I. S. F. D. R.

N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

INTRODUCCIÓN A LA PROBABILIDAD
Utilizar la Estadística para la toma de decisiones y para llegar a ciertas conclusiones, implica
manejar algunas funciones medibles fundamentales para el análisis estadístico,
particularmente las que se refieren a la probabilidad. En efecto, cualquier enfoque analítico
de los problemas estadísticos supone la evaluación de “la medida en que es posible” que
ocurran ciertos eventos o fenómenos.
Para poder conceptualizar Probabilidad primero necesitamos comprender algunos conceptos
importantes.

Experimentos
Experimento determinista
Si al realizar un experimento en unas determinadas condiciones varias veces se obtiene el
mismo resultado, se dice que el experimento es determinista. Podemos decir que en los
experimentos deterministas se puede predecir el resultado. En este caso están las leyes de
la física.
Ejemplos:
1. Si calentamos agua, esta ebullirá a 100ºC.
2. Si se deja caer un objeto desde una altura, éste tardará el mismo tiempo en llegar al suelo.

Experimento aleatorio
Cuando en similares condiciones experimentales se obtienen distintos resultados se dice que
el experimento es aleatorio. Los juegos de azar son casos de experimentos aleatorios.
Ejemplos:
1. Lanzamiento de una moneda.
2. Lanzamiento de un dado.
3. Extracción de una carta en una baraja.

Espacio muestral
Llamaremos espacio muestral Ω de un experimento aleatorio al conjunto de todos los
posibles resultados de ese experimento. Consideremos el experimento aleatorio de lanzar un
dado Ω = {1, 2, 3, 4, 5, 6}.
Los Espacios Muestrales pueden ser: finitos, infinitos numerables e infinitos no numerables ó de la potencia
del continuo. Si la experiencia consiste en lanzar un dado y el resultado es el número de puntos que
obtenemos, el Espacio Muestral es finito y consta de 6 elementos. Si la experiencia consiste en lanzar
una moneda al aire y el resultado es el número de veces que es necesario lanzarla hasta obtener por
primera vez cara, el Espacio Muestral es infinito numerable. Si la experiencia consiste en
extraer al azar una pieza recién fabricada y medir una de sus dimensiones, el Espacio Muestral es
infinito no numerable.

Sucesos
Denominaremos suceso a todo subconjunto del 𝐸𝑠𝑝𝑎𝑐𝑖𝑜𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑙 Ω.

Suceso elemental
El constituido por un sólo elemento del 𝐸𝑠𝑝𝑎𝑐𝑖𝑜 𝑀𝑢𝑒𝑠𝑡𝑟𝑎𝑙 Ω.
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

Suceso compuesto
Cualquier subconjunto de Ω constituido por más de un elemento. Diremos que ha ocurrido el suceso A
si el resultado es un elemento de A.
Por ejemplo, si la experiencia consiste en lanzar un dado y el suceso A está constituido por los números
pares: 𝐴 = {2, 4, 6} (compuesto).
Si al lanzar el dado sale el número 4, ha ocurrido A = 4 (simple)

Suceso cierto o seguro

Es decir, el suceso que siempre ocurre es, lógicamente, el Espacio Muestral  .
Por ejemplo A: que salga un número menor que 7
Suceso imposible
Es decir, el suceso que nunca puede ocurrir es, lógicamente, el conjunto vacío ∅.
Por ejemplo A: que salga un número negativo.

Sucesos compatibles e incompatibles

Dados dos sucesos de un experimento aleatorio, diremos que son compatibles si se pueden
dar los dos al mismo tiempo, y diremos que son incompatibles en caso contrario.
Ejemplo:
A: Obtener un número par.
B: Obtener un número impar.
C: Obtener un múltiplo de cinco.
Ay B incompatibles.
A y C incompatibles.
B y C compatibles.

Sucesos complementarios o contarios

Dos sucesos son complementarios si siempre que ocurra uno, no se da el otro y al revés. Si
denotamos por 𝐴 a un suceso, su complementario será denotado por 𝐴𝐶 𝑜 𝐴̅.
Por ejemplo
A: obtener un número mayor que 3
B: obtener un número menor o igual a 3

Probabilidad
La idea de probabilidad surge por la necesidad de medir la incertidumbre o verosimilitud
que posee cada suceso asociado a un experimento aleatorio.
Muchos autores presentan tres enfoques de la probabilidad y a través de los cuales surgen
tres definiciones de probabilidad.

Probabilidad clásica a priori

Si la todos los sucesos elementales de un espacio muestral son equiprobables (tienen la
misma posibilidad de ocurrir).La probabilidad de un suceso A, es el cociente entre el número
de casos favorables al suceso y el número de casos posibles.
𝑁° 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠
𝑃(𝐴) = 𝑁° 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 Fórmula (1)
Por ejemplo: Cuando se arroja un dado y el interés se centra en el número de puntos que
muestra la cara superior, el espacio muestral está constituido por seis sucesos elementales
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

{1, 2, 3, 4, 5, 6}. Si se sabe o se supone que todas las caras tienen la misma oportunidad de
presentarse, entonces usando la fórmula (1) se puede calcular la probabilidad del evento
A= “la cara muestra un número par”; esta probabilidad se representará con P(A) = ½

Probabilidad frecuencial
Esta probabilidad también es conocida como probabilidad experimental o empírica o a
posteriori.
La definición clásica se ve limitada a situaciones en las que hay un número finito de resultados
igualmente probables. Por desgracia, hay situaciones prácticas que no son de este tipo y la
definición de Laplace no se puede aplicar. Por ejemplo, si se pregunta por la probabilidad de
que un paciente se cure mediante cierto tratamiento médico, o la probabilidad de que una
determinada máquina produzca artículos defectuosos, entonces no hay forma de introducir
resultados igualmente probables. Por ello se necesita un concepto más general de
probabilidad. Una forma de dar respuesta a estas preguntas es obtener algunos datos
empíricos en un intento por estimar las probabilidades.
Supongamos que efectuamos un experimento n veces y que en esta serie de n ensayos el
𝑟
suceso A ocurre exactamente r veces, entonces la frecuencia relativa del evento es 𝑛, o sea
que:
𝑟
𝑃 (𝐴 ) =
𝑛

Probabilidad subjetiva
Se refiere a la probabilidad asignada por una persona en particular basada generalmente en
su experiencia, opinión personal y análisis que él hace de la situación específica que se evalúa.
Se usa generalmente en aquellas situaciones donde, en el momento que se la requiere, la
probabilidad no puede determinarse empíricamente.

Relación entre la probabilidad frecuencial y la clásica

La mayoría de experimentos aleatorios de importancia práctica tienen estabilidad, es decir
que a medida que se aumenta el número de experimentos, las frecuencias relativas tienden
a estabilizarse.
La ley de los grandes números nos dice que cuanto más grande sea el número de intentos
experimentales, n, se espera que la probabilidad frecuencial sea más cercana a la probabilidad
clásica conocida como probabilidad teórica.
𝑟
𝑃 (𝐴) = lim
𝑛→∞ 𝑛
Cuando se usa la definición frecuencial, es importante tomar en cuenta los siguientes
aspectos:
i. La probabilidad obtenida de esta manera es únicamente una estimación del valor real.
ii. Cuanto mayor sea el número de ensayos, tanto mejor será la estimación de la
probabilidad; es decir, a mayor número de ensayos mejor será la estimación.
iii. La probabilidad es propia de sólo 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.
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

Definición axiomática de probabilidad

Si llamamos S al conjunto de todos los posibles sucesos asociados a un espacio muestral,
definimos axiomáticamente la probabilidad como una función que asocia a cada suceso A un
número real, que será su probabilidad. Cumpliéndose las siguientes condiciones:
Axioma 1. La probabilidad de un suceso cualquiera es positiva o nula: 𝑃(𝐴) ≥ 0
Axioma 2. La probabilidad del suceso seguro es 1: 𝑃(Ω) = 1
Axioma 3. Dados dos sucesos A y B y tales que 𝐴 ∩ 𝐵 = ∅, es decir, son incompatibles,
entonces: 𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵)
De la definción axiomática de probabilidad se tienen las siguientes consecuencias:
1. Si dos sucesos son complementarios entonces 𝑃 (𝐴𝐶 ) = 1 − 𝑃(𝐴).
De la definición de suceso complementario se tiene que
𝐴 ∪ 𝐴𝐶 = Ω
𝐴 ∩ 𝐴𝑐 = ∅
Por el Axioma 3: 𝑃(𝐴 ∪ 𝐴 ) = 𝑃 (𝐴) + 𝑃(𝐴𝑐 ).
𝑐

Como 𝐴 ∪ 𝐴𝑐 = Ω y por Axioma 2 𝑃 (Ω) = 1.

𝑃(𝐴) + 𝑃(𝐴𝑐 ) = 1 → 𝑃(𝐴𝑐 ) = 1 − 𝑃(𝐴)
2. La probabilidad del suceso imposible es 0. 𝑃 (∅) = 0
∅ = Ω𝑐 , luego:
𝑃 (∅ ) = 1 − 𝑃 (Ω ) → 𝑃 ( ∅ ) = 0
3. Si tenemos 𝑘 sucesos 𝐴1 , 𝐴2 , ⋯ , 𝐴𝑘 incompatibles dos a dos 𝐴𝑖 ∩ 𝐴𝑗 = ∅, entonces
𝑃 (𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑘 ) = 𝑃 (𝐴1 ) + 𝑃(𝐴2 ) + ⋯ + 𝑃(𝐴𝑘 )
4. Dados dos sucesos 𝐴 y 𝐵 cualesquiera se tiene que 𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) −
𝑃(𝐴 ∩ 𝐵)
Según el gráfico tenemos que:
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴 − 𝐵) + 𝑃(𝐵 − 𝐴) + 𝑃(𝐴 ∩ 𝐵)
Por otro lado sabemos que:
𝑃 (𝐴) = 𝑃 (𝐴 − 𝐵) + 𝑃(𝐴 ∩ 𝐵)
𝑃 (𝐵) = 𝑃(𝐵 − 𝐴) + 𝑃(𝐴 ∩ 𝐵)
Entonces
𝑃 (𝐴 − 𝐵) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)
𝑃 (𝐵 − 𝐴) = 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
Sustituyendo 𝑃(𝐴 − 𝐵) y 𝑃(𝐵 − 𝐴) en la primera expresión tenemos:
𝑃 (𝐴 ∪ 𝐵) = 𝑃(𝐴) − 𝑃 (𝐴 ∩ 𝐵) + 𝑃 (𝐵) − 𝑃(𝐴 ∩ 𝐵) + 𝑃(𝐴 ∩ 𝐵)
→ 𝑃 (𝐴 ∪ 𝐵 ) = 𝑃 ( 𝐴 ) + 𝑃 (𝐵 ) − 𝑃 ( 𝐴 ∩ 𝐵 )∎

Probabilidad condicionada
Si se tira un dado y sabemos que la probabilidad de que salga un 2 es 1⁄6 (probabilidad a
priori). Si incorporamos nueva información (por ejemplo, alguien nos dice que el resultado ha
sido un número par) entonces la probabilidad de que el resultado sea el 2 ya no es 1⁄6.
Dados dos sucesos 𝐴 y 𝐶 , se llama 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐴 𝑐𝑜𝑛𝑑𝑖𝑐𝑖𝑜𝑛𝑎𝑑𝑎 𝑎 𝐶 y se escribe
𝑃(𝐴|𝐶) a la probabilidad de que ocurra el suceso 𝐴 sabiendo que ha ocurrido el suceso 𝐶.
Mide la proporción de veces que ocurre 𝐴 de entre las veces que ocurre 𝐶.
𝑃(𝐴 ∩ 𝐶)
𝑃 (𝐴 |𝐶 ) =
𝑃(𝐶)
Es decir: 𝑃 (𝐴 ∩ 𝐶 ) = 𝑃(𝐶) ∙ 𝑃(𝐴|𝐶) o bien 𝑃 (𝐴 ∩ 𝐶 ) = 𝑃(𝐶) ∙ 𝑃(𝐶|𝐴).
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

Sucesos independientes y dependientes

Dos sucesos son independientes si la ocurrencia de uno de ellos no modifica la probabilidad
de ocurrencia del otro. En caso contrario se dice que son dependientes.
Ejemplos sucesos independientes
 Probabilidad de que al lanzar dos dados se obtenga un 6 en el primero y “par” en el
segundo.
 Probabilidad de que al extraer con reemplazamiento dos cartas de una baraja sean
dos ases.
Ejemplos suceso dependiente.
 Probabilidad de que al extraer, sin reemplazamiento, dos cartas de una baraja sean
dos ases.
También podemos decir que dos sucesos 𝐴 y 𝐶 son independientes si 𝑃 (𝐴|𝐶 ) = 𝑃(𝐴) y
𝑃(𝐶 |𝐴) = 𝑃(𝐶).
Luego, para los sucesos independientes será: 𝑃 (𝐴 ∩ 𝐶 ) = 𝑃 (𝐴) ∙ 𝑃(𝐶 ).

Probabilidad total
El Teorema de la probabilidad total nos permite calcular la probabilidad de un suceso a
partir de probabilidades condicionadas:
Dados 𝑛 sucesos incompatibles dos a dos y tales que su unión sea el espacio muestral:
Es decir: 𝐴𝑖 ∩ 𝐴𝑗 = ∅ y 𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑛 = Ω.
Para cualquier suceso 𝑆 se cumple que:
𝑃(𝑆) = 𝑃(𝐴1 ) ∙ 𝑃(𝑆|𝐴1 ) + 𝑃 (𝐴2 ) ∙ 𝑃 (𝑆|𝐴2 ) + ⋯ + 𝑃(𝐴𝑛 ) ∙ 𝑃(𝑆|𝐴𝑛 )

Teorema de Bayes
El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se
posee nueva información. Desarrollado por el reverendo Thomas Bayes en el siglo XVII, el
teorema de Bayes es una extensión de lo que hemos aprendido hasta ahora acerca de la
probabilidad condicional.
Comúnmente se inicia un análisis de probabilidades con una asignación inicial, probabilidad a
priori. Cuando se tiene alguna información adicional se procede a calcular las probabilidades
revisadas o a posteriori. El teorema de Bayes permite calcular las probabilidades a posteriori
y es:
𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵|𝐴𝑖 )
𝑃 (𝐴𝑖 |𝐵) =
𝑃(𝐵)
Donde:
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

𝑃(𝐴𝑖 ): Probabilidad a priori.

𝑃(𝐵|𝐴𝑖 ): Probabilidad condicional.
𝑃(𝐵): Probabilidad total.
𝑃(𝐴𝑖 |𝐵): Probabilidad a posteriori.

Ejemplo: El parte meteorológico ha anunciado tres posibilidades para el fin de semana:

a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Según estos posibles estados meteorológicos, la posibilidad de que ocurra un accidente es la
siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no estábamos en la ciudad no
sabemos qué tiempo hizo (nevó, llovió o hubo niebla). El teorema de Bayes nos permite
calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 60%, nieve con
el 30% y niebla con el 10%).
Una vez que incorporamos la información de que ha ocurrido un accidente, las
probabilidades del suceso 𝐴 cambian: son probabilidades condicionadas
𝑃(𝐴|𝐵), que se denominan "probabilidades a posteriori".
Vamos a aplicar la fórmula:
𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵|𝐴𝑖 )
𝑃 ( 𝐴𝑖 | 𝐵 ) =
∑ 𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵|𝐴𝑖 )

a) Probabilidad de que estuviera lloviendo:

0,50 ∙ 0,20
𝑃 ( 𝐴𝑖 | 𝐵 ) = = 0,714
(0,50 ∙ 0,20) + (0,30 ∙ 0,10) + (0,20 ∙ 0,05)

La probabilidad de que efectivamente estuviera lloviendo el día del accidente (probabilidad a

posteriori) es del 71,4%.

b) Probabilidad de que estuviera nevando:

0,30 ∙ 0,10
𝑃 ( 𝐴𝑖 | 𝐵 ) = = 0,214
(0,50 ∙ 0,20) + (0,30 ∙ 0,10) + (0,20 ∙ 0,05)

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

0,20 ∙ 0,05
𝑃 ( 𝐴𝑖 | 𝐵 ) = = 0,071
(0,50 ∙ 0,20) + (0,30 ∙ 0,10) + (0,20 ∙ 0,05)
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

La probabilidad de que hubiera niebla es del 7,1%.

Combinatoria
La combinatoria es una herramienta que nos permite contar el número de situaciones que
se pueden dar al someter a un conjunto finito a las acciones de ordenar y/o elegir entre sus
elementos.

Vamos a contemplar 2 tipos de combinaciones: Sin repetición y con repetición.

Sin repetición
Los elementos que se someterán a las distintas acciones no pueden seleccionar más de una
vez. Es decir no pueden repetirse.
Permutaciones
Permutaciones de 𝑛 elementos: posibles ordenaciones de un conjunto de n elementos
distintos. Acción: ordenar.

𝑃𝑛 = 𝑛! = 𝑛 ∙ (𝑛 − 1) ∙ (𝑛 − 2) ∙ … ∙ 3 ∙ 2 ∙ 1

Se lee “factorial de n”. Por convenio 0! = 1.

Ejemplo: ¿Cuántos números de 4 cifras distintas pueden escribirse con los dígitos
2, 3, 5 𝑦 8?

4! = 4 ∙ 3 ∙ 2 ∙ 1 = 24 𝑛ú𝑚𝑒𝑟𝑜𝑠
Variaciones
Variaciones de 𝑛 elementos tomados de 𝑟 en 𝑟: posibles muestras ordenadas de 𝑟
elementos distintos que se pueden extraer de un conjunto de 𝑛 elementos (𝑟 ≤
𝑛). Acción: elegir con orden.
𝑛!
𝑉𝑛𝑟 = = 𝑛 ∙ (𝑛 − 1) ∙ (𝑛 − 2) ∙ … ∙ (𝑛 − 𝑟 + 1)
( 𝑛 − 𝑟 )!

𝑟 factores enteros consecutivos decrecientes a partir de 𝑛.

Ejemplo: En una carrera con 10 atletas, ¿de cuántas formas distintas podrían repartirse las
medallas de oro, plata y bronce?
3
𝑉10 = 10 ∙ 9 ∙ 8 = 720 𝑓𝑜𝑟𝑚𝑎𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎𝑠
Combinaciones
Combinaciones de 𝑛 elementos tomados de 𝑟 en 𝑟: posibles muestras sin orden de 𝑟
elementos distintos que se pueden extraer de un conjunto de 𝑛 elementos (𝑟 ≤
𝑛). Acción: elegir sin orden.
𝑛 𝑉𝑛𝑟 𝑛 ∙ (𝑛 − 1) ∙ (𝑛 − 2) ∙ … ∙ (𝑛 − 𝑟 + 1) 𝑛!
𝐶𝑛𝑟 = ( ) = = =
𝑟 𝑃𝑟 𝑟! 𝑟! (𝑛 − 𝑟)!
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

(𝑛𝑟) se lee “𝑛 𝑠𝑜𝑏𝑟𝑒 𝑟"

Ejemplo: En una reunión de 10 personas debe nombrarse una comisión formada por tres de
ellas. ¿Cuántas comisiones distintas podrían nombrarse?
10∙9∙8∙7! 10∙9∙8
(10
3
)= = = 120 𝑐𝑜𝑚𝑖𝑠𝑖𝑜𝑛𝑒𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑎𝑠.
7!∙3∙2∙1 3∙2∙1

Con repetición
Los elementos que componen los grupos que se someterán a los procesos de combinación
pueden estar repetidos o pueden elegirse más de una vez.
Permutaciones con repetición
Posibles ordenaciones de una secuencia de 𝑛 signos entre los que hay algunos repetidos
(uno se repite 𝑥 veces, otro 𝑦 veces, otro 𝑧 veces, etc.).
𝑛!
𝑃𝑅𝑛𝑥,𝑦,𝑧… =
𝑥!∙𝑦!∙𝑧!…

𝑛!
Notemos que, 𝑃𝑅𝑛𝑥,𝑛−𝑥 = 𝑥!∙(𝑛−𝑥)! = (𝑛𝑥)

Ejemplo: ¿Cuántos números distintos de 6 cifras se pueden escribir usando tres unos, dos
cincos y un ocho?
6!
𝑃𝑅63,2,1 = 3!∙2! = 60 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠

Variaciones con repetición

Variaciones con repetición de 𝑛 elementos tomados de 𝑟 en 𝑟: posibles muestras ordenadas
de 𝑟 elementos no necesariamente distintos que se pueden extraer de un conjunto de 𝑛
elementos.

𝑉𝑅𝑛𝑟 = 𝑛 ∙ 𝑛 ∙ … ∙ 𝑛 = 𝑛𝑟

Notemos que aquí puede ser 𝑟 > 𝑛

Ejemplo: ¿Cuántos números distintos de 6 cifras se escriben usando solamente las cifras 1, 5
y 8?

𝑉𝑅36 = 36 = 729 𝑛ú𝑚𝑒𝑟𝑜𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠

Combinaciones con repetición
Combinaciones con repetición de 𝑛 elementos tomados de 𝑟 en 𝑟: posibles muestras no
ordenadas de 𝑟 elementos no necesariamente distintos que se pueden extraer de un
conjunto de 𝑛 elementos.
𝑛+𝑟−1
𝐶𝑅𝑛𝑟 = ( )
𝑟
Notemos que aquí puede ser 𝑟 > 𝑛.
 I. S. F. D. R. N° 6018
Profesorado de Educación Secundaria en Matemática
Profesor: Maximiliano Luna
Probabilidad y Estadística – 3er Año

Ejemplo: Un banco ofrece un regalo a elegir entre 5 posibles regalos por cada cartilla. Un
señor que tiene tres cartillas en dicho banco ¿de cuántas formas puede elegir el lote de tres
obsequios si no le importa repetir regalos?

𝐶𝑅53 = (5+3−1
3
) = (73) = 35 𝑙𝑜𝑡𝑒𝑠