ANALISIS COMBINATORIO

OBJETIVOS:
 proporcionar los fundamentos de las probabilidades
y su aplicación para procesos estadísticos

 Utilizar las propiedades conjuntistas para el

planteamiento del problema.

ANALISIS COMBINATORIO :
Es parte de la matemática que estudia sistemáticamente las distintas
Ordenaciones de los diferentes elementos de un conjunto dado cundo se

forman grupos de un grado determinado.

1
 ANALISIS COMBINATORIO

PRINCIPIO FUNDAMENTAL :

“ Si cierta selección de ordenación de objetivos puede realizarse de “ m ”

maneras diferentes y otra selección puede efectuarse de “ n “ maneras
distintas , ambas selecciones , se pueden producir de “ m x n “ maneras
diferentes.

Ejemplo 1 :
Si un partido político tiene 3 candidatos a la presidencia y 5 candidatos a
la vicepresidencia , El número de parejas distintas de candidatos para
ambos cargos se formaran de 3 x 5 = 15 formas.

2
 ANALISIS COMBINATORIO

PRINCIPIO FUNDAMENTAL :
Ejemplo 2 :
Si Carlos tiene 3 camisas de vestir y 4 pantalones ¿ Cuáles y cuántos
serian las diferentes formas que tendrá para vestirse con dichas prendas?

Solución:
P1 P1
P1
P2
P2 P2
C1 C2 C3
P3 P3
P3
P4 P4 P4
4 formas 4 formas 4 formas

Luego tendremos : 3 x 4 = 12 formas de vestirse.

3
 ANALISIS COMBINATORIO

FACTORIAL DE UN NÚMERO:
Dado un número natural “ n” ; el factorial de n, denotado por :

n! Se leen factorial de n y se define así:

n! = n (n – 1) (n – 2) ( n – 3) .........x3 x2 x 1

Ejemplo:

3! =3x2x1

6! =6 x 5 x 4 x 3 x 2 x 1

Nota :
Decir factorial de 0 o factorial de 1 ; no tiene sentido ; se
considera que 0! = 1

4
 ANALISIS COMBINATORIO

ORDENACIÓN DE ELEMENTOS:
Se pueden ordenar de diferentes clases:

Clases de ordenación:

a. Por el número de elementos:

- Monaria : 1 elemento
- Binaria : 2 elementos
- Ternaria : 3 elementos

b. Por la disposición de sus elementos :

- Lineal : Sus elementos están uno a continuación de
otros
- Circular : Sus elementos se disponen en un
contorno cerrado.

5
 ANALISIS COMBINATORIO

ORDENACIÓN DE ELEMENTOS:

Clases de ordenación:

c. Por la clase de elementos :

- Sin repetición : Elementos distintos
- Con repetición : Se repite algún elemento

d. Por la forma de ordenación :

- variaciones
- Permutaciones
- Combinaciones.

6
 ANALISIS COMBINATORIO

PERMUTACIONES:

Sea “ n ” el número de elementos de un conjunto A y “ r ” un

número natural donde 0 < r  n ; las permutaciones se
definen como el número de ordenaciones diferentes que
se pueden formar con los elementos del conjunto A ,
tomando en grupos de “ n ” en “ n ” o de “ r ” en “ r ”
pueden
ser sin repetición o con repetición.

7
 ANALISIS COMBINATORIO

Permutaciones sin repetición:

a) De “ n ” elementos diferentes tomados todos a la vez :

Si “ n ” es el número de elementos de un conjunto A; el número de

permutaciones que pueden hacerse con todos los “ n ” elementos
se obtiene así:

P(n, n)  n!
Ejemplo
De un conjunto A = { x ,y , z}. Hallar el número de permutaciones que
pueden formarse con todo los elementos de A.
Solución:
Como n = 3 , el número de permutaciones sin repetición será:

xyz yxz zxy

P(3,3)  3!  3 x 2 x 1  6
xzy yzx zyx
8
 ANALISIS COMBINATORIO

Permutaciones sin repetición:

b) De “ n ” elementos diferentes tomados de “ r ” en “ r ” con r < n

De “ n ” elementos diferentes , el número de permutaciones diferentes sin

repetición tomados de “ r ” en “ r ” está dado por:

n!
P(n, r) 
(n - r)!
Ejemplo
Si A = { a , b, c, d} . Cuantas ordenaciones diferentes pueden
formarse tomando grupos de a 2 ?

Solución:
n!
n=4 ; r=2 como: P(n, r) 
(n - r)!
4!
P(4,2)   4 x 3  12
2!
9
 ANALISIS COMBINATORIO
Ejemplo 1:
Supongamos que Alberto (A) , Beatriz (B) , Carlos ( C ) y Daniel (D) se
quieren Sentar en dos sillas disponibles. ¿de cuántas maneras diferentes
se puede ubicar ?

Silla I A A A B B B C C C D D D

Silla II B C D A C D A B D A B C

12 maneras diferentes

m! 4! 4! 4x3x2!
  P2     4x3  12
m 4
P n
(m  n)! (4  2)! 2! 2!
10
 ANALISIS COMBINATORIO

Ejemplo 2 :
De un conjunto de 5 libros , ¿Cuántos grupos de a 3 se podrán formar?

Solución.

Como m = 5 m m!
n=3 p 
n (m  n)!
5! 5 x 4 x 3 x 2 x1
Se tiene que :
P3    60
5

(5  3)! 2 x1
Ejemplo 3 :
Se tiene 5 libros de distintas materias . ¿De cuántos modos diferentes
podrán disponerse?
Solución.
5!
m=5
 P5  (5  5)!  5 x 4 x 3 x 2 x 1  120
5
n=5

11
 ANALISIS COMBINATORIO

Permutaciones sin repetición:

Ejemplo
Si A = { a , b, c, d} . Cuantas ordenaciones diferentes pueden
formarse tomando grupos de a 2 ?

Estas ordenaciones se pueden efectuar así: Para A= { a , b, c, d}

ordenando en grupos de a 2 serán:

ab ba ca da
ac bc cb db
ad bd cd dc

Nota:
1. Las permutaciones son variaciones o arreglos de “m” elementos
tomados de “ m ” en “ m ”
2. Las permutaciones se caracterizan porque intervienen todos , y
los grupos difieren solo en el orden en que están agrupados.

12
 ANALISIS COMBINATORIO

Permutaciones con repetición:

a) De “ n ” elementos diferentes tomados todos a la vez

P(n, n)  n n
Ejemplo
Cuantas permutaciones diferentes se pueden formar con los
elementos de { x , y , z} tomados todos a l a vez y con repetición.
Solución.
A = { x , y , z} ; n = 3 y P(n, n)  n n

P(3,3)  33  27

13
 ANALISIS COMBINATORIO

Permutaciones con repetición:

b) De “ n ” elementos diferentes tomados de “ r ” en “ r ” ( r < n ) y con

repetición.
Esta dado por:
P(n, r)  n r
Ejemplo
Cuántos números diferentes de 2 cifras pueden formarse con
los dígitos 1 , 2 , 3 , 4 , si se permite la repetición.

Solución:
n=4 ; r=2 ; P(n, r)  n r
11 21 31 41
P(4,2)  42  16 12 22 32 42
13 23 33 43
14 24 34 44

14
 ANALISIS COMBINATORIO

LAS COMBINACIONES :

Las combinaciones son las diferentes grupos de “n” elementos que se

pueden formar tomándolos de “ r ” en “ r ” , donde 0 < r  n ; de modo
que cada grupo difiere del otro en por lo menos un elemento.

En las combinaciones sólo se tiene en cuenta los elementos que

intervienen en ellas y no en el orden en que están agrupados la fórmula
correspondiente es:

n!
C(n, r) 
r!(n  r)!

También se denota así :    C(n, r)  r!(nn! r)!

n
r

15
 ANALISIS COMBINATORIO

LAS COMBINACIONES :

Ejemplo:
De un grupo de 10 libros ¿Cuántas selecciones de 4 libros se pueden
hacer?
Solución:
n = 10 ; r = 4

n! Se tiene:
Como: C(n, r) 
r!(n  r)!
10! 10!
C(10,4)  
4! (10  4)! 4!6!
10! 10 x 9 x 8 x 7 x 6! 10 x 9 x 8 x 7
   210
4!6! 4! . 6! 4 x 3 x 2 x1
16
 ANALISIS COMBINATORIO

LAS COMBINACIONES :

Ejemplo:
En una clínica hay 7 médicos y 12 enfermeras , ¿Cuántos grupos de
trabajo conformado por 3 médicos y 5 enfermeras pueden formarse?
Solución:
a. De un total de 7 médicos , formaremos grupos de a 3
n=7 ; r=3
7! 7! 7x6x5
C(7,3)     35
3! (7 - 3)! 3!.4! 3 x 2 x 1
b. De un total de 12 enfermeras, formamos grupos de a 5
n = 12 ; r = 5
12! 12x11x10x9 x8
C(12,5)    792
5!.7! 5x4x3x2x1
Luego; se podrán formar un total de 792 x 35 = 27 720 grupos
diferentes.
17
 ANALISIS COMBINATORIO

PROPIEDADES PRINCIPALES DE LAS COMBINACIONES :

n 
1. C ( n , r)  C   
n
r
 r
n 
2. C ( n , r)     1, si r  n
 r
n 
3. C ( n , 1)     n
 1
 n  n 
4. C ( n , n -r)      
 n -r  r 
 n   n   n 1 
5.        
 r   r - 1  r 
18
 ANALISIS COMBINATORIO
Ejemplo

m
Hallar el valor de “m” , si    12m
 3
Solución:
m m!
   12m   12m
 3 3! (m - 3)!
m(m - 1)(m - 2)(m - 3)! m(m  1)(m  2)
 12m   12m
3! (m  3)! 3x2
(m - 1)(m - 2)  72  m 2  3m  2  72
 m 2  3m - 70  0  (m - 10) (m  7)  0  m  10

19
 ANALISIS COMBINATORIO
Ejemplo

Un estudiante tiene que contestar 8 de 10 preguntas en un examen.

a. ¿ De cuántas maneras puede el estudiante escoger las 8 preguntas ?
b. Si las 3 primeras son obligatorias , ¿ de cuantas maneras puede
escoger las preguntas?
C. Si tiene que contestar 4 de las 5 primeras ¿ de cuántas formas
puede hacerlo?
Solución:
a. Como interesa subconjuntos de 8 preguntas de un conjunto de 10
preguntas sin importar el orden estaría dado por:

n!
C(n, r) 
r!(n  r)!
10! 10! 10 x 9x 8!
C(10,8)     45 formas
8! (10  8)! 8! 2! 8! x 2x1
20
 ANALISIS COMBINATORIO

Solución:

b. Puesto que las 3 primeras son obligatorias ; las 5 restantes tendrá

que escoger de las 7 preguntas sobrantes.

n!
C(n, r) 
r!(n  r)!
7! 7! 7 x 6 x 5!
C(7,5)     21 formas
5! (7  5)! 5! 2! 5! x 2x1
c. Si tiene que contestar 4 de las 5 primeras lo haría:
5!
C(5,4)   5 maneras
4! .1!
Las 4 preguntas restantes seleccionará de las 5 preguntas finales.
C(5,4)  5 maneras
Luego : C(5 , 4) . C(5 , 4) = 5 x 5 = 25
21
 ANALISIS COMBINATORIO
Ejemplo

Encontrar el número total de enteros positivos que pueden formarse

utilizando los dígitos { 1 , 2 , 3 , 4 } si ningún dígito ha de repetirse
cuando se forma un número:
n!
Solución: P(n, r) 
(n  r)!
4!
P(4,1)  4
3! El número de enteros positivos
4! 4!
P(4,2)    12 diferentes es :
(4  2)! 2! 4 + 12 + 24 + 24 = 64

4! 4!
P(4,3)    4 x 3 x 2 x1  24
(4  3)! 1!
4! 4!
P(4,4)    4 x 3 x 2 x1  24
(4  4)! 0!
22
 ANALISIS COMBINATORIO
Problemas

1. En una carrera de caballos, participan 6 de estos ejemplares.

¿De cuántas maneras podrán ocupar los primeros 3 puestos ?.

A) 120 B) 180 C) 60 D) 240 E) 20

Solución:

n!
P(n, r) 
(n  r)!
6! 6! 6 x5 x 4 x3!
P(6,3)     120
(6  3)! 3! 3!

23
 ANALISIS COMBINATORIO
Problemas

2. Un entrenador de fútbol tiene 16 jugadores . De cuántas maneras

podrá formar su equipo . Si cualquiera de los jugadores , puede
desempeñarse en cualquier puesto? Además se sabe que un jugador
no puede jugar por estar lesionado.

A) 1356 B) 1365 C) 1500 D) 3003 E) 1615

Solución:

n!
C(n, r) 
r!(n  r)!
15! 15x14x13x1 2x11!
C(15,11)    1365
11! 4! 11! x4x3x2x1

24
 ANALISIS COMBINATORIO
Problemas

3. En un mercado venden 6 tipos diferentes de frutas y 8 tipos

diferentes de verduras . ¿ De cuántas maneras una señora podrá
comprar 3 tipos diferentes de frutas y dos tipos de verduras?

A) 280 B) 48 C) 560 D) 140 E) 96

Solución:
n!
C(n, r) 
r!(n  r)!
6! 6x5x4x3!
C(6,3)    20
3! 3! 3! x3x2x1
8! 8x7x6!
C(8,2)    28
2! 6! 6! x2x1
Luego. 20 x 28  560 25
 ANALISIS COMBINATORIO
Problemas

4. Se debe formar una comisión de tres profesionales : un abogado , un

Ingeniero y un médico ¿ Cuántas posibilidades de formar dicha
comisión hay ? . Si se cuentan con tres abogados , cuatro ingenieros
y seis médicos.

A) 13 B) 72 C) 48 D) 36 E) 18

Solución:

n!
C(n, r) 
r!(n  r)!
3! 4! 6!
C(3,1) . C(4,1).C(6 ,1)     3x4x 6  72
1! 2! 1! 3! 1! 5!

26
 ANALISIS COMBINATORIO
Problemas

5. Un equipo de Investigación consta de 10 integrantes ; de ellos , 4

son Biólogos. ¿ Cuántos grupos de 3 miembros se pueden formar de
manera que se considere a por lo menos un Biólogo?

A) 100 B) 140 C) 85 D) 220 E) 240

Solución:
n!
C(n, r) 
r!(n  r)!
10! 10x9x8x7!
C(10,3)    120
3! 7! 3x2x1x7!
El número de grupos de 3 miembros en los que no hay Biólogo :
6! 6x5x4x3!
C(6,3)    20
3! 3! 3x2x1x3!
El grupo solicitado es : 120 - 20 = 100
27
 PROBABILIDADES

EXPERIMENTO ALEATORIO:

Un experimento aleatorio o estadístico es cualquier experimento u

operación cuyo resultado no puede predecirse con exactitud antes de
realizarse el experimento.

Ejemplos:

o Lanzar una moneda y observar si sale cara.

o Lanzar un dado y observar el número que aparece en
la cara superior.
o De un lote de bombillas de luz , extraer uno que sea
defectuoso.

28
 PROBABILIDADES

ESPACIO MUESTRAL:

Es el conjunto formado por todo los resultados posibles del experimento

aleatorio. Denotaremos por la notación  (omega) o con la letra S

Ejemplos:

1. Para el lanzamiento de un dado, el espacio muestral es:

={1,2,3,4,5,6}
Porque un dado tiene 6 caras y de lanzarlo cualquiera de
ellas puede quedar arriba.

2. En el lanzamiento de una moneda , el espacio muestral es:

 = { cara , sello }

29
 PROBABILIDADES

ESPACIO MUESTRAL:
Ejemplos:

3. En el lanzamiento de una moneda dos veces , su espacio

muestral es:
 = { CC , CS , SC , SS }
Este espacio muestral se puede obtener con el diagrama del árbol

C CC
C
S CS

C SC
S
S SS

30
 PROBABILIDADES

SUCESO O EVENTOS

Se llama suceso o evento , cualquier subconjunto del espacio

muestral  . A los sucesos generalmente se les denota por letras
mayúsculas , tales como A , B , C, etc.

Entonces : A es un suceso  A  
Relacionando con la teoría conjuntista al espacio muestral  se le
llama el universo y el    ; luego:
 (universo) se llama suceso seguro.
 (nulo) se llama suceso imposible.

31
 PROBABILIDADES

SUCESO O EVENTOS
Ejemplo:
En el lanzamiento de una moneda, tres veces podemos enunciar
los siguientes sucesos:
A = Se obtiene exactamente una cara.
B = se obtiene por lo menos dos caras
 = { CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS }

C CCC
C Exactamente una cara
S CCS
C C CSC A = { CSS , SCS SSC }
S
S CSS
Se obtiene por lo menos dos
C SCC caras
C
S SCS B = { CCC , CCS CSC , SCC }
S
C SSC
S
S SSS 32
 PROBABILIDADES

SUCESOS MUTUAMENTE EXCLUYENTES

Sabemos que si A y B son conjuntos disjuntos, entonces A  B = 

Por lo tanto :
A y B son dos sucesos que no pueden ocurrir a la vez, entonces, se
dice que son mutuamente excluyentes.
Ejemplo:

Sea el experimento aleatorio : El lanzamiento de dos dados. El espacio

muestral es:
 = { (1 , 1 ) (1 , 2) (1 , 3) (1 , 4) (1 , 5) (1 , 6)
(2 , 1 ) (2 , 2) (2 , 3) (2 , 4) (2 ,5) (2 , 6)
(3 , 1 ) (3 , 2) (3 , 3)(3 , 4) (3 , 5) (3 , 6)
(4 , 1 ) (4 , 2) (4 , 3)(4 , 4) (4 , 5) (4 , 6)
(5 , 1 ) (5 , 2) (5 , 3)(5 , 4) (5 , 5) (5 , 6)
(6 , 1 ) (6 , 2) (6 , 3)(6 , 4) (6 , 5) (6 , 6) }

33
 PROBABILIDADES
SUCESOS MUTUAMENTE EXCLUYENTES
Ejemplo:
Sea el experimento aleatorio : El lanzamiento de dos dados. El espacio
muestral es:
 = { (1 , 1 ) (1 , 2) (1 , 3) (1 , 4) (1 , 5) (1 , 6)
(2 , 1 ) (2 , 2) (2 , 3) (2 , 4) (2 ,5) (2 , 6)
(3 , 1 ) (3 , 2) (3 , 3)(3 , 4) (3 , 5) (3 , 6)
(4 , 1 ) (4 , 2) (4 , 3)(4 , 4) (4 , 5) (4 , 6)
(5 , 1 ) (5 , 2) (5 , 3)(5 , 4) (5 , 5) (5 , 6)
(6 , 1 ) (6 , 2) (6 , 3)(6 , 4) (6 , 5) (6 , 6) }

Sean los sucesos :

Suceso A : Obtener una suma igual a 6 Entonces :
A = {(1 , 5 ) (5 , 1) (2 , 4) (4 , 2) (3 , 3) }
Suceso B : Obtener una suma igual a 5
B = {(1 , 4 ) (4 , 1) (2 , 3) (3 , 2) }
A  B =  Luego A y B son mutuamente excluyentes.
34
 PROBABILIDADES
SALGUNAS PROPIEDADES CONJUNTISTAS
1. Ley de la idempotencia
AA  A
AA  A
2. Ley conmutativa
A B  BA
A B  BA
3. Ley asociativa
(A  B)  C  A  (B  C)  A  B  C
(A  B)  C  A  (B  C)  A  B  C

4. Ley distributiva
A  ( B  C)  ( A  B)  (A  C)
A  ( B  C)  ( A  B)  (A  C)

5. Ley D’ Morgan
(A  B)'  A'  B'
(A  B)'  A'B'

35
 PROBABILIDADES
ALGUNAS PROPIEDADES CONJUNTISTAS
6. Ley del complemento

A  A'  U
A  A'  
(A' )'  A
U'   ( complement o de un suceso seguro)
   U (complemen to del suceso imposible)

7. Ley de identidad

A   A
AU  U
A   
AU  A

36
 PROBABILIDADES
PROBABILIDAD DE UN SUCESO

Sea el suceso o evento A del espacio muestral  ; la probabilidad de A

denotada por P(A) es la razón entre el número de resultados favorables
al suceso A y el número total de resultados del espacio muestral.

n(A) nº de casos favorables

P(A)  P(A) 
n   nº de casos posibles
Ejemplo 1 :
¿Cuál es la probabilidad de obtener un número par , cuando se tira un dado?
Solución:

Experimento aleatorio: Lanzamiento de un dado

= {1 , 2 , 3 , 4 , 5 , 6} ; n() = 6

Suceso A : Obtener un número par: A = { 2 , 4 , 6 }  n(A) = 3

n(A) 3 1
Luego P(A)    P(A)   0.5
n   6 2
37
 PROBABILIDADES
PROBABILIDAD DE UN SUCESO

Ejemplo 2 :
Si se lanza una moneda tres veces ¿Cuál es la probabilidad de
a. Obtener exactamente dos caras ?
b. Al menos dos caras ?
c. ninguna cara?
Solución:
 = { CCC , CCS , CSC , CSS , SCC , SCS , SSC , SSS }  n() = 8

A : Exactamente dos caras .

n(A) 3
A = { CCS , CSC SCC }  P(A)    0.375
n   8
B : Al menos dos caras .
n(B) 4 1
B = { CCC , CCS , CSC , SCC }  P(B)     0.5
n   8 2
C : Ninguna cara . n(C) 1
 P(C)    0.125
C = { SSS} n   8
38
 PROBABILIDADES
AXIOMAS DE PROBABILIDAD

1. La probabilidad de un suceso A , toma valores entre 0 y 1 ;

es decir 0  P(A)  1 .

2. La probabilidad de un suceso seguro  es 1 P( ) = 1

3. Si un suceso A =  , A es un suceso imposible P(A) = 0

4. Si A y B son sucesos de  ; donde A  B =  ; entonces ,

la probabilidad de ocurrencia del suceso A  B es :

P (A  B) = P(A) + P(B)

39
 PROBABILIDADES
Ejemplo 1
Una caja contiene 4 bolas blancas y 6 negras. Si se extrae al
azar una bola ¿ Cuál es la probabilidad que la bola extraída
sea blanca?
Solución :

Experimento aleatorio: Extraer una bola de una caja que contiene 4

bolas blancas y 6 negras

 = { b1 , b2 , b3 , b4 , n1 , n2 , n3 , n4 , n5 , n6 }  n() = 10

Suceso A : Extraer una bola blanca

A = { b1 , b2 , b3 , b4 }  n(A) = 4

La probabilidad de extraer una bola blanca es:

n(A) 4 2
P(A)   P(A)    0.4
n Ω  10 5
40
 PROBABILIDADES
Ejemplo 2
La probabilidad de que no asistan a clase no menos de 8
estudiantes es 0.2 y la probabilidad de que no asistan a clase
no más de 5 estudiantes es 0.3 . Hallar la probabilidad de que
no asistan 6 ó 7 estudiantes.
Solución :
Sean los sucesos :
A : No asistan a clase no menos de 8 estudiantes
A = { 8 , 9 , 10 , .....................}
B: No asisten a clase no más de 5 estudiantes.
B={0,1,2,3,4,5}
C : No asisten a clase a 6 ó 7 estudiantes .
C={6,7}

Como A , B y C son mutuamente excluyentes donde

A  B  C =  (Universo) ; entonces:

P(A  B  C)  PΩ   P(A)  P(B)  P(C)  1

 0.2  0.3  P(C)  1
P(C)  1 - 0.5  P(C)  0.5
41
 PROBABILIDADES
TEOREMAS SOBRE PROBABILIDADES
1. Si  (Suceso imposible ) ; entonces P( ) = 0

2. Si A’ es un suceso complementario de A ; entonces P(A’) = 1 – P(A)

Esto se deduce de la siguiente relación :
Como A  A’ = 
A y A’ son sucesos excluyentes, por lo tanto:

P(A)  P(A' )  PΩ 

P(A)  P(A' )  1  P(A' )  1  P(A)

42
 PROBABILIDADES
TEOREMAS SOBRE PROBABILIDADES
3. Si A y B son sucesos no excluyentes (conjuntos no
comparables) ; se tiene que:
n(A  B)  n(A)  n(B) - n(A  B) ......... (1)

A B

Si la relación (1) dividimos por n( ) ; se tiene:

n(A  B) n(A) n(B) n(A  B)
  
n Ω  n Ω  n Ω  n Ω 
Por definición de probabilidades se tiene::

P(A  B)  P(A)  P(B) - P(A  B)

43
 PROBABILIDADES
TEOREMAS SOBRE PROBABILIDADES
Extendiendo para tres conjuntos no comparables. Se tiene que:

A B

P(A  B  C)  P(A)  P(B)  P(C) - P(A  B) - P(A  C) - P(B  C)  P(A  B  C)

44
 PROBABILIDADES

Ejemplo 1:

De un total de 200 estudiantes ; 120 están matriculados en Anatomía

y 90 en Biología; 50 en ambos cursos. Si se elige al azar uno de los

200 estudiantes, ¿Cuál es la probabilidad de que un estudiante

elegido esté matriculado en una de las asignatura?

Solución:

45
 PROBABILIDADES
Ejemplo 1:

Solución:

Espacio muestral: n( ) = 200

Suceso A : Seleccionar un alumno matriculado en Anatomía

120 3
n(A)  120  P(A)  
200 5
Suceso B : Seleccionar un alumno matriculado en Biología
90 9
n(B)  90  P(B)  
200 20
Suceso (A B) : Seleccionar un alumno matriculado en Anatomía y
Biología
50 1
n(A  B)  50  P(A  B)  
200 4
Como se sabe que : P(A  B)  P(A)  P(B) - P(A  B)
3 9 1 4
P(A  B)   -  P(A  B) 
5 20 4 5
46
 PROBABILIDADES
Ejemplo 2:
Halar la probabilidad de que en el lanzamiento de dos dados se
obtenga suma par, suma menor que 5 o ambos.

Solución:

Espacio muestral: n( ) = 36

Suceso A : Se obtenga suma par
A ={ (1,1) (1,3) (1,5) (2,2) (2,4) (2,6) (3 ,1) (3 ,3) (3,5) (4,2) (4,4) (4,6)
(5,1) (5,3)(5,5) (6,2) (6,4) (6,6) }
18
n(A)  18  P(A) 
36
Suceso B : Se obtenga suma menor que 5
B ={ (1,1) (1,2) (1,3) (2,1) (2,2) (3,1) }
6
n(B)  6  P(B) 
36 4
Suceso ambos : A B  n(A B ) = 4  P(A  B) 
36
18 6 4 20 5
P(A  B)  P(A)  P(B) - P(A  B)  P(A  B)     
36 36 36 36 9 47
 PROBABILIDADES
Ejemplo 3:

En un salón de clase de 40 alumnos, 30 de ellos postulan a la

universidad de San Marcos y 26 a la universidad de San Martín. Se
elige al azar un alumno de este salón. ¿Cuál es la probabilidad de que
sea un alumno que postula a ambas Universidades?

Solución:

Suceso A : Alumnos que postulan a San Marcos ; n(A) = 30

Suceso B : Alumnos que postulan a San Martín ; n(B) = 26
Suceso A  B : Alumnos que postulan a ambas universidades.

Sabemos que : n(A  B)  n(A)  n(B) - n(A  B)  40

n(A  B)  30  26 - n(A  B)  40  56  n(A  B)  40
n(A  B)  16
n(A  B) 16 2
P(A  B)     0.4
n () 40 5
48
 PROBABILIDADES
Ejemplo 4:

Con 7 ingenieros y 4 médicos se van formar comités de 6 miembros.

¿Cuál es la probabilidad que el comité incluya
a. Exactamente dos médicos?
b. A los sumo tres Ingenieros?

Solución:
11! 11x10x9x8x 7
Espacio muestral : n()  C(11,6)    462
6! 5! 5x4x3x2x1
Evento A : exactamente dos médicos

n(A)  C(4,2) xC(7,4)

4! 7!
n(A)    n(A)  210
2! . 2! 4!.3!
n(A) 210
 P(A)    0.4545
n   462

49
 PROBABILIDADES
Ejemplo 4:

Con 7 ingenieros y 4 médicos se van formar comités de 6 miembros.

¿Cuál es la probabilidad que el comité incluya
a. Exactamente dos médicos?
b. A los sumo tres Ingenieros?

Solución:

Evento B: A lo sumo tres ingenieros:

n(B)  C(7,2) x C(4,4)  C(7,3) x C(4,3)

7! 4! 7! 4!
n(B)      21  140  161
2! . 5! 4!.0! 3! . 4! 3!.1!
161
 P(B)   0.348
462

50
 PROBABILIDADES
Ejemplo 5:

De un grupo de personas, el 30% practica fútbol y el 40% juega ajedrez. De los

futbolistas el 50% juega ajedrez. Si se elige aleatoriamente una persona.
¿Cuál es la probabilidad que:
a. Juega fútbol o ajedrez?
b. Practica solo uno de estos deportes?
c. No practica ni fútbol ni ajedrez?

Solución:
Suceso A : Persona elegida es futbolista , P(A) =0.30
Suceso B : Persona elegida juega ajedrez P(B) = 0.40
Suceso A  B : Practican ambos deportes ; P(A  B)=0.15
Suceso A  B : Persona elegida juega fútbol o ajedrez

a) P(A  B)  P(A)  P(B) - P(A  B)  0.30  0.40  0.15  0.55

51
 PROBABILIDADES

Ejemplo 5:
A B

0.15 0.15 0.25

Suceso C : Practica un solo deporte ; C  (A  B' )  (B  A' )

P(C)  P(A  B' )  P(B  A' )

P(C)  0.15  0.25  0.40
Suceso D : No practica ni fútbol ni ajedrez ; D  A'  B'  (A  B)'

P(D)  1  P(A  B)
P(D)  1  0.55  0.45

52
 PROBABILIDADES
Ejemplo 6:
En cierta ciudad el porcentaje de personas que leen los periódicos A , B , C y
sus combinaciones como sigue:
A : 9.8% A y B : 5.1% A , B y C : 2.4%
B : 22.9% A y C : 3.7%
C : 12.1% B y C : 6%
(a) ¿Qué porcentaje de la población leen al menos uno de los periódicos?
(b) ¿Cuál es la probabilidad que una persona seleccionada aleatoriamente
de esta población sea lector del periódico A y no lo sea de los periódicos
B y C.

Solución:

Suceso A  B  C : Leen al menos un de los periódicos

P(A  B  C)  P(A)  P(B)  P(C) - P(A  B)  P(A  C)  P(B  C)  P(A  B  C)

P(A  B  C)  0.098  0.229  0.121  0.051  0.037  0.06  0.024

P(A  B  C)  0.324
53
 PROBABILIDADES
Ejemplo 6:
A : 9.8% A y B : 5.1% A , B y C : 2.4%
B : 22.9% A y C : 3.7%
C : 12.1% B y C : 6%

A B
3.4 2.7 14.2

2.4
1.3 3.6

4.8
C

Suceso A  B’  C’ : Leen el periódico A y no leen el periódico B y C.

P(A  B'C' )  0.034

54
 PROBABILIDADES
PROBABILIDAD CONDICIONAL:

Sean los sucesos A y B en el espacio muestral  con

P(A)   .

La probabilidad condicional de B , habiendo ocurrido

A, denotado por P(B / A ) se define así:

P(A  B)
P(B/A) 
P(A)

55
 PROBABILIDADES
PROBABILIDAD CONDICIONAL:
Ejemplo 1 :
Se lanza un dado . Si se obtiene un número par. ¿Cuál es la probabilidad
que sea menor o igual a 4 ?

Solución:

Experimento aleatorio : Lanzamiento de un dado

 = { 1 , 2 , 3 , 4 , 5 , 6 } ; n ( ) = 6
Suceso A : Obtener un número de un par:
A = { 2 , 4 , 6 }  n (A) = 3
3
 P(A) 
6
Suceso B : Obtener un número menor o igual a 4
B = {1 , 2 , 3 , 4 }  n (B) = 4
Como A B = { 2 , 4 }  n(A B ) = 2 2
 P(A  B) 
2 6
Luego:
P(A  B) 6 2
P(B/A)    P(B/A) 
P(A) 3 3
6 56
 PROBABILIDADES
PROBABILIDAD CONDICIONAL:

Ejemplo 2 :

Una caja contiene 6 bolas azules , 10 blancas y 4 negras . Si se extrae al

azar una por una y sin repetición. ¿Cuál es la probabilidad que de 3 bolas

que se extraen sucesivamente , la primera sea azul, la segunda se blanca

y la tercera sea negra?

Solución:

57
 PROBABILIDADES
PROBABILIDAD CONDICIONAL:

Ejemplo 2 :

Solución:

De un total de 20 bolas , el espacio muestral es n( ) = 20

6
Si el suceso A : seleccionar una bola azul n(A)  6  P(A) 
20
La probabilidad de seleccionar una bola blanca después de haber
10
seleccionado una azul es: P(B/A) 
19
La probabilidad de seleccionar una bola negra después de haber
4
seleccionado una azul y una blanca es : P(N/AB) 
18
Luego: La probabilidad de seleccionar 3 bolas , de modo que la primera
sea azul, la segunda sea blanca y la tercera negra es:
 6   10  4  2
P(ABN)       
 20   19  18  57 58
 PROBABILIDADES
PROBABILIDAD CONJUNTA:

La probabilidad conjunta es aquella donde los sucesos ocurren

simultáneamente.

Ejemplo.

 La probabilidad de que un número sea par y menor que 6.

 La probabilidad de que sea médico y egresado de la

Universidad de San Martín.

59
 PROBABILIDADES
PROBABILIDAD CONJUNTA:
Con los datos que se indican en el cuadro :

sexo Hombre (H) Mujer (M) Totales

Profesión
Medico (Q) 20 25 45

Ingeniero (I) 15 12 27

Totales 35 37 72

Hallar : P(H  Q) ; P(M  I) ; P(M  Q) ; P(I) ; P(Q) ; P(Q/H)

Solución:
Según el cuadro , el número de elementos del espacio muestral es : n()=72
Luego: 20
n(H  Q)  20  P(H  Q) 
72
12
n(M  I)  12  P(M  I)  60
72
 PROBABILIDADES
PROBABILIDAD CONJUNTA:

sexo Hombre (H) Mujer (M) Totales

Profesión
Medico (Q) 20 25 45

Ingeniero (I) 15 12 27

Totales 35 37 72

25 27
n(M  Q)  25  P(M  Q)  n(I)  27  P(I) 
72 72
35
n(H)  35  P(H) 
72
20
P(Q  H) 72 20 4
n(Q / H)    P(Q/H)  
P(H) 35 35 7
61
72
 PROBABILIDADES
SUCESOS INDEPENDIENTES :
Se dice que el suceso A es independiente del suceso B ( A y B en  ) ;
si : P(B / A) = P(B)
Es decir la probabilidad de ocurrencia de A no afecta la ocurrencia de B.

PROBABUILDAD CONJUNTA DE SUCESOS INDEPENDIENTES :

si A y B son sucesos independientes , la probabilidad conjunta de que los

Sucesos de A y B ocurran es igual al producto de la probabilidad de
ocurrencia de A y B . O sea :

P(A  B)  P(A).P(B)

En general:

P(A1  A 2  A3  ........ A n )  P(A1 ).P(A2 ).P(A3 )........P(A n )

62
 PROBABILIDADES
ejemplo :

Un dado tiene una cara pintada de rojo, dos de verde y el resto de negro.
Se lanza el dado 4 veces. ¿Cuál es la probabilidad de que las primeras
veces se obtenga rojo y la última verde?
Solución:
1
Sucesos Ai : La cara obtenida es roja  n(A i )  1  P(Ai ) 
62
Bi : La cara obtenida es verde  n(Bi )  2  P(Bi ) 
6
3
Ci : La cara obtenida es negra  n(C i )  3  P(Ci ) 
6
Como Ai , Bi , Ci son sucesos independientes se tiene que:

P(A1  A 2  A3  B4 )  P(A1 ).P(A2 ).P(A3 ).P(B4 )

1112 1
     
 6   6   6   6  648
63