República Bolivariana De Venezuela

Ministerios Del Poder Popular para la Educación

Complejo Educativo Privado “Jesús De Nazareno”
La Victoria- Estado Aragua

Profesora: Integrantes:
Karla Parra Gabymar Guevara
Franyercis Linarez
Yoscarlis Gonzáles
 Introducción

La probabilidad es una rama fundamental de las matemáticas que se encarga de estudiar

la incertidumbre y la posibilidad de que ocurran ciertos eventos. En nuestra vida cotidiana,
nos enfrentamos constantemente a situaciones donde debemos evaluar la probabilidad
de que algo suceda, desde el clima hasta los juegos de azar. En este trabajo,
exploraremos diversos conceptos clave relacionados con la probabilidad, comenzando
con su definición clásica, que establece que la probabilidad de un evento se define como
el número de resultados favorables dividido por el número total de resultados posibles en
un experimento. También abordaremos la definición experimental de probabilidad, que
se basa en la observación y la recopilación de datos a través de experimentos repetidos.

Así mismo se muestra la importancia de los experimentos y el concepto de espacio

muestral, que es el conjunto de todos los resultados posibles de un experimento. A lo
largo del trabajo, presentaremos teoremas fundamentales sobre la probabilidad, como la
regla de adición y la regla de multiplicación, que nos permiten calcular probabilidades de
eventos compuestos. También profundizaremos en la probabilidad condicional, que
describe la probabilidad de que ocurra un evento dado que otro evento ya ha ocurrido,
así como en los eventos independientes, aquellos cuyos resultados no afectan a otros
eventos. Al final, este trabajo busca ofrecer una visión integral sobre la probabilidad, su
aplicación y su relevancia en diversos contextos.
 Probabilidad

La probabilidad es una rama de la Matemática cuyo objetivo es la medida y

comprensión de los fenómenos que suceden al azar. Tales fenómenos responden a
interrogantes como:
1. ¿Lloverá mañana?
2. ¿Qué número saldrá al lanzar un dado?
3. ¿Nacerá el niño en buenas condiciones?

Cada una de las preguntas de arriba revelan incertidumbre sobre la posibilidad de un

resultado y son ejemplos de fenómenos aleatorios, es decir, no se pueden predecir con
precisión. Sin embargo, el comportamiento estadístico de esos fenómenos puede exhibir
cierto grado de regularidad. Esto es, es posible estimar, dentro de ciertos parámetros, las
respuestas a tales preguntas:
1. Para mañana hay un 70% de probabilidad de lluvia.
2. Es probable que el número 5 salga en un 17% de los casos.
3. Dados los antecedentes de los padres, el niño tiene un 95% de probabilidad de ser
normal.

Por supuesto que en cada uno de los casos anteriores los resultados dependen de la
distribución que en el pasado han tenido los datos. Así, al decir que hay un 70% de
probabilidad de lluvia se supone que, estudiadas las condiciones meteorológicas y la
experiencia pasada, existe esa probabilidad de que llueva.

Existen dos maneras de definir probabilidad. A la primera forma se le conoce como

definición clásica o a priori, mientras que la otra se le conoce como definición con base
experimental o a posteriori.

Definición clásica de probabilidad (a priori).

Imagina que se lanza una moneda al aire y apostamos a que saldrá cara. Se sabe que
al caer la moneda debe salir cara o sello (hay dos opciones). Entonces tenemos:
n = Número de opciones favorables: 1 (que salga cara)
N = Número total de opciones: 2 (cara + sello)

La probabilidad se denota por la letra P y se define como:

𝑃 = (𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑝𝑐𝑖𝑜𝑛𝑒𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠) 𝑛

=
(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑝𝑐𝑖𝑜𝑛𝑒𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠) 𝑁

En el caso del lanzamiento de la moneda se tendrá:

𝑛 1
n=1 N=2 𝑝= = = 0,50 (50%)
𝑁 2

Lo que indica que la probabilidad de que salga cara es 0,50 o el 50%. Por extensión,
la probabilidad de que salga sello es también 0,50.
La probabilidad es una cantidad numérica cuyo valor es mayor o igual que cero y
menor o igual a 1. Podemos escribir entonces:
0≤P≤1

La condición P = 0 significa que no hay ninguna probabilidad de que la opción

favorable tenga lugar. Así, si planteamos el problema del lanzamiento de la moneda en
los términos siguientes:
"¿cuál es la probabilidad de que al lanzar una moneda sobre un piso de cemento la
moneda caiga de canto?", podemos escribir:
n = Número de opciones favorables (que la moneda caiga de canto) = 0
N = Número total de opciones posibles = 2 (cara + sello)
Luego,
𝑛 0
𝑃= = =0
𝑁 2

La condición P = 1 significa que con seguridad el evento favorable tendrá lugar.

Repetiremos nuevamente el experimento de lanzar la moneda al aire: "¿cuál es la
probabilidad de que al lanzar una moneda caiga cara o sello?".
n = Número de opciones favorables (que caiga cara o sello) = 2
N = Número total de opciones posibles (cara + sello) = 2

𝑛 2
Luego: 𝑝 = = =1
𝑁 2

Definición con base experimental (a posteriori).

Imagina que se lanza una moneda al aire 500 veces y que se obtienen los siguientes
resultados:
Número de lanzamientos Cara Sello
500 235 265

La probabilidad de que salga sello la definimos como:

(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑎𝑙𝑖ó 𝑠𝑒𝑙𝑙𝑜)
𝑝=
(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑙𝑎𝑛𝑧ó 𝑙𝑎 𝑚𝑜𝑛𝑒𝑑𝑎)

Sustituyendo valores:
265
𝑝= = 0,53 (53%)
500

La probabilidad de que salga cara la definimos como:

(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑎𝑙𝑖ó 𝑐𝑎𝑟𝑎)
𝑝=
(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑙𝑎𝑛𝑧ó 𝑙𝑎 𝑚𝑜𝑛𝑒𝑑𝑎)

Sustituyendo valores:
235
P= = 0,47 (47%)
500
 Ahora bien, ¿por qué estos valores no coinciden con los previamente calculados
(50%)? La respuesta está en el número de lanzamientos que se efectuaron. Si en vez de
lanzar la moneda 500 veces se lanza 1.000 veces, el resultado obtenido al sustituir
valores en (14.1) y (14.2) se acercará más al valor 0,50 hallado anteriormente.
En general, si tenemos un experimento que se repite N veces, donde N es un número
muy grande y se observa que el número de veces que ocurre un evento de interés es n,
podemos definir probabilidad como:

(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑒 𝑢𝑛 𝑒𝑣𝑒𝑛𝑡𝑜 𝑑𝑒 𝑖𝑛𝑡𝑒𝑟é𝑠) 𝑛

p= =
(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑡𝑖𝑒𝑛𝑒 𝑙𝑢𝑔𝑎𝑟 𝑢𝑛 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜) 𝑁

Ejemplo:

En un salón de clases hay 38 alumnos, de los cuales 14 son hembras y el resto

varones. El profesor selecciona al azar un alumno para hacer una pregunta:
(a) ¿Qué probabilidad hay de que seleccione una hembra?
(b) ¿Qué probabilidad hay de que seleccione un varón?
(c) ¿Qué probabilidad hay de que seleccione a Patricia?

La solución:

a) Como el número de hembras es 14: n = 14

Dado que hay 38 alumnos: N = 38

14
P₁ = Probabilidad de seleccionar una hembra = = 0,368 (36,8%)
38

b) Como el número de varones es 38 – 14 = 24: n = 24. Luego,

P₂ = Probabilidad de seleccionar un varón = 24 / 38 = 0,632 (63,2%)

14 24
Observa que + = 1 ¿Por qué?
38 38
c) Como Patricia es sólo un alumno entre los 38 del salón: n = 1
La probabilidad de que el profesor seleccione a Patricia es:

1
P= = 0,026 (2,6%)
38

Es decir, la probabilidad de que el profesor le pregunte a un alumno en particular, en este

caso Patricia, es muy pequeña.

Experimentos y espacio muestral

Consideremos la ruleta mostrada En el centro de la misma se encuentra una aguja

que al ser rotada puede caer en cualquiera de los 4 sectores mostrados. El experimento
a realizar consiste en rotar la aguja 20 veces y observar los resultados. Hay 4 posibles
resultados. Al conjunto de estos resultados se le denomina espacio muestral y se le
representa por la letra S. En este caso, el espacio muestral está dado por:

S = {Azul, Rojo, Verde, Negro}

La aguja, al girar libremente puede caer en cualquier sector de la

azul rojo
ruleta (Azul, Rojo, Verde, Negro).

verde negro

Entonces, para un experimento aleatorio cualquiera, el espacio muestral es el conjunto

de todos los resultados posibles del experimento.
A cualquier conjunto del espacio muestral que contenga los resultados que satisfacen
una condición dada, se le denomina un evento. Si el evento es un conjunto que contiene
un solo resultado del espacio muestral, se le llama evento simple. A todos los otros
subconjuntos no vacíos del espacio muestral, se les llama eventos compuestos. Un
evento compuesto puede ser expresado como la unión de eventos simples. A los eventos
los representaremos por la letra E. Los eventos simples del ejemplo citado al comienzo
son:
E {Azul} E {Rojo} E {Verde} E {Negro}
Como eventos compuestos podemos citar:
E {Azul, Rojo} E {Azul, Rojo, Negro}

Entonces, si S representa el espacio muestral de un experimento y E un evento del

mismo, la probabilidad del evento E está dada por:
(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑒𝑛 (𝐸)
𝑃(𝐸) =
(𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑒𝑛 (𝑆)

Ejemplo:

¿Cuál es la probabilidad que al lanzar un dado el resultado sea un número mayor de 2?

¿Cuál es el espacio muestral? ¿Cuáles son los eventos simples? ¿Cuál es el evento
compuesto?

La solución:
El espacio muestral está dado por todos los posibles resultados del experimento:
S = {1, 2, 3, 4, 5, 6}

Los eventos simples son:

E (1) E (2) E (3) E (4) E (5) E (6)

El evento compuesto de interés está formado por los números mayores que 2:
E {3, 4, 5, 6}

De acuerdo con la definición se tiene:

Número de resultados en E: 4 Número de resultados en S: 6
4 2
𝑃(𝐸) = =
6 3
 Teoremas sobre probabilidad

Cómo determinar las probabilidades de la unión e intersección de dos o más eventos

conocida la probabilidad de los eventos simples. Se considerarán sólo experimentos que
tengan un número finito de eventos simples.

Teorema 1: Dado un experimento con un espacio muestral finito, S, la probabilidad de

un evento E es igual a la suma de las probabilidades de los eventos simples que
conforman a E.
Supongamos, por ejemplo, que el espacio muestral S está dado por:
S = {S₁, S₂, S₃, S₄, S₅}

y que las probabilidades de los eventos simples son:

P(S₁) = 0,4 P(S₂) = 0,2 P(S₃) = 0,1 P(S₄) = 0,1 P(S₅) = 0,2

Si se seleccionan los eventos

E = {S₁, S₂} F = {S₁, S₄, S₅}

Las probabilidades de los eventos E y F son:

P(E) = P(S₁) + P(S₂) = 0,4 + 0,1 = 0,5
P(F) = P(S₁) + P(S₄) + P(S₅) = 0,4 + 0,1 + 0,2 = 0,7

Cuando dos eventos, E y F, del espacio muestral S no tienen elementos (eventos simples)
en común, se dice que son mutuamente excluyentes. Para tales eventos se cumple:
E∩F=Ø
Es decir, su intersección es el conjunto vacío (Ø).

Teorema 2: Si E y F son eventos mutuamente excluyentes del espacio muestral S,

entonces:
P(E ∪ F) = P(E) + P(F)

En general, para n eventos mutuamente excluyentes se cumple:

P(E₁ ∪ E₂ ∪ ... ∪ Eₙ) = P(E₁) + P(E₂) + ... + P(Eₙ)

Ejemplo:

Se tiene un experimento en el cual se lanzan dos dados y se observa la suma de los

resultados. El espacio muestral es:

S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}

Los eventos:

E = {2, 9} F = {3, 4, 6, 11} G = {5, 7} H = {8, 12}

son mutuamente excluyentes ¿Por qué?. Las probabilidades de estos eventos son:

1 4 5
P(E) = P(2) + P(9) = + =
36 36 36
2 3 5 2 12 1
P(F) = P(3) + P(4) + P(6) + P(11) = + + + = =
36 36 36 36 36 3
4 6 10 5
P(G) = P(5) + P(7) = + = =
36 36 36 18
5 1 6 1
P(H) = P(8) + P(12) = + = =
36 36 36 6

Considera ahora un evento E del espacio muestral S. Al conjunto E' que contiene todos
los resultados de S no contenidos en E, se le conoce como evento complementario de E.
Los eventos E y E' son mutuamente excluyentes, por lo que podemos escribir:
P(E ∪ E') = P(E) + P(E')
Ahora bien, como E ∪ E' = S y P(S) = 1, podemos escribir:
1 = P(E) + P(E')
El resultado anterior puede sintetizarse en el siguiente teorema:

Teorema 3: Si E' es el evento complementario de E en el espacio muestral finito S,

podemos escribir:
P(E') = 1 - P(E)

Ejemplo:
¿Cuál es la probabilidad que no salga 3 al lanzar un dado?

La solución:

El espacio muestral está dado por todos los posibles resultados:

S = {1, 2, 3, 4, 5, 6}
El evento E, que salga 3, lo escribimos como E = {3} y el evento complementario E' es:
E' = {1, 2, 4, 5, 6}

1
La probabilidad de E es: P(E) =
6
1 5
La probabilidad de E' es: P(E') = P(3) = 1 - P(E) = 1 - =
6 6

Observa que P(E') se puede calcular también como:

1 1 1 1 1 5
P(E') = P(1) + P(2) + P(4) + P(5) + P(6) = + + + + =
6 6 6 6 6 6

Ejemplo:
Determina la probabilidad de obtener una suma mayor que 3 al lanzar dos dados.
La solución:
La probabilidad de obtener 2 y 3 está dada
1
P(2) =
36
2
P(3) =
36

Luego, la probabilidad de obtener 2 o 3 es:

1 2 3
P(2 ∪ 3) = 36 + 36 = 36

El evento E es igual a {2, 3}. El evento E' es el compuesto de resultados mayores que 3:
E' = {4, 5, 6, 7, 8, 9, 10, 11, 12}

La probabilidad del evento complementario E' está dada por:

3 33 11
P(E') = 1 - P(E) = 1 - 36 = 36 = 12

Cuando dos eventos E y F no son mutuamente excluyentes, la probabilidad P(E + F) no

es igual a la suma de P(E) + P(F), como lo establece el siguiente teorema:

Teorema 4: Si E y F son eventos en un espacio muestral S, la probabilidad de la unión

de los elementos E y F está dada por:
P(E ∪ F) = P(E) + P(F) - P(E ∩ F)

Ejemplo:
En el experimento de lanzamiento de dos dados para observar la suma que se obtiene,
se presentaban los siguientes resultados:
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
Designemos como el evento E aquel asociado a un número mayor que 4 y el evento F al
asociado a un número menor que 8. Es decir:
E = {5, 6, 7, 8, 9, 10, 11, 12}
F = {2, 3, 4, 5, 6, 7}

Los eventos E y F no son mutuamente excluyentes, ya que:

E ∩ F = {5, 6, 7}

La unión de E y F es el espacio muestral S:

E ∪ F = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12} = S

Calculemos las probabilidades P(E) y P(F):

P(E) = P(5) + P(6) + P(7) + P(8) + P(9) + P(10) + P(11) + P(12)
P(F) = P(2) + P(3) + P(4) + P(5) + P(6) + P(7)

De acuerdo con los resultados del ejemplo del teorema 2

4 5 6 4 3 5 2 1 30 5
P(E)= + + + + + + + = =
36 36 36 36 36 36 36 36 36 6
1 2 3 4 5 6 21 7
P(F) = 36 + 36 + 36 + 36 + 36 + 36 = 36 = 12

Si tratáramos ahora de calcular la probabilidad de la unión de E y F, P(E ∪ F), como la

suma de las probabilidades de E y F, obtendríamos:
30 21 51 17
P(E ∪ F) = 36 + 36 = 36 = 12 > 1

lo que es absurdo, ya que 0 ≤ P ≤ 1.

En realidad, lo que sucede es que al calcular P(E ∪ F) como P(E) + P(F), al no ser los
eventos mutuamente excluyentes, se está sumando dos veces la probabilidad de la
intersección, P(5, 6, 7). Para obtener el valor correcto, debemos restar esta probabilidad:
P(E ∪ F) = P(E) + P(F) - P(E ∩ F)
Como:

4 5 6 15 5
P(E ∩ F) = P(5, 6, 7) = P(5) + P(6) + P(7) = 36 + 36 + 36 = 36 = 12

Se tiene:
30 21 15 36
P(E ∪ F) = + − = =1
36 36 36 36

Se observa que como E ∪ F = S, su probabilidad es 1.

Probabilidad condicional

Consideremos el experimento de lanzar un dado y observar el resultado. El espacio

muestral está dado por:
S = {1, 2, 3, 4, 5, 6}
1
La probabilidad de cualquiera de los resultados es . Entonces, por ejemplo:
6
1
P(3) =
6

Supongamos ahora que nos hacemos lo siguiente: "si el número obtenido es impar, ¿cuál
es la probabilidad que el número sea 3? Indudablemente que la primera afirmación (el
número obtenido es impar) condiciona la probabilidad de que se obtenga el número 3, ya
que en este caso los resultados podrían ser 1, 3 o 5, por lo que:
1
P(3, si el número es impar) =
3

Si en el ejemplo que estamos tratando designamos:

E = Se obtiene un 3.
F = El número obtenido es impar.
La probabilidad de que el número obtenido sea 3, a sabiendas que es impar, se simboliza
como:

P(𝐸/𝐹 )
En general, la probabilidad de que un evento E cualquiera suceda, dado que el evento F
sucedió, se designa como P(𝐸/𝐹 ) y se denomina probabilidad condicional de E dado F.

A fin de deducir una fórmula para la probabilidad condicional, tomemos un espacio

muestral S de n elementos:
S = {S1, S2, ..., Sn}

Supongamos que el evento F contiene m elementos de los n de S y que el evento dado

por la intersección de E y F, E ∩ F contiene l de los n elementos de S. Podemos escribir:
𝑚
P(F) =
𝑛
𝑙
P(E ∩ F)=
𝑛

Como el evento F sucedió, el resultado del experimento debe ser uno de los m elementos
en F. De estos m elementos, hay un resultado para los cuales E puede suceder.
Entonces:
𝑙
P(𝐸/𝐹) =
𝑚

(𝑙/𝑛)
Dividiendo el numerador y denominador por n: P(𝐸/𝐹) =
(𝑚/𝑛)

𝑙 𝑚
Como 𝑛 = P(E ∩ F) y = P(F), tendremos:
𝑛
𝑃(𝐸 ∩ 𝐹)
P(𝐸/𝐹) =
𝑃(𝐹)

Ejemplo:
¿Cuál que de un juego de 40 cartas españolas se obtenga una sota, caballo o rey, si la
carta seleccionada es de oro?

La solución:
Sean:
E: evento dado por sota, caballo o rey.
F: evento dado por carta de oro.

Hay 10 cartas de oro y, por tanto:

10 1
P(F) = =
40 4

La intersección de E y F está dada por:

(E ∩ F) = {sota de oro, caballo de oro, rey de oro}

Luego:
3
P(E ∩ F) =
40

Entonces, la probabilidad de sacar una sota, caballo o rey si la carta seleccionada es de

oro será, según el ejemplo del teorema 4:

3/40 3
P(𝐸/𝐹 ) = =
10/40 10

Eventos independientes

Si P(𝐸/𝐹 ) = P(E), es decir, si la probabilidad de que E ocurra no es afectada por la

ocurrencia o no ocurrencia de F, se dice que E y F son eventos independientes :
𝑃(𝐸 ∩ 𝐹)
P(𝐸/𝐹) = ⇒ P(E ∩ F) = P(F) · P(𝐸/𝐹)
𝑃(𝐹)

Sustituyendo por P(E):

P(E ∩ F) = P(E) · P(F)
 Los eventos E y F son independientes. En general, para n eventos independientes se
cumple:
P(E1 ∩ E2 ∩ ... ∩ En) = P(E1) · P(E2) · ... · P(En)

Ejemplo:
Una caja contiene 5 bolas blancas y 4 bolas rojas. Se saca una bola al azar y se vuelve
a colocar en la caja. ¿Cuál es la probabilidad de sacar una bola blanca y una roja en
sucesión?

La solución:
La probabilidad de sacar una bola blanca en el primer intento es:
5
P(B) = 9

La probabilidad de sacar una bola roja en el segundo intento es:

4
P(R) =
9

Los dos sucesos son independientes, ya que sacar una bola blanca en el primer intento
no afecta la probabilidad de obtener una bola roja en el segundo intento. Por tanto:

5 4 20
P = P(B) · P(R) = · =
9 9 81
 Conclusión

Para finalizar, la probabilidad es una herramienta matemática esencial que

nos ayuda a entender y cuantificar la incertidumbre en diferentes
situaciones. A través de las definiciones clásica y experimental, así como del
estudio de experimentos y espacios muestrales, hemos podido apreciar
cómo se estructuran las bases de esta disciplina. Los teoremas sobre la
probabilidad y conceptos como la probabilidad condicional y los eventos
independientes son fundamentales para realizar análisis más complejos y
tomar decisiones informadas en contextos inciertos. Al comprender estos
principios, no solo fortalecemos nuestras habilidades matemáticas, sino que
también mejoramos nuestra capacidad para enfrentar situaciones del día a
día donde la incertidumbre juega un papel crucial. La probabilidad, por tanto,
no solo es un tema académico, sino una herramienta valiosa para la vida
cotidiana.