Principio de regla de la suma.

Supongamos que un suceso E puede ocurrir de m maneras y un segundo suceso F puede ocurrir de n maneras, ambos sucesos no pueden ocurrir simultneamente, entonces E o F pueden ocurrir de m + n maneras. Ejemplo: Una Universidad tiene 3 cursos diferentes de matemticas, 4 de ciencias y 2 de humanidades. Cuntas posibilidades hay de escoger uno de los cursos? Cuntas posibilidades hay de escoger un curso de cada tipo? En la primer pregunta los sucesos no pueden ocurrir de manera simultanea, ya que elegir uno de los cursos, excluye los dems tipos de curso, por lo tanto por el principio de regla de la suma, tenemos: 3 + 4 + 2 = 9 posibilidades de escoger uno de los cursos. En la segunda pregunta los sucesos pueden ocurrir de forma simultanea, escoger un curso, por ejemplo de matemticas, no excluye a los otros tipos de curso, por lo tanto, usando el principio de multiplicacin (ver el archivo anterior), tenemos: (3) (4) (2) = 24 posibilidades de escoger un curso de cada tipo. Combinaciones. Muestras sin orden. La muestra debe verse como un conjunto pues no debe haber orden entre sus elementos. Cuntas diferentes muestras podemos obtener de esas caractersticas? Cuando el orden importa habamos encontrado la frmula:
n! n ( k )!

Ahora que no nos interesa el orden, observamos que cada uno de los arreglos de la frmula anterior, est siendo contado k ! veces, las veces en que los mismos k elementos pueden ser permutados unos con otros, siendo que el conjunto de elementos es el mismo. Por ejemplo, los arreglos: #Sn, #nS, Sn#, nS#, n#S, S#n, si los pensamos como passwords, son diferentes ya que el orden importa, pero si no tomramos en cuenta el orden entonces vindolos como conjuntos los k ! = 3! = 6 arreglos anteriores en realidad son el mismo conjunto. Para obtener arreglos en donde el orden no importa debemos dividir entre k ! , entonces, obtenemos la frmula:
n! que se lee como: combinaciones de n en k y se denota de k !( n k )!

alguna de las siguientes formas:

n

n n! Ck = C ( n, k ) = = k k ! n ( k )!

Ejemplo: Cuntos equipos distintos de tres personas pueden formarse de un grupo de 5 personas? Observe que el orden de las tres personas elegidas no importa, entonces:
5 5! 5! 5 4 20 = = = = 10 = 3 3! 5 3 ! 3!2! 2 2 ( )

Pgina | 1

Ahora aplicando todo lo anterior a la Probabilidad, veamos algunos ejemplos: En una bolsa hay 10 caramelos, de los cuales seis son de limn. Una nia saca cinco caramelos de la bolsa. Qu probabilidad hay de que entre esos cinco haya tres caramelos de limn? Ya que el experimento parte de que la nia saca cinco dulces de entre los diez, nuestro espacio muestral estar dado por el total de formas en las que ella puede hacer esta seleccin: C ( n, k ) = n! 10! 10 9 8 7 6 30240 C (10,5 ) = = = = 252 k !( n k )! 5!( 5 )! 5! 120

En el caso del evento, consta de extraer tres caramelos de limn entre los cinco seleccionados. El total de formas en la que esto se puede dar es la combinacin de seis en tres. El que se estn seleccionando tres caramelos de limn implica que estos tendrn que venir forzosamente de entre los seis que son de limn. De cuntas formas puede darse esto?
C ( 6,3) = 6! 6 5 4 = = 5 4 = 20 3!3! 3!

Pero esto no es lo nico a considerar. La nia est seleccionando cinco dulces en total, de manera que si tres son de limn, tendr que haber dos o ms que no sean de limn, y estos debern seleccionarse de entre los cuatro que no son de limn. Esto puede hacerse de C ( 4, 2 ) = 6 . Ahora, como en el evento ella seleccionar tanto los tres dulces de limn como los dos que no son de limn, el total de formas en que puede hacer ambas selecciones conjuntamente ser el producto: C ( 6,3) C ( 4, 2 ) = 20 6 = 120 , de acuerdo con la regla del producto. De esta forma y aplicando la definicin de Probabilidad Clsica, la probabilidad de que la nia saque tres caramelos de limn es:
C ( 6,3) C ( 4, 2 ) C (10,5 ) = 20 6 120 = = 0.476 252 252

En un embarque de 20 i-pods hay cinco defectuosos. Si una sucursal de una cadena de artculos electrnicos compra la mitad del embarque, qu probabilidad hay de que adquiera dos o menos de los aparatos defectuosos? El experimento parte de que se compra la mitad del embarque es decir se seleccionan diez ipods de entre veinte. El total de formas en las que puede hacerse esta seleccin es: 20! 20! 20 19 18 17 16 15 14 13 12 11 C( 20,10 ) = = = = 184756 10! ( 20 10 )!10! 10!10! En el caso del evento, consta de la posibilidad de adquirir dos o menos de los aparatos defectuosos, esto implica que podra adquirir dos, uno o cero aparatos defectuosos. As, Pgina | 2

primero deberemos calcular la probabilidad de que seleccione dos, luego la probabilidad de que seleccione uno y luego la de ninguno.
La probabilidad de adquirir dos apartos defectuosos : C ( 5,2 ) C (15,8 ) C ( 20 ,10 ) = 10 6435 = 0.3483 184756

La probabilidad de adquirir un aparto defectuoso : C ( 5,1) C (15 ,9 ) C ( 20 ,10 ) = 5 5005 = 0.1354 184756

La probabilidad de no ad quirir apartos defectuosos : C ( 5,0 ) C (15,10 ) 1 3003 = = 0.0162 184756 C ( 20 ,10 )

Es claro que no pueden darse las tres formas de manera simultnea. Es decir, si el comprador adquiri, por ejemplo, un aparato defectuoso, las opciones de adquirir dos o ninguno quedan descartadas. Por lo tanto, en este caso deberemos sumar las probabilidades. De esta forma, la probabilidad de que el comprador adquiera dos o menos de los aparatos defectuosos de: 0.3483 + 0.1354 + 0.0162 = 0.4999. Redondeando a dos cifras, la probabilidad es de 0.50

Al lanzar una moneda diez veces Cul es la probabilidad de obtener 7 soles y 3 guilas? Para los casos totales, pensemos en stos como arreglos con repeticin de tamao 10, cada uno de los 10 lugares puede tomar uno de dos valores, guila o sol, es decir, tenemos 210 casos totales. Para los casos favorables necesitamos que en los 10 lanzamientos se obtengan 7 soles y 3 guilas. Si contamos de cuantas formas podemos distribuir 7 soles en 10 lanzamientos estaremos contando los casos favorables, es decir, necesitamos elegir 7 nmeros de entre el 1 y el 10 para asignar a esos lugares los 7 soles, de cuntas formas puedo elegir 7 nmeros de entre 10 si no importa el orden? Pues de C(10,7), por lo tanto la probabilidad de obtener 7 soles al lanzar 10 veces una moneda es:
10 # S 7 120 P( S ) = = 10 = = 0.117 # 2 1024

Es exactamente el mismo resultado que obtendramos si planteramos el clculo de la probabilidad en trminos de obtener 3 guilas en 10 lanzamientos, en ese caso:
10 # A 3 120 P( A) = = 10 = = 0.117 # 2 1024

Pgina | 3

Notar que = 7 3 En general siempre es cierto que: = k n k

n n

10 10

Probabilidad condicional. Supongamos que tenemos los porcentajes de las personas que consumen alcohol, de las que no lo consumen y que conocemos tambin estos valores en funcin de si estas personas son o no mayores de edad, y que las proporciones correspondientes son las que se ilustran en la tabla:

Veamos un caso de eventos dependientes. Tal vez el hecho de que una persona sea mayor de edad pueda influir en que beba. Tal vez si alguien no bebe, sea ms probable que sea menor por el hecho de que es ms difcil comprar licor. Supongamos que vemos en un restaurante a una persona bebiendo una cerveza. Qu probabilidad hay de que sea mayor de edad? Hay algo que ya sabemos de cierto: La persona consume alcohol. Ahora falta calcular la probabilidad de que sea mayor. Es decir P ( Mayor | Consume ) . Si recordamos la definicin de Probabilidad clsica, podramos pensar en la divisin de casos favorables entre el total de casos. Como sabemos que consume alcohol, entonces el clculo de las probabilidades se har sobre el total de los que consumen, es decir, sobre el 0.60 de las personas. Y haremos el clculo tomando a los que son mayores dentro de ese grupo, que son el 0.40 de las personas. Es decir:
P ( Mayor | Consume ) = 0.40 = 0.67 0.60

Esto es, P ( Mayor | Consume ) =

P ( Mayor y Consume ) P ( Consume )

Si generalizamos este razonamiento, y usamos la notacin de A y B para los dos eventos involucrados, tenemos que:
P( A | B) = P( A B) P( B)

Ojo: Sera un error dividir sobre la probabilidad de A ya que es justo la que estamos calculando, a partir de la ocurrencia de B.

Pgina | 4

Independencia de eventos. Se dice que dos eventos cualesquiera A y B son independientes si se cumple la condicin: P(A B) = P(A)P(B).
P ( A | B) = P( A B) P( B) = P ( A) P ( B ) P( B) = P ( A)

Por lo tanto cuando dos eventos son independientes: P(A|B) = P(A), con P(B) > 0. La ventaja de esta ltima expresin es que posee una interpretacin sencilla: Dice que la probabilidad del evento A es la misma cuando sabemos que ha ocurrido el evento B (lado izquierdo) que cuando no sabemos nada (lado derecho). Es decir, la ocurrencia del evento B no afecta la probabilidad del evento A y por lo tanto son independientes.

Particin. Recordaremos el concepto de particin de un conjunto. Una particin nita de un conjunto es una coleccin B1,B2, . . . ,Bn de subconjuntos de tal que cada uno de estos conjuntos es distinto del vaco, los elementos de la coleccin son mutuamente excluyentes, esto es, para ndices i y j distintos, se cumple que Bi Bj = , y adems la unin de toda la coleccin produce el total , es decir, B1 B2 . . . Bn = . En la gura siguiente mostramos grcamente el concepto de particin de un conjunto.

Demostracin: Primero observemos que el evento A puede escribirse como sigue A = A = A Bi = A Bi

i =1 i =1 n n

En donde los eventos A Bi, para i = 1, 2, . . . , n, son ajenos. De modo que: Pgina | 5

 n n P ( A) = P A Bi = P ( A Bi ) i =1 i =1

Pero de acuerdo con la definicin de probabilidad condicional:

P ( A | Bi ) = P ( A Bi ) P ( Bi ) P ( A Bi ) = P ( A | Bi ) P ( Bi )
n

Entonces:
P ( A) = P ( A Bi ) = P ( A | Bi ) P ( Bi )
i =1 i =1 n

Q.E.D.

Cuando la particin de consta de nicamente dos elementos: B y Bc, la frmula del teorema de probabilidad total se reduce a la siguiente expresin sencilla: P(A) = P(A|B)P(B) + P(A|Bc)P(Bc) Consideraremos a continuacin algunos ejemplos de aplicacin del teorema de probabilidad total. Ejemplo. Supongamos que tenemos dos cajas: una con 3 esferas de color rojo y 7 de color negro, la otra con 6 rojas y 6 negras. Si se elije una caja al azar y despus se saca una esfera, cul es la probabilidad de que sea de color rojo? El experimento aleatorio consiste entonces en escoger una caja al azar y despus escoger una esfera de la caja escogida. Sea C1 y C2 los eventos en donde las cajas uno y dos fueron escogidas, respectivamente, y sea R y N los eventos en donde una bola roja y negra fueron escogidas respectivamente. Nos piden calcular la probabilidad de R. Es fcil calcular la probabilidad de este evento cuando sabemos cul caja fue escogida. Esto sugiere entonces condicionar sobre el resultado de escoger alguna de las dos cajas y aplicar el teorema de probabilidad total, es decir, P(R) = P(R|C1)P(C1) + P(R|C2)P(C2) =
3 1 6 1 2 + = = 0.4 10 2 12 2 5

Ejemplo. Suponga que en una poblacin humana de igual nmero de hombres y mujeres, el 4% de hombres son daltnicos y el 1% de las mujeres son daltnicas. Una persona es elegida al azar, cul es la probabilidad de que sea daltnica? Definamos primero los eventos de inters: M = La persona escogida es mujer H = La persona escogida es hombre D = La persona escogida es daltnica Deseamos calcular P(D). Pgina | 6

Por el teorema de probabilidad total, P(D) = P(D|M)P(M) + P(D|H)P(H) =

1 1 4 1 1 = 0.025 + = 100 2 100 2 40

Demostracin. Por la denicin de probabilidad condicional y el teorema de probabilidad total tenemos que:
P ( B j | A) = P ( B j A) P ( A) = P ( A Bj ) P ( A) = P ( A | Bj ) P ( Bj ) P ( A) = P ( A | Bj ) P ( Bj )
i i

P( A| B ) P(B )
i =1

Nuevamente observamos que en el caso cuando la particin de consta de slo dos elementos: B y Bc el teorema de Bayes, para el evento B, adquiere la forma simple:
P ( B | A) = P ( A | B ) P ( B ) + P ( A | BC ) P ( BC ) P( A | B) P (B)

Ejemplo. En una fbrica hay dos mquinas, que denotaremos por a y b. La mquina a realiza el 60% de la produccin total y la mquina b el 40%. De su produccin, la mquina a produce 3% de material defectuoso, la b el 5%. Se ha encontrado un material defectuoso, cul es la probabilidad de que este material defectuoso provenga de la mquina B? Sean los eventos A = La mquina a produjo el material escogido. B = La mquina b produjo el material escogido. D = El material escogido es defectuoso. Nos preguntan P(B|D), por el teorema de Bayes tenemos entonces que:
5 40 10 100 100 P(B | D) = = = = 0.5263 P ( D | A) P ( A) + P ( D | B ) P ( B ) 3 60 5 40 19 + 100 100 100 100 P( D | B) P( B)

Pgina | 7