la definición de
probabilidad condicional; por ejemplo, para los eventos A, B y C se tendría:
P(A  B  C) = P(A) P(B / A) P(C / A  B)
Ejemplos:
1) En una caja hay 5 fichas blancas y 3 fichas azules. Se extraen 2 fichas. Determine la probabilidad
de obtener 2 fichas blancas, si el experimento se realiza:
a) Con reposición.
b) Sin reposición.
Solución:
Sean los sucesos:
A = {la primera ficha es blanca}
B = {la segunda ficha es blanca}
IACC
27
a) P(A  B) = P(A) P(B)  P(A  B) = 5  5 = 25 = 0,391

8 8 64
Por lo tanto, hay 39,1% de probabilidad de obtener 2 fichas blancas, con reposición.
b) P(A  B) = P(A) P(B / A)  P(A  B) = 5  4 = 20 = 5

= 0,357
8 7 56 14
Por lo tanto, hay 35,7% de probabilidad de obtener 2 fichas blancas, sin reposición.
2) En una caja hay 3 artículos defectuosos y 5 artículos buenos. Se extraen 3 artículos. Determine
la probabilidad de que los 2 primeros sean buenos y el último defectuoso, si el experimento se
realiza:
a) Con reposición.
b) Sin reposición.
Solución:
Sean los sucesos:
A = {el primer artículo es bueno}
B = {el segundo artículo es bueno}
C = {el tercer artículo es malo}
a) P(A  B  C) = P(A) P(B) P(C)  P( A  B  C ) = 5  5  3 = 75

= 0,146
8 8 8 512
Por lo tanto, hay 14,6% de probabilidad de que los 2 primeros artículos sean buenos y el
tercero malo, con reposición.
b)
Por lo tanto, hay 17,8% de probabilidad de que los 2 primeros artículos sean buenos y el
tercero malo, sin reposición.
3) Hay 10 postulantes a un cargo en una empresa, 7 son hombres y 3 son mujeres. El gerente de
personal decide entrevistar al azar a 2 postulantes. Determine la probabilidad de que uno de
ellos sea hombre.
IACC
28
Solución:
Sean los sucesos:
A = {el primer entrevistado es hombre}
B = {el segundo entrevistado es hombre}
Probabilidad pedida = P A  B c  + P Ac  B  .

   
Por definición de probabilidad condicional, se tiene:
1° P A  B c  = P( A)  P B c / A   P A  B c  = 7 3 21 7 = 0,23

 = =
    
 10 9 90 30
2° P Ac  B  = P Ac   P B / Ac  P Ac  B  = 3 7 21 7 = 0,23

 = =
      
 10 9 90 30
Probabilidad pedida = P A  B c  + P Ac  B  =

7 7 14 7 = 0,46
+ = =
    30 30
30 15
Por lo tanto, hay 46,7% de probabilidad de que uno de los 2 entrevistados sea hombre.
DIAGRAMA DE ÁRBOL
Con la teoría de las probabilidades, ciertos problemas y situaciones pueden resolverse mediante el
diagrama de árbol, el cual es una sucesión de vértices y aristas conectados entre sí, es decir, un
tipo especial de gráfico. Los segmentos o aristas representan las probabilidades de los eventos que
les preceden en forma de puntos o vértices. En la figura siguiente se puede observar el caso típico:
a medida que el árbol se va ramificando hacia la derecha, aparecen eventos condicionados según
los de la izquierda. Para cualquier Ar (r = 1, 2, 3, …, m), la probabilidad total de Ar es la suma de
todos los n posibles caminos (mutuamente excluyentes) que conducen al evento Ar.
IACC
29
Ejemplo:
Se realiza una encuesta de opinión a público en general, con respecto al tenis nacional, algunos
resultados son los siguientes:
• El 43% prefiere a Fernando “Bombardero de La Reina” González, de los cuales 80% son
mujeres.
• El 25% prefiere a Marcelo “Chino” Ríos, 75% hombres.
• El resto a Nicolás “Vampiro” Massú, solo 39% de hombres.
De acuerdo con estos antecedentes, dibuje el diagrama de árbol.
Solución:
Sean los sucesos:
B1 = {el encuestado prefiere a Fernando González}

B2 = {el encuestado prefiere a Marcelo Ríos}
B3 = {el encuestado prefiere a Nicolás Massú}
A = {el encuestado es hombre}
Se sabe que:
( ) ( ) ( )
P B = 0,43 ; P B = 0,25 ; P B = 0,32
1 2 3
IACC
30
( ) ( )
P Ac / B  = 0,8 ; P A/ B = 0,75 ; P A / B = 0,39
 1 2 3
Por lo tanto, el diagrama de árbol sería:
TEOREMA DE BAYES
El teorema o regla de Bayes es una técnica que permite obtener la probabilidad condicional de un
evento cuando mediante el efecto se trata de determinar la probabilidad de la causa. El teorema
de Bayes responde interrogantes tales como: si el evento A ocurrió, ¿cuál es la probabilidad de
que haya sido generado por el evento B1?, ¿cuál por B2?, etc.
Para el teorema de Bayes, se utiliza la siguiente fórmula:
Ejemplos:
IACC
31
1) En una fábrica hay 2 máquinas que producen cierto artículo, se sabe que la máquina 1 produce
el 60% de los artículos y la máquina 2 el 40%. Por observaciones se sabe que la máquina 1
produce el 1% de sus artículos con algún defecto y la máquina 2 el 3%. Se elige un artículo al
azar, determine:
a) ¿Cuál es la probabilidad de que sea defectuoso?

b) Si el artículo es defectuoso, ¿cuál es la probabilidad que provenga de la máquina 1?
Solución:
Sean los sucesos:
B1 = {el artículo es producido por la máquina 1}
B2 = {el artículo es producido por la máquina 2}
A = {el artículo es defectuoso}
Se sabe que:
( )
P B = 0,6 ; P B ( )= 0,4 ; P(A / B )= 0,01 ; P(A/ B )= 0,03
1 2 1 2
a) P(A) = P(A/ B1) P(B1)+ P(A/ B2 ) P(B2 )
P(A) = 0,01 0,6 + 0,03  0,4 = 0,018
Por lo tanto, hay un 1,8% de probabilidad de que el artículo sea defectuoso.
(
b) P B1 / A = ) P(A / B1() )P(B1 )  P(B1 / A ) =
0,01 0,6
= 0,3
PA 0,018
Por lo tanto, hay un 33,3% de probabilidad de que el artículo provenga de la máquina 1,

sabiendo que es defectuoso.
2) En un casino hay 2 máquinas tragamonedas. La máquina 1 paga 3 veces cada 10 jugadas,

mientras que la máquina 2 paga 5 veces cada 10 jugadas. Una persona juega en una de las
máquinas al azar, determine:
a) ¿Cuál es la probabilidad de ganar?

b) Si la persona ganó, ¿cuál es la probabilidad de que sea la máquina 2?
IACC
32
Solución:
Sean los sucesos:
B1 = {se juega en la máquina 1}
B2 = {se juega en la máquina 2}
A = {se gana}
Se sabe que:
( ) ( )
P B = 0,5 ; P B = 0,5 ; P A / B ( )1 = 3 = 0,3 ; P(A / B2 ) = 105 = 0,5
1 2 10
a) P(A) = P(A/ B1) P(B1)+ P(A/ B2 ) P(B2 )
P(A) = 0,3 0,5 + 0,5 0,5 = 0,4
Por lo tanto, hay un 40% de probabilidad de ganar.
( P(A / B2 ) P(B2 ) / A)=

0,5 0,5
= 0,625
b) P B
/ A )=  P(B 2
2 P( A) 0,4
Por lo tanto, hay un 62,5% de probabilidad de jugar en la máquina 2, sabiendo que ganó.
3) En una oficina hay 3 computadores, se sabe que el computador 1 se usa el 20% de las veces, el
computador 2, el 35% y el computador 3, el 45%. La experiencia indica que el computador 1 se
equivoca el 2% de las veces que ha sido utilizado. Esto mismo ocurre con el 5% para el
computador 2 y con el 10% para el 3. Una persona utiliza un computador al azar, determine:
a) ¿Cuál es la probabilidad de que se equivoque al ser utilizado?

b) Si este se equivoca, ¿cuál es la probabilidad de que se equivoque el computador 3?
Solución:
Sean los sucesos:
IACC
33
B1 = {se equivoca el computador 1}
A = {el computador se equivoca}
Se sabe que: ( ) ( ) ( )
P B = 0,2 ; P B = 0,35 ; P B = 0,45
1 2 3
P(A / B ) = 0,02 ; P(A/ B ) = 0,05 ; P(A / B ) = 0,1

1 2 3
a) P(A) = P(A/ B1) P(B1)+ P(A/ B2 ) P(B2 )+ P(A/ B3 ) P(B3 )
P(A) = 0,02  0,2 + 0,05  0,35 + 0,1 0,45 = 0,0665
Por lo tanto, hay un 6,65% de probabilidad de que el computador (cualquiera de los 3) se

equivoque.
) P(A / B3())P(B3 )  P(B3 / A)=

0,1 0,45
(
b) P B3 / A = = 0,677
PA 0,0665
Por lo tanto, hay un 67,7% de probabilidad de que se equivoque el computador 3, sabiendo

que se equivocó.
3. PROBABILIDADES CON EXCEL
Para explicar estos conceptos, vea de los siguientes recursos adicionales de la semana 7:
Excel
Base Contenidos Semana 7.xlsx
Video 1
Probabilidad básica 1
Video 2
Probabilidad básica 2
Resuelva el siguiente problema.
Enunciado:
Una multitienda está estudiando el comportamiento de sus clientes.
Las variables que se estudian son: forma de pago, género y venta en miles de pesos.
IACC
34
Por lo que se pide:

a) Construir tabla de frecuencia relativas (datos en porcentaje) con las variables, forma de pago y
género.
b) Determine la probabilidad de que la compra sea realizada por una mujer.
c) Determine la probabilidad de que la compra por un hombre sea con débito
d) La probabilidad que la compra sea al cheque o contado es de:
e) Determine la probabilidad de que la compra por un hombre sea con cheque
f) Si la compra es realizada por una mujer (sin considerar hombres), ¿cuál es la probabilidad de que el
pago sea al contado?
g) Si la compra es cancelada con la tarjeta de crédito de la tienda (sin considerar los otros medios de
pago) ¿cuál es la probabilidad de que sea realizada por un hombre?
h) Si se selecciona una boleta al azar y se verifica que esta fue generada a un consumidor hombre,
¿cuál es la probabilidad de que el pago sea cheque o crédito bancario?
i) Al seleccionar a un cliente al azar cuya compra haya sido realizada con cualquier medio de crédito,
¿cuál es la probabilidad de que haya sido una mujer?
Desarrollo:
a) Construir tabla de frecuencia relativas (datos en porcentaje) con las variables, forma de pago y
género.
Para trabajar con probabilidades se deben ocupar tablas dinámicas que muestren los datos con porcentajes.
Entonces:
Para la primera parte, se construirá una tabla dinámica entre las variables “forma de pago” y “Género”:
b) Determine la probabilidad de que la compra sea realizada por una mujer.
Observando la tabla, se tiene que hay un 72,33% de probabilidad que la compra la hizo una mujer.
IACC
35
c) Determine la probabilidad de que la compra por un hombre sea con débito.
Observando la tabla, se tiene que hay un 7,33% de probabilidad que la compra la hizo un hombre con débito.
d) La probabilidad que la compra sea al cheque o contado es de:
6%+14,67%
Es de un 20,7%.
e) Determine la probabilidad de que la compra por un hombre sea con cheque
Es de 1,3%.
IACC
36
f) Si la compra es realizada por una mujer (sin considerar hombres), ¿cuál es la probabilidad de que el pago
sea al contado?
El 12,44% de las compras realizadas por una mujer, se cancelaron al contado.
g) Si la compra es cancelada con la tarjeta de crédito de la tienda (sin considerar los otros medios de pago)
¿cuál es la probabilidad de que sea realizada por un hombre?
Hay 23,08% de probabilidad que las compras canceladas con tarjeta de crédito de la tienda la hayan hecho un
hombre.
h) Si se selecciona una boleta al azar y se verifica que esta fue generada a un consumidor hombre, ¿cuál es
la probabilidad de que el pago sea cheque o crédito bancario?
La probabilidad que la compra se haya realizado con cheque o crédito bancario, dado que fue un hombre, es de un
31,33%.
i) Al seleccionar a un cliente al azar cuya compra haya sido realizada con cualquier medio de crédito, ¿cuál
es la probabilidad de que haya sido una mujer?
La probabilidad que la compra la hizo la mujer, sabiendo que pago con cualquier medio de crédito es de un 75,9%.
IACC
37
COMENTARIO FINAL
Con los contenidos aprendidos esta semana, se puede afirmar que el uso de Excel permite
optimizar de gran manera los cálculos al presentar ejercicios sobre probabilidad condicional o
aplicaciones del teorema de Bayes.
Por otro lado, estos temas representan una rama muy importante de la matemática, ya que es la
que permite modelar y entender situaciones con datos ya conocidos o recabados en algún análisis.
REFERENCIAS
Anderson, D.; Sweeney, D. y Williams, T. (2008). Estadística para administración y economía. 10ª.
edición. México: Cengage Learning. Disponible en: http://www.upg.mx/wp-
content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-economia.pdf
Devore, J. (1998). Probabilidad y estadística para ingeniería y ciencias. México: International

Thomson Editores.
Levin, R.; Rubin, D.; Balderas, M.; Del Valle, J. C. y Gómez, R. (2004). Estadística para
administración y economía. 7ª edición. México: Pearson, Prentice-Hall. Disponible en:
https://wwwyyy.files.wordpress.com/2014/09/estadc3adstica-para-administracic3b3n-y-
economc3ada-7ma-edicic3b3n-richard-i-levin.pdf
Ross, S. (1997). A first course in probability. Berkeley: Universidad de California.
PARA REFERENCIAR ESTE DOCUMENTO, CONSIDERE:
IACC
38
IACC (2018). Teoría de las probabilidades. Estadística. Semana 7
IACC
39
IACC
40

S7 - Contenido - Estap1201 (150922)

Cargado por

Copyright:

Formatos disponibles

S7 - Contenido - Estap1201 (150922)

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

S7 - Contenido - Estap1201 (150922)

Cargado por

Copyright:

Formatos disponibles

SEMANA 7 – ESTADÍSTICA

APRENDIZAJES ESPERADOS ................................................................................................................. 2

1.1. REGLAS DE CONTEO

• Los elementos con que se disponen para formar los grupos.

• Los elementos que debe contener cada grupo.

• La posibilidad de repetir elementos (o no) en los grupos.

• La importancia o indiferencia en cuanto al orden en que aparecen los elementos en las

PRINCIPIO ADITIVO O REGLA DE LA SUMA

Por la regla de la suma la persona puede elegir: 20 + 15 + 10 = 45 películas.

PRINCIPIO MULTIPLICATIVO O REGLA DE LA MULTIPLICACIÓN

De este modo, conforme a la regla de multiplicar, existen:

Primera cifra Segunda cifra Tercera cifra

De este modo, conforme a la regla de multiplicar, existen:

Primera cifra Segunda cifra Tercera cifra

P = n!= n •(n −1)•(n − 2)•(n − 3)•1

Luego, se pueden formar 120 palabras.

Por lo tanto, se pueden sentar:

Luego, hay 720 maneras de sentar a 6 personas.

i. Las permutaciones cíclicas o circulares se calculan, como: P

P = (6 −1)!= 5!= 5 4  3 2 1 = 120 maneras.

ii. Las permutaciones con repetición de n elementos tomados de a en a, de b en b, de c en c, etc.,

El número de permutaciones será:

Se tienen que formar palabras de 11 letras con 11 elementos S, O, L, I, D, A, R, I, D, A y D, en donde

1.3. VARIACIONES O ARREGLOS

9! 362.880 = 3.024 números.

Vnr = nr para variaciones con repetición.

Se trata de variaciones con repetición de un conjunto de 5 bolas tomadas de 3 en 3. Por lo tanto,

V53 = 53 = 125 resultados.

V93 = 93 = 729 números.

Cuando se trata de contar el número de subconjuntos de r elementos en un conjunto de n

Las combinaciones también pueden escribirse como:

En este caso, no importa el orden de la extracción, en donde serán combinaciones de 5 elementos

PAUTAS A CONSIDERAR PARA LA RESOLUCIÓN DE ESTE TIPO DE PROBLEMAS

2. CONCEPTOS BÁSICOS DE PROBABILIDADES

Se puede afirmar que un experimento aleatorio es una representación imaginaria de un

• Suceso o evento: se llama suceso o evento a todo subconjunto de Ω y se denota cada

La probabilidad de un evento es un valor numérico real (o medida) que se le asigna al evento y

OPERATORIAS ENTRE CONJUNTOS

Sean A y B dos sucesos asociados a un experimento, se tiene que:

1) A  B : es un nuevo suceso que representa “ocurre A, ocurre B u ocurren ambos”.

2) A  B : es un nuevo suceso que representa “ocurre A y ocurre B a la vez, es decir, ocurren

3) Ac : es un nuevo suceso que indica que “no ocurre A”.

Sean A, B y C sucesos asociados a un experimento, representar simbólicamente los siguientes

PROPIEDADES DEL COMPLEMENTO

# A = es el número de casos posibles o favorables del espacio muestral.

# = es el número total de casos del espacio muestral.

1) Sea el experimento E: el lanzamiento de un dado. Determinar la probabilidad de los siguientes

a) A = {que salga un número par en el lanzamiento de un dado}

Por lo tanto, la probabilidad pedida es:

Es decir, hay un 50% de probabilidad de obtener un par al lanzar un dado.

b) B = {que salga un número mayor que 2}

c) C = {que salga un número múltiplo de 3}

Es decir, hay un 33,33% de probabilidad de obtener un número múltiplo de 3 al lanzar un dado.

2) Sea el experimento E: lanzamiento de un dado 2 veces. Determinar la probabilidad de los

a) A = {que salga al menos un número 6}

En primer lugar, se determina que Ω:

 (1,1); (1,2); (1,3); (1,4); (1,5); (1,6) 

a) A = {que salga al menos un número 6}