Unidad 2

PROBABILIDAD
Introducción

La probabilidad es una medida numérica de la posibilidad de que ocurra un evento.

Los valores de probabilidad se encuentran en una escala de 0 a 1.

Los valores cercanos a 0 indican que las posibilidades de que ocurra un evento son muy
pocas.

Los valores cercanos a 1 indican que las posibilidades de que ocurra un evento son muy
altas.

En el contexto de la probabilidad, un experimento se define como un proceso que genera

resultados definidos.

En cada una de las repeticiones del experimento, habrá uno y solo uno de los posibles
resultados experimentales.

Al especificar todos los resultados experimentales posibles, está definido el espacio

muestral de un experimento.
 Teoría de conjuntos

Al igual que la estadística se fundamenta en la probabilidad, los conceptos básicos de

probabilidad a su vez están fundamentados en conceptos de teoría de conjuntos.

Definición. Un conjunto es una colección de objetos o elementos.

Por lo regular, los conjuntos se identifican por medio de letras mayúsculas, A, B, C, etc.

A los componentes de un conjunto A se les llama elementos de A y se identifican por medio

de letras minúsculas a1, a2, a3, etc.

En general cuando x es un elemento de A se representa como y si x no es un elemento de A

se representa como .

El símbolo se interpreta como “es un elemento de” mientras que representa “no es un
elemento de”.

Al especificar los elementos de un conjunto se puede hacer ya sea listando cada uno, separándolos
por comas o bien utilizando una forma corta en donde se pueda generalizar las características o
propiedades de los elementos que lo conforman.

Ejemplo 2.1 El conjunto cuyos elementos son los enteros 1, 2, 3 y 4 es un conjunto finito de 4
elementos y se denota como

Se puede observar que las sentencias y que son ambas verdaderas.

 Ejemplo 2.2 Si el conjunto A representa todos los números reales entre 0 y 1 inclusive, entonces
A se denota como

El conjunto universal es el conjunto de todos los elementos en consideración y por lo regular se

representa como . Otro conjunto especial es el conjunto nulo o conjunto vacío denotado
usualmente por .

Otras propiedades de los conjuntos son:

• Para cualquier conjunto A, se tiene que , es decir el conjunto vacío es subconjunto de

cualquier otro conjunto.
• Para un conjunto universal U y cualquier conjunto A, se tiene que , es decir cualquier
conjunto (incluyendo el vacío) es subconjunto de U.
• Para un conjunto dado A, (relación reflexiva)
• Si y , entonces (relación transitiva)

Sean A y B dos conjuntos, se dice que A es un subconjunto de B si cada elemento de A

también se encuentra en B y se representa como A  B.

Sean A y B dos conjuntos, se dice que A = B si A  B y B  A.

Algunas de las operaciones más comunes entre dos conjuntos A y B pertenecientes a un conjunto
universal U son las siguientes.

El complemento de A (con respecto a U) es el conjunto formado por los elementos de U que no

pertenecen a A y se denota por o

La intersección de A y B es el conjunto de elementos que pertenecen tanto a A como a B. La

intersección se denota por

La unión de A y B es el conjunto de elementos que pertenecen al menos a uno de los dos conjuntos
A y B, se denota por
 La diferencia (complemento relativo) de A y B es el conjunto de todos los elementos que están en
A pero no en B, se denota por A – B

Nótese que A – B ≠ B – A.

Los conjuntos A y B son disjuntos cuando .

Por ejemplo, si A = {1, 3, 5} y B = {4, 5, 6} entonces

 A y B no son disjuntos

Una consecuencia de la igualdad de conjuntos es que el orden de los elementos no tiene

importancia. Por ejemplo, si A = {a, b, c} y B = {c, a, b} entonces se puede ver que por
definición A = B.

Sean A y B dos conjuntos, se dice que A es un subconjunto propio de B si y solo si cada

elemento de A también se encuentra en B pero existe al menos un elemento en B que no
está en A y se representa como A  B.

Por ejemplo, si A = {76, 3, 54, 5}, B = {76, 54} y C = {2, 5}. Explicar para cada una de las
siguientes relaciones si son falsas o verdaderas.

a. B  A b. C  A c. B  B

a. Verdadera puesto que todos los elementos de B se encuentran en A, en este caso

también es verdadero que B  A porque además existe al menos un elemento en A
que no está en B, es decir, B es un subconjunto propio de A.
b. Falso debido a que el elemento “2” en C no se encuentra en A.
c. Verdadero porque todos los elementos de B están en B, es decir, cualquier conjunto
es subconjunto de sí mismo por la propiedad de reflexividad mencionada
anteriormente.
Cabe mencionar que un conjunto puede ser a su vez elemento de otro conjunto, por
ejemplo, el conjunto {1, {2}} contiene 2 elementos, el número 1 y el conjunto {2}. Es
importante saber distinguir el concepto de cuando “algo” pertenece a algún conjunto contra
cuando un conjunto es un subconjunto de otro. En este caso en particular, el conjunto {2}
“pertenece” al conjunto {1, {2}}.

X
Los diagramas de Venn son representaciones gráficas que pueden usarse para ilustrar los
conjuntos, así como ciertas operaciones entre ellos. En un diagrama de Venn, un rectángulo
describe el conjunto universal U dentro del cual los conjuntos se representan por medio de
círculos.

El complemento de cualquier conjunto es toda la región fuera del círculo correspondiente a

dicho conjunto.
La figura izquierda representa la unión mientras que la derecha la intersección de dos
conjuntos A y B.

Las operaciones de intersección y unión pueden aplicarse a cualquier cantidad finita de

conjuntos

Ejemplo 2.3 Si el conjunto universal se define como U = {1, 2, 3, 4, 5, 6, 7} y se definen

los siguientes subconjuntos A = {1, 2, 3}, B = {2, 4, 6}, C = {1, 3, 5, 7} entonces se puede
determinar que

Ac = {4, 5, 6, 7} Bc = {1, 3, 5, 7} Cc = {2, 4, 6} = B

A  B = {1, 2, 3, 4, 6} A  C = {1, 2, 3, 5, 7} BC=U=ABC

A ∩ B = {2} A ∩ C = {1, 3} B ∩ C =  ← B y C disjuntos

 Espacios muestra

La teoría de probabilidad ha sido motivada por una gran cantidad de situaciones de la vida
real en las que se realizan experimentos y los investigadores analizan el o los resultados.

Un experimento se define como cualquier acción o proceso que genera observaciones o

resultados que no se pueden predecir. A estos experimentos se les conoce como
experimentos aleatorios.

El espacio muestra de un experimento es el conjunto de todos los resultados experimentales

y se denota por S = {s1, s2, …, sn} donde cada si es un resultado experimental o también
llamado punto muestral.

Si el espacio muestra tiene un número finito de elementos, podemos listar los elementos
separados por comas entre llaves.

Ejemplo 2.4 El espacio muestra del lanzamiento de una moneda.

S = {águila, sol}

Ejemplo 2.5 El espacio muestra del valor de la cara superior del lanzamiento de un dado.

S = {1, 2, 3, 4, 5, 6}

Un espacio muestra discreto es aquel en el que hay un número finito de resultados o un

número infinito pero contable (numerable) de resultados.

Los espacios muestra con un número infinito de puntos muestrales se describen mejor
mediante un enunciado o regla. Un espacio muestra continuo es aquel que tiene resultados
incontables.

Ejemplo 2.6 El espacio muestra S = {(x, y) | x2 + y2 ≤ 4} se interpreta como todo el conjunto

de todos los puntos (x, y) sobre la frontera o el interior de un circulo de radio 2 con centro
en el origen.

Ejemplo 2.7 Dos gasolineras se encuentran en cierto cruce de caminos. En cada una hay 6
bombas. El experimento consiste en determinar el número de bombas en uso en un
momento dado en cada una de las gasolineras.
 Técnicas de conteo

Al asignar probabilidades es necesario saber identificar y contar los resultados de interés

dentro de un experimento, en ocasiones la cantidad de resultados puede ser demasiado
grande para contarlos de forma individual.

Experimentos de pasos múltiples. Un experimento se describe como una sucesión de k

pasos en los que hay n1 resultados posibles en el primer paso, n2 resultados posibles en el
segundo paso y así sucesivamente, entonces el número total de resultados experimentales es
(n1)(n2)…(nk).

Ejemplo 2.8 Considerar el experimento del lanzamiento de dos monedas como la sucesión
de lanzar primero una moneda (n1 = 2) y después lanzar la otra (n2 = 2) siguiendo la regla
conteo (2)(2) = 4 entonces hay cuatro resultados distintos, es decir, S = {(águila, águila),
(águila, sol), (sol, águila), (sol, sol)}.

Ejemplo 2.9 Cuántos posibles resultados se pueden obtener en el lanzamiento de dos dados.
Un diagrama de árbol es una representación gráfica que permite visualizar un experimento
de pasos múltiples. La secuencia de pasos en el diagrama va de izquierda a derecha.

Ejemplo 2.10 En la siguiente figura aparece el diagrama de árbol para el experimento del
lanzamiento de dos monedas.

Paso 1 Paso 2 Resultado

1era moneda 2da moneda experimental

(Águila, Águila)
Águila

Águila
Sol (Águila, Sol)

(Sol, Águila)
Águila
Sol

Sol (Sol, Sol)

Ejemplo 2.11 Un proyecto para una empresa se divide en dos etapas sucesivas de trabajo
que son el diseño seguido de la construcción. En un análisis de proyectos similares se
encuentra que la posible duración de la etapa de diseño es de 2, 3 o 4 meses mientras que la
duración de la construcción puede estar entre 6, 7 u 8 meses. Adicionalmente, los
administrativos han establecido como meta 10 meses para la terminación de todo el
proyecto.
Definición. Una permutación es un arreglo de todo o parte de un conjunto de objetos
distintos.

Una permutación se puede ver como una disposición lineal de elementos en donde el orden
es importante, es decir, una permutación difiere de otra si el orden del arreglo o el
contenido difieren.

Ejemplo 2.12 Considerar las letras a, b y c. Las permutaciones posibles son abc, acb, bac,
bca, cab y cba, es decir, 6 arreglos distintos.

Las permutaciones del ejemplo anterior también se pueden obtener haciendo un

experimento de pasos múltiples, en este caso hay n1 = 3 elecciones para la primera
posición, n2 = 2 para la segunda y n3 = 1 para la última posición, lo que da un total de

n1n2n3 = (3)(2)(1) = 6 permutaciones

En general, n objetos distintos se pueden arreglar en

n(n – 1)(n – 2)…(3)(2)(1) formas

El producto anterior se representa como n! y por definición 0! = 1.

Teorema 2.1. El número de permutaciones de n objetos distintos es n!.

La segunda regla de conteo es aquella donde se permite calcular el número de resultados

experimentales cuando se seleccionan r objetos de un conjunto de n y el orden de selección
es relevante. Los mismos r objetos seleccionados en orden diferente se consideran un
resultado experimental diferente.

Teorema 2.2. El número de permutaciones de n objetos distintos tomados de r en r (n > r)

es
Ejemplo 2.13 En un procedimiento de control de calidad un inspector selecciona al azar dos
de cinco piezas para probar que no tengan defectos. Por tanto, en un conjunto de cinco
partes, cuántas permutaciones de dos partes pueden seleccionarse?

Si las partes se etiquetan como A, B, C, D y E, las 20 permutaciones son AB, BA, AC, CA,
AD, DA, AE, EA, BC, CB, BD, DB, BE, EB, CD, DC, CE, EC, DE y ED.

Ejemplo 2.14 El número de permutaciones que se pueden obtener de la palabra

PERMUTACIÓN es 11!.

Suponer que las letras PE deben permanecer juntas en ese orden, el número de
permutaciones que se pueden obtener ahora es 10!

PE R M U T A C I O N

Si solo se utilizan 4 de las 11 letras el número de permutaciones de tamaño 4 es

Ejemplo 2.15 De cuantas formas puede una organización programar a tres conferencistas
para tres reuniones diferentes si todos están disponibles en cualquiera de cinco fechas
posibles?

Hasta aquí hemos considerado permutaciones de elementos distintos, por ejemplo, para los
elementos identificados como A, B, C y D se puede formar un total de 4! = 24 diferentes
permutaciones.

Sin embargo, cuántas permutaciones se formarían con los elementos A, A, B y C? No puede

ser 24 porque eso significaría que tendría que haber una forma de distinguir una A de la otra
haciendo una A1 y la otra A2. Listando todas las permutaciones se puede ver que son en total
12

AABC ABCA BAAC CAAB

AACB ACAB BCAA CBAA
ABAC ACBA BACA CABA
Teorema 2.3. El número de permutaciones distintas de n cosas de las que n1 son de una
clase, n2 de una segunda clase, …, nk de una k-ésima clase es

Ejemplo 2.16 De cuantas formas diferentes se pueden arreglar 3 focos rojos, 4 amarillos y 2
azules en una serie navideña de 9 contactos?

Con frecuencia nos interesa el número de formas de dividir un conjunto de n objetos en r

subconjuntos denominados celdas.
Teorema 2.4. El número de formas de partir un conjunto de n objetos en r celdas con n1
elementos en la primera celda, n2 elementos en la segunda y así sucesivamente es

Donde n1 + n2 + … + nr = n y la expresión anterior se le conoce como coeficiente

multinomial.

Ejemplo 2.17 De cuantas formas se pueden asignar siete huéspedes a una habitación triple y
a dos dobles?

En muchos problemas es necesario obtener el número de formas de seleccionar r objetos de

n sin importar el orden. Por lo tanto, la tercera regla de conteo es aquella donde se permite
contar el número de resultados experimentales cuando el experimento consiste en
seleccionar r objetos de un conjunto de n objetos (n > r), sin embargo, en este caso el orden
de selección no es relevante. Es decir, los mismos r objetos seleccionados en orden
diferente se considera el mismo resultado experimental.

Teorema 2.5. El número de combinaciones de n objetos tomados de r en r es

La expresión anterior se le conoce como el coeficiente binomial.

Una combinación es un arreglo de elementos distintos sin repeticiones en donde el orden no

es importante, es decir, una combinación difiere de otra solo si el contenido del arreglo
cambia.
Ejemplo 2.18 En un procedimiento de control de calidad un inspector selecciona al azar dos
de cinco piezas para probar que no tengan defectos. Por tanto, en un conjunto de cinco
partes, cuántas combinaciones de dos partes pueden seleccionarse?

De manera que hay 10 resultados posibles en este experimento de la selección aleatoria de

dos partes de un conjunto de cinco. Si las partes se etiquetan como en el ejemplo 2.8, las
diez combinaciones o resultados experimentales son AB, AC, AD, AE, BC, BD, BE, CD, CE
y DE.

Ejemplo 2.19 En cierto sorteo se seleccionan seis números de un conjunto de 53 para

determinar al ganador. Cuántas combinaciones de 6 números pueden seleccionarse?

Ejemplo 2.20 Encontrar el número de comités que se puedan formar que consistan de dos
químicos y un físico de un total de cuatro químicos y dos físicos.

Ejemplo 2.21 En un examen de probabilidad y estadística se deben contestar correctamente

7 de las 10 preguntas que contiene para aprobarlo.

a) De cuántas formas se puede responder para aprobarlo?

b) Si se deben responder 3 preguntas de las primeras 5 y 4 de las ultimas 5, de cuántas
formas se puede responder?
c) Por último, si las instrucciones del examen mencionan que se deben responder 7 de 10
preguntas de las cuales al menos 3 deben ser de las primeras 5, de cuántas formas se puede
responder?
El número de permutaciones que se obtiene de un experimento es mayor que el número de
combinaciones ya que cada selección de r objetos se ordena de r! maneras diferentes.

En la siguiente tabla se muestra un resumen de las diferentes formas de contar puntos

muestrales tomando r objetos de un total de n

Sin reemplazo Con reemplazo

Con orden nr
Sin orden
 Asignación de probabilidades

Existen tres métodos para asignar probabilidades, sin embargo, es necesario primero
satisfacer las siguientes dos propiedades que cualquier probabilidad debe tener.

1. La probabilidad asignada a cada resultado experimental debe estar entre 0 y 1

inclusive. Si Ei representa el i-ésimo resultado experimental y P(Ei) su probabilidad
entonces

0 ≤ P(Ei) ≤ 1 para toda i

2. La suma de las probabilidades de los resultados experimentales debe ser igual a 1,

es decir, P(S) = 1

P(E1) + P(E2) + … + P(En) = 1

De las propiedades anteriores, se puede definir que la probabilidad de cualquier evento es

una función que asigna un número entre 0 y 1 de acuerdo a las posibilidades de ocurrencia
de dicho evento.

Debido a lo anterior, se utiliza una notación funcional P(E) para representar la probabilidad
de un evento E.

Los tres métodos comúnmente usados en la asignación de probabilidades son el método

clásico, el método de la frecuencia relativa y el método subjetivo.
 Eventos y sus probabilidades

Un evento es una colección de puntos muestrales.

Para un espacio muestra finito S que contenga n elementos existen exactamente n

subconjuntos mutuamente exclusivos de S los cuales contienen un solo elemento. Dichos
subconjuntos se les conoce como eventos de un solo elemento o eventos simples.

Ejemplo 2.22 El espacio muestra S = {1, 2, 3} contiene 3 eventos simples que son A1 = {1},
A2 = {2} y A3 = {3}.

La probabilidad de un evento es igual a la suma de las probabilidades de los puntos

muestrales que forman el evento.

El espacio muestra S es un evento que contiene todos los resultados experimentales, por lo
tanto su probabilidad es 1, es decir, P(S) = 1.

Dado un evento A, el complemento de A se define como el evento que consta de todos los
puntos muestrales que no están en A. El complemento de A se denota como Ac.

Dado que en cualquier aplicación ocurre ya sea un evento A o su complemento Ac, entonces
P(A) + P(Ac) = 1.

La expresión anterior indica que la probabilidad de un evento A se puede calcular si se

conoce la probabilidad de su complemento P(Ac), es decir, P(A) = 1 – P(Ac) .
Ejemplo 2.23 Una caja contiene 6 bolas rojas, 4 blancas y 5 azules, se extrae una bola al
azar. Calcular la probabilidad de que sea a) roja, b) blanca, c) azul, d) no roja, e) no blanca.

Ejemplo 2.24 Un espacio muestra S consiste de cinco eventos simples cuyas probabilidades
son las siguientes:

P(E1) = P(E2) = 0.15 P(E3) = 0.4 P(E4) = 2P(E5)

a. Encontrar la probabilidad de los eventos simples E4 y E5

b. Encontrar la probabilidad del evento A = {E1, E3, E4} y B = {E2, E3}
c. Listar los eventos simples que se encuentran ya sea en el evento A o B o ambos
d. Listar los eventos simples que se encuentran en los eventos A y B.

Ejemplo 2.25 Se altera un dado de manera que sea dos veces más probable que salga un
número par que un número impar. Si E es el evento de que ocurra un número menor a 4 en
un solo lanzamiento, encontrar P(E).

Las técnicas de conteo son útiles particularmente cuando se tiene que contar una gran
cantidad de puntos muestrales, todos con la misma probabilidad de ser seleccionados, de un
espacio muestra o bien de un evento.

Ejemplo 2.26 Se seleccionan cinco cartas de una baraja de 52 cartas.

a. Cuántos eventos simples hay en el espacio muestra

b. Calcular la probabilidad de obtener dos ases y tres reyes

Ejemplo 2.27 Un negocio de autos usados tiene 10 autos importados y 15 de fabricación

nacional. Una empresa requiere adquirir 6 autos más, si los autos son seleccionados al azar,
¿cuál es la probabilidad de que 3 sean nacionales y los otros tres importados?
 Ley de la adición

La ley de la adición sirve para determinar la probabilidad de que ocurra por lo menos uno
de dos eventos. Es decir, si A y B son eventos, nos podría interesar encontrar la
probabilidad de que ocurra el evento A o B o ambos.

Para obtener la probabilidad anterior, es necesario primero definir los conceptos de unión e
intersección de eventos.

La unión de A y B es el evento que contiene todos los puntos muestrales que pertenecen a A
o B o ambos y se denota como A  B.

La intersección de A y B es el evento que contiene los puntos muestrales que pertenecen

tanto a A como a B y se denota como A ∩ B.

Teorema 2.6. Para tres eventos A, B y C definidos en un espacio muestra S

Leyes de identidad A=A

AS=S
A∩S=A
A∩=
Ley conmutativa AB=BA
A∩B=B∩A
Ley asociativa A  (B  C) = (A  B)  C
A ∩ (B ∩ C) = (A ∩ B) ∩ C
Leyes distributivas A ∩ (B  C) = (A ∩ B)  (A ∩ C)
A  (B ∩ C) = (A  B) ∩ (A  C)
Leyes de DeMorgan (A  B)C = AC ∩ BC
(A ∩ B)C = AC  BC

La ley de adición se define como P(A  B) = P(A) + P(B) – P(A ∩ B).

Se dice que dos eventos son mutuamente excluyentes si no tienen puntos muestrales en
común, es decir, A ∩ B =  donde  representa el conjunto vacío.

Los eventos A y B son mutuamente excluyentes si cuando un evento ocurre, el otro no

puede ocurrir.
Si A1, A2, …, An son mutuamente excluyentes o mutuamente exclusivos entonces

P(A1  A2  …  An) = P(A1) + P(A2) + … + P(An)

Si A1, A2, …, An es una partición de un espacio muestra S entonces

P(A1  A2  …  An) = P(A1) + P(A2) + … + P(An) = P(S) = 1

Ejemplo 2.28 Del ejemplo 2.25 sea A el evento de que salga un número par y B el evento de
que salga un número divisible entre 3. Encontrar P(A  B) y P(A ∩ B).

Probabilidad condicional

Las probabilidades asignadas a varios eventos dependen de lo conocido de la situación

experimental que se va a realizar. Como se mencionó anteriormente, un evento se define en
base a un espacio muestral S y se representa como un subconjunto de S.

Después de la asignación inicial, puede haber información adicional acerca del resultado
del experimento y esta información puede ocasionar que se modifiquen algunas de las
asignaciones iniciales. En otras palabras, el hecho de tener información adicional
“actualiza” el espacio muestra del experimento lo cual cambia el valor de probabilidades
condicionadas a dicha información.

Para mostrar el concepto de una probabilidad condicional, se consideran los siguientes

eventos A y B de un experimento que se realiza en total n veces, nA es el número de veces
que ocurre el evento A, nB las veces que ocurrió el evento B y nA∩B las veces que ocurrió el
evento A∩B
Suponiendo que ya ocurrió B entonces A solo puede ocurrir solo si A ∩ B ocurre. Entonces
la probabilidad de que ocurra A dado que ya ocurrió B se calcula como el cociente de nA∩B
y nB

La probabilidad de que un evento A ocurra cuando se sabe que ya ocurrió algún evento B se
llama probabilidad condicional y se denota por P(A|B).

De igual forma,

Como se puede observar, la probabilidad condicional se expresa como una relación de

probabilidades no condicionales; el numerador es la probabilidad de la intersección de dos
eventos mientras que el denominador es la probabilidad del evento que ya ocurrió.

Ejemplo 2.29 Se desea recolectar información climatológica de cierta ciudad basado en los
siguientes eventos.

Sea A = la temperatura es igual o mayor a 30 grados para cierto día

Sea B = la cantidad de precipitación es igual o mayor a 20 milímetros en cierto día

Sea C = la temperatura es igual o mayor a 30 grados y la cantidad de precipitación es igual

o mayor a 20 milímetros en cierto día

Suponer que durante un periodo de mil días se obtienen los siguientes resultados nA = 811,
nB = 306 y nC = 283.
Si para un cierto día se sabe que la temperatura fue mayor a 30 grados, cual es la
probabilidad de que también haya llovido más de 20 milímetros.

Si para un cierto día se sabe que la cantidad de precipitación fue mayor a 20 milímetros,
cual es la probabilidad de que también la temperatura haya excedido 30 grados.

Ejemplo 2.30 En el lanzamiento de un dado balanceado, calcular la probabilidad de obtener

un ‘1’ en la cara superior dado que apareció un número impar.

Ejemplo 2.31 Suponer que todos los clientes de cierta tienda de cómputo, 60% de los
clientes adquiere el paquete Office en la compra de su computadora, 40% un antivirus y el
30% ambas cosas. Cuál es la probabilidad de que un cliente haya comprado un antivirus
para su equipo dado que adquirió el Office.

Ejemplo 2.32 La probabilidad de que un vuelo salga a tiempo es P(D) = 0.83 mientras que
la probabilidad de que llegue a tiempo es P(A) = 0.82 y por último la probabilidad de que
salga y llegue a tiempo es P(D ∩ A) = 0.78. Calcular la probabilidad de que el vuelo a)
llegue a tiempo dado que salió a tiempo y b) salió a tiempo dado que llegó a tiempo.
 Independencia de eventos

El concepto de probabilidad condicional permite comprender otro importante concepto

llamado independencia de eventos o eventos independientes.

Es decir, la ocurrencia de B no tiene ningún impacto en las probabilidades de ocurrencia de

A, en otras palabras, la ocurrencia de A es independiente de la ocurrencia de B.

Ejemplo 2.33 En el lanzamiento de un dado balanceado se definen los eventos A = {2, 4,

6}, B = {1, 2, 3} y C = {1, 2, 3, 4}.

Ejemplo 2.34 En el lanzamientos de dos monedas se definen los eventos A = águila en la

primera moneda y B = sol en la segunda moneda. Probar que A y B son independientes.

NOTA: No confundir el concepto de eventos mutuamente excluyentes con eventos

independientes, es decir, dos eventos cuyas probabilidades no son cero, no pueden ser
mutuamente excluyentes e independientes al mismo tiempo. A continuación, se muestra la
explicación.

Por un lado, si A y B son dos eventos tal que A ∩ B =  de manera que P(A ∩ B) = 0,
entonces se dice que A y B son eventos mutuamente exclusivos o mutuamente
excluyentes.

Por otro lado, si A y B son dos eventos tal que P(A) > 0, P(B) > 0 y P(A ∩ B) = P(A)P(B)
entonces se dice que A y B son eventos independientes.
Suponiendo que A y B son eventos independientes entonces eso significa que P(A ∩ B) =
P(A)P(B) > 0, para que estos eventos también fueran mutuamente exclusivos se necesitaría
que P(A ∩ B) = 0 lo cual no es posible puesto que al ser primero independientes eso
implica que P(A ∩ B) > 0.

De forma similar, suponiendo que A y B son eventos mutuamente exclusivos eso significa
que P(A ∩ B) = 0, para que estos eventos también fueran independientes se necesitaría que
P(A ∩ B) > 0 lo cual no es posible puesto que al ser primero mutuamente exclusivos eso
implica que P(A ∩ B) = 0.

Mutuamente
Independencia
Exclusivos

Otro concepto importante derivado de la probabilidad condicional es el relacionado con la

ley o regla multiplicativa.
 Ley de la multiplicación

Mientras que la ley de la adición sirve para calcular la probabilidad de la unión de dos
eventos, la ley de la multiplicación es útil para calcular la probabilidad de la intersección de
dos eventos. Sin embargo, la ley de la multiplicación se basa en la definición de
probabilidad condicional.

Por tanto, la probabilidad de que ocurran A y B es igual a la probabilidad de que ocurra A

multiplicada por la probabilidad de que ocurra B dado que ocurrió A.

Como los eventos A ∩ B = B ∩ A son equivalentes de acuerdo a la ley conmutativa del

Teorema 2.1, la expresión anterior también se puede escribir como

Teorema 2.7. Dos eventos son independientes si y solo si

Por lo tanto, para obtener la probabilidad de que ocurran dos eventos independientes
simultáneamente simplemente se multiplican sus probabilidades individuales.
Si los eventos A1, A2, …, An son independientes entonces

Ejemplo 2.35 Se sabe que 30% de las lavadoras de cierta compañía requieren servicio
cuando están todavía en garantía, mientras que solo 10% de las secadoras necesitan
servicio. Si alguien compra una lavadora y una secadora fabricadas por esta compañía,
calcular la probabilidad de que ambas máquinas necesiten servicio dentro de la garantía.
Cuál es la probabilidad de que ninguna necesite servicio?

El concepto de independencia de eventos, así como las leyes de adición y multiplicación se

utilizan en estudios para determinar la confiabilidad de diversos sistemas compuestos de
dos o más componentes los cuales fallan o funcionan de forma independiente uno de otros.
La confiabilidad de un sistema se define como una medida de que tan bien funciona el
sistema por largos periodos de tiempo. A continuación, se muestran tres de las más
comunes configuraciones de sistemas.

1 2
1
1 2
2 3 4

El primer sistema es un sistema en “serie” el cual funciona solo si los dos componentes
funcionan mientras que al centro se encuentra un sistema en “paralelo” el cual funciona si
al menos uno de los dos componentes funcionan y por último se muestra un sistema “serie-
paralelo” el cual funciona si al menos dos componentes en serie funcionan.

Ejemplo 2.36 Un sistema consta de cuatro componentes como se muestra en la figura. Los
componentes funcionan o fallan de modo independiente uno de otro y cada uno funciona
con probabilidad 0.9. Calcular la probabilidad de que todo el sistema funcione.

1 2

3 4
Ejemplo 2.37 Suponer que un paciente responderá a un tratamiento para curar cierta
enfermedad con probabilidad 0.9. Si tres pacientes son tratados de forma independiente,
calcular la probabilidad de que al menos un paciente responderá al tratamiento.

Teorema o Regla de Bayes

Definición. Sean B1, B2, …, Bk una secuencia de eventos definidos en cierto experimento
con espacio muestra S. Se dice que dichos eventos constituyen una partición del espacio
muestra S si

1. Bi ∩ Bj =  para todo i ≠ j
2. B1  B2  …  Bk = S

S
B1 B2 B3 Bk

A
..........

Teorema 2.8. Si los eventos B1, B2, …, Bk constituyen una partición del espacio muestra S
tal que P(Bi) ≠ 0 para i = 1, 2, …, k entonces para cualquier evento A de S

A la expresión anterior también se le conoce como teorema de probabilidad total.

 S
B1 B2 B3 Bk
A

..........

A∩B1 A∩B2 A∩B3 A∩Bk

Ejemplo 2.38 Un fabricante de equipos de cómputo compra sus procesadores de tres

proveedores distintos p1, p2 y p3. De experiencias pasadas se sabe que el 1% de los
procesadores del proveedor 1, el 4% de los procesadores del proveedor 2 y el 2% de los
procesadores del proveedor 3 salen defectuosos. Debido a lo anterior, el fabricante de
equipos de cómputo adquiere el 50% de los procesadores del proveedor 1, el 10% del
proveedor 2 y el 40% del proveedor 3. Si se selecciona un procesador, calcular la
probabilidad de que este defectuoso.

Teorema 2.9. Si los eventos B1, B2, …, Bk constituyen una partición del espacio muestra S
tal que P(Bi) ≠ 0 para i = 1, 2, …, k entonces para cualquier evento A de S tal que P(A) ≠ 0

Ejemplo 2.39 Continuando con el ejercicio anterior, suponer que se seleccionó un

procesador de forma aleatoria y es defectuoso, calcular la probabilidad de que este
provenga del proveedor 3.