Nombre del alumno: Ulises Manzano Hernández

Matricula: ES1921005869

Grupo: MT – MPRO1 – 2001 – B2 – 001

Materia: Probabilidad I

Carrera: Licenciatura en Matemáticas

Nombre de la Actividad: Actividad 1 “Conceptos”

Nombre de la escuela: Universidad Abierta y a Distancia de México

Nombre del profesor: Paula Garcia Leija

Fecha de entrega: 6 al 12 de Abril de 2020

Ejercicios
Introducción
La probabilidad es una medida de la ceridumbre de que ocurre un evento. Su valor es un número entre 0 y 1, donde
un evento imposible corresponde a cero y uno seguro corresponde a uno. Una forma empírica de estimar la
probabilidad consiste en obtener la frecuencia con la que sucede un determinado acontecimiento mediante la
repetición de experimentos aleatorios, bajo condiciones suficientemente estables. En algunos experimentos de los que
conocen todos los resultados, la probabilidad de estos sucesos pueden ser calculadas de manera teórica,
especialmente cuando todos son igualmente probables.
La Teoría de ls Probabilidad es la rama de la matemática que estudia los experimentos o fenónemos aleatorios. Se
usa exactamente en áreas como la estadística, la física, las ciencias sociales, la investigación médica, las finanzas, la
economía y la filosofía para conocer la vialidad de sucesos y la mecánica subyacente de sistemas complejos. Es
necesaria para describir los fenónemos cuanticos . Un descubrimiento revolucionario de la física de principios del siglo
XX fue el carácter aleatorio de todos los procesos que ocurren a escalas subatómicas y que se rigen por las leyes de
la mécanica cuántica. La función de onda objetiva evoluciona de forma determinista pero, según la interpretación de
Copenhague, se trata de probabilidades de observar, explicándose el resultado por un colapso de la función de onda
cuando se realiza una observación. Sin embargo, la perdida del determinismo en aras del instrumentalismo no cónto
con la probabilidad universal. Albert Einstein famosamente remárco en una carta a Max Born: “Estoy convencido de
que Dios no juega a los dados”. Al igual que Einstein, Erwin Schrödinger, que descubrio la función de onda, creía que
la mécanica cuántica es una aproximación estadística de una realidad determinista subyacente. En algunas
interpretaciones modernas de la mecánica estadística de la medición, se invoca la decoherencia cuántica para explicar
la aparición de resultados experimentales subjetivamente probabilísticos.
Desarrollo

Tema Subtema Desarrollo resumido Ejemplos

Definiciones/Simbología/Fórmulas
Ejemplo de un modelo deterministico:
“Si lanzamos un objeto desde la
misma altura y bajo las mismas
El experimento determinista es un condiciones ambientales, podemos
experimento en el que se obtiene saber exactamente el tiempo que
siempre el mismo resultado, bajo las
Introducción a la Probabilidad

tardará en llegar al suelo, la velocidad

mismas condiciones. Si conocemos las será la misma”.
condiciones iniciales es posible predecir
o reproducir el resultado del
experimento.
Modelos determinísticos El experimento aleatorio es un
vs. aleatorios experimento que puede dar lugar a
varios resultados sin que puedan ser
previsibles antes de realizar el
Ejemplo de un modelo aleatorio:
experimento. Es decir, no se puede
predecir o reproducir el resultado. Cada “Lanzamiento de una moneda o de un
experiencia particular es única pues dado”.
aun teniendo las mismas condiciones
iniciales, los resultados pueden ser
distintos.
 Si el experimento aleatorio consiste
en lanzar 2 monedas al aire al mismo
tiempo y observar sus posibles
Se llama espacio muestral al conjunto resultados, entonces el espacio
de todos los posibles resultados en un muestral se escribe como
experimento aleatorio. El espacio
(𝑐𝑎𝑟𝑎, 𝑐𝑎𝑟𝑎), (𝑐𝑎𝑟𝑎, 𝑐𝑟𝑢𝑧),
muestral se denota, generalmente, por Ω={ }
Espacio muestral (𝑐𝑟𝑢𝑧, 𝑐𝑎𝑟𝑎), (𝑐𝑟𝑢𝑧, 𝑐𝑟𝑢𝑧)
la letra griega mayúscula ómega (Ω) o
por la letra 𝑆 ( de space, en ingles), la
elección del símbolo a utilizar depende
del autor.

En el experimento del lanzamiento de

Dado un espacio muestral Ω, se llama un dado, sacar el número 1 se trata
evento a un subconjunto (no de un evento simple. Pero sacar un
necesariamente propio) de Ω. Se llama número mayor que 2 es un evento
evento simple al evento que consta de compuesto por cuatro eventos
un solo elemento del espacio muestral. simples (3, 4, 5, 6).
Eventos simples Los eventos se denotan comúnmente
con letras mayúsculas del primer tercio
del abecedario, esto es 𝐴, 𝐵, 𝐶, 𝐷, 𝐸 ⊆
Ω. Si estos eventos contienen más de
un elemento, se llaman eventos
compuestos.
 Si tenemos 2 conjuntos que son:
𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜}
𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5}
𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜}
La unión de 𝐴 y 𝐵 es el conjunto de Y cuyo resultado de estos 3 conjunto
todos los elementos que pertenecen o es:
Unión
bien a 𝐴 o a 𝐵. Simbolicamente 𝐴 ∪ 𝐵 = 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
{𝜔 ∈ Ω: 𝜔 ∈ 𝐴 𝑜 𝜔 ∈ 𝐵}. 𝐴 = {0, 1, 2, 3, 4}
𝐵 = {2, 3, 5, 7}
Y al obtener la unión es:
𝐴 ∪ 𝐵 = {0, 1, 2, 3, 4} ∪ {2, 3, 5, 7}
Álgebra = {0, 1, 2, 3, 4, 5, 7}
de
conjuntos Si tenemos 2 conjuntos que son:
𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜}
𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5}
La intersección de 𝐴 y 𝐵 es el conjunto 𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜}
de todos los elementos en el espacio Y cuyo resultado de estos 3 conjunto
muestral Ω y sólo aquellos que es:
Intersección
pertenecen tanto a 𝐴 como a 𝐵. 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
Simbolicamente 𝐴 ∩ 𝐵 = {𝜔 ∈ Ω: 𝜔 ∈ 𝐴 = {0, 1, 2, 3, 4}
𝐴 𝑦 𝜔 ∈ 𝐵}. 𝐵 = {2, 3, 5, 7}
Y al obtener la intersección es:
𝐴 ∩ 𝐵 = {0, 1, 2, 3, 4} ∩ {2, 3, 5, 7}
= {2, 3}
 Si tenemos 2 conjuntos que son:
𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜}
𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5}
𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜}
La diferencia de 𝐴 y 𝐵 es el conjunto de Y cuyo resultado de estos 3 conjunto
aquellos elementos en el espacio es:
Diferencia muestral Ω que están en 𝐴 pero no
están en 𝐵. Simbolicamente 𝐴 − 𝐵 = 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
{𝜔 ∈ 𝛺: 𝜔 ∈ 𝐴 𝑦 𝜔 ∉ 𝐵}. 𝐴 = {0, 1, 2, 3, 4}
𝐵 = {2, 3, 5, 7}
Y al obtener la diferencia es:
𝐴 − 𝐵 = {0, 1, 2, 3, 4} − {2, 3, 5, 7}
= {0, 1, 4}
Si tenemos 2 conjuntos que son:
𝑈 = {𝑥|𝑥 𝑒𝑠 𝑢𝑛 𝑑𝑖𝑔𝑖𝑡𝑜}
𝐴 = {𝑥 ∈ 𝑈|𝑥 < 5}
𝐵 = {𝑥 ∈ 𝑈|𝑥 𝑠𝑒𝑎 𝑝𝑟𝑖𝑚𝑜}
El complemento de 𝐴 es el conjunto de Y cuyo resultado de estos 3 conjunto
todos los elementos en el espacio es:
Complemento muestral Ω que no pertenecen al 𝑈 = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}
conjunto 𝐴. Esto se denota como 𝐴𝑐 = 𝐴 = {0, 1, 2, 3, 4}
{𝜔 ∈ Ω: 𝜔 ∉ 𝐴}. 𝐵 = {2, 3, 5, 7}
Y al obtener los complementos de
cada conjunto es:
𝐴𝑐 = {0, 1, 2, 3, 4}𝑐 = {5, 6, 7, 8, 9}
𝐵𝑐 = {2, 3, 5, 7}𝑐 = {0, 1, 4, 6, 8, 9}
 El enfoque clasico o “a priori” fue
estudiado por Laplace; en este enfoque
supone condiciones ideales en un
experimento aleatorio y por lo tanto su
uso es limitado, aunque nos brinda Tenemos un mazo de 52 cartas de
bases sólidas para el cálculo de una baraja francesa, que consta de 4
Enfoques para el cálculo de la probabilidad

probabilidades, y es un enfoque teorico palos: corazones tréboles, diamantes

y no requiere de llevar a cabo el y picas. Entonces la probabilidad de
experimento para estimar la extraer un corazón, sabiendo que hay
probabilidad de ocurrencia de un evento 13 cartas de cada palo es:
aleatorio. El número de todos los #𝐴 = 13 𝑐𝑎𝑟𝑡𝑎𝑠 𝑑𝑒 𝑐𝑜𝑟𝑎𝑧𝑜𝑛𝑒𝑠
Enfoque clásico resultados posibles de ese experimento
es: #Ω = 52 𝑐𝑎𝑟𝑡𝑒𝑠 𝑑𝑒 𝑙𝑜𝑠 4 𝑝𝑎𝑙𝑜𝑠
#𝐴 Y se obtiene lo siguiente:
𝑃(𝐴) = #𝐴 13 1
#Ω 𝑃(𝐴) = = = = 0.25 = 25%
Donde #𝐴 corresponde a cardinalidad #Ω 52 4
del evento 𝐴 (o número de ocurrencia Por lo tanto, la probabilidad de las 13
del evento 𝐴) y #Ω corresponde a cartas de corazones es de 25%.
cardinalidad del espacio muestral Ω y
𝑃(𝐴) representa la probabilidad de que
ocurra el evento corresponde a
cardinalidad del evento 𝐴.
El enfoque de la frecuencia relativa se
Al programar el experimento en
basa en la experimentación, se le
cualquier interfaz capaz de ofrecer
Enfoque frecuentista conoce también como enfoque “a
una iteración netamente aleatoria, se
posteriori”. Este supera las limitaciones
puede comenzar a estudiar la
del enfoque clásico, que se limita a
probabilidad frecuencial del
situaciones en las que hay un número
finito de resultados igualmente fenómeno mediante una tabla de
probables. Este enfoque es empírico y valores.
no teórico. Requiere realizar el Se aprecia el ejemplo, que es:
experimento para estimar la
“Un sobre de gomitas contiene 5
probabilidad de ocurrencia de un evento
gomitas de cada color: azul, rojo,
aleatorio.
verde y amarillo. Se quiere
Se realiza 𝑛 veces un experimento determinar la probailidad que cada
aleatoria y se observa la frecuencia de color tiene de salir tras una selección
ocurrencia del evento 𝐴, se define la aleatoria”.
probabilidad de 𝐴, por:
Con su enfoque frecuencial:
𝑛(𝐴)
𝑃(𝐴) = Iter. 10 100 1000 𝟏𝟎𝟔
𝑛
Donde A es un evento de un espacio 0.3 0.17 0.235 0.253124
muestral Ω y 𝑃(𝐴) representa la
probabilidad de que ocurra el evento 𝐴. 0.1 0.22 0.267 0.247561
0.4 0.27 0.211 0.254235
0.2 0.34 0.287 0.245080
Los datos numéricos corresponden a
la expresión:
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑒𝑛𝑐𝑖𝑎𝑠
𝑁(𝑎) =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠
Y su espacio muestral Ω, es:
Ω = {𝑟𝑜𝑗𝑜, 𝑎𝑧𝑢𝑙, 𝑎𝑚𝑎𝑟𝑖𝑙𝑙𝑜, 𝑣𝑒𝑟𝑑𝑒}
Se aprecian una dispersión
considerable en las primeras
iteraciones, al observarse
 frecuencias con hasta 30% de
diferencias entre sí, lo cual es un dato
muy elevado para un experimento
que teoricamente posee eventos con
igual posibilidad (Equiprobable).
Pero a medida que creen las
itreraciones los valores parecen
ajustarse cada vez más a los
presentados por la corriente teórica y
lógica.
Ejemplo 1:
En el enfoque subjetivo o intuitivo, en
Si una persona intenta calcular la
algunas situaciones, se presentan
probabilidad de que mañana llueva
situaciones en las cuales no es posible
bsándose en la experiencia que tiene
realizar experimentos repetitivos y los
del clima de esa zona, es una
cuales tampoco son igualmente
probabilidad sibjetiva porque la
probables. A diferencia de los 2
persona no está realizando ningún
enfoques anteriores que son
cálculo matemático, sino que se
igualmente probables. A diferencia de
Enfoque subjetivo fundamenta en su intuición.
los 2 enfoques anteriores que son
objetivos y se sustentan en la teoría o Ejemplo 2:
en la experimentación, la probabilidad Es cuando un analista profesional
subjetiva tiene que ser con el criterio determina, a partir de su experiencia
personal para medir la posibilidad de previa, el porcentaje que tiene un
ocurrencia de un evento aleatorio, que equipo en ganar un trofeo. En este
se hace con base en ciertos criterios o caso, el analista no está utilizando
experiencias sobre casos semejantes. ningún modelo matemático para
predecir el futuro, sino que su opinión
 está basada en su experiencia y su
conocimiento del deporte.
Queremos comprar chocolate,
La regla de la suma es una de las reglas habiendo tres marcas en el
más simples que se utiliza en el cálculo supermercado: 𝐴, 𝐵 y 𝐶.
de las probabilidades. Si una tarea El chocolate 𝐴 se vende de tres
consta de 𝑛 pasos distintos para sabores: negro, con leche y blanco,
realizarse y otra de 𝑚 pasos distintos, y además de haber la opción sin o con
si las 2 tareas en cuestión no son azúcar para cada uno de ellos.
variables de realizarse juntas ni en El chocolate 𝐵 se vende de tres
sucesión, por ser mutuamente sabores, negro, con leche o blanco,
Técnicas de conteo

excluyentes, entonces el número total con la opción de tener o no avellanas

de maneras de realizar ambas tareas es y con o sin azúcar.
𝑚 + 𝑛. El chocolate 𝐶 se vende de tres
Regla de la suma Otra manera de expresar lo anterior es: sabores, negro, con leche y blanco,
si 𝑃(𝐴) y 𝑃(𝐵) representan con opción de tener o no avellanas,
respectivamente las probabilidades cacahuete, caramelo o almendras,
para los eventos 𝐴 y 𝐵, entonces la pero todos con azúcar.
probabilidad 𝑃(𝐴 ∪ 𝐵) de que ocurran 𝐴 En base a esto, la pregunta que se
o 𝐵, se obtiene por: pretende responder es: ¿cuantas
• Si estos eventos son mutuamente variedades distintas de chocolate se
exluyentes 𝐴 ∩ 𝐵 = ∅, 𝑃(𝐴𝐵) = pueden comprar?
𝑃(𝐴) + 𝑃(𝐵). 𝑊 = número de formas de
• Si 𝐴 ∩ 𝐵 ≠ ∅ entonces 𝑃(𝐴 ∪ 𝐵) = seleccionar el chocolate 𝐴.
𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵). 𝑌 = número de formas de seleccionar
el chocolate 𝐵.
 𝑍 = número de formas de seleccionar
el chocolate 𝐶.
El siguiente paso consiste en una
simple multiplicación.
𝑊 = 3(2) = 6
𝑌 = 3(2)(2) = 12
𝑍 = 3(5) = 15
𝑊 + 𝑌 + 𝑍 = 6 + 12 + 15 = 33
variedades de chocolate diferentes.
Si una tarea consta de 𝑛 pasos distintos En un restaurante, el menú consiste
para realizarse y otra de 𝑚 pasos en un plato principal, un segundo y
distintos, y si ambas no son excluyentes postre. De platos principales tenemos
sino que es posibles realizarlas juntas o 4, de segundos hay 5 y de postres
en sucesión, entonces el total de pasos hay 3.
distintos (o formas) en que pueden Entonces, 𝑚 = 4 para los platos
Regla del producto efectuarse la primer tarea seguida por principales, 𝑛 = 5 para los segundos
la segunda es de 𝑛𝑚. y 𝑝 = 3 para los postres.
Y asi pues, las combinaciones que
ofrece este menú serían:
𝑀 = 𝑛𝑚𝑝 = (4)(5)(3)
= 60 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖𝑜𝑛𝑒𝑠.
Expresión para el cálculo de Hay un grupo de 10 personas y hay
permutaciones. Representamos por un asiento en el que solo pueden
Permutaciones 𝑛𝑃𝑘 o también como 𝑃𝑘𝑛 el número de caber cinco, ¿de cuántas formas se
arreglos ordenados de 𝑘 elementos pueden sentar?
Se haría lo siguiente:
 distintos seleccionados de un conjunto 10! 10! 10!
10𝑃5 = = =
𝑋 el cual tiene 𝑛 elementos. (10 − 5)! (5)! 5!
𝑛
𝑛𝑃𝑘 = 𝑃𝑘 = 𝑛(𝑛 − 1)(𝑛 − 2) ⋯ (𝑛 − 𝑘 10(9)(8)(7)(6)(5!)
=
+ 1) 5!
Podemos representar la expresión para = 10(9)(8)(7)(6)
el cálculo de permutaciones usando = 30240
notación factorial: Por lo tanto, tenemos 30240 formas
𝑛𝑃𝑛 = 𝑃𝑛𝑛 = 𝑛! diferentes de ocupar el banco.
𝑛! , 𝑝𝑎𝑟𝑎 𝑛 > 𝑘.
𝑛𝑃𝑘 = 𝑃𝑘𝑛 =
(𝑛 − 𝑘)!
Las combinaciones de 𝑛 objetos (o
cosas) distintos tomando 𝑘 de ellos a la Un grupo de 10 personas quieren
vez, representan el número de hacer limpieza en el barrio y se
subconjuntos diferentes de tamaño 𝑘 de preparan para formar grupos de 2
ellos a la vez, representan el número de miembros cada uno, ¿cuántos grupos
subconjuntos diferentes de tamaño 𝑘 son posibles?
que se pueden obtener con esos 𝑛 En este caso, 𝑛 = 10 y 𝑟 = 2, así
Combinaciones objetos. pues, aplicando la fórmula:
Las notaciones usales para 10! 10! 10!
combinaciones de 𝑛 en 𝑘 objetos son: 10𝐶2 = = =
(10 − 2)! 2! (8)! 2! 2! 8!
𝑛 𝑛
𝑛𝐶𝑚, ( ) o 𝐶𝑚 . 10(9)(8!) 90
𝑚 = = = 45
Dado un conjunto con 𝑛 elementos 2(1)(8!) 2
distintos 𝑋 = {𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 } del cual Por lo tanto, tenemos 45 parejas
nos interesa seleccionar 𝑘 elementos distintas.
distintos (es decir, no los repetimos) en
 donde 𝑘 ≤ 𝑛, entonces el número total
de combinaciones se calcula por:
𝑛 𝑛
𝑛𝐶𝑚 = 𝐶𝑚 =( )
𝑚
𝑛!
= , 𝑝𝑎𝑟𝑎 𝑚 ≤ 𝑛
𝑚! (𝑛 − 𝑚)!

Conclusiones
En esta actividad, realiza la investigación en donde obtenemos los temas que se va a ver en la unidad 1 “Introducción
de la Probabilidad”, en donde se realiza primero la introducción de que se trata la Probabilidad, agregando la definición
junto con algunos acontecimientos del pasado de que trata y al ultimo la teoria de la probabilidad, que es lo que vamos
a ver en la siguiente unidad, despues de realizar la introducción, ahora se realiza la tabla en donde se realiza el
resumen y ejemplos de caa uno de los temas que se va a ver en la unidad, los temas que son: los modelos
deterministicos vs modelos aleatorios, los espacios muestrales, los eventos simples y compuestos, algebra de los
conjuntos que este tema lo vimos en 2 materias de la carrera como en álgebra como en introducción al pensamiento
matemático e introducción al álgebra superior en esta se encuentra las operaciones que son la unión, intersección,
diferencia y complemento de conjuntos, los enfoques tiene 3 tipos como el clasico, fecuentista y subjetivo, y a partir
del cálculo de las probabilidades se encuentra el cálculo de las tecnicas de conteo que son el principio de la suma, le
princicpio del producto, las permutaciones y las combinaciones sin repetición; la información que saque se encuentra
en los apuntes de la plataforma de la materia de la unidad 1 de Probabilidad I, y los ejemplos algunos se encuentra en
los apuntes y otro en otras plataformas que son buenisimas, y con esto se termina la tabla de la unidad 1 de
probabilidad I, y al final se esta escribiendo las conclusiones de esta actividad de la Unidad 1. Y con esto se termina
la actividad.

Bibliografía
Anónimo. (2020). PDF. Obtenido de Ejemplo de Modelo de efectos aleatorios: https://estadistica-
dma.ulpgc.es/GSRP/pdf/efectos_aleatorios_y_mixtos.pdf
Anónimo. (2020). ProbabilidadyEstadística.net. Obtenido de Probabilidad subjetiva:
https://www.probabilidadyestadistica.net/probabilidad-subjetiva/
AViila, E. (23 de Marzo de 2015). Prezi. Obtenido de Modelos Deterministicos: https://prezi.com/eof0nbtpr5sc/modelos-
deterministicos/#:~:text=Un%20ejemplo%20cl%C3%A1sico%20de%20modelo,en%20un%20tubo%20con%20v
ac%C3%ADo).
editorial, E. (9 de Mayo de 2019). LideDer. Obtenido de Probabilidad frecuencial: concepto, cómo se calcula y ejemplos:
https://www.lifeder.com/probabilidad-frecuencial/
Licencia Creative Commons Atribución. (21 de Junio de 2022). Wkipedia La Enciclopedia Libre. Obtenido de
Probabilidad: https://es.wikipedia.org/wiki/Probabilidad
Montagud Rubio, N. (31 de Octubre de 2019). Psicología y Mente. Obtenido de Técnicas de conteo: tipos, cómo
utilizarlas y ejemplos: https://psicologiaymente.com/miscelanea/tecnicas-de-conteo
ProbabilidadyEstadística.net. (2020). Obtenido de Evento simple (o suceso elemental):
https://www.probabilidadyestadistica.net/evento-simple-suceso-
elemental/#:~:text=Por%20ejemplo%2C%20en%20el%20experimento,4%2C%205%20y%206).
UnADM. (6 de Abril de 2020). PDF. Obtenido de Unidad 1 "Introducción a la Probabilidad":
file:///D:/UnADM/Clases%20Universidad/Semestre%202/Probabilidad%20I/U1_contenido.pdf
Zapata, F. (27 de Julio de 2020). Lifeder. Obtenido de Probabilidad clásica: cálculo, ejemplos, ejercicios resueltos:
https://www.lifeder.com/probabilidad-clasica/