Tema 4: Probabilidad y variables aleatorias

4.1- Sucesos aleatorios.

Experimento aleatorio: Se define un experimento aleatorio como aquel que, al repetirlo en análogas
condiciones, jamás se puede predecir el resultado. Aquellos en los que se puede predecir el resultado se
llaman deterministas.

Espacio muestral: Llamamos espacio muestral de un experimento aleatorio al conjunto de todos los
resultados posibles de un experimento; lo denotamos por E.
Denotamos por |E| al número de elementos del espacio muestral.

4.2- Sucesos aleatorios.

Un suceso es cualquier subconjunto del espacio muestral. Tenemos los siguientes tipos de sucesos:

Sucesos elementales: Son los sucesos formados por un solo punto del espacio muestral; es decir,
los elementos que forman dicho espacio muestral .
Sucesos compuestos: Son los sucesos formados por más de un suceso elemental. Denotamos por
|A| al número de sucesos elementales del suceso compuesto A.
Suceso seguro: Es el que siempre se realiza, coincide con el espacio muestral E.
Suceso imposible: Es el que nunca se realiza, y se denota por ∅.

Operaciones con sucesos: Las operaciones entre sucesos son las operaciones con conjuntos:

Si A y B son dos sucesos, entonces A ∪ B es el suceso "se produce A o B".

Si A y B son dos sucesos, entonces A ∩ B es el suceso "se produce A y B".
Si A es un suceso, entonces A es el suceso contrario o complementario.
A − B = A ∩ B es el suceso "se produce A pero no B"

Propiedades:

A ∪ E = E , A ∩ E = A , A ∪ ∅ = A , A ∩ ∅ = ∅.
A = A.
Si A ⊆ B, se dirá que A está incluido en B y, entonces A ∪ B = B y A ∩ B = A.
Leyes de De Morgan: A ∪ B = A ∩ B , A ∩ B = A ∪ B.
Tema 4: Probabilidad y variables aleatorias 2/10

4.3- Definión clásica de probabilidad

Consideremos un experimento aleatorio donde los sucesos elementales tienen la misma posibilidad de
ocurrir. La probabilidad de un suceso cualquiera A se calcula a través de la regla de Laplace:

casos favorables a A |A|

P (A) = =
casos posibles |E|

4.4- Definión axiomática de probabilidad

La definición anterior de probabilidad no nos sirve en caso de que los sucesos elementales que forman el
espacio muestral no tengan la misma probabilidad. Vamos a definir a continuación la probabilidad como
una función caracterizada por tres axiomas:

Axiomas de Kolmogorov:

a) La probabilidad de cualquier suceso es no negativa: P (A) ≥ 0.

b) La probabilidad del suceso seguro es uno: P (E) = 1.
c) Si tenemos dos sucesos A y B incompatibles, esto es, que no pueden ocurrir a la vez (A ∩ B = ∅),
entonces
P (A ∪ B) = P (A) + P (B)

De los axiomas anteriores se obtienen las siguientes propiedades:

Propiedades:

P (A) = 1 − P (A).
P (∅) = 0.
Si A y B son dos sucesos tales que A ⊆ B, entonces P (A) ≤ P (B).
Si tenemos dos sucesos A y B no necesariamente incompatibles, entonces:

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

Esta última fórmula se puede generalizar en la llamada fórmula de inclusión-exclusión, por ejemplo,
para tres sucesos A, B y C se verificará que:

P (A ∪ B ∪ C) = P (A) + P (B) − P (A ∩ B) − P (A ∩ C) − P (B ∩ C) + P (A ∩ B ∩ C)

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 3/10

4.5- Probabilidad condicional

Si tenemos dos sucesos A y B, definimos la probabilidad de A condicionada a B y la denotamos mediante
P (A|B), del siguiente modo:

P (A ∩ B)
P (A|B) =
P (B)

De la fórmula anterior, se sigue que

P (B ∩ A)
P (B|A) = =⇒ P (A ∩ B) = P (A) · P (B|A)
P (A)

y que podemos generalizar en la llamada

Fórmula del producto o de la probabilidad compuesta: Si tenemos n sucesos A1 , A2 , . . . , An ,

entonces la probabilidad de que ocurran a la vez todos los sucesos es la siguiente:

P (A1 ∩ A2 ∩ · · · ∩ An ) = P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · · · P (An |A1 ∩ A2 ∩ · · · ∩ An−1 )

4.6- Teoremas de la probabilidad total y de Bayes

Teorema de la probabilidad total: Sean los sucesos A1 , A2 , . . . , An , incompatibles y tal que su

unión es el suceso seguro. Sea B un suceso cualquiera, entonces:

P (B) = P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + · · · + P (An ) · P (B|An )

Teorema de Bayes: Sean los sucesos A1 , A2 , . . . , An , incompatibles y tal que su unión es el suceso
seguro. Sea B un suceso cualquiera, entonces:

P (Aj ∩ B) P (Aj ∩ B)
P (Aj |B) = =
P (B) P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + · · · + P (An ) · P (B|An )

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 4/10

4.7- Independencia de sucesos

Sucesos independientes: Se dice que dos sucesos A y B son independientes si P (A|B) = P (A) y
P (B|A) = P (B).
Entonces, se cumple que:

P (A ∩ B)
= P (A) =⇒ P (A ∩ B) = P (A) · P (B)
P (B)

Para que tres sucesos A, B y C sean independientes se tiene que verificar lo siguiente:

a) P (A ∩ B) = P (A) · P (B), P (A ∩ C) = P (A) · P (C), P (B ∩ C) = P (B) · P (C).

b) P (A ∩ B ∩ C) = P (A) · P (B) · P (C).

4.8- Variables aleatorias discretas

Concepto de variable aleatoria: Dado un experimento aleatorio, una variable aleatoria X es una
función que asocia valores numéricos a cada uno de los sucesos del experimento.
las variables aleatorias se pueden clasificar en:

Variables discretas: son las que toman un valor numerable de valores.

Variables continuas: son las que pueden tomar todos los valores posibles dentro de un intervalo de
la recta real.

Función de probabilidad de una variable discreta: Si X es una v.a. discreta que toma los valores
{x1 , x2 , . . .} es la función que asigna a cada valor su probabilidad, por tanto

pX (xi ) = P (X = xi )

Toda función de probabilidad verificará las siguientes propiedades:

a) P (X = xi ) ≥ 0.
b) P (X = x1 ) + P X = (x2 ) + · · · = 1.

Media y varianza de una variable discreta:

X
Media o esperanza: µ = E(X) = x1 · P (X = x1 ) + x2 · P (X = x2 ) + · · · = xi · P (X = xi ).
i
X
Varianza: σ 2 = Var(X) = x2i · P (X = xi ) − µ2 .
i

La esperanza de una variable discreta es la media de los valores que puede tomar dicha variable ponderados
por las probabilidades con las que los toma. La varianza y la desviación típica son medidas absolutas de la
dispersión de los valores de la variable respecto de su media, que permiten comparar su dispersión con la

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 5/10

de otras variables. Además, dan una medida de la representatividad de la esperanza como resumen global
de la distribución. Si la variable viene expresada en cierta unidad u, la varianza se expresa en u2 , es por
esto que se define la desviación típica como la raíz cuadrada de la varianza, que si viene medida en las
mismas unidades que la variable.

4.9- La distribución binomial

Distribución de Bernoulli: Se llama experimento de Bernoulli a cualquier experimento aleatorio en

el que sólo se atiende a la realización de un determinado suceso A , que llamamos éxito, o la de su
complementario, llamado fracaso. Si P (A) = p y p(A) = 1 − p = q, la variable aleatoria X que indica si
ocurre un éxito, es decir:

(
1 si se verifica A
X=
0 si se verifica A
se dice que es una variable con distribución de Bernoulli de parámetro p.

Distribución Binomial: Si se realizan n repeticiones independientes de un mismo experimento de Ber-

noulli (donde en cada repetición sólo se puede producir éxito o fracaso) con la misma probabilidad de
éxito p en cada una de las repeticiones. La variable aleatoria X, que contabiliza el número de éxitos en las
n repeticiones se dice que sigue una distribución binomial de parámetros n y p. Su función de probabilidad
es:

!
n
P (X = k) = pk q n−k para k = 0, 1, 2, . . . , n.
k

Madia y varianza de la distribución binomial:

Media: µ = np.
Varianza: σ 2 = npq.

4.10- La distribución normal y el teorema central del límite

La distribución binomial se puede aproximar a una distribución continua, llamada distribución normal,
cuando el número de repeticiones es muy alto. Esta distribución es típica de muchos experimentos, en
especial de aquellos donde intervienen muchas causas, cada una de las cuales produce un pequeño efecto,
y que pueden suponerse independientes. El nombre de "normal"tiene solamente carácter histórico, ya que
inicialmente se pensó que todas las distribuciones eran de este tipo y todas las demás debían considerarse
anormales.

Función de densidad de la distribución normal: Toda distribución continua está caracterizada por
una función de densidad. En el caso de la distribución normal, la función de densidad es la llamada
campana de Gauss, cuya expresión es:

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 6/10

1 1 x−µ 2
f (x) = √ e− 2 ( σ )
σ 2π
y se dirá que la variable X sigue una distribución normal de parámetros mu y σ. Estos parámetros
corresponden a la media y la desviación típica de la distribución. Para indicar que una v.a.a X sigue esta
distribución escribiremos X → N (µ, σ).
La función de densidad de una v.a. continua nos permite calcular probabilidades, ya que la probabilidad
P (a ≤ X ≤ b) es igual al área delimitada por la gráfica de la función de densidad entre las rectas verticales
x = a y x = b.

Distribución normal tipificada: En el caso en que mu = 0 y σ = 1, es decir, cuando la media sea 0 y

la desviación típica sea 1, tendremos una variable tipificada. Una v.a. Z seguirá una distribución normal
tipificada o normal estándar, y lo denotaremos por Z → N (0, 1), si su función de densidad es

1 z2
f (z) = √ e− 2
2π

Gráfica de la función de densidad de la normal tipificada

La normal tipificada está tabulada, de modo que los valores de las probabilidades P (Z ≤ z) se pueden
X −µ
encontrar en dichas tablas. Además, si X es una v.a. con distribución N (µ, σ), la variable Z =
σ
sigue una distribución N (0, 1), a este proceso de restar la media y dividir entre la desviación típica
se denomina tipificación de la variable. Mediante esta tipificación podemos calcular probabilidades con
cualquier distribución normal.

Teorema central del límite: La distribución normal describe con precisión multitud de fenómenos
aleatorios de la naturaleza y de las ciencias sociales. Su importancia se revela en el llamado Teorema
Central del Límite, según el cual toda variable aleatoria que es resultado de una suma de un número
elevado de variables o causas independientes se distribuye aproximadamente como una normal. Aplicación
inmediata de este resultado es que si X es una variable binomial de parámetros n y p, yn es suficientemente
grande, X puede descomponerse como suma de n variables de Bernoulli independientes que sigue una
distribución aproximadamente normal. Este es el llamado Teorema de De Moivre.

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 7/10

Ejercicios del tema 4

1.- Se extrae una carta de una baraja de 40 cartas. Calcular las probabilidades de extraer:
a) Una figura.
b) Un oro o una copa.
c) Un basto o un rey.
d ) Un as que no sea de oros.

2.- Se lanza un dado dos veces. Calcular la probabilidad de que en la segunda tirada se obtenga un número
al menos dos unidades mayor que el de la primera.

3.- Se lanzan tres dados simultáneamente. ¿Es más probable obtener una suma de nueve puntos o una suma
de diez puntos?

1 1
4.- Los estudiantes A y B tienen respectivamente probabilidades 2 y 5 de suspender un examen. La probabi-
1
lidad de que suspendan el examen simultáneamente es de 10 . Determinar la probabilidad de que al menos
uno de los dos estudiantes suspenda el examen.

5.- Lanzamos una moneda tres veces. Consideremos los sucesos A = ”salen al menos dos cruces", B = ”aparece
alguna cara". Determinar P (A ∩ B), P (A ∪ B) y P (A).

6.- Se tiene una moneda trucada, en la que la probabilidad de obtener cara es el triple que la de obtener cruz.
Se pide:

a) Calcular las probabilidades de obtener cara y cruz.

b) Si se lanza dos veces la moneda, calcular la probabilidad de obtener dos caras.

7.- Se lanzan dos dados al aire y la suma de los puntos obtenidos es 6. Calcular la probabilidad de que en
uno de los dados aparezca un 1.

8.- Se lanzan dos dados al aire y en uno de los dados aparece un 1. Calcular la probabilidad de que la suma
de los puntos obtenidos sea 6.

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 8/10

9.- Se hacen dos lanzamientos de un dado. Si en el primer lanzamiento sale un 2, ¿qué es más probable, que
la suma de las puntuaciones sea un número par o que tal suma sea impar?

10.- Una urna contiene 10 bolas rojas, 8 bolas negras y 6 bolas blancas. Se efectúan dos extracciones sucesivas
sin devolución. Calcula las probabilidades de que:

a) Las dos sean blancas.

b) Una sea blanca y la otra roja.
c) Alguna sea blanca.
d ) Ninguna sea blanca.

11.- Una urna contiene diez bolas blancas y diez bolas negras. Se extrae una bola, se mira de que color es,
y se devuelve a la urna junto con dos bolas del mismo color. Luego se vuelve a efectuar otra extracción.
Calcular las probabilidades de que:

a) Las dos sean blancas.

b) Alguna sea blanca.
c) Ninguna sea blanca.
d ) Calcula la probabilidad de que la primera bola extraída fuese blanca si la segunda ha sido blanca.

12.- En su camino al trabajo una persona pasa por tres semáforos cada mañana. Los semáforos operan
independientemente. La probabilidad de una luz roja es 0′ 4, 0′ 8 y 0′ 5, respectivamente, para cada uno de
los tres semáforos. Se pide:

a) Probabilidad de que la persona encuentre los tres semáforos en rojo.

b) Probabilidad de que encuentre en rojo uno de ellos y los otros dos en verde.

13.- En una caja hay x bolas blancas y una bola roja. Al extraer de la caja dos bolas al azar sin reemplazamiento,
la probabilidad de que las dos sean blancas es 12 . Calcular el número de bolas blancas que debe tener la
caja.

14.- Un médico ha observado que el 40 % de sus pacientes fuma, y de estos, el 75 % son hombres. Entre los que
no fuman, el 60 % son mujeres. Calcula la probabilidad de que:

a) Un paciente no fumador sea hombre.

b) Un paciente sea hombre fumador.
c) Un paciente sea mujer.

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 9/10

15.- Una caja contiene dos monedas, una de las monedas es corriente mientras que la otra tiene dos caras. Se
elige una moneda al azar y se lanza. Calcular la probabilidad de que salga cara.

16.- En una clase el 45 % de los alumnos son chicos, el 55 % de los chicos han aprobado todas las asignaturas y
el 60 % de las chicas también han aprobado todo. Si se escoge una persona al azar, calcular la probabilidad
de que haya aprobado todo. Calcular también la probabilidad de que sea una chica, si sabemos que ha
aprobado todo.

17.- Se tienen tres urnas: La urna I tiene dos bolas blancas y tres negras; la urna II, dos blancas y cinco negras;
y la urna III, tres blancas y cuatro negras. Se selecciona una urna aleatoriamente, de la que se extrae una
bola, observándose que es negra. ¿Cuál es la probabilidad de haber escogido la urna II?.

18.- En un cierto edificio se usan dos ascensores; el primero lo usan el 45 % de los inquilinos, y el resto usan el
segundo. El porcentaje de fallos del primero es del 5 %, mientras que el del segundo es del 8 %. Si un cierto
día un inquilino queda atrapado en un ascensor, calcular la probabilidad de que haya sido en el primero.

19.- Sean A y B dos sucesos independientes de un cierto experimento aleatorio, tales que la probabilidad de
1
que ocurran ambos simultáneamente es 3 y la de que no ocurra ninguno es 16 . Calcular P (A) y P (B).

20.- Sean A, B y C tres sucesos tales que A y B son disjuntos, A y C son independientes, y B y C son
1 1
independientes. Además sabemos que P (A) = 3 , P (B) = 4 y P (C) = 61 . Calcular

a) La probabilidad de que ocurra uno, y solo uno, de los sucesos.

b) La probabilidad de que no ocurra ninguno.

21.- Sean A y B dos sucesos tales que P (B) = 31 , P (A ∩ B) = 1

5 y P (A|B) = 41 . Calcular P (A ∪ B).

22.- Sean A y B dos sucesos con probabilidades P (A) = 0, 5, P (B) = 0, 3 y P (A ∩ B) = 0, 1. Calcular las
probabilidades siguientes:

a) P (A|B).
b) P (A|A ∩ B).
c) P (A ∩ B|A ∪ B).
d ) P (A|A ∪ B).

23.- Lanzamos tres monedas y definamos la variable X como la diferencia entre el número de caras y el número
de cruces obtenidas.

a) Determinar la función de probabilidad de esta variable.

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti
Tema 4: Probabilidad y variables aleatorias 10/10

b) Calcular la media, varianza y desviación típica de la variable.

24.- De una urna que contiene 3 bolas negras y una bola blanca se van efectuando extracciones hasta que
conseguimos extraer la bola blanca. Sea X la variable que contabiliza el número de bolas extraídas hasta
que aparece dicha bola blanca.

a) Determinar la función de probabilidad de esta variable.

b) Calcular la media, varianza y desviación típica de la variable.

25.- Lanzamos 10 veces un dado de seis caras.

a) Calcula la probabilidad de haber obtenido exactamente tres veces un 2.

b) Calcula el número esperado de veces que se obtiene un 2.

26.- Un examen tipo test consta de 10 preguntas, cada una con cuatro respuestas, de las cuales solo una es
correcta. Si un alumno contesta al azar:

a) ¿Cuál es la probabilidad de que conteste correctamente 4 preguntas?

b) ¿Cuál es la probabilidad de que conteste bien más de 2 preguntas?
c) Calcula la probabilidad de que conteste mal a todas las preguntas.

27.- La talla media de los 200 alumnos de un centro escolar es de 165 cm, y la desviación típica, 10 cm. Si las
tallas se distribuyen normalmente, calcula la probabilidad de que un alumno elegido al azar mida más de
180 cm. ¿Cuántos alumnos puede esperarse que midan más de 180 cm?

28.- Una moneda se lanza 400 veces. Calcula la probabilidad de que el número de caras:

a) Sea mayor que 200.

b) Esté entre 180 y 220.

29.- El 20 % de los alumnos con mejor nota de una escuela pueden acceder a estudios superiores. Sabemos que
las notas medias finales en esa escuela se distribuyen normalmente con media 5,8 y desviación típica 2.
¿Cuál es la nota media mínima que debe obtener un alumno si quiere hacer estudios superiores?

30.- El 7 % de las personas padecen un pequeño defecto anatómico de origen genético. En una empresa trabajan
80 personas. ¿Cuál es la probabilidad de que haya más de 10 con ese defecto?

Jose Ma Lorenzo Magán Curso 24/25

I.E.S. Domenico Scarlatti