Sie sind auf Seite 1von 35

5.

Probabilidad
Bsica
5.1 Qu es la Probabilidad y la
Estadstica?
La Probabilidad y la Estadstica se encargan del estudio de los
fenmenos aleatorios (azar) desde el punto de vista de las matemticas:

La Probabilidad propone modelos para los fenmenos aleatorios,


es decir, los que se pueden predecir con certeza, y estudia sus
consecuencias lgicas.

La Estadstica ofrece mtodos y tcnicas que permiten entender


los datos a partir de modelos.

De esta manera, el Clculo de las Probabilidades es una teora


matemtica y la Estadstica es una ciencia aplicada donde hay que dar
un contenido concreto a la nocin de probabilidad.
En este sentido, el clculo cientfico de probabilidades puede ayudarnos
a comprender lo que en ocasiones la intuicin nos indica de
manera errnea. Un ejemplo tpico es la denominada "paradoja de los
cumpleaos". Supongamos que estamos en un grupo de 23 personas.
Los clculos nos dicen que la probabilidad de que dos personas celebren
el mismo da su cumpleaos es del 50%, algo que a simple vista parece
increble (Paradoja del Cumpleaos ). No es de extraar por tanto que
la Teora de Probabilidad se utilice en campos tan diversos como la
demografa, la medicina, las comunicaciones, la informtica, la
economa y las finanzas.
Cuando hablamos de estadstica, se suele pensar en un conjunto de
datos numricos presentada de forma ordenada y sistemtica. Esta
idea es debida a la influencia de nuestro entorno, ya que hoy da es casi
imposible que cualquier medio de comunicacin, peridico, radio,
televisin, etc, no nos aborde diariamente con cualquier tipo de
informacin estadstica.

Slo cuando nos adentramos en un mundo ms especfico como es el


campo de la investigacin de las Ciencias Sociales: Medicina,
Biologa, Psicologa, ... empezamos a percibir que la Estadstica no
slo es algo ms, sino que se convierte en la nica herramienta que, hoy
por hoy, permite dar luz y obtener resultados, y por tanto beneficios, en
cualquier tipo de estudio, cuyos movimientos y relaciones, por su
variabilidad intrnseca, no puedan ser abordadas desde la perspectiva de
las leyes deterministas.
La Estadstica se ocupa de los mtodos y procedimientos para recoger,
clasificar, resumir, hallar regularidades y analizar los datos (Estadstica
Descriptiva), siempre y cuando la variabilidad e incertidumbre sea una
causa intrnseca de los mismos; as como de realizar inferencias a partir
de ellos, con la finalidad de ayudar a la toma de decisiones y en su caso
formular predicciones (Estadstica Inferencial).

5.2 Probabilidad
La probabilidad.- Es la frecuencia de que un evento o suceso ocurra o no
(conjunto de posibilidades) en un momento y tiempo determinado. Dichos eventos
pueden ser medibles a travs de una escala de 0 a 1, donde el evento que no
pueda ocurrir tiene una probabilidad de 0 (evento imposible) y un evento que
ocurra con certeza es de 1 (evento cierto).

Todos los sucesos de nuestra vida y de las que nos


rodean son de carcter aleatorio: clima, deportes,
accidentes, casinos (juegos), etc. No saben cundo, que
da y a qu hora se titularn de Ingenieros.
Ejemplo 0.- La probabilidad de encontrarse a la salida de nuestra casa con un
varn o con una mujer.

Ejemplo 1: tiramos un dado al aire y queremos saber cual es la probabilidad de


que salga un 2, o que salga un nmero par, o que salga un nmero menor que 4.
El experimento tiene que ser aleatorio, es decir, que pueden presentarse
diversos resultados, dentro de un conjunto de posibilidades, y esto an realizando
el experimento en las mismas condiciones. Por lo tanto, a priori no se conoce cual
de los resultados se va a presentar:
Ejemplo 2: lanzamos una moneda al aire: el resultado puede ser Cara o SELLO,
pero no sabemos de antemano cual de ellos va a salir.
En la Lotera de Navidad, el "Gordo" (es el primer premio) puede ser cualquier
nmero entre el 1 y el 100.000, pero no sabemos a priori cual va a ser (si lo
supiramos no estaramos aqu).
Hay experimentos que no son aleatorios y por lo tanto no se les puede aplicar
las reglas de la probabilidad. En los procesos constructivos se distinguen algunos
fenmenos aleatorios como los accidentes y las enfermedades de los trabajadores
Ejemplo 3: en lugar de tirar la moneda al aire, directamente seleccionamos la
cara. Aqu no podemos hablar de probabilidades, sino que ha sido un resultado
determinado por uno mismo.
Antes de calcular las probabilidades de un experimento aleatorio hay que definir
una serie de conceptos:
Suceso elemental: es cada una de las posibles soluciones que se pueden
presentar.
Ejemplo 4: al lanzar una moneda al aire, los sucesos elementales son la cara y el
sello. Al lanzar un dado, los sucesos elementales son el 1, el 2, .., hasta el 6.
Suceso compuesto: es un conjunto de sucesos elementales.
Ejemplo 5: lanzamos un dado y queremos que salga un nmero par. El suceso
"numero par" es un suceso compuesto, integrado por 3 sucesos elementales: el 2,
el 4 y el 6
O, por ejemplo, jugamos a la ruleta y queremos que salga "menor o igual que 18".
Este es un suceso compuesto formado por 18 sucesos elementales (todos los
nmeros que van del 1 al 18).

Espacio muestral es el conjunto de todos los posibles sucesos


elementales . Cada experimento aleatorio tiene definido su espacio muestral (es
decir, un conjunto con todas las soluciones posibles).

Ejemplo 6: si tiramos una moneda al are una sola vez, el espacio muestral ser
cara o sello.
Si el experimento consiste en lanzar una moneda al aire dos veces, entonces el
espacio muestral estara formado por (cara-cara), (cara-sello), (sello-cara) y (sello
- sello).

5.3 Clculo de probabilidades


La Probabilidad mide la mayor o menor posibilidad de que se d un determinado
resultado (suceso) cuando se realiza un experimento aleatorio.
La probabilidad toma valores entre 0 y 1 (o expresados en tanto por ciento, entre
0% y 100%):
El valor cero corresponde al suceso imposible: lanzamos un dado al aire y la
probabilidad de que salga el nmero 7 es cero (al menos, si es un dado certificado
por la OMD, "Organizacin Mundial de Dados").
El valor uno corresponde al suceso seguro: lanzamos un dado al aire y la
probabilidad de que salga cualquier nmero del 1 al 6 es igual a uno (100%).
El resto de sucesos tendr probabilidades entre cero y uno: que ser tanto
mayor cuanto ms probable sea que dicho suceso tenga lugar.

Cmo se mide la probabilidad? Uno de los mtodos ms utilizados es


aplicando la Regla de Laplace: define la probabilidad de un suceso como el
cociente entre casos favorables y casos posibles.

P(A) = Casos favorables / casos posibles


Veamos algunos ejemplos:
a) Probabilidad de que al lanzar un dado salga el nmero 2: el caso favorable
es tan slo uno (que salga el dos), mientras que los casos posibles son seis
(puede salir cualquier nmero del uno al seis). Por lo tanto:
P(A) = 1 / 6 = 0,166 (o lo que es lo mismo, 16,6%)

b) Probabilidad de que al lanzar un dado salga un nmero par: en este caso


los casos favorables son tres (que salga el dos, el cuatro o el seis), mientras que
los casos posibles siguen siendo seis. Por lo tanto:
P(A) = 3 / 6 = 0,50 (o lo que es lo mismo, 50%)
c) Probabilidad de que al lanzar un dado salga un nmero menor que 5: en
este caso tenemos cuatro casos favorables (que salga el uno, el dos, el tres o el
cuatro), frente a los seis casos posibles. Por lo tanto:
P(A) = 4 / 6 = 0,666 (o lo que es lo mismo, 66,6%)
d) Probabilidad de que nos toque el "Gordo" de Navidad: tan slo un caso
favorable, el nmero que jugamos (qu triste...), frente a 100.000 casos posibles.
Por lo tanto:
P(A) = 1 / 100.000 = 0,00001 (o lo que es lo mismo, 0,001%)
Merece la pena ...... Por cierto, tiene la misma probabilidad el nmero 45.264, que
el nmero 00001, pero cul de los dos compraras?

Para poder aplicar la Regla de Laplace el experimento aleatorio tiene que


cumplir dos requisitos:
i) El nmero de resultados posibles (sucesos) tiene que ser finito. Si hubiera
infinitos resultados, al aplicar la regla "casos favorables / casos posibles" el
cociente siempre sera cero.
ii) Todos los sucesos tienen que tener la misma probabilidad. Si al lanzar un
dado, algunas caras tuvieran mayor probabilidad de salir que otras, no podramos
aplicar esta regla.
A la regla de Laplace tambin se le denomina "probabilidad a priori", ya que
para aplicarla hay que conocer antes de realizar el experimento cuales son los
posibles resultados y saber que todos tienen las mismas probabilidades.
Y si el experimento aleatorio no cumple los dos requisitos indicados, qu
hacemos?, ponemos una denuncia?
No, no va a ser necesario denunciar a nadie, ya que en este caso podemos acudir
a otro modelo de clculo de probabilidades que se basa en la experiencia (modelo
frecuentista):
Cuando se realiza un experimento aleatorio un nmero muy elevado de veces, las
probabilidades de los diversos posibles sucesos empiezan a converger hacia
valores determinados, que son sus respectivas probabilidades.

Ejemplo 7: si lanzo una vez una moneda al aire y sale "cara", quiere decir que el
suceso "cara" ha aparecido el 100% de las veces y el suceso "sello" el 0%.
Si lanzo diez veces la moneda al aire, es posible que el suceso "cara" salga 7
veces y el suceso "sello" las 3 restantes. En este caso, la probabilidad del suceso
"cara" ya no sera del 100%, sino que se habra reducido al 70%.
Si repito este experimento un nmero elevado de veces, lo normal es que las
probabilidades de los sucesos "cara" y "sello" se vayan aproximando al 50% cada
una. Este 50% ser la probabilidad de estos sucesos segn el modelo
frecuentista.
En este modelo ya no ser necesario que el nmero de soluciones sea finito, ni
que todos los sucesos tengan la misma probabilidad.
Ejemplo 8: si la moneda que utilizamos en el ejemplo anterior fuera defectuosa (o
estuviera trucada), es posible que al repetir dicho experimento un nmero elevado
de veces, la "cara" saliera con una frecuencia, por ejemplo, del 65% y la "sello" del
35%. Estos valores seran las probabilidades de estos dos sucesos segn el
modelo frecuentista.
A esta definicin de la probabilidad se le denomina probabilidad a posteriori, ya
que tan slo repitiendo un experimento un nmero elevado de veces podremos
saber cual es la probabilidad de cada suceso.

5.4 Probabilidad de sucesos


Probabilidad de sucesos son las diferentes relaciones que pueden guardar dos
sucesos entre s, as como de las posibles relaciones que se pueden establecer
entre los mismos. Vamos a ver ahora cmo se refleja esto en el clculo de
probabilidades.
a) Un suceso puede estar contenido en otro: entonces, la probabilidad del
primer suceso ser menor que la del suceso que lo contiene.
Ejemplo 9: lanzamos un dado y analizamos dos sucesos: a) que salga el nmero
6, y b) que salga un nmero par. El suceso a) est contenido en el suceso b).
P(A) = 1/6 = 0,166
P(B) = 3 / 6 = 0,50
Por lo tanto, podemos ver que la probabilidad del suceso contenido, suceso a), es
menor que la probabilidad del suceso que lo contiene, suceso b).

b) Dos sucesos pueden ser iguales: en este caso, las probabilidades de ambos
sucesos son las mismas.
Ejemplo 10: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
nmero par, y b) que salga mltiplo de 2. Las soluciones coinciden en ambos
casos.
P(A) = 3 / 6 = 0,50
P(B) = 3 / 6 = 0,50
c) Interseccin de sucesos: es aquel suceso compuesto por los elementos
comunes de los dos o ms sucesos que se intersectan. La probabilidad ser igual
a la probabilidad de los elementos comunes.
Ejemplo 11: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
nmero par, y b) que sea mayor que 3. La interseccin de estos dos sucesos tiene
dos elementos: el 4 y el 6.
Su probabilidad ser por tanto:
P(A B) = 2 / 6 = 0,33
d) Unin de dos o ms sucesos: la probabilidad de la unin de dos sucesos es
igual a la suma de las probabilidades individuales de los dos sucesos que se unen,
menos la probabilidad del suceso interseccin
Ejemplo 13: lanzamos un dado al aire y analizamos dos sucesos: a) que salga
nmero par, y b) que el resultado sea mayor que 3. El suceso unin estara
formado por los siguientes resultados: el 2, el 4, el 5 y el 6.
P(A) = 3 / 6 = 0,50
P(B) = 3 / 6 = 0,50
P (A B) = 2 / 6 = 0,33
Por lo tanto,
P (A u B) = (0,50 + 0,50) - 0,33 = 0,666
e) Sucesos incompatibles: la probabilidad de la unin de dos sucesos
incompatibles ser igual a la suma de las probabilidades de cada uno de los
sucesos (ya que su interseccin es el conjunto vacio y por lo tanto no hay que
restarle nada).

Ejemplo 14: lanzamos un dado al aire y analizamos dos sucesos: a) que salga un
nmero menor que 3, y b) que salga el nmero 6.
La probabilidad del suceso unin de estos dos sucesos ser igual a:
P(A) = 2 / 6 = 0,333
P(B) = 1 / 6 = 0,166
Por lo tanto,
P(A u B) = 0,33 + 0,166 = 0,50
f) Sucesos complementarios: la probabilidad de un suceso complementario a un
suceso (A) es igual a 1 - P(A)
Ejemplo 15: lanzamos un dado al aire. el suceso (A) es que salga un nmero par,
luego su complementario, suceso (B), es que salga un nmero impar.
La probabilidad del suceso (A) es igual a :
P(A) = 3 / 6 = 0,50
Luego, la probabilidad del suceso (B) es igual a:
P(B) = 1 - P(A) = 1 - 0,50 = 0,50
Se puede comprobar aplicando la regla de "casos favorables / casos posibles":
P(B) = 3 / 6 = 0,50

g) Unin de sucesos complementarios: la probabilidad de la unin de dos sucesos


complementarios es igual a 1.
Ejemplo 16: seguimos con el ejemplo anterior: a) que salga un nmero par, y b)
que salga un nmero impar. La probabilidad del suceso unin de estos dos
sucesos ser igual a:
P(A) = 3 / 6 = 0,50
P(B) = 3 / 6 = 0,50
Por lo tanto,
P(A U B) = 0,50 + 0,50 = 1

5.5 Combinaciones, Variaciones y Permutaciones


Para aplicar la Regla de Laplace, el clculo de los sucesos favorables y de los
sucesos posibles a veces no plantea ningn problema, ya que son un nmero
reducido y se pueden calcular con facilidad:
Ejemplo 17: Probabilidad de que al lanzar un dado salga el nmero 2. Tan slo
hay un caso favorable, mientras que los casos posibles son seis.
Probabilidad de acertar al primer intento el horscopo de una persona. Hay un
caso favorable y 12 casos posibles.
Sin embargo, a veces calcular el nmero de casos favorables y casos posibles es
complejo y hay que aplicar reglas matemticas:
Ejemplo 18: 5 matrimonios se sientan aleatoriamente a cenar y queremos calcular
la probabilidad de que al menos los miembros de un matrimonio se sienten juntos.
En este caso, determinar el nmero de casos favorables y de casos posibles es
complejo.
Las reglas matemticas que nos pueden ayudar son el clculo
de combinaciones, el clculo de variaciones y el clculo de permutaciones.

a) Combinaciones: Determina el nmero de subgrupos de 1, 2, 3, etc.


elementos que se pueden formar con los "n" elementos de una muestra. Cada
subgrupo se diferencia del resto en los elementos que lo componen, sin que
influya el orden.
Ejemplo 19, calcular las posibles combinaciones de 2 elementos que se pueden
formar con los nmeros 1, 2 y 3.
Se pueden establecer 3 parejas diferentes: (1,2), (1,3) y (2,3). En el clculo de
combinaciones las parejas (1,2) y (2,1) se consideran idnticas, por lo que slo se
cuentan una vez.

b) Variaciones: Calcula el nmero de subgrupos de 1, 2, 3, n. elementos


que se pueden establecer con los "n" elementos de una muestra. Cada subgrupo
se diferencia del resto en los elementos que lo componen o en el orden de dichos
elementos (es lo que le diferencia de las combinaciones).

Ejemplo 20, calcular las posibles variaciones de 2 elementos que se pueden


establecer con los nmero 1, 2 y 3.
Ahora tendramos 6 posibles parejas: (1,2), (1,3), (2,1), (2,3), (3,1) y (3,3). En este
caso los subgrupos (1,2) y (2,1) se consideran distintos.

c) Permutaciones: Calcula las posibles agrupaciones que se pueden


establecer con todos los elementos de un grupo, por lo tanto, lo que diferencia a
cada subgrupo del resto es el orden de los elementos.
Ejemplo 21, calcular las posibles formas en que se pueden ordenar los nmero 1,
2 y 3.
Hay 6 posibles agrupaciones: (1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2) y (3, 2,
1)

5.6 Clculo de Combinaciones, Variaciones y Permutaciones

a) Clculo de Combinaciones:
Para calcular el nmero de combinaciones se aplica la siguiente frmula:

El termino " n ! " se denomina "factorial de n" y es la multiplicacin de todos los


nmeros que van desde "n" hasta 1.
Ejemplo 22: 4 ! = 4 * 3 * 2 * 1 = 24
La expresin "Cm,n" representa las combinaciones de "m" elementos, formando
subgrupos de "n" elementos.
Ejemplo 23: C10,4 son la cantidad de combinaciones de 10 elementos
agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 210 subgrupos diferentes de 4 elementos, a partir de


los 10 elementos.

b) Clculo de Variaciones:
Para calcular el nmero de variaciones se aplica la siguiente frmula:

La expresin "Vm,n" representa las variaciones de "m" elementos, formando


subgrupos de "n" elementos. En este caso, como vimos en la leccin anterior, un
subgrupo se diferenciar del resto, bien por los elementos que lo forman, o bien
por el orden de dichos elementos.
Ejemplo 24: V10,4 son las variaciones de 10 elementos agrupndolos en
subgrupos de 4 elementos:

Es decir, podramos formar 5.040 subgrupos diferentes de 4 elementos, a partir de


los 10 elementos.

c) Permutaciones:
Para calcular el nmero de permutaciones se aplica la siguiente frmula:

La expresin "Pm" representa las permutaciones de "m" elementos, tomando


todos los elementos. Los subgrupos se diferenciaran nicamente por el orden de
los elementos.
Ejemplo 25: P10 son las permutaciones de 10 elementos:

Es decir, tendramos 3.628.800 formas diferentes de agrupar 10 elementos.

5.7 Anlisis de Combinaciones, Variaciones y


Permutaciones
Vamos a analizar ahora que ocurrira con el clculo de las combinaciones, de las
variaciones o de las permutaciones en el supuesto de que al formar los
subgrupos los elementos pudieran repetirse.
Ejemplo 26: tenemos bolas de 6 colores diferentes y queremos formar subgrupos
en los que pudiera darse el caso de que 2, 3, 4 o todas las bolas del subgrupo
tuvieran el mismo color. En este caso no podramos utilizar las frmulas que vimos
en la leccin anterior.

a) Combinaciones con repeticin:


Para calcular el nmero de combinaciones con repeticin se aplica la siguiente
frmula:

Ejemplo 27: C'10,4 son las combinaciones de 10 elementos con repeticin,


agrupndolos en subgrupos de 4, en los que 2, 3 o los 4 elementos podran estar
repetidos:

Es decir, podramos formar 715 subgrupos diferentes de 4 elementos.

b) Variaciones con repeticin:


Para calcular el nmero de variaciones con repeticin se aplica la siguiente
frmula:

Ejemplo 28: V'10,4 son las variaciones de 10 elementos con repeticin,


agrupndolos en subgrupos de 4 elementos:

Es decir, podramos formar 10.000 subgrupos diferentes de 4 elementos.

c) Permutaciones con repeticin:


Para calcular el nmero de permutaciones con repeticin se aplica la siguiente
frmula:

Son permutaciones de "m" elementos, en los que uno de ellos se repite " x1 "
veces, otro " x2 " veces y as ... hasta uno que se repite " xk " veces.
Ejemplo 29: Calcular las permutaciones de 10 elementos, en los que uno de ellos
se repite en 2 ocasiones y otro se repite en 3 ocasiones:

Es decir, tendramos 302,400 formas diferentes de agrupar estos 10 elementos.

Qu diferencia hay entre


Combinaciones y
permutaciones?
Normalmente usamos la palabra "combinacin" descuidadamente, sin pensar en si que
el orden de las cosas es importante. En otras palabras:
"Mi ensalada de paltas, lechuga y brcoli es una combinacin de
paltas, lechuga y brcoli ": no importa en qu orden las pusimos, es la
misma ensalada.
"Mi ensalada frutas es una combinacin de manzanas, uvas y
bananas": no importa en qu orden pusimos las frutas, podra ser "bananas,
uvas y manzanas" o "uvas, manzanas y bananas", es la misma ensalada.
Cuntas combinaciones de 3 frutas puede tener mi ensalada si tengo
manzanas, uvas, bananas, naranjas y peras?
"La combinacin de la cerradura es 472": ahora s importa el orden.
"724" no funcionara, ni "247". Tiene que ser exactamente 4-7-2.

Cuntas claves de 3 nmeros puedo formar para el problema anterior?


Cuntas TARJETAS de ahorro puede expedir el Banco?
Cuntos DNI puede expedir la RENIEC?
As que en matemticas usamos un lenguaje ms preciso:
Si el orden no importa, es una combinacin.
Si el orden s importa es una permutacin.

As que lo de arriba se podra llamar "cerradura de


permutacin"!

Con otras palabras:

Una permutacin es una combinacin ordenada.

Para ayudarte a recordar, piensa en


"Permutacin... Posicin"

Permutaciones
Hay dos tipos de permutaciones:

Se permite repetir: como la cerradura de arriba, podra ser "333".

Sin repeticin: por ejemplo los tres primeros en una carrera. No puedes
quedar primero y segundo a la vez.

1. Permutaciones con repeticin


Son las ms fciles de calcular. Si tienes n cosas para elegir y eliges r de ellas, las
permutaciones posibles son:
n n ... (r veces) = nr
(Porque hay n posibilidades para la primera eleccin, DESPUS hay n posibilidades
para la segunda eleccin, y as.)
Por ejemplo en la cerradura de arriba, hay 10 nmeros para elegir (0,1,...,9) y eliges 3
de ellos:
10 10 ... (3 veces) = 103 = 1000 permutaciones
As que la frmula es simplemente:

nr
donde n es el nmero de cosas que
puedes elegir, y eliges r de ellas
(Se puede repetir, el orden importa)

2. Permutaciones sin repeticin


En este caso, se reduce el nmero de opciones en cada paso.

Por ejemplo, cmo podras ordenar 16


bolas de billar?
Despus de elegir por ejemplo la "14" no
puedes elegirla otra vez.

As que tu primera eleccin tiene 16 posibilidades, y tu siguiente eleccin tiene 15


posibilidades, despus 14, 13, etc. Y el total de permutaciones sera:
16 15 14 13 ... = 20,922,789,888,000
Pero a lo mejor no quieres elegirlas todas, slo 3 de ellas, as que sera solamente:
16 15 14 = 3360
Es decir, hay 3,360 maneras diferentes de elegir 3 bolas de billar de entre 16.
Pero cmo lo escribimos matemticamente? Respuesta: usamos la "funcin factorial"

La funcin factorial (smbolo: !) significa que se multiplican nmeros


descendentes. Ejemplos:

4! = 4 3 2 1 = 24

7! = 7 6 5 4 3 2 1 = 5040

1! = 1

Nota: en general se est de acuerdo en que 0! = 1. Puede que


parezca curioso que no multiplicar ningn nmero d 1, pero ayuda a
simplificar muchas ecuaciones.

As que si quieres elegir todas las bolas de billar las permutaciones seran:
16! = 20,922,789,888,000
Pero si slo quieres elegir 3, tienes que dejar de multiplicar despus de 14. Cmo lo
escribimos? Hay un buen truco... dividimos entre 13!...
16 15 14 13 12 ...
= 16 15 14 = 3360
13 12 ...

Lo ves? 16! / 13! = 16 15 14


La frmula se escribe:

donde n es el nmero de cosas que


puedes elegir, y eliges r de ellas
(No se puede repetir, el orden
importa)

Ejemplo30:
Nuestro "ejemplo de elegir en orden 3 bolas de 16" sera:
16!

16!
=

(16-3)!

20,922,789,888,000
=

= 3360

13!

6,227,020,800

De cuntas maneras se pueden dar primer y segundo premio entre 10 personas?


10!

10!

3,628,800

= 90

(10-2)!

8!

40,320

(que es lo mismo que: 10 9 = 90)

Notacin
En lugar de escribir toda la frmula, la gente usa otras notaciones como:

Combinaciones
Tambin hay dos tipos de combinaciones (recuerda que ahora el orden no importa):

Se puede repetir: como monedas en tu bolsillo (5,5,5,10,10)

Sin repeticin: como nmeros de lotera (2,14,15,27,30,33)

1. Combinaciones con repeticin


En realidad son las ms difciles de explicar, as que las dejamos para luego.

2. Combinaciones sin repeticin


As funciona la lotera. Los nmeros se eligen de uno en uno, y si tienes los nmeros
de la suerte (da igual el orden) entonces has ganado!
La manera ms fcil de explicarlo es:

imaginemos que el orden s importa (permutaciones),

despus lo cambiamos para que el orden no importe.

Volviendo a las bolas de billar, digamos que queremos saber qu 3 bolas se eligieron,
no el orden.
Ya sabemos que 3 de 16 dan 3360 permutaciones.
Pero muchas de ellas son iguales para nosotros, porque no nos importa el orden.

Por ejemplo, digamos que se tomaron las bolas 1, 2 y 3. Las posibilidades son:
El orden importa
1
1
2
2
3
3

2
3
1
3
1
2

3
2
3
1
2
1

El orden no importa

123

As que las permutaciones son 6 veces ms posibilidades.


De hecho hay una manera fcil de saber de cuntas maneras "1 2 3" se pueden
ordenar, y ya la sabemos. La respuesta es:
3! = 3 2 1 = 6
(Otro ejemplo: 4 cosas se pueden ordenar de 4! = 4 3 2 1 = 24 maneras
distintas, prueba t mismo!)
As que slo tenemos que ajustar nuestra frmula de permutaciones para reducir por
las maneras de ordenar los objetos elegidos (porque no nos interesa ordenarlos):

Esta frmula es tan importante que normalmente se la escribe con grandes parntesis,
as:

donde n es el nmero de cosas que


puedes elegir, y eliges r de ellas
(No se puede repetir, el orden no
importa)

Y se la llama "coeficiente binomial".

Notacin
Adems de los "grandes parntesis", la gente tambin usa estas notaciones:

Ejemplo
Entonces, nuestro ejemplo de bolas de billar (ahora sin orden) es:
16!

16!

20,922,789,888,000

=
3!(16-3)!

= 560

3!13!

66,227,020,800

O lo puedes hacer as:


161514

3360
=

321

= 560
6

As que recuerda, haz las permutaciones, despus reduce entre "r!"


... o mejor todava...
Recuerda la frmula!
Es interesante darse cuenta de que la frmula es bonita y simtrica:

Con otras palabras, elegir 3 bolas de 16 da las mismas combinaciones que elegir 13
bolas de 16.
16!

16!
=

3!(16-3)!

16!
=

13!(16-13)!

= 560
3!13!

Tringulo de Pascal
Puedes usar el tringulo de Pascal para calcular valores. Baja a la fila "n" (la de arriba
es n=0), y ve a la derecha "r" posiciones, ese valor es la respuesta. Aqu tienes un
trozo de la fila 16:
1
1
1

14

15
16

91
364 ...
105
455
1365 ...
120
560
1820 4368 ...

1. Combinaciones con repeticin


OK, ahora vamos con este...

Digamos que tenemos cinco sabores de helado: banana, chocolate,


limn, fresa y vainilla. Puedes tomar 3 paladas. Cuntas
variaciones hay?
Vamos a usar letras para los sabores: {b, c, l, f, v}. Algunos ejemplos
son

{c, c, c} (3 de chocolate)

{b, l, v} (uno de banana, uno de limn y uno de vainilla)

{b, v, v} (uno de banana, dos de vainilla)

(Y para dejarlo claro: hay n=5 cosas para elegir, y eliges r=3 de ellas.
El orden no importa, y s puedes repetir!)
Bien, no puedo decirte directamente cmo se calcula, pero te voy a ensear
una tcnica especial para que lo averiges t mismo.

Imagina que el helado est en contenedores, podras


decir "sltate el primero, despus 3 paladas, despus
sltate los 3 contenedores siguientes" y acabars con 3
paladas de chocolate!
Entonces es como si ordenaras a un robot que te trajera

helado, pero no cambia nada, tendrs lo que quieres.

Ahora puedes escribirlo como


tomar)

(la flecha es saltar, el crculo es

Entonces los tres ejemplos de arriba se pueden escribir as:


{c, c, c} (3 de chocolate):
{b, l, v} (uno de banana, uno de limn y uno de
vainilla):
{b, v, v} (uno de banana, dos de vainilla):

OK, entonces ya no nos tenemos que preocupar por diferentes sabores, ahora tenemos
un problema ms simple para resolver: "de cuntas maneras puedes ordenar flechas
y crculos"
Fjate en que siempre hay 3 crculos (3 paladas de helado) y 4 flechas (tenemos que
movernos 4 veces para ir del contenedor 1 al 5).
As que (en general) hay r + (n-1) posiciones, y queremos que r de ellas tengan
crculos.
Esto es como decir "tenemos r + (n-1) bolas de billar y queremos elegir r de ellas". Es
decir, es como el problema de elegir bolas de billar, pero con nmeros un poco
distintos. Lo podras escribir as:

donde n es el nmero de cosas que


puedes elegir, y eliges r de ellas
(Se puede repetir, el orden no importa)

Es interesante pensar que podramos habernos fijado en flechas en vez de crculos, y


entonces habramos dicho "tenemos r + (n-1) posiciones y queremos que (n1) tengan flechas", y la respuesta sera la misma...

Qu pasa con nuestro ejemplo, cul es la respuesta?


(5+3-1)!

7!
=

3!(5-1)!

5040
=

3!4!

= 35
624

5.8 Ejercicios
Ejercicio1.- Calcular la probabilidad de acertar los 14 signos de la quiniela:
Solucin:
Se aplica la Regla de Laplace (casos favorables / casos posibles). El caso
favorable es tan slo uno (acertar los 14 signos). Los casos posibles se calculan
como variaciones con repeticin de 3 elementos (1, X y 2), tomados de 14 en 14
(los signos que hay que rellenar).
Son variaciones y no combinaciones ya que el orden influye: no es lo mismo
(1,1,X) que (1, X, 1). Y son con repeticin, ya que cualquiera de los signos (1, X y
2) se puede repetir hasta 14 veces.
Por lo tanto, los casos posibles son:

Y la probabilidad de acertar los 14 resultados es:

No demasiado elevada....pero el que la sigue la consigue.


Ejercicio 2.- Calcular la probabilidad de acertar 12 signos de la quiniela:
Solucin:

Aplicamos nuevamente la Regla de Laplace. En este caso los casos


favorables se calculan como combinaciones de 14 elementos tomados de 2 en 2,
de esta manera obtenemos todas las posibles alternativas de fallar 2 resultados de
14 (lo que equivale a acertar 12 resultados). Utilizamos combinaciones y no
variaciones ya que el orden no importa (da lo mismo fallar el 3 y el 6, que el 6 y
el 3)

Los casos posibles siguen siendo los mismos:

Por lo que la probabilidad de acertar 12 resultados es:

Por lo tanto, tenemos ms probabilidades de acertar 12 resultados que 14 (ser


por eso por lo que pagan menos?).
Ejercicio 3.- Calcular la probabilidad de que, en una carrera de 12 caballos,
acertar los 3 que quedan primeros (sin importar cual de ellos queda primero, cual
segundo y cual tercero).
Solucin:
Se aplica la Regla de Laplace. El caso favorable es tan slo uno: los 3 caballos
que entran en primer lugar. Los casos posibles se calculan como combinaciones
de 12 elementos tomados de 3 en 3 (es decir, determinamos todos las posibles
alternativas de 3 caballos que pueden entrar en las 3 primeras posiciones). Como
el orden de estos 3 primeros caballos no importa, utilizamos combinaciones en
lugar de variaciones.
Por lo tanto, los casos posibles son:

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

Algo mayor que en las quinielas.... Eso s, se paga menos.


Ejercicio 4.- Y si hubiera que acertar, no slo los 3 caballos que ganan, sino el
orden de su entrada en meta.
Solucin:
El caso favorable sigue siendo uno: los 3 caballos que entran en primer lugar,
colocados en su orden correspondiente.
Los casos posibles se calculan ahora como variaciones (ya que el orden influye)
de 12 elementos tomados de 3 en 3 (calculamos todas las posibles maneras en
que los 12 caballos podran ocupar las 3 primeras posiciones.

Por lo que la probabilidad de acertar los 3 caballos ganadores es:

Menor que en el ejemplo 3. Ya no vale acertar que 3 caballos entran en primer


lugar, sino que tenemos que acertar el orden de su entrada.

5.9 Probabilidad condicionada


Las probabilidades condicionadas se calculan una vez que se ha incorporado
informacin adicional a la situacin de partida:
Ejemplo: se tira un dado y sabemos que la probabilidad de que salga un 2 es 1/6
(probabilidad a priori). Si incorporamos nueva informacin (por ejemplo, alguien
nos dice que el resultado ha sido un nmero par) entonces la probabilidad de que
el resultado sea el 2 ya no es 1/6.
Las probabilidades condicionadas se calculan aplicando la siguiente frmula:

Donde:
P (B/A) es la probabilidad de que se de el suceso B condicionada a que se haya
dado el suceso A.
P (B A) es la probabilidad del suceso simultneo de A y de B
P (A) es la probabilidad a priori del suceso A
En el ejemplo que hemos visto:
P (B/A) es la probabilidad de que salga el nmero 2 (suceso B) condicionada a
que haya salido un nmero par (suceso A).
P (B A) es la probabilidad de que salga el dos y nmero par.
P (A) es la probabilidad a priori de que salga un nmero par.
Por lo tanto:
P (B A) = 1/6
P (A) = 1/2
P (B/A) = (1/6) / (1/2) = 1/3
Luego, la probabilidad de que salga el nmero 2, si ya sabemos que ha salido un
nmero par, es de 1/3 (mayor que su probabilidad a priori de 1/6).
2 ejemplo:
En un estudio sanitario se ha llegado a la conclusin de que la probabilidad de que
una persona sufra problemas coronarios (suceso B) es el 0,10 (probabilidad a
priori).
Adems, la probabilidad de que una persona sufra problemas de obesidad
(suceso A) es el 0,25 y la probabilidad de que una persona sufra a la vez
problemas de obesidad y coronarios (suceso interseccin de A y B) es del 0,05.

Calcular la probabilidad de que una persona sufra problemas coronarios si est


obesa (probabilidad condicionada P(B/A)).
P (B A) = 0,05
P (A) = 0,25
P (B/A) = 0,05 / 0,25 = 0,20
Por lo tanto, la probabilidad condicionada es superior a la probabilidad a priori. No
siempre esto es as, a veces la probabilidad condicionada es igual a la
probabilidad a priori o menor.
Por ejemplo: probabilidad de que al tirar un dado salga el nmero 2, condicionada
a que haya salido un nmero impar.
La probabilidad condicionada es en este caso cero, frente a una probabilidad a
priori de 1/6.

5.10 Probabilidad compuesta


La probabilidad compuesta (o regla de multiplicacin de probabilidades) se
deriva de la probabilidad condicionada:
La probabilidad de que se den simultneamente dos sucesos (suceso interseccin
de A y B) es igual a la probabilidad a priori del suceso A multiplicada por la
probabilidad del suceso B condicionada al cumplimiento del suceso A.
La frmula para calcular esta probabilidad compuesta es:

Ejemplo 1 : Estudiamos el suceso A (porcentaje de varones mayores de 40 aos


casados) y el suceso B (varones mayores de 40 aos con ms de 2 hijos) y
obtenemos la siguiente informacin:
Un 35% de los varones mayores de 40 aos estn casados.
De los varones mayores de 40 aos y casados, un 30% tienen ms de 2 hijos
(suceso B condicionado al suceso A).

Calcular la probabilidad de que un varn mayor de 40 aos est casado y


tenga ms de 2 hijos (suceso interseccin de A y B).
Por lo tanto:
P (A) = 0,35
P (B/A) = 0,30
P (A B) = 0,35 * 0,30 = 0,105
Es decir, un 10,5% de los varones mayores de 40 aos estn casados y tienen
ms de 2 hijos.
2 ejemplo: Estudiamos el suceso A (alumnos que hablan ingls) y el suceso B
(alumnos que hablan alemn) y obtenemos la siguiente informacin:
Un 50% de los alumnos hablan ingls.
De los alumnos que hablan ingls, un 20% hablan tambin alemn (suceso B
condicionado al suceso A).
Calcular la probabilidad de que un alumno hable ingls y alemn (suceso
interseccin de A y B).
Por lo tanto:
P (A) = 0,50
P (B/A) = 0,20
P (A B) = 0,50 * 0,20 = 0,10
Es decir, un 10% de los alumnos hablan ingls y alemn.

5.11 Teorema de la probabilidad total


El Teorema de la probabilidad total nos permite calcular la probabilidad de un
suceso a partir de probabilidades condicionadas:

Ejemplo: supongamos que si llueve la probabilidad de que ocurra un accidentes


es x% y si hace buen tiempo dicha probabilidad es y%. Este teorema nos permite
deducir cul es la probabilidad de que ocurra un accidente si conocemos la
probabilidad de que llueva y la probabilidad de que haga buen tiempo.
La frmula para calcular esta probabilidad es:

Es decir, la probabilidad de que ocurra el suceso B (en nuestro ejemplo, que


ocurra un accidente) es igual a la suma de multiplicar cada una de las
probabilidades condicionadas de este suceso con los diferentes sucesos A
(probabilidad de un accidente cuando llueve y cuando hace buen tiempo) por la
probabilidad de cada suceso A.
Para que este teorema se pueda aplicar hace falta cumplir un requisito:
Los sucesos A tienen que formar un sistema completo, es decir, que
contemplen todas las posibilidades (la suma de sus probabilidades debe ser el
100%).
Ejemplo: al tirar una moneda, el suceso "salir cara" y el suceso "salir cruz" forman
un sistema completo, no hay ms alternativas: la suma de sus probabilidades es el
100%
Ejemplo: al tirar un dado, que salga el 1, el 2, el 3, o el 4 no forman un sistema
completo, ya que no contempla todas las opciones (podra salir el 5 o el 6). En
este caso no se podra aplicar el teorema de la probabilidad total.
Ejercicio 1: En un saquito hay papeletas de tres colores, con las siguientes
probabilidades de ser elegidas:
a) Amarilla: probabilidad del 50%.
b) Verde: probabilidad del 30%
c) Roja: probabilidad del 20%.
Segn el color de la papeleta elegida, podrs participar en diferentes sorteos. As,
si la papeleta elegida es:
a) Amarilla: participas en un sorteo con una probabilidad de ganar del 40%.

b) Verde: participas en otro sorteo con una probabilidad de ganar del 60%
c) Roja: participas en un tercer sorteo con una probabilidad de ganar del 80%.
Con esta informacin, qu probabilidad tienes de ganar el sorteo en el que
participes?:
1.- Las tres papeletas forman un sistema completo: sus probabilidades suman
100%
2.- Aplicamos la frmula:

Luego,
P (B) = (0,50 * 0,40) + (0,30 * 0,60) + (0,20 * 0,80) = 0,54
Por tanto, la probabilidad de que ganes el sorteo es del 54%.

Ejercicio 2: Van a cambiar a tu jefe y se barajan diversos candidatos:


a) Carlos, con una probabilidad del 60%
b) Juan, con una probabilidad del 30%
c) Luis, con una probabilidad del 10%
En funcin de quien sea tu prximo jefe, la probabilidad de que te suban el sueldo
es la siguiente:
a) Si sale Carlos: la probabilidad de que te suban el sueldo es del 5%.
b) Si sale Juan: la probabilidad de que te suban el sueldo es del 20%.
c) Si sale Luis: la probabilidad de que te suban el sueldo es del 60%.
En definitiva, cual es la probabilidad de que te suban el sueldo?:
1.- Los tres candidatos forman un sistema completo

2.- Aplicamos la frmula:


P (B) = (0,60 * 0,05) + (0,30 * 0,20) + (0,10 * 0,60) = 0,15
Por tanto, la probabilidad de que te suban el sueldo es del 15%. Lo llevas claro
amigo...

5.12 Teorema de Bayes


El Teorema de Bayes viene a seguir el proceso inverso al que hemos visto en
el Teorema de la probabilidad total:
Teorema de la probabilidad total: a partir de las probabilidades del suceso A
(probabilidad de que llueva o de que haga buen tiempo) deducimos la probabilidad del
suceso B (que ocurra un accidente).
Teorema de Bayes: a partir de que ha ocurrido el suceso B (ha ocurrido un accidente)
deducimos las probabilidades del suceso A (estaba lloviendo o haca buen tiempo?).
La frmula del Teorema de Bayes es:

Tratar de explicar estar frmula con palabras es un galimatas, as que vamos a


intentar explicarla con un ejemplo. De todos modos, antes de entrar en el ejercicio,
recordar que este teorema tambin exige que el suceso A forme un sistema
completo.
Ejercicio 1: El parte meteorolgico ha anunciado tres posibilidades para el fin de
semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.
Segn estos posibles estados meteorolgicos, la posibilidad de que ocurra un
accidente es la siguiente:
a) Si llueve: probabilidad de accidente del 10%.

b) Si nieva: probabilidad de accidente del 20%


c) Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no estabamos en la ciudad
no sabemos que tiempo hizo (nev, llovo o hubo niebla). El teorema de Bayes nos
permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 60%, nieve con
el 30% y niebla con el 10%).
Una vez que incorporamos la informacin de que ha ocurrido un accidente, las
probabilidades del suceso A cambian: son probabilidades condicionadas P (A/B),
que se denominan "probabilidades a posteriori".
Vamos a aplicar la frmula:

a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del accidente


(probabilidad a posteriori) es del 71,4%.
b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.


c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

5.13 Independencia de sucesos


Dos sucesos son independientes entre s, si la ocurrencia de uno de ellos no
afecta para nada a la ocurrencia del otro:
Ejemplo: el suceso estatura de los alumnos de una clase y el color del pelo son
independientes: el que un alumno sea ms o menos alto no va a influir en el color
de su cabello, ni viceversa.
Para que dos sucesos sean independientes tienen que verificar al menos una de
las siguientescondiciones:
P (B/A) = P (B) es decir, que la probabilidad de que se de el suceso B,
condicionada a que previamente se haya dado el suceso A, es exactamente igual
a la probabilidad de B.
Ejemplo: la probabilidad de que al tirar una moneda salga cara (suceso B),
condicionada a que haga buen tiempo (suceso A), es igual a la propia probabilidad
del suceso B.
P (A/B) = P (A) es decir, que la probabilidad de que se de el suceso A,
condicionada a que previamente se haya dado el suceso B, es exactamente igual
a la probabilidad de A.
Ejemplo: la probabilidad de que haga buen tiempo (suceso A), condicionada a
que al tirar una moneda salga cara (suceso B), es igual a la propia probabilidad del
suceso A.
P (A B) = P (A) * P (B) es decir, que la probabilidad de que se de el suceso
conjunto A y B es exactamente igual a la probabilidad del suceso A multiplicada
por la probabilidad del suceso B.
Ejemplo: la probabilidad de que haga buen tiempo (suceso A) y salga cara al tirar
una moneda (suceso B), es igual a la probabilidad del suceso A multiplicada por la
probabilidad del suceso B

Si el suceso A es independiente del suceso B, entonces el suceso B tambin


es independiente del suceso A.
Ejemplo 1: analicemos dos sucesos:
Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de tener un accidente es del 0,1
Suceso interseccin: la probabilidad de que haga buen tiempo y tener un
accidente es del 0,08
Veamos si se cumple alguna de las condiciones sealadas:
P (B/A) = P (A B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B))
P (A/B) = P (A B) / P (B) = 0,08 / 0,6 = 0,133 (que no es igual a P (A))
P (A B) = 0,08 (que no es igual a P (A) multiplicado por P (B))
Por lo tanto, no se cumple ninguna de las tres condiciones sealadas por lo
que estos dos sucesos no son independientes, sino que existe algn grado de
dependencia entre ellos.
Ejemplo 2: analicemos dos sucesos:
Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de salir cara al lanzar una moneda es del 0,5
Suceso interseccin: la probabilidad de que haga buen tiempo y que salga cara
es 0,2
Veamos si se cumple alguna de las condiciones sealadas:
P (B/A) = P (A B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B))
P (A/B) = P (A B) / P (B) = 0,2 / 0,6 = 0,4 (igual que P (A))
P (A B) = 0,2 (igual a P (A) multiplicado por P (B))
Por lo tanto, estos dos sucesos s son independientes.

Das könnte Ihnen auch gefallen