

Análisis Combinatorio
—

1 © Ast urias Corporación Universitaria

 Análisis Combinatorio

Índice

1 Introducción ............................................................................................................................................................ 3
2 Principio de la Multiplicación ........................................................................................................................ 3
3 Ordenaciones con Repetición ...................................................................................................................... 4
4 Ordenaciones sin Repetición ........................................................................................................................ 4
5 Permutaciones ...................................................................................................................................................... 5
6 Combinaciones ..................................................................................................................................................... 5
7 Muestra sin Orden y con Reemplazo...................................................................................................... 6
8 Probabilidad Condicional e Independencia ......................................................................................... 7
8.1 Probabilidad Condicional ................................................................................................................... 7
8.2 Probabilidad Total ................................................................................................................................. 8
8.3 Teorema de Bayes................................................................................................................................ 8
9 Resumen .................................................................................................................................................................. 9
10 Referencias Bibliográficas ............................................................................................................................. 9

02 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

Objetivos
 Objetivo 1: Conocer y comprender como se comporta una muestra en diferentes
situaciones.

 Objetivo 2: Estudiar los distintos tipos de probabilidades existentes.

1 Introducción
Consideraremos ahora el caso cuando el experimento aleatorio es tal que su espacio
muestral es un conjunto finito, y cada elemento de este conjunto tiene la misma
probabilidad de ocurrir, es decir, cuando el espacio Ω es finito y equiprobable. En estos
casos, hemos definido la probabilidad clásica de un evento 𝐴 de la siguiente forma
𝑃(𝐴) = #𝐴/#Ω. Para poder aplicar esta definición m , necesitamos saber contar cuántos
elementos tiene un evento 𝐴 cualquiera.
Cuando podemos poner en una lista de todos y cada uno de los elementos de dicho
conjunto, entonces es fácil conocer la cardinalidad de 𝐴, simplemente contamos todos
los elementos uno por uno. Sin embargo, es común enfrentar situaciones en donde no
es factible escribir en una lista cada elemento de 𝐴.
Por ejemplo: ¿Cuántos números telefónicos existen que contengan por lo menos un
cinco? Es poco factible que alguien intente escribir uno a uno todos estos números
telefónicos. En las siguientes secciones, estudiaremos algunas técnicas de conteo que
nos ayudarán a calcular la cardinalidad de un evento 𝐴 en ciertos casos particulares. El
principio de multiplicación que enunciamos a continuación es la base de muchos de los
cálculos en las técnicas de conteo.

2 Principio de la Multiplicación
Si un procedimiento 𝐴1 puede efectuarse de 𝑛 formas distintas y un segundo
procedimiento 𝐴2 puede realizarse de 𝑚 formas en que puede efectuarse el primer
procedimiento seguido del segundo, es el producto 𝑛 ∙ 𝑚, es decir, #(𝐴1 × 𝐴2 ) = #𝐴1 ∙
#𝐴1.

Para ilustrar este resultado considere lo siguiente. Ejemplo: Suponga que un cierto
experimento aleatorio consiste en seleccionar un dado y después seleccionar al azar
una letra del alfabeto. ¿Cuál es la cardinalidad del correspondiente espacio muestral? El
experimento de lanzar un dado tiene 6 resultados posibles y consideremos que
tenemos un alfabeto de 26 letras. El correspondiente espacio muestral tiene entonces
cardinalidad 6 × 26 = 156.
El principio de multiplicación es válido no solamente para dos procedimientos sino que
también vale para cualquier sucesión finita de procedimientos.
Por ejemplo: Si 𝐴1 , 𝐴2 , … , 𝐴𝑘 denotan 𝑘 procedimientos sucesivos, entonces este
principio se puede enunciar en símbolos de la forma siguiente:

03 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

#(𝐴1 × 𝐴2 × ⋯ × 𝐴𝑘 ) = #𝐴1 ⋯ #𝐴𝑘 .

Vamos a considerar a continuación diferentes esquemas y contextos, en donde es

posible encontrar una fórmula matemática para ciertos problemas de conteo. En todos
ellos, aplicaremos el principio de multiplicación. El esquema general es el de extraer al
azar 𝑘 objetos, uno a la vez, de una urna con 𝑛 objetos distintos.

3 Ordenaciones con Repetición

Muestras con orden y con reemplazo: Suponga entonces que tenemos una urna con 𝑛
“Ordenación con extracción: total de objetos distintos. Deseamos realizar 𝑘 extracciones al azar de un objeto a la vez. Al
arreglos que se pueden obtener de esta efectuar una extracción, registramos el objeto escogido y lo regresamos a la urna, de
urna al hacer k extracciones es el número
esta forma el mismo objeto puede ser extraído varias veces. El total de arreglos que se
𝑛𝑘 ”
pueden
obtener de esta urna al hacer 𝑘 extracciones es el número 𝑛 𝑘 , pues en cada extracción
tenemos 𝑛 objetos posibles para escoger y efectuamos 𝑘 extracciones. Esta fórmula es
consecuencia del principio de multiplicación enunciado antes. A este número se le
llama ordenaciones con repetición. Se dice que la muestra es con orden pues es
importante el orden en el que se van obteniendo los objetos, y es con reemplazo pues
cada objeto seleccionado se reincorpora a la urna.
Por ejemplo: Suponga que tenemos un conjunto de 60 caracteres diferentes. Este
conjunto contiene todas las letras minúsculas del alfabeto, las letras mayúsculas, los
diez dígitos y algunos caracteres especiales. ¿Cuántos passwords o palabras clave de
longitud 4 se pueden construir usando este conjunto de 60 caracteres? Este es un
ejemplo de una ordenación de 60 caracteres en donde se permiten las repeticiones.
Como cada caracter de los 60 disponibles puede ser escogido para ser colocado en
cada una de las cuatro posiciones de la palabra clave, entonces se pueden construir 60
× 60 × 60 × 60 = 604 = 12.960.000 distintos passwords de longitud 4.

4 Ordenaciones sin Repetición

Muestras con orden y sin reemplazo: Suponga que se tiene la misma situación que
“Ordenación sin reemplazo: una vez antes, una urna con 𝑛 objetos y de los cuales se deben extraer, uno a uno, 𝑘 objetos.
seleccionado un objeto, éste ya no se Suponga esta vez que el muestreo es sin reemplazo, es decir, una vez seleccionado un
vuelve a incorporar”
objeto éste ya no se reincorpora a la urna. El total de arreglos distintos que se pueden
obtener de este modo es el número: 𝑛(𝑛 − 1)(𝑛 − 2) ⋯ (𝑛 − 𝑘 + 1). Primeramente,
debemos observar que hay 𝑘 factores en la expresión anterior. El primer factor es 𝑛, y
ello es debido, a que tenemos cualesquiera de los 𝑛 objetos para ser colocado en
primera posición, para la segunda posición tenemos
ahora 𝑛 − 1 objetos, para la tercera 𝑛 − 2 objetos, etc. Este razonamiento termina al
escoger el 𝑘-ésimo objeto para cual tenemos únicamente 𝑛 − 𝑘 + 1 posibilidades.
Nuevamente por el principio multiplicativo, la respuesta es el producto indicado. La
expresión encontrada puede escribirse como sigue:

04 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

𝑛!
𝑃(𝑛, 𝑘) =
(𝑛 − 𝑘)!

Y se lee permutaciones de 𝑛 en 𝑘. En el caso particular, cuando la muestra es exhaustiva,

es decir, cuando 𝑘 = 𝑛, o bien cuando todos los objetos son extraídos uno por uno,
entonces se tienen todas las permutaciones o distintos órdenes en que se pueden
colocar 𝑛 objetos.
Por ejemplo: ¿De cuantas formas distintas pueden asignarse los premios primero,
segundo y tercero en una rifa de 10 boletos numerados del 1 al 10? Claramente se trata
de una ordenación sin repetición de 10 objetos en donde se deben extraer 3 de ellos. La
respuesta es entonces que existen 10 × 9 × 8 = 720 distintas asignaciones para los tres
primeros lugares en la rifa.

5 Permutaciones
Muestras exhaustivas con orden y sin reemplazo: La pregunta básica acerca del total de
formas en que podemos poner en orden lineal (uno detrás de otro, y por lo tanto no hay
repetición) 𝑛 objetos distintos tienen como respuesta el factorial de 𝑛, denotado por 𝑛! y
definido como sigue:

A este número, también se le conoce como las permutaciones de 𝑛 objetos, y se usa la

notación 𝑃(𝑛) = 𝑛!. Adicionalmente y por conveniencia, se define 0! = 1. Observe que
las permutaciones de 𝑛 objetos es un caso particular de la situación mencionada en la
sección anterior sobre ordenaciones sin repetición, pero ahora cuando la muestra es
exhaustiva, es decir, cuando se extraen los 𝑛 objetos de la urna.
Ejemplo: Si deseamos conocer el total de formas distintas en que podemos colocar una
enciclopedia de 5 volúmenes en un librero, la respuesta es claramente 5! = 5 × 4 × 3 ×
2 × 1 = 120. El razonamiento es el siguiente: Cualquiera de los cinco libros puede ser
colocado al principio, quedan cuatro libros por colocar en la segunda posición, restan
entonces tres posibilidades para la tercera posición, etc. Por el principio de
multiplicación, la respuesta es el producto de estos números.

6 Combinaciones
Muestras sin orden y sin reemplazo: Supongamos nuevamente que tenemos un
conjunto de 𝑛 objetos distinguibles y nos interesa obtener una muestra de tamaño 𝑘.
Supongamos ahora, que las muestras deben ser sin orden y sin reemplazo. Es decir, en
la muestra no debe haber elementos repetidos, pues no hay reemplazo, y además la
muestra debe verse como un conjunto, pues no debe haber orden entre sus elementos.
¿Cuántas diferentes muestras podemos obtener de estas características? Para

05 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

responder a esta pregunta seguiremos el siguiente razonamiento. Cuando el orden

importa hemos encontrado antes la fórmula:
𝑛!
(𝑛 − 𝑘)!

Ahora que no nos interesa el orden, observamos que cada uno de los arreglos de la
fórmula anterior, está siendo contado 𝑘! veces, las veces en que los mismos 𝑘
elementos pueden ser permutados unos con otros, siendo que el conjunto de
elementos es el mismo. Para obtener arreglos en donde el orden no importa, debemos
entonces dividir por 𝑘! La fórmula a la que hemos llegado se llama combinaciones de
𝑛 en 𝑘, que denotaremos como sigue:
𝑛 𝑛!
( )=
𝑘 𝑘! (𝑛 − 𝑘)!

A este número también se le conoce con el nombre de coeficiente binomial de 𝑛 en 𝑘,

pues aparece en el famoso teorema del binomio. Ejemplo: ¿Cuántos equipos distintos
de tres personas pueden escogerse de un grupo de 5 personas? Observe que el orden
de las tres personas escogidas no es importante de modo que la respuesta es:
5!
(53) = (3!(5−3)!) = 10.

7 Muestra sin Orden y con Reemplazo

Finalmente, consideremos el caso de hacer 𝑘 extracciones de una urna de 𝑛 objetos
“El objeto extraído es regresado a la urna y con las condiciones que cada objeto extraído es regresado a la urna (y entonces puede
el orden de la muestra no es relevante” ser elegido nuevamente), y en donde el orden de la muestra no es relevante.
Para encontrar una fórmula para el total de muestras que pueden obtenerse con estas
características, usaremos una modelación distinta pero equivalente. Consideremos el
arreglo de 𝑛 casillas, supongamos que la primera casilla tiene dos cruces, y eso indica
que la bola uno fue seleccionada dos
veces, la segunda casilla está vacía, y ello significa que la bola dos no fue seleccionada,
etc.
El número de cruces en la casilla 𝑖 indica entonces el número de veces que la bola 𝑖 fue
seleccionada. En total debe haber 𝑘 cruces pues es el total de extracciones. Deseamos
entonces conocer el número de posibles arreglos que pueden obtenerse con estas
características, y debe ser claro, después de algunos momentos de reflexión, que éste
es el número de muestras de tamaño 𝑘, con reemplazo y sin orden, que se pueden
obtener de un conjunto de 𝑛 elementos distinguibles.
Consideremos que las dos paredes en los extremos de este arreglo son fijas, es tas
paredes se encuentran ligeramente remarcadas. Consideremos además, que las
posiciones intermedias, cruz o línea vertical, pueden moverse.
En total hay 𝑛 + 𝑘 − 1 objetos movibles y cambiar de posición estos objetos produce las
distintas configuraciones posibles que nos interesan. El número total de estos arreglos
es

06 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

𝑛+𝑘−1
( )
𝑘
Que equivale a colocar dentro de las 𝑛 + 𝑘 − 1 posiciones las 𝑘 cruces, dejando en los
lugares restantes las paredes movibles.

8 Probabilidad Condicional e Independencia

Los conceptos de probabilidad condicional e independencia surgieron de manera
natural en el proceso de encontrar solución a algunos problemas provenientes de
situaciones reales. En esta sección, estudiaremos estos
conceptos y demostraremos además, dos resultados de amplia aplicación: el teorema
de probabilidad total y el teorema de Bayes.

8.1 Probabilidad Condicional

Sean 𝐴 y 𝐵 dos eventos, en donde 𝐵 es tal que su probabilidad es estrictamente

positiva. La probabilidad condicional del evento 𝐴 dado el evento 𝐵, denotada por
𝑃(𝐴|𝐵), se define como sigue:

𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴/𝐵) =
𝑃(𝐵)

La expresión 𝑃(𝐴|𝐵) se lee probabilidad condicional del evento 𝐴 dado el evento 𝐵, o

simplemente probabilidad de 𝐴 dado 𝐵. Es claro que para que la definición tenga
sentido se necesita suponer que 𝑃(𝐵) > 0, y por otro lado, no existe definición para
𝑃(𝐴|𝐵) cuando 𝑃(𝐵) = 0. Considere por ejemplo, el experimento de lanzar un dado
equilibrado. Claramente el espacio muestral es Ω = {1,2,3,4,5,6}, el cual por hipótesis es
equiprobable. Sean los eventos 𝐴 = {2} y 𝐵 = {2,4,6} = “Cae par”. Entonces 𝑃(𝐴) = 1/6
mientras que

𝑃({2} ∩ {2,4,6}) 1/6

𝑃(𝐴|𝐵) = = = 1/3
𝑃({2,4,6}) 3/6

Observe, que conocer la información de la ocurrencia del evento 𝐵, ha afectado la

probabilidad del evento 𝐴, es decir, dada la información que el resultado del dado es un
número par, la probabilidad de obtener “2” es ahora 1/3.
Se dice que dos eventos cualesquiera 𝐴 y 𝐵 son independientes si se cumple la
condición 𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵). Esta igualdad es equivalente a la expresión 𝑃(𝐴|𝐵) =
𝑃(𝐴) cuando 𝑃(𝐵) > 0. La ventaja de esta última expresión es, que posee una
interpretación sencilla: Dice que la probabilidad del evento 𝐴 es la misma cuando
sabemos que ha ocurrido el evento 𝐵 (lado izquierdo), que cuando no sabemos nada
(lado derecho). Es decir, la ocurrencia del evento 𝐵 no afecta la probabilidad del evento
𝐴, y por lo tanto, son independientes. De manera análoga, puede interpretarse la

07 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

igualdad equivalente 𝑃(𝐵|𝐴) = 𝑃(𝐵), suponiendo naturalmente que 𝑃(𝐴) > 0. En la

mayoría de los casos de aplicación, simplemente supondremos que dos eventos dados
son independientes recurriendo únicamente a justificaciones intuitivas.

8.2 Probabilidad Total

Sea 𝐵1 , 𝐵2 , … , 𝐵𝑛 una partición de Ω tal que cada elemento de la partición tiene

probabilidad estrictamente positiva. Para cualquier evento 𝐴,

𝑃(𝐴) = ∑ 𝑃(𝐴|𝐵𝑖 )𝑃(𝐵𝑖 )

𝑖=1

Ejemplo: Suponga que tenemos dos cajas: una con 3 bolas blancas y 7 de color gris, la
otra con 6 blancas y 6 grises. Si se elige una caja al azar y después se saca una bola,
¿cuál es la probabilidad de que sea blanca?
El experimento aleatorio consiste entonces en escoger una caja al azar, con idéntica
probabilidad cada una de ellas, y después escoger una bola de la caja escogida. Es claro
entonces que el espacio muestral puede escribirse como sigue:
Ω = {(𝐶1 , 𝐵), (𝐶1 , 𝐺), (𝐶2 , 𝐵), (𝐶2 , 𝐺)}

En donde 𝐶1 y 𝐶2 denotan los eventos en donde las cajas uno y dos fueron escogidas,
respectivamente, y 𝐵 y 𝐺 denotan los eventos en donde una bola blanca o gris fueron
escogidas respectivamente. Nos piden calcular la probabilidad de 𝐵. Observe que es
fácil calcular la probabilidad de este evento cuando se conoce la caja que fue escogida.
Esto sugiere condicionar sobre el resultado de escoger alguna de las dos cajas y aplicar
el teorema de probabilidad total, es decir,

3 1 6 2
𝑃(𝐵) = 𝑃(𝐵|𝐶1 )𝑃(𝐶1 ) + 𝑃(𝐵|𝐶2 )𝑃(𝐶2 ) = × × =
10 2 12 5

8.3 Teorema de Bayes

Sea 𝐵1 , 𝐵2 , … , 𝐵𝑛 una partición de Ω tal que cada elemento de la partición tiene

probabilidad estrictamente positiva. Sea 𝐴 un evento tal que 𝑃(𝐴) > 0. Entonces para
cada 𝑗 = 1, 2, . . . , 𝑛,

𝑃(𝐴|𝐵𝑗 )𝑃(𝐵𝑗 )
𝑃(𝐵𝑗 |𝐴) = 𝑛
∑𝑖=1 𝑃(𝐴|𝐵𝑗 )𝑃(𝐵𝑗 )

Ejemplo: En una fábrica hay dos máquinas. La máquina 1 realiza el 60% de la producción
total y la máquina 2 el 40%. De su producción total, la máquina 1 produce 3% de material
defectuoso, la 2 el 5%. El asunto es que se ha encontrado un material defectuoso, ¿cuál
es la probabilidad de que este material defectuoso provenga de la máquina 2?

08 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.
 Análisis Combinatorio

Sea 𝑀1 el evento “La máquina 1 produjo el material escogido”, 𝑀2 el evento “La

máquina 2 produjo el material escogido” y finalmente sea 𝐷 el evento “El material
escogido es defectuoso”. El problema es encontrar 𝑃(𝑀2 |𝐷) y observamos que la
información que tenemos es 𝑃(𝐷|𝑀2 ). Por el teorema de Bayes tenemos entonces que:

5 40
𝑃(𝐷|𝑀2 )𝑃(𝑀2 ) × 10
𝑃(𝑀2 |𝐷) = = 100 100 =
𝑃(𝐷|𝑀1 )𝑃(𝑀1 ) + 𝑃(𝐷|𝑀2 )𝑃(𝑀2 ) 3 60 5 40 19
× + ×
100 100 100 100

9 Resumen
 Ordenación con extracción: total de arreglos que se pueden obtener de esta urna
al hacer k extracciones es el número 𝑛 𝑘 .

 Ordenación sin reemplazo: una vez seleccionado un objeto, éste ya no se vuelve

a incorporar.

 Muestra sin orden y con reemplazo: El objeto extraído es regresado a la urna y el

orden de la muestra no es relevante.

10 Referencias Bibliográficas
 Montgomery, D. C y Runger, R. (2008). Probabilidad y Estadística Aplicadas a la
Ingeniería. 2da. Edición. Limusa Wiley. Mexico.
 Rincón. L. (2010). Curso Elemental de Probabilidad y Estadística. 1ra Edición.
Circuito Exterior de CU. México D.F.

 Walpole, R. E., Myers, R. H., Myers,S. L. y Ye, K. (2007). Probabilidad y Estadística

para Ingeniería y Ciencias. 8va. Edición. Pearson. Mexico
 I. Espejo Miranda, F. Fernández Palacín, M. A. López Sánchez, M. Muñoz Márquez,
A. M. Rodríguez Chía, A. Sánchez Navas, C. Valero Franco. (2006 ). Estadística
Descriptiva y Probabilidad. 3ra. Edición. Servicio de Publicaciones de la
Universidad de Cádiz.

 Devore, J. (2008). Probabilidad y Estadística para Ingeniería y Ciencias. 7ma.

Edición. Cengace Learning Editores. México

 Canavos, G. Probabilidad y Estadística. Métodos y Aplicaciones.

 Daniel, W. (2009). Bioestadística. Base para el análisis de las ciencias de la salud.

Cuarta edición. Limusa Wiley. México.

 Mendenhall, W., Wackerly, D. y Scheaffer, R. (1994). Estadística Matemática con

Aplicaciones. Grupo Editorial Iberoamericana. México.

09 ASTURIAS CORPORACIÓN UNIVERSITARIA®

Not a Técnica preparada por Ast urias Corporación Universit aria. Su dif usión, reproducción o uso t ot al
o parcial para cual quier ot ro propósit o queda prohibida. Todos l os derechos reservados.