Capitulo 2

Contenido
2 Conceptos básicos de la probabilidad 2

2.1 Experimentos, espacios muestrales y eventos . . . . . . . . . . . . . . . 3
2.2 Modelo de urnas y técnicas de conteo . . . . . . . . . . . . . . . . . . 15
2.2.1 Modelo de urnas . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 El conteo por enumeración de elementos . . . . . . . . . . . . . 17
2.2.3 El conteo a través de diagramas de árbol . . . . . . . . . . . . 19
2.2.4 Teorema fundamental del conteo . . . . . . . . . . . . . . . . . 19
2.2.5 El principio de adición . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.6 Permutación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.7 Combinación . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Introducción a la probabilidad . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.1 Definición matemática de probabilidad . . . . . . . . . . . . . . 34
2.3.2 Probabilidad empı́rica . . . . . . . . . . . . . . . . . . . . . . . 36
2.3.3 Definición clásica de probabilidad . . . . . . . . . . . . . . . . . 38
2.3.4 Probabilidad subjetiva o personal . . . . . . . . . . . . . . . . . 43
2.4 Probabilidades condicionales . . . . . . . . . . . . . . . . . . . . . . . 49
2.5 Independencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
✍ Ejercicios complementarios . . . . . . . . . . . . . . . . . . . . . . . . . . 69
Respuestas a ejercicios impares seleccionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

CAPÍTULO 2
Conceptos básicos de la
probabilidad
Contenido
2.1 Experimentos, espacios muestrales y eventos . . . . . . . 3

2.2 Modelo de urnas y técnicas de conteo . . . . . . . . . . . 15
2.2.1 Modelo de urnas . . . . . . . . . . . . . . . . . . . . . . . . 16
2.2.2 El conteo por enumeración de elementos . . . . . . . . . . . 17
2.2.3 El conteo a través de diagramas de árbol . . . . . . . . . . 19
2.2.4 Teorema fundamental del conteo . . . . . . . . . . . . . . . 19
2.2.5 El principio de adición . . . . . . . . . . . . . . . . . . . . . 22
2.2.6 Permutación . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2.7 Combinación . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.3 Introducción a la probabilidad . . . . . . . . . . . . . . . 34
2.3.1 Definición matemática de probabilidad . . . . . . . . . . . . 34
2.3.2 Probabilidad empı́rica . . . . . . . . . . . . . . . . . . . . . 36
2.3.3 Definición clásica de probabilidad . . . . . . . . . . . . . . . 38
2.3.4 Probabilidad subjetiva o personal . . . . . . . . . . . . . . . 43
2.4 Probabilidades condicionales . . . . . . . . . . . . . . . . . 49
2.5 Independencia . . . . . . . . . . . . . . . . . . . . . . . . . 63
✍ Ejercicios complementarios . . . . . . . . . . . . . . . . . . . 69
2.1 Experimentos, espacios muestrales y eventos 3
☞ Objetivos del capı́tulo

1. Describir y aplicar algunas técnicas de conteo en la solución de problemas.
2. Desarrollar la comprensión de los conceptos básicos de probabilidad.
3. Definir y aplicar el concepto de probabilidad condicional.
4. Aplicar el teorema de Bayes en el cálculo de probabilidades.
5. Definir y aplicar el concepto de independencia entre eventos.
☞ Empleo de la estadı́stica
≪En una encuesta hecha a estudiantes de nuevo ingreso a la universidad se en-
contró que, entre todos los estudiantes admitidos, el 55% no tienen problema
de ningún tipo, el 25% sienten que fueron mal orientados en cuanto a la carrera
elegida y el 20% tienen problemas de tipo económico. La misma encuesta muestra
que de los que no tienen ningún tipo de problema solamente el 1% no regresa al
segundo semestre; que la probabilidad de que los que fueron mal orientados no
continuen en el segundo semestre es de 0,7 y la probabilidad de que los que tienen
problemas económicos continuen es de 0,05. Si se elige un alumno al azar del
segundo semestre, ¿cuál es la probabilidad de que él sea uno de los que a pesar de
no estar en la carrera de su vocación haya continuado?≫
2.1 Experimentos, espacios muestrales y eventos

Experimentos determinı́sticos y aleatorios
La teorı́a de la probabilidad tiene que ver con los diversos resultados posibles que podrı́an
obtenerse y los posibles sucesos que podrı́an ocurrir cuando se realiza un experimento. El
término experimento se utiliza en la teorı́a de la probabilidad para describir virtualmente
cualquier acción o proceso que genera observaciones.
Definición 2.1.1 Un experimento es cualquier acción o proceso que genera ob-

servaciones.
La validez de la mayorı́a de las teorı́as cientı́ficas está basada, en gran parte, en que los
experimentos, sobre los cuales las teorı́as se fundamentan, suministran esencialmente el
mismo resultado cuando estos experimentos se repiten. Este tipo de experimentos se
llaman determinı́sticos.
Definición 2.1.2 Un experimento determinı́stico es cualquier experimento

que, al repetirse bajo las mismas condiciones, genera siempre los mismos resultados.
Un ejemplo, en fı́sica, que es un experimento determinı́stico es la ley de la caı́da libre,

s= 1
2
gt2 .
Sin embargo, hay experimentos cuyos resultados no son determinados, si las condiciones
de los experimentos se mantienen constante. Ellos se llaman experimentos aleatorios o
estocásticos.
Definición 2.1.3 Un experimento aleatorio (o estocástico) es cualquier ex-

perimento que, al repertirse bajo las mismas condiciones, no genera siempre los
mismos resultados.
Ejemplos familiares de estos experimentos, son los juegos de suerte como dados, lanza-
miento de monedas o juegos de cartas. Sin embargo, hay otros tipos de ejemplos de
experimentos aleatorios como los siguientes:
(1) Semillas de igual estado que producen plantas de diferentes tamaños.
(2) Una máquina de coser alarga a veces una puntada sin un motivo claro.
(3) La duración de vida de las personas, que viven bajo condiciones semejantes, varı́a
y no se puede predecir.
(4) El sexo de un recién nacido.
(5) El año en que se extingue el apellido familiar.
Espacio muestral, evento y evento elemental

El primer paso para analizar un determinado experimento consiste en definir con cuidado
los resultados experimentales. Cuando hayamos definido todos los resultados posibles,
habremos identificado el llamado espacio muestral del experimento.
Definición 2.1.4 Supongamos que se realiza un experimento aleatorio.
(a) El conjunto de todos los posibles resultados de ese experimento, se llama

espacio muestral ( o de resultados).
El espacio muestral se simbolizará con la letra griega Ω (leı́da “omega”).
(b) Cualquier subconjunto del espacio muestral Ω se llama evento.
Los eventos se simbolizarán con las letras mayúsculas A, B, C, etc. “El evento A ha
sucedido” significa que el resultado observado del experimento está en A.
(c) Si un evento tiene un solo elemento se llamará evento elemental.
Ejemplo 2.1.5 Consideremos los siguientes experimentos aleatorios:

1. El lanzamiento de una moneda.
• Los posibles resultados son cara (C) o sello (S). Por tanto, Ω = {C, S}.
• {C} =“la moneda señala cara” es un evento elemental.

• “La primera moneda muestra sello” = {(S, S), (S, C)} es un evento.
2. Lanzamiento de dos monedas.
a) Dos monedas diferentes se lanzan al mismo tiempo.
• El espacio muestral correspondiente está dado por
Ω = {(C, C), (C, S), (S, C), (S, S)} = {C, S} × {C, S}
y, en este caso, (C, S) ̸= (S, C).

• {(C, C)} =“las monedas muestran cara” es un evento elemental.
• “ambas monedas muestran el mismo lado” = {(S, S), (C, C)} es un ejemplo
de un evento.
b) Dos monedas que no se pueden distinguir entre sı́ se lanzan al mismo tiempo.
• En esta situación, Ω = {(C, C), {C, S}, (S, S)}. Aquı́, (C, S) = (S, C).
! "
• {C, S} =“las monedas muestran diferentes lados” es un evento elemental.
• Un ejemplo de un evento es “ambas monedas muestran el mismo lado”
= {(S, S), (C, C)}.
3. Una moneda se lanza hasta que cara (C) aparezca.
• Se observa el número de lanzamientos que muestran sello (S) antes de que
aparezca una cara. Por tanto, Ω = {0, 1, 2, . . . , ∞}.
• En este caso, “{3} = C aparece por primera vez en el cuarto lanzamiento” es un
evento elemental y “{∞}” es el evento elemental de que la moneda nunca muestre
a C.
• “C aparece no antes del séptimo lanzamiento” = {6, 7, 8, . . . , ∞} es un evento.
4. Duración de la vida humana.
• Se observa la edad en la que diferentes personas mueren. De esta forma, Ω es
el conjunto de todos los números reales menores o iguales que k, donde k es la
edad de la persona que más años ha vivido en la tierra.
• “{59,7}” es el evento elemental de que una determinada persona murió a la edad
de 59,7 anõs.
• “Alguien muere con edad entre 60 y 70 años” = [60, 70] es un ejemplo de un
evento de Ω. !
Eventos seguro e imposible

En especial, el conjunto vacı́o ∅ y Ω son eventos. El conjunto Ω es el llamado “evento
seguro”, que siempre sucede y ∅ es el llamado “evento imposible”, que nunca puede
suceder (por ejemplo, que se obtenga un 7 en el lanzamiento de un dado).
Operaciones entre eventos

En muchas aplicaciones, estamos interesados simultáneamente en uno o más eventos.
Por ejemplo, si se lanza un dado, dos eventos que podrı́an considerarse son “el número
resultante es un múltiplo de 2” y “el número resultante es mı́nimo un 5”. Una posibili-
dad es que todos los enventos de interés podrı́an ocurrir; este serı́a el caso si el resultado
básico del experimento aleatorio pertenece a todos estos eventos. El conjunto de re-
sultados básicos que pertenece a todos los eventos de un grupo se denomina intersección.
Definición 2.1.6 Sean A y B dos eventos de un espacio muestral Ω. Su inter-

sección, simbolizado por A ∩ B, es el conjunto de todos los resultados posibles en
Ω que pertenecen a A y a B. Por tanto, la intersección A ∩ B ocurre si y sólo si
tanto A como B ocurren.
De manera más general, dado n eventos A1 , A2 , . . . , An de un espacio muestral Ω, su in-

tersección A1 ∩ A2 ∩ · · · ∩ An es el conjunto de todos los resultados posibles de Ω que pertenecen a
todos los Ai (i = 1, 2, . . . , n).
Un instrumento útil para pensar en intersecciones y otras relaciones de conjuntos es el

diagrama de Venn. En la figura 2.1 se muestran diagramas para pares de conjuntos A y
B. En la parte (a) de la figura, el rectángulo Ω representa el espacio muestral, mientras
que las dos circunferencias representan los dos eventos A y B.
Ası́, por ejemplo, un resultado básico perteneciente a A estará dentro del cı́rculo corres-
pondiente. El área sombreada donde se cruzan las dos figuras es A ∩ B. Claramente,
un resultado básico estará en A ∩ B si y sólo si está tanto en A como en B. De esta
manera, al lanzar un dado, los resultados 3 y 5 pertenecen a los dos eventos A =“se
obtiene un número impar” y B =“se obtiene como mı́nimo un 3”.
(a) A ∩B es el área sombreada. (b) A y B son mutuamente ex-

cluyentes
Fig. 2.1: Los diagramas de Venn para la intersección de los eventos A y B.
Es posible que los eventos A y B no tengan resultados en común, en cuyo caso las
figuras no se cruzarán como en la parte (b) de la figura 2.1. Tales eventos se dicen
que son mutuamente excluyentes (o disyuntos). Por ejemplo, si un al lanzar un dado,
los eventos A =“se obtiene un número par” y B =“se obtiene un número impar” son
mutuamente excluyentes.
Definición 2.1.7 Sean A y B dos eventos de un espacio muestral Ω. Si los

sucesos A y B no tienen en común resultados de Ω, se denominan mutuamente
excluyentes (o disyuntos) y su intersección A ∩ B es el conjunto vacı́o. De esto
se deduce que el evento A ∩ B no puede ocurrir.
De manera más general, decimos que n eventos A1 , A2 , . . . , An de un espacio muestral Ω

son mutuamente excluyentes si todo par de estos eventos es mutuamente excluyente, es decir
si Ai ∩ Aj es el conjunto vacı́o para todo i ̸= j.
Cuando se consideran varios eventos conjuntamente, otra posibilidad de interés es que

por lo menos uno de ellos ocurra. Esto sucederá si el resultado del experimento pertenece
al menos a uno de los eventos. El conjunto de resultados pertenecientes por lo menos a
uno de los eventos, se denomina unión. Por ejemplo, en el experimento del lanzamiento
de un dado, los resultados 2, 4, 5 y 6 pertenecen por lo menos a uno de los eventos
A =“se obtiene un número par” o B =“se obtiene como mı́nimo un 4”.
Definición 2.1.8 Sean A y B dos eventos de un espacio muestral Ω. Su unión,

simbolizado por A ∪ B, es el conjunto de todos los resultados posibles en Ω que
pertenecen por lo menos a uno de estos eventos. Por tanto, la unión A ∪ B ocurre
si y sólo si por lo menos alguno de estos dos eventos, A o B, ocurre.
De manera más general, dado n eventos A1 , A2 , . . . , An de un espacio muestral Ω, su

unión A1 ∪ A2 ∪ · · · ∪ An es el conjunto de todos los resultados posibles de Ω que pertenecen por lo
menos a uno de estos n eventos.
La unión de un par de eventos se ilustra en el diagrama de Venn de la figura 2.2a, donde

claramente se observa que un resultado estará en A ∪ B si y sólo si está en por lo menos
alguno de estos dos eventos, A o B.
(a) A ∪B es el área sombreada. (b) A − B es el área sombreada
Fig. 2.2: Los diagramas de Venn para la unión y diferencia de los eventos A y B.
Ahora, cuando se consideran dos eventos conjuntamente, otra situación que interesa es
que uno de ellos ocurra, pero el otro no. Esto ocurre cuando el resultado del experimento
pertenece a uno de ellos, pero no al otro. El conjunto de resultados que pertenecen a un

evento, pero no a otro otro se denomina diferencia entre ambos eventos. Por ejemplo,
los resultados 2 y 4 pertenecen al evento A =“se obtiene un número par estrictamente
menor que 6”, pero no al evento B =“se obtiene mı́nimo 5”.
Definición 2.1.9 Sean A y B dos eventos de un espacio muestral Ω. La dife-

rencia entre A y B, simbolizado por A − B, es el conjunto de todos los resultados
posibles en Ω que pertenecen a A, pero no a B. Por tanto, la diferencia A − B ocurre
si y sólo si A ocurre, pero B no.
La diferencia entre un par de eventos se muestra en el diagrama de Venn de la figura 2.2b,

en donde se observa que un resultado estará en A−B si y sólo si está en A, pero no en B.
A continuación, sea A un evento y supongamos que nuestro interés es que A no ocurra.

Esto sucederá si el resultado del experimento aleatorio se encuentra en Ω (como debe
ser), pero no en A. El conjunto de resultados pertenecientes al espacio muestral, y que
no pertenecen a determinado evento, se denomina complemento de ese conjunto.
Definición 2.1.10 Sea A evento de un espacio muestral Ω. Su complemento,

simbolizado por A, es el conjunto de todos los resultados posibles en Ω que no perte-
nencen a A. Por tanto, el complemento A de A ocurre si y sólo si A no ocurre.
Claramente, los eventos A y A son mutuamente excluyentes. El complemento del evento

A se ilustra en la figura 2.3a.
(a) A es el área sombreada. (b) Partición de Ω
Fig. 2.3: Diagrama de Venn para el complemento de A y partición de Ω a través de

A1, A2, A3, . . . , An.
Un caso de especial interés lo constituye una colección de varios eventos cuya unión
es la totalidad del espacio muestral Ω. Dado que todo resultado pertenece a Ω, se
deduce que todo resultado de un experimento aleatorio estará al menos en una clase
de estas colecciones de eventos. Estos eventos se denominan colectivamente exhaus-
tivos. Por ejemplo, si se lanza un dado, los sucesos “el resultado es como mı́nimo un
3” y el resultado es máximo un 6” son colectivamente exhaustivos (al menos uno de
estos eventos debe ocurrir). Pero, si adicionalmente estas colecciones de eventos son
mutuamente excluyentes, entonces, se dice que estos eventos forman una partición de Ω.
Definición 2.1.11 Sean A1, A2, . . . , An eventos de un espacio muestral Ω.
(a) Si se cumple que A1 ∪A2 ∪· · ·∪An = Ω, entonces, estos n eventos se denominan

colectivamente exhaustivos.
(b) Decimos que estos n eventos forman una partición de Ω si ellos son colecti-
vamente exhaustivos y mutuamente excluyentes.
Una representación gráfica de esta situación se observa en la figura 2.3b. Observemos

que todos los eventos elementales forman una partición del espacio muestral correspondiente.
Ejemplo 2.1.12 Sea Ω = {1, 2, 3, 4, 5} el espacio muestral correspondiente a un experimento

aleatorio dado. Además, sean A = {2}, B = {1, 4}, C = {3, 5} y D = {2, 3, 4, 5}. Entonces (ver
figura 2.4),
• A, B y C es una partición de Ω porque A ∪ B ∪ C = Ω y A ∩ B = ∅, A ∩ C = ∅,
B ∩ C = ∅.
• B y D son colectivamente exhaustivos, pero no forman una partición de Ω porque
B ∩ D = {4} ̸= Ω.
• A, C y D no son colectivamente exhaustivos (y, por tanto, tampoco forman una
partición de Ω) porque 1 ̸∈ A ∪ C ∪ D.
Fig. 2.4: Diagrama de Venn para el ejemplo 2.1.12 !
Hemos presentado cuatro conceptos importantes (intersección, unión, diferencia y com-

plemento). Todos ellos serán importantes en nuestro estudio subsiguiente de la proba-
bilidad. Los siguientes ejemplos ilustran estas operaciones entre eventos.
Ejemplo 2.1.13 Se lanza un dado. Sea A el evento “se obtiene un número impar” y B el
evento “se obtiene mı́nimo un 3”. Entonces,
• Los complementos de estos eventos son, respectivamente,
A = “se obtiene un número par” = {2, 4, 6},

B = “se obtiene máximo un 2” = {1, 2}.
• La intersección de A y B es el evento
A ∩ B = “se obtiene un número impar distinto de 1” = {3, 5}.
• La unión de A y B es el evento
A ∪ B = “se obtiene un número distinto de 2” = {1, 3, 4, 5, 6}.
• La diferencia de A y B es el evento
A − B = “se obtiene el número 1” = {1}.
• La diferencia de B y A es el evento
B − A = “se obtiene un número par distinto de 2” = {4, 6}.
Observemos también que los eventos A y A son mutuamente excluyentes, dado que su
intersección es el conjunto vacı́o, y colectivamente exhaustivos, dado que su unión es el
espacio muestral Ω. En otras palabras, A y A forman una partición de Ω. !
Algunas propiedades relacionadas con eventos

A continuación presentamos algunas de las propiedades básicas que se deben tener en
cuenta cuando trabajamos con eventos.
Teorema 2.1.14 Sean A y B eventos de un espacio muestral Ω. Entonces, son

válidas las siguientes afirmaciones.
(a) Ω = ∅ (b) ∅ = Ω (c) A = A
(d) A ∩ ∅ = ∅ (e) A ∪ ∅ = A (f ) A ∩ A = ∅
(g) A ∪ A = Ω (h) A ∩ B = A ∪ B (i) A ∪ B = A ∩ B
Los resultados (h) e (i) son las llamadas leyes de De Morgan.
Presentamos ahora dos resultados más que incluyen uniones e intersecciones. Serán
empleados más adelante para desarrollar algunas reglas de probabilidad.
Teorema 2.1.15 Sean A, A1, A2, . . ., An y B eventos de un espacio muestral Ω.

Entonces, son válidas las siguientes afirmaciones.
(a) Los eventos A ∩ B y A ∩ B son mutuamente excluyentes y su unión es igual al

evento B, es decir, forman una partición de B (ver figura 2.5a).
(b) Si A1, A2, . . ., An forman una partición de Ω, entonces, los eventos A1 ∩ B,

A2 ∩ B, . . ., An ∩ B son mutuamente excluyentes y su unión es B, es decir,
forman una partición de B.
Para comprender lo expuesto en el teorema 2.1.15b, consideraremos el diagrama de

Venn de la figura 2.5b. El rectángulo grande es el espacio muestral Ω y está subdividido
en partes más pequeños que representan los n eventos A1, A2, . . ., An que forman la
partición de Ω. El evento B viene representado por la región sombreada. Se observa que
los eventos comprendidos en la interseción de B y cada uno de los eventos Ai forman
una partición de B, es decir, son mutuamente excluyentes y su unión es B.
(a) Diagrama de Venn para los (b) Diagrama de Venn para

eventos A ∩ B y A ∩ B. A1 ∩ B, A2 ∩ B, . . . y An ∩ B
Fig. 2.5: Diagrama de Venn para diferentes intersecciones.
Ejemplo 2.1.16 Consideremos el lanzamiento de un dado. Verificaremos los dos resultados

que se presentan en el teorema 2.1.15.
(a) Sean A = {1, 3, 5} y B = {3, 4, 5, 6}. Entonces, los eventos
A ∩ B = {3, 5} A ∩ B = {4, 6}
son mutuamente excluyentes y su unión es B (ver figura 2.6a). De esta forma queda
verificada la parte (a) del teorema.
(b) Sean B = {3, 4, 5, 6}, A1 = {1, 3}, A2 = {2, 4, 6} y A3 = {5}. Observemos que los eventos
A1 , A2 y A3 forman una partición de Ω. ¿Por qué? Ahora, claramente podemos
observar que los eventos
A1 ∩ B = {3}, A2 ∩ B = {4, 6}, A3 ∩ B = {5}
son mutuamente excluyentes y su unión es B (ver figura 2.6b), verificándose, de esta

manera, la parte (b) del teorema.
(a) Los eventos A ∩ B y A ∩ B (b) A1 ∩ B, A2 ∩ B y A3 ∩ B

son mutuamente excluyentes y son mutuamente excluyentes y
su unión es B. su unión es B
Fig. 2.6: Diagrama de Venn para diferentes intersecciones. !
Ejemplo 2.1.17 Un problema al que se enfrenta frecuentemente la investigación de merca-

dos lo constituye el hecho de que algunas preguntas que nos gustarı́a hacer son tan delicadas
que muchas personas se negarán a contestarlas o darán una respuesta falsa. Una manera
de atacar este problema es utilizar el método de la respuesta aleatorizada1 . Esta
técnica consiste en acompañar la pregunta delicada con otra pregunta normal. Por ejemplo,
podrı́amos tener el siguiente par de preguntas:
(a) ¿Ha hurtado en almacenes intencionalmente en los últimos doce meses?
(b) ¿Ha realizado una compra por catálogo en los últimos doce meses?
A los encuestados se les pide que lancen una moneda y entonces contestan a la pregunta
(a) si se obtiene cara y a la (b) en otro caso. Dado que el encuestador no puede saber a
qué pregunta se contesta, se espera que se obtengan de esta manera respuestas verdaderas.
Para las preguntas que acompañan a la de interés, el investigador cuenta ya con información
sobre la población sujeta a estudio. De este modo, en nuestro ejemplo, el investigador sabe
qué proporción de la población realizó una compra por catálogo en los últimos doce meses.
Definamos ahora los siguientes eventos:

B : El encuestado responde “sı́”.
A1 : El encuestado responde a la pregunta delicada.
A2 : El encuestado responde a la pregunta normal.
Claramente, los eventos A1 y A2 son mutuamente excluyentes y colectivamente exhaustivos.
De este modo, las condiciones de la parte (b) del teorema 2.1.15 y se verifica que los eventos
A1 ∩ B = El encuestado responde “sı́” y lo hace a la pregunta delicada,

A2 ∩ B = El encuestado responde “sı́” y lo hace a la pregunta normal
son mutuamente excluyentes. Además, su unión es el evento B, como se puede verificar

fácilmente. !
1
Ver, por ejemplo, M. D. Geurts, “Using a randomized response research design to eliminate
nonresponse biases in business research”, Journal of Academy of Marketing Science, 8 (1980), 83-
90.
✍ Ejercicios de la sección 2.1

1. En un concurso de televisión, el ganador puede elegir tres de cinco personas diferentes:
A, B, C, D y E.
(a) Enumere los elementos del espacio muestral correspondientes.
(b) ¿Cuántos elementos hay en el espacio muestral correspondientes a una selección que
incluye a A?
(c) ¿Cuántos elementos hay en el espacio muestral correspondientes a una selección que
incluye a A y a B?
(d) ¿Cuántos elementos hay en el espacio muestral correspondientes a una selección que
incluye a A o a B?
2. La gerencia de producción de una corporación realizó un estudio para determinar el tiempo,
en minutos, necesario para que un técnico ejecute cierta tarea relacionada con el montaje
de sus televisores.
(a) Describa el espacio muestral correspondiente a este estudio.
(b) Describa el evento E de que un técnico tarde tres minutos o menos para realizar la
tarea.
(c) Describa el evento F de que un técnico tarde más de tres minutos para realizar la
tarea.
3. Como parte de un procedimiento de control de calidad, un inspector de una granja se-
leccionó 10 adornos al azar de cada lote que recibe y registra el n”umero de adornos
defectuosos.
(a) ¿Cuál es el espacio muestral adecuado para cada lote?
(b) Describa el evento F de que a lo más cuatro adornos estén rotos.
(c) Describa el evento G de que al menos siete adornos estén rotos.
(d) Describa los eventos F ∩ G y F ∪ G.
(e) Describa el evento H de que once adornos estén rotos.
(f) Determinar si la proposición dada es verdadera o falsa. Si es verdadera, explicar
por qué y si es falsa, construya un contraejemplo (es decir, un ejemplo para mostrar
que es falsa): “Si E y F son eventos mutuamente excluyentes y E y G son eventos
mutuamente excluyentes, entonces, F y G son mutuamente excluyes”.
4. En un campeonato de fútbol participan cuatro universidades: Uninorte, Uniatlántico,
Uniautónoma y la Cuc. En la primera vuelta, Uninorte jugará contra Uniatlántico y Uni-
autónoma contra la Cuc. Los dos ganadores jugarán por el campeonato y subcampeonato
y los perdedores, por el tercer y cuarto puesto. Un posible resultado definitivo puede re-
presentarse por la tupla (Uninorte, Uniautónoma, Uniatlántico, Cuc), en donde se indica
que Uninorte fue el campeón, Uniautónoma el subcampeón, Uniatlántico quedó de tercero
y la Cuc, de cuarto.
(a) Enumere todos los posibles resultados de Ω.
(b) Sea A el evento en que Uninorte gana el torneo. Haga una lista de los elementos de
A.
(c) Sea B el evento en que Uniatlántico llega a la final. Haga una lista de los elementos
de B.
(d) ¿Cuáles son los resultados en A ∪ B y en A ∩ B? ¿Cuáles son los resultados en A?
5. En el departamento de recaudos se acaba de terminar una votación secreta para elegir el

nuevo jefe de ese departamento. La urna de votos contiene tres papeletas con votos para
Greyci, uno de los dos candidatos y dos papeletas con votos para Brian, el otro candidato.
Supongamos que las papeletas se sacan de la caja una por una.
(a) ¿Cuántos resultados disponibles hay? ¿Cuáles son?
(b) Suponga que se realiza un conteo a medida que se sacan las papeletas. ¿En cuáles
resultados Greyci se mantiene adelante de Brian en todo el conteo?
6. Una familia formada por Greyci, Brian y Humberto asisten a una clı́nica que siempre tiene
un médico en cada una de las oficinas 1, 2 y 3. Durante cierta semana, cada miembro de
la familia visita una vez la clı́nica y se le asigna al azar un médico: el experimento consiste
en registrar el número de la oficina asignada a cada miembro de la familia. Un resultado
de (3, 2, 2) es: para Greyci la oficina 3; Brian, oficina 2 y Humberto, oficina 2.
(a) Haga una lista de los 27 resultados del espacio muestral.

(b) Haga una lista de todos los resultados del evento en el cual las tres personas de la
familia vayan a la misma oficina.
(c) Haga una lista de todos los resultados del evento en el cual todos los miembros de la
familia vayan a diferentes oficinas.
(d) Haga una lista de todos los resultados del evento en el cual ningún miembro de la
familia vaya a la oficina 2.
7. Sea Ω = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9} el espacio muestral correspondiente a un experimento

aleatorio dado. Sean A, B, C y D eventos de Ω definidos por
A = {0, 1, 2, 3}, B = {4, 5, 6, 7}, C = {2, 4, 6}, D = {1, 8, 9}.
Liste los elementos de los conjuntos que corresponden a los siguientes eventos: (a) A ∪ D;
(b) B ∩ C; (c) D; (d) (D ∩ A) ∪ C; (e) Ω ∩ B; (f) B ∩ C ∩ D.
8. Señale la región de la figura de abajo que representa a cada evento: (a) A ∪ B ∪ C, (b)
A ∩ B ∩ C, (c) A ∩ B ∩ C, (d) A ∩ B ∩ C, (e) A ∩ B ∩ C, (f) (A ∪ B) ∩ C, (g) A ∪ (B ∩ C),
(h) A ∪ B ∪ C.
9. Sean Ω el evento de todos los turistas que visitaron a Barranquilla durante un fin de
semana y A, B y C, los eventos formados por los turistas que visitaron el Museo romántico,
el Zoológico y Bocas de Cenizas, respectivamente. Exprese con palabras las regiones
indicadas a continuación teniendo en cuenta la figura de abajo: (a) Región 1, (b) Regiones
1 y 4 juntas, (c) Regiones 4, 5, 7 y 8 juntas, (d) Regiones 5, 6 y 7.
10. En una encuesta realizada en un colegio de la ciudad a un total de 150 alumnos se encontró:
54 estudian Algebra; 89, Inglés; 80, Ciencias Naturales; 60, Ciencias Naturales e Inglés;
10, sólo Algebra; 20, Algebra y Ciencias Naturales; 15, las tres materias simultáneamente.
Determine el número de alumnos que conforman los siguientes eventos:
2.2 Modelo de urnas y técnicas de conteo 15
(a) Estudian Algebra e Inglés, pero no Ciencias Naturales.

(b) Estudian sólo una materia.
(c) Estudian a lo sumo dos materias.
11. Una universidad realiza tres tipos de pruebas a 100 aspirantes y obtiene los siguientes
resultados: 2 fracasaron en las tres pruebas; 7, en la primera y en la segunda; 8, en la
segunda y en la tercera; 10, en la primera y en la tercera; 25, en la primera; 30, en
la segunda; 25, en la tercera. Determine el número de aspirantes que conforman los
siguientes eventos:
(a) Fracasaron exactamente en una prueba.
(b) Aprobaron las tres pruebas.
(c) Fracasaron en la primera y en la tercera, pero no en la segunda.
(d) Fracasaron en la segunda y en la tercera, pero no en la primera.
(e) Fracasaron en al menos una prueba.
(f) Aprobaron al menos una prueba
(g) Aprobaron la segunda o la tercera, pero no la primera.
12. Un equipo de fútbol ha determinado contratar un futbolista de talla internacional para el
próximo campeonato. Sean A, B y C eventos que representan al hecho de que el futbolista
contratado ha jugado en el Real Madrid, en el Milan y en el Bayern de Munich, respecti-
vamente. Utilice las operaciones de unión, intersección y complemento para describir, en
términos de A, B y C, dibuje un diagrama de Venn y sombree la región correspondiente
a cada uno.
(a) Por lo menos el futbolista ha jugado en uno de los tres equipos mencionados ante-
riormente.
(b) El futbolista ha jugado en los tres equipos mencionados anteriormente.
(c) El futbolista ha jugado en el Real Madrid y no en el Milan.
(d) El futbolista sólo ha jugado en el Bayern de Munich.
(e) El futbolista ha jugado exactamente en uno de los tres equipos mencionados ante-
riormente.
2.2 Modelo de urnas y técnicas de conteo

A pesar de la complejidad de muchos procedimientos avanzados, proporcionados por la
tecnologı́a moderna, el simple proceso de contar resultados de un experimento aleatorio
continúa jugando un papel importante en problemas prácticos de la vida cotidiana.
Tenemos que contar por ejemplo, el número de alumnos por grupo, el número de llamadas
recibidas en una oficina por dı́a, el número de accidentes ocurridos en los fines de semana,
etc. Pero, en muchos problemas como, por ejemplo,
• calcular de cuántas formas podemos sentar 10 personas, una al lado de la otra

para una foto;
• o determinar cuántos números de tres cifras se pueden formar con los dı́gitos del
1 al 9 si no se pueden repetir los dı́gitos,
la tarea no resulta ser fácil si no se desarrollan técnicas especiales de conteo. Debido a

que, frecuentemente, es necesario determinar cantidades como estas para poder calcular
probabilidades2 , entonces, se hace obligatorio para nosotros estudiar algunas técnicas.
Las técnicas especiales de conteo que estudiaremos, y que son fundamentales para el
cálculo de algunas probabilidades, son: el conteo por enumeración de elementos, el
conteo a través de diagramas de árbol, el teorema fundamental del conteo, el principio
de adición, el conteo de permutaciones y el conteo de combinaciones.
2.2.1 Modelo de urnas

Antes de comenzar a introducir los conceptos y propiedades básicos que caracterizan a
cada una de las técnicas mencionadas anteriormente, consideraremos importante enfa-
tizar que muchos experimentos aleatorios pueden describirse por medio de los llamados
modelos de urnas, los cuales están caracterizados por los siguientes dos hechos:
1. En una urna hay bolas distinguibles (por ejemplo, numeradas), no distinguibles

(por ejemplo, rojas) o mixtas. Estas bolas se consideran como una población.
2. De esta urna se quieren sacar una o más bolas, al mismo tiempo o no, reem-
plazando o no las bolas seleccionadas antes de seleccionar nuevamente otra(s)
bola(s) y observando el orden o no de las bolas extraı́das. Las bolas extraı́das se
consideran como una muestra. Para obtener estas muestras, podemos distinguir
los siguientes casos:
(a) Seleccionar sin reemplazo.

Cada bola seleccionada se deposita fuera de la urna y por eso puede selec-
cionarse una sola vez.
(b) Seleccionar con reemplazo.
Cada bola seleccionada se reemplaza en la urna y por eso puede seleccionarse
varias veces.
(c) Seleccionar considerando el orden.
Se seleccionan cierta cantidad de bolas una tras otra y se considera el orden
obtenido. En este caso, las bolas seleccionadas se pueden considerar como
tuplas ordenadas.3
(d) Seleccionar sin considerar el orden.
Se seleccionan cierta cantidad de bolas a la vez (o también una tras otra),
pero sin que interese el orden de las bolas extraı́das.
2
Concepto que veremos más adelante
3
Por una tupla ordenada se entiende una expresión, por ejemplo, de la forma (a, b, c, d, e, . . . , z),
en donde el orden de estas letras es importante. Por ejemplo, para el caso de tener sólo dos letras
a y b, no es lo mismo (a, b) que (b, a). A la tupla con dos elementos se le llama par ordenado; a
la de tres elementos, tripleta ordenada, etc.
Los cuatro casos se pueden combinar: las bolas se seleccionan con o sin reemplazo
y con o sin orden. Inclusive, podemos identificar otros tipos de modelo de urna
con base en las situaciones anteriores como, por ejemplo,
(e) Seleccionar formando una partición.

Seleccionar grupos de bolas sin importar el orden y cada grupo se guarda,
por ejemplo, en gavetas numeradas. Esto se hace hasta que no queden bolas
en la urna.
Ahora, procederemos a explicar las mencionadas técnicas de conteo.
2.2.2 El conteo por enumeración de elementos

Nuestra primera regla es tratar de enumerar todos los elementos de un espacio muestral
y luego contarlos. Esta técnica es adecuada cuando el número de resultados posibles no
es muy grande. Para ilustrar esto, consideremos los siguientes ejemplos. Observe que a
la mayorı́a de ellos lo hemos identificado con un modelo de urna.4
Ejemplo 2.2.1 (Selección con reemplazo y con orden) Una urna contiene 4 fichas:
una azul, una verde, una roja y una negra. ¿Cuáles son las distintas maneras de selec-
cionar dos fichas con reemplazo?
SOLUCION:
Abreviaremos el color de las fichas con su correspondiente letra inicial: A, V, R y N. Como
la selección es con reemplazo, entonces, se selecciona un ficha y se vuelve a introducir en la
urna antes de seleccionar la segunda. Por lo tanto, los elementos del espacio muestral son
AA, VA, AR, RA, AN, NA, VR, RN,

VN, NV, RN, NR, AA, VV, RR, NN.
En este ejemplo el orden es importante, por eso aparece AV y VA como dos elementos
distintos del espacio muestral. !
Ejemplo 2.2.2 (Selección sin reemplazo y sin orden) ¿De cuántas maneras se puede
armar un grupo de 2 de entre 4 personas (digamos Greyci, Jeniffer, Brian y Humberto)?
SOLUCION:
En esta situación el orden no interesa (por eso no se utilizan paréntesis al identificar a cada
selección del grupo). Es como si colocáramos los nombres de estas cuatro personas en una
bolsa y sacáramos dos de ellas al mismo tiempo. Observe que, en este caso, da lo mismo la
posibilidad “Greyci, Jeniffer” que “Jeniffer, Greyci” (por eso sin orden). Además, la posibili-
dad de obtener un grupo conformado por “Greyci, Greyci” no existe (por eso, sin reemplazo).
Al tener en cuenta lo anterior, encontramos que los posibles grupos de dos personas que
se pueden escoger son:
Greyci, Jeniffer, Greyci, Brian, Greyci, Humberto,

Jennifer, Brian, Jeniffer, Humberto, Brian, Humberto,
Es decir, en total hay 6 maneras posibles de seleccionar un grupo de 2 personas, sabiendo

que hay 4 disponibles. !
4
A los que no hemos identificado con un modelo de urna, significa que el ejemplo no se puede
clasificar directamente como uno de los modelos de urna descritos anteriormente. En realidad, hay
otros tipos de modelos de urna.
Ejemplo 2.2.3 (Selección sin reemplazo y con orden) ¿De cuántas maneras se pueden
sentar Greyci, Jeniffer, Brian y Humberto en un sofá que sólo tiene disponible dos puestos?
SOLUCION:
En este ejemplo el orden es importante porque no es lo mismo, por ejemplo, que Greyci se
siente en el primer puesto y Jeniffer en el segundo que lo contrario. Por eso utilizaremos
parejas ordenadas para enumerar los posibles resultados. Ahora, es obvio que Greyci no
puede aparecer sentada en el primer puesto y en el segundo puesto al mismo tiempo (por
eso, sin reemplazo). Es decir, no existe la posibilidad que aparezca el resultado (Greyci,
Greyci).
Con lo anterior, fácilmente, podemos determinar que las posibles maneras en que se sienten
dos personas en el sofá son:
(Greyci, Jeniffer), (Greyci, Brian), (Greyci, Humberto), (Jeniffer, Greyci)

(Jennifer, Brian), (Jeniffer, Humberto), (Brian, Greyci), (Brian, Jeniffer)
(Brian, Humberto), (Humberto, Greyci), (Humberto, Jeniffer), (Humberto, Brian)
Es decir, en total hay 12 maneras posibles de que dos de las cuatro personas se sienten en
el sofá de dos puestos. !
Ejemplo 2.2.4 (Selección con reemplazo y sin orden) ¿De cuántas formas pueden aco-
modarse 3 libros iguales de matemáticas (M) y 2 libros iguales de fı́sica (F) en un estante
que tiene sólo 5 puestos disponibles?
SOLUCION:
Como los libros, digamos, de matemáticas son iguales, entonces, no importa el orden en que
ellos coloquen en el estante (por eso sin orden). Además, los libros de matemáticas están
repetidos (por eso con reemplazo). Igual sucede con los de fı́sica. La organización posible
de los 5 libros en el estante son:
MMMFF, FFMMM, MMFFM, MMFMF, MFMFM,
MFMMF, MFFMM, FMFMM, FMMFM, FMMMF.
Es decir, en total hay 10 maneras posibles de organizar los 5 libros en el estante. !
Ejemplo 2.2.5 (Partición de un espacio muestral) ¿De cuántas maneras diferentes pue-
den Greyci, Jeniffer, Brian y Humberto acomodarse en una habitación triple y en una
habitación sencilla?
SOLUCION:
En este ejemplo, es dividir a las cuatros personas en grupos de dos (por eso, una partición),
donde un grupo tendrá 3 personas (que son las que dormirán en la habitación triple) y el
otro grupo, 1 persona (que dormirá en la habitación sencilla). Ahora, la pareja (Greyci-
Brian-Jeniffer, Humberto) significa que las 3 primeras personas duermen en la habitación
triple y la última, en la sencilla.
Teniendo en cuenta lo anterior, las posibles reparticiones de las cuatro personas son:
(Greyci-Brian-Jeniffer, Humberto), (Greyci-Brian-Humberto, Jeniffer),

(Greyci-Humberto-Jeniffer, Brian), (Humberto-Jennifer-Brian, Greyci).
Es decir, en total hay 4 maneras posibles de repartir a 3 personas en una habitación triple
y 1 en la sencilla. !
Ejemplo 2.2.6 Una joven tiene tres blusas (de marcas A, B y C), dos faldas (de colores
azul y roja) y dos pares de zapatos (de cuero y plástico). Utilizando estas siete prendas de
vestir, ¿cuántos juegos de ropa diferentes podrı́a ponerse?

SOLUCION:
Como podemos ver, los posibles juegos de ropa que la joven podı́a ponerse son los siguientes:
(A, azul, cuero), (A, azul, plástico), (A, rojo, cuero), (A, rojo, plástico)
(B, azul, cuero), (B, azul, plástico), (B, rojo, cuero), (B, rojo, plástico)
(C, azul, cuero), (C, azul, plástico), (C, rojo, cuero), (C, rojo, plástico)
O sea, que en total ella podrı́a ponerse 12 juegos. !
2.2.3 El conteo a través de diagramas de árbol

Cuando el número de posibilidades no es demasiado grande, se puede utilizar una repre-
sentación gráfica que se conoce con el nombre de diagrama de árbol, para mostrar
todas las secuencias posibles de tales operaciones. Un diagrama de árbol consta de una
serie de “ramas” que corresponden a cada una de las formas en que se pueden realizar
la operación. Ilustraremos este diagrama a través de sólo un ejemplo.
Ejemplo 2.2.7 (Selección sin reemplazo y con orden) ¿De cuántas formas distintas
se pueden organizar las letras A, B, C?
SOLUCION:
El diagrama de árbol correspondiente a esta situación se presenta en la figura 2.7. Como
puede verse en ese diagrama, las diferentes posiblidades se pueden enumerar teniendo en
cuenta las últimas ramas del diagrama. De allı́, vemos que hay en total seis ramas. Es decir,
hay 6 maneras diferentes de organizar las letras dadas.
Fig. 2.7: Diagrama de árbol para el ejemplo 2.2.11. !
2.2.4 Teorema fundamental del conteo

La siguiente regla de conteo se aplica a cualquier situación en la cual un evento cons-
te de tuplas ordenadas de objetos y queremos contarlos. Por ejemplo, la mayorı́a de
las situaciones ilustradas por medio de los ejemplos hasta aquı́ se pueden analizar, sin
necesidad de enumerar las diferentes posibilidades y sin elaborar un diagrama de árbol,
a través del siguiente teorema.
Teorema 2.2.8 (Teorema fundamental del conteo) Si un evento puede ocur-

rir de m formas y si después que ha sucedido puede seguir un segundo evento que
puede ser de cualquiera de n formas, entonces, los dos eventos pueden ocurrir si-
multáneamente en el orden establecido de mn formas. Esta regla se puede extender
a cualquier cantidad de eventos.
Para resolver cualquier problema de conteo, les sugiero realizar siempre los siguientes pasos:
• Primer paso:
Determine cuántos eventos hay en el problema y si es necesario identifique cada uno de ellos.
• Segundo paso:
Calcule de cuántas formas puede ocurrir cada uno de estos eventos.
• Tercer paso:
Por último aplique el el teorema fundamental del conteo (teorema 2.2.8).
Ejemplo 2.2.9 Un dado se lanza dos veces. Determinar el número de formas en que se
pueden obtener los números del dado en los dos lanzamientos.
SOLUCION:
Como los dos dados no están relacionados en forma alguna cuando se lanzan y como cada
uno pueder caer de seis formas distintas, el número total de formas en que pueden caer, uno
después del otro, es 6 · 6 = 36 por el teorema fundamental del conteo (teorema 2.2.8) que
son
!
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),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6),
"
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5), (6, 6) . !
Ejemplo 2.2.10 Para el ejemplo 2.2.6 pueden ocurrir tres eventos, uno después del otro.
Son los siguientes: Escoger una de las 3 blusas, escoger una de las 2 faldas y escoger uno
de los dos pares de zapatos. El primer evento puede ocurrir de 3 formas; el segundo, de 2
formas y el tercer, de 2 formas. Por tanto, por el teorema fundamental del conteo (teorema
2.2.8), los cuatros eventos uno seguido del otro pueden ocurrir en 3 · 2 · 2 = 12 maneras
distintas. !
Ejemplo 2.2.11 (Selección sin reemplazo y con orden) En la situación del ejemplo
2.2.7 hay tres eventos que debemos considerar: el de escoger a la letra A, el de escoger a la
letra B y el de escoger la C. Ahora, para la primera posición hay 3 posibilidades de escoger
la primera letra. Si se selecciona una, en la segunda posición habrá dos posibilidades y, si
selecciona otra, en la última habrá una posibilidad. Por tanto, por el teorema fundamental
del conteo (teorema 2.2.8), el total de formas para organizar las tres letras es 3 · 2 · 1 = 6,
como se obtuvo en el ejemplo 2.2.7. !
Ejemplo 2.2.12 (Selección sin reemplazo y con orden) Hay cuatro facturas diferentes
que un gerente quiere ordenar, de izquierda a derecha, en cuatro lugares distintos de su es-
critorio. ¿De cuántas maneras puede él hacerlo?
SOLUCION:
Hay dos formas de analizar este ejemplo: como un problema de colocación y como un prob-
lema de selección.
• Un problema de colocación.
Los cuatro eventos son:
A = Colocar la primera factura en uno de los cuatro espacios.
B = En seguida, colocar la segunda factura en uno de los tres espacios restantes.
C = De los dos espacios aún vacı́os, uno será para la tercera factura.
D = La última factura va en el único lugar disponible.
• Un problema de selección.
Los cuatro eventos son:
A = Seleccionar una factura para el primer lugar.
B = Después de llenar el primer espacio, se elige la segunda factura de entre las
tres restantes
C = Luego de ocupar tres espacios, se selecciona la trecera factura de entre las
que quedan.
D = Colocar la cuarta factura en el último espacio.
En cualquiera de las dos situaciones, A puede hacerse de 4 maneras; B, de tres; C, de dos y
D, de una sola manera. Por consiguiente, por el teorema fundamental del conteo (teorema
2.2.8), el número total de formas posibles en que el gerente puede ordenar sus facturas es
4 · 3 · 2 · 1 = 24. !
Ejemplo 2.2.13 (Selección sin reemplazo y con orden) Considere la situación del ejem-
plo 2.2.3. El primer puesto hay 4 maneras de que se siente una persona. Sentada una allı́
quedarán disponibles 3 personas para el segundo puesto. Por tanto, por el teorema funda-
mental del conteo (teorema 2.2.8) hay 12 = 4 · 3 maneras posibles de que dos de las cuatro
personas se sienten en el sofá de dos puestos. !
Sin embargo hay situaciones en donde no se puede aplicar (o no se puede aplicar

fácilmente) el teorema fundamental del conteo (teorema 2.2.8). Algunos ejemplos son
los siguientes:
Ejemplo 2.2.14 Cuando la selección es

(a) sin reemplazo y sin orden como en el ejemplo 2.2.2;
(b) con reemplazo y sin orden como en el ejemplo 2.2.4;
(c) a través de la partición de un espacio muestral como en el ejemplo 2.2.5
el teorema fundamental del conteo (teorema 2.2.8) no es aplicable (directamente). En los
dos primeros casos porque no importa el orden y en el tercero, por la estructura del modelo
de urna. !
2.2.5 El principio de adición

Consideremos el siguiente ejemplo.
Ejemplo 2.2.15 Cinco empresas de transporte tienen servicio diario entre Barranquilla y
Bogotá. Tres empresas de aviación tienen vuelo diario entre Barranquilla y Bogotá. En
consecuencia, hay 5 + 3 maneras de ir de Barranquilla a Bogotá en avión o en bus. !
En el ejemplo anterior vemos que no es posible aplicar el teorema fundamental del con-
teo (teorema 2.2.8). Para resolver este tipo de problemas es importante considerar el
siguiente teorema:
Teorema 2.2.16 (Principio de adición) Si los eventos A1, A2, . . ., Ak son mu-
tuamente excluyentes (véase la definición 2.1.7) y si se ocurren de n1, n2, . . ., nk
formas diferentes, entonces, el evento A1 ∪ A2 ∪ · · · ∪ Ak ocurre de n1 + n2 + · · · + nk
formas diferentes.
Ejemplo 2.2.17 En el lanzamiento de dos dados, ¿de cuántas formas se puede obtener que
la suma de los números sea un siete o un ocho?
SOLUCION:
Sean A y B los eventos “obtener un siete” y “obtener un ocho”, respectivamente. Entonces,
A ∪ B será el evento “obtener un siete o un ocho”. Debido a que
A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)} y B = {(2, 6), (3, 5), (4, 4), (5, 3), (6, 2)},
entonces, A y B pueden ocurrir de 6 y 5 formas distintas y, además, son mutuamente

excluyentes. Por consiguiente, por el principio de adición (teorema 2.2.16), el evento A ∪ B
ocurrirá de 6 + 5 = 11 maneras distintas. !
Ejemplo 2.2.18 Consideremos el experimento de lanzar una moneda al aire tres veces.
¿De cuantas formas se puede obtener una, dos o tres caras?
SOLUCION:
Sean A, B y D los eventos “obtener una cara ” y “obtener dos caras”, “obtener tres caras”,
respectivamente. Entonces, A ∪ B ∪ D será el evento “obtener una, dos o tres caras”. Como
A = {(C, S, S), (S, C, S), (S, S, C)}, B = {(S, C, C), (C, S, C), (C, C, S)} y D = {(C, C, C)}
entonces, A, B y D pueden ocurrir de 3, 3 y 1 formas distintas. Obsérvese, además, que

son mutuamente excluyentes. Por lo tanto, por el principio de adición (teorema 2.2.16), el
evento A ∪ B ∪ D ocurrirá de 3 + 3 + 1 = 7 maneras diferentes. !
2.2.6 Permutación
Definición 2.2.19 Una permutación es un arreglo ordenado de una cantidad

finita de objetos distintos.
Es importante tener en cuenta que toda permutación se puede identificar como una muestra
seleccionada sin o con reemplazo, pero siempre con orden
Ejemplo 2.2.20 (Permutaciones de 3 letras, sin reemplazo) ACB es un ejemplo de

una permutación de las letras A, B y C. Hay en total 6 permutaciones de estas letras, a
saber (compárese con el ejemplo 2.2.7):
ABC ACB BCA BAC CBA CAB. !
Ejemplo 2.2.21 (Permutaciones de 4 letras tomándolas de 2 en 2, sin reemplazo)

AC es un ejemplo de una permutación de las letras A, B, C y D, pero tomado solamente
dos de ellas. Hay en total 12 permutaciones de estas cuatro letras, tomándolas de 2 en 2, a
saber:
AB AC AD BA BC BD CA CB CD DA DB DC. !
Ejemplo 2.2.22 (Permutaciones de 4 letras si hay letras iguales, con reemplazo)

CAC es un ejemplo de una permutación de las letras A, C y C. En total hay 3 permutaciones
de estas letras: ACC, CAC y CCA. !
En la mayor parte de los casos, el total de permutaciones de un conjunto de objetos se

puede calcular siempre a través del teorema fundamental del conteo (teorema 2.2.8). De
todas formas, para situaciones especiales hay fórmulas que nos permiten calcular la can-
tidad de permutaciones sin necesidad de aplicar el teorema fundamental del conteo (en
realidad, estas fórmulas se obtienen aplicando este teorema). Las situaciones especiales
(relacionadas con permutaciones) que explicaremos a continuación son las siguientes:
• Permutaciones sin repetición de n objetos tomados todos a la vez.
• Permutaciones sin repetición de n objetos tomados de k en k (k ≤ n).
• Permutaciones circulares.
• Permutaciones con repetición de n objetos tomados de k en k (k es cualquier

número natural).
• Permutaciones de n objetos de los cuales hay n1 de un primer tipo, n2 de un

segundo tipo, . . ., nk de un k-ésimo tipo, donde n1 + n2 + · · · + nk = n.
• Maneras de hacer una partición de un conjunto.
Permutaciones sin repetición de n objetos tomados todos a la vez
Teorema 2.2.23 El número de permutaciones de un conjunto de n elementos

distintos es igual a n! := 1 · 2 · · · (n − 1) · n, siendo 0! := 1.
El sı́mbolo “!” se conoce con el nombre de factorial. Cuando escribamos, por ejemplo, 5!
leeremos “5 factorial”. Algunos valores factoriales son los siguientes:
1! = 1, 2! = 2 · 1 = 2, 3! = 3 · 2 · 1 = 6, 4! = 4 · 3 · 2 · 1 = 24, etc.
Las permutaciones de este tipo se pueden considerar como muestras seleccionadas sin reemplazo.
Ejemplo 2.2.24 (Permutaciones de 4 objetos, sin reemplazo) El ejemplo 2.2.12 se

puede resolver también aplicando el teorema 2.2.23 porque el gerente quiere ordenar sus
cuatro facturas disponiendo sólo de cuatro espacios posibles. Aplicando este teorema, ten-
emos que el gerente puede ordenar sus facturas de 4! = 4 · 3 · 2 · 1 = 24 maneras, que fue el
resultado obtenido aplicando el teorema fundamental del conteo (teorema 2.2.8). !
Ejemplo 2.2.25 (Permutaciones de 8 objetos, sin reemplazo) Suponga que una em-
presa dispone de ocho máquinas atornilladoras y de ocho espacios en el área de producción.
¿De cuántas maneras diferentes se pueden acomodar estas ocho máquinas en los ocho espa-
cios disponibles?
SOLUCION:
Podemos aplicar directamente el teorema 2.2.23 puesto que tenemos un total de n = 8 ob-
jetos que queremos ordenar entre sı́. Es decir, hay 8! = 40.320 maneras de ordenar las ocho
máquinas en los ocho espacios disponibles. !
Ejemplo 2.2.26 (Permutaciones de 5 objetos, sin reemplazo) Se le pide a un con-

sumidor que ordene, por orden de preferencia, el sabor de cinco marcas de cerveza. Si
al consumidor le es indiferente cualquiera de estas cinco marcas, entonces, el número de
permutaciones que resultan será 5! = 120. !
Ejemplo 2.2.27 (Permutaciones de 12 objetos, sin reemplazo) Cuatro libros distin-

tos de matemáticas, seis diferentes de fı́sica y dos diferentes de quı́mica se colocan en un
estante. ¿De cuántas formas distintas es posible ordenarlos si (a) los libros de cada asig-
natura deben estar todos juntos, (b) solamente los libros de matemáticas deben estar juntos?
SOLUCION:
(a) Los libros de matemáticas pueden ordenarse entre ellos de 4! formas, los libros de
fı́sica de 6! formas, los libros de quı́mica de 2! formas y los tres grupos de 3! formas.
Por consiguiente,
número de ordenaciones pedido = 4! 6! 2! 3! = 207.360.
(b) Considerar los cuatro libros de matemáticas como un solo libro. Entonces, se tienen
9 libros que pueden ordenarse de 9! formas. En todos estos casos, los libros de
matemáticas están juntos. Pero, los libros de matemáticas pueden ordenarse entre
ellos de 4! formas. Por consiguiente,
número de ordenaciones pedido = 9! 4! = 8.709.120. !
Permutaciones sin repetición de n objetos tomados de k en k (k ≤ n)

Hay situaciones en donde podemos hallar las permutaciones de n objetos distintos
tomándolos de k en k, como se ilustró en el ejemplo 2.2.21. Para calcular el número de
permutaciones de este tipo, podemos tener en cuenta el siguiente teorema:
Teorema 2.2.28 El número de permutaciones de un conjunto de n elementos

n!
distintos tomados de k en k es igual a (n−k)! .
Las permutaciones de este tipo también se pueden considerar como muestras seleccionadas
sin reemplazo. Además, obsérvese que cuando k = n, este resultado coincide siempre con el del
teorema 2.2.23.
Ejemplo 2.2.29 (Permutaciones de 2 en 2, sin reemplazo) Por el teorema 2.2.28, el

número de permutaciones de las letras A, B, C y D, tomadas de dos en dos es igual a
4!
(4−2)! = 12 (compaárese con el ejemplo 2.2.21). !
Ejemplo 2.2.30 (Permutaciones de 5 en 5, sin reemplazo) ¿De cuántas formas dife-

rentes se pueden sentar 8 alumnos en una oficina con sólo 5 sillas?
SOLUCION:
Por el teorema 2.2.28, el número de formas en que se pueden sentar 8 alumnos en una oficina
8!
con 5 sillas es igual a (8−5)! = 6.720. !
Ejemplo 2.2.31 (Permutaciones de 3 en 3, sin reemplazo) ¿Cuántos números de 3

cifras sin repetición se pueden formar con los dı́gitos 8, 2, 5, 4 y 7?
SOLUCION:
5!
Nuevamente, por el teorema 2.2.28, esto se puede hacer de (5−3)! = 60 formas. !
Ejemplo 2.2.32 (Permutaciones de 4 en 4, sin reemplazo) Una sección de maquinaria

determinada consta de cuatro piezas y puede ser ensamblada poniendo las piezas en cualquier
orden. Supóngase que se decide estudiar el tiempo de ensamblaje para esta sección de
maquinaria midiendo el tiempo que requiere para cada uno de los ensamblajes resultantes
de tomar las piezas en distinto orden. ¿Cuántas de estas mediciones habrá que hacer?
SOLUCION:
4!
Por el teorema 2.2.28, el número total de mediciones es (4−4)! = 24. !
Permutaciones circulares
Ahora estudiaremos algunas situaciones de arreglos circulares. Para ello consideremos el
siguiente ejemplo.
Ejemplo 2.2.33 (Permutación circular) Sabemos que si queremos sentar a Greyci, Jenif-
fer, Brian y Humberto, una al lado de la otra en fila, el número de arreglos que podemos
hacer es 4! = 60. Ahora bien, si los queremos sentar alrededor de una mesa circular, ¿de
cuántas maneras lo podemos hacer?
SOLUCION:
Al considerar a una persona en un lugar fijo (digamos Greyci) y acomodar a las otras tres
personas en 3! formas diferentes, se encuentra que hay 6 arreglos distintos alrededor de la
mesa circular (compárese con la figura 2.8).
Este ejemplo también se puede resolver directamente aplicando directamente el siguiente

teorema:
Teorema 2.2.34 El número de permutaciones de n objetos distintos acomodados

en un cı́rculo es (n − 1)!.
Ejemplo 2.2.35 (Permutación circular) ¿De cuántas formas pueden sentarse Greyci,
Jeniffer, Brian y Humberto alrededor de una mesa circular si Greyci y Humberto no deben
estar una al lado de la otra?
SOLUCION:
Considérense las dos personas que no deben ir juntas como una sola. Entonces hay 3 personas
para sentarse en la mesa circular, que lo pueden hacer de 2! formas. Pero las dos personas
Fig. 2.8: Permutación de 4 personas en una mesa circular. !
consideradas como una sola se pueden ordenar de 2! maneras. Por consiguiente, el número
de permutaciones de 3 personas alrededor de una mesa circular si dos de ellas pueden estar
juntas es 2! 2! = 4, que son las “mesas no sombreadas” de la figura 2.9.
Fig. 2.9: Las mesas sombreadas son las permutaciones en que Greyci, Jeniffer, Brian
y Humberto se pueden organizar si Greyci y Humberto no deben estar juntas.
Entonces, el número total de formas en que Greyci, Jeniffer, Brian y Humberto pueden
sentarse alrededor de una mesa circular si Greyci y Humberto no deben estar una al lado de
la otra es 4 − 2 = 2 formas, que corresponden a las “mesas sombreadas” de la figura 2.9. !
Permutaciones con repetición de n objetos tomados de k en k (k es

cualquier número natural)
Veamos otra aplicación del teorema fundamental del conteo (teorema 2.2.8).
Ejemplo 2.2.36 (Permutaciones de 2 en 2, k > n, con reemplazo) Supongamos que

tenemos 3 niños de un colegio de primaria y 2 sabores de helados disponibles (digamos, fresa
y mango). ¿De cuántas maneras diferentes podemos servir un helado a los 3 niños?
SOLUCION:
Al primer niño le podemos servir uno de los 2 sabores, al segundo niño también le podemos
servir de los 2 sabores y al tercero, también, uno de los 2 sabores. Por consiguiente, por el
teorema fundamental del conteo (teorema 2.2.8), hay 2 · 2 · 2 = 23 = 8 maneras diferentes de
servir un helado a los 3 niños. Estas posibilidades son las siguientes:
(fresa, fresa, fresa), (fresa, fresa, mango), (fresa, mango, fresa),

(fresa, mango, mango), (mango, fresa, fresa), (mango, fresa, mango),
(mango, mango, fresa), (mango, mango, mango),
en donde, por ejemplo, la tripleta (fresa, mango, mango) significa que el primer niño pidió
un helado de fresa, el segundo de mago y el tercero, de mango. !
Este ejemplo se puede categorizar como un modelo de urna en donde las muestras
son seleccionadas con orden y con reemplazo. En este tipo de situaciones se están
considerando aquellas permutaciones con repetición de n objetos distintos tomándolos
de k en k y en donde k es cualquier número natural. Para calcular este número de
permutaciones podemos aplicar el teorema fundamental del conteo (teorema 2.2.8) o,
simplemente, aplicar el siguiente teorema:
Teorema 2.2.37 Sea k cualquier número natural. El número de permutaciones

con repetición de n objetos distintos tomándolos de k en k es igual a nk.
Obsérvese que las permutaciones de este tipo se pueden considerar como muestras seleccionadas
con reemplazo.
Ejemplo 2.2.38 (Permutaciones de 3 en 3, k < n, con reemplazo) ¿Cuántos números

de 2 cifras con repetición se pueden fomar usando todos los siguientes dı́gitos: 5, 2 y 3?
SOLUCION:
Por el teorema 2.2.37, hay 32 = 9 números de dos cifras con repetición y son 55, 52, 53, 25,
22, 23, 35, 32 y 33. !
Ejemplo 2.2.39 (Permutaciones de 4 en 4, k > n, con reemplazo) ¿De cuántas for-

mas podemos contestar un examen con 10 preguntas de selección múltiple, si cada pregunta
tiene 4 posibilidades de respuesta?
SOLUCION:
Por el teorema 2.2.37, hay 410 = 1.048.576 formas de responder las 10 preguntas, si cada
una de ellas tiene cuatro posibilidades de respuesta. !
Ejemplo 2.2.40 (Permutaciones de 5 en 5, k = n, con reemplazo) Un ladrón quiere

abrir una caja fuerte. Observa que para abrirla debe manipular un dispositivo de seguridad
formado por cinco anillos y cada uno marcado con los dı́gitos 1, 2, 3, 4 y 5, pero no sabe la
combinación correcta. ¿Cuál es el número máximo de intentos incorrectos que puede realizar
antes de encontrar la combinación correcta?
SOLUCION:
En cada uno de los 5 anillos pueden ponerse los 5 dı́gitos. Ası́ que, por el teorema 2.2.37
con n = k = 5, hay 55 = 3.125 posibilidades de escoger una clave. Pero como una de estas
3.125 es la correcta, el número máximo de intentos incorrectos es 3.124. !
Permutaciones de n objetos en donde hay n1 de un primer tipo, n2 de

un segundo tipo, . . ., nk de un k-ésimo tipo, con n1 + n2 + · · · + nk = n
Ahora consideraremos algunas permutaciones de n objetos, en donde algunos grupos de
objetos son iguales entre sı́, como podemos observar los ejemplos 2.2.4 y 2.2.22. Para
calcular permutaciones de este tipo se puede aplicar el siguiente teorema:
Teorema 2.2.41 El número de permutaciones de n objetos en donde hay n1 de un

primer tipo, n2 de un segundo tipo, . . ., nk de un k-ésimo tipo, con n1+n2+· · ·+nk =
n, es
n!
,
n1! n2! · · · nk!
donde n1, . . . , nk son números naturales.
Ejemplo 2.2.42 (Permutación con 7 grupos de objetos iguales) ¿Cuántas palabras

distintas se pueden formar con las letras de la palabra “estadı́stica”? (También cuentan
palabras sin sentido como, por ejemplo, “setadistica”)
SOLUCION:
Obsérvese que en la palabra “estadı́stica” hay n = 11 letras, distribuidas ası́: 1 “e”, 2 “s”,
2 “t”, 2 “a”, 1 “d”, 2 “i” y 1 “c”. Por tanto, aplicando el teorema 2.2.41, se concluye que
podemos formar
11!
= 2.494.800
1! 2! 2! 2! 1! 2! 1!
palabras distintas con las letras de la palabra mencionada anteriormente. !
Ejemplo 2.2.43 (Permutación con 2 grupos de objetos iguales) ¿Cuántas señales di-
ferentes se pueden hacer con 5 banderas de las cuales 2 son azules y 3, rojas?
SOLUCION:
De acuerdo al teorema 2.2.41, hay 2!5!3! = 10 señales que se pueden hacer. !
Maneras de hacer una partición de un conjunto

A menudo interesa determinar el número de formas en que se pueden repartir n objetos
en k subconjuntos (llamados celdas5 ) como sucede en la situación del ejemplo 2.2.5.
En general, este número de formas se pueden calcular directamente con ayuda del si-
guiente teorema:
Teorema 2.2.44 El número de formas de partir n objetos distintos en donde en

k celdas con n1 objetos en la primera celda, n2 en la segunda tipo, . . ., nk en la
k-ésima celda, con n1 + n2 + · · · + nk = n, es
! "
n n!
= .
n1, n2, . . . , nk n1! n2! · · · nk!
No importa el orden de los objetos dentro de cada celda.
5
En el ejemplo 2.2.5, se han considerado 2 celdas: las habitaciones triple y sencilla.
Ejemplo 2.2.45 (Partición en 3 celdas) Doce estudiantes van a viajar en carros distin-
tos a cierta ciudad. Si 3 de ellos van en un carro, 4 en otro carro y 5 en el otro, ¿de cuántas
maneras se pueden acomodar si cualquiera puede conducir?
SOLUCION:
Por el teorema 2.2.44, hay
! "
12 12!
= = 27.720
3, 4, 5 3! 4! 5!
formas en que los 12 estudiantes se pueden acomodar en los tres carros, viajando 3, 4 y 5
estudiantes en carros distintos. !
2.2.7 Combinación
Cuando tratamos con permutaciones de objetos, el orden de escogencia o de colocación
es importante. Hay ocasiones en que no nos interesa considerar conjuntos de objetos
donde el orden no es importante. Cuando esto ocurre, la escogencia se llama combi-
nación.
Definición 2.2.46 Una escogencia de k objetos de un conjunto de n objetos distin-

tos, sin importar el orden en que los k objetos son escogidos, se llama combinación.
Una combinación puede ser con repetición o sin repetición.
Ejemplo 2.2.47 (Combinaciones tomadas de 2 en 2, sin repetición) Todas las posi-

bles combinaciones de las n = 5 letras A, B, C, D y E, tomadas de dos en dos (o sea, k = 2)
sin repetición son
AB, AC, AD, AE, BC, BD, BE, CD, CE, DE.
Es decir, en total hay 10 posibles formas de escoger dos letras de un total de 5, cuando el
orden no importa y la selección es sin repetición. Obsérvese que, en este caso, da lo mismo
escoger AB y BA (es decir, no importa el orden). !
Ejemplo 2.2.48 (Combinaciones tomadas de 2 en 2, con repetición) Todas las posi-

bles combinaciones de las n = 5 letras A, B, C, D y E, tomadas de dos en dos (o sea, k = 2)
con repetición son
AB, AC, AD, AE, BC, BD, BE, CD

CE, DE, AA, BB, CC, DD, EE.
Es decir, en total hay 15 posibles formas de escoger dos letras de un total de 5, cuando el
orden no importa y la selección es con repetición. !
Ejemplo 2.2.49 (Diferentes problemas con combinaciones) Otros casos en donde se

presentan problemas con combinaciones, son los siguientes:
(a) En una caja hay n = 5 fichas numeradas y se sacan k = 3 fichas, una detrás de otra,
sin reponer y sin importar el orden.
(b) Se reparten n = 10 fichas diferentes y numeradas sobre k = 6 puestos no numerados de
tal forma que, en cada puesto haya exactamente una ficha.
(c) Repartir k = 7 fichas iguales no numeradas sobre n = 9 puestos numerados, de tal forma
que en cada puesto haya a lo más una ficha. !
Pero, ¿cómo calculamos el número de combinaciones de un conjunto de objetos sin

enumerar tales combinaciones? El siguiente teorema nos da la respuesta.
Teorema 2.2.50 El número de combinaciones de k objetos seleccionados, sin

repetición, de un conjunto de n elementos, es
! " ! "
n n! n
:= , siendo := 1.
k k!(n − k)! 0
Y el número de combinaciones de k objetos seleccionados con repetición, de un

conjunto de n elementos, es
! " ! "
n (n − 1)! n
:= , siendo := 1.
k r k!(n − 1)! 0
Los números nk se conocen con el nombre de coeficiente binomial porque aparecen como coe-
# $
ficientes de ak bn−k , con 0 ≤ k ≤ n, en el desarrollo binomial de (a + b)n como se muestra a

continuación:
n
% &
n
$ n k n−k
(a + b) = a b , para todo a, b ∈ R.
k=0
k
Ejemplo 2.2.51 (Combinaciones tomadas de 4 en 4, sin repetición) Una pieza de

un radio puede ser comprado de cualquiera de cinco proveedores. ¿De cuántas maneras se
pueden escoger cuatro de los cinco proveedores?
SOLUCION:
Por el teorema 2.2.50, esto se puede hacer de 54 = 5 maneras.
# $
!
Ejemplo 2.2.52 (Combinaciones tomadas de 2 en 2, con repetición) Por el teorema

2.2.50, el número de las posibles combinaciones de las #n $= 5 letras A, B, C, D y E, tomadas
de dos en dos (o sea, k = 2) con repetición es igual a 52 r = 15 (xcompárese con el ejemplo
2.2.48). !
Debido a que las combinaciones con repetición son poco usuales en la práctica, de ahora
en adelante, todas las copmbinaciones que se seleccionen serán sin repetición.
Ejemplo 2.2.53 (Combinaciones tomadas de 8 en 8) Por # $ el teorema 2.2.50, un comité

de k = 3 mujeres de un grupo de n = 8, se puede escoger de 83 = 56 maneras. !
Ejemplo 2.2.54 (Combinaciones tomadas de 5 en 5) De un total de 5 matemáticos

y 7 fı́sicos, se forma un comité de 2 matemáticos y 3 fı́sicos. ¿De cuántas maneras puede
formarse, si (a) puede pertenecer a él cualquier matemático y fı́sico, (b) un fı́sico determi-
nado debe pertenecer al comité, (c) dos matemáticos determinados no pueden pertenecer al
comité?
SOLUCION:
(a) 2 matemáticos de un total de 5 pueden elegirse de 52 = 10 maneras. Ahora, 3 fı́sicos

# $
#7$
de un total de 7 pueden elegirse de 3 = 35 maneras. Por consiguiente,
número total de selecciones posibles = 10 · 35 = 350.
(b) 2 matemáticos de un total de 5 pueden elegirse de 52 = 10 maneras. Ahora, 2 fı́sicos

# $
#6$
restantes de un total de 6 pueden elegirse de 2 = 15 maneras. Por consiguiente,
número total de selecciones posibles = 10 · 15 = 150.
(c) 2 matemáticos de un total de 3 pueden elegirse de 32 = 3 maneras. Ahora, 3 fı́sicos

# $
#7$
de un total de 7 pueden elegirse de 3 = 35 maneras. Por consiguiente,
número total de selecciones posibles = 3 · 35 = 105. !
El número de combinaciones de n objetos tomados de k en k está relacionado con el

número de permutaciones de n objetos tomados de k en k. Observemos que cada com-
binación puede arreglarse de k! maneras distintas. Si aplicamos el teorema fundamental
del conteo (teorema 2.2.8), el número total de permutaciones de n objetos distintos
tomados de k en k es igual al producto de k! y al número
# $ de combinaciones de n ob-
jetos distintos tomados de k en k, o sea, igual a k! n k . Esto se puede resumir en el
siguiente teorema:
Teorema 2.2.55 El número total de permutaciones de n objetos distintos tomados

de k en k es igual al producto de k! y al número
#n$ de combinaciones de n objetos
distintos tomados de k en k, o sea, igual a k! k .
Ejemplo 2.2.56 (Permutaciones de 5 en 5) Por el teorema 2.2.28, el número de formas

en que se pueden sentar 8 alumnos en una oficina con 5 sillas es igual a 5! 85 = 6.720, que
# $
coincide con el resultado obtenido en el ejemplo 2.2.30. !

13. En un reinado mundial de la belleza, el jurado calificador debe elegir de un total de cinco
finalistas a la nueva reina mundial de la belleza. ¿De cuántas formas se puede seleccionar
(a) reina y virreina? (b) reina, virreina y primera princesa? (c) dos candidatas para ser
reina?
14. En un estudio médico, los pacientes se clasifican de acuerdo a su peso (liviano, normal,
pesado) y también de acuerdo a su estatura (medio bajo, bajo, alto y medio alto). Enu-
mere las diferentes posibilidades en las que un paciente se puede clasificar. ¿Cuántas
posibilidades hay?
15. Si un experimento consiste en lanzar un dado, luego, lanzar una moneda y después es-
coger al azar una letra de nuestro alfabeto, ¿cuántos elementos tiene el espacio muestral
correspondiente? (Suponga que nuestro alfabeto tiene 27 letras)
16. Los estudiantes de un curso de estadı́stica se clasifican como estudiantes de administra-
ción, economı́a o ingenierı́a; como repitente o no repitente y también como hombre o
mujer. Encuentre el número total de clasificaciones posibles para los estudiantes de dicho
curso.
17. Dados los dı́gitos 0, 2, 4, 5, 6, 8 y 9. Si no se aceptan repeticiones,

(a) ¿cuántos números de tres dı́gitos se pueden formar?
(b) ¿cuántos de esos números son múltiplos de 5?
18. En un determinado almacén, ciertas lámparas se reciben en cuatro estilos diferentes, con
cada estilo disponible en cinco colores diferentes. Si el almacén desea mostrar lámparas
que muestren la totalidad de de los diversos estilos y colores, ¿cuántas diferentes lámparas
tendrı́a que mostrar?
19. ¿De cuántas maneras diferentes se puede responder un cuestionario de falso-verdadero
que tiene 10 preguntas?
20. Un medicamento para problemas renales se puede adquirir de seis laboratorios diferentes
en forma de jarabe, tabletas, cápsulas o inyección, todas de concentración alta o baja.
¿De cuántas maneras diferentes puede un doctor recetar el medicamento a un paciente
que tenga problemas renales.
21. Supongamos que 7 personas se quieren organizar en una fila.
(a) ¿De cuántas maneras diferentes pueden hacerlo?
(b) ¿De cuántas maneras diferentes pueden hacerlo si una de ellas no debe estar al
comienzo de la fila?
22. En un concurso nacional de canto, los seis finalistas son 3 hombres y 3 mujeres. Encuentre
el número de ordenamientos posibles al final del concurso para (a) los seis finalistas, (b)
las tres primeras posiciones.
23. Humberto ha visto un accidente de tránsito en el que el culpable huye. A pesar de esto
le dice a la policı́a que la placa del carro en el que viajaba el culpable tenı́a tres letras
(de las cuales las dos primeras eran C y A) y tres dı́gitos (de los cuales el último era 0).
Encuentre el número máximo de placas de carro que la policı́a debe verificar bajo cada
una de las siguientes condiciones (nuestro alfabeto tiene 27 letras):
(a) Las tres letras son diferentes y los tres dı́gitos también.
(b) Las tres letras son diferentes y los dos dı́gitos que faltan son diferentes entre sı́,
(c) La letra que hace falta es diferente a la A y los dı́gitos que hacen falta son diferentes
e impares.
24. La mayor accionista de una determinada empresa decide que en el futuro se divida el pre-
supuesto de publicidad entre tres agencias. Seis son las agencias que se están considerando
para este trabajo. ¿Cuántas son las posibles elecciones de tres agencias?
25. Supongamos que se quieren formar números de tres dı́gitos con los dı́gitos 0, 2, 4, 5, 7, 8
y 9.
(a) ¿Cuántos números resultan si los dı́gitos pueden estar repetidos?
(b) ¿Cuántos números resultan si cada dı́gito puede usarse sólo una vez?
(c) ¿Cuántos números resultan si los números resultantes son impares y si los dı́gitos
pueden estar repetidos?
(d) ¿Cuántos números resultan si los números resultantes son pares y si cada dı́gito puede
usarse sólo una vez?
(e) ¿Cúantos números son menores que 440 y si los dı́gitos pueden estar repetidos?
(f) ¿Cuántos números resultan si el primer dı́gito es 5 y si cada dı́gito puede usarse sólo
una vez?
26. ¿De cuántas maneras se pueden parquear siete carros con modelos distintos en una calle
si hay tres zonas disponibles en un lado de la calle y cuatro en el lado opuesto?
27. ¿De cuántas maneras pueden sentarse tres hombres y tres mujeres en una fila con seis
puestos si se deben alternar?
28. ¿Cuáles y cuántas son las muestras ordenadas, con reemplazo, de tamaño dos de la
población consistente en los (a) tres valores 2, 4 y 6; (b) cuatro valores 0, 2, 4 y 6.
29. Tres parejas de casados han comprado boletas para el cine y se sientan en una fila for-
mada por seis asientos. Supongamos que se sientan al azar. Determine el número de
formas diferentes en que se pueden sentar teniendo en cuenta cada una de las siguientes
situaciones:
(a) No hay restricción alguna.
(b) Todos los hombres se sientan juntos a la izquierda de todas las mujeres.
(c) Exactamente una pareja (digamos, Luis y Matilde) están sentadas en los dos asientos
del extremo derecho.
(d) Luis y Matilde están sentadas uno junto a la otra.
(e) Luis y Matilde están sentados juntos en la extrema izquierda y otra pareja (digamos,
Jorge y Nubia) está sentada juntos en el medio.
(f) Jorge y Nubia están sentados juntos en el medio y los otros dos esposos (digamos,
Luis, Ricardo) están sentados junto a sus respectivas esposas (Matilde y Ana, respec-
tivamente).
(g) Todos los esposos están sentados junto a sus respectivas esposas.
30. ¿De cuántas maneras se pueden llenar las 11 posiciones inciales de un equipo de fútbol
con 17 jugadores que pueden jugar en cualesquiera de las posiciones?
31. ¿De cuántas maneras se pueden sembrar seis árboles diferentes en un cı́rculo si (a) no hay
restricción alguna, (b) hay dos en especial que deben estar juntos, (c) hay dos en especial
que no deben estar juntos?
32. ¿Cuántas palabras diferentes se pueden formar con la palabra “Barranquilla” (las palabras
no necesariamente deben tener sentido) si (a) no hay restricción alguna, (b) la primera
letra debe ser una “q” y la última una “a”.
33. ¿De cuántas maneras se pueden permutar tres focos rojos, cuatro bolas blancas y dos
fichas amarillas si los objetos del mismo tipo (a) se pueden distinguir, (b) no se pueden
distinguir.
34. Catorce personas deciden ir a ver un partido de fútbol en cuatro carros que llevan dos, tres,
cuatro y cinco personas, respectivamente. ¿De cuántas maneras es posible transportar a
las catorce personas hasta el estadio si cualquiera puede conducir?
35. Dados los dı́gitos 0, 1, 3, 6, 8 y 9. Si no se aceptan repeticiones:
(a) ¿cuántos números de cuatro dı́gitos se pueden formar?
(b) ¿cuántos de esos números son pares?
(c) ¿cuántos son impares?
(d) ¿cuántos de los números obtenidos en (a) son mayores de 3.000?
36. ¿De cuántas maneras se pueden repartir dos contratos a tres empresas A, B y C si cada
empresa puede tener 0, 1 ó 2 contratos? Descrı́balas.
2.3 Introducción a la probabilidad 34
37. Si una prueba de opción múltiple consiste en cuatro preguntas cada una con tres respuestas
posibles de las que sólo una es correcta.
(a) ¿De cuántas maneras diferentes puede elegir un estudiante una respuesta a cada
pregunta?
(b) ¿De cuántas maneras puede escoger un estudiante una respuesta a cada pregunta y
tener mal todas las respuestas?
(c) ¿De cuántas maneras puede escoger un estudiante una respuesta a cada pregunta y
tener por lo menos una respuesta correcta?
38. Las placas para autos en Barranquilla antes tenı́an dos letras y cuatro números. El sistema
de nomenclatura cambió y ahora son de tres letras y tres números. Con el sistema actual,
¿aumentó o disminuyó el número de placas que se pueden emitir? ¿En qué porcentaje?
2.3 Introducción a la probabilidad

Antes de señalar como se utilizan las probabilidades, es necesario conocer de cierta
manera de donde provienen. Básicamente, explicaremos 4 formas de calcular o estimar
la probabilidad, a saber, mediante los siguientes métodos:
• Método axiomático, construido con base en tres axiomas.
• Método de la frecuencia relativa que se basa en la frecuencia relativa de ocurrencia
de un evento con respecto a un gran número de experimentos repetidos.
• Método clásico, que proviene de los juegos de azar y se emplea para espacios
muestrales finitos con resultados que suceden con la misma probabilidad.
• Método subjetivo, que nos permite asignar probabilidades con fundamento en la
intuición, o en la creencia personal.
2.3.1 Definición matemática de probabilidad

Al igual que la geometrı́a, el álgebra y otras disciplinas matemáticas, también, la teorı́a
de la probabilidad se construye a través de axiomas, los cuales se enumeran a continua-
ción:
Axioma 2.3.1 Sean Ω ̸= ∅ un espacio muestral finito y F un conjunto de eventos

de Ω. Una función P : F −→ R se llama una probabilidad si se cumplen los
siguientes 3 axiomas:
(a) La probabilidad de cualquier evento debe ser siempre mayor o igual que cero, es
decir, P(A) ≥ 0, para todo A ∈ F.
(b) La probabilidad del espacio muestral siempre es uno, es decir, P(Ω) = 1.
(c) Para cada n eventos A1, A2, . . . An de F, mutuamente excluyentes (véase la

definición 2.1.7), si se cumple que
P(A1 ∪ A2 ∪ · · · ∪ An) = P(A1) + P(A2) + · · · + P(An).

Es importante enfatizar que el conjunto F, mencionado en la definición anterior, deber estar cons-
truido de tal manera que cumpla las siguientes propiedades:
(a) Ω siempre debe estar en F.
(b) Si A está en F, entonces, el complemento A de A también debe estar en F.
(c) Si A1 , A2 , . . . An están en F, entonces, la unión A1 ∪ A2 ∪ · · · ∪ An de todos estos eventos
también debe estar en F.
El axioma (a) refleja la noción intuitiva de que la probabilidad de que ocurra cualquier
evento A debe ser por lo menos 0, ası́ que las probabilidades negativas no se permiten.
El axioma (b) señala que la probabilidad máxima posible de 1 se asigna al espacio mues-
tral Ω. El axioma (c) formaliza la idea de que si deseamos la probabilidad de que
ocurra por lo menos uno de varios eventos y no pueden ocurrir dos de estos eventos
simultáneamente, entonces, la probabilidad de que ocurra al menos uno es la suma de
las probabilidades de los iventos indivuduales.
Teniendo en cuenta el axioma 2.3.1, se demuestran las siguientes propiedades:
Teorema 2.3.2 Para eventos A, B, C de un espacio muestral Ω ̸= ∅ se tiene:
(a) P(∅) = 0.
(b) Si los eventos A, B y C son mutuamente excluyentes, entonces, P(A ∪ B ∪ C) =

P(A) + P(B) + P(C).
(c) P(A) = 1 − P(A), siendo A el complemento de A.
(d) 0 ≤ P(A) ≤ 1.
(e) P(A) = P(A ∩ B) + P(A ∩ B).
(f ) Teorema de adición para 2 eventos o fórmula de Silvester:
P(A ∪ B) = P(A) + P(B) − P(A ∩ B).
(g) Teorema de adición para 3 eventos o fórmula de Silvester:
P(A∪B∪C) = P(A)+P(B)+P(C)−P(A∩B)−P(A∩C)−P(B∩C)+P(A∩B∩C).
La demostración del teorema anterior no está dentro del propósito de este libro.
Ejemplo 2.3.3 Sean A, B y C eventos tales que P(A) = 0, 50, P(B) = 0, 26, P(C) = 0, 55,
P(A ∩ B) = 0, 15, P(A ∩ C) = 0, 25, P(B ∩ C) = 0, 15 y P(A ∩ B ∩ C) = 0, 05. Calcular las
siguientes probabilidades: (a) P(A ∪ B), (b) P(A ∩ C), (c) P(A ∪ C) y (d) P(A ∪ B ∪ C).
SOLUCION:
(a) Teniendo en cuenta el teorema de adición para 2 eventos (véase la parte (f) del teorema
2.3.2), se tiene que
P(A ∪ B) = P(A) + P(B) − P(A ∩ B) = 0, 50 + 0, 26 − 0, 15 = 0, 61.

(b) Teniendo en cuenta el teorema 2.3.2(e), se obtiene que
P(A ∩ C) = P(A) − P(A ∩ C) = 0, 50 − 0, 25 = 0, 25.
(c) Teniendo en cuenta la parte (c) del teorema 2.3.2, las leyes de de Morgan (compárese
con el teorema 2.1.14(i)) y la parte (b) de este ejercicio, se tiene
P(A ∪ C) = 1 − P(A ∪ C) = 1 − P(A ∩ C) = 1 − 0, 25 = 0, 75.
(d) Teniendo en cuenta el teorema de adición para 3 eventos (véase la parte (g) del teorema
2.3.2), se tiene que
P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(A ∩ B) − P(A ∩ C) − P(B ∩ C) + P(A ∩ B ∩ C)

= 0, 50 + 0, 26 + 0, 55 − 0, 15 − 0, 25 − 0, 15 + 0, 05
= 0, 81.
Alternativamente, las respuestas encontradas en los ejercicios (a)-(d) pueden ser obtenidas
con ayuda de las probabilidades que aparecen en el siguiente diagrama de Venn:
Fig. 2.10: Diagrama de Venn para el ejemplo 2.3.3 !
2.3.2 Probabilidad empı́rica

Este concepto esá basado en el llamado método de la frecuencia relativa, el
cual utiliza datos que se han observado empı́ricamente, registra la frecuencia con que
ha ocurrido algún evento en el pasado y estima la probabilidad de que el evento ocurra
nuevamente con base en estos datos históricos. En este método juega papel fundamen-
tal el concepto de frecuencia relativa para estimar las probabilidades.
Definición 2.3.4 Supongamos que un experimento aleatorio se repite n veces y que

un evento A asociado con estas n repeticiones ocurre exactamente k veces. Entonces,
k
la frecuencia relativa del evento A es fn = n .
Si continuamos calculando esta frecuencia relativa para cada cierto número de ensayos, a
medida que aumentamos n, las frecuencias relativas correspondientes serán más estables,
es decir, tienden a ser casi las mismas. En este caso, decimos que el experimento muestra
regularidad estadı́stica o estabilidad en las frecuencias relativas. Esto se ilustra en los
siguientes dos ejemplos.
Ejemplo 2.3.5 Considere la tabla 2.11, en donde se muestran datos tomados al lanzar una
moneda 1.000 veces.
Frecuencia
Número de Número Frecuencia Frecuencia Acumulada
Lanzamientos de caras relativa acumulada relativa
1 - 100 52 0,52 52 0,520
101 - 200 53 0,53 105 0,525
201 - 300 52 0,52 157 0,523
301 - 400 47 0,47 204 0,510
401 - 500 51 0,51 255 0,510
501 - 600 53 0,53 308 0,513
601 - 700 48 0,48 356 0,509
701 - 800 46 0,46 402 0,503
801 - 900 52 0,52 454 0,504
901 - 1.000 54 0,54 508 0,508
Total: 1.000 508 0,508
Fig. 2.11: Lanzamiento de una moneda 1.000 veces
En un total de 1.000 lanzamientos ocurrieron 508 caras, es decir, la frecuencia relativa es

aproximadamente 0,5, que es la probabilidad de obtener una cara. !
Ejemplo 2.3.6 La tabla 2.12 muestra experimentos hechos por tres investigadores:
Frecuencia
Hecho Número de Número relativa
por Lanzamientos de caras de caras
Buffon 4.040 2.048 0,5069
K. Pearson 12.000 6.019 0,5016
K. Pearson 24.000 12.012 0,5005
Fig. 2.12: Lanzamientos de una moneda realizada por 3 investigadores
Obsérvese que en cada una de las investigaciones, la frecuencia relativa del número de caras
es aproximadamente 0,5, que es la probabilidad de obtener una cara. !
En la gran mayorı́a de los experimentos aleatorios de importancia práctica tienen es-

tabilidad. Por esto podemos sopechar que prácticamente será cierto que la frecuencia
relativa de un evento A en un gran número de experimentos es aproximadamente igual
k
a un determinado número P(A), o sea, la probabilidad del evento es P(A) = lim n ,
n→∞
como podemos verificar con ayuda de los ejemplos 2.3.5 y 2.3.6, siendo A en estos dos
ejemplos el evento “obtener una cara”. Todo lo anterior se puede resumir en la siguiente
definición:
Definición 2.3.7 (Definición empı́rica de probabilidad) Sea A un evento

asociado con un experimento. Entonces, la probabilidad P(A) es aproximadamente
igual a la frecuencia relativa de A si efectuamos el experimento muchas veces.
Cuando se usa la definición empı́rica, es importante tener en cuenta los siguientes as-
pectos:
• La probabilidad obtenida de esta manera es únicamente una estimación del valor

real.
• Cuanto mayor sea el número de experimentos, tanto mejor será la estimación de la

probabilidad, es decir, a mayor número de experimentos mejor será la estimación.
• La probabilidad es propia de solo un conjunto de condiciones idénticas a aquéllas

en las que se obtuvieron los datos, o sea, la validez de emplear esta definición
depende de que las condiciones en que se realizó el experimento sean repetidas
idénticamente.
2.3.3 Definición clásica de probabilidad

Definición clásica
Se pueden encontrar diversos ejemplos en donde se asocian la misma probabilidad a
cada evento elemental. En este caso, se habla de un experimento laplaciano o
clásico, es decir, un experimento que tiene finitos resultados, que suceden con la
misma probabilidad. A este tipo de experimentos pertenecen los juegos de azar, como
por ejemplo, dados, juegos de cartas, ruletas; también modelos de la fı́sica, en los cuales
se puede describir la distribución de una partı́cula cualquiera, o modelos de la génetica.
Definición 2.3.8 (Probabilidad de un evento elemental) Sea Ω ̸= ∅ un espa-

cio muestral finito. Si ω es un evento elemental de Ω, entonces, la probabilidad de
que suceda ω, en sı́mbolos P(ω), es igual a 1 dividido por el número de elementos
que tiene Ω. Es decir,
1
P(ω) = . (2.1)
Número de elementos de Ω
Ejemplo 2.3.9 (a) Consideremos el experimento de lanzar una moneda. Entonces, Ω =

{C, S}. Es decir, la probabilidad de obtener cara, simbolizado por P(C), y la de obtener
sello, simbolizado por P(S), está dado por P(C) = P(S) = 12 = 0, 5. Estas probabili-
dades las interpretamos de la siguiente manera: En un gran número de lanzamientos
aparecerá una cara aproximadamente en la mitad de los lanzamientos y sello en la
otra mitad. O también podemos decir: si la moneda se lanza repetidamente, entonces,
el 50% (que resulta de multiplicar 0,5 por 100) de las veces resultará cara y en el otro
50%, sello.
(b) Consideremos el experimento de lanzar un dado. Entonces, Ω = {1, 2, 3, 4, 5, 6}. Es

decir,
1
P(1) = P(2) = P(3) = P(4) = P(5) = P(6) = ≈ 0, 166 . . . ,
6
Aquı́, el sı́mbolo “≈” significa “aproximadamente igual a” y, por ejemplo, P(1) = 0, 166
se lee “la probabilidad de obtener un 1 es 0,166”, la cual se interpreta de la siguiente
manera: De cada 1.000 lanzamientos de un dado, el número 1 aparecerá 166 veces
aproximadamente. O también ası́: si el número de lanzamientos de un dado es grande,
entonces, en el 16,6% (que resulta de multiplicar 0,166 por 100) aparecerá el número
1 del dado. Las otras probabilidades las interpretamos analogamente. !
A menudo es necesario asignar probabilidades a eventos de un espacio muestral. Por

eso, es importante el siguiente teorema.
Teorema 2.3.10 (Probabilidad de un evento) Sea Ω ̸= ∅ un espacio muestral

finito y supongamos que todos los eventos elementales suceden con la misma proba-
bilidad, es decir, la expresión ( 2.1) se cumple para cada evento elemental ω de Ω.
Entonces, para cada evento A de Ω, tenemos
Número de elementos de A
P(A) = . (2.2)
Número de elementos de Ω
Ejemplo 2.3.11 Dos dados no falsos se lanzan. Hallar la probabilidad de (a) que la suma
de los números sea un 7, (b) que la suma sea por lo menos un 11, (c) que la suma sea a lo
más un 2, (d) obtener un doble, (e) no obtener doble.
SOLUCION:
Como ya vimos en el ejemplo 2.2.1, el espacio muestral correspondiente Ω contiene 36
resultados. Además, cada uno de ellos ocurre con la misma probabilidad.
(a) Sea A el evento de obtener un 7 al lanzar los dos dados. Entonces, A es el conjunto
! "
A = (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) ,
O sea, que A tiene 6 elementos. Por consiguiente, aplicando (2.2), se obtiene que la
probabilidad de obtener un 7 es
6 1
P(A) = = ≈ 0, 166.
36 6
Aquı́, el sı́mbolo “≈” significa “aproximadamente igual a”.

(b) Sea B el evento de obtener por lo menos un 11, es decir, B es el evento de obtener una
suma mayor o igual que 11. Debido a que
! "
B = (5, 6), (6, 5), (6, 6) ,
entonces,
3 1
P(B) = = ≈ 0, 0833.
36 12
(c) Sea C el evento de obtener a lo más un !

2 o, que
" es equivalente, de obtener una suma
menor o igual que 2. En este caso, C = (1, 1) y, con ello,
1
P(C) = ≈ 0, 027.
36
(d) Sea D el evento de obtener un doble. Es decir,

! "
D = (1, 1), (2, 2), (3, 3) (4, 4), (5, 5) (6, 6) .
Por lo tanto,
6
P(D) = ≈ 0, 166.
36
(e) Sea E el evento de obtener ningún doble. Observe, D es el complemento de E, es decir,
D = E. Por lo tanto, P(E) = P(D). Entonces,
P(E) = 1 − P(E) = 1 − P(D) ≈ 1 − 0, 166 = 0, 834. !
Ejemplo 2.3.12 Una organización de caridad vende 1000 billetes de loterı́a. Hay diez
primeros premios y cien premios de consolación, todos los cuales deben ser distribuidos. El
proceso de selección de los ganadores es tal que, al principio, cada boleto tiene las mismas
posibilidades de ganar un primer premio y cada uno tiene las mismas posibilidades de ganar
un premio de consolación. Ningún boleto puede ganar más de un premio.
(a) ¿Cuál es la probabilidad de ganar un premio con un único boleto?
(b) ¿Cuál es la probabilidad de ganar un premio de consolación?
(c) ¿Cuál es la probabilidad de ganar algún premio?
SOLUCION:
(a) De entre los 1000 billetes, 10 ganarán primeros premios, 100 ganarán premios de con-
solación y 890 no ganarán premio alguno. Nuestro único billete puede ser considerado
como uno elegido entre los 1000. Sea A el suceso “el billete elegido gana un primer pre-
mio”. Dado que son 1000 resultados igualmente probables, 10 de los cuales corresponde
al suceso A, tenemos que
10
P(A) = = 0, 01.
1000
(b) De modo similar, para el suceso B, “el billete elegido gana un premio de consolación”,
se deduce que
100
P(B) = = 0, 10.
1000
(c) Ahora bien, el suceso “el billete gana algún premio” es sencillamente la unión de los
sucesos A y B. Además, dado que sólo se permite un premio por billete, estos sucesos
son mutuamente excluyentes. Por tanto, la probabilidad requerida es
P(A ∪ B) = P(A) + P(B) = 0, 01 + 0, 10 = 0, 11. !
Ejemplo 2.3.13 En la primera época del desarrollo de un yacimiento de petróleo, una

empresa estimó en 0,1 la probabilidad de que las reservas económicamente recuperables
excedieran los 2.000 millones de barriles. La probabilidad de que las reservas excediesen los
1.000 millones de barriles se estimó en 0,5. Dada esta información, ¿cuál es la probabilidad
estimada de que las reservas se encuentren entre 1.000 y 2.000 millones de barriles?
SOLUCION:
Sea A el evento “las reservas exceden los 2.000 millones de barriles” y B el evento “las reservas
se encuentran entre 1.000 y 2.000 millones de barriles”. Estos eventos son mutuamente
excluyentes y su unión, A ∪ B, es el evento “las reservas exceden los 1.000 millones de
barriles”. Por tanto, tenemos que
P(A) = 0, 1 y P(A ∪ B) = 0, 5.
Entonces, dado que A y B son mutuamente excluyentes, se obtiene que (compárese con la
figura 2.13)
P(B) = P(A ∪ B) − P(A) = 0, 5 − 0, 1 = 0, 4.
Fig. 2.13: Diagrama para las probabilidades del ejemplo 2.3.13!
Cálculo de probabilidades utilizando técnicas de conteo

Una dificultad práctica que aparece a veces al calcular la probabilidad de un suceso es
la de contar el número de resultados básicos en el espacio muestral y en el evento de
interés. Los siguientes ejemplos, ilustran cómo se pueden utilizar las técnicas de conteo,
explicadas en la sección anterior, para calcular probabilidades de eventos.
Ejemplo 2.3.14 Un estante tiene 6 libros de matemáticas y 4 de fı́sica. Hallar la proba-

bilidad de que 3 libros determinados de matemáticas estén juntos, si
(a) todos los libros de matemáticas son diferentes y los libros de fı́sica también;
(b) todos los libros de matemáticas son diferentes y que todos los libros de fı́sica son iguales;
(c) todos los libros de matemáticas son diferentes y 3 de los libros de fı́sica iguales.
Compare las tres respuestas y dé una conclusión general.
SOLUCION:
Sean Ω el espacio muestral correspondiente y A el evento “3 libros determinados de mate-
máticas están juntos”. Nos piden calcular P(A).
(a) En este caso, los elementos de Ω son las distintas permutaciones de los 6 + 4 = 10 libros.
Por el teorema 2.2.23, los 10 libros pueden ordenarse entre sı́ de 10! formas. Es decir,
Ω tiene en total 10! elementos.
Ahora, supongamos que los 3 libros determinados de matemáticas se reemplazan por 1.

Ası́, tenemos en total de 8 libros que pueden ordenarse entre sı́ de 8! formas. Como los
tres libros se pueden ordenar entre sı́ de 3! formas, entonces, hay 8! 3! formas de ordenar
los 10 libros con la condición de que 3 libros determinados estén juntos.
Por lo tanto, por la expresión (2.2), tenemos que

Número de elementos de A 8! 3!
P(A) = = ≈ 0, 0666.
Número de elementos de Ω 10!
(b) En este caso, por el teorema 2.2.41, Ω tiene en total 10!

4! = 151.200 elementos. Supon-
gamos que los 3 libros determinados de matemáticas se reemplazan por 1. Ası́, tenemos
en total de 8 libros que, por el teorema 2.2.41, pueden ordenarse entre sı́ de 8!
4! = 1.680
formas. Como los tres libros se pueden ordenar entre sı́ de 3! = 6 formas, entonces,
hay 1.680 · 6 = 10.080 formas de ordenar los 10 libros con la condición de que 3 libros
determinados de matemáticas estén juntos y sabiendo que los de fı́sica son todos iguales.
Con lo anterior,
Número de elementos de A 10.080
P(A) = = ≈ 0, 0666.
Número de elementos de Ω 151.200
(c) En este caso, por el teorema 2.2.41, Ω tiene en total 10!
3! = 604.800 elementos. Supon-
gamos que los 3 libros determinados de matemáticas se reemplazan por 1. Ası́, tenemos
en total de 8 libros que, por el teorema 2.2.41, pueden ordenarse entre sı́ de 8!
3! = 6.720
formas. Como los tres libros se pueden ordenar entre sı́ de 3! = 6 formas, entonces,
hay 6.720 · 6 = 40.320 formas de ordenar los 10 libros con la condición de que 3 libros
determinados de matemáticas estén juntos y sabiendo que hay 3 fı́sica que son iguales.
Por consiguiente,
Número de elementos de A 40.320
P(A) = = ≈ 0, 0666.
Con respecto a los resultados obtenidos podemos concluir que si todos los libros de matemáticas
son diferentes, entonces, sin importar si los de fı́sica son iguales o no, la probabilidad de que
3 libros determinados de matemáticas estén juntos es aproximadamente 0,0666. !
Ejemplo 2.3.15 Un director de personal tiene ocho candidatos para cubrir cuatro puestos.
De éstos, cinco son hombres y tres mujeres. Si, de hecho, toda combinación de candidatos
tiene las mismas probabilidades de ser elegido, ¿cuál es la probabilidad de que ninguna mujer
sea contratada?
SOLUCION:
Primero, el número
# $ total de combinaciones posibles de los ocho candidatos tomadas de cua-
tro en cuatro es 84 = 70. Ahora bien, para que ninguna mujer sea contratada, los candidatos
seleccionados han de ser cuatro de los cincos hombres. El número de tales combinaciones
es 54 = 5. Por tanto, si al principio cada una de las 70 combinaciones posibles fuese
# $
igualmente probable, la probabilidad de escoger una de las cinco combinaciones que incluyen
sólo hombres es 5/70 = 0, 071. !
Ejemplo 2.3.16 Una caja de doce lapiceros tiene dos que están defectuosos. Se extraen
tres lapiceros sin reemplazo. ¿Cuál es la probabilidad de que dos salgan defectuosos?
SOLUCION:
Sean Ω el espacio muestral correspondiente y A el evento “de los tres lapiceros# seleccionados,
dos están defectuosos”. Entonces, el número de elementos que tiene Ω será 12
$
3 = 220 y el
#10$#2$
número de elementos que tiene A es 1 2 = 10. Por consiguiente, la probabilidad pedida
10
es P(A) = 220 = 0, 045. !
Ejemplo 2.3.17 Una caja contiene 8 fichas rojas, 3 blancas y 9 azules. Si se extraen 3
fichas sin reemplazo y sin orden, determinar la probabilidad de que (a) las 3 fichas sean
blancas, (b) 2 sean rojas y 1 blanca, (c) al menos 1 sea blanca y (d) se extraiga una de cada
color.
SOLUCION:
Sea Ω el espacio muestral correspondiente a esta situación. En este caso, sus elementos son
las distintas combinaciones de 8 + 3 + 9 = 20 fichas tomadas de 3 en 3 (ya que se sacan cada
vez 3 fichas
# sin
$ reemplazo). Por el teorema 2.2.50, las 3 fichas se pueden escoger de un total
de 20 de 20 3 = 1.140 formas. Es decir, Ω tiene en total 1.140 elementos.
#3$
(a) Sea A el evento “sacar 3 fichas de 3 blancas”. O sea, A tiene 3 = 1 elemento.
Entonces,
Número de elementos de A 1
P(A) = = = 0, 000877.
(b) Sea A el evento “las 3 fichas sacadas son#2 $rojas y 1 blanca”. Ahora, 2 fichas de un
total de 8 rojas se pueden seleccionar de 82 = 28 maneras y 1 ficha de un total de 3
blancas se puede seleccionar de 31 = 3 maneras. Por lo tanto, A tiene 82 31 = 84
# $ # $# $
elementos. Entonces,
P(A) = = = 0, 074.
(c) Sea A el evento “por lo menos 1 de las 3 fichas sacadas es blanca”. Esto quiere decir
que A, el complemento de A, es el evento “de las tres bolas ninguna es blanca”. Ahora,
si ninguna es blanca, entonces,
# $ 3 fichas de un total de 8 + 9 = 17 (entre rojas y azules)
se pueden seleccionar de 173 = 680 maneras. Por lo tanto, A tiene 680 elementos.
Entonces,

P(A) = = = 0, 596.
Por consiguiente, con lo anterior, la probabilidad pedida está dada por
P(A) = 1 − P(A) = 1 − 0, 596 = 0, 404.
(d) Sea A el evento “las 3 fichas sacadas#son

$ una de cada color”. Ahora, 1 ficha de un total
de 8 rojas se puede seleccionar de 81 = 8 maneras, 1 ficha de un total de 3 blancas
se puede seleccionar de 31 = 3 maneras y 1 ficha de un total de 9 azules se puede
# $
seleccionar de 1 = 9 maneras. Por lo tanto, A tiene 81 31 91 = 216 elementos.

#9$ # $# $# $
Entonces,
P(A) = = = 0, 189. !
2.3.4 Probabilidad subjetiva o personal

Existen muchos eventos de interés cuyas probabilidades de ocurrencia no se pueden cal-
cular de acuerdo con los métodos axiomático, clásico y de frecuencia relativa (empı́rica),
sino que se basan en el “grado de creencia” acerca de que tenga o no lugar un determi-
nado hecho como, por ejemplo,
• exista vida en algún planeta distante,
• en los póximos diez años se descubra algún remedio contra el cáncer,
• determinada persona se vaya a destacar en la universidad,
• una persona se enferme,
• una determinada máquina se dañe,
• mañana vaya a llover.

Sin embargo, poca gente se muestra renuente a concederle probabilidades a los eventos
anteriores. Con mucha frecuencia oimos decir que hay un 20% de posibilidades de que
llueva mañana, que el Junior gane, etc. Aquella probabilidad que nos permite asignarle
probabilidades a eventos tales como estos se denomina probabilidad subjetiva.
Definición 2.3.18 La probabilidad subjetiva o personal se puede definir

como la probabilidad que expresa un grado de creencia individual sobre la posibilidad
de que un evento ocurra. Al método de asignar estas probabilidades se le conoce
como método subjetivo.
La probabilidad subjetiva no depende del tratamiento matemático ni de la noción de experi-

mentos repetibles.
La magnitud de la probabilidad que una persona asigna subjetivamente a un evento

depende del grado de crédito que esa persona le dé a la ocurrencia del evento. Esa es
la razón por la que es posible asignarle probabilidades a eventos que sólo se presentan
una vez, como por ejemplo, el evento de ganar una determinada competencia atlética.
A diferencia del método de probabilidad de frecuencia relativa, la probabilidad subjetiva
no depende de la posibilidad de repetición de un experimento.
Ejemplo 2.3.19 (a) Si afirmamos que la probabilidad de que salga cara al lanzar una
moneda es 1/2, lo que tenemos en mente es que la moneda no parece estar trucada y
que resultará igualmente probable que salga cara o cruz. Al enjuiciar esta probabili-
dad subjetiva, no estamos pensando necesariamente en términos de la experimentación
repetida, sino que estamos interesado por un único lanzamiento de la moneda. Nuestra
evaluación de la probabilidad subjetiva implica que considerarı́amos justa una apuesta
que consistiese en pagar 5.000 pesos si saliera cruz y recibir 5.000 pesos si saliera cara.
Si fueramos a recibir más de 5.000 pesos si del lanzamiento resultase una cara, consid-
erarı́amos favorable la apuesta.
(b) De modo similar, si creemos que la probabilidad de que un caballo gane una determinada
carrera es 0,4, estamos dando nuestra opinión personal de que existe una posibilidad de
40 entre 100 de que gane. Dada esta creencia, considerarı́amos justa una apuesta en la
que perdiésemos dos dólares si el caballo no ganase y tres dólares en caso contrario. !
Debemos insistir en que las probabilidades subjetivas son personales; no se requiere que
diferentes individuos consideren que el mismo evento debe tener lugar con las mismas
probabilidades como se explica a través de las situaciones del siguiente ejemplo:
Ejemplo 2.3.20 (a) En el ejemplo del lanzamiento de una moneda, la mayorı́a de la gente
llegarı́a a la conclusión de que la probabilidad apropiada para el resultado cara es 1/2.
Sin embargo, un individuo con más información sobre la moneda en cuestión podrı́a
creer otra cosa.
(b) En el ejemplo de las carreras de caballos, es probable que dos apostadores cuenten
con diferentes probabilidades subjetivas. Por ejemplo, pueden no tener la misma infor-
mación, e incluso aunque la tuvieran, podrı́an interpretarla de distinta forma.
(c) Resulta obvio que los inversionistas individuales no cuenttan con las mismas opiniones
sobre el probable futuro comportamiento de la bolsa. Sus probabilidades subjetivas
deben ser vistas como dependientes del conocimiento que tienen y su manera de inter-
pretarlo. !
Ya hemos explicado que, en el caso de apuestas, como carreras de caballos y pronósticos

deportivos, a menudo se determina la probabilidad de ocurrencia de un evento usando
probabilidad subjetiva y se establece comúnmente en términos de oportunidades.
Definición 2.3.21 Sea A un evento. Las oportunidades a favor de A se de-

finen como
P(A)
Oportunidades a favor de A = .
P(A)
Las oportunidades en contra de A se definen
1 P(A)
Oportunidades en contra de A = = .
Oportunidades a favor de A P(A)
n
Si las oportunidades en favor de A son iguales a m , entonces, diremos que las
oportunidades son de n a m (lo cual escribiremos n : m) a favor de A.
Obsérvese que las oportunidades en contra de A son precisamente las oportunidades a favor
de A.
Ejemplo 2.3.22 Supongamos que la probabilidad de que un boxeador favorito gane una
pelea es 1/3. ¿Cuáles son las oportunidades a favor de ganar?
SOLUCION:
Sea A el evento “el boxeador gana”. Entonces, las oportunidades a favor de ganar son
P(A) 1/3 1
= = .
P(A) 2/3 2
Es decir, las oportunidades son de 1 : 2 a favor de que el boxeador gane la pelea. Esto
significa que de cada 1 + 2 = 3 personas, 1 afirma que el boxeador ganará la pelea y 2, que
perderá. !
El siguiente teorema nos muestra una forma de calcular la probabilidad de un evento

dado con base en el conocimiento de las oportunidades en favor o en contra del evento.
Teorema 2.3.23 Si las oportunidades son de n : m en favor de A, entonces, la

n
probabilidad de que ocurra el eventa A es P(A) = n+m .
Ejemplo 2.3.24 Si las oportunidades son de 5:3 en contra de que la selección Colombia
pierda el partido de fútbol, ¿cuál es la probabilidad de que (a) pierda el partido, (b) gane?
SOLUCION:
Sea A el evento de que la selección Colombia pierda el partido. Por tanto, por el teorema
5
2.3.23, P(A) = 5+3 = 58 = 0, 625. Por consiguiente, P(A) = 1 − P(A) = 38 = 0, 375. Es decir,
de 1.000 personas, 625 dirán que Colombia perderá el partido y el resto, que son 375, dirán
que Colombia ganará el partido. !
Ejemplo 2.3.25 Para un partido de fútbol, Junior de Barranquilla contra Unión de San-
tamarta, se ofrecen a Humberto las siguientes apuestas:
Tarifa : $15.000.
Ganancia : $30.000 si Junior gana y Humberto apuesta por Junior.
$20.000 si Unión gana y Humberto apuesta por Unión.
El juego Junior vs Unión sigue hasta que haya un ganador. Humberto acepta esta apuesta,
pero no puede decidirse si apuesta por Junior o por Unión. Determinar su probabilidad
subjetiva.
SOLUCION:
La probabilidad subjetiva de Humberto puede determinarse como sigue: “Humberto no
puede decidirse” significa que
30 P(“Junior gana”) = 20 P(“Unión gana”).
Además, obviamente, se tiene que
P(“Junior gana”) + P(“Unión gana”) = P(“Junior o Unión gana”) = 1.

2
Por lo tanto, resulta que P(“Junior gana”) = 5 y P(“Unión gana”) = 35 . !

39. La probabilidad de que Humberto viaje a Alemania es 0,6 y la probabilidad de que viaje a
España es 0,3 y la probabilidad de que viaje a alguna de las dos ciudades es 0,8. Calcule
la probabilidad de cada uno de los siguientes eventos:
(a) Humberto viaja a ambas ciudades.
(b) Humberto viaja a Alemania pero no a España.
(c) Humberto viaja a España pero no a Alemania.
(d) Humberto no viaja a ninguna de las dos ciudades
40. Se estimó que un 20% de los estudiantes de último curso de un campus universitario
estaban seriamente preocupados por sus posibilidades de encontrar trabajo, el 35% por
sus notas y el 28% por ambas cosas. ¿Cuál es la probabilidad de que un estudiante de
ultimo curso elegido al azar en el campus esté seriamente preocupado por al menos una
de las dos cosas?
41. Un jefe de cierta compañı́a recibe un determinado artı́culo en paquetes de 100. Un
estudio ha indicado las probabilidades, que figuran en la tabla adjunta, correspondientes
a los artı́culos defectuosos de un paquete.
Numero de defectuosas 0 1 2 3 más de 3

Probabilidad 0,03 0,29 0,10 0,22 0,36
(a) ¿Cuál es la probabilidad de que haya más de dos artı́culos defectuosos en un paquete?
(b) ¿Cuál es la probabilidad de que haya más de un artı́culo defectuoso en un paquete?
42. Según una información, dos de cada tres colombianos son pobres. ¿Qué relación tiene
esto con probabilidad?
43. Un distribuidor de enchufes sabe que en una caja de 50, dos o más son defectuosos. Un
cliente selecciona al azar, y sin reemplazo, dos enchufes de una caja y salen defectuosos,
motivo por el cual el cliente rechaza la caja. El distribuidor extrae entonces de esa caja
dos enchufes y le informa al cliente que puede llevar la caja de 48 enchufes con confianza.
Para asegurarse, el cliente extrae otra muestra, sin reemplazo, de cinco enchufes, de los
cuales uno salió defectuoso. Si usted fuera el cliente, ¿aceptarı́a la caja de 48 enchufes?
44. Un dado se lanza dos veces. Encuentre la probabilidad de obtener (a) un 5 o un 7, (b) a
lo más un 9, (c) una suma impar y (d) un múltiplo de 4.
45. Una urna tiene seis bolas verdes, cinco bolas rojas y cuatro bolas blancas (cada bola es
de un solo color). Si se extrae una bola, calcule la probabilidad de que la bola extraı́da
sea (a) no verde, (b) no roja, (c) roja y verde, (d) blanca o roja. Compare el resultado
de (d) con el obtenido en (a). Interprete siempre sus respuestas.
46. Se lanzan dos dados. Calcule la probabilidad de que la suma de los números obtenidos
sea (a) 13, (b) a lo más 3, (c) por lo menos 4, (d) 5 ó 6, (e) 5 y 6. Interprete siempre
sus resultados.
47. Una caja contiene dos bolas negras, tres blancas y cuatro rojas. Se seleccionan dos bolas
una después de la otra.
(a) ¿cuál es la probabilidad de que la primera bola sea negra y la segunda blanca?
(b) ¿cuál es la probabilidad de obtener una bola negra y una blanca?
(c) Repita los incisos anteriores si la selección es con reemplazo.
48. En una comunidad el 30% de las personas son fumadoras, 55% son bebedoras y 20%
tanto fumadoras como bebedoras. Calcule la probabilidad de que una persona elegida al
azar (a) fume pero no beba, (b) ni fume ni beba, (c) fume o no beba. Interprete siempre
sus resultados.
49. Una entidad educativa ha propuesto tres proyectos para la mejora de la educación en cierta
región del pais. Para i = 1, 2, 3, sea Ai el evento que representa al evento “el proyecto i
fue aceptado”. Supongamos que
P(A1 ) = 0, 30, P(A2 ) = 0, 22, P(A3 ) = 0, 35, P(A1 ∩ A2 ) = 0, 08,
P(A1 ∩ A3 ) = 0, 09, P(A2 ∩ A3 ) = 0, 06, P(A1 ∩ A2 ∩ A3 ) = 0, 02.
Exprese verbalmente cada uno de los siguientes eventos y determine la probabilidad de

que ocurra cada uno de ellos:
(a) A1 ∪ A2 , (b) A1 ∩ A2 , (c) A1 ∪ A2 ∪ A3 ,
(d) A1 ∩ A2 ∩ A3 , (e) A1 ∩ A2 ∩ A3 , (f) (A1 ∩ A2 ) ∪ A3 .
50. Una caja contiene diez bombillas, cuatro de las cuales están defectuosas. Si se seleccionan
aleatoriamente y sin reemplazo cuatro bombillas de la caja, ¿cuál es la probabilidad de
que el grupo contenga (a) dos (b) al menos dos bombillas defectuosas?
51. Una caja contiene cuatro focos rojos, cinco blancos y seis amarillos. Si se seleccionan uno
por uno, en orden aleatorio, ¿cuál es la probabilidad de que al menos se seleccionen dos
focos para obtener uno amarillo?
52. Una caja contiene diez tornillos, de los cuales tres están defectuosos. Se extraen tres
tornillos sin reemplazo. Calcule la probabilidad de que los tres tornillos no estén defectuo-
sos.
53. Para un control de calidad se seleccionan aleatoriamente dos abanicos sin reemplazo de un
lote. Si uno de los dos abanicos está defectuoso, todo el lote se rechaza. Si una muestra
de 200 abanicos contiene cinco defectuosos calcule la probabilidad de que la muestra sea
rechazada.
54. Una biblioteca tiene cinco ejemplares (digamos, matemática, fı́sica, quı́mica, biologı́a y
estadı́stica), de los cuales hay dos ejemplares (digamos matemática y fı́sica) que son de
primera edición y el resto, de segunda edición. Serán seleccionados al azar dos ejemplares
para ser puestos en reserva durante 3 horas. ¿Cuál es la probabilidad de que
(a) ambos ejemplares seleccionados sean primeras ediciones?
(b) ambos ejemplares seleccionados sean segundas ediciones?
(c) al menos uno de los ejemplares seleccionados sea de primera edición?
(d) los ejemplares seleccionados sean de diferentes ediciones?
55. Se escoge un número comprendido entre 0 y 999. ¿Cuál es la probabilidad de que el dı́gito
central sea mayor que los otros dos?
56. En el menú del dı́a, un restaurante vegetariano ofrece una ensalada especial que contiene
tres tipos de verduras distintas que son las preferidas por ciertos habitantes de una ciudad:
Espárrago (A), Brócoli (B) y Coliflor (C). A continuación aparece el porcentaje de clientes
del restaurante que pide determinada(s) verdura(s).
70% A, 80% B, 75% C, 85% A o B,

90% A o C, 95% B o C, 98% A, B o C,
en donde, por ejemplo, el evento A o C significa que por lo menos una de las opciones A
o C fue solicitada. Calcule las probabilidades de los siguientes eventos:
(a) El siguiente cliente pide, por lo menos, una de las tres opciones.
(b) El siguiente cliente no pide ninguna de las tres opciones.
(c) El siguiente comprador sólo pide la opción A y ninguna de las otras dos opciones.
(d) El siguiente cliente pide exactamente una de las tres opciones.
57. Supongamos que un determinado árbol puede tener tres tipos de enfermedades: Hojitis
(H), Tallitis (T) y Frutitis (F). Suponga que
P(H) = 0, 12, P(T ) = 0, 07, P(F) = 0, 05, P(H ∪ T ) = 0, 15,

P(H ∪ F) = 0, 14, P(T ∪ F) = 0, 10, P(H ∩ T ∩ F) = 0, 01.
(a) ¿Cuál es la probabilidad de que el árbol no tenga hojitis?

(b) ¿Cuál es la probabilidad de que el árbol tenga hojitis y tallitis al mismo tiempo?
(c) ¿Cuál es la probabilidad de que el árbol tenga hojitis y tallitis al mismo tiempo, pero
no frutitis?
(d) ¿Cuál es la probabilidad de que que el árbol tenga exactamente dos de esas enfer-
medades?
58. Una persona desea comprar un computador. De alguna manera, logra conseguir una lista
de las direcciones de 15 personas que quieren vender sus computadores. Pero la persona
tiene tiempo para ir sólo a cuatro direcciones de la lista.
(a) ¿En cuántas formas podrı́an escogerse las cuatro direcciones, si se considera el orden
de visita?
(b) ¿En cuántas formas podrı́an escogerse las cuatro direcciones, si el orden no importa?
(c) Si en siete direcciones los computadores son nuevos y en ocho ya han sido vendi-
dos previamente, y las cuatro direcciones por visitar se escogen al azar y sin orden,
¿cuál es la probabilidad de que en las cuatro direcciones donde vaya la persona, los
computadores sean nuevos?
2.4 Probabilidades condicionales 49
59. Al poco tiempo de ponerse a funcionar, algunas computadores fabricados por ciertas
compañı́as presentan problemas con el funcionamiento de un determinado programa (di-
gamos, Futbolnet) que viene previamente instalado. Suponga que una pequeña empresa
tiene 30 de estos computadores y que ha habido problemas con el funcionamiento del
Futbolnet en 7 de ellos.
(a) ¿Cuántas formas hay de seleccionar una muestra de 10 computadores de los 30 para
una revisión completa?
(b) ¿En cuántas formas puede una muestra de 10 computadores contener exactamente 3
con problemas en el funcionamiento del Futbolnet?
(c) Si se escoge al azar una muestra de 10 computadores, ¿cuál es la probabilidad de que
exactamente 3 de los 10 tengan problemas con el funcionamiento del Futbolnet?
(d) Si se escoge al azar una muestra de 10 computadores, ¿cuál es la probabilidad de
que, al menos, 6 de los seleccionados tengan problemas con el funcionamiento del
Futbolnet?
60. En cierta bodega, una caja contiene ocho clavos de 1 pulgada, seis de 1 pulgada y media
y cinco de 2 pulgadas. Suponga que se seleccionan cuatro clavos al azar, sin reemplazo y
sin orden.
(a) ¿Cuál es la probabilidad de que exactamente tres de los clavos seleccionados sean de
2 pulgadas?
(b) ¿Cuál es la probabilidad de que los cuatro clavos seleccionados sean del mismo
tamaño?
(c) ¿Cuál es la probabilidad de que entre los 4 clavos seleccionados hallan dos de una
pulgada?
61. Un estante tiene 4 libros de quı́mica, 5 de estadı́stica y 3 de matemáticas. Si los libros
de estadı́stica son diferentes entre sı́, encuentre la probabilidad de que 2 libros determi-
nados de estadı́stica se encuentre juntos teniendo en cuenta cada una de las siguientes
situaciones:
(a) Los libros de cada tipo son todos diferentes entre sı́.
(b) Los libros de quı́mica son iguales entre sı́, pero los de matemáticas son todos difer-
entes.
(c) Hay 2 libros de quı́mica que son iguales, pero todos los de matemáticas son iguales
entre sı́.
(d) A excepción de los de estadı́stica, los libros de cada tipo son todos iguales entre sı́.
2.4 Probabilidades condicionales

Supongamos que estamos interesados en dos sucesos A y B, y se nos da la información
adicional de que B ha ocurrido. Una pregunta de interés es, entonces, ¿cuál es la
probabilidad de que A ocurra? La idea principal es que la posibilidad de que cualquier
suceso ocurra es probable que dependa de la ocurrencia o no ocurrencia de otros eventos.
Ejemplo 2.4.1 Analizemos las siguientes situaciones.

(a) Un fabricante que planea introducir una nueva marca puede poner a prueba el producto
a través de su venta en una serie reducida de almacenes particularmente escogidos. Es
probable que el fabricante confı́e mucho más en el éxito de la nueva marca en el mercado
si el producto resulta bien acogido en el test inicial que en caso contrario. El análisis
de la empresa correspondiente a la probabilidad de un elevado número de ventas estará,
por tanto, condicionada por el resultado de mercado.
(b) En un barrio hay personas que saben nadar, otras que saben manejar bicicletas y otras,
ambas cosas. Se selecciona una persona al azar y deseamos la probabilidad de que la
persona sepa nadar dado que sabe manejar bicicleta.
Por tanto, en ambas situaciones tenemos que estar interesados en la ocurrencia de un deter-
minado evento, dada la ocurrencia de otro.
Ahora, analizemos otro ejemplo.
Ejemplo 2.4.2 Supongamos que en una empresa hay 100 empleados, de los cuales 30 son
mujeres y 70, hombres. Supongamos, además, que hay 21 mujeres y 33 hombres que fuman
(compárese con la tabla de la figura 2.14).
Hombre (H) Mujer (M)

Fuma (F) 33 21
No Fuma (F) 37 9
Fig. 2.14: Clasificación de 100 empleados de una empresa
(a) Si se saca un individuo al azar, determinar la probabilidad de que sea mujer.

(b) Si se saca un individuo, determinar la probabilidad de que sea mujer y fume.
(c) Si del grupo de las 30 mujeres se saca un individuo, determinar la probabilidad de que
fume.
SOLUCION:
30
(a) La probabilidad de que sea mujer es P(M) = 100 .
21
(b) La probabilidad de que sea una mujer y que fuma es P(M ∩ F) = 100 .
(c) La probabilidad de que una mujer fume de un total de 30 la simbolizaremos por P(F/M)
y es igual a
21 21/100 P(F ∩ M)
P(F/M) = = = .
30 30/100 P(M)
Es decir, P(F/M) = P(F∩M)

P(M) , que es la forma como se calcula la llamada probabilidad
condicional de un evento F, sabiendo que ya ha ocurrido M. !
Estos tipos de problemas conllevan a considerar el concepto de probabilidad condicional.

Definición 2.4.3 Sean A y B dos eventos de un espacio muestral Ω ̸= ∅. La pro-

babilidad condicional del evento A dado el evento B, simbolizada por P(A/B),
se define como
P(A ∩ B)
P(A/B) = , si P(B) > 0.
P(B)
De igual modo, la probabilidad condicional de B dado A se define como
P(A ∩ B)
P(B/A) = , si P(A) > 0.
P(A)
Ejemplo 2.4.4 Una persona lanza una moneda tres veces, ¿cuál es la probabilidad de
obtener 3 caras dado que salió por lo menos una cara?
SOLUCION:
Los posibles resultados que se pueden obtener al lanzar la moneda tres veces son
(C, C, C), (C, C, S), (C, S, C), (C, S, S), (S, C, C), (S, C, S), (S, S, C), (S, S, S).
Sean A y B los eventos “salió por lo menos una cara” y “obtener 3 caras”, respectivamente.
Entonces, B = {(C, C, C)} y
A = {(C, C, C), (C, C, S), (C, S, C), (C, S, S), (S, C, C), (S, C, S), (S, S, C)}.
Debido a que A ∩ B = {(C, C, C)}, entonces, la probabilidad de obtener 3 caras sabiendo que
salió una cara es igual a
P(A ∩ B) 1/8 1
P(B/A) = = = . !
P(A) 7/8 7
Despejando P(B ∩ A) en las expresiones dadas en la definición 2.4.3, obtenemos el lla-
mado
Teorema 2.4.5 (Teorema de multiplicación para 2 eventos) Sean A y B dos

eventos de un espacio muestral Ω ̸= ∅. Entonces, la probabilidad de la intersección
A ∩ B está dada por
P(B ∩ A) = P(B/A) P(A) o por P(B ∩ A) = P(A/B) P(B).
Ejemplo 2.4.6 Supongamos que una caja tiene diez bolas, de los cuales tres están defec-
tuosas. Se sacan dos bolas, una detrás de la otra y sin reemplazo. ¿Cuál es la probabilidad
de sacar una bola defectuosa seguida de otra defectuosa?
SOLUCION:
Sean A el evento “la primera bola sacada está defectuosa” y B el evento “la segunda bola
sacada está defectuosa”. Nos piden calcular P(A ∩ B). Debido a que tres de las diez bolas
3
están defectuosas, se tiene que P(A) = 10 . Ahora, como ya se ha sacado 1 bola defectuosa
de la caja quedan en total 9 bolas disponibles, de entre las cuales, hay ahora 2 defectuosas.
Por tanto, P(B/A) = 92 . Por consiguiente, por el teorema de multiplicación (teorema 2.4.5),
obtenemos que
3 2
P(A ∩ B) = P(A) P(B/A) = · = 0.066.
10 9
Es decir, la probabilidad de sacar una bola defectuosa seguida de otra bola defectuosa es
aproximadamente del 6,6%. !
La regla de multiplicación es más útil cuando el experimento consta de varias etapas

sucesivas.
Teorema 2.4.7 (Teorema de multiplicación para n eventos) Sean

A1, . . . , An eventos de un espacio muestral Ω ̸= ∅. Entonces,
P(A1 ∩ · · · ∩ An) = P(A1) · P(A2/A1) · P(A3/A1 ∩ A2) · · · P(An/A1 ∩ · · · ∩ An−1),
Como puede observarse claramente, en este teorema hemos considerando que A1 es el evento que
primero sucede, luego sucede A2 ; posteriormente, A3 y, ası́ sucesivamente, hasta que sucede el
último evento, que en nuestro caso es An .
Del teorema 2.4.7, obtenemos en particular que
• Si n = 2, se tiene que
P(A1 ∩ A2) = P(A1) · P(A2/A1).
P(A1 ∩ A2 ∩ A3) = P(A1) · P(A2/A1) · P(A3/A1 ∩ A2).
P(A1 ∩A2 ∩A3 ∩A4) = P(A1)·P(A2/A1)·P(A3/A1 ∩A2)·P(A4/A1 ∩A2 ∩A3).
Ejemplo 2.4.8 Una caja contiene 6 fichas rojas, 4 blancas y 5 azules. Hallar la probabilidad
de que se extraigan en el orden roja, blanca y azul si las fichas (a) se reemplazan, (b) no se
reemplazan.
SOLUCION:
Hay tres eventos que debemos considerar para el problema, a saber:
R = “roja en la primera extracción”.
B = “blanca en la segunda extracción”.
A = “azul en la tercera extracción”.
Nos piden calcular P(R ∩ B ∩ A). Al aplicar el teorema general de multiplicación (teorema
2.4.7) para el caso de n = 3 eventos, tenemos
P(R ∩ B ∩ A) = P(R) · P(B/R) · P(A/R ∩ B). (1)
Obsérvese que en la caja hay disponible, inicialmente, 6 + 4 + 5 = 15 fichas.

(a) Si los eventos se reemplazan, entonces, reemplazando las correspondientes probabili-
dades en la expresión (1), tenemos
6 4 5 8
P(R ∩ B ∩ A) = · · = = 0, 0355.
15 15 15 225
(b) Si los eventos no se reemplazan, entonces, reemplazando las correspondientes proba-

bilidades en la expresión (1), tenemos
6 4 5 4
P(R ∩ B ∩ A) = · · = = 0, 044. !
15 14 13 91
El cálculo de una probabilidad P(Aj/B), a partir de probabilidades anteriores dadas P(Ai)

y probabilidades P(B/Ai), ocupa una posición central en la probabilidad elemental. La
regla general para tales cálculos, que es una aplicación simple de la regla de la multi-
plicación, se remonta al tiempo del reverendo Thomas Bayes, quien vivió en el siglo
XVII. Para expresarla necesitamos, primero, el llamado teorema de la probabilidad total.
Teorema 2.4.9 (Teorema de la probabilidad total) Si los eventos A1, A2,

. . ., An forman una partición de un espacio muestral Ω (compárese con la definición
2.1.11), entonces, para cada evento B de Ω, se tiene que
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + · · · + P(B/An) P(An).
Del teorema 2.4.9, se tiene en particular,
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2).
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + P(B/A3) P(A3).
P(B) = P(B/A1) P(A1) + P(B/A2) P(A2) + P(B/A3) P(A3) + P(B/A4) P(A4).
Hay dos comentarios que podemos hacer acerca del teorema de la probabilidad total (teorema 2.4.9):
• El teorema de la probabilidad total está estrechamente relacionado con el siguiente teorema
de la mecánica: El centro de gravedad de un cuerpo se puede determinar descomponiendo el
cuerpo en cualquier cantidad de partes, suponiendo que la masa de cada una de estas partes
está concentrada en su respectivo centro de gravedad y tomando el centro de gravedad del
sistema de puntos originados por este método.
• El teorema de la probabilidad total también está relacionada con el siguiente análogo quı́mico:
En k recipientes se encuentran diferentes soluciones de la misma sal, en total, 1 litro. Supon-
gamos que P(An ) simboliza el volumen del n-ésimo recipiente y P(B/An ), la concentración
de la solución en el n-ésimo recipiente. Si se reúnen el contenido de todos los recipientes en
uno sólo y P(A) significa la concentración de la solución originada de esta manera, entonces,
se cumple el teorema de la probabilidad total.
Ejemplo 2.4.10 La caja I contiene 3 fichas rojas y 2 azules, en tanto que la caja II contiene
2 fichas rojas y 8 azules. Se lanza una moneda no falsa de tal forma que si cae cara, entonces,
se saca una ficha de la caja I y, por el contrario, si cae sello, se saca una ficha de la caja II.
Supongamos que quien lanza la moneda no revela si resulta cara o sello (de tal forma que la
caja de la cual se sacó una ficha no se revela). Determinar la probabilidad de haber sacado
una ficha roja.

SOLUCION:
Sea R el evento “sacar una ficha roja” y supongamos que I y II son los eventos “escoger la
caja I” y “escoger la caja II”, respectivamente. Nos piden calcular P(R). En la figura 2.15
podemos visualizar claramente estos eventos (observemos que el evento R corresponde a la
región sombreada).
Fig. 2.15: Diagrama para la situación del ejemplo 2.4.10
Ahora, en la caja I hay en total 3 + 2 = 5 fichas y, en la caja II, 2 + 8 = 10 fichas. Puesto

que una ficha roja se puede sacar de cualquiera de las cajas, entonces, la probabildiad de
sacar una ficha roja de la caja I es P(R/I) = 53 y la de sacar una ficha roja de caja II es
2
P(R/II) = 10 = 51 .
Además, si C y S son los eventos “resultar cara” y “resultar sello”, respectivamente, en-
tonces, la probabilidad de escoger la caja I es P(I) = P(C) = 21 y la de escoger la caja II es
P(II) = P(S) = 21 .
Por consiguiente, por el teorema de la probabilidad total (teorema 2.4.9) con n = 2, se

obtiene que
3 1 1 1 2
P(R) = P(R/I) P(I) + P(R/II) P(II) = · + · = = 0, 4. !
5 2 5 2 5
Ejemplo 2.4.11 Un editor envı́a propaganda de un libro de estadı́stica al 70% de aquellos
profesores que están a cargo de esa materia. El 40% de aquellos que recibieron la propaganda
se decidieron a utilizar el libro, inclusive, el 20% de los que no recibieron la propaganda
también utilizarán el libro.
SOLUCION:
Consideremos los eventos “recibe la propaganda” y “no recibe la propaganda”. Entonces,
P(“recibe”)= 0, 70 y P(“no recibe”)= 1 − 0, 70 = 0, 30. Además,
P(“utiliza el libro” / “recibe”) = 0, 40, P(“utiliza el libro” / “no recibe”) = 0, 20.
Nos piden calcular P(“utiliza el libro”). Esta se puede calcular con ayuda del teorema de la
probabilidad total (teorema 2.4.9) de la siguiente manera:
P(“utiliza”) = P(“utiliza”/“recibe”) · P(“recibe”) + P(“utiliza”/“no recibe”) · P(“no recibe”)
= (0, 40)(0, 70) + (0, 20)(0, 30).
Los cálculos y las probabilidades anteriores se pueden visualizar claramente en el diagrama
de árbol que aparece en la figura 2.16. Junto a cada una de las cuatro ramas del diagrama
aparecen probabilidades (que llamaremos “totales”) que fueron calculadas con aplicación
del teorema de multiplicación (véase el teorema 2.4.5) y al final del diagrama aparece la
probabilidad calculada que corresponde a sumar sólo las probabilidades totales en donde
aparece el evento “utiliza el libro”. !
Teorema 2.4.12 (Regla o teorema de Bayes) Sea A1, A2, . . . , An una descom-
posición finita de un espacio muestral Ω. Entonces, para cada evento B con P(B) > 0
y para todo k = 1, . . . , n, se tiene
P(B/Ak) P(Ak)
P(Ak/B) = .
P(B/A1) P(A1) + P(B/A2) P(A2) + · · · + P(B/An) P(An)
Del teorema de Bayes se tiene, en particular,

P(B/Ak ) P(Ak )
P(Ak/B) = P(B/A1 ) P(A1 ) + P(B/A2 ) P(A2 ) .
P(B/Ak ) P(Ak )
P(Ak/B) = P(B/A1 ) P(A1 ) + P(B/A2 ) P(A2 ) + P(B/A3 ) P(A3 ) .
P(B/Ak ) P(Ak )
P(Ak/B) = P(B/A1 ) P(A1 ) +P(B/A2 ) P(A2 ) +P(B/A3 ) P(A3 ) +P(B/A4 ) P(A4 ) .
A continuación se menciona el siguiente análogo quı́mico del teorema de Bayes: En k recipientes

están contenidas soluciones de la misma sal con diferentes concentraciones. El volumen total de la
solución es 1 litro. Si P(Ak ) es el volumen de la solución en el n-ésimo recipiente y P(B/Ak ) es la
concentración de sal en el n-ésimo recipiente, entonces, la fórmula que aparece en el teorema 2.4.12
nos permite calcular qué porcentaje de la cantidad total de sal está en el k-ésimo recipiente.
La interpretación más importante del teorema de Bayes se basa en el uso de las proba-
bilidades subjetivas. Supongamos que una persona está interesada en el evento Ak y se
forma una opinión subjetiva de la probabilidad de que Ak ocurra. En este contexto, la
probabilidad P(Ak) se denomina probabilidad a priori. Si después este individuo

consigue información adicional (por ejemplo, que el evento B ha ocurrido), este hecho
puede provocar una modificación de su juicio inicial sobre la probabilidad de ocurrencia
de Ak. Dado que se sabe que B ha ocurrido, la probabilidad relevante correspondiente
a Ak es ahora la probabilidad condicional de Ak dado B, que se denota probabilidad
a posteriori. Desde este punto de vista, se puede interpretar el teorema de Bayes
como un método que nos permite actualizar una probabilidad a priori cuando se conoce
la información adicional de que el evento Ak ha tenido lugar.
Ejemplo 2.4.13 Considere la situación del ejemplo 2.4.10. Determinar la probabilidad de

haber escogido la caja I (es decir, que el resultado de la moneda sea cara).
SOLUCION:
Sean R, I y II eventos definidos como en el ejemplo 2.4.10. Aquı́ nos piden calcular P(I/R)
(compárese con la figura 2.17). Del ejemplo 2.4.10, tenemos que P(R/I) = 53 , P(R/II) = 51 ,
P(I) = P(II) = 21 .
Por consiguiente, por el teorema de Bayes (teorema 2.4.12) con n = 2, se obtiene que
3 1
P(R/I) P(I) 5 · 2 3
P(I/R) = = 3 1 1 1
= = 0, 75.
P(R/I) P(I) + P(R/II) P(II) 5 · 2 + 5 · 2
4
De este modo, dada la información de que se ha sacado un ficha roja, la probabilidad de

haber escogido la caja I se ve modificada, pasando de P(I) = 0, 5 (a priori) a P(I/R) = 0, 75
(a posteriori). !
Ejemplo 2.4.14 En cierta ciudad, aproximadamente el 10% de los habitantes está afectado
por una rara enfermedad, para la cual se ha desarrollado una prueba de diagnóstico. A través
de esta prueba se ha determinado que el 85% de los individuo que padecen la enfermedad,
presentan un resultado positivo, mientras que el 20% de los individuos sin la enfermedad
muestran un resultado de prueba positivo. Supongamos que se hace una prueba en un
individuo seleccionado al azar.
(a) ¿Cuál es la probabilidad de que el resultado sea positivo? ¿Y negativo?
(b) Si el resultado es positivo, ¿cuál es la probabilidad de que el individuo tenga la enfer-
medad?
(c) Si el resultado es negativo, ¿cuál es la probabilidad de que el individuo tenga la
enfermedad?
(d) Si el resultado es positivo, ¿cuál es la probabilidad de que el individuo esté sano?
(e) Si el resultado es negativo, ¿cuál es la probabilidad de que el individuo esté sano?
SOLUCION:
Analizando las situaciones del problema, podemos identificar los siguientes eventos:
A = el individuo está enfermo.
A = el individuo está sano.
B = el individuo ha sacado un resultado positivo.
B = el individuo ha sacado un resultado negativo.
Por consiguiente, P(A) = 0, 1, P(A) = 0, 90, P(B/A) = 0, 85 y P(B/A) = 0, 2. Observe que
P(B/A) = 1 − P(B/A) = 0, 15 y P(B/A) = 1 − P(B/A) = 0, 80.
Junto a cada una de las cuatro ramas del diagrama aparecen probabilidades (que ya hemos
llamado “totales”) que fueron calculadas con aplicación del teorema de multiplicación (véase
el teorema 2.4.5). Todas estas probabilidades se pueden identificar fácilmente en el siguiente
diagrama de árbol que se muestra en la figura 2.18.
Fig. 2.18: Diagrama de árbol para los datos del ejemplo 2.4.13.
En (a) nos piden calcular P(B) y P(B). Para calcular la probabilidad de que ocurra B,
aplicaremos el teorema de la probabilidad total con n = 2 (véase el teorema 2.4.9). De
igual manera, también aplicaremos este mismo teorema para calcular la probabilidad de que
ocurra B. Esto lo haremos de la siguiente manera:
• Sumando las dos probabilidades totales ubicadas en las ramas correspondiente a un
resultado positivo, obtenemos:
P(B) = P(A) P(B/A) + P(A) P(B/A) = 0, 085 + 0, 18 = 0, 265.
• Sumando las dos probabilidades totales ubicadas en las ramas correspondiente a un

resultado negativo, obtenemos:
P(B) = P(A) P(B/A) + P(A) P(B/A) = 0, 015 + 0, 72 = 0, 735.
Para calcular las probabilidades pedidas en (b)-(d), aplicaremos el teorema de Bayes con
n = 2 (teorema 2.4.12) de la siguiente manera:
(b) Nos piden calcular P(A/B).
P(A ∩ B) 0, 085
P(A/B) = = = 0, 3207.
P(B) 0, 265
(c) Nos piden calcular P(A/B).
P(A ∩ B) 0, 015
P(A/B) = = = 0, 0204.
P(B) 0, 735
(d) Nos piden calcular P(A/B).
P(A ∩ B) 0, 18
P(A/B) = = = 0, 6792.
P(B) 0, 265
(e) Nos piden calcular P(A/B).
P(A ∩ B) 0, 72
P(A/B) = = = 0, 979.
P(B) 0, 735
Obsérvese que, para C = B o C = B, se cumple que P(A/C) = 1 − P(A/C), propiedad que

siempre se cumple para todo par de eventos A y C de un espacio muestral. !
Ejemplo 2.4.15 Un analista de bolsa examina las perspectivas de las acciones de un gran
número de compañı́as. Cuando se investigó el comportamiento de estas acciones un año
antes, se descubrió que el 15% experimentaron un crecimiento superior al de la media, el
40% inferior y el 45% restante se mantuvieron alrededor de la media. El 30% de los valores
que crecieron por encima de la media fueron clasificados como “buenas adquisiciones” por
el analista, al igual que el 15% de las que crecieron alrededor de la media y el 20% de las
que tuvieron un crecimiento inferior. ¿Cuál es la probabilidad de que un valor clasificado
como “buena adquisición” por el analista crezca por encima de la media del mercado?
SOLUCION:
Definiendo los eventos
A1 : “crecimiento superior a la media”,
A2 : “crecimiento alrededor de la media”,
A3 : “crecimiento inferior a la media”,
B : el valor se considera como “buena adquisición”,
tenemos las probabilidades P(A1 ) = 0, 25, P(A2 ) = 0, 40, P(A3 ) = 0, 35 y las probabilidades
condicionales P(B/A1 ) = 0, 30, P(B/A2 ) = 0, 15, P(B/A3 ) = 0, 20. Se necesita calcular la
probabilidad de que un valor crezca por encima de la media, dado que fue considerado “buena
adquisición” por el analista. Es decir, buscamos la probabilidad condicional P(A1 /B), la cual
se deduce haciendo uso del teorema de Bayes (teorema 2.4.12) de la siguiente manera:
P(B/A1 )P(A1 )
P(A1 /B) =
P(B/A1 )P(A1 ) + P(B/A2 )P(A2 ) + P(B/A3 )P(A3 )
(0, 30)(0, 25)
= = 0, 3658. !
(0, 30)(0, 25) + (0, 15)(0, 40) + (0, 20)(0, 35)
Ejemplo 2.4.16 Por un canal de comunicaciones afectado por ruido se transmite uno de
dos comandos de control en forma de palabras de código 11111 y 00000. Esto se transmite
con probabilidad a priori de 0,7 y 0,3, respectivamente. Por causa del ruido, la probabilidad
de recepción correcta de cada uno de los sı́mbolos disminuye a 0,6. Se supone que las
palabras de código se dañan o distorsionan independientemente. En la salida del receptor
se registra la palabra de código 10110. Determine qué comando fue transmitido.
SOLUCION:
Consideremos los siguientes eventos:
A: “se registró la palabra de código 10110”;
H1 : “se transmitió 11111”;
H2 “se transmitió 00000”.
Por consiguiente, P(H1 ) = 0, 7 y P(H2 ) = 0, 3. Para poder saber cuál fue la palabra de código
transmitida, calcularemos P(H1 /A) y P(H2 /A) y decidiremos nuestra respuesta teniendo la
probabilidad de mayor valor. Ahora,
P(A/H1 ) = (0, 6)(0, 4)(0, 6)(0, 6)(0, 4) = 0, 035,

P(A/H2 ) = (0, 4)(0, 6)(0, 4)(0, 4)(0, 6) = 0, 023.
Aplicando el teorema de Bayes (teorema 2.4.12), tenemos
P(A/H1 )P(H1 )
P(H1 /A) =
P(A/H1 )P(H1 ) + P(A/H2 )P(H2 )
(0, 035)(0, 7)
= = 0, 78.
(0, 035)(0, 7) + (0, 023)(0, 3)
De manera analoga, encontramos que P(H2 /A) = 0, 22. Por consiguiente, como P(H1 /A) =
0, 78 es mayor que P(H2 /A) = 0, 22, podemos afirmar que la palabra de código transmitida
fue 11111. !

62. Cierta empresa construye mesas de madera (M) o de vidrio (V) y se pueden adquirir
en uno de cuatro colores: azul (A), Roja (R), blanca (B) y natural (N). Las probabili-
dades correspondientes de las diversas combinaciones de tipo de material y color son las
siguientes:
Azul Roja Blanca Natural

Madera 0,13 0,13 0,14 0,10
Vidrio 0,15 0,12 0,12 0,11
(a) Calcule e interprete P(R), P(M) y P(R ∩ M).

(b) Calcule P(R/M) y P(M/R) e interprete los valores de cada una de las probabilidades.
(c) Calcule e interprete P(N/V) y P(N/V).
63. La siguiente tabla recoge las proporciones de adultos en cierta ciudad, clasificadas en
aquellos que fuma o no fuman y aquellos que tiene problemas de salud.
Problemas Fuman No fuman

Sı́ 0,15 0,09
No 0,18 0,58
(a) ¿Cuál es la probabilidad de que un adulto de esta población elegido al azar tenga
problemas de salud?
(b) ¿Cuál es la probabilidad de que un adulto de esta población elegido fume?
(c) ¿Cuál es la probabilidad de que un adulto de esta población elegido al azar que no
fume tenga problemas de salud?
64. La probabilidad de que Humberto vea cierto programa de televisión es 0,3 y la probabilidad
de que su esposa Greyci vea el programa es 0,6. La probabilidad de Humberto vea el
programa sabiendo que Greyci lo hace es 0,8. Encuentre la probabilidad de que
(a) Humberto y Greyci vean el programa;
(b) Greyci vea el programa sabiendo que Humberto lo hace;
(c) al menos uno de los dos vea el programa.
65. En cierta bodega, una caja contiene ocho clavos de 1 pulgada, seis de 1 pulgada y media
y cinco de 2 pulgadas. Suponga que se seleccionan tres clavos al azar, sin reemplazo y
sin orden.
(a) Si se ve que al menos uno de ellos es de 1 pulgada, ¿cuál es la probabilidad de que
los tres sean de 1 pulgada?
(b) Si al menos uno de los tres seleccionados no es de 2 pulgadas, ¿cuál es la probabilidad
de que los tres clavos tengan el mismo tamaño?
66. Una billetera contiene cinco billetes de $10.000 y siete billetes de $20.000 y una segunda
billetera contiene ocho billetes de $10.000 y cuatro de $20.000. Se escoge al azar un billete
de la primera billetera y se coloca en la segunda. Después se selecciona un billete de la
segunda billetera y se coloca en la primera. ¿Cuál es la probabilidad de que se seleccione
un billete de $10.000 de la primera billetera y uno de $10.000 de la segunda?
67. Tres parejas de casados han comprado boletas para el cine y se sientan en una fila formada
por seis asientos. Supongamos que se sientan al azar.
(a) Utilice la regla de multiplicación para calcular la probabilidad de que una pareja
(digamos, José y Carmen) se sienten juntos en el extremo izquierda y que otra pareja
(digamos, Jorge y Nubia) se sienten juntos en el medio
(b) Sabiendo que Jorge y Nubia ya se han sentado juntos en el medio, ¿cuál es la proba-
bilidad de que los otros dos esposos (digamos, José, Ricardo) se sienten junto a sus
respectivas esposas (Carmen y Ana, respectivamente).
(c) Sabiendo que Jorge y Nubia ya se han sentado juntos, ¿cuál es la probabilidad de que
todos los esposos se sienten junto a sus esposas.
68. Una entidad educativa ha propuesto tres proyectos para la mejora de la educación en cierta
región del pais. Para i = 1, 2, 3, sea Ai el evento que representa al evento “el proyecto i
fue aceptado”. Supongamos que
P(A1 ) = 0, 30, P(A2 ) = 0, 22, P(A3 ) = 0, 35, P(A1 ∩ A2 ) = 0, 08,

P(A1 ∩ A3 ) = 0, 09, P(A2 ∩ A3 ) = 0, 06, P(A1 ∩ A2 ∩ A3 ) = 0, 02.
Determine las siguientes probabilidades y exprese verbalmente cada uno de los eventos
cuya probabilidad ha sido calculada.
(a) P(A2 /A1 ).
(b) P(A2 ∩ A1 /A1 ).
(c) P(A2 ∪ A3 /A1 ).

(d) P(A1 ∩ A2 ∩ A3 /A1 ∪ A2 ∪ A3 ).
69. Un lote contiene 15 piezas fundidas de un proveedor local y 25 piezas fundidas de un
proveedor del pueblo contiguo. Se seleccionan dos piezas fundidas al azar, sin reemplazo,
del lote de 40. Si A denota el evento de que la primera pieza fundida seleccionada es del
proveedor local y si B denota el evento de que la segunda pieza fundida seleccionada es
del proveedor local, determine:
(a) P(A), P(B), P(A ∩ B) utilizando las técnicas de conteo.
(b) P(B/A) y P(A/B) utilizando la definición de probabilidad condicional.
(c) P(A ∪ B) aplicando el teorema de adición para dos eventos.
70. En cierto batallón, 35% de los soldados reclutados son de estrato 1 y el resto, de estrato 2.
De los soldados reclutados que vienen del estrato 1, el 82% no son hijos únicos; mientras
que el 25% de los del estrato 2 son hijos únicos. Supongamos que se selecciona un soldado
al azar para una entrevista.
(a) Si es hijo único, ¿cuál es la probabilidad de que venga del estrato 1? ¿Del estrato 2?
(b) Si no es hijo único, ¿cuál es la probabilidad de que venga del estrato 1? ¿Del estrato
2?
71. En cierta empresa, 31% de los empleados son europeos, 42% son asiáticos y 27% son
latinoamericanos. De los empleados europeos, 34% son mujeres; de los asiáticos, 42%
son mujeres; mientras que de los latinoamericanos, 72% son mujeres.
(a) ¿Cuál es la probabilidad de que un empleado seleccionado al azar sea una (mujer)
europea? ¿(Hombre) asiático?
(b) ¿Cuál es la probabilidad de que un empleado seleccionado al azar sea una mujer?
¿Hombre?
(c) Si un empleado seleccionado al azar es una mujer, ¿cuál es la probabilidad de que sea
europea? ¿Asiática? ¿Latinoamericana?
(d) Repita el inciso anterior, teniendo en cuenta que el empleado seleccionado sea un
hombre.
72. Una empresa fabrica computadores, cuyo disco duro tienen capacidad de 20 GB y otros
con capacidad de 30 GB. En el mes anterior, 35% de los computadores vendidos han sido
los que tienen disco duro de 20 GB. De los compradores de computadores con disco duro
de 20 GB, 45% compran los que tienen una memoria RAM de 356 MB, mientras que
el 30% de los compradores de computadores con disco duro de 30 GB también lo hacen
ası́. Si sabemos que un comprador seleccionado al azar ha comprado un computador con
memoria RAM de 356 MB, ¿cuál es la probabilidad de que tenga un computador con disco
duro de 30 GB?
73. Se envı́an lapiceros de diversos colores a un proveedor de artı́culos escolares en lotes de
20. Suponga que el 50% de estos lotes no tienen lapiceros defectuosos; 30%, un lapicero
defectuoso y el resto de los lotes, tienen dos lapiceros defectuosos. Sin tener en cuenta el
orden, supongamos que el proveedor selecciona al azar dos lapiceros de un lote y los prueba.
¿Cuáles son las probabilidades correspondientes de que haya 0, 1 y 2 lapiceros defectuosos
en el lote, bajo cada una de las dos siguientes situaciones? (Sugerencia: Dibuje primero
un diagrama de árbol en donde las tres primeras ramas principales corresponden a los tres
tipos diferentes de lotes).
(a) Ningún lapicero probado está defectuoso.
(b) Uno de los dos lapiceros probados está defectuoso.

(c) Ambos lapiceros probados están defectuosos.
74. Una prestigiosa Universidad de Barranquilla utiliza tres hoteles locales para proporcionar
hospedaje nocturno a sus profesores invitados. Supongamos que a 25% de los profesores
se les asignan habitaciones en el Hotel Las Nieves , al 45% en el Hotel Paraiso y al 30% en
el Hotel San Felipe. Si hay una decorado especial en 3% de la habitaciones del Barranquilla
Plaza, 5% del Hotel El Prado y en 8%de las habitaciones del Hotel Puerta del Sol, ¿cuál
es la probabilidad de que
(a) a un cliente se le asigne una habitación con decorado especial?
(b) a una persona con una habitación que tiene un decorado especial se le haya asignado
acomodo en el Hotel Paraiso?
75. Para clientes que compran una estufa especial en un almacén electrodoméstico, considere
los siguientes eventos:
A =“La estufa comprada es colombiana”;
B =“El comprador quiere una estufa a gas”;
C =“El comprador quiere una estufa con 6 fogones”.
Supongamos que sean dadas las siguientes probabilidades P(A) = 0.30, P(B/A) = 0, 75,
P(B/A) = 0, 89, P(C/A ∩ B) = 0, 90, P(C/A ∩ B) = 0, 55, P(C/A ∩ B) = 0, 62 y
P(C/A ∩ B) = 0, 40.
(a) Construya un diagrama de árbol colocando cada evento en niveles diferentes y encima
de cada una de él, las probabilidades correspondientes.
(b) ¿Cuál es la probabilidad de que la estufa comprada sea colombiana, a gas y con 6
fogones?
(c) ¿Cuál es la probabilidad de que la estufa comprada sea a gas y con 6 fogones?
(d) ¿Cuál es la probabilidad de que la estufa comprada no sea de 6 fogones?
(e) ¿Cuál es la probabilidad de que la estufa comprada sea colombiana sabiendo que es
a gas y con 6 fogones?
76. Una emisora de bonos municipales tiene tres categorı́as de clasificación (A, B y C).
Suponga que el año pasado, de los bonos municipales que se emitieron en cierto pais,
70% tuvieron clasificación A, 20% clasificación B y 10% clasificación C. De los bonos
municipales con clasificación A, 50% fueron emitidos en ciudades, 40% en suburbios y
10% en áreas rurales. De los bonos municipales con clasificación B, 60% fueron emitidos
en ciudades, 20% en suburbios y 20% en áreas rurales. De los bonos municipales con
clasificación C, 90% fueron emitidos en ciudades, 5% en suburbios y 5% en áreas rurales.
(a) ¿Qué proporción de bonos municipales emiten las ciudades? ¿Los suburbios? ¿Las
áreas rurales?
(b) Si una ciudad emitiera un nuevo bono municipal, ¿cuál seria la probabilidad de que
tuviera clasificación A?
77. Se les preguntó a los suscriptores de un periódico local si leı́an regularmente, ocasional-
mente o nunca la sección de deportes y, también, si habı́an practicado fútbol durante el
año anterior. La proporciones obtenidas en la encuesta figuran en la siguiente tabla.
Fútbol Lee regularmente Lee ocasionalmente Nunca lee
Sı́ 0,21 0,16 0,31
No 0,10 0,04 0,18
2.5 Independencia 63
(a) ¿Cuál es la probabilidad de que un suscriptor elegido al azar nunca lea la sección de
deportes?
(b) ¿Cuál es la probabilidad de que un suscriptor elegido al azar haya jugado fútbol durante
el año pasado?
(c) ¿Cuál es la probabilidad de que un suscriptor que nunca lea la sección de economı́a
haya jugado fútbol durante el año pasado?
(d) ¿Cuál es la probabilidad de que un suscriptor que ha jugado fútbol durante el año
pasado nunca lea la sección de deportes?
(e) ¿Cuál es la probabilidad de que un suscriptor que no lea regularmente la sección de
deportes haya jugado fútbol durante el año pasado?
2.5 Independencia
En general, el concepto de que dos eventos A y B sean independientes significa que el
suceso de uno de los dos eventos no tiene ninguna influencia sobre la probabilidad de
que suceda el otro evento. Por consiguiente, definimos
Definición 2.5.1 Dos eventos A, B de un espacio muestral Ω ̸= ∅ se llaman (es-

tocásticamente) independientes, si y sólo si P(A/B) = P(A) y son dependientes
en cualquier otro caso. Es decir, el evento A es independiente del evento B si la
probabilidad de A no se ve afectada por la ocurrencia o no de B.
Ejemplo 2.5.2 Considere lanzar un dado no falso y defina los eventos A = {2, 4, 6}, B =
{1, 2, 3} y C = {1, 2, 3, 4}. Entonces, tenemos
1 1 1
P(A) = , P(A/B) = y P(A/C) = .
2 3 2
Es decir, los eventos A y B son dependientes, mientras que los eventos A y C son indepen-
dientes. !
Ejemplo 2.5.3 Las probabilidades de que llueva o nieve en una ciudad determinada el
dı́a de navidad, el dı́a de año nuevo o en ambos dı́as son P(C) = 0, 60, P(N) = 0, 60 y
P(C ∩ N) = 0, 42, respectivamente. Verifique si los eventos N y C son independientes.
SOLUCION:
Por la definición de probabilidad condicional, tenemos que
P(C ∩ N) 0, 42
P(N/C) = = = 0, 70.
P(C) 0, 60
Ya que P(N/C) = 0, 70 no es igual que P(N) = 0, 60, encontramos que los eventos N y C no
son independientes. Es decir, son dependientes. !
En el caso en que los eventos A y B sean independientes, encontramos con ayuda del
teorema de multiplicación (teorema 2.4.5) el siguiente resultado especial: P(A ∩ B) =
P(A/B) P(B) = P(A)P(B). Por tanto, podemos formular el siguiente teorema:
Teorema 2.5.4 (Teorema de multiplicación para eventos independientes)

Dos eventos A, B de un espacio muestral Ω ̸= ∅ son independientes si y sólo si
P(A ∩ B) = P(A)P(B).
Ejemplo 2.5.5 Considere lanzar un dado no falso y defina los eventos A = {2, 4, 6}, B =
{1, 3, 5}. Entonces, A ∩ B = ∅ y
1
P(A) = P(B) = y P(A ∩ B) = P(∅) = 0.
2
Es decir, los eventos A y B no son independientes porque P(A ∩ B) ̸= P(A) P(B). El mensaje
es que si dos eventos son mutuamente excluyentes y si las probabilidades de ambos eventos
son positivas, entonces, no pueden ser independientes. !
Ejemplo 2.5.6 La tabla de abajo contiene los resultados obtenidos al analizar 84 muestras
de aire con la finalidad de destectar dos moléculas raras. Sean A y B los eventos “todas las
muestras de aire contienen la molécula 1” y “todas las muestras contienen la molécula 2”,
respectivamente.
Molécula 1 (no) Molécula 1 (sı́) Total

Molécula 2 (no) 32 24 56
Molécula 2 (sı́) 16 12 28
Total 48 36 84
Entonces,
36 3 28 1 12 1
P(A) = = , P(B) = = y P(A ∩ B) = = .
84 7 84 3 84 7
Es decir, los eventos A y B son independientes porque P(A ∩ B) = P(A) P(B). !
Teorema 2.5.7 Sean A, B eventos de un espacio muestral Ω ̸= ∅. Entonces, las

siguientes cuatro proposiciones son equivalentes:
(a) A y B son independientes. (b) A y B son independientes.
(c) A y B son independientes. (d) A y B son independientes.
Ejemplo 2.5.8 Considere lanzar un dado no falso y defina los eventos A = {2, 4, 6} y
B = {1, 2, 3, 4}. Verifique las cuatros proposiciones equivalentes del teorema 2.5.7.
SOLUCION:
Debido a que, adicionalmente, A = {1, 3, 5} y B = {5, 6}, tenemos
1 2 1 1
P(A) = , P(B) = , P(A) = , P(B) = .
2 3 2 3
Ahora, como
A ∩ B = {2, 4}, A ∩ B = {1, 3}, A ∩ B = {6}, A ∩ B = {5},
se concluye que:
1
• Los eventos A y B son independientes porque P(A ∩ B) = 3 = P(A) P(B).
1
1
1
• Los eventos A y B son independientes porque P(A ∩ B) = 6 = P(A) P(B). !
Ejemplo 2.5.9 Se sabe que 30% de las lavadoras de cierta compañı́a requieren servicio
cuando están todavı́a en garantı́a, mientras que sólo 10% de las secadoras necesitan ese
servicio. Si alguien compra una lavadora y una secadora fabricadas por esta companı́a,
¿cuál es la probabilidad de que ninguna de las dos máquinas necesite servicio dentro de la
garantı́a? Suponga que las dos máquinas funcionan de manera independiente.
SOLUCION:
Señalemos como A el evento “la lavadora necesita servicio de garantı́a” y B, el evento “la
secadora necesita servicio de garantı́a”. Entonces, P(A) = 0, 30 y P(B) = 0, 10. Nos piden
calcular P(A ∩ B). Como las dos máquinas funcionan de manera independiente, entonces,
los eventos A y B son independientes. Con esto y con el teorema 2.5.7 (en este teorema,
si se cumple la proposición (a), entonces, también debe cumplirse (d)), los eventos A y B
también son independientes. Por consiguiente,
P(A ∩ B) = P(A) P(B) = (0, 70) · (0, 90) = 0, 63. !
El concepto de independencia se puede generalizar al caso en que se tengan más de dos

eventos.
Definición 2.5.10 Se dice que n eventos A1, . . . , An de Ω son independientes

si y sólo si
P(Aj1 ∩ Aj2 ∩ · · · ∩ Ajk ) = P(Aj1 ) · P(Aj2 ) · · · P(Ajk ), (2.3)
para todo 1 ≤ j1 < j2 < · · · < jk ≤ n, con 2 ≤ k ≤ n.
En particular, por ejemplo,6

(a) si n = 3, entonces, A, B y C son completamente independientes si y sólo si se cumplen las 2
condiciones siguientes:
• Tomando la intersección de cada 2 eventos se tiene que
P(A ∩ B) = P(A) P(B), P(A ∩ C) = P(A) P(C), P(B ∩ C) = P(B) P(C).
P(A ∩ B ∩ C) = P(A) P(B) P(C).
(b) si n = 4, entonces, A, B, C y D son completamente independientes si y sólo si se cumplen

las 3 condiciones siguientes:
P(A ∩ B) = P(A) P(B), P(A ∩ C) = P(A) P(C), P(A ∩ D) = P(A) P(D),
P(B ∩ C) = P(B) P(C), P(B ∩ D) = P(B) P(D), P(C ∩ D) = P(C) P(D).
6
El caso n = 2 ya está ilustrado en el teorema 2.5.4
P(A ∩ B ∩ C) = P(A) P(B) P(C), P(A ∩ B ∩ D) = P(A) P(B) P(D),

P(A ∩ C ∩ D) = P(A) P(C) P(D), P(B ∩ C ∩ D) = P(B) P(C) P(D).
P(A ∩ B ∩ C ∩ D) = P(A) P(B) P(C) P(D).
El siguiente ejemplo ilustra que una independencia fı́sica en la realidad no necesariamente

necesita corresponder con una independencia estocástica en el modelo.
Ejemplo 2.5.11 Supongamos que un dado se lanza dos veces y consideremos los eventos
A :=“primer lanzamiento es un 2”, B :=“segundo lanzamiento es un 5” y C :=“la suma de
ambos lanzamientos es 7”. Demuestre que (a) A y B son independientes, (b) B y C son
independientes (c) A y C son independientes y (d) A, B y C no son independientes.
Este ejemplo demuestra también que A, B y C son independientes dos a dos, pero no comple-
tamente independientes.
SOLUCION:
1
(a) Debido a que A y B tienen 6 elementos, tenemos que P(A) = P(B) = 6 y, por
consiguiente, que
# $ 1 1 1
P(A ∩ B) = P escoger (2,5) = = · = P(A) P(B),
36 6 6
entonces, podemos afirmar que A y B son independientes.
(b) El evento C es el conjunto
! "
C = (1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1) ,
6
es decir, C tiene 6 elementos. Por consiguiente, P(C) = 36 = 16 . Ahora, debido a que
B ∩ C = {(2, 5)}, es claro ver que B ∩ C tiene un elemento. Por lo tanto,
Número de elementos de B ∩ C 1 1 1
P(B ∩ C) = = = = · = P(B) P(C).
Número de elementos de Ω 36 6 6
O sea, que B y C son independientes.
(c) En forma semejante, se puede demostrar que A y C son independientes.
(d) A, B y C no son completamente independientes porque
# $ 1 1
P(A ∩ B ∩ C) = P (2, 5) = ̸ = = P(A) P(B) P(C). !
36 63

78. Suponga que las proporciones de fenotipos sanguı́neos en determinada población son los
siguientes: A : 35%, B : 28%, AB : 13% y O : 24%. Supongamos que los fenotipos de
dos personas seleccionadas al azar son independientes entre sı́.
(a) ¿Cuál es la probabilidad de que ambos fenotipos sean O?;
(b) ¿Cuál es la probabilidad de que sean iguales?
79. En su sistema de funcionamiento, una represa tiene cuatro puertas de seguridad idénticas.
La probabilidad de que una puerta en particular se abra cuando sea necesario es 0,97. Si
las puertas funcionan independientemente, calcule la probabilidad de que (a) al menos
una puerta se abra, (b) al menos una puerta no se abra.
80. La probabilidad de que Jeniffer cometa un error al marcar una pregunta de un examen de
opción múltiple es 0,2. Supongamos que hay 7 preguntas marcadas independientemente.
(a) ¿Cuál es la probabilidad de que Jeniffer no cometa error al marcar las 7 preguntas?
(b) ¿Cuál es la probabilidad de que Jeniffer cometa por lo menos un error al marcar las 7
preguntas?
81. Una costura en un chaleco antibalas necesita 10 puntos de seguridad. La costura tendrá
que volverse a realizar si cualquiera de los puntos de segudidad quedó débil. Suponga que
los puntos de seguridad están débiles independientemente unos de otros, cada uno con la
misma probabilidad.
(a) Si 20% de todas las costuras necesitan volver a efectuarse, ¿cuál es la probabilidad
de que un punto de seguridad esté defectuoso?
(b) ¿Qué tan pequeña debe ser la probabilidad de un punto de seguridad débil para
asegurar que sólo el 5% de todas las costuras necesiten volver a ejecutarse?
82. Una empresa de venta por correos considera tres posibles errores al enviarse un pedido:
A: el artı́culo enviado no es el solicitado.
B: el artı́culo se extravı́a.
C: el artı́culo sufre desperfectos en el transporte.
Supóngase que el suceso A es independiente de los sucesos B y C y que los sucesos
B y C son mutuamente excluyentes. Las probabilidades de los sucesos individuales son
P(A) = 0, 03, P(B) = 0, 02 y P(C) = 0, 05. Calcular la probabilidad de que uno de estos
errores ocurra para al menos un pedido escogido al azar.
83. En cierta ciudad, el 70% de todas las personas examinadas en cierto consultorio odon-
tológico no tienen caries. Si se supone que personas sucesivas tienen o no tienen caries
(obviamente, independientemente una de otra), calcule la probabilidad de los siguientes
eventos:
(a) Las tres personas siguientes examinadas tienen caries.
(b) Al menos una de las tres personas siguientes examinadas no tienen caries.
(c) Exactamente una de las tres personas siguientes examinadas tiene caries.
(d) A lo más una de las tres personas siguientes examinadas tiene caries.
(e) Al menos una de las tres personas siguientes examinadas tiene caries.
(f) Las tres personas siguientes examinadas tienen caries sabiendo que al menos una de
ellas tiene caries.
84. Se clasifican muestras de hule de espuma de tres proveedores de acuerdo a si cumplen o
no con las especificaciones. Los resultados de 100 muestras se resumen a continuación:
Proveedor Sı́ cumple No cumple

1 17 3
2 18 10
3 50 2
Si A denota el evento de que una muestra es del proveedor 1 y si B denota el evento de

que una muestra cumple con las especificaciones, determine si A y B son independientes.
¿Son independientes A y B?
85. Se seleccionó una muestra de 570 encuestados en una cierta ciudad para recoger in-
formación acerca del comportamiento de los consumidores. Entre las preguntas estaba:
“¿Disfruta usted comprando ropa?” De 270 hombres, 165 respondieron que sı́. De 300
mujeres, 224 respondieron que sı́.
(a) Suponga que el participante elegido es mujer. ¿Cuál es la probabilidad de que no
disfrute comprando ropa?
(b) Suponga que el participante elegido disfruta comprando la ropa. ¿Cuál es la proba-
bilidad de que la persona sea hombre?
(c) Los eventos disfrutar comprando ropa y sexo del participante, ¿son estadı́sticamente
independientes? Explique.
86. Un determinado hospital tiene dos ambulancias que trabajan de forma independiente. La
probabilidad de que una ambulancia especı́fica esté disponible cuando se le necesite es
0,94.
(a) ¿Cuál es la probabilidad de que ninguna esté disponible cuando se les necesite?
(b) ¿Cuál es la probabilidad de que por lo menos una ambulancia esté disponible cuando
se le necesite?
87. En una prueba de una tarjeta de circuito impreso en la que se utiliza un patrón de prueba
aleatorio, un arreglo de 10 bits es igualmente probable factible que sea cero o uno. Suponga
que los bits son independientes.
(a) ¿Cuál es la probabilidad de que todos los bits sean unos?
(b) ¿Cuál es la probabilidad de que todos los bits sean ceros?
(c) ¿Cuál es la probabilidad de que exactamente cinco bits sean unos y cinco sean ceros?
88. Una compañı́a de seguros estima que el 30% de los accidentes de automóvil son debidos
al estado de embriaguez del conductor y que el 20% provocan heridos. Además, el 40% de
los accidentes que dan lugar a heridos son debidos al estado de embriaguez del conductor
(a) ¿Cuál es la probabilidad de que un accidente elegido al azar haya sido causado por el
estado de embriaguez del conductor y haya dado lugar a heridos?
(b) ¿ Son los sucesos debido al estado de embriaguez del conductor” y “da lugar a heridos”
independientes?
(c) Si un accidente elegido al azar es causado por el estado de embriaguez del conductor,
¿cuál es la probabilidad de que haya dado lugar a heridos?
(d) ¿Cuál es la probabilidad de que un accidente elegido al azar haya sido provocado por
el estado de embriaguez del conductor y no haya dado lugar a heridos?
89. Cada una de las tapas de las botellas de gaseosa que llegan a una determinada sección
son verificados por Greyci y Humberto, quienes buscan defectos. Humberto detecta 95%
de tapas defectuosas y Greyci también hace lo mismo. Al menos, una persona no detecta
defecto alguno en el 10% de todas las tapas defectuosas.
(a) ¿Cuál es la probabilidad de que una tapa defectuosa sea detectada sólo por Humberto?
(b) ¿Cuál es la probabilidad de que una tapa defectuosa sea detectada exactamente por
una de las dos personas?
(c) Suponiendo que las inspecciones de diferentes tapas son independientes entre sı́, ¿cuál
es la probabilidad de que tres tapas defectuosas de un lote escapen a la detección de
ambas personas?
Cap. 2. Ejercicios complementarios 69
90. Se sabe que el 20% de las explotaciones agrı́colas de un determinado pueblo tienen más de
20.000 metros cuadrados y que los propietarios del 60% de las explotaciones son personas
con más de 55 años de edad. Además, el 55% de las explotaciones que superan los 20.000
metros cuadrados tienen como propietario a una persona mayor de 55 años.
(a) ¿Cuál es la probabilidad de que una explotación de este pueblo escogida al azar tenga
más de 20.000 metros cuadrados y su propietario sea mayor de 55 años?
(b) ¿Cuál es la probabilidad de que una explotación de este pueblo escogida al azar tenga
más de 20.000 metros cuadrados o su propietario sea mayor de 55 años?
(c) ¿Cuál es la probabilidad de que una explotación de este pueblo cuyo propietario es
mayor de 55 años, tenga más de 20.000 metros cuadrados?
(d) ¿Son independientes estadı́sticamente el tamaño de las explotaciones y la edad de los
propietarios?
✍ Ejercicios complementarios
91. ¿Son las siguientes afirmaciones verdaderas o falsas? Justificar cada respuesta.
(a) La suma de las probabilidades de eventos colectivamente exhaustivos es 1.
(b) Sean los eventos A y B, la probabilidad de A dado B es igual a la probabilidad de B
dado A, si las probabilidades de A y B son iguales.
(c) Si un evento y su complemento son igualmente probables, la probabilidad de ese
evento es 0,5.
(d) Si A y B son mutuamente excluyentes, entonces, también lo son sus complementos.
(e) La probabilidad de la unión de dos eventos no es menor que la probabilidad de la
intersección.
(f) La probabilidad de la unión de dos eventos no es mayor que la suma de la probabilidad
de cada uno de los eventos.
(g) La probabilidad de la intersección de dos eventos es menor que la probabilidad de
cualquiera de los dos eventos.
(h) Un evento y su complemento son mutuamente excluyentes.
(i) Si dos eventos son mutuamente excluyentes, entonces son colectivamente exhaustivo.
(j) Si dos sucesos son colectivamente exhaustivos, entonces son mutuamente excluyentes.
(k) La probabilidad condicional de A dado B es mayor o igual que la probabilidad de A.
(l) Un evento y su complemento son independientes.
(m) La probabilidad condicional de A dado B es mayor o igual que la probabilidad de la
intersección de A y B.
(n) La probabilidad de la intersección de dos eventos no es mayor que el producto de sus
probabilidades individuales.
92. En los últimos años, las compañı́as de tarjeta de crédito han hecho un gran esfuerzo para
lograr nuevas cuentas de estudiantes universitarios. Suponga que una muestra de 210
estudiantes en su universidad proporcionó la siguiente información sobre si poseı́a una
tarjeta de crédito bancaria y/o una tarjeta de crédito de viaje.
Tarjeta bancaria Tiene tarjeta de viaje No tiene tarjeta de viaje

Si 50 80
No 25 55
Si se selecciona un estudiante al azar, ¿cuál es la probabilidad de que

(a) tenga una tarjeta de crédito bancaria?
(b) tenga una tarjeta de crédito bancaria y una tarjeta de viaje?
(c) no tenga una tarjeta de crédito bancaria ni una tarjeta de viaje?
(d) no tenga una tarjeta de crédito bancaria o tenga una tarjeta de viaje?
93. Encuentre el número de formas distintas en que se pueden guardar cuatro discos compactos
de marcas diferentes en un estuche que tiene seis compartimientos númerados del 1 al 6.
94. Para poder asistir a importantes citas de trabajo, Humberto debe alquilar un auto en
Barranquilla y uno, en Cartagena. Sea A el evento “a Humberto le ofrecen un Mer-
cedes Benz en Barranquilla” y B el evento “a Humberto le ofrecen un Mercedes Benz
en Cartagena”. Supongamos que ambos eventos son independientes, que P(A) = 0, 4 y
P(B) = 0, 25.
(a) Si a Humberto no se le ofrece un Mercedes Benz en Barranquilla, ¿cuál es la proba-
bilidad de que no se le ofrezca un Mercedes Benz en Cartagena?
(b) ¿Cuál es la probabilidad de que a Humberto se le ofrezca un Mercedes Benz en por
lo menos alguna de las dos ciudades?
(c) Si se le ofrece un Mercedes Benz en por lo menos alguna de las dos ciudades, ¿cuál
es la probabilidad de que ese ofrecimiento sea sólo en Barranquilla?
95. Supongamos que seis personas se quieren montar en fila en un bus.
(a) ¿De cuántas maneras diferentes pueden hacerlo?
(b) ¿De cuántas maneras posibles pueden hacerlo si tres personas insisten en estar una
después de la otra?
(c) ¿De cuántas maneras posibles pueden hacerlo si dos personas deben estar una junto
a la otra?
(d) ¿De cuántas maneras posibles pueden hacerlo si dos personas se niegan a estar una
junto a la otra?
96. En un pequeño municipio clasificaron a los habitantes según la religión que practicaban
y encontraron lo siguiente: 10 eran Bautistas, 40 eran Islámicos, 20 eran Adventistas,
50 eran Evangélicos, 70 eran Católicos, 30 eran Testigos de Jehová y 10 No sabı́an (no
respondieron).
(a) Construya un diagrama de barras para los datos anteriores.
(b) ¿Cuál es el tamaño de la población del municipio?
(c) ¿Se puede calcular la media? Explique.
(d) ¿Se puede calcular la moda? Explique.
(e) ¿Qué porcentaje de la población son Islámicos? ¿Qué medida usó para calcularla?
(f) ¿Cuál es la probabilidad de que al seleccionar a un habitante de dicho municipio, éste
sea Islámico?
(g) ¿Cómo son los números obtenidos en (e) y (f)? ¿Qué concluye?
97. Se pidió a una analista financiera evaluar las perspectivas de beneficio de cinco empre-
sas para el próximo año, y ordenarlas con respecto a las previsiones correspondientes al
crecimiento del beneficio.
(a) ¿Cuántas ordenaciones diferentes son posibles?
(b) Si, de hecho, simplemente se supone una determinada ordenación, ¿cuál es la proba-
bilidad de que esta suposición sea correcta?
98. En un experimento para estudiar la relación de la hipertensión arterial y los hábitos de
fumar, se reúnen los siguientes datos para 190 individuos:
No Fumadores Fumadores
fumadores moderados empedernidos
Con hipertensión 30 25 28
Sin hipertensión 40 19 48
Si se escoge un de estos individuos al azar, encuentre la probabilidad de que la persona

(a) sufra de hipertensión, sabiendo que es un fumador empedernido;
(b) sea un no fumador, dado que la persona no sufre de hipertensión.
99. Una cierta investigación en una ciudad indica que, durante cualquier semana, el 18% de
los adultos vieron un programa deportivo de televisión orientado a temas relacionados con
el fútbol y el beisbol, el 12% leen un reportaje orientado a esta temática y el 10% realizan
ambas actividades.
(a) ¿Cuál es la probabilidad de que un adulto de esta ciudad, que ve el programa de
televisión, lea el reportaje mencionado?
(b) ¿Cuál es la probabilidad de que un adulto de esta ciudad, que lea el reportaje, vea
dicho programa de televisión?
100. El centro de informática de cierta universidad recibe un software nuevo que debe ser
instalado en el servidor de la universidad y revisado antes de ser puesto a funcionar. En
la tabla adjunta se muestra la valoración de probabilidad de un gerente correspondiente
al número de dı́as necesarios para que el software ser puesto a funcionar.
Numero de dı́as 3 4 5 6 7
Probabilidad 0,05 0,27 0,43 0,13 0,12
Sea A el evento “el software tardará más de cinco dı́as en ponerse a funcionar” y B el
evento “el software tardará más de cuatro dı́as en ponerse a funcionar”.
(a) Calcular la probabilidad de que suceda A y la de que suceda B.
(b) Describa el complemento A del evento A y calcule la probabilidad de que suceda A.
(c) Describir el suceso intersección A ∩ B de los sucesos A y B y calcule la probabilidad
de que suceda A ∩ B.
(d) Describir el suceso unión A ∪ B de los sucesos A y B y calcular la probabilidad de que
suceda A ∪ B.
(e) ¿Son los sucesos A y B mutuamente excluyentes? ¿Colectivamente exhaustivos?
101. Tres parejas de casados han comprado boletas para el cine y se sientan en una fila formada
por seis asientos. Supongamos que se sientan al azar.
(a) ¿Cuál es la probabilidad de que exactamente una pareja (digamos, José y Carmen) se
sienten en los dos asientos del extremo derecho?
(b) ¿Cuál es la probabilidad de que José y Carmen se sienten uno junto a la otra?
102. La rugosidad en los bordes de los productos de papel cortado aumenta con el desgaste de
las cuchillas. Sólo 1% de los productos cortados con cuchillas nuevas tiene bordes rugosos,
3% de los productos cortados con cuchillas con filo promedio presentan rugosidad y 5%
de los productos cortados con cuchillas desgastadas presentan rugosidad. Si 25% de las
cuchillas utilizadas son nuevas, 60% tienen filo promedio y 15% están desgastadas, ¿cuál
es la proporción de productos que presenta rugosidad en los bordes?
103. Los clientes acostumbran evaluar en forma preliminar el diseño de los productos. En el
pasado, 95% de los productos de gran éxito recibieron crı́ticas favorables, 60% de los
productos con un éxito moderado recibieron crı́ticas favorables y 10% de los productos
sin mucho éxito recibieron crı́ticas favorables. Además, 40% de los productos han sido de
gran éxito, 35% han sido de éxito moderado y 25% han sido productos sin mucho éxito.
(a) ¿Cuál es la probabilidad de que un producto obtenga una crı́tica favorable?
(b) Si un diseño nuevo obtiene una crı́tica favorable, ¿cuál es la probabilidad de que será
un producto de gran éxito?
(c) Si un producto no consigue una crı́tica favorable, ¿cuál es la probabilidad de que será
un producto de gran éxito?
104. Una compañı́a del ejército escoge siempre a 30 soldados para vigilar en el intervalo de 4:00
a.m. a 12:00 a.m. (turno de la mañana); 25, de 12:00 a.m. a 7:00 p.m. (turno de la tarde)
y 40, de 7:00 p.m. a 4:00 a.m. (turno de la noche). Un coronel del ejército selecciona 8
de estos soldados para hacerles una entrevista minuciosa. Supongamos que la selección
se hace de tal forma que cualquier grupo de 8 soldados tiene la misma probabilidad de ser
seleccionado, del mismo modo que cualquier otro grupo.
(a) ¿De cuántas maneras se pueden seleccionar 8 soldados del turno de la mañana?
(b) ¿Cuál es la probabilidad de que los 8 soldados seleccionados sean del turno de la
mañana?
(c) ¿Cuál es la probabilidad de que los 8 empleados seleccionados sean del mismo turno?
(d) ¿Cuál es la probabilidad de que, al menos, 2 turnos diferentes sean representados
entre los soldados seleccionados?
(e) ¿Cuál es la probabilidad de que, al menos, uno de los turnos no esté representado en
la muestra de soldados?
105. Un consejo académico con cinco miembros de la universidad tienen la tarea de elegir el
nuevo jefe de un departamento académico, teniendo como candidatos a Humberto (H) o
a Greyci (G). Cada uno de los miembros votó en una papeleta por uno de los candidatos.
Supongamos que las papeletas se seleccionan al azar de una en una y una vez que se
saque cada papeleta, se dice el nombre del candidato que salió en la papeleta.
(a) ¿De cuántas maneras posibles puede resultar el conteo de los votos?
(b) Si hay tres votos para Greyci y dos para Humberto, ¿de cuántas maneras posibles
puede resultar el conteo de votos? ¿Cuáles son estas posibles maneras?
(c) Si hay tres votos para Greyci y dos para Humberto, ¿cuál es la probabilidad de que
Greyci siga delante de Humberto en todo el conteo de votos (es decir, este evento
ocurre si el orden seleccionado es GGHGH pero no para GHHGG)?
106. Si se elige al azar una letra de nuestro alfabeto (son 27 letras), encuentre la probabilidad
de que la letra sacada (a) sea una vocal, (b) sea una letra que está ubicada antes de la
letra “d”, (c) sea una letra que está ubicada despúes de la letra “e”.
107. Un grupo académico formado por dos ingenieros y cuatro administradores debe ser cons-
tituido para un proyecto, disponiéndose de un total de cinco ingenieros y seis administra-
dores.
(a) ¿Cuántas son las distintas combinaciones posibles?
(b) El hermano de uno de los ingenieros es un administrador. Si el grupo es elegido al
azar, ¿cuál es la probabilidad de que los dos hermanos sean escogidos?
(c) ¿Cuál es la probabilidad de que ninguno de los dos hermanos sea escogido?
108. Un estante tiene 6 libros iguales de matemáticas y 4 iguales de fı́sica. Hallar la probabilidad
de que los 6 libros de matemáticas estén juntos.
109. La contaminación del rı́o Magdalena es un problema que se va incrementado cada vez
más con el pasar de los años. Sean dadas las siguientes probabilidades:
• La probabilidad de que el rı́o está contaminado es 0,3.

• La probabilidad de que una prueba en una muestra detecta contaminación sabiendo
que el rı́o está contaminado es 0,75.
• La probabilidad de que una prueba en una muestra detecta contaminación sabiendo
que el rı́o no está contaminado es 0,20.
• La probabilidad de que se permita pesca sabiendo que el rı́o está contaminado y que
una prueba en una muestra detecta contaminación es 0,20.
• La probabilidad de que se permita pesca sabiendo que el rı́o no está contaminado y
que una prueba en una muestra detecta contaminación es 0,15.
• La probabilidad de que se permita pesca sabiendo que el rı́o está contaminado y que
una prueba en una muestra no detecta contaminación es 0,80.
• La probabilidad de que se permita pesca sabiendo que el rı́o no está contaminado y
que una prueba en una muestra no detecta contaminación es 0,90.
Encuentre la probabilidad de cada uno de los siguientes eventos:

(a) El rı́o está contaminado, una prueba en una muestra detecta contaminación y se
permite pesca.
(b) Una prueba en una muestra no detecta contaminación y se permite pesca.
(c) Se permite pesca.
110. Una determinada editorial quiere decidir si va a publicar un libro de estadı́stica para
administración. El análisis de los libros que se publicaron anteriormente indica que 10%
fueron grandes éxitos, 20% tuvieron éxito modesto, 40% lograron recuperar los gastos
de inversión y 30% fueron un fracaso. Sin embargo, antes de tomar una decisión, se
va a realizar un dictamen del libro. En el pasado, 99% de los grandes éxitos obtuvieron
dictámenes favorables, 70% de los éxitos modesto obtuvieron dictámenes favorables, 40%
de los tı́tulos que alcanzaron a recuperar gastos de inversión obtuvieron dictámenes favora-
bles y 20% de los fracasos fueron sometidos a esta clase de dictámenes. ¿Qué proporción
de libros de texto reciben dictámenes favorables?
111. Jennifer, la propietaria de una tienda de ropa deportiva, clasifica las personas que entran
a su tienda en clientes muy jóvenes, clientes con edad universitaria y clientes mayores, y
sabe que el 40%, 30% y 30% pertenecen a estas categorı́as, respectivamente. Jennifer
comprueba también, que el 20% de los clientes muy jóvenes, el 60% de los clientes con
edad universitaria y el 80% de los clientes mayores realizan alguna compra.
(a) ¿Cuál es la probabilidad de que un cliente elegido al azar haga alguna compra?
(b) Si un cliente elegido al azar realiza una compra, ¿cuál es la probabilidad de que sea
muy joven?
112. Greyci tiene dos automóviles: uno, modelo 2.000 y otro, modelo 2.004. La quinta parte
del tiempo utiliza el auto modelo 2.000 para ir al trabajo y el resto del tiempo, el auto
modelo 2.004. Generalmente, cuando utiliza el auto modelo 2.000, no tiene problemas de
parqueo y, por tanto, llega a su trabajo a tiempo con una probabilidad de 0,93. Si utiliza
el auto modelo 2.004, llega a tiempo a su trabajo con una probabilidad de 0,78. Si llegó a
tiempo en un dı́a en particular, ¿cuál es la probabilidad de que haya utilizado (a) el auto
modelo 2.000, (b) el auto modelo 2.004?
113. En un perı́odo, una planta automotriz produce 5.000 motos. De estas, 1.000 se armaron
los lunes, 1.000 los martes, 1.000 los miércoles, y ası́ hasta completar las 5.000 el viernes.
Fue necesario devolver 400 de estas motos que requerı́an reparación de defectos. De las
motos armadas los jueves se devolvieron 150. ¿Son independientes entre sı́ los eventos
“una moto se construyó el jueves” y “una moto salió defectuosa”?
114. Brian ha realizado un estudio para un hipermercado en donde clasifica los clientes en
aquellos que visitan el establecimiento de una manera frecuente u ocasional y en aquellos
que adquieren regularmente, ocasionalmente o nunca productos alimenticios. La siguiente
tabla presenta las proporciones correspondientes a cada uno de los seis grupos.
Regular Ocasional Nunca

Visita frecuente 0,19 0,08 0,12
Visita ocasional 0,06 0,07 0,48
(a) ¿Cuál es la probabilidad de que un cliente visite frecuentemente el hipermercado y

compre regularmente productos alimenticios?
(b) ¿Cuál es la probabilidad de que un cliente que nunca compra productos alimenticios
visite el hipermercado frecuentemente?
(c) ¿Son independientes los sucesos “nunca compra productos alimenticios” y “visita el
hipermercado frecuentemente”?
(d) ¿Cuál es la probabilidad de que un cliente que visita de manera ocasional el hiperme-
rcado, compre regularmente productos alimenticios?
(e) ¿Son los sucesos “compra regularmente productos alimenticios” y “visita el hiperme-
rcado de manera ocasional” independientes?
(f) ¿Cuál es la probabilidad de que un cliente visite frecuentemente el hipermercado?
(g) ¿Cuál es la probabilidad de que un cliente nunca compre productos alimenticios?
(h) ¿Cuál es la probabilidad de que un cliente visite el establecimiento frecuentemente o
nunca compre productos alimenticios?
115. Un lote de 25 piezas moldeadas por inyección contiene 5 que presentan una contracción
excesiva.
(a) Si se seleccionan dos piezas al azar una detrás de otra, y sin reemplazo, ¿cuál es la
probabilidad de que la segunda pieza seleccionada sea una con contracción excesiva?
(b) Si se seleccionan tres piezas al azar una detrás de otra, y sin reemplazo, ¿cuál es la
probabilidad de que la tercera pieza seleccionada sea una con contracción excesiva?
116. Se les preguntó a los estudiantes de una clase de estadı́sticas cuáles eran las notas que
esperaban obtener en el semestre y si habı́an o no tratado de resolver problemas aparte
de los asignados por el profesor. En la tabla se recogen las proporciones correspondientes
a cada uno de los ocho grupos resultantes.
Problemas Nota de 5,0 Entre 4,0 y 4,9 Entre 3,0 y 3,9 Menor de 3,0
Si 0,21 0,13 0,06 0,26
No 0,12 0,08 0,02 0,12
(a) Calcular la probabilidad de que un estudiante elegido al azar haya tratado de resolver
problemas adicionales.
(b) Calcular la probabilidad de que un estudiante elegido al azar espere una nota de 5,0.
(c) Calcular la probabilidad de que un estudiante elegido al azar, que haya realizado
problemas adicionales, espere una nota de 5,0.
(d) Calcular la probabilidad de que un estudiante elegido al azar, que espere una nota de
5,0, haya realizado problemas adicionales.
(e) Calcular la probabilidad de que un estudiante elegido al azar, que haya tratado de
resolver problemas adicionales, espere una nota entre 4,0 y 4,9.
(f) ¿Son los eventos “ha realizado problemas adicionales” y “espera una nota entre 4,0
y 4,9” independientes estadı́sticamente?
117. De un estudio realizado en una universidad, se sabe que el 35% de los estudiantes hacen
deporte por lo menos una vez a la semana y que el 40% de los estudiantes tienen una
nota media superior a 4,0. Además, el 30% de los que hacen deporte por lo menos una
vez a la semana tienen una nota media superior a 4,0.
(a) ¿Cuál es la probabilidad de que un estudiante elegido al azar hace deporte por lo
menos una vez a la semana y tenga una nota media superior a 4,0?
(b) ¿Cuál es la probabilidad de que un estudiante elegido al azar, que tiene una nota
media superior a 4,0, hace deporte por lo menos una vez a la semana?
(c) ¿Cuál es la probabilidad de que un estudiante elegido al azar hace deporte por lo
menos una vez a la semana o tenga una nota media superior a 4,0?
(d) ¿Cuál es la probabilidad de que un estudiante elegido al azar, que no tiene una nota
media superior a 4,0, no hace deporte por lo menos una vez a la semana?
(e) ¿Son independientes los eventos “hace deporte por lo menos una vez a la semana” y
“tiene una nota media superior a 4,0”? ¿Mutuamente excluyentes? ¿Colectivamente
exhaustivos?
118. Un director de control de calidad, sabe que el 30% de los problemas relacionados con los
empleados tienen lugar los martes y que el 20% ocurren en la hora anterior al cambio
de turno. Sabe también que el 4% de los problemas tienen lugar en la hora anterior al
cambio de turno de los martes.
(a) ¿Cuál es la probabilidad de que un incidente que sucede un martes no haya ocurrido
en la hora anterior al cambio de turno?
(b) ¿Son los sucesos el problema ocurre el martes” y el problema ocurre en la hora anterior
al cambio de turno” independientes estadı́sticamente?
⋆ 119. Responda las siguientes preguntas. Explique
(a) Si A, B y C son mutuamente excluyentes, ¿es posible que P(A) = 0, 3, P(B) = 0, 4
y P(C) = 0, 5?
(b) Si P(A/B) = 1, ¿se cumple A = B?
(c) Si A y B son eventos mutuamente excluyentes, ¿es posible construir un diagrama de
Venn que contenga a los tres eventos A, B y C, tales que P(A/C) = 1 y P(B/C) = 0?
⋆ 120. Demuestre las siguientes afirmaciones:
(a) Para cualquier evento A y B con P(B) > 0, se cumple que P(A/B) + P(A/B) = 1.
(b) Si P(B/A) > P(B), entonces, P(B/A) < P(B). Sugerencia: Sume P(B/A) ambos
lados de la desigualdad y use el resultado de la parte (a).
(c) Para cualquiera de los tres eventos A, B y C con P(C) > 0, se cumple que
P(A ∪ B/C) = P(A/C) + P(B/C) − P(A ∩ B/C).
(d) Si A y B son independientes, entonces, A y B también lo son.

(e) Si A y B son independientes, entonces también lo son sus complementos.
Respuestas a ejercicios impares
seleccionados
Capı́tulo 2
1. (a) AB, AC, AD, AE, BC, BD, BE, 29. (a) 720 (b) 36 (c) 48 (d) 240 (e) 8
CD, CE, DE (b) 6 (c) 3 (d) 6 (f) 16
3. (a) {0, 1, . . . , 10} (b) {0, 1, 2, 3, 4} (c) 31. (a) 120 (b) 48 (c) 72
{7, 8, 9, 10} (f) Falso
33. (a) 288 (b) 1.260
5. (a) 10 (b) BGGBG, BGGGB, GBGGB,
GGBGB, GGGBB 35. (a) 300 (b) 156 (c) 144 (d) 180
7. (a) {0, 1, 2, 3, 8, 9} (b) {4} (c) 37. (a) 81 (b) 16 (c) 65

{0, 2, 3, 4, 5, 6, 7} (d) {0, 2, 3, 4, 6} (e) 39. (a) 0,1 (b) 0,5 (c) 0,2 (d) 0,2
{0, 1, 2, 3, 8, 9} (f) {4}
41. (a) 0,68 (b) 0,97
9. (a) A ∩ B ∩ C (b) A ∩ C (c) B
43. No
11. (a) 36 (b) 43 (c) 8 (d) 6 (e) 21 (f) 98
(g) 23 45. (a) 3/5 (b) 2/3 (c) 0 (d) 3/5
13. (a) 20 (b) 60 (c) (d) 10 47. (a) 1/12 (b) 1/6 (c) 2/27 y 4/27
15. 324 49. (a) 0,44 (b) 0,56 (c) 0,66 (d) 0,34 (e)
17. (a) 180 (b) 55 0,22 (f) 0,69
19. 1.024 51. 0,901
21. (a) 5.040 (b) 4.320 53. 0,0495
23. (a) 1.800 (b) 2.250 (c) 520 55. 0,24

25. (a) 294 (b) 180 (c) 126 (d) 105 (e) 57. (a) 0,88 (b) 0,04 (c) 0,03 (d) 0,06
63 (f) 30
59. (a) 30.045.015 (b) 8.580.495 (c)
27. 72 0,2856 (d) 0,002122
Respuestas a ejercicios impares seleccionados 78
61. (a) 1/6 (b) 1/6 (c) 1/6 (d) 1/6 87. (a) 0,0009766 (b) 0,0009766 (c)
0,24609
63. (a) 0,24 (b) 0,33 (c) 0,13
89. (a) 0,05 (b) 0,10 (c) 0
65. (a) 14/201 (b) 76/959
91. (a) F (b) V (c) F (d) F (e) V (f) V
67. (a) 1/90 (b) 1/3 (c) 1/5
(g) V (h) V (i) F (j) F (k) F (l) F (m
69. (a) 15/40, 5/13, 7/52 (b) 14/39, 7/20 V (n) F
(c) 5/8
93. 360
71. (a) 0,1054; 0,8236 (b) 0,4762; 0,5238
95. (a) 720 (b) 144 (c) 240 (d) 484
(c) 0,2213; 0,37058; 0,40823 (d)
0,3906 ; 0,46506; 0,14432 97. (a) 120 (b) 1/120
73. (a) P(0/0) = 0, 537; P(1/0) = 0; 99. (a) 5/9 (b) 5/6
P(2/0) = 0 (b) P(0/1) = 0;
101. (a) 1/15 (b) 1/3
P(1/1) = 0, 04418; P(2/1) = 0, 055813
(c) P(0/2) = 0; P(1/2) = 0; 103. (a) 0,615 (b) 0,6179 (c) 0,05195
P(2/2) = 1
105. (a) 32 (b) 10 (c) 0,20
75. (b) 0,2025 (c) 0,58876 (d) 0,33919
107. (a) 150 (b) 4/15 (c) 1/5
(e) 0,34394
109. (a) 0,045 (b) 0,564 (c) 0,63
77. (a) 0,69 (b) 0,49 (c) 0,68 (d) 0,6326
(e) 0,45588 (f) 0,68116 111. (a) 0,5 (b) 0,16
79. (a) 0,9999 (b) 0,1147 113. No
81. (a) 0,936 (b) 0,005116 115. (a) 1/5 (b) 7/92
83. (a) 0,027 (b) 0,973 (c) 0,189 (d) 117. (a) 0,105 (b) 0,2625 (c) 0,645 (d)
0,216 (e) 0,657 (f) 0,0411 0,5917 (e) No, no, no
85. (a) 0,2533 (b) 0,424 (c) 0,32326 119. (a) No (b) No (c) Si
Indice
Coeficiente de un evento, 36
binomial, 30
Combinaciones, 29 Independencia de
Complemento de un evento, 8 eventos, 63, 65
Conteo Intersección de eventos, 6
por enumeración de elementos, 17
a través de diagramas de árbol, 19 Leyes de De Morgan, 10
Diferencia de eventos, 8 Método

axiomático, 34
Espacio clásico, 34, 38
muestral o de resultados, 4 de la frecuencia relativa, 34, 36
Evento, 4 subjetivo, 34, 44
elemental, 4 Modelos de urna, 16
imposible, 5
probabilidad de un, 39 Oportunidad
seguro, 5 a favor de un evento, 45
evento elemental en contra de un evento, 45
probabilidad de un, 38
Partición de un espacio muestral, 9
Eventos
Permutaciones, 22
colectivamente exhaustivos, 9
Principio de adición, 22
dependientes, 63
Probabilidad, 34
disyuntos, ver eventos mutuamente ex-
a posteriori, 56
cluyentes
a priori, 56
independientes, 63, 65
clásica, 38
mutuamente excluyentes, 7
condicional, 51
Experimento, 3
empı́rica, 38
aleatorio, 4
personal, ver probabilidad subjetiva
determinı́stico, 3
subjetiva, 44
estocástico, ver experimento aleatorio
laplaciano o clásico, 38 Regla
de Bayes, 55
Fórmula
de Silvester, 35 Técnicas de conteo, 16
Factorial, 23n Teorema
Frecuencia de adición para 2 eventos, 35
relativa
INDICE 80
de adición para 3 eventos, 35

de Bayes, ver Regla de Bayes
de la probabilidad total, 53
de multiplicación
para n eventos, 52
para 2 eventos, 51
para 2 eventos independientes, 64
fundamental del conteo, 20
Unión de eventos, 7

Capitulo 2

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Capitulo 2

Uploaded by

Copyright:

Available Formats

Contenido

2 Conceptos básicos de la probabilidad 2

Respuestas a ejercicios impares seleccionados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77

2.1 Experimentos, espacios muestrales y eventos . . . . . . . 3

☞ Objetivos del capı́tulo

2.1 Experimentos, espacios muestrales y eventos

Definición 2.1.1 Un experimento es cualquier acción o proceso que genera ob-

Definición 2.1.2 Un experimento determinı́stico es cualquier experimento

Un ejemplo, en fı́sica, que es un experimento determinı́stico es la ley de la caı́da libre,

Definición 2.1.3 Un experimento aleatorio (o estocástico) es cualquier ex-

(1) Semillas de igual estado que producen plantas de diferentes tamaños.

(4) El sexo de un recién nacido.

(5) El año en que se extingue el apellido familiar.

Espacio muestral, evento y evento elemental

Definición 2.1.4 Supongamos que se realiza un experimento aleatorio.

(a) El conjunto de todos los posibles resultados de ese experimento, se llama

El espacio muestral se simbolizará con la letra griega Ω (leı́da “omega”).

(b) Cualquier subconjunto del espacio muestral Ω se llama evento.

(c) Si un evento tiene un solo elemento se llamará evento elemental.

Ejemplo 2.1.5 Consideremos los siguientes experimentos aleatorios:

• {C} =“la moneda señala cara” es un evento elemental.

y, en este caso, (C, S) ̸= (S, C).

Eventos seguro e imposible

Operaciones entre eventos

Definición 2.1.6 Sean A y B dos eventos de un espacio muestral Ω. Su inter-

De manera más general, dado n eventos A1 , A2 , . . . , An de un espacio muestral Ω, su in-

Un instrumento útil para pensar en intersecciones y otras relaciones de conjuntos es el

(a) A ∩B es el área sombreada. (b) A y B son mutuamente ex-

Fig. 2.1: Los diagramas de Venn para la intersección de los eventos A y B.

Definición 2.1.7 Sean A y B dos eventos de un espacio muestral Ω. Si los

De manera más general, decimos que n eventos A1 , A2 , . . . , An de un espacio muestral Ω

Cuando se consideran varios eventos conjuntamente, otra posibilidad de interés es que

Definición 2.1.8 Sean A y B dos eventos de un espacio muestral Ω. Su unión,

De manera más general, dado n eventos A1 , A2 , . . . , An de un espacio muestral Ω, su

La unión de un par de eventos se ilustra en el diagrama de Venn de la figura 2.2a, donde

(a) A ∪B es el área sombreada. (b) A − B es el área sombreada

pertenece a uno de ellos, pero no al otro. El conjunto de resultados que pertenecen a un

Definición 2.1.9 Sean A y B dos eventos de un espacio muestral Ω. La dife-

La diferencia entre un par de eventos se muestra en el diagrama de Venn de la figura 2.2b,

A continuación, sea A un evento y supongamos que nuestro interés es que A no ocurra.

Definición 2.1.10 Sea A evento de un espacio muestral Ω. Su complemento,

Claramente, los eventos A y A son mutuamente excluyentes. El complemento del evento

(a) A es el área sombreada. (b) Partición de Ω

Fig. 2.3: Diagrama de Venn para el complemento de A y partición de Ω a través de

Definición 2.1.11 Sean A1, A2, . . . , An eventos de un espacio muestral Ω.

(a) Si se cumple que A1 ∪A2 ∪· · ·∪An = Ω, entonces, estos n eventos se denominan

Una representación gráfica de esta situación se observa en la figura 2.3b. Observemos

Ejemplo 2.1.12 Sea Ω = {1, 2, 3, 4, 5} el espacio muestral correspondiente a un experimento

Fig. 2.4: Diagrama de Venn para el ejemplo 2.1.12 !

Hemos presentado cuatro conceptos importantes (intersección, unión, diferencia y com-

• Los complementos de estos eventos son, respectivamente,

A = “se obtiene un número par” = {2, 4, 6},

A ∩ B = “se obtiene un número impar distinto de 1” = {3, 5}.

A ∪ B = “se obtiene un número distinto de 2” = {1, 3, 4, 5, 6}.

A − B = “se obtiene el número 1” = {1}.

B − A = “se obtiene un número par distinto de 2” = {4, 6}.

Algunas propiedades relacionadas con eventos

Teorema 2.1.14 Sean A y B eventos de un espacio muestral Ω. Entonces, son

(a) Ω = ∅ (b) ∅ = Ω (c) A = A

(g) A ∪ A = Ω (h) A ∩ B = A ∪ B (i) A ∪ B = A ∩ B

Los resultados (h) e (i) son las llamadas leyes de De Morgan.

Teorema 2.1.15 Sean A, A1, A2, . . ., An y B eventos de un espacio muestral Ω.

(a) Los eventos A ∩ B y A ∩ B son mutuamente excluyentes y su unión es igual al

(b) Si A1, A2, . . ., An forman una partición de Ω, entonces, los eventos A1 ∩ B,