Estadísticas

UNIVERSIDAD NACIONAL DE TUCUMÁN
FACULTAD DE CIENCIAS ECONÓMICAS

CÁTEDRA DE ESTADÍSTICA
Publicación docente
Nociones elementales de
Probabilidad
Mg. Rolando M. Augier

2019
2
Nociones elementales de Probabilidad
Ilustración de la portada: Rolando M. Augier

3
MARCANDO EL CONTORNO
La presente publicación trata sobre el complejo concepto de probabilidad

a un nivel elemental. No pretendo suplir con este trabajo, brevísimo por cierto,
los numerosos ejemplares de la literatura existentes en materia de introducción
al Cálculo Probabilístico. Más bien, este texto es un intento didáctico de insertar
al estudiante o lector en el apasionante campo de la inferencia estadística de
probada utilidad en un mundo cambiante que evoluciona permanentemente y
que se ha vuelto en un corto período, gracias al apalancamiento de las nuevas
tecnologías, muy rico en datos de la más diversa índole y que muchas veces
permanecen guardados en oscuras bases de datos y registros. En lo personal
deseo que el estudiante que se detenga a realizar de buena voluntad y a
consciencia la lectura del presente trabajo, sepa en qué consiste el término
probabilidad, que es complejo por sus diferentes definiciones y elementos
componentes y que ha dado mucho trabajo a los grandes matemáticos y
pensadores de la historia, prueba de ello es la abundante bibliografía que trata
el tema. Aprovecho la oportunidad para expresar mi agradecimiento al cuerpo
docente de la Cátedra de Estadística de la Facultad de Ciencias Económicas
de la Universidad Nacional de Tucumán y a la Profesora Dra. María Emilia
Castillo por el apoyo brindado, las sugerencias y observaciones realizadas a fin
de que el presente trabajo sea lo más ameno posible sin caer en extremas
simplificaciones. Sólo resta invitar a los potenciales lectores a acercarse a esta
pequeña puerta a la Teoría de Probabilidades y a juzgar la utilidad del
contenido.
San Miguel de Tucumán, 17 de abril de 2019

Docente - Cátedra de Estadística
Facultad de Ciencias Económicas
Universidad Nacional de Tucumán
4
Sumario:
Página
Marcando el contorno 3
Sumario 4
I- Azar y Determinismo – Casualidad y causalidad 5
II- Modelos – La realidad simplificada 7
III- ¿Qué cosa es una probabilidad? 9
IV- Leyes de las probabilidades 18
V- Árboles y cuentas - Breve digresión sobre Análisis 30

Combinatorio
VI- Estadística y Probabilidad – Un romance inevitable 42
Glosario 44
Referencias Bibliográficas 49
5
I- Azar y Determinismo – Casualidad y causalidad

Conseguimos obtener así la fórmula estadística para conocer
aproximadamente la posición de un electrón en un instante determinado.
Pero, personalmente, no creo que dios juegue a los dados.
Albert Einstein
El estado inicial del Universo "fue elegido" puramente al azar

Stephen Hawking
La incertidumbre, la falta de una completa seguridad en el acaecimiento

de los hechos que rigen nuestra vida, se encuentra presente en todos los
ámbitos. Arrojamos una moneda y no sabemos si caerá cara o cruz, ponemos
en movimiento la ruleta y no sabemos si se detendrá en un número par o
impar, perforamos una montaña y no tenemos certeza de hallar plata o cobre
en sus entrañas, sabemos que moriremos, pero no sabemos
(afortunadamente) cuándo ni cómo. Así, el azar está relacionado con la
ignorancia de las causas que determinan los hechos. La palabra azar, proviene
del vocablo árabe az-zahr, que significa flor. Este término se utilizó
posteriormente para designar a la marca que daba la suerte en el juego de la
taba.
Otro término utilizado para designar aquello que es imprevisible, es el

adjetivo aleatorio, que proviene del latín alea o aleae cuyo significado es dado,
juego de azar. Al respecto de esta palabra, es famosa la sentencia alea iacta
est (la suerte está echada) pronunciada por el emperador romano Julio César
en el año 49 AC, al pasar por el río Rubicón antes de iniciar la guerra contra
Pompeyo.
La presencia del azar no solamente está en los juegos de mesa, o en la

descarga de un rayo sobre un árbol en el campo, o en la colisión de dos
vehículos en una ruta, sino que está considerado en el génesis mismo del
universo y el planeta que habitamos, al respecto una cosmovisión afirma que la
formación de los planetas, estrellas y otros cuerpos celestes son el resultado
de millones de interacciones azarosas de átomos y partículas, a partir de la
gran explosión popularmente conocida como Big Bang. Por otra parte, en otro
campo del conocimiento, según la teoría darwiniana, la evolución es producto
de una serie de mutaciones aleatorias de los organismos.
6
Una corriente de pensamiento afirma que esta falta de absoluta certeza

sobre el devenir de los acontecimientos es hija del desconocimiento acerca de
la estructura causal que determina su comportamiento. Al respecto, el
astrónomo, físico y matemático francés Pierre-Simon Laplace1 (1749-1827)
pronunció una de las frases más contundentes sobre determinismo causal:
"Deberíamos... considerar el presente estado del Universo como el efecto de su
estado anterior, y la causa del que le seguirá. Supongamos... una inteligencia
que pudiera conocer todas las fuerzas que animan la naturaleza, y los estados,
en un instante, de todos los objetos que la componen;... para [esa inteligencia]
nada podría ser incierto; y el futuro, como el pasado, sería presente a sus ojos".
El determinismo es la doctrina filosófica según la cual todo hecho,

incluyendo los pensamientos y las acciones humanas, está determinado por la
cadena irrompible de las causas; todo acontecimiento es el efecto de alguna
causa, no existe cosa tal como el libre albedrío2 o el azar. Según este
pensamiento todo fenómeno es explicable, ya que es el resultado de la
conjunción de una cantidad infinita de factores.
1
Pierre Simon Laplace (Normandía, Francia 1749 – París 1827) fue un matemático, astrónomo
y físico. Realizó importantes aportaciones a la ciencia en diversos campos. Es notable su
postura en favor de un determinismo causal, que rige todos los fenómenos del universo y las
acciones de las personas.
2
El libre albedrío es la creencia en la facultad que tiene el ser humano de elegir y tomar sus
propias decisiones sin impedimento alguno. Éste ha sido un tema ampliamente tratado por la
filosofía, la religión y la ciencia. La existencia o no del libre albedrío, es una cuestión aún no
resuelta científicamente.
7
II- Modelos – La realidad simplificada

Es el azar, no la prudencia, quien rige la vida.
Cicerón
No existe la casualidad, y lo que se nos presenta como azar surge de las

fuentes más profundas
Friedrich Schiller
¿Qué es un modelo en la ciencia? Es la representación abstracta y

conceptual de fenómenos, sistemas o procesos, con el objetivo de describir,
analizar y predecir el comportamiento de los mismos. En otras palabras, un
modelo es una representación simple de la realidad fenoménica. En
particular, un modelo matemático es un esquema simplificado de una parte
de la realidad sensible, constituido por símbolos, relaciones y operaciones,
creado con el fin de explicar el comportamiento de ciertos fenómenos de
aquella. Se trata de una formalización, una construcción abstracta, que por
medio de variables, parámetros y relaciones entre ellos, representa en
forma simple un fenómeno de la realidad.
Se distinguen en este trabajo dos clases de modelos matemáticos:

determinísticos y probabilísticos (también llamados aleatorios). Entre los
primeros están aquellos modelos que estipulan que las condiciones bajo las
cuales se verifica un experimento, determinan el resultado del mismo (Paul

L. Meyer). En esta clase de modelos las mismas entradas producirán las
mismas salidas, no considerándose la presencia del azar en ellos. Podemos
citar como ejemplos, el modelo de crecimiento demográfico de Thomas
Robert Malthus3, las leyes gravitacionales descubiertas por Isaac Newton, la
famosa ecuación de energía de Albert Enstein4 proveniente de su teoría de
la relatividad especial, entre muchos otros. En un modelo de esta clase,
dadas ciertas condiciones, el experimento respectivo arrojará el mismo
resultado cada vez que se repita. En cambio, un modelo probabilístico (o
aleatorio) considera la presencia del azar en su construcción, de modo que
las condiciones en que se realiza el experimento respectivo, determinan el
comportamiento probabilístico de los resultados obtenidos (Paul L. Meyer).
En otras palabras, un modelo aleatorio arrojará distintos resultados dadas
las mismas condiciones establecidas para su realización. Se advierte
entonces la presencia de variabilidad en los resultados observados. Tres
3
Thomas Robert Malthus (Dorking 1766 – Bath 1834) Economista y demógrafo británico.
Considerado el padre teórico de la Demografía. Sus ideas acerca de la evolución de las
poblaciones fueron plasmadas en su famosa obra “Ensayo sobre el principio de población”.
4
Albert Einstein (1879 Ulm – 1955 Princeton) Físico teórico mundialmente conocido por su
desarrollo de la Teoría de la Relatividad, con la que ha marcado un hito en la evolución del
pensamiento humano.
8
son las características distintivas de un experimento de este tipo: posibilidad

de repetición, conocimiento de todos los resultados posibles y existencia de
un patrón o regularidad en los resultados observados. Esta última
característica nos dice que si el experimento se repite un gran número de
veces, los resultados presentarán una regularidad que permitirá construir un
modelo para su análisis. Las diferencias entre los tipos de experimentos
descriptos se presentan en el siguiente cuadro comparativo:
Cuadro II.1 Comparación de experimentos determinísticos y

probabilísticos.
Experimento Resultado Variabilidad Presencia Ejemplo

bajo ciertas en los del azar
condiciones resultados
dadas
Hervir una olla
con agua y
Determinístico Uno solo No No anotar la
temperatura de
ebullición.
Arrojar un dado y
Probabilístico Distintos Si Si anotar el número
de su cara
superior.
9
III- ¿Qué cosa es una probabilidad?

Las preguntas más importantes de la vida, de hecho, no son en su mayoría
más que problemas de probabilidad.
Pierre Simon Laplace
III.1 Probabilidad y sentido común
El término probabilidad es complejo, debido a la cantidad de conceptos

relacionados que giran en su torno y al uso del mismo en el leguaje
corriente. Posibilidad, incertidumbre, eventualidad, azar, casualidad,
causalidad, certeza, fortuito, regularidad, necesidad, determinismo,
independencia, son sólo algunos términos que guardan una conexión
estrecha con la noción de probabilidad; esto es ya un indicador de la
complejidad del mismo. En consonancia con esta diversidad de conceptos,
existen distintas interpretaciones de probabilidad.
Vivimos en un mundo impregnado de incertidumbre, las dudas, las

preguntas, nos acechan permanentemente. El cerebro humano ha
evolucionado en tal grado que, ante una disyuntiva, sopesa distintos
factores, plantea posibles escenarios y razona en forma práctica a fin de
tomar una decisión. Nuestro cerebro conoce de incertidumbre y sabe
realizar estimaciones. Basta con observarnos a nosotros mismos al esperar
en una esquina para cruzar la calle; miramos hacia ambos lados y, si un
automóvil se aproxima, evaluamos las posibilidades que tenemos de cruzar
y llegar sanos y salvos al otro lado. Otro ejemplo típico es el referido al
clima, por ejemplo decimos con frecuencia “probablemente mañana lloverá”,
basándonos en experiencias anteriores o en algún conocimiento específico.
En otras palabras, el ser humano es capaz de realizar juicios
probabilísticos, lo hizo desde sus albores como especie, cuando debía
evaluar los distintos peligros inherentes a su vida primitiva. No son un
asunto nuevo.
En este trabajo se distingue esta probabilidad intuitiva de la probabilidad

técnica, a la cual dedicaremos mayores esfuerzos.
La primera, la probabilidad originada en el sentido común, en el saber

“popular”, está basada por lo general en experiencias anteriores, en la
intuición e inducción. Un juicio probabilístico, de estas características, tiene
tres componentes:
 Sujeto que lo realiza, condicionado por su psiquis y creencias.

 Juicio propiamente dicho, el cual es realizado tomando en cuenta
las distintas posibilidades en relación al fenómeno objeto del
juicio.
10
 Condiciones iniciales, también conocidas como estado de la

naturaleza.
III.2 El enfoque clásico – La probabilidad a priori
El adjetivo latino probabilis, que originalmente significaba digno de

aprobación, loable, fue tomado por Cicerón como sinónimo del griego
πιϴανος, cuyo significado es persuasivo, creíble. De esta forma la palabra
probabilidad es equivalente a verosimilitud, credibilidad o poder de
convencimiento de alguien o algo. Por ejemplo, con la expresión
probabilidad de vida a los 85 años, nos referimos a que tan creíble o
verosímil es que una persona alcance dicha edad. Así, el término
probabilidad, en este ejemplo, se refiere al grado de certeza en la
ocurrencia de un hecho; y para conocer este grado se debe ejecutar la
acción de medición.
Lo expuesto en el párrafo anterior permite brindar un primer concepto de

probabilidad: la medida de la certidumbre de un acontecimiento. Desde
luego esta simple definición debe ser profundizada y afinada, para arribar al
concepto técnico de probabilidad. Para ello se presenta la evolución
histórica del mismo.
Si bien el germen de la Teoría de Probabilidades se encuentra muy atrás

en tiempo, en la tradición filosófica, el origen Cálculo Probabilístico se
remonta al siglo XVII, en las investigaciones de Blaise Pascal5 y Pierre
Fermat6, acerca de los juegos de azar. Por supuesto este dominio es
excesivamente estrecho, en relación al campo de aplicación actual de esta
teoría. Los mencionados matemáticos mantuvieron una frecuente
correspondencia sobre los resultados obtenidos en el análisis matemático
de los juegos. En particular en el año 1812, Pierre Laplace publicó Théorie
analytique des probabilités, un trabajo pormenorizado acerca de la
matemática de los juegos de azar. También propuso una definición y
fórmula de cálculo de la probabilidad: La razón entre el número de casos
favorables a un suceso y el número total de casos posibles, bajo el
supuesto de que todos los casos son igualmente probables. En símbolos:
5
Blaise Pascal (Clermont-Ferrand, Francia, 1623 - París, 1662) fue un filósofo, físico y
matemático francés. Realizó importantes y precursoras aportaciones a la física y a las
matemáticas. Se destaca la invención de una máquina de cálculo llamada pascaline, aportes a
la teoría de probabilidades e investigaciones sobre los fluídos, entre otros.
6
Pierre Fermat (Beaumont-de-Lomagne, Francia 1601- Castres, Francia 1665) fue un jurista y
matemático francés. Fue co-fundador, junto a Blaise Pascal, de la Teoría de Probabilidades.
Realizó importantes aportes a la teoría de números y es famoso por su “Último Teorema de
Fermat”. Demostrado en el año 1995 por el matemático Andrew Wiles.
11
( )
Donde, ( ) representa la probabilidad del suceso (o acontecimiento) A.

Esta fórmula se conoce como Regla de Laplace (1814) y constituye el
enfoque clásico de probabilidad. Se trata de una definición a priori de este
concepto.
Algunos comentarios caben realizar sobre esta fórmula:
a) Nunca arroja un valor negativo.

b) Su resultado es un número real fraccionario puro.
c) Si el experimento tiene tantos casos favorables como casos posibles,
arroja el valor 1 para la probabilidad. En esta situación estamos
frente a un suceso seguro, ya que tenemos completa certeza de su
ocurrencia. Dado que no es posible una mayor cantidad de casos
favorables que de casos posibles, el número 1 es el valor máximo de
una probabilidad.
d) Si el experimento no tiene casos favorables al suceso bajo estudio, el
numerador del cociente es nulo y luego la probabilidad del evento es
igual a cero. En este caso, estamos frente a un acontecimiento
improbable. Dado que el número de casos favorables es, a lo menos
0, el mínimo valor de una probabilidad es 0.
e) La probabilidad es una medida acotada entre 0 y 1, entre la
imposibilidad y la certeza respectivamente.
Por ejemplo, sea el experimento probabilístico de arrojar un dado y

anotar el número de su cara superior. La cantidad de casos posibles es 6 y
todos ellos son igualmente probables, pues el dado utilizado está fabricado
de manera óptima. Supongamos que se desea calcular la probabilidad de
que en una tirada se obtenga un número múltiplo de 3. Llamemos A a este
suceso. Los casos favorables son 2 (los números 3 y 6). Según la
mencionada regla, el cálculo es:
( )
El resultado del cálculo realizado se interpreta: al arrojar un dado la

probabilidad de obtener un número múltiplo de 3 es de 0,33.
Es importante destacar que la definición de Laplace descansa en la

noción de equiprobabilidad, al suponer que todos los casos son
igualmente probables. Por este hecho la definición clásica es circular ya que
para definir probabilidad recurre al concepto mismo. Otro inconveniente que
presenta este enfoque es que en caso de no cumplirse el supuesto de
equiprobabilidad, la definición deja de ser procedente para el cálculo de
12
probabilidades. Tampoco resulta aplicable cuando el número de casos

favorables es infinito.
III.3 El enfoque empírico – La probabilidad a posteriori
Otra forma definir probabilidad considera el concepto de frecuencia

relativa. Para ganar en comprensión, se considera el mismo experimento y
suceso arriba definidos, sólo que esta vez el mismo es repetido un número
n de veces. Supongamos que el experimento se ha realizado 4, 16, 64 y
900 veces. Para el caso en que se arrojó 4 veces el dado, se construye una
distribución de frecuencias:
Cuadro III.1 Resultados obtenidos para 4 repeticiones

Frecuencia absoluta Frecuencia relativa
Cantidad de veces en que 1 0,25
salió un múltiplo de 3
no salió un múltiplo de 3
Cantidad de veces que se 4 1,00
repitió el experimento
Obsérvese que la distribución de frecuencias no solamente presenta el

suceso A bajo estudio (obtener un múltiplo de 3), sino también otro suceso:
el de no obtener un múltiplo de 3. Naturalmente éstos no pueden ocurrir
simultáneamente; ocurre uno u ocurre otro, pero no ambos. Los sucesos de
este tipo se denominan mutuamente excluyentes. Este concepto será
necesario más adelante.
La frecuencia relativa de un suceso A es la proporción de veces en que

el mismo se presentó, luego de haber realizado el experimento un número n
de veces. Formalmente:
Donde representa la frecuencia relativa del suceso A, denota el

número de veces en que el resultado es favorable a A y representa el
número de veces que se ha repetido el experimento. Para 4 tiradas del
dado la frecuencia relativa del suceso A es 0,25.
Los resultados obtenidos para 16, 64 y 900 tiradas, se presentan en las

siguientes distribuciones de frecuencias:
13



Los diferentes valores de la frecuencia relativa se exponen en forma

conjunta en un cuadro comparativo:
Cuadro III.5 Comparación de frecuencias relativas en 4, 16, 64 y 900

repeticiones del experimento
Cantidad de veces que se 4 16 64 900
Frecuencia relativa del 0,25 0,375 0,28125 0,3211
suceso A
Probabilidad del suceso A
según regla de Laplace 0,33
Una simple lectura de las tablas de frecuencias permite concluir que, a

medida que el experimento se repite más veces, el valor de la frecuencia
relativa del suceso bajo estudio se va estabilizando alrededor de 0,33; el
valor de la probabilidad calculado a partir de la regla de Laplace. Si se tirara
14
el dado unas 1000, 1100 de veces, el valor de sería cada vez más
cercano al de ( ), como puede apreciarse en el Gráfico III.1.
Gráfico III.1 Valor de la frecuencia relativa según número de veces que

se arroja un dado
Fuente: Datos hipotéticos
Surge entonces una nueva definición del concepto aquí estudiado,

según la cual probabilidad es una frecuencia relativa calculada en base a un
número grande de repeticiones del experimento. Aplicando la noción de
límite de una función, se expresa:
( )
La probabilidad de un suceso es, bajo esta óptica, una frecuencia

relativa a largo plazo.
Este enfoque está basado en las realizaciones del proceso experimental,

es decir, en la experiencia, razón por la cual es conocido con el nombre de
enfoque empírico de probabilidad (1919) o enfoque frecuencial y su origen se
encuentra en los trabajos de investigación de los matemáticos Richard Von
Mises7 y Hans Reichenbach8, durante el siglo XX.
7
Richard von Mises (Lemberg Ucrania 1883 – Boston EE.UU 1953) fue un físico, matemático y
filósofo austro-húngaro. Trabajó en mecánica de sólidos, mecánica de fluidos, aerodinámica,
estadística y teoría de la probabilidad. En su obra Grundlagen der Wahrscheinlichkeitsrechnung
(Fundamentos del cálculo de probabilidades) escrita en el año 1919, trata sobre el análisis de
frecuencias.
8
Hans Reichenbach (Hamburgo 1891 – Los Ángeles 1953) fue un físico, filósofo y lógico.
Especializado en filosofía de la ciencia. Entre sus obras se destacan: Filosofía de la doctrina
del tiempo y del espacio, Fundamentos filosóficos de la mecánica cuántica y Moderna filosofía
de la ciencia.
15
Si, en nuestro ejemplo, hubiéramos arrojado el dado y registrado el

número de la cara superior, digamos unas 3000 veces y obtenido frecuencia
relativa de 1/10 en favor de un número múltiplo de 3, entonces el enfoque
empírico nos permite concluir que el dado es defectuoso o cargado.
III.4 Definición axiomática de probabilidad
La Regla de Laplace pierde prestigio cuando se desea aplicarla a otros

campos del conocimiento diferentes de los juegos de azar, y a pesar del
enfoque frecuencial, este problema se resuelve en 1933 año en el cual el
matemático ruso Andréi Kolmogorov9 definió el concepto de probabilidad en
base a tres postulados fundamentales, llamados axiomas de la Teoría de
Probabilidades.
Antes de proseguir con esta definición, es conveniente tratar con una

óptica conjuntista el proceso experimental y sus resultados posibles. Para ello
se reconsidera el simple experimento de arrojar un dado normal (sin defectos
de fabricación). Los resultados posibles son: 1, 2, 3, 4, 5 y 6. Con ellos se
define un conjunto Ω:
* +
El conjunto Ω contiene todos los resultados que pueden obtenerse a

partir del experimento, razón por la cual se denomina conjunto universal,
universo o espacio muestral, asociado al mismo. Se ha definido el suceso A
“obtener un número múltiplo de 3”. Los resultados favorables son 3 y 6, y con
ellos se define un nuevo conjunto:
* +
A todas luces A es un subconjunto de Ω. En símbolos: . Este

hecho nos brinda una definición de suceso: es todo subconjunto del universo
Ω. Son sinónimos de suceso los términos acontecimiento y evento, que en esta
publicación se emplearán en forma indistinta. En particular cada uno de los
resultados de un experimento se denomina suceso elemental. Por ejemplo el
suceso * + es un suceso elemental, ya que está integrado por sólo un resultado
particular. En Teoría de Conjuntos se denominan conjuntos unitarios.
Si se define el evento “no obtener un número múltiplo de 3”, contrario a

A, los resultados correspondientes son: 1, 2, 4 y 5. Este suceso no comparte
ningún resultado con A, por lo que los eventos son mutuamente excluyentes
9
Andréi Nikoláyevich Kolmogórov (Tambov 1903 – Moscú 1987) fue un matemático que realizó
importantes aportes en materia de Teoría de Probabilidades y Topología. Usando el lenguaje de la
Teoría de Conjuntos, estructuró el sistema axiomático de la Teoría probabilística. Estudió Lógica
Constructivista. Fundó además la Teoría de la Complejidad Algorítmica.
16
(no pueden ocurrir juntos, pues la ocurrencia de uno impide la ocurrencia del
otro), pero además, dado que el nuevo suceso está definido a partir de la
negación de la característica que define al evento A, se dice que son
complementarios. En símbolos: es el suceso complementario de . Los
sucesos de este tipo cumplen con la propiedad: . Se debe destacar
también que estos acontecimientos son colectivamente exhaustivos10, ya que
al realizar el experimento, por lo menos uno de los dos debe ocurrir. Lo antes
expresado puede ser graficado en diagramas de Venn.
Figura III.1. El conjunto A y su complementario Ac
Con este punto de vista es posible enunciar la definición axiomática de

probabilidad, propuesta por Kolmogorov (1933):
1. La probabilidad de un suceso cualquiera A, es un número real no

negativo: ( )
2. La probabilidad del suceso seguro es 1: ( ) .
Vale aclarar este axioma: El suceso seguro es “obtener un resultado
de todos los posibles de un experimento”.
3. Si A y B son dos sucesos mutuamente excluyentes (no pueden
ocurrir al mismo tiempo), la probabilidad de ocurrencia de uno u otro
es la suma de las probabilidades de cada uno de ellos: Si
( ) ( ) ( )
Este axioma puede generalizarse para el caso de dos o más sucesos
mutuamente excluyentes11.
Estos tres postulados constituyen el cimiento axiomático sobre el cual se

levanta el edificio de la Teoría Probabilística moderna, ya que todas las
propiedades de las probabilidades y sus operaciones, se demuestran a partir
de ellos. Por ejemplo, nótese que la definición nada dice acerca de la
probabilidad del suceso imposible (al que se denota con , que en Teoría de
Conjuntos representa al conjunto vacío), pues aquella se desprende de los
axiomas, como se demuestra a continuación:
Sea el suceso A, el cual puede ser expresado como:
10
Un conjunto es exhaustivo si incluye todos los eventos posibles.
11
Se generaliza para una colección de t sucesos mutuamente excluyentes, como sigue:
( ) ( ) ( ) ( )
17
Dado que , entonces ( ) ( ) ( ) ( ) por el

tercer axioma. De esta última igualdad se deduce inmediatamente que
( ) .
Tampoco la definición axiomática nos dice que una probabilidad es un

número real que oscila entre 0 y 1, como ha sido señalado al tratar la Regla de
Laplace, pues esta propiedad también se desprende de los postulados
fundamentales, como se expone a continuación:
Sean los sucesos complementarios A y Ac. Se sabe que y que

. Por los axiomas segundo y tercero es:
( ) ( ) ( ) , luego
( ) ( )
Según el primer axioma una probabilidad es un número no negativo, sin

embargo si ( ) supera el valor 1, ( ) sería negativa, en contradicción con el
primer axioma. Por lo tanto: ( ) . Esta relación de orden es conocida
como regla de convexidad.
III.5 ¿Qué es elegir al azar?
Con los conceptos de azar y probabilidad ya definidos, cabe una pregunta

importante: ¿Qué significa realizar una selección al azar? Supongamos que en
un puesto de frutas y verduras se nos ofrecen tomates y que decidimos
comprar algunos; el verdulero nos pregunta si queremos los tomates de
determinadas características, nosotros contestamos que los elija al azar. La
caja de madera está llena de los frutos mencionados, el vendedor los observa
y, sin revolver mucho, los selecciona de a uno. ¿Ha sido ésta una selección
aleatoria? La respuesta es no. El vendedor sólo observó a los tomates situados
en la parte superior de un compartimento colmado, por lo que su selección
estuvo basada sólo en algunos tomates. Las frutas exhibidas en la parte de
arriba, tienen una mayor probabilidad de resultar seleccionadas para la venta,
frente a las que se encuentran en el fondo de la caja. Esta diferencia de
probabilidades es la que le quita a la selección su carácter de aleatoria o
azarosa. Por otro lado, a la disposición física de los tomates en la caja, hay que
agregar el criterio personal del verdulero como factor limitante de la selección
aleatoria. Inconscientemente, el seleccionador antepone sus preferencias al
elegir los elementos. Entonces, ¿cuándo una selección es aleatoria? Cuando
todos los elementos a ser escogidos, tienen la misma probabilidad de
resultar seleccionados. Esto nos recuerda a la noción de equiprobabilidad en la
que descansa la Regla de Laplace.
18
IV- Leyes de las probabilidades
Las leyes de la naturaleza no son más que los pensamientos matemáticos

de Dios
Euclides
Hasta aquí se ha definido el azar, el determinismo y se han presentado los

dos tipos de modelos matemáticos que el ser humano utiliza para simplificar la
compleja realidad, a fin de analizar fenómenos y predecir razonablemente su
comportamiento. A continuación se ha analizado el concepto de probabilidad y
su evolución a través de la historia, desde el enfoque clásico hasta la definición
axiomática. Se han presentado las características sobresalientes de este
concepto y se han probado resultados importantes. En esta cuarta parte de la
presente publicación, se tratan las propiedades y reglas que gobiernan el
mundo de las probabilidades. Considérense los siguientes datos acerca de un
grupo hipotético de estudiantes de un curso de Estadística Básica, presentados
en forma tabular:
Tabla IV.1. Datos de 20 estudiantes clasificados según sexo, edad, dpto de

residencia, tipo de escuela media, cantidad de asistencias y nota del final
Orden Sexo Edad Dpto. de residencia Escuela media Asistencias Nota
1 Femenino 19 Tafí Viejo Pública 20 6,5

2 Femenino 18 Burruyacu Privada 25 8,5
3 Masculino 17 Tafí del Valle Pública 25 9
4 Masculino 19 San Miguel de Tucumán Pública 10 3
5 Femenino 22 San Miguel de Tucumán Pública 15 4
6 Femenino 21 San Miguel de Tucumán Privada 18 5,25
7 Femenino 22 San Miguel de Tucumán Privada 20 6
9 Masculino 26 Tafí Viejo Pública 23 5,25
10 Masculino 25 Tafí Viejo Privada 25 9,5
11 Femenino 24 Chicligasta Pública 25 7,5
12 Femenino 23 La Cocha Pública 17 2
13 Masculino 18 Graneros Pública 19 1
14 Femenino 19 Chicligasta Pública 18 4
15 Masculino 18 Chicligasta Privada 20 6,25
16 Femenino 28 San Miguel de Tucumán Privada 21 7
17 Masculino 24 Tafí Viejo Pública 24 9
19 Femenino 20 Tafí Viejo Privada 23 8,25
20 Femenino 19 Chicligasta Pública 21 5
Fuente: Datos hipotéticos
19
Los datos contenidos en esta tabla constituyen el universo o conjunto

universal, para los ejemplos que en este acápite se desarrollan. Obsérvese
además que el cuerpo de esta tabla contiene variables cualitativas y
cuantitativas, discretas y continuas.
IV.1 El teorema de la suma de probabilidades
Se define el Experimento 1: Seleccionar al azar un estudiante y registrar los

datos relativos al sexo.
Cabe preguntar: ¿Cuál es la probabilidad de seleccionar una mujer? Dado

que la selección es aleatoria, todos los estudiantes tienen la misma
probabilidad de ser escogidos, con lo cual resulta de aplicación la regla
laplaciana.
Suceso: Seleccionar una mujer. Denotado con F. La cantidad de casos

favorables a este evento es 13 y la de casos posibles, igualmente probables, es
20. Luego, la probabilidad que se desea calcular es:
( )
Se define el Experimento 2: Seleccionar al azar un estudiante y registrar los

datos relativos al departamento de residencia. Se desea calcular la
probabilidad de escoger a una persona que reside en San Miguel de Tucumán.
Este evento se denota con S. Luego, la probabilidad que se desea calcular es:
( )
Considerando ambos experimentos: ¿Cuál es la probabilidad de seleccionar

una mujer o una persona que reside en San Miguel de Tucumán? En símbolos,
se desea calcular ( ). Observando los datos de la Tabla IV.1, se cuentan
13 estudiantes mujeres y 7 residentes en la capital. En la Teoría de Conjuntos,
la operación de unión es la suma, pero se debe proceder con cautela en el
cálculo. Si se suman los tamaños de los conjuntos F y S se obtiene 20, el
tamaño de nuestro universo! ¿Quiere decir eso que escoger una mujer o un
capitalino es un suceso seguro? Claro que no es así. Fácilmente nos
persuadimos de ello, observando en la Tabla IV.1 la presencia de estudiantes
que residen fuera de la capital y de estudiantes varones, de modo que la
probabilidad buscada no puede ser igual a 1. ¿Cuál es el error cometido en el
sencillo e inocente cálculo realizado? Para responder, se vuelcan los datos en
un diagrama de Venn:
20
Figura IV.1 Diagrama de Venn de los experimentos 1 y 2
Se puede ver en el diagrama, que entre las 13 mujeres del curso, se

registran 7 que no residen en capital y 6 que sí. Además puede observarse que
entre los 7 residentes de capital se registran 6 mujeres y un varón. Es decir,
existen 6 personas que simultáneamente son mujeres y residen en San
Miguel de Tucumán. Si se une el conjunto F con el S, el tamaño del mismo es
de: 7 + 6 + 1 = 14 estudiantes, y no 20 como se obtuvo líneas arriba. Así la
probabilidad del suceso de interés es:
( )
Al sumar los tamaños de los conjuntos por separado para calcular ( ),

se está computando dos veces la cantidad de personas que tienen las dos
características (ser mujer y capitalina); he aquí el error. Por ello debe restarse
de la suma, la probabilidad del suceso , de allí que:
( ) ( ) ( ) ( )
Donde ( ) . En nuestro ejemplo:
( )
Esta relación se formaliza en el siguiente enunciado:
Teorema de la suma: Sean A y B dos sucesos de un universo Ω, entonces

se cumple que:
( ) ( ) ( ) ( )
En particular, si ( ) entonces ( ) ( ) ( )
21
IV.2 Subconjuntos y probabilidades
Considérese ahora en el Experimento 1 el evento M (seleccionar a un

varón) y un Experimento 3 consistente en seleccionar al azar un estudiante y
registrar el departamento en donde reside; en particular definimos el suceso G
(seleccionar a un estudiante que reside en el departamento de Graneros). Se
observa que G es un subconjunto de M, formalmente . Las
probabilidades respectivas son:
( ) ( )
Inmediatamente se aprecia que ( ) ( ). Esta situación se grafica en

diagramas de Venn:
Figura IV.2 Diagrama de Venn de los experimentos 1 y 4
Este hecho se generaliza mediante el siguiente teorema: Sean dos

sucesos A y B, tales que , entonces se verifica que ( ) ( ).
Demostración:
El acontecimiento B puede ser expresado como ( ), donde

y son mutuamente excluyentes. Entonces, por aplicación del tercer
axioma de Kolmogorov, es: ( ) ( ) ( ) de lo que se deduce
inmediatamente que ( ) ( ).
IV.3 El teorema del producto
Supóngase que estamos interesados en resumir y observar en forma

conjunta los datos correspondientes a las variables número de asistencias y
nota obtenida en el examen. Para ello, se distinguen dos grupos entre los
estudiantes en relación con la nota: Los que obtuvieron más de 7 puntos y los
que obtuvieron 7 o menos puntos. Respecto de la variable cantidad de
asistencias, se distinguen también dos grupos: Los estudiantes que asistieron a
22
más de 20 clases y los que lo hicieron a 20 o menos clases. Los datos se

resumen en las siguientes distribuciones de frecuencias conjuntas:
Tabla IV.2. Estudiantes clasificados según

cantidad de asistencias a clase y nota
obtenida en el examen
(Valores absolutos)
7o
menos Más de
puntos 7 puntos Total
20 o menos
asistencias 9 0 9
Más de 20 de
asistencias 4 7 11
Total 13 7 20
Fuente: Tabla IV.1
Tabla IV.3. Estudiantes clasificados según

cantidad de asistencias a clase y nota
obtenida en el examen
(Frecuencias relativas)
7o
menos Más de
puntos 7 puntos Total
20 o menos
asistencias 0,45 0,00 0,45
Más de 20 de
asistencias 0,20 0,35 0,55
Total 0,65 0,35 20,00
Fuente: Tabla IV.1
Cabe realizar la siguiente pregunta: Si seleccionamos un estudiante con

más de 20 asistencias a clase, ¿Cuál es la probabilidad de que tenga una nota
mayor a los 7 puntos? A partir de la Tabla IV.2 se observa que las personas
con más de 20 asistencias son 11. De éstas, 7 fueron calificadas con más de 7
puntos. Se denota con E el evento descripto. La probabilidad respectiva, bajo el
enfoque clásico, es:
( ) (I)
Obsérvese que el número total de casos favorables es la cantidad de

estudiantes con más de 20 asistencias a clases y no el total 20, es decir el
universo se ha reducido a los efectos del cálculo de la probabilidad del evento
E. La información se resume en la siguiente distribución de frecuencias:
23
Tabla IV.4. Estudiantes con más de 20

asistencias a clase, clasificados según
nota obtenida en el examen
Frecuencias Frecuencias
Nota
absolutas relativas
7 o menos
4 0,3636
puntos
Más de 7
7 0,6364
puntos
Total 11 1,0000
Fuente: Tabla IV.1
Entonces la pregunta puede ser re-expresada como sigue: ¿Cuál es la

probabilidad de seleccionar un estudiante con nota superior a los 7 puntos,
dado que asistió a más de 20 clases? Están involucrados dos sucesos:
Seleccionar un estudiante con asistencia mayor a 20 clases (al que denotamos
con M) y seleccionar un estudiante con nota superior a 7 puntos (al que
denotamos con N). Tomando en cuenta estos dos nuevos sucesos, el evento E
se simboliza con N│M, luego la probabilidad calculada se expresa como
( ) y se lee probabilidad de N, dado M. El numerador de (I) es la
cantidad de estudiantes que tienen los dos atributos simultáneamente, esto es,
los estudiantes para los cuales M y N son verdaderos, y en el denominador
está la cantidad de estudiantes para los cuales M es verdadero.
Usando el concepto de frecuencia relativa, se expresa:
Donde representa la frecuencia relativa del suceso E, la frecuencia

absoluta del suceso N y la frecuencia absoluta del suceso . Si se
dividen numerador y denominador entre n (la cantidad total de estudiantes), se
obtiene:
El enfoque frecuencial nos dice que si el experimento se realiza un número

grande de veces, la frecuencia relativa será muy próxima al valor de la
probabilidad del evento.
24
Este concepto nos proporciona la fórmula de cálculo de la probabilidad del

suceso N│M:
( )
( | )
( )
Esta probabilidad se denomina condicional, ya que se ha impuesto la

condición de que los estudiantes tengan más de 20 asistencias a clase, por ello
el cálculo se restringe a los estudiantes que cumplen con la misma.
Formalmente:
Probabilidad condicional: Sean A y B dos sucesos de un universo Ω, con B

≠ Ø, entonces se cumple que:
( )
( | )
( )
En nuestro ejemplo:
( | )
Obsérvese que se ha dividido una frecuencia relativa conjunta en una

frecuencia relativa marginal.
Una consecuencia de la definición es la regla del producto:
( | ) ( ) ( )
A continuación se trata un caso particular y de mucha utilidad en la teoría

estadística, pues gran parte de sus resultados están basados en el mismo.
Considérense dos experimentos: el Experimento 4 consistente en seleccionar
aleatoriamente a un estudiante y registrar el tipo de escuela media de la cual es
egresado y el Experimento 5 consistente en extraer al azar una carta de una
baraja española y anotar el palo de la misma.
Supóngase que estamos interesados en calcular la probabilidad de que el

estudiante provenga de una escuela media pública (suceso E) y que la carta
seleccionada sea de copas (suceso C). Es claro que si la carta seleccionada
resulta ser efectivamente de copas, este suceso en nada influye a la
probabilidad de elegir a un estudiante egresado de una escuela pública y
25
viceversa. Cuando esto ocurre, se dice que los sucesos son independientes.
Al no existir influencia alguna entre los eventos, la probabilidad de seleccionar
un egresado de escuela pública, dado que la carta es de copas, es igual a la
probabilidad de elegir un egresado de escuela pública. En otras palabras la
probabilidad condicional es igual a la incondicional:
( | ) ( ) y al revés ( | ) ( )
Bajo independencia de eventos, la probabilidad de ocurrencia de estos

acontecimientos es el producto de las probabilidades incondicionales. A fin de
calcular la probabilidad del suceso del ejemplo planteado ( ), recordemos
que una baraja española consta de 4 palos (basto, oro, espada y copa) de 12
cartas cada uno. Los cálculos son:
( )
( )
( ) ( ) ( )
En general:
Regla del producto para sucesos independientes: Sean dos sucesos

independientes A y B de un universo Ω, entonces ( ) ( ) ( )
IV.4 El teorema de Bayes
Supóngase que los estudiantes han sido clasificados en tres grupos según
la distancia que existe entre su lugar de residencia y la unidad académica en la
que se ha dictado el curso: corta distancia, media distancia y larga distancia. La
información se presenta resumida en una distribución de frecuencias:
Tabla IV.5. Datos de 20 estudiantes

clasificados según distancia entre lugar de
residencia y unidad académica.
Frecuencias
Distancia Estudiantes relativas
Corta 7 0,35
Media 5 0,25
Larga 8 0,40
Total 20 1,00
Fuente: Tabla IV.1
26
Esta tabla de frecuencias constituye una partición del universo Ω, ya que

los grupos son mutuamente excluyentes de a pares y colectivamente
exhaustivos.
A su vez, dentro de cada grupo se han clasificado los alumnos según la

nota obtenida en el examen final:
Tabla IV.6. Estudiantes que residen a

corta distancia de la unidad académica,
clasificados según nota obtenida en el
examen final
Frecuencias
Nota Estudiantes relativas
7 o menos
puntos 6 0,86
Más de 7 1 0,14
Total 7 1,00
Fuente: Tabla IV.1

media distancia de la unidad académica,
examen final
Frecuencias
7 o menos
puntos 2 0,40
Más de 7 3 0,60
Total 5 1,00
Fuente: Tabla IV.1

larga distancia de la unidad académica,
examen final
Frecuencias
7 o menos
puntos 5 0,625
Más de 7 3 0,375
Total 8 1,000
Fuente: Tabla IV.1
Se desea calcular la probabilidad de seleccionar al azar un alumno con

nota superior a los 7 puntos (suceso denotado con N). Para ello se podría
27
directamente dividir la cantidad de estudiantes con esas notas en la cantidad

total de ellos. Sin embargo, se expone a continuación otra forma de obtener
ese valor utilizando las probabilidades condicionales. A partir de las Tablas 6, 7
y 8 se sabe que:
( | )
( | )
( | )
Donde las letras R, I y L representan los sucesos de seleccionar al azar un

estudiante que reside a corta, media y larga distancia respectivamente de la
unidad académica.
Figura IV.3. El suceso N dentro de una partición del universo en tres

sucesos
Dado que se ha realizado una partición del universo, se cumple que:
Y además
( ) ( ) ( )
Obsérvese que los eventos , , son mutuamente excluyentes,

por lo que la probabilidad de elegir a un estudiante con nota superior a los 7
puntos puede calcularse aplicando el tercer postulado fundamental de la
definición axiomática:
( ) ( ) ( ) ( )
El segundo miembro de la igualdad puede ser expresado mediante las

probabilidades condicionales, de la siguiente manera:
28
( ) ( | ) ( ) ( | ) ( ) ( | ) ( )
Luego, el cálculo es:
( )
El mismo valor que se obtiene aplicando directamente la regla de

Laplace:
( )
Considérese ahora la probabilidad de escoger a un alumno que vive a

larga distancia, dado que obtuvo una calificación por encima de los 7 puntos en
la evaluación final. En símbolos:
( )
( | )
( )
Reemplazando ( ) por ( | ) ( ) y ( ) por la suma de

probabilidades
( | ) ( ) ( | ) ( ) ( | ) ( ), se obtiene:
( | ) ( )
( | )
( | ) ( ) ( | ) ( ) ( | ) ( )
Que en nuestro ejemplo arroja un valor de:
( | )
Idéntico resultado que se obtiene aplicando directamente la definición de

probabilidad condicional:
( | )
Este resultado se expresa formalmente en el siguiente teorema:
Teorema de Bayes (o teorema de la probabilidad de las causas): Sea Ω

un universo asociado a un experimento, sea A un evento del universo y sean
una partición de Ω. Entonces la probabilidad del suceso
sujeto a la condición de ocurrencia del suceso A, se obtiene conforme la
siguiente fórmula:
( | ) ( )
( | )
∑ * ( | ) ( )+
29
A modo de cierre del presente acápite, y en conexión con las leyes que se
han tratado en el mismo, resta aclarar que las probabilidades pueden ser:
 Simples: Las que dependen de una sola eventualidad, esto es interviene

sólo un suceso
 Compuestas: Las que dependen de dos o más eventualidades, esto es,
intervienen dos o más sucesos. En este tipo de probabilidad se
encuentra: ( )y ( ).
30
V- Árboles y cuentas. Breve digresión sobre Análisis

Combinatorio
Uno es el sol, uno el mundo,
sola y única es la luna.
Ansí, han de saber que Dios
no crió cantidá ninguna.
El ser de todos los seres
sólo formó la unidá;
Lo demás lo ha criado el hombre
después que aprendió a contar.
José Hernández. Obra: Martín fierro
La definición clásica de probabilidad supone el conocimiento del número

total de casos posibles, en los experimentos populares de arrojar un dado u
una moneda, la obtención de este número es inmediata. Sin embargo en otras
situaciones el conocimiento de la cantidad total de casos posibles demanda un
análisis y cálculo matemático. La rama de la Matemática que se ocupa del
estudio de las diversas formas de agrupamiento de elementos de un conjunto y
del cálculo del número de estos grupos, recibe el nombre de Análisis
Combinatorio.
Supóngase que no recordamos la clave de acceso a nuestra

computadora personal, aunque sí sabemos que se compone de tres números y
que la hemos construido con los dígitos 1, 2 y 3; también sabemos que éstos
pueden repetirse, de modo que la clave 222 es posible. ¿Cuál es la
probabilidad de ingresar la clave correcta en el primer intento? Este
interrogante exige calcular la cantidad de casos posibles. Para ello se ilustra la
situación en forma tabular:
Cuadro V.1 Construcción de una clave numérica de tres caracteres con los
dígitos 1, 2 y 3
Primer lugar Segundo lugar Tercer lugar
3 posibilidades 3 posibilidades 3 posibilidades
1, 2 o 3 1, 2 o 3 1, 2 o 3
Por cada número que podría ocupar el primer lugar en la clave, hay 3
posibles números del segundo lugar y a su vez por cada una de estas
combinaciones hay otros 3 números posibles para el tercer lugar, de manera tal
que el número total de posibilidades resulta del producto de las
correspondientes a cada casilla: claves.
Otra forma de esquematizar la situación problemática consiste en

realizar un diagrama de árbol para visualizar las diferentes posibilidades:
31
Figura VI.1 Diagrama de árbol. Construcción de una clave numérica
Este resultado puede ser generalizado de la siguiente manera: Sea una

urna que contiene bolillas numeradas del 1 a , de la cual se extrae una, se
anota su número y es devuelta a la urna; este procedimiento se realiza
veces. La cantidad total de resultados posibles de este experimento, se
denomina variaciones de un conjunto de N elementos y se calcula de acuerdo
a la fórmula:
Figura IV.2 Variaciones de N elementos de un conjunto
Supongamos ahora que sabemos que nuestra clave no contiene dígitos

repetidos; en este caso existen 3 posibilidades para el primer dígito de la clave,
32
dos para el segundo y una para el tercero. Multiplicando las posibilidades se

obtiene: casos posibles. El diagrama de árbol correspondiente es:
Este resultado puede ser generalizado en forma similar al caso anterior:

Sea una urna que contiene bolillas numeradas del 1 a , de la cual se extrae
una, se anota su número, pero no es devuelta a la urna; este procedimiento
se realiza veces. La cantidad total de resultados posibles de este
experimento se denomina permutaciones de N elementos de un conjunto y se
calcula según la fórmula: ( )( )
Figura IV.4 Permutaciones de N elementos de un conjunto
Esta última expresión es el producto de los primeros números

naturales y se abrevia con los símbolos que se lee factorial del número
33
natural N o simplemente N factorial. Se trata de un particular producto de

números naturales y como tal es siempre positivo. Nótese que aplicando la
propiedad asociativa del producto de números reales, el factorial de se puede
expresar como sigue:
( )( )
,( )( ) -
( )
Un curioso resultado se obtiene al reemplazar por el número 1:
( )
El número 0 tiene factorial y vale 1.
La sucesión de los factoriales es de muy rápido crecimiento, basta con

mencionar que el factorial de 20, es más de 2,4 trillones, un número de 19
cifras.
En los dos casos anteriores se han tomado todos los elementos del
conjunto, ¿cómo cambian las fórmulas si se toma un subconjunto? Retomando
el primer ejemplo, supóngase que la clave está formada sólo por dos dígitos del
1 al 3; recuérdese además que los dígitos pueden repetirse. El diagrama de
árbol es el siguiente:

34
La cantidad de casos posibles se calcula como: .
Se generaliza el resultado obtenido de la siguiente manera: Sea una

urna que contiene bolillas numeradas del 1 a , de la cual se extrae una, se
anota su número y es devuelta a la urna; este procedimiento se realiza
veces, con . La cantidad total de resultados posibles de este
experimento, se denomina variaciones de un conjunto de N elementos
tomados de a n y se calcula de acuerdo a la fórmula:
Considérese que nuestra clave está formada con tres dígitos del 1 al 5 y
que no se repiten (por ejemplo la clave 332 no es posible). Las diferentes
posibilidades se presentan en forma tabular:
Cuadro V.1 Construcción de una clave numérica de tres caracteres con los
dígitos 1, 2, 3, 4 y 5. Sin repetición
Primer lugar Segundo lugar Tercer lugar
5 posibilidades 4 posibilidades 3 posibilidades
Multiplicando las posibilidades, se obtiene: alternativas

distintas. Este cálculo puede ser expresado de la siguiente forma:
( )
( ) ( )
En general:
Sea una urna que contiene bolillas numeradas del 1 a , de la cual se

extrae una, se anota su número, pero no es devuelta a la urna; este
procedimiento se realiza veces, con . La cantidad total de resultados
posibles de este experimento se denomina permutaciones de N elementos
de un conjunto tomados de a n, y se calcula según la fórmula:
( )
Otro ejemplo puede ser útil a fin de ganar en comprensión. Supóngase

que se debe fabricar una camiseta conforme al siguiente diseño:
35
Se dispone de 4 colores diferentes tinta para tela: rojo, verde, amarillo y

blanco. Se desea conocer el número total de diseños distintos para la camiseta,
sabiendo que los dos sectores (superior e inferior) de la camiseta deben ser
pintados con colores diferentes entre sí.
Solución: Dado que los colores no pueden repetirse, el cálculo es:
( )
Se tienen de esta forma 12 alternativas distintas de diseños. Para volcar

las mismas en un diagrama de árbol, se denota con las letras R, V, A y B los
colores rojo, verde, amarillo y blanco respectivamente.
Figura VI.6 Diagrama de árbol. Diferentes diseños para una camiseta

36
Los 12 diferentes diseños son:
Obsérvese que una camiseta cuya parte superior es amarilla y la inferior

es blanca, es diferente de otra cuya parte superior es blanca y la inferior es
amarilla. Esto significa que en las permutaciones el orden es importante. El
arreglo AB es distinto de BA. En símbolos: AB ≠ BA
Considérese la siguiente situación: Se desea preparar licuados con las

siguientes frutas: kiwi, frutilla, mango, durazno y banana. Se decide que los
licuados contendrán la pulpa de dos frutas solamente. Se plantea el
interrogante: ¿cuántos licuados distintos se pueden preparar?
Nótese que en este caso da lo mismo mezclar durazno con frutilla, que
frutilla con durazno. En otras palabras, el orden no es importante, por lo cual
los casos posibles son menos respecto a una permutación . Denotando con
las letras K, F, M, D y B los nombres de las frutas a procesar, los diferentes
licuados que se pueden preparar son:
37
Figura VI.7 Diagrama de árbol. Diferentes licuados de dos sabores

preparados a partir de cinco frutas diferentes
Se tienen así, 10 mezclas posibles. Cada una de ellas recibe el nombre

de combinación. ¿Cómo se obtiene el número total de combinaciones?
Llamemos al número en cuestión. Para responder a esta pregunta
supóngase que deseamos calcular el número de permutaciones de 5 frutas
tomándolas en grupos de 2. Se sabe que por cada combinación hay 2!
maneras distintas de permutar las dos frutas escogidas. Por ejemplo, si
elegimos durazno y frutilla, tenemos 2! formas diferentes de permutarlas (DF y
FD). Así, en este ejemplo, por cada combinación hay 2! permutaciones. En
símbolos:
Luego,
( )
En general:
Sea una urna que contiene bolillas numeradas del 1 a , de la cual se

extrae una, se anota su número, pero no es devuelta a la urna; este
procedimiento se realiza veces, con . La cantidad total de resultados
posibles de este experimento, sin importar el orden en que son escogidas las
bolillas, se denomina combinaciones de N elementos de un conjunto
tomados de a n, y se calcula según la fórmula:
38
( )
La expresión se denomina número combinatorio “N tomado de a n”.
A continuación se presenta otro ejemplo: En una clase de biología, se

encuentran presentes 40 estudiantes. El profesor decide evaluar una de las
Unidades del programa de la materia mediante un trabajo grupal, para lo cual
los estudiantes deben organizarse en grupos de 5 personas cada uno.
¿Cuántos grupos diferentes pueden formarse? Si el docente desea que los
grupos sean de 8 personas, ¿cuántas posibilidades hay?
Solución:
Cantidad de grupos distintos de 5 estudiantes de un colectivo de 40
( )
Es decir, existen 658008 diferentes grupos que podrían formarse!
( )
En este caso las combinaciones posibles son más de 76 millones!
Supóngase que el docente está interesado en medir la diferencia en los

rendimientos entre un grupo muy grande de estudiantes y uno muy chico, para
este fin decide que el grupo grande estará conformado con 35 alumnos y el
chico con 5. ¿De cuántas maneras posibles puede estar integrado el grupo
grande?
Solución:
( )
Resulta que la cantidad de agrupamientos posibles es la misma que la

obtenida para grupos de 5 personas. Este hecho se observa de manera
inmediata en los ejemplos presentados:
( )
39
En general:
( )
Por la propiedad conmutativa del producto, se expresa
( )
Pero esta última expresión es la correspondiente también al número

combinatorio , luego
Estos números combinatorios reciben el nombre de complementarios,

pues: ( ) y cumplen la propiedad de ser iguales entre sí.
En cuanto a notación, se destaca que el número combinatorio se

denota también en la literatura con el símbolo . /.
Las combinatorias intervienen además en la fórmula del Binomio de

Newton:
( ) ∑* +
En particular, si ⋀ se obtiene un resultado notable:
( )
La N-ésima potencia del número 2 se descompone en la suma de N

números combinatorios.
Otro caso para analizar es el de las permutaciones de elementos no

todos diferentes entre sí. En este caso entre las bolillas que se encuentran
dentro de la urna, son de un tipo, son de otro, etc. De modo tal que:
En otras palabras, existen k diferentes tipos de bolillas en la urna. La

cantidad de permutaciones entre las bolillas, se calcula con la fórmula:
Un ejemplo será de gran ayuda para entender la operación que se acaba

de presentar: Cuatro personas, dos varones y dos mujeres, deben sentarse en
40
sus respectivas sillas, ¿de cuántas maneras diferentes pueden ubicarse? Los
casos posibles son:
Cuadro V.2 Formas de ubicar en 4 sillas a 2 varones y 2 mujeres
Lugar de la silla
1º 2º 3º 4º
V V M M
M M V V
V M V M
M V M V
V M M V
M V V M
Como se aprecia, son 6 los arreglos posibles de ubicación de estas 4

personas. Este número se obtiene calculando:
Considérese otro ejemplo: En el salón de espera de un banco aguardan

sentados la atención del cajero, 4 obreros, 3 jubilados y 2 estudiantes. De
repente, el guardia solicita a las personas que formen fila para ser atendidos.
¿De cuántas formas distintas pueden ubicarse en la fila?
Solución: En total son 9 personas, dentro de las cuales se distinguen 3

grupos: obreros, jubilados y estudiantes, que en número son 4, 3 y 2
respectivamente. Los diferentes arreglos posibles para formar fila se obtienen
según el siguiente cálculo:
Existen, por lo tanto, 1260 formas distintas de formar fila, teniendo en

cuenta los 3 grupos mencionados.
El siguiente cuadro expone en forma comparativa las diferentes

operaciones que se han tratado en esta parte de la presente publicación.
41
Cuadro V.3 Resumen: Variaciones, permutaciones y combinaciones
De una urna que contiene N bolillas:

Extraemos una a una todas Extraemos una a una sólo n bolillas
Con reposición (Variaciones) Con reposición (Variaciones)
Sin reposición (Permutaciones) Importa el orden (Permutaciones)

 Todas son diferentes:
 son de un tipo, son de ( )
otro, etc:
No importa el orden, sólo la presencia
de las bolillas (Combinaciones)
( )
Vale aclarar que todas las operaciones estudiadas arrojan por resultado
un número natural.
42
VI- Estadística y Probabilidad. Un romance inevitable

La estadística es la primera de las ciencias inexactas
Edmond de Goncourt
La estadística ha sido definida como la ciencia de los datos. Éstos son su

materia prima y pueden ser de carácter cualitativo o cuantitativo, pero en
definitiva siempre son reducidos a números. Los datos se recogen de diversas
maneras: a través de encuestas, entrevistas, informes elaborados por
instituciones, bases de datos pertenecientes a distintas organizaciones,
simulaciones, etc. Una vez que son captados, se organizan en forma tabular
según las características de los elementos unitarios que son de interés para la
investigación. Posteriormente son resumidos para ganar comprensión y
sometidos al análisis, a fin de tomar decisiones o bien responder a los
interrogantes que se plantean.
La Teoría de Probabilidades estudia los experimentos aleatorios y propone

modelos para tratarlos; nos enseña que, a pesar de la variabilidad en los
resultados posibles de un experimento, debido al azar, existen algunos cuya
verificación se puede esperar más que otros, esta medida de la certeza es la
probabilidad.
¿Pero qué relación existe entre la Estadística y la Teoría de

Probabilidades? Considérese el siguiente ejemplo: nos encontramos frente a
un gran dique, donde se sabe, habitan sólo dorados y sábalos; un amigo
nuestro nos dice con mucha convicción que la mitad de los peces son sábalos.
¿Cómo podríamos conocer o al menos juzgar sobre una base racional la
verdad contenida en la aseveración de nuestro amigo? Tendríamos que extraer
el ciento por ciento de la fauna del dique y luego contar cuántos sábalos y
dorados hay. Pero esa tarea se descarta por estar totalmente fuera de nuestro
alcance. Entonces, corresponde extraer “adecuadamente” sólo una fracción de
la población y dentro de la misma realizar el mencionado conteo. A partir de la
selección realizada (conocida como muestra), la proporción de sábalos que se
calcule será una estimación de la correspondiente a la población. Por lo tanto
las conclusiones a las que se llegue, estarán proyectadas en un marco de
probabilidad, pues existe un margen de error en nuestro cálculo, debido a que
hemos tomado sólo una fracción del total. Naturalmente se desea que ese
margen sea controlable.
43
El problema aquí planteado es de Inferencia Estadística ya que se trata de

extrapolar lo observado en una muestra hacia la población completa,
asumiendo la existencia de un error que es controlable, si se ha seleccionado
correctamente la muestra, y que puede ser medido en términos de
probabilidad. La teoría probabilística nos brinda modelos que permiten controlar
el mencionado error de la estimación. Este vínculo entre Estadística y Teoría
de Probabilidades da lugar a la Estadística Inferencial, definida como un cuerpo
teórico integrado para la toma de decisiones en condiciones de incertidumbre.
*****Ψ*****
44
GLOSARIO
ANÁLISIS COMBINATORIO: Rama de la Matemática discreta que estudia las

ordenaciones y agrupaciones de un conjunto de elementos.
AXIOMA: Postulado o proposición cuyo valor de verdad se acepta sin

demostración.
AZAR: Fuerza que supuestamente determina que los hechos y acciones

imprevisibles se desarrollen de una forma u otra. Es una combinación de
causas imprevisibles y complejas.
CERTEZA: Seguridad respecto al acaecimiento de un hecho.
COLECTIVAMENTE EXHAUSTIVOS: Dícese de los sucesos que

indefectiblemente se verifican al realizarse un experimento.
COMBINACIONES: Arreglos o agrupamientos posibles de elementos de un

conjunto en los que sólo importa la presencia de los elementos considerados,
no así su orden.
COMPLEMENTARIOS: Dícese de los sucesos mutuamente excluyentes y que

abarcan todos los resultados posibles de un experimento. Se trata de sucesos
que no pueden presentarse simultáneamente ya que uno está definido a partir
de la negación del otro. En términos de operaciones entre conjuntos, la unión
de estos sucesos es igual al conjunto universal
DEFINICIÓN AXIOMÁTICA: Concepto de probabilidad, propuesto por el

matemático Andréi Nikoláyevich Kolmogórov en el año 1933, basado en tres
axiomas, a partir de los cuales se deducen todas las propiedades y
operaciones del Cálculo Probabilístico.
DETERMINISMO CAUSAL: Corriente de pensamiento que afirma que todos los

acontecimientos de la realidad, así como las acciones y pensamientos
humanos, están determinados estrictamente por una relación de causa –
efecto. Entre sus mayores exponentes se encuentran Gottfried Leibniz y Pierre
Laplace.
DIAGRAMA DE ÁRBOL: Esquema en el que se presentan todos los resultados

posibles de un experimento probabilístico. Cada uno de los resultados está
representado por una rama. Puede ser realizado en forma vertical o bien
horizontal.
ENFOQUE CLÁSICO DE PROBABILIDAD: Concepto de probabilidad propuesto

por Pierre Laplace en el año 1814. Desde este punto de vista la probabilidad de
un evento se obtiene a partir del ratio: casos favorables al evento/cantidad de
45
casos posibles. La probabilidad obtenida a partir de esta famosa regla es

conocida como probabilidad a priori o teórica.
ENFOQUE EMPÍRICO DE PROBABILIDAD: Concepto de probabilidad propuesto

por Richard Von Mises en el año 1919, también conocido como enfoque
frecuencial. Bajo este punto de vista, la probabilidad es una frecuencia relativa
a largo plazo. El enfoque lleva este nombre debido a que su base es la
experiencia, esto es la realización repetida de un mismo experimento. Este
concepto surgió como una superación a la definición clásica de probabilidad.
EQUIPROBABILIDAD: Dos o más sucesos se dicen equiprobables, cuando

tienen la misma probabilidad de ocurrencia.
ERROR: Diferencia entre un dato estimado y un dato real.
ESPACIO MUESTRAL: Conjunto formado por todos los resultados posibles de

un experimento probabilístico. También es conocido como espacio de
referencia, conjunto universal o simplemente universo.
ESTIMACIÓN: Aproximación a una información real de un colectivo, a partir de

datos correspondientes a un subconjunto del mismo, por medio de algún
método diseñado para tal fin.
EVENTUALIDAD: Hecho o acontecimiento que puede o no ocurrir.

Inconveniente o problema imprevisto.
EXPERIMENTO: Es todo proceso que genera datos de índole cualitativa o

cuantitativa.
FRECUENCIA RELATIVA: Proporción de casos favorables a un suceso en

particular, en una serie de repeticiones de un experimento probabilístico.
FORTUITO: Acontecimiento que ocurre de manera imprevista o por casualidad.
INCERTIDUMBRE: Falta de certeza en el acaecimiento de los hechos.
INDEPENDENCIA ESTADÍSTICA: Se dice que dos sucesos son independientes

cuando la probabilidad de ocurrencia simultánea de ambos es el producto de
las probabilidades de cada uno de ellos.
INDUCCIÓN: Forma de razonamiento por medio del cual se extrae una regla,
norma, ley conclusión general a partir de la observación y/o análisis de algunos
casos particulares. Se trata de extrapolar lo observado en un subconjunto hacia
el conjunto completo.
INFERENCIA ESTADÍSTICA: Conjunto de métodos y técnicas diseñados para

estimar ciertas características de una población, a partir de los datos
contenidos en una fracción de la misma, llamada muestra.
46
MODELO DETERMINÍSTICO: Modelo científico en el cual un experimento arroja

siempre el mismo resultado, si es que se realiza bajo de terminadas
condiciones preestablecidas.
MODELO PROBABILÍSTICO: Modelo científico en el cual un experimento,

realizado bajo determinadas condiciones preestablecidas, puede arrojar
diferentes resultados, debido a la presencia del azar.
MUESTRA: Subconjunto o fracción de una población.
MUTUAMENTE EXCLUYENTES: Dícese de los sucesos que no pueden acaecer

en forma simultánea.
PARTICIÓN: División del espacio muestral en subconjuntos mutuamente

excluyentes y colectivamente exhaustivos. Con el fin de ilustrar este concepto,
piénsese en una plancha de vidrio que se agrieta en muchos fragmentos.
PERMUTACIONES: Arreglos de elementos que integran un conjunto, bien sea

considerando a todos los elementos o bien tomando grupos de un determinado
tamaño. Se destaca que en este tipo de arreglos, el orden de presentación de
cada elemento sí es de importancia, de modo que el arreglo ab es distinto de
ba, por ejemplo.
POTENCIAL: Que no existe o no es, pero que tiene la posibilidad de existir o

ser en el futuro.
PROBABILIDAD: Medida de la certeza en la ocurrencia de un evento o suceso.

A lo largo de la historia se han desarrollado técnicamente tres grandes
definiciones: Enfoque Clásico, Enfoque Empírico y Definición Axiomática.
PROBABILIDAD CONDICIONAL: Probabilidad de ocurrencia de un suceso,

dado que ha sucedido otro. En este caso se dice que el espacio muestral se ha
reducido.
REGLA DE LA SUMA: Fórmula de cálculo de la probabilidad para el caso de la

unión de sucesos.
REGLA DEL PRODUCTO: Fórmula de cálculo de la probabilidad para el caso de

la intersección de sucesos.
REGULARIDAD: Aproximación o convergencia a un determinado valor.

Estabilización alrededor de un determinado valor.
SUCESO: es todo subconjunto del espacio muestral (conjunto universal),

asociado a un experimento determinado.
SUCESO ELEMENTAL: Es cada uno de los sucesos integrado por un solo

resultado posible.
47
TEORÍA DE CONJUNTOS: Rama de la Matemática que se ocupa del estudio de

las propiedades, relaciones y operaciones entre conjuntos. Sus conceptos
primitivos son: conjunto y pertenencia. Tuvo un importante desarrollo a partir de
los aportes del matemático ruso – alemán George Cantor. Es considerada la
base de la Matemática Moderna.
48
CASUALIDAD Y CAUSALIDAD EN UNA HISTORIETA
Figura extraída de “Humor Gráfico para la enseñanza y aprendizaje del azar”

de Guitart – Coria, M. B. y Martínez Flores, P.
49
REFERENCIAS BIBLIOGRÁFICAS
1- BERENSON, M., LEVINE, D., KREHBIEL, T. (2001), Estadística para

Administración. 2º Edición. Ed. Prentice Hall. México.
2- CHOPRA, D. MLODINOW, L. (2017) Guerra de dos mundos. Ed.
Grijalbo. Argentina.
3- FELLER, W. (1980), Introducción a la Teoría de Probabilidades y sus

aplicaciones. Volumen I. Ed. Limusa. México.
4- GARCÍA SECADES, M. (2005), Probabilidad filosófica y moral: las

primeras contribuciones a la idea de lo probable. Estadística Española
Vol. 47 Nro 160. España.
5- GONZÁLEZ GALÉ, J. (1970), Probabilidades y Diferencias Finitas.

Ediciones Macchi. Buenos Aires - Argentina.
6- GUITART – CORIA, M. B., FLORES MARTÍNEZ P. Humor gráfico

para la enseñanza y aprendizaje del azar. Universidad Nacional de Cuyo
(Argentina) – Universidad de Granada (España).
7- GUTIERREZ CABRIA, S. (1984), Probabilidad, posibilidad, verdad e

incertidumbre. Estadística Española Nro 104. España.
8- LANDRO, A. (2010), Acerca de la Probabilidad. Buenos Aires. Ed.

Ediciones Cooperativas. 1ª Edición.
9- MENDENHALL, W., BEAVER, J. R., BEAVER, B. M., (2009),

Introducción a al Probabilidad y Estadística. México. Ed. Cencage
Learning. 12ª Edición.
10- MEDINA, R. M. (1982), Técnicas Muestrales – Publicación XIII. San

Miguel de Tucumán. Universidad Nacional de Tucumán, Facultad de
Ciencias Económicas, Cátedra de Estadística.
11- MEYER, P. L. (1992), Probabilidad y Aplicaciones Estadísticas.

México. Editorial Addison Wesley Iberoamericana.
12- PAGANO R. (2010), Estadísticas para las Ciencias del

Comportamiento. México. Ed. Cencage Learnig. 9° Edición.
13- PERE GRIMA, (2011), La certeza absoluta y otras ficciones. España.

Ed. RBA Coleccionables.
14- REBOLLEDO R. (2012), Complejidad y azar. Chile. Revista

electrónica de la Asociación Andaluza de Filosofía.

Estadísticas

Cargado por

Copyright:

Formatos disponibles

Estadísticas

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Estadísticas

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE TUCUMÁN

FACULTAD DE CIENCIAS ECONÓMICAS

Mg. Rolando M. Augier

Nociones elementales de Probabilidad

Mg. Rolando M. Augier

Ilustración de la portada: Rolando M. Augier

La presente publicación trata sobre el complejo concepto de probabilidad

San Miguel de Tucumán, 17 de abril de 2019

Mg. Rolando M. Augier

I- Azar y Determinismo – Casualidad y causalidad 5

II- Modelos – La realidad simplificada 7

III- ¿Qué cosa es una probabilidad? 9

IV- Leyes de las probabilidades 18

V- Árboles y cuentas - Breve digresión sobre Análisis 30

VI- Estadística y Probabilidad – Un romance inevitable 42

I- Azar y Determinismo – Casualidad y causalidad

El estado inicial del Universo "fue elegido" puramente al azar

La incertidumbre, la falta de una completa seguridad en el acaecimiento

Otro término utilizado para designar aquello que es imprevisible, es el

La presencia del azar no solamente está en los juegos de mesa, o en la

Una corriente de pensamiento afirma que esta falta de absoluta certeza

El determinismo es la doctrina filosófica según la cual todo hecho,

II- Modelos – La realidad simplificada

No existe la casualidad, y lo que se nos presenta como azar surge de las

¿Qué es un modelo en la ciencia? Es la representación abstracta y

Se distinguen en este trabajo dos clases de modelos matemáticos:

cuales se verifica un experimento, determinan el resultado del mismo (Paul

son las características distintivas de un experimento de este tipo: posibilidad

Cuadro II.1 Comparación de experimentos determinísticos y

Experimento Resultado Variabilidad Presencia Ejemplo

III- ¿Qué cosa es una probabilidad?

Pierre Simon Laplace

III.1 Probabilidad y sentido común

El término probabilidad es complejo, debido a la cantidad de conceptos

Vivimos en un mundo impregnado de incertidumbre, las dudas, las

En este trabajo se distingue esta probabilidad intuitiva de la probabilidad

La primera, la probabilidad originada en el sentido común, en el saber

 Sujeto que lo realiza, condicionado por su psiquis y creencias.

 Condiciones iniciales, también conocidas como estado de la

III.2 El enfoque clásico – La probabilidad a priori

El adjetivo latino probabilis, que originalmente significaba digno de

Lo expuesto en el párrafo anterior permite brindar un primer concepto de

Si bien el germen de la Teoría de Probabilidades se encuentra muy atrás

Donde, ( ) representa la probabilidad del suceso (o acontecimiento) A.

Algunos comentarios caben realizar sobre esta fórmula:

a) Nunca arroja un valor negativo.

Por ejemplo, sea el experimento probabilístico de arrojar un dado y

El resultado del cálculo realizado se interpreta: al arrojar un dado la

Es importante destacar que la definición de Laplace descansa en la

probabilidades. Tampoco resulta aplicable cuando el número de casos

III.3 El enfoque empírico – La probabilidad a posteriori

Otra forma definir probabilidad considera el concepto de frecuencia

Cuadro III.1 Resultados obtenidos para 4 repeticiones

Obsérvese que la distribución de frecuencias no solamente presenta el

La frecuencia relativa de un suceso A es la proporción de veces en que

Donde representa la frecuencia relativa del suceso A, denota el

Los resultados obtenidos para 16, 64 y 900 tiradas, se presentan en las

Cuadro III.2 Resultados obtenidos para 16 repeticiones

Cuadro III.3 Resultados obtenidos para 64 repeticiones