Probabilidad

1. Idea de probabilidad experimental

La idea de probabilidad experimental nos dice que si repetimos muchas veces un
suceso, las frecuencias relativas de dicho suceso tenderán a estabilizarse alrededor
de cierto valor. Si lanzamos una moneda 1000, 10000 o 100000 veces, las
frecuencias relativas del suceso salir cara se estabilizarán alrededor de 0,5. Si
lanzamos un dado muchas veces, la frecuencia relativa de que salga cinco se
estabiliza alrededor de 1/6.
Se dice que un suceso A es más probable que otro B si al realizar el experimento
muchas veces, A ocurre significativamente más veces que B.
En la siguiente escena puedes obsevar las frecuencias relativas de algunos sucesos
al tirar el dado. Tira el dado unas 10 o 20 veces y a continuación pulsa los botones
1000 tiradas y 10000 tiradas para observar lo que ocurre.

Idea de probabilidad en el sentido de Laplace.

La probabilidad en el sentido clásico de un suceso se define como el cociente entre
los casos favorables a la ocurrencia de dicho suceso y el número total de casos
posibles. Para que funcione esta definición los casos deben tener todos la misma
posibilidad de ocurrencia (sucesos equiprobables). Esta definición es conocida como
definición de probabilidad en el sentido de Laplace
La fórmula de probabilidad es la siguiente:

Mientras más se acerca el valor de la probabilidad a 0, disminuye la

posibilidad de que ocurra el evento. Mientras más se acerca el valor a 1,
aumenta la posibilidad de que ocurra.
 0 ≤ 𝑃(𝐴) ≤ 1

Experimento aleatorio
Es la reproducción controlada de un fenómeno; y cuyo resultado
depende del azar. Ejemplos:
• Lanzamiento de un dado.

• Lanzamiento de una moneda.

Un experimento aleatorio puede ser repetido bajo las mismas
condiciones, y se puede describir el número de resultados posibles.

Espacio muestral (S)

Es el conjunto de todos los resultados posibles de un experimento
aleatorio.
• Si se lanza un dado, el espacio muestral está compuesto por los
siguientes elementos: S={1, 2, 3, 4, 5, 6}.
• Si se lanza una moneda que tiene dos caras: perro (P) y gato (G), el
espacio muestral está compuesto por: S={P, G}.
• Si se lanzan dos monedas, el espacio muestral está compuesto
por: S={(P, P), (P, G), (G, P), (G, G)}.
• Si se lanza un dado y una moneda, el espacio muestral está compuesto
por: S={(1,P),(1,G),(2,P),(2,G),(3,P),(3,G),(4,P),(4,G),(5,P),(5,G),(6,P),(6,G)}
Evento o suceso
Conjunto de uno o más resultados del experimento aleatorio.

• Si A = {obtener un número 5 al lanzar un dado}, entonces, A={5}.

• Si B = {obtener un número mayor que 3 al lanzar un dado},
entonces, B={4, 5, 6}.
• Si C = {obtener un número par al lanzar un dado}, entonces, C={2, 4, 6}.
• Si D = {obtener al menos 1 gato al lanzar 2 monedas},
entonces, D={(P, G), (G, P), (G, G)}
Probabilidad
Probabilidad es un valor entre 0 y 1, que indica la posibilidad relativa
de que ocurra un evento. El valor de la probabilidad se calcula mediante
la siguiente fórmula:

0 ≤ P(A) ≤ 1
La probabilidad de que ocurra un evento es 0, si es imposible que ocurra
ese evento. Por otro lado, la probabilidad de que un ocurra un evento es
1, si es seguro que ocurrirá ese evento.

Ejemplo 1:
La moneda de Honduras, tiene 2 caras: escudo y cara . ¿Cuál es la
probabilidad de obtener cara al lanzar una moneda?
Solución:
Primero calculamos el número total de casos posibles que se dan al lanzar
la moneda. En este problema, son 2 casos posibles, se obtiene escudo o
se obtiene cara.
Ahora, calculamos el número de casos favorables. Si lanzamos la moneda,
tenemos 1 caso de cara. Por lo tanto, la probabilidad de obtener cara
𝑛ù𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑐𝑎𝑟𝑎 1
sería: 𝑃(𝑐𝑎𝑟𝑎) = 𝑛ù𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠
= 2
= 0.5 𝑜 50%

Podemos colocar como respuesta: 0,5 o 50%.

Ejemplo 2:
¿Cuál es la probabilidad de obtener un 5 al lanzar un dado?
Solución:
Primero calculamos el número total de casos posibles que se dan al lanzar
un dado. En este problema, son 6 casos posibles, ya que el dado puede
arrojar 1, 2, 3, 4, 5 o 6.
Ahora, calculamos el número de casos favorables. Si lanzamos un dado,
tenemos 1 caso en el que se obtiene 5. Por lo tanto, la probabilidad de
obtener un 5 sería:

La respuesta sería: 0,1667 o 16,67%.

REGLAS DE PROBABILIDAD

0. 0 ≤ P(A) ≤ 1
1. Regla del complemento nos dice que si tenemos un evento A, y su
suceso contrario o complementario A, entonces, se cumple que:

P(𝐴) = 1 – P(A)

Ejemplo :
Calcular la probabilidad de no obtener un 1 al lanzar un dado al aire.
• Suceso A: obtener un 1 al lanzar un dado al aire. A={ 1 }. Si
calculamos P(A):

• Suceso A : no obtener un 1 al lanzar un dado al aire, es decir, obtener

un 2, 3, 4, 5 o 6. A = {2, 3, 4, 5, 6}. Si calculamos P(A):

2. Regla de adición o regla de la suma, establece que si tenemos un

evento A y un evento B, la probabilidad de que ocurra el evento A o el
evento B se calcula de la siguiente manera:

Donde:
• P(A) : probabilidad de que ocurra el evento A.
• P(B) : probabilidad de que ocurra el evento B.
• P(A⋃B) : probabilidad de que ocurra el evento A o el evento B.
• P(A⋂B) : probabilidad de que ocurra el evento A y el evento B a la vez.

¿Y si los eventos son mutuamente excluyentes?

Dos eventos A y B son mutuamente excluyentes si no pueden ocurrir al
mismo tiempo, es decir, si no tienen elementos comunes. Por ejemplo,
sacar una carta al azar de una bajara, y obtener un 5 y un 7, son eventos
mutuamente excluyentes, ya que no hay ninguna carta que tenga un 5 y
un 7 al mismo tiempo. Entonces P(A⋂B) = 0 , por lo tanto, partiendo de
la misma fórmula, obtendríamos la siguiente expresión:
P(A⋃B) = P(A) + P(B) − P(A⋂B)
 P(A⋃B) = P(A) + P(B) − 0

P(A⋃B) = P(A) +P(B)

Ejemplo 1:
La probabilidad de que un día cualquiera, Carlos almuerce pollo frito
es de 0,4. La probabilidad de que almuerce hamburguesa es de 0,3;
mientras que la probabilidad de que almuerce pollo frito y
hamburguesa el mismo día es de 0,1. Calcula la probabilidad de que
un día cualquiera, Carlos almuerce pollo frito o hamburguesa.
Solución:
Definimos nuestras probabilidades:

• Probabilidad de que Carlos almuerce pollo frito: P(A) = 0,4.

• Probabilidad de que Carlos almuerce hamburguesa: P(B) = 0,3.
• Probabilidad de que Carlos almuerce pollo frito y hamburguesa el
mismo día: P(A⋂B) = 0,1.
• Probabilidad de que Carlos almuerce pollo frito o hamburguesa:
P(A⋃B) = ?
Ahora, aplicamos nuestra fórmula:

P(A⋃B) = P(A) + P(B) − P(A⋂B)

P(A⋃B) = 0,4 + 0,3 − 0,1

P(A⋃B) = 0,6

Ejemplo 2:
La probabilidad de que al tirar un dado, salga 1, es de 1/6. La
probabilidad de que salga 3, es de 1/6. Calcular la probabilidad de
que al tirar un dado, salga 1 o 3.
Solución:
Definimos nuestros eventos:
• Probabilidad de que salga 1: P(A) = 1/6.
• Probabilidad de que salga 3: P(B) = 1/6.
• Probabilidad de que salga 1 y 3 al mismo tiempo P(A⋂B) = 0. Este
valor es cero, dado que son eventos mutuamente excluyentes. Si sale 1,
ya no puede salir 3.
• Probabilidad de que salga 1 o 3: P(A⋃B) = ?
Ahora, aplicamos nuestra fórmula:

3. Probabilidad condicional

Si tenemos dos eventos, A y B, la probabilidad condicional de que ocurra

el evento A, dado que ha ocurrido el evento B, se representa como P(A|B),
y se calcula de la siguiente manera:

Fórmula:

En un diagrama de Venn, veríamos los eventos A y B de la siguiente

manera:
La condición, es que se ha realizado en el evento B, por lo tanto, nuestro
diagrama de Venn quedaría reducido a:

Por ello, podemos ver que el universo está representado por la

probabilidad de B, y dentro de ese universo, la probabilidad de que
ocurra A, está representada por la probabilidad de A ∩ B.
En algunos problemas, puede que sea necesario calcular la probabilidad
de que ocurra el evento B, dado que ha ocurrido A. En ese caso,
simplemente invertimos el orden de las variables:

Ejemplo 1:
Si P(A) = 0,6 ; P(B) = 0,4 y P(A∩B)=0,18. Calcular:

a) P(A|B)
b) P(B|A)
Solución:
En este problema, simplemente vamos a reemplazar los datos en la
fórmula.
a) Usamos la fórmula de probabilidad condicional:

b) Usamos la fórmula de fórmula de probabilidad condicional, teniendo

en cuenta que vamos a calcular la probabilidad de que ocurra B, dado que
ha ocurrido A.
Ejemplo 2:
Al 25% de tus amigos le gusta la bailar y cantar, mientras que al 60% le
gusta cantar. ¿Cuál es la probabilidad de que a un amigo que le gusta
cantar, le guste la bailar?

Solución:
Vamos a trabajar con 2 eventos: que a un amigo le guste bailar, y que a
un amigo le guste el cantar
• Evento A: que a un amigo le guste bailar. P(A) = ?
• Evento B: que a un amigo le guste cantar. P(B) = 60 %.
• Evento A y B: que a un amigo le guste bailar y cantar. P(A∩B) = 25 %.
Ahora calculamos la probabilidad de que a un amigo le guste bailar ,
dado que le gusta cantar.

La probabilidad de que a un amigo le guste bailar dado que le gusta el

cantar es del 41,67 %.

Ejemplo 3:
El 76 % de los estudiantes de Ingeniería Civil han aprobado resistencia de
materiales y el 45 % aprobaron estática. Además, el 30 % aprobaron
resistencia de materiales y estática. Si Camilo aprobó resistencia de
materiales, ¿qué probabilidad tiene de haber aprobado también estática?
 Solución:
Vamos a trabajar con 2 eventos: aprobar resistencia de materiales, y
aprobar estática.
• Evento A: aprobar resistencia de materiales. P(A) = 76 %.
• Evento B: aprobar estática. P(B) = 45 %.
• Evento A y B: aprobar resistencia de materiales y estática. P(A∩B) = 30
%, y es lo mismo que: P(B∩A) = 30 %
Ahora calculamos la probabilidad de aprobar estática, dado que se
aprobó resistencia de materiales.

4. Regla de la multiplicación o regla del producto

Esta regla permite encontrar la probabilidad de que ocurra el evento A y

el evento B al mismo tiempo (probabilidad conjunta). Esta regla depende
de si los eventos son dependientes o independientes.

Eventos dependientes
Dos eventos A y B son dependientes, si la ocurrencia de uno de ellos
afecta la ocurrencia del otro. Para eventos dependientes, la regla de la
multiplicación establece que:
Ejemplo 1:
Una caja contiene 2 canicas azules y 3 rojas. Si se extraen dos canicas al
azar sin reposición, ¿cuál es la probabilidad de que las dos sean azules?

Solución:
Dado que las canicas serán extraídas de la misma caja, y que las canicas
que se extraigan, no serán devueltas a la caja (no hay reposición),
entonces, se trata de eventos dependientes.

• Evento A: obtener una canica azul en la primera extracción.

• Evento B: obtener una canica azul en la segunda extracción.
Por la regla de la multiplicación, sabemos que:

Eventos independientes

Dos eventos A y B son independientes, si la ocurrencia de uno de ellos

no afecta la ocurrencia del otro, es decir, cuando los eventos A y B no
están relacionados. Para eventos independientes, la regla de la
multiplicación establece que:

Esto se debe, a que en los eventos independientes, la ocurrencia de un

evento, no afecta a la ocurrencia del otro:
Ejemplo 2:
En un colegio, la probabilidad de que un alumno seleccionado al azar
hable inglés es de 0,20; mientras que la probabilidad de que un alumno
juegue fútbol es de 0,80.

El hecho de que un alumno hable inglés, no afecta en nada que juegue

fútbol; por lo tanto, se trata de eventos independientes.

• Evento A: que el alumno hable inglés. P(A) = 0,20.

• Evento B: que el alumno juegue fútbol. P(B) = 0,80.
Usamos la regla de la multiplicación para eventos independientes:

Ejemplo 3:
Sabiendo que P(A) = 0,70; P(B) = 0,50; y además, P(A∩B) = 0,40;
determinar si son eventos dependientes o independientes.

Solución:
En los eventos independientes, se cumple que:

En este caso:

• P(A∩B) = 0,40.
• P(A) × P(B) = 0,70 × 0,50 = 0,35.
Podemos ver que 0,40 es diferente de 0,35; entonces:
Podemos concluir que no son eventos independientes, es decir, son
eventos dependientes.

Diagrama de árbol (probabilidades)

Aquí tenemos un clásico diagrama de árbol, en el cual graficamos los
posibles resultados de un experimento que consiste en lanzar una
moneda y un dado.

Para el cálculo de las probabilidades, usaremos un truco, si para calcular

cierta probabilidad avanzamos hacia la derecha, entonces multiplicamos.
Por otro lado, si para calcular cierta probabilidad avanzamos hacia abajo,
entonces sumamos.

Ejercicio 1:
Una moneda tiene en sus caras un gato y un perro. Se lanza 2 veces la
moneda, calcular:
a) la probabilidad de obtener 2 gatos.
b) la probabilidad de obtener solo 1 gato.
Solución:
Vamos a elaborar el diagrama de árbol para este experimento. Calculamos
la probabilidad para cada uno de los posibles casos, cuando avanzamos a
la derecha, multiplicamos.
a) La probabilidad de obtener 2 gatos, la podemos observar en el gráfico.

b) La probabilidad de obtener solo 1 gato, se calcula sumando 2

probabilidades, ya que hay 2 maneras de obtener solo 1 gato:
– Obtener gato y perro.
– Obtener perro y gato.
Recuerda que cuando avanzamos hacia abajo, entonces sumamos:
Por lo tanto, la probabilidad de obtener 1 solo gato será:

PROBABILIDAD TOTAL
El teorema de la probabilidad total permite calcular la probabilidad de
que ocurra un evento, que se puede realizar a través de varios caminos.
Antes de revisar el teorema de probabilidad total, es necesario definir el
concepto de «partición».

Partición
Sean A1, A2, A2, … , An, eventos de un mismo espacio muestral S. Dichos
eventos forman una partición de S si son mutuamente excluyentes y
colectivamente exhaustivos. Es decir, si cumplen con las condiciones
siguientes:
Teorema de la probabilidad total
El teorema de la probabilidad total, establece que:

Sean A1, A2, A3, … , An, eventos que forman una partición del espacio
muestral S, y sea B otro evento cualquiera del espacio muestral S, entonces
la probabilidad del evento B se puede obtener de la siguiente manera:

Los problemas de probabilidades que requieren al teorema de

probabilidad total, también se pueden resolver de manera sencilla usando
el diagrama de árbol. Vamos a revisar 1 ejercicio, y lo vamos a resolver
con el diagrama de árbol y con el teorema.
Ejercicio 1:
En un acuario se tienen solo 2 especies de peces, el 40% son de la especie
azul y el 60% son de la especie roja. De la especie azul, el 30% son
machos; mientras que, de la especie roja, el 40% son hembras. ¿Cuál es la
probabilidad de que un pez elegido aleatoriamente en el acuario sea
macho?

Solución con el diagrama de árbol:

A partir de los datos del enunciado, vamos a elaborar el diagrama de
árbol.
Recuerda el truco que usamos para calcular probabilidades usando el
diagrama de árbol: cuando avanzamos de izquierda a derecha,
multiplicamos las probabilidades; cuando avanzamos de arriba hacia
abajo, sumamos las probabilidades.

La probabilidad de encontrar un macho, seleccionando un pez de forma

aleatoria es de 0,48 o 48%.

Solución con el teorema de probabilidad total:

Ahora resolvemos el mismo problema usando el teorema. Tenemos 2
eventos A1 y A2, que forman una partición del espacio muestral S (peces
del acuario):
• A1: que un pez elegido aleatoriamente sea de la especie azul.
• A2: que un pez elegido aleatoriamente sea de la especie roja.
A partir del gráfico, sabemos que:

También tenemos al evento B:

• B: que un pez elegido aleatoriamente sea macho.

Nos dicen que de la especie azul, el 30% son machos. Por ello, sabemos
que la probabilidad de que un pez sea macho, dado que es de la especie
azul, es de:

Nos dicen que el 40% de los peces de la especia roja son hembras, por
ello, el 60% serán machos. Entonces, sabemos que la probabilidad de que
un pez sea macho, dado que es de la especie roja:

Recordemos el teorema de probabilidad total:

En nuestro caso, tenemos una partición del espacio muestral S, formada

solo por 2 eventos: A1 y A2 .
Reemplazando nuestros valores:

La probabilidad de que un pez elegido aleatoriamente sea macho, es de

0,48 o 48 %.

Teorema de Bayes
El teorema de Bayes, nos permite calcular la probabilidad de que ocurra
un evento, a partir de valores conocidos de otras probabilidades
relacionadas al evento.

El teorema de Bayes lo encontramos de dos formas diferentes, en su

forma simple y en su forma extendida.

Forma simple del teorema de Bayes:

Donde:

• A y B son eventos, y además: P(B) ≠ 0.

• P(A|B): es la probabilidad de que ocurra A, dado que ha ocurrido B.
• P(B|A): es la probabilidad de que ocurra B, dado que ha ocurrido A.
• P(A): es la probabilidad de que ocurra A.
• P(B): es la probabilidad de que ocurra B.
El teorema expresa la probabilidad de que ocurra el evento A, dado que ha
ocurrido B, en función de la probabilidad de que ocurra B dado que ha
ocurrido A, de la probabilidad de A y de la probabilidad de B.

En la práctica tiene muchísimas aplicaciones, por ejemplo, conociendo la

probabilidad de que una persona tenga fiebre dado que tiene gripe, nos
permite calcular la probabilidad de que una persona que tiene gripe, dado
que tiene fiebre. Tiene, además, aplicaciones importantísimas en la
detección del cáncer y otras enfermedades.

Ejemplo 1:
La probabilidad de que a un alumno seleccionado al azar le guste el helado
es del 60 %, mientras que la probabilidad de que a un alumno le guste la
torta es del 36 %. Además, se sabe que la probabilidad de que a un alumno
le guste la torta dado que le gusta el helado es del 40 %. Calcular la
probabilidad de que a un alumno le guste el helado, dado que le gusta la
torta.

Solución:
Primero definimos los 2 eventos con los que vamos a trabajar:
• h: que a un alumno le guste el helado.
• t: que a un alumno le guste la torta.
Tenemos los siguientes datos:

• P(h) = 0,6.
• P(t) = 0,36.
• P(t|h) = 0,4.
Nos piden calcular P(h|t).

Aplicamos el teorema de Bayes:

Entonces, la probabilidad de que un alumno le guste el helado dado que

le gusta la torta es de 0,6667 o 66,67 %.
Forma extendida del teorema de Bayes:
Probabilidad (A) =n° de casos favorables de A

n° total de casos posibles

P(A̅ ) = 1− P(A)

P(A ∪ B) = P(A)+ P(B) − P(A ∩ B)

P(A|B) =

P(A∩B)

P(B)

; P(B|A) =

P(B∩A)

P(A)

P(A ∩ B) = P(A) × P(B|A) ; P(A ∩ B) = P(B) × P(A|B)

P(A|B) =

P(A)∙P(B|A)

P(B)

; P(Ai

|B) =

P(Ai

)∙P(B|Ai

∑ P(Aj

)∙P(B|Aj
)