1

FUNDAMENTOS DE PROBABILIDAD.
Espacio Muestral y Eventos
La clase de todos los eventos asociados a un experimento dado esta definido como el
espacio muestral o espacio de los eventos, es decir todos los resultados posibles del
experimento. Un evento es un subconjunto del espacio muestral. Al espacio muestral lo
denotaremos por  , R o S.

Ejemplo2.1:
Se lanzará un dado perfectamente equilibrado y observamos la cara superior del dado. el
espacio muestral es el siguiente.

Ω= {1,2,3,4,5,6}
Sea A el evento de encontrar números pares y su espacio muestral será:.

A={2,4,6}
Ejemplo 2.2
Sea el experimento de lanzar 3 monedas a la vez, una de un peso, otra de 50¢ y otra de
20¢. Donde A=aguila y S=sol, el espacio muestral es el siguiente

Ω ={ A,A,A) A,A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A,A) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A,S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)}) S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},S) (A,S,S) (S,S,S) (A,S,A) (S,A,A) (S,A,S) (S,S,A)},A)}

Ejemplo 2.3.
Sea el experimento de lanzar dos dados perfectamente balanceados y observamos sus
caras superiores, el espacio muestral es el siguiente:

(1,1) (1,2) ( 1,3) (1,4 ) (1,5) ( 1,6 )

=
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
{ (2,2)
(3,2)
(4,2)
(5,2)
(6,2)
( 2,3)
( 3,3)
( 4,3 )
( 5,3)
( 6,3)
(2,4 )
(3,4 )
(4,4 )
(5,4 )
(6,4 )
(2,5)
(3,5)
(4,5 )
(5,5)
(6,5)
( 2,6 )
( 3,6 )
( 4,6 )
( 5,6 )
( 6,6 )
}
Sea A el evento la suma de sus dos caras de ambos lados y sea B la diferencia en valor
absoluto de sus caras. Encontrar el espacio de los eventos.

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 2

Desarrollo.
A={2,3,4,5,6,7,8,9,10,11,12}= {(i+j);i=1,2,...,6 y j=1,2,...,6 }
B= {0,1,2,3,4,5} = { (i-j);i=1,2,...,6 y j=1,2,...,6}

Sea C el evento del que en el segundo dado el numero que aparezca sea par.

(1,2) ( 1,4 ) (1,6 ) (2,2) ( 2,4 ) ( 2,6 ) (3,2) ( 3,4 ) (3,6 )

C= {(4,2 ) ( 4,4 ) (4,6 ) (5,2) ( 5,4 ) ( 5,6 ) (6,2) ( 6,4 ) (6,6 ) }
= {(i,j); i=1,2,...,6 y j=2,4,6}

Sea D el evento del que en el primer dado se observe un número impar.

(1,1),(1,2) ,(1,3 ),(1,4 ) ,(1,5 ),(1,6 ) ,( 3,1) ,( 3,2) ,( 3,3 )

D= { (3,4 ) ,( 3,5)( 3,6 )(5,1)( 5,2 ),( 5,3 ),(5,4 ),(5,5 ) ,( 5,6) }
= {(i,j); i=1,3,5 y j=1,2,3,4,5,6}

Ejemplo 2.4. Consideremos el experimento aleatorio, el cual consiste en registrar el

número de veces que llueve y se cuantifica la totalidad precipitada en la Ciudad de
Xalapa, Ver. El espacio muestral será representado por:

={(i,x); i=1,2,... y x x⩾0 }

Y sea A el evento que entre 5 y 10 veces inclusive, llovió más de 7 mm..

A={(i,x); i=5,6,7,8,9,10 , x>7}

A={(i,x); 5⩽i⩽10 , x>7}

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 3

Probabilidad en un Experimento dado. Es necesario asignar a cada evento

del espacio muestral (Ω) un número P(A) que indique la probabilidad de ocurrencia de A.
Con el objeto de satisfacer la definición matemática de probabilidad, el número P(A) debe
cumplir los siguientes axiomas:

i) P(A) 
0; no existen probabilidades negativas.
ii) P(Ω)= 1
iii) Si A1,A2,……. es secuencia de eventos mutuamente exclusivos ( su intercepto es

∞
cero; A i ∩ A j =0 , i  j, i, j=12,…) y sí A1A2.. = U A i entonces
i=1

∞ ∞
P(U A i )=∑ P( A i )
i=1 i=1

Probabilidad Clásica. Supongamos que Ω esta constituido por N eventos

igualmente probables (aquiprobables) y mutuamente excluyentes, entonces para todo
evento A que se encuentra en un espacio muestral (A 
Ω) se tiene la siguiente
definición: “si de un experimento aleatorio pueden aparecer n resultados mutuamente
exclusivos y equiprobables, y si n(A) de estos resultados tienen un atributo o
característica A, entonces la probabilidad de A es la fracción

n( A)
P ( A)=
n()

n(A)=número de elementos con atributos o característica de A

n(Ω)=números total de elementos del espacio muestral.

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 4

Ejemplo 2.5:
Sea el experimento de lanzar 2 dados perfectamente balanceados, Sea el evento A que
la suma sea 7, el evento B que la diferencia sea un número par y sea el evento C de que
la diferencia sea impar.

(1,1) (1,2) ( 1,3) (1,4 ) (1,5) ( 1,6 )

=

{
(2,1)
(3,1)
(4,1)
(5,1)
(6,1)
(2,2)
(3,2)
(4,2)
(5,2)
(6,2)
( 2,3)
( 3,3)
( 4,3 )
( 5,3)
( 6,3)
(2,4 )
(3,4 )
(4,4 )
(5,4 )
(6,4 )
(2,5)
(3,5)
(4,5 )
(5,5)
(6,5)
( 2,6 )
( 3,6 )
( 4,6 )
( 5,6 )
( 6,6 )
} 6 1
A= {(1,6)( 2,5)(3,4 )(4,3)(5,2)(6,1) } P(A) = 36 = 6

(1,1) (1,3) (1,5) (2,2) (2,4) (2,6) (3,1) ( 3,3) (3,5)

B= {(4,2) (4,4 ) (4,6) (5,1) (5,3) (5,5) (6 , 2) (6,4 ) (6,6) } P(B) 
18 1

36 2

(1,2) (1,4) (1,6) (2,1) (2,3) ( 2,5) (3,2) (3,4) (3,6) 18 1

C= { (4,1) (4,3) (4,5) (5,1) ( 5,4) (5,6) (6,1) (6,3) (6,5) } P (C)= 36 = 2

Probabilidad Condicional e Independiencia.

La probabilidad de un evento A dado que un evento B ha ocurrido es definida por:

P( A∩B)
P( A /B)=
P(B)
Donde P(B)≠0

Ejemplo 2.10:
Lanzamos dos monedas perfectamente equilibradas y observamos sus caras superiores
y se asume que son eventos equiprobables. Sea A el evento de que en ambas monedas
se observó sol. Sea B el evento de que al menos un sol apareció. Encontrar la
probabilidad de A dado que B ocurrió.

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 5

Ω = {(S,S),(S,A),(A,A),(A,S)}
1
A={(S,S)}, B={(S,A) (S,S) (A,S)} y Ρ( Α∩Β)=
4

P (A∩B) 1 /4 1
= P( A/ B)= = 3 /4 = 3
P(B)
Ejemplo 2.11:
De una caja que contiene 8 focos de los cuales 3 son defectuosos, se extrae 2 focos
aleatoriamente y sin reemplazamiento. Calcular la probabilidad de que el segundo foco
sea defectuoso, si el primer foco extraído fue defectuoso.
Sea
A: que el segundo foco extraído sea defectuoso.
B: que el primer foco extraído sea defectuoso.
Calculemos la P(A*B) y P(B).
=F=Foco no defectuoso.

= D= foco defectuoso
se tienen 5 focos F1 ,F2 ,F3 ,F4 ,F5 y 3 D1,D2,D3 por lo que el espacio muestral será:
Ω = {(F1,F2),(F1,F3),(F1,F4),(F1,F5),(F1,D1),(F1,D2),(F1,D3), (F2,F3), (F2,F4), (F2,F5), (F2,D1),
(F2,D2), (F2,D3), (F3,F4), (F3,F5), (F3,D1), (F3,D2), (F3,D3), (F4,F5), (F4,D1), (F4,D2), (F4,D3),
(F5,D1), (F5,D2), (F5,D3), (D1 ,D2), (D1 ,D3), (D2 ,D3)}
3 3
se tienen 28 combinaciones del par a extraer. Asi la P( A∗B)= y P( B)=
28 8
3
28 2
asi: P( A /B)= =
3 7
8

Independencia. Los eventos A y B son independientes si y solo sí la probabilidad de

P(A∩B)=P(A)*P(B)de otra manera A y B son dependientes.

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 6

Ejemplo 2.11:
Lanzamos dos monedas perfectamente equilibradas y observamos sus caras superiores
y se asume que son eventos equiprobables. Encontrar la probabilidad de que la primera
moneda aparezca un sol y en la segunda también.

A={(S,A) (S,S)} y B={(A,S) (S,S)}

1 1 1
Ρ( Α∩Β)=P ( A )∗P( B)= ∗ =
2 2 4

Ejemplo 2.12
Una carta es seleccionada de una baraja de 52 cartas definimos el evento de A que la
selección de la carta es Rey. B sea un Joto ó Quina y C que la carta sea un corazón.

Probabilidad de los eventos:

4 1
P(A)= 52 = 13 P( A∩B)=0

8 2 1
P(B)= 52 = 13 P( A∩C)=
52

13 1 1
P(C)= 52 = 4 P( B∩C)=
26

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 7

Regla de Multiplicación.
P ( A∩B)
Si P( A/ B)=
P( B)
; P( B)≠0 y P( A∩B)=P ( A /B) P( B) .

Por otro lado si

P (A∩B)
P( B/ A )=
P( A)
; P( A)≠0 y P( A∩B)=P (B / A) P( A)

entonces:

P( A∩B)= P( A /B) P(B)=P(B/ A) P( A)

se le conoce como la Regla de la Multiplicación.

Ejemplo.
Un grupo de estudiantes de la LCA esta compuesto de un 70% de hombres. Además se
sabe que un 60% de hombres y un 50% de mujeres fuma. Se se selecciona u n
estudiante al azar ¿ cuál es la probabilidad de que sea mujer fumadora?

Eventos:
 : estudiantes de la LCA.
H: estudiante hombre.
M: estudiante mujer.
F: estudiante fumador.
Probabilidad de eventos:
70 30 %
P( H )= =0.7 , P( M )= =0.3 , P( F /H )=0.6 , P( F /M )=0.5
100 100 %
si
P(FM )
P( F /M )= ⇒ P( FM )=P(F /M ) P (M )=(0.5)(0.3)=0.15
P(M)

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 8

Probabilidad Total.
Sea A1 y A2 dos eventos mutuamente exclusivos y exhaustivos( A i∩ A j=∅ y
A 1∪ A 2= ) y sea B tal que B=B∩ A 1∪B∩ A2 por axioma se tiene que:

P( B)=P( B⋅A1 )+ P (B⋅A2 ) ….................…………......(1)

si por la regla de multiplicación se tiene

P( B⋅A 1)
P( B/ A 1)= por lo tanto P( B⋅A1 )=P( B/ A1 )⋅P( A1 ) …………........…………....(2)
P( A 1)
y

P (B⋅A 2)
P( B/ A 2 )= por lo tanto P( B⋅A2 )=P( B/ A2 )⋅P( A2 ) ….…………………...........(3)
P ( A 2)

si (2) y (3) se sustituyen en (1)

P( B)=P( B/ A 1)⋅P (A 1)+ P(B / A 2)⋅P( A 2)

a esta formula se le conoce como Regla o fórmula de la probabilidad Total.

o o
A1 A2
+
o
+
o
B
+ o
+
o
+ +
+

+ o
+

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 9

Ejemplo a.
Dos fabricas producen focos. La primera proporciona el 70% y la segunda el 30% de la
producción total. Por otra parte, se sabe que el 83% de los focos suministrados por la
primera fabrica se ajusta a las normas establecidas mientras que solo el 63% de los
producidos por la segunda, se ajusta a dichas normas. Encuentre la probabilidad de que
el foco entregado a un consumidor se ajusta a las normas establecidas.

Sean los eventos:

B: el foco se ajusta a normas establecidas.

La probabilidad de B esta condicionada a la procedencia del foco. Por lo que:

A1:foco producido por la fabrica uno.
A2:foco producido por la fabrica dos.
B / A 1 :cumple normas establecidas y proviene de la fabrica 1.
B / A 2 :cumple normas establecidas y proviene de la fabrica 2.

Asi las probabilidades de los eventos:

P( A1 )=0.7 es la probabilidad de que un foco haya sido producido por la fabrica 1
P( A2 )=0.3 es la probabilidad de que un foco haya sido producido por la fabrica 2
P( B/ A 1 )=0.83 es la probabilidad de que el foco cumpla con las normas establecidas si
fue producido por la fabrica 1.
P( B/ A 2 )=0.63 es la probabilidad de que el foco cumpla con las normas establecidas si
fue producido por la 2.

La probabilidad de que el foco suministrado cumpla con las normas establecidas:

P(B)= P( B/ A 1 ) * P( A1 ) + P( B/ A 2 ) * P( A2 ) = 0.77

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 10

Teorema De Bayes.
Las fórmulas de Bayes nos permiten calcular la probabilidad condicional de un evento
cualquiera a una familia de eventos exhaustivos y mutuamente excluyentes, si sabemos
que ha ocurrido un evento B del Ω, siempre que P(Ai) y P(B/Ai) sea conocidas

Asumamos que un experimento aleatorio puede resultar K mutuamente exclusivos y

exhaustivos resultados A1,A2,...,Ak con probabilidad a priori, P(A1), P(A2),..., P(Ak)
Supóngase que existen otro evento B para la cual las probabilidades condicionales son
dadas por P(B/A1), P(B/A2),.., P(B/Ak).

P( A i B)
P( A i / B)= ….....................................(1)
P(B)
pero (P( A i B)=P(B/ A i ) P( A i )) de acuerdo a la regla de multiplicación.

Por otra parte la formula de la probabilidad total es :

k
P(B)=∑ P(B/ A i ) P( A i )
i=1

sustituyendo en (1), se tiene la deducción de la Formula de Bayes:

P(B / A i )P( A i )
P( A i / B)= k

∑
i=1
P(B/ A i )P ( A i )

Entonces la probabilidad posteriori de Ai dado B de acuerdo a probabilidad condicional.

Ejemplo b.
…..del ejemplo a (de las fabricas)
Calcular la probabilidad de que un foco haya sido producida por la primera fabrica , si se
sabe que se ajusta a las normas. Sustituyendo en la formula de Bayes:
P( B/ A1 ) P( A 1)
P( A1 / B)= 2 0.83∗0.7
= 0.83∗0.7+ 0.63∗0.3 =0.75
∑ P (B / A i) P( Ai )
i =1

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 11

Ejemplo 2.13:
El señor González tiene 3 secretarias con diferentes niveles de competencia. Las
secretarias A1, A2 y A3. La secretaria A1 ha escrito el 20% de su trabajo, la secretaria A 2 el
40% y la secretaria A3 el 40%. Hay un error ortográfico que irrita al señor González y este
ha calculado que A1, lo comete el 90% de las veces que tiene que escribir la palabra en
cuestión, A2 que lo comete el 40% y que A 3 nunca. Si el señor González encuentra ese
error en una página del trabajo ¿Cuál es la probabilidad de que lo haya escrito la
secretaria A1? ¿La secretaria A2? ¿La secretaria A3?.
Solución:

P( A1 )=0.2 , P( A2 )=0.4 , P( A3 )=0.4 ,

P( B/ A 1)=0.9 , P( B/ A 2)=0.4 , P( B/ A 3 )=0.0

(0.9)(0.2)
P( A1 / B)= =0.52
(0.9)(0.2)+(0.4)(0.4)+(0.0)(0.4)

(0.4)(0.4)
P( A2 / B)= =0.47
(0.9)(0.2)+(0.4)(0.4)+(0.0)( 0.4)

(0.0)(0.4)
P( A3 / B)= =0.0
(0.9)(0.2)+(0.4 )(0.4)+(0.0)( 0.4)

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 12

Ejemplo
Se tienen dos urnas con bolas rojas y blancas distribuidas de la siguiente manera:
urna 1: 3 rojas y 2 blancas.
urna 2: 2 rojas y 3 blancas.
Se extrae una bola de la urna 2 y se introduce en la urna 1. Si al extraer una bola de la
urna 1, esta es blanca, ¿cuál es la probabilidad de que la bola trasladada sea blanca
también?

Descripción de los eventos:

A1: bola trasladada de la urna 2 es blanca.
A2: bola trasladada de la urna 2 es roja.
B: bola extraída de la urna 1 es blanca.

La probabilidad buscada será: P( A1 / B) . Es decir; ya se sabe que es blanca y se

busca calcular la probabilidad de que la bola trasladada sea del mismo color.

Asi, la probabilidad de la bola en la urna 1, después de introducirle la bola, es blanca si:

se introdujo una blanca: 3 1

P( B/ A 1)= =
6 2
se introdujo una roja: P( B/ A )= 4 = 2
2
6 3

por otra parte, la probabilidad de que en la urna 2 se extraiga una bola:

3
sea blanca P( A1 )= 5
2
sea roja P( A2 )= 5
así la probabilidad, utilizando la formula de Bayes, de que la bola trasladada sea blanca
también, es;

1 3
( 2 )( 5 )
P( A1 / B)= 1 3 2 2 =0.5294117336=0.53
( 2 )( 5 )+( 3 )( 5 )

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 13

Probabilidad estadística frecuencial (probabilidad empírica).

Supóngase que estamos interesados en un evento de cierto experimento, la definición de
probabilidad se basa en el concepto de frecuencia relativa de un evento, lo que a su vez
presupone la repetición de un experimento un número considerable de veces y el análisis
de frecuencia que se repite indefinidamente se denomina frecuencia relativa de un evento
A y lo denotaremos por Pfr(A) de donde.

n ( A)
P fr =lim n
n→∞

Ejemplo 2.6:
Sea el experimento de escoger una carta de un mazo de 52 de una baraja inglesa. A sea
el evento de que sea diamante y B de que sea Rey.

13 1 4 1
P(A)= 52 = 4 P(B)= =
52 13

1
P(AB)= 52

Leyes de la probabilidad frecuencial.

Debido a que la frecuencia f del evento A en n≥1 ensayos o repeticiones de un
f
experimento es tal que f se encuentra 0≤f ≤n entonces se tiene que 0≤ n ≤1 y de
aquí se deduce que:

1.- 0≤P( A)≤1

La frecuencia del conjunto vacío (ø) es cero y la frecuencia de espacio muestral Ω es n,

0 n
la frecuencia relativa respectiva es 0 y 1 ( n =0, n =1) .
Si A1 y A2 son conjuntos disyuntos, decimos que los elementos A1 y A2 son elementos
mutuamente exclusivos. La probabilidad de que Α 1 ó A2 ocurra es claramente la suma
de su probabilidad.

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 14

2.- P (ø)= 0 , P(Ω)=1

3.- P P( A 1∪ A 2 ) = P( Α 1 )+ P( A 2 )

Esto se puede extender a diversos conjuntos disyuntos P( A 1∪ A 2∪....∪ A k ) donde A1

intercepción con A2 intercepción hasta Ak igual al vacío para diferente subíndice.

Entonces se tiene:
i) P( A 1 ∪ A 2)=P( A 1)+P( A 2)
ii) (P( A 1 ∪ A 2∪....∪A k )=P( A 1 )+P( A 2)+...+ P( A k ))

La probabilidad de no tener elementos con cierto atributo o característica de A es

denotado por A’, Ac

Ejemplo 2.7:
Del ejemplo 2.6, encontrar la probabilidad de que A no tenga corazones rojos será igual a
P(Ac)= 39
52

4.- P(AC)= 1-P(A)

Consideramos dos eventos A1 y A2 que no son mutuamente exclusivos entonces la

probabilidad de la unión A1A2 será menor que P(A1) + P(A2) ya que la probabilidad de
la intercepción A∩B es considerada dos veces, de aquí se desprende la siguiente ley:

P( A 1 ∪ A 2 ) = P( A 1 )+ P( A 2)−P( A 1∩ A 2)

Ejemplo 2.8:
Encontrar la probabilidad de extraer una carta de las 52 de que sea Joto o Quina.
4 4 2
P( J∪Q) = P( J )+ P (Q)−P( J∩Q) = + −0 =
52 52 13

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 15

Ejemplo 2.9:
Encontrar la probabilidad de que sea corazón o Tréboles.

13 13 1
P(C∪T ) = + −0
52 52 = 2

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 16

Ejercicios de probabilidad resueltos.

Ejemplo 1:
Se tiene en una urna las letras del nombre MIRTA en 5 fichas iguales se toman dos letras
al azar. ¿Cuál es la probabilidad de que A)sean consonantes y B)sean vocales?


={MIRTA}
C 32 3 C 22 1
P(A)= C 5 = 10 P(B)= =
2
C 52 10

Ejemplo 2:
El experimento es extraer de 52 cartas, 5 cartas. Sea A el evento de que todas sean
diamantes y B de que al menos una sea diamante

13 corazones
=
{ 13 picas
13 diamantes
13 treboles
} C 13
5
P(A)= C 52 =0.0005
5

una solución..........
c C 39
5
P( B )= =0.22 P(B)=1-P(Bc) = 1-0.22= 0.78
C 52
5

otra solución.....
C 13 39 13 39 13 39 13 39 13 39
1 C 4 +C 2 C 3 +C 3 C 2 +C 4 C 1 +C 5 C 0
P(B)= =0.78
C 52
5

Ejemplo 3:
Un dado perfectamente balanceado se lanza 2 veces. ¿Cuál es la probabilidad de que en
el segundo lanzamiento muestre el número 6, si en el primer lanzamiento mostró un
número mayor que 3? .
Definición de los eventos:
A: que el dado muestre un número 6
B: que el dado muestre un número mayor que 3.
es decir:
1
1 Ρ ( Α∩Β) 6 1
Α={6} Ρ( Α)= Ρ( Α/ Β)= = 3 =3
6 Ρ( Β)
6
3
Β={4,5,6} Ρ( Β)=
6

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.
 17

Ejemplo 4:
Una urna contiene 10 bolas blancas, 5 bolas rojas y 5 bolas azules. Si se extrae una bola
al azar. ¿Cuál es la probabilidad de que la bola extraída sea blanca si se sabe que no es
roja?

Eventos:
10
A: bola extraida sea blanca. P(A)= 20
5
B: bola extraída sea roja. P(B)= 20
5
C: bola extraída sea azul. . P(C)= 20

c
P( A∩Bc )
De modo que la probabilidad solicitada es: P(A/B )= c
P(B )

5 15
De donde P(Bc)=1-P(B) = 1− 20 = 20 =0.75

y
10 15 150
P( A∩B c )=P( A) P(Bc )= ⋅ = =0.375
20 20 400

0.375
P( A/ Bc )= =0.5
0.75

Introducción a la probabilidad, espacios muestrales, probabilidad condicional e independencia.

Mtro. Miguel Angel Natividad B.