Bibliografía: Probabilidad

MONTGOMERY, DOUGLAS C., Probabilidad y estadística Una Probabilidad es una función P que asigna a cada
aplicadas a la ingeniería”, 2ª ed. Limusa Wiley, México, 2009, 948 p. suceso A, asociado al experimento, un valor real
CANAVOS GEORGE. Probabilidad y estadística. Aplicaciones y denominado P(A) tal que:
métodos. Mc Graw Hill (1998) Todo valor asignado a
WALPOLE Y MEYER. Probabilidad y estadística. Mc Graw Hill 0  P( A)  1 cualquier suceso debe estar
entre 0 y 1
(1992)

MENDENHALL, W., BEAVER, R. & BEAVER, B. (2002),

“Introducción a la Probabilidad y Estadística”, Thomson, México- La suma o el acumulado de los

P(S )  1 valores reales asignados a todos

México.

LEVIN RICHARD I. Y RUBIN DAVID S. Estadística para

los sucesos elementales del
administración y economía, 7a ed. México: Pearson, 2004 experimento siempre será 1.
AXIOMAS

Método Clásico:
EQUIPROBABILIDAD Definición. Si un experimento aleatorio tiene un
espacio muestral equiprobable S que contiene #(S)
elementos posibles y finitos, y A es un evento de S
que ocurre de #(A) maneras distintas, entonces, la
Un espacio muestral finito S={w1, w2, … , wn } se
probabilidad de ocurrencia de A es el cociente:
dice que es Equiprobable si cada uno de sus
elementos tiene la misma probabilidad de Número de casos favorables a A # ( A)
P ( A)   Regla de
ocurrencia, es decir para todo wi con i = 1,2,…,n Número de casos posibles # (S ) Laplace

1 Se le denomina "probabilidad a priori", ya que para

P( wi )  aplicarla hay que conocer antes de realizar el
n experimento cuales son los posibles resultados y saber
que todos tienen las mismas probabilidades.

1
 Principio multiplicativo (ilustración gráfica)
Ejemplo:
El primer elemento puede escogerse de dos formas distintas:
a1 y a2.
Una persona desea construir su casa, para lo cuál
El segundo de tres maneras distintas: b1, b2 y b3.
considera que puede construir los cimientos de su
El tercer elemento puede escogerse en dos modos distintos:
c1 y c2.
casa de cualquiera de dos maneras (concreto o
block de cemento), mientras que las paredes las
a1 a2 puede hacer de adobe, adobón o ladrillo, el techo
puede ser de concreto o lámina galvanizada y por
último los acabados los puede realizar de una sola
b1 b2 b3 b1 b2 b3
manera ¿cuántas maneras tiene esta persona de
construir su casa?
c1 c2 c1 c2 c1 c2 c1 c2 c1 c2 c1 c2

El total de posibilidades será: 2 * 3 * 2 = 12

Solución: PRINCIPIO ADITIVO

Considerando que r = 4 pasos Si se desea llevar a efecto una actividad, la cuál tiene
formas alternativas para ser realizada, donde:
N1= maneras de hacer cimientos = 2 •La primera de esas alternativas puede ser realizada de
N2= maneras de construir paredes = 3 M maneras o formas.
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
•La segunda alternativa puede realizarse de N maneras o
formas
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la •.....
casa •Y la última de las alternativas puede ser realizada de W
maneras o formas.
El principio multiplicativo, el aditivo y las técnicas de conteo que
posteriormente se tratarán nos proporcionan todas las maneras o
formas posibles de como se puede llevar a cabo una actividad
Entonces esa actividad puede ser llevada a cabo de:
cualquiera. M + N + …+ W maneras o formas

2
Ejemplo:
•Una persona desea comprar una lavadora de ropa, para lo cual
ha pensado que puede seleccionar de entre las marcas Whirpool,
Samsung y General Electric.
Cuando acude a hacer la compra se encuentra que la lavadora de
la marca W se presenta en dos tipos de carga (8 u 11 kilogramos),
en cuatro colores diferentes y puede ser automática o
semiautomática.
Mientras que la lavadora de la marca S, se presenta en tres tipos
de carga (8, 11 o 15 kilogramos), en dos colores diferentes y
puede ser automática o semiautomática.
La lavadora de la marca GE, se presenta en solo un tipo de carga,
que es de 11 kilogramos, dos colores diferentes y solo hay
semiautomática.
¿Cuántas maneras tiene esta persona de comprar una lavadora?
Distinción para hacer uso del principio
multiplicativo o del principio aditivo.
Cuando se trata de una sola actividad, la cual requiere para
ser llevada a efecto de una serie de pasos, entonces haremos
uso del principio multiplicativo.
Cuando la actividad a desarrollar o a ser efectuada tiene
alternativas para ser llevada a cabo, haremos uso del
principio aditivo.
Consideración Ene Factorial
Se denota n! y se define como:
El producto desde la unidad, hasta el valor que ostenta n.
Se opera: n!= 1 x 2 x 3 x 4 x...........x n
Solución:
M = Número de maneras de seleccionar una lavadora Whirpool
N = Número de maneras de seleccionar una lavadora de la marca
Samsung
W = Número de maneras de seleccionar una lavadora de la marca
General Electric
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una
lavadora
Distinción para hacer uso del principio
multiplicativo o del principio aditivo.
Cuando se trata de una sola actividad, la cual requiere para
ser llevada a efecto de una serie de pasos, entonces haremos
uso del principio multiplicativo.
Cuando la actividad a desarrollar o a ser efectuada tiene
alternativas para ser llevada a cabo, haremos uso del
principio aditivo.
Consideración Ene Factorial
Se denota n! y se define como:
El producto desde la unidad, hasta el valor que ostenta n.
Se opera: n!= 1 x 2 x 3 x 4 x...........x n
3
 Combinaciones Permutaciones
(de n elementos tomados de r en r)
(de n elementos tomados de r en r)
Número de conjuntos de r elementos a partir de un n Número de secuencias ordenadas de r elementos a
total de elementos … partir de un n total de elementos …
n!
Sin que se repitan. Cr  Pr 
n!
r!( n  r )!
n Sin que se repitan.
( n  r )!
n

( n  r  1)!
Con repetición. Cr  Pr  n r
r!( n  r )!
n Con repetición. n

NO nos interesa el lugar o posición que ocupa cada SI nos interesa el lugar o posición que ocupa cada uno
uno de los elementos que constituyen dicho conjunto. de los elementos que constituyen dicho conjunto
(secuencia ordenada).

Solución:
Ejemplo:
Se diseñan placas para automóvil que consten de tres letras
a) El espacio muestral será:
seguidas de cuatro dígitos, las letras se toman del abecedario
y los números de los dígitos del 0 al 9, no se repiten letras y
S = 26P3*10P4 = 26 x 25 x 24 x 10 x 9 x 8 x 7 = 78, 624,000
números, si se selecciona una placa al azar de las que se han
placas
diseñado, determine la probabilidad de que: a. La placa
empiece por la letra D, b. La placa empiece por la letra D
El espacio muestral está formado por todas las placas que es
seguida de E, c. La placa termine por el número 4, d. La
posible diseñar,
placa termine por el número 43, e. Si a un tránsito se le ha
dado a la fuga un infractor, y recuerda que las placas
A = evento de que una placa empiece por la letra D
empiezan por la letra E y terminan por el número 9¿cuántas
placas tendrá que revisar el tránsito?, él alcanzó a ver que no
A = 1*25P2*10P4 = 1 x 25 x 24 x 10 x 9 x 8 x 7 = 3,024,000
se repetían letras y números, determine también la
placas
probabilidad de que encuentre al infractor.
p(A) = 3,024,000/78,624,000 = 0.03846

4
b) B = evento de que la placa empiece por la letra D seguida de
la E
B = 1 x 1 x 24 x 10P4 = 1 x 1 x 24 x 10 x 9 x 8 x 7 = 120,960
placas
p(B) = 120,960/78,624,000 = 0.0015385
Hasta ahora se han tratado sucesos equiprobables del
espacio muestral, pero…
¿qué ocurriría si jugásemos con un dado cargado?

c) C = evento de que la placa termine por el número cuatro Por ejemplo:

C = 26P3*9P3*1 = 26 x 25 x 24 x 9 x 8 x 7 x 1= 7,862,400
placas
p(C) = 7,862,400 / 78,624,000 = 0.10
d) D = evento de que la placa termine por el número 43
D = 26P3*8P2 x 1 x 1 = 26 x 25 x 24 x 8 x 7 x 1 x 1 = 873,600
placas 
p(D) = 873,600 / 78,624,000 = 0.01111
¿cuál sería la probabilidad de obtener número primo con un
dado cargado, de tal forma que la probabilidad de obtener
una determinada cara fuese proporcional a la numeración de
dicha cara?
En este caso los sucesos del espacio muestral no son
equiprobables y no podemos aplicar la regla de Laplace.

¿Qué probabilidad asignamos a cada suceso del espacio

muestral? Normalicemos:

1 = p(E) = p(A1  A2  A3  A4  A5  A6) =

p(A1) + p(A2) + p(A3) + p(A4) + p(A5) + p(A6) = 21 × k

de donde k = 1/21 y resulta:

primos p(A1) = 1 × k = 1/21, p(A2) = 2 × k = 2/21

p(A1) = 1 × k
p(A2) = 2 × k p(A3) = 3 × k = 3/21, p(A4) = 4 × k = 4/21
p(A5) = 5 × k = 5/21, p(A6) = 6 × k = 6/21
p(A3) = 3 × k
p(A4) = 4 × k p(A) = p("obtener número primo") = p(A2  A3  A5) =
p(A5) = 5 × k = p(A2) + p(A3) + p(A5) =
p(A6) = 6 × k = 10/21 = 0,476

5
 Método Frecuencial:
Es el más conveniente cuando existen datos para
estimar la proporción de veces que se presentarán los
resultados si el experimento se repite muchas veces.
Si un experimento se repite n veces y
n(A) de esas veces ocurre el evento A, n( A)
entonces la frecuencia relativa de A se fA 
define por
Definición:
La probabilidad del evento A es el
valor al cual se aproxima fA cuando n( A)
el experimento se haf A repetido un gran  P( A)
número de veces, o sea:
n
a) Dos sucesos pueden ser iguales: Las probabilidades de
ambos sucesos son las mismas.
b) Un suceso puede estar contenido en otro: La
probabilidad del primer suceso será menor que la del suceso
que lo contiene.
c) Intersección de sucesos: es aquel suceso compuesto por los
elementos comunes de los dos o más sucesos que se
interceptan.
La probabilidad será igual a la probabilidad de los elementos
comunes.
Aditividad para múltiples eventos:
Si A1, A2, …, Ai, son eventos de un
mismo experimento
tales que Ai ∩ Aj = Ø, si i ≠ j,
entonces:
n m m
P ( Ai )   P ( Ai )
i 1
i 1
d) Unión de dos sucesos: La probabilidad de la unión de dos
sucesos es igual a la suma de las probabilidades individuales de
los dos sucesos que se unen, menos la probabilidad del suceso
intersección.
P( A  B)  P( A)  P( B)  P( A  B)
Análogamente la unión de tres sucesos sería:
P( A  B  C )  P( A)  P( B)  P(C )
 P( A  B )  P( A  C )  P( B  C )
 P( A  B  C )
También se puede hacer generalizaciones para n eventos.
6
e) Probabilidad de dos sucesos mutuamente excluyentes
(incompatibles): La probabilidad de la unión de dos sucesos
incompatibles es igual a la suma de las probabilidades
individuales de los dos sucesos que se unen y no se hace
necesario restar nada pues su intercepción es el conjunto vacío).
P( A  B)  P( A)  P( B)
f) Probabilidad de sucesos complementarios: La probabilidad
de un suceso complementario a un suceso A es igual a 1 – P(A).
Ejemplo:
Cinco monedas se lanzan simultáneamente.
Encuentra la probabilidad del suceso A.
A: Al menos sale una cara.
Asumimos que las monedas no está cargadas.
Solución:
Puesto que cada moneda puede aparecer como cara o sello,
el espacio muestral consiste en 25 = 32 posibilidades.
Como las monedas no están cargadas cada posibilidad
tiene la misma probabilidad de 1/32.
El suceso A´ (ninguna cara) tiene solo una posibilidad.
Entonces P(A´ ) = 1/32 y la respuesta es:
P(A) = 1 - P(A´ ) = 31/32.
Ejemplo:
Si la probabilidad de que el parqueadero de la universidad
tenga 100-209, 210-309, 310-400 y mas de 400 coches es:
0.20, 0.35, 0.25, 0.12 respectivamente.
¿Qué probabilidad hay de que el parking tenga al menos 100
coches, pero menos de 401?
Solución:
Puesto que los sucesos favorables 100-209, 210-309 y 310-
400 son mutuamente excluyentes:
0,20 + 0,35 + 0,25 = 0,80
Desarrollo de Probabilidades con Diagramas de Árbol
Ejemplo:
En el restaurante Punto y Coma, supongamos que el 80% de
los clientes escogen sopa como entrante y el 20% escogen
caldo.
De los que escogen sopa, el 20% eligen vegetales, el 30%
pescado y el 50% carne.
De los que escogen caldo, el 30% eligen vegetales, el 40%
pescado y el 30% carne.
Podemos utilizar estos valores para estimar las probabilidades
de los dos primeros platos usando un diagrama de árbol.
7

Ejercicios
Una empresa tiene dos maneras A y B de presentar un
nuevo producto al mercado.
Si presenta el producto de la manera A la probabilidad de
que el producto sea exitoso es 0.44
Si lo presenta de la manera B la probabilidad de éxito se
reduce a 0.29.
La probabilidad de que el producto fracase con ambas
maneras de presentación es 0.37.
¿Cuál es la probabilidad de que el producto sea exitoso con
ambas formas de presentación?
Solución: Los eventos son:
A: que el producto sea exitoso con la manera A
B: que el producto sea exitoso con la manera B.
Tenemos que hallar
P( A  B )
Por la ley de De Morgan se obtiene que
P( A  B)  P( A  B )  .37
Así, P( A  B)  1  P( A  B)  1  .37  .63
Luego, aplicando la regla aditiva se obtiene que la probabilidad de
que el producto sea exitoso con ambas maneras de presentación
es:
P( A  B)  P( A)  P( B)  P( A  B)  0.44  0.29  0.63  0.10

Ejercicio:
TEOREMAS
1. Una señora desea invitar a cenar a 5 de 11 amigos
Teorema 7. Si A y B son eventos cualesquiera, entonces…
que tiene,
a) ¿Cuántas maneras tiene de invitarlos?, P( A)  P( A  B)  P( A  B c )
b) ¿cuántas maneras tiene si entre ellos está una pareja
de recién casados y no asisten el uno sin el otro,
Teorema 8. Si A1, A2, …, Am son mutuamente excluyentes.
c) ¿Cuántas maneras tiene de invitarlos si Rafael y
y A1  A2 … Am = A, entonces…
Arturo no se llevan bien y no van juntos?
P( A)  P( A  A1 )  P( A  A2 )      P( A  Am )
2. Cinco matrimonios se sientan aleatoriamente a cenar
y queremos calcular la probabilidad de que al menos
los miembros de un matrimonio se sienten junto.

8
 Probabilidad Compuesta
Probabilidad Condicional
Se llama probabilidad de B condicionada a A, o probabilidad de REGLA DEL PRODUCTO DE PROBABILIDADES
que ocurra un evento B sabiendo que ha ocurrido un evento A. REGLA DE LA MULTIPLICACIÓN DE PROBABIL.

S Se deriva de la probabilidad condicionada.

A B
La probabilidad de que se den simultáneamente dos sucesos (suceso
A∩B intersección de A y B) o que ambos ocurran, es igual a la
P( A  B) probabilidad a priori del suceso A multiplicada por la probabilidad
P ( B | A)  Siempre y cuando P (A) > 0
del suceso B condicionada al cumplimiento del suceso A.
P( A)
La probabilidad de que tanto A como B ocurran es igual a la
Donde:
P (B|A) es la probabilidad de que se de B condicionada a que se probabilidad de que A ocurra por la probabilidad de que ocurra B
haya dado A. dado que A ya ocurrió.
P (A ∩ B)
P (A)
es la probabilidad del evento simultáneo de A y de B
es la probabilidad a priori del evento A P A  B   P A  P( B A) , P( A)  0

P A  B   P A  P( B A) , P( A)  0
Ejemplo:

En un estudio sanitario se ha llegado a la conclusión de que la

e igualmente:
P  A  B   P B   P ( A B ) , P ( B )  0
Para tres eventos A1, A2 y A3, tenemos
P( A1  A2  A3 )  P( A1 ) P( A2 A1 ) P( A3 A1  A2 )
Para n sucesos
P( A1  A2  ... An )
 P( A1 ) P( A2 A1 )...P( An A1  A2  ... An1 )
probabilidad de que una persona sufra problemas coronarios
(suceso A) es el 0,10 (probabilidad a priori).
Además, la probabilidad de que una persona sufra problemas
de obesidad (suceso B) es el 0,25 y la probabilidad de que una
persona sufra a la vez problemas de obesidad y coronarios
(suceso intersección de A y B) es del 0,05.
Calcular la probabilidad de que una persona sufra problemas
coronarios si está obesa (probabilidad condicionada P(A/B)).
P (A ∩ B) = 0,05
P (B) = 0,25
P (A/B) = 0,05 / 0,25 =

9
 ¿Cuál es la probabilidad de que una carta escogida al azar sea ¿Y la probabilidad de que una carta escogida al azar sea roja
un as sabiendo que es roja? sabiendo que es un as?
Color
Palo Color
Rojo Negro Total
Palo Rojo Negro Total
As 2 2 4
As 2 2 4
No-As 24 24 48
No-As 24 24 48
Total 26 26 52
Total 26 26 52
Espacio restringido
Espacio restringido

P( As  Rojo ) 2 / 52 2 P ( As  Rojo ) 2 52 2 1
P( As | Rojo )    P( Rojo | As )    
P( Rojo ) 26 / 52 26 P( As ) 4 52 4 2

Una caja contiene 10 bolas, 3 son rojas. Escogemos dos bolas al

Eventos Independientes azar. Encuentra la probabilidad de que ninguna de ellas sea roja: (a)
Se dice que dos eventos A y B son eventos independientes si la con reemplazo y (b) sin reemplazo.
probabilidad de que ocurra uno de ellos, no esta afectada por
ocurrencia o no del otro, y lo expresamos como: Consideremos los sucesos: A: Primera bola no-roja
B: Segunda bola no-roja
P( A | B)  P( A) y P( B | A)  P( B)
P(A) = 7/10
P( A  B)
Como: P( A | B)   P( A  B)  P( A | B) P( B) Si el muestreo es con reemplazo, la situación para la segunda
P( B)
elección es idéntica que para la primera, y P(B) = 7/10.
P( A  B)
P( B | A)   P( A  B)  P( B | A) P( A) Los sucesos son independientes y la respuesta es:
P( A) P(A  B) = P(A)  P(B) = 0.7  0.7 = 0.49
Entonces: P( A  B)  P( A) P( B) Si es sin reemplazo, hemos de tener en cuenta que una vez
extraída la primera bola, quedan solo 9 y 3 deben ser rojas.
Esto es que si dos eventos son independientes, la probabilidad Así: P(B|A) = 6/9 = 2/3. En este caso la respuesta es:
de que ocurran conjuntamente es igual al producto de las P(A  B) = P(A)P(B|A) = (7/10)  (2/3)  0.47
probabilidades de sus ocurrencias individuales.

10
Ejemplo:
Por lo tanto:
Estudiamos el suceso A (alumnos que hablan inglés) y el
suceso B (alumnos que hablan alemán) y obtenemos la P (A) = 0,50
siguiente información:
P (B/A) = 0,20
Un 50% de los alumnos hablan inglés.
De los alumnos que hablan inglés, un 20% hablan también P (A ∩ B) = 0,50 * 0,20 = 0,10
alemán (suceso B condicionado al suceso A).
Es decir, un 10% de los alumnos hablan inglés y alemán.
Calcular la probabilidad de que un alumno hable inglés y
alemán (suceso intersección de A y B).

Ejercicio:
Un lote contiene 10 artículos de los cuales 4 son defectuosos,
se extraen al azar 3 artículos uno por uno y sin reposición.
¿Cuál es la probabilidad de que sólo uno de los tres salga
defectuoso?
Solución: Sea el evento que el i-ésimo artículo resulte
defectuoso para i= 1,2,3
Ejercicio:
En un lote de producción hay 25 productos, 5 de los cuales
tienen defectos menores y 9 tienen defectos mayores, si se
toman de este lote tres productos uno tras otro, determine la
probabilidad de que:
a. El primer producto no tenga defectos y que el segundo y
tercero tengan defectos mayores,

Psolo un defectuoso  PD1 B2 B3   PB1 D2 B3   PB1 B2 D3  b. El primer producto tenga defectos menores, el segundo
 4 10  6 9  5 8  6 10  4 9  5 8  6 10  5 9  4 8  1 2 tenga defectos mayores y que el tercero no tenga defectos,

c. El primer producto y el tercero no tengan defectos.

11
 SISTEMA EXHAUSTIVO Y EXCLUYENTE DE SUCESOS TEOREMA DE LA PROBABILIDAD TOTAL

A2 Se trata de una colección de

Supongamos que A1, A2, ... ,An son una partición de S, es decir
A1 sucesos A1, A2, A3, A4… que los sucesos son mútuamente excluyentes entre sí (AiAj=
tales que la unión de todos ellos para todo par) y su unión es S entonces:
forman el espacio muestral.
(Exhaustivo) n
P ( B )   P ( B  Ai )
A1 A2
n
A3 A4  Ai  S i 1

i 1 B
Por lo tanto:

Y sus intersecciones son disjuntas (Excluyente) n

P ( B )   P ( B | Ai ) P ( Ai )
Ai  A j )   para todo par de eventos A3 A4 i 1

Teorema de la probabilidad total TEOREMA DE BAYES

A1 A2
A1 A2 A partir de un sistema exhaustivo y
excluyente, es decir que
Todo suceso B, necesariamente debe ocurrir uno de
puede ser los eventos Ai,
B = (B B
descompuesto en
B … y si conocemos la probabilidad de
componentes de
B en cada uno de los n componentes
dicho sistema.
de dicho sistema, entonces… A3 A4
A3 A4
…si ocurre B, podemos
calcular la probabilidad (a P(Ai  B )
P(B) = P(B  A1) + P(B  A2) + P( B  A3) + P( B  A4) posteriori) de ocurrencia de P(Ai|B) 
cada Ai P(B)
P(B) = P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3) + P(B|A4)P(A4) con i = 1, 2, ... , n
(probabilidad condicional)

12
 Ejemplo BAYES
P(B  Ai )
P(Ai|B)  •El parte meteorológico ha anunciado tres posibilidades para el fin de semana:
P(B)
Que llueva: probabilidad del 50%.
Aplicando el Teorema del producto en el numerador Que nieve: probabilidad del 30%
Que haya niebla: probabilidad del 20%
P(B  Ai )  P(Ai ) P(B|Ai )
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente
es la siguiente:
y el Teorema de la probabilidad total en el denominador
n n Si llueve: probabilidad de accidente del 20%.
P( B)   P( B  Aj )   P(Aj )P(B|Aj ) Si nieva: probabilidad de accidente del 10%
j 1 j 1 Si hay niebla: probabilidad de accidente del 5%.

Si no vamos a estar en el planeta y resultare que efectivamente ocurriese un accidente,

P(Ai ) P(B|Ai ) ¿Cuál sería la probabilidad de ocurrencia de acuerdo a cada estado climatológico, pues
P(Ai|B)  n no supimos que tiempo hizo (llovió, nevó o hubo niebla)?

 P(A )P(B|A )
j 1
j j A. Probabilidad de que estuviera lloviendo?
B. Probabilidad de que estuviera nevando?
C. Probabilidad de que hubiera niebla?

B = evento de que se presente accidente(evento que condiciona) B = evento de que se presente accidente(evento que condiciona)
A1 = evento de que estuviese lloviendo A1 = evento de que estuviese lloviendo
A2 = evento de que estuviese nevando P(A|B)  P(Ai ) P(B|Ai ) A2 = evento de que estuviese nevando P(A|B)  P(Ai ) P(B|Ai )
A3 = evento de que hubiese niebla i n A3 = evento de que hubiese niebla i n

 P(A )P(B|A )
j 1
j j  P(A )P(B|A )
j 1
j j

A. Para A1 = evento de que estuviese lloviendo B. Para A2 = evento de que estuviese nevando

P( A1  B) P( A1 ). P( B / A1 ) P( A2  B) P( A2 ). P( B / A2 )
P(A1 / B)   P(A2 / B)  
P( B) P( A1 ).( B / A1 )  P ( A2 ). P( B / A2 )  P( A3 ). P( B / A3 ) P( B) P( A1 ).( B / A1 )  P( A2 ). P( B / A2 )  P( A3 ). P( B / A3 )
(0,5).( 0,2) (0,3).( 0,1)
P(A1 / B)  P(A2 / B) 
(0,5).( 0,2)  (0,3).( 0,1)  (0,2).( 0,05 ) (0,5).( 0,2)  (0,3).( 0,1)  (0,2).( 0,05 )
(0,1) 0,1 (0,03) 0,03
P(A1 / B)    0,714  71,4% P(A2 / B)    0,214  21,4%
(0,1)  (0,03)  (0,01) 0,14 (0,1)  (0,03)  (0,01) 0,14
La probabilidad de que estuviera lloviendo es del 71,4% La probabilidad de que estuviera nevando es del 21,4%

13
 •(PESO 10) ¿Cuántas maneras hay de repartir 9 juguetes entre
B = evento de que se presente accidente(evento que condiciona) tres niños, si se desea que al primer niño le toquen 4 juguetes,
A1 = evento de que estuviese lloviendo al segundo 2 y al tercero 3 juguetes?
A2 = evento de que estuviese nevando P(A|B)  P(Ai ) P(B|Ai ) n!
A3 = evento de que hubiese niebla i n Solución: Cr 
 P(A )P(B|A ) r!( n  r )!
n

j j
j 1
9! 9 x8 x7 x6 x5... x1
C4  
C. Para A3 = evento de que hubiese niebla
4!(9  4)! 4 x3 x 2 x1(5 x 4 x3 x 2 x1)
9

P( A3  B) P( A3 ). P( B / A3 ) 9 x8 x7 x6 3024
C4    126
P(A3 / B)   9
P( B) P( A1 ).( B / A1 )  P( A2 ). P( B / A2 )  P( A3 ). P( B / A3 ) 4 x3x 2 x1 24
5! 5 x 4 x3 x 2 x1 5 x 4
(0,2).( 0,05 ) 5 C2     10
P(A3 / B)  2!(5  2)! 2 x1(3 x 2 x1) 2 x1
(0,5).( 0,2)  (0,3).( 0,1)  (0,2).( 0,05 )
3! 3 x 2 x1 6
3 C3    1
P(A3 / B) 
(0,01)

0,01
 0,0714  7,14 % 3!(3  3)! 3 x 2 x1(1) 6
(0,1)  (0,03)  (0,01) 0,14
9C4*5C2*3C3 = 126*10*1= 1260 maneras de repartir los juguetes
La probabilidad de que hubiese neblina es del 7,1%

14