Probabilidad

Ernesto Mordecki
26 de febrero de 2004
1. Experimentos aleatorios
Las probabilidades aparecen asociadas a los fen´omenos aleatorios. Un
fen´omeno aleatorio es aquel en el cual la verificaci´on de un cierto conjun-
to de condiciones determinadas conduce a un resultado entre una serie de
resultados posibles. Llamamos experimento aleatorio a ese conjunto de con-
diciones determinadas. Por contraposici´on, los fen´omenos determ´ısticos, o
no aleatorios son aquellos en los que la verificaci´on de un cierto conjunto de
condiciones determinadas conduce, en forma inevitable, a un resultado fijo.
Como ejemplos: tirar una moneda al aire y observar la cara que presenta al
caer al piso es un experimento aleatorio (tenemos dos resultados posibles:
cara y n´ umero); mientras que enfriar agua hasta cero grados cent´ıgrados
bajo presion atmosf´erica normal es un fen´omeno determin´ıstico (conduce
inequ´ıvocamente a la formaci´on de hielo).
2. Sucesos
Consideremos un experimento aleatorio, y designemos mediante la letra
griega may´ uscula Ω (Omega) el conjunto de todos sus resultados posibles.
Llamamos a este conjunto Ω espacio de sucesos elementales, y a sus puntos
sucesos elementales o tambi´en casos posibles. Suponemos que Ω es un con-
junto finito y utilizamos la letra n para designar su cantidad de elementos.
Ejemplo 1. Si tiramos una moneda al aire, tenemos un experimento aleatorio
con
Ω = {cara, n´ umero},
y resulta n = 2.
Ejemplo 2. Si tiramos un dado, tenemos seis resultados posibles,
Ω = {1, 2, 3, 4, 5, 6}
1
y en este caso n = 6.
Ejemplo 3. Si lanzamos un dado dos veces consecutivas, tenemos 36 casos
posibles, resultantes de combinar el primer resultado con el segundo, que
podemos representar en la siguiente tabla:
(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)
(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)
(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)
(4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)
(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)
(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)
donde, por ejemplo, el caso (3, 4) representa el resultado correspondiente a
obtener 3 puntos en la primer tirada y 4 en la segunda.
Llamamos suceso a cada subconjunto de Ω. Designamos a los sucesos
mediante las letras A, B, C, . . . con sub´ındices o sin ellos. Los sucesos pueden
tener uno o varios elementos, y tambi´en ning´ un elemento. En este ´ ultimo
caso tenemos el suceso imposible, que designamos mediante ∅. En el ejemplo
3, el conjunto
A = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)}
es un suceso, y corresponde a obtener un as en la primer tirada del dado.
Los puntos que componen un suceso se llaman casos favorables para la
ocurrencia de dicho suceso.
El surgimiento de la teor´ıa de la probabilidad es muy anterior a la crea-
ci´on de la teor´ıa de conjuntos. Por esto, desde su mismo inicio, en teor´ıa de la
probabilidad se utiliz´o (y contin´ ua utiliz´andose) una terminolog´ıa espec´ıfica,
diferente de la terminolog´ıa utilizada en teor´ıa de conjuntos. En la p´agina
3 se presenta una tabla de t´erminos de teor´ıa de conjuntos, junto con los
correspondientes t´erminos del c´alculo de probabilidades, que introducimos
y utilizamos a lo largo de este curso. Las letras A, B, C, . . . , con ´ındices o
sin ellos, designan a los sucesos, es decir, a los subconjuntos de Ω.
3. Probabilidad
Definici´on 1. Dado un experimento aleatorio con un espacio de n sucesos
elementales Ω, la probabilidad del suceso A, que designamos mediante P(A),
es la raz´on entre la cantidad de casos favorables para la ocurrencia de A y
2
Notaci´on
T´ermino de la teor´ıa de
conjuntos
T´ermino de la teor´ıa de
la probabilidad
Ω espacio de elementos
espacio de sucesos
elementales
∅ conjunto vac´ıo suceso imposible
A∪ B
uni´on de los conjuntos
A y B
suma de los sucesos
A y B
A∩ B, AB
intersecci´on de los
conjuntos A y B
producto de los sucesos
A y B
AB = ∅
los conjuntos A y B son
disjuntos (no tienen
elementos comunes)
los sucesos A y B son
incompatibles
C = AB
el conjunto C es la
intersecci´on de los
conjuntos A y B
el suceso C consiste en
la ocurrencia
(simult´anea) de ambos
sucesos A y B
D = A∪ B
el conjunto D es la
uni´on de los conjuntos
A y B
el suceso D consiste en
la ocurrencia de al
menos uno de los
sucesos A ´o B
A
i
A
j
= ∅
(i, j = 1, 2, . . . ;
i = j)
los conjuntos A
1
, A
2
, . . .
son disjuntos dos a dos
los sucesos A
1
, A
2
, . . .
son incompatibles dos a
dos
n
¸
i=1
A
i
= Ω
cada punto del espacio
Ω pertenece por lo
menos a uno de los
conjuntos A
1
, . . . , A
n
los sucesos A
1
, . . . , A
n
son los ´ unicos posibles
A ⊂ B
el conjunto A
est´a contenido en
el conjunto B
la ocurrencia del suceso
A implica la ocurrencia
del suceso B
Ω \ A
complemento del
conjunto A
(designado A
c
)
suceso contrario al
suceso A (designado A)
3
la de casos posibles. En otros t´erminos
P(A) =
n
A
n
,
donde n
A
es la cantidad de casos favorables de A.
Veamos tres observaciones que resultan de esta definici´on.
Observaci´on. De la definici´on dada se obtiene que cada suceso elemental tie-
ne probabilidad 1/n. Decimos en este caso que los sucesos son equiprobables.
Esta es una caracter´ıstica muy importante de la definici´on, que establece
limitaciones en su aplicaci´on en aquellos experimentos aleatorios donde este
supuesto sea razonable.
Observaci´on. La probabilidad es un n´ umero no negativo, y menor o igual
que 1, es decir, para cualquier suceso A tenemos
0 ≤ P(A) ≤ 1.
Observaci´on. Como el conjunto vac´ıo ∅ es un subconjunto de Ω sin elemen-
tos, tenemos que su probabilidad es nula, es decir P(∅) = 0. Es por ´esto que
lo llamamos suceso imposible. (Ver tabla en la p´agina 2.)
Por otra parte obtenemos que P(Ω) = 1, por lo que llamamos suceso
seguro al espacio de sucesos elementales Ω.
Ejemplo 4. Calcular la probabilidad de que al tirar un dado dos veces con-
secutivas, la suma de los puntos obtenidos sea no menor que 8.
Soluci´on. Designemos por (i, j) al resultado del experimento consistente en
tirar un dado dos veces consecutivas, y obtener i puntos en el primer tiro y j
puntos en el segundo (i, j = 1, 2, 3, 4, 5, 6). El conjunto de sucesos elementales
que describe los resultados de un experimento de este tipo, se compone de
6×6 = 36 puntos de la forma (i, j), y puede ser representado en la siguiente
tabla:
(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (2,2) (3,3) (3,4) (3,5) (3,6)
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
El suceso A consiste en que la suma de los puntos obtenidos es no menor que
8. Es claro, que los casos favorables para la ocurrencia del suceso A son los
son indicados en la tabla. La cantidad de estos sucesos es 15. Considerando
que los 36 resultados posibles son equiprobables, y aplicando la definici´on
de probabilidad, obtenemos P(A) = 15/36 = 5/12.
4
4. Probabilidad y Permutaciones
En vista de la definici´on que dimos de probabilidad, basada en las canti-
dades de casos favorables y de casos posibles, la determinaci´on de la probabi-
lidad de un suceso se reduce en muchos casos a problemas de combinatoria,
en particular al c´alculo de permutaciones.
Podemos
1
disponer dos letras distintas A, B una luego de la otra de dos
formas distintas:
AB, BA.
Tres letras se pueden disponer en forma sucesiva ya de seis maneras:
ABC, ACB
BAC, BCA
CAB, CBA
Para cuatro letras obtenemos 24 formas diferentes de disponerlas sucesiva-
mente:
ABCD, ABDC, ACBD, ACDB, ADBC, ADCB
BACD, BADC, BCAD, BCDA, BDAC, BDCA
CABD, CADB, CBAD, CBDA, CDAB, CDBA
DABC, DACB, DBAC, DBCA, DCAB, DCBA
¿De cuantas formas se pueden disponer diez letras en forma sucesiva? Escri-
bir todas las formas parece dif´ıcil. Para responder esta pregunta es desable
tener una regla general, una f´ormula, que nos permita calcular directamente
la cantidad de formas distintas de disponer n letras en forma sucesiva. Esta
cantidad se designa mediante el s´ımbolo n! (la letra n seguida de un s´ımbolo
de exclamaci´on) y se llama el factorial de n, o, m´as brevemente, n-factorial.
Calculemos esta cantidad. Hemos visto, que
2! = 2, 3! = 6, 4! = 24.
Llamamos permutaci´on a cada forma de disponer una cantidad dada de
letras en forma sucesiva. Es claro que en vez de letras podemos disponer
cifras, o cualquier otro elemento. La cantidad de permutaciones de 4 ele-
mentos es 24. En general, la cantidad de permutaciones de n elementos es
n!. Supondremos tambi´en que
1! = 1.
1
Tomado de “Introducci´on a la Teor´ıa de Probabilidades” de A.N. Kolmogorov, I.G.
Zhurbenko, A. V. Projorov, Biblioteca “KBANT” No. 23, Ed. Nauka, Mosc´ u 1982.
5
(un solo objeto no se puede “permutar”, hay una ´ unica forma de ponerlo en
una sucesi´on).
Tenemos entonces:
1! = 1,
2! = 1 ×2 = 2,
3! = 1 ×2 ×3 = 6,
4! = 1 ×2 ×3 ×4 = 24.
Se plantea el siguiente resultado: la cantidad de permutaciones de n elemen-
tos es igual al producto de los n primeros n´ umeros naturales.
n! = 1 ×2 ×3 ×· · · ×n. (1)
Este resultado es cierto.
Para su demostraci´on observemos que en caso de tener n elementos, en
el primer lugar podemos colocar cualquiera de ellos. En cada uno de estas n
situaciones restan n −1 elementos para disponer en n −1 lugares, lo que se
puede hacer en (n −1)! formas diferentes. Obtenemos entonces n ×(n −1)!
formas distintas de disponer n elementos:
n! = (n −1)! ×n. (2)
Con ayuda de la f´ormula (2) obtenemos:
2! = 1! ×2 = 1 ×2,
3! = 2! ×3 = 1 ×2 ×3,
4! = 3! ×4 = 1 ×2 ×3 ×4
5! = 4! ×5 = 1 ×2 ×3 ×4 ×5 = 120,
y as´ı sucesivamente.
En t´erminos m´as formales, la demostraci´on se basa en el principio de
inducci´on completa, el cual permite obtener la f´ormula (1) a partir de la (2).
Ahora no es dif´ıcil calcular la cantidad de permutaciones de diez letras:
10! = 1 ×2 ×3 ×4 ×5 ×6 ×7 ×8 ×9 ×10 = 3 628 800.
Ejemplo 5. Calculemos la probablidad de que al disponer al azar las letras
A, D, E, M, N, O, resulte exactamente la palabra MONEDA. Comencemos
con los casos favorables: tenemos 6 letras, que se pueden disponer de 6! =
120 × 6 = 720 formas diferentes. Como existe un ´ unico caso favorable, la
probabilidad buscada es 1/720.
6
Ejemplo 6. Calculemos la probablidad de que al disponer al azar las letras
A, A, A, N, N, resulte la palabra ANANA, Comencemos con los casos favora-
bles: tenemos 5 letras, que se pueden disponer de 5! = 120 formas diferentes.
Como hay letras repetidas el conteo de los casos favorables es m´as delicado.
Para eso etiquetamos cada letra con un n´ umero:
1 2 3 4 5
A N A N A
Tenemos dos posibilidades para las N, que corresponden a las formas de
disponer los n´ umeros 2 y 4. Tenemos 6 posibilidades para las A, que son las
formas de disponer los n´ umeros 1,3,5. Cada una de las formas de disponer
las N se combina con cada una de las formas de disponer las A, obteniendo
12 casos favorables. La probabilidad buscada es entonces 12/120=1/10.
5. Operaciones con sucesos
Llamamos suma o uni´on de los sucesos A y B al suceso compuesto tanto
por los sucesos elementales que componen A como por los que componen
B. Los sucesos elementales que componen tanto A como B se cuentan una
sola vez. Designamos mediante A∪ B a la suma de los sucesos A y B.
Ejemplo 7. Tiremos un dado, y designemos mediante A el suceso de obtener
una cantidad par de puntos; mediante B, una cantidad m´ ultipo de tres. El
suceso A = {2, 4, 6}, mientras que B = {3, 6}. Por eso
A∪ B = {2, 3, 4, 6}.
El resultado 6 aparece en ambos sucesos. Observemos que el suceso B se
puede obtener como la suma de los sucesos {3} y {6}.
La definici´on de suma de sucesos puede extenderse de forma natural
a una cantidad arbitraria de sucesos A, B, . . . , K. La suma de los suceso
anteriores, que designamos A ∪ B ∪ · · · ∪ K, es el suceso compuesto por
todos aquellos sucesos elementales que componen por lo menos uno de los
sucesos elementales dados A, B, . . . , K. De esta forma, el suceso A en el
ejemplo anterior del dado se puede obtener como uni´on de tres sucesos:
A = {2} ∪ {4} ∪ {6}.
Llamamos producto o intersecci´on de dos sucesos A y B al suceso com-
puesto por los sucesos elementales que componen tanto el suceso A como
el suceso B. Designamos mediante AB o tambi´en mediante A ∩ B a la
intersecci´on de los sucesos A y B.
7
En el ejemplo anterior, correspondiente a tirar un dado, la intersecci´on
de los sucesos A y B se compone de un ´ unico suceso elemental, el {6}, es
decir AB = {6}.
La definici´on de intersecci´on de sucesos puede extenderse de forma natu-
ral a una cantidad arbitraria de sucesos A, B, . . . , K. La intersecci´on de los
sucesos anteriores, que designamos A∩ B∩ · · · ∩ K, es el suceso compues-
to por todos aquellos sucesos elementales que componen, sim´ ultaneamente,
cada uno de los sucesos A, B, . . . , K.
El suceso contrario a un suceso A, o su complemento, que designamos A,
es el suceso compuesto por todos los sucesos elementales que no componen
A. En el ejemplo de tirar el dado, tenemos A = {1, 3, 5}.
6. Regla de la suma
Decimos que dos sucesos A y B son incompatibles cuando no tienen
puntos en com´ un, es decir, su intersecci´on es vac´ıa: A∩ B = ∅.
Teorema 1 (Regla de la suma). La probablidad de la suma de dos sucesos
incompatibles A y B es la suma de sus probabilidades, es decir
P(A∪ B) = P(A) +P(B). (3)
Demostraci´on. Designemos mediante n
A
y n
B
a la cantidad de elementos
de A y B, respectivamente. Como A y B no tienen puntos en com´ un, su
uni´on A∪B tiene n
A
+n
B
puntos, que son los casos favorables para A∪B.
Entonces
P(A∪ B) =
n
A
+ n
B
n
=
n
A
n
+
n
B
n
= P(A) +P(B).
donde la ´ ultima igualdad se obtiene tambi´en por la definici´on de probabili-
dad.
Decimos que los sucesos A
1
, . . . , A
m
son incompatibles dos a dos cuando
todas las parejas poisibles de sucesos distintos son incompatibles, es decir,
cuando A
i
∩ A
j
= ∅.
Si A, B y C son tres sucesos incompatibles no es dif´ıcil establecer, te-
niendo en cuenta el teorema anterior, que
P(A∪ B∪ C) = P(A) +P(B) +P(C).
8
M´as en general, si A
1
, . . . , A
n
son sucesos incompatibles dos a dos, la regla
de la suma es la f´ormula
P(A
1
∪ · · · ∪ A
n
) = P(A
1
) +· · · +P(A
n
) =
n
¸
k=1
P(A
k
).
Esta f´ormula incluye a las dos anteriores en los casos en que n = 2 y n = 3,
y se demuestra mediante la aplicaci´on sucesiva de la f´ormula (3).
7. Propiedades de la probabilidad
La definici´on de probabilidad junto a la regla de la suma permiten ob-
tener importantes propiedades para el c´alculo de probabilidades.
Propiedad 1. Para cualquier suceso A se tiene P(A) = 1 −P(A).
Demostraci´on. Por definici´on de A (suceso contrario al suceso A), tenemos
A = Ω \ A. De aqu´ı resulta AA = ∅.
Como P(Ω) = 1, aplicando la regla de la suma conclu´ımos que 1 =
P(Ω) = P(A∪ A) = P(A) +P(A).
Propiedad 2. Si A ⊂ B, entonces P(A) ≤ P(B).
Demostraci´on. Como A ⊂ B, tenemos B = A∪ (B\ A). Los sucesos A y
B\Ason incompatibles, y por la regla de la suma P(B) = P(A)+P(B\A) ≥
P(A).
Propiedad 3. Para sucesos A y B arbitrarios vale la igualdad
P(A∪ B) = P(A) +P(B) −P(A∩ B). (4)
Demostraci´on. Es claro que A = AB ∪ AB y B = AB ∪ AB. Como los
sucesos en las dos sumas anteriores son incompatibles, aplicando la regla de
la suma, resulta
P(A) = P(AB) +P(AB), P(B) = P(AB) +P(AB).
Tenemos tambi´en A∪ B = AB∪ AB∪ AB, donde a la derecha se suman
tres sucesos incompatibles dos a dos. Aplicando nuevamente la regla de la
suma y sustituyendo, resulta
P(A∪ B) = P(AB) +P(A) −P(AB) +P(B) −P(AB)
= P(A) +P(B) −P(A∩ B),
que es la igualdad buscada.
9
Observaci´on. Si los sucesos A y B son incompatibles, entonces P(AB) = 0,
y de la f´ormula (4) se obtiene la igualdad ya conocida P(A∪ B) = P(A) +
P(B).
Observaci´on. En forma an´aloga, no es dif´ıcil demostrar, que para tres sucesos
A, B y C arbitrarios, tiene lugar la igualdad
P(A∪ B∪ C) = P(A) +P(B) +P(C)
−P(AB) −P(AC) −P(BC) +P(ABC).
Es posible tambi´en demostrar una f´ormula general: para sucesos A
1
, . . . , A
n
arbitrarios, vale la igualdad
P

n
¸
i=1
A
i

=
n
¸
i=1
P(A
i
) −
¸
1≤i<j≤n
P(A
i
A
j
) +
¸
1≤i<j<k≤n
P(A
i
A
j
A
k
)
−· · · + (−1)
n+1
P(A
1
. . . A
n
).
De aqu´ı es posible obtener la desigualdad de Bonferroni :
P

n
¸
i=1
A
i


n
¸
i=1
P(A
i
) −
¸
1≤i<j≤n
P(A
i
A
j
).
Propiedad 4. Dados n sucesos A
1
, . . . , A
n
arbitrarios, tiene lugar la desi-
gualdad
P

n
¸
i=1
A
i


n
¸
i=1
P(A
i
).
Demostraci´on. Para n = 2 esta desigualdad se obtiene de (4). Para n > 2,
es f´acil obtener el resultado anterior, mediante la aplicaci´on sucesiva de la
desigualdad P(A∪ B) ≤ P(A) +P(B).
Propiedad 5. Sean A
1
, . . . , A
n
sucesos incompatibles dos a dos, y los ´ uni-
cos posibles
2
. Entonces
¸
n
i=1
P(A
i
) = 1.
Demostraci´on. Tenemos A
i
A
j
= ∅ cuando i = j, para i, j = 1, . . . , n.
Adem´as
¸
n
i=1
A
i
= Ω. Como P(Ω) = 1, aplicando la regla de la suma
obtenemos
1 = P(Ω) = P

n
¸
i=1
A
i

=
n
¸
i=1
P(A
i
),
concluyendo la demostraci´on.
2
Ver tabla en la p´agina 3.
10
8. Probabilidad condicional. F´ormula de la proba-
bilidad total. F´ormula de Bayes.
Consideremos un espacio de sucesos elementales Ω y dos sucesos A, B.
Supongamos que P(A) > 0. Definimos la probabilidad condicional de B
dado A, que designamos P(B | A), mediante la f´ormula
P(B | A) =
P(AB)
P(A)
. (5)
La probabilidad condicional es la probabilidad restringida al suceso A.
En primer lugar es inmediato obtener que P(A | A) = 1. Veamos adem´as
que se verifica la regla de la suma para la probabilidad condicional, es decir:
P(B∪ C | A) = P(B | A) +P(C | A), (6)
si B y C son sucesos incompatibles.
En efecto, aplicando la regla de la suma en la igualdad
(B∪ C)A = BA∪ CA,
que esta formada por sucesos incomaptibles por serlo B y C, tenemos
P

(B∪ C)A) = P(BA) +P(CA),
lo que dividido por P(A) da (6), el resultado buscado.
Consideremos ahora que Ω est´a compuesto por n puntos, a los cuales
se les asignan probabilidades id´enticas. Para un suceso C arbitrario, desig-
namos mediante n
C
la cantidad de sucesos elementales que componen C.
Entonces P(C) = n
C
/n, y para la probabilidad condicional tenemos
P(B | A) =
P(AB)
P(A)
=
n
AB
/n
n
A
/n
=
n
AB
n
A
.
Ejemplo 8. Un experimento consiste en elegir al azar una carta de un mazo
de 52 cartas. El suceso A consiste en que la carta elegida sea roja; el suceso
B, en que sea de corazones. Tenemos n = 52, n
A
= 26, n
AB
= n
B
= 13, y
por esto
P(B | A) =
n
AB
n
A
=
13
26
=
1
2
.
11
Teorema 2. Sean A
1
, . . . , A
n
sucesos incompatibles dos a dos, los ´ unicos
posibles, y con probabilidades positivas. Sea B un suceso arbitrario. Entonces
P(B) =
n
¸
i=1
P(A
i
) P(B | A
i
). (7)
La igualdad (7) se denomina f´ormula de la probabilidad total.
Demostraci´on. Tenemos B = ΩB =
¸
n
i=1
A
i
B. Los sucesos A
1
B, . . . , A
n
B
son incompatibles dos a dos, por ser dos a dos incompatibles los sucesos
A
1
, . . . , A
n
. Aplicando la regla de la suma, tenemos
P(B) = P

n
¸
i=1
A
i
B

=
n
¸
i=1
P(A
i
B) =
n
¸
i=1
P(A
i
) P(B | A
i
),
donde para obtener la ´ ultima igualdad nos basamos en la definici´on de pro-
babilidad condicional (5).
Ejemplo 9. Tenemos 5 cajones con productos de una cierta industria. Dos
cajones contienen cada uno 4 productos buenos y 1 fallado; otros dos cajo-
nes contienen cada uno 3 productos buenos y 2 fallados; y el ´ ultimo caj´on
contiene 6 productos buenos. Se elige al azar un caj´on, del cual, tambi´en
al azar, se extrae un producto. Calcular la probabilidad de que el producto
extra´ıdo resulte bueno.
Soluci´on. Designemos mediante B al suceso consistente en que el produc-
to extra´ıdo sea bueno. Tenemos cajones con tres composiciones distintas
de productos, y designamos mediante A
i
(i = 1, 2, 3) al suceso consistente
en elegir un caj´on con una de las composiciones dada. De esta forma (por
ejemplo) se tiene: el suceso A
1
consiste en elegir un caj´on conteniendo 4
productos buenos y 1 fallado; el suceso A
2
consiste en elegir un caj´on con-
teniendo 3 productos buenos y 2 fallados; el suceso A
3
consiste en elegir
el caj´on que contiene 6 productos buenos. Es claro que los sucesos A
1
, A
2
y A
3
son incompatibles dos a dos, y son los ´ unicos posibles, de modo que
seg´ un la f´ormula (7), tenemos
P(B) = P(A
1
) P(B | A
1
) +P(A
2
) P(B | A
2
) +P(A
3
) P(B | A
3
)
=
2
5
×
4
5
+
2
5
×
3
5
+
1
5
×
6
6
=
19
25
.
Ejemplo 10. En una cierta poblaci´on de hombres hay un 30 % de fumadores.
Se sabe que la probabilidad de enfermarse de c´ancer de pulm´on es igual a
12
0,1 para los fumadores, e igual a 0,01 para los no fumadores. Calcular la
probabilidad de que un hombre elegido al azar en esta poblaci´on est´e enfermo
de c´ancer de pulm´on.
Soluci´on. Designemos con la letra B al suceso consistente en que el hombre
elegido tenga esta enfermedad. El suceso A consiste en elegir un fumador
de la poblaci´ on. Sabemos que P(A) = 0,3, y que P(A) = 0,7 (el suceso
A consiste en elegir un no fumador de la poblaci´on). Por la f´ormula de la
probabilidad total tenemos
P(B) = P(A) P(B | A) +P(A) P(B | A) = 0,3 ×0,1 + 0,7 ×0,01 = 0,037.
Teorema 3. Sean A
1
, . . . , A
n
sucesos incompatibles dos a dos, los ´ unicos
posibles, y con probabilidades positivas. Sea B un suceso con probabilidad
positiva. Entonces
P(A
k
| B) =
P(A
k
) P(B | A
k
)
¸
n
i=1
P(A
i
) P(B | A
i
)
(k = 1, . . . , n). (8)
La igualdad (8) se denomina f´ormula de Bayes.
Demostraci´on. Por la definici´on de probabilidad condicional, tenemos
P(A
k
B) = P(A
k
) P(B | A
k
) = P(B) P(A
k
| B) (k = 1, . . . , n).
De aqu´ı obtenemos
P(A
k
| B) =
P(A
k
) P(B | A
k
)
P(B)
(k = 1, . . . , n).
Para obtener (8), resta aplicar la f´ormula de la probabilidad total (7) en el
denominador.
Ejemplo 11. En una primer urna se tienen 9 bolas blancas y 1 negra, en
una segunda urna 9 bolas negras y 1 blanca. Se elige al azar una urna, y de
ella, tambi´en al azar, se extrae una bola. La bola extra´ıda resulta ser blanca
(ocurri´o el suceso B). Calcular las probabilidades P(A
1
| B) y P(A
2
| B),
donde el suceso A
i
consiste en elegir la urna i (i = 1 ´o 2).
Soluci´on. Por la f´ormula de Bayes, tenemos
P(A
1
| B) =
P(A
1
) P(B | A
1
)
P(A
1
) P(B | A
1
) +P(A
2
) P(B | A
2
)
=
(1/2)(9/10)
(1/2)(9/10) + (1/2)(1/10)
=
9
10
.
13
An´alogamente, se obtiene
P(A
2
| B) =
(1/2)(1/10)
(1/2)(9/10) + (1/2)(1/10)
=
1
10
.
Alternativamente, una vez obtenida P(A
1
| B) podemos calcular directa-
mente P(A
2
| B) = 1 −P(A
1
| B).
9. Sucesos independientes
Consideremos un espacio de sucesos elementales Ω y dos sucesos A, B.
Decimos que los sucesos A y B son independientes, cuando se verifica
P(AB) = P(A) P(B). (9)
Ejemplo 12. Se tira un dado dos veces consecutivas. El suceso A consiste
en obtener 6 puntos en primer tiro; el suceso B, en obtener una cantidad
impar de puntos en el segundo. Calculemos la probabilidad de estos suce-
sos. Como en el ejemplo 4 (ver p´agina 4), designamos por (i, j) al resultado
correspondiente a obtener i puntos en el primer tiro y j puntos en el se-
gundo (i, j = 1, 2, 3, 4, 5, 6). Hay 6 × 6 = 36 sucesos elementales de esta
forma. Los casos favorables para la ocurrencia del suceso A son los puntos
(6, 1), (6, 2), (6, 3), (6, 4), (6, 5) y (6, 6); por la regla cl´asica del c´alculo de pro-
babilidades, tenemos P(A) = 6/36 = 1/6. Los casos favorables para la ocu-
rrencia del suceso B son los de la forma (i, 1), (i, 3), (i, 5), en donde 1 ≤ i ≤ 6,
por lo que P(B) = 18/36 = 1/2. Los casos favorables para la ocurrencia del
suceso AB son (6, 1), (6, 3) y (6, 5), de forma que P(AB) = 3/36 = 1/12.
Como
P(A) P(B) =
1
6
×
1
2
=
1
12
= P(AB),
los sucesos A y B son independientes.
Ejemplo 13. Consideremos el experimento correspondiente a elegir una carta
al azar en un mazo de 52 cartas. El suceso A consiste en que la carta sea
una figura; y el suceso B, en que sea negra. Demostremos que los sucesos
A y B son independientes. En efecto, por la regla cl´asica del c´alculo de
probabilidades, tenemos
P(A) =
12
52
=
3
13
, P(B) =
26
52
=
1
2
, P(AB) =
6
52
=
3
26
,
de forma que se cumple la igualdad (9).
14
Veamos ahora que si ambos sucesos A y B tienen probabilidad positiva
(esto asegura que las probabilidades condicionales P(B | A) y P(A | B)
est´an definidas), entonces, la independencia de los sucesos A y B es equiva-
lente a alguna de las igualdades
P(B | A) = P(B), (10)
P(A | B) = P(A). (11)
En efecto, si A y B son independientes, tenemos P(AB) = P(A) P(B). Por
otra parte, P(AB) = P(A) P(B | A) = P(B) P(A | B), y por esto (10) y
(11) son v´alidas. Si se cumple una de las igualdades (10) ´o (11), por ejemplo
(10), entonces P(AB) = P(A) P(B | A) = P(A) P(B), y los sucesos A, B
son independientes.
Proposici´on 1. Si A y B son sucesos independientes, se cumple: (i) A
y B son independientes; (ii) A y B son independientes; (iii) A y B son
independientes.
Demostraci´on. Para sucesos A y B arbitrarios tenemos A = AB ∪ AB,
por lo que P(A) = P(AB) + P(AB). Si A y B son independientes, en
vista de (9) tenemos P(AB) = P(A) − P(A) P(B) = P(A)

1 − P(B)

=
P(A) P(B), lo que demuestra (i). Cambiando los roles entre A y B obte-
nemos (ii). La afirmaci´on (iii) se obtiene aplicando (i) a los sucesos A y B,
que son independientes en vista de (ii).
Decimos que los sucesos A
1
,. . . ,A
n
son independientes dos a dos, cuando
se verifica
P(A
i
A
j
) = P(A
i
) P(A
j
),
para todo i = j, donde i, j = 1, . . . , n.
Decimos que los sucesos A
1
,. . . ,A
n
son mutuamente independientes, o
mas brevemente, independientes, cuando para todo k (2 ≤ k ≤ n) se verifica
P

k
¸
m=1
A
im

=
k
¸
m=1
P(A
im
), (12)
para cualquier elecci´on de naturales i
1
, . . . , i
k
, que cumplan la condici´on
1 ≤ i
1
< i
2
< . . . < i
k
≤ n.
De esta forma, la independencia mutua de tres sucesos A, B y C, significa
que se cumplen las igualdades P(AB) = P(A) P(B), P(AC) = P(A) P(C)
y P(BC) = P(B) P(C) (que implican la independencia dos a dos de los
sucesos A, B y C), y tambi´en P(ABC) = P(A) P(B) P(C).
15
Veamos que la independencia dos a dos de n sucesos (n ≥ 3), en ge-
neral, no implica la independencia mutua de estos sucesos. Con este fin,
consideramos el siguiente ejemplo, propuesto por S. N. Bernstein.
Ejemplo 14. Sea Ω un espacio de sucesos elementales compuesto por los pun-
tos ω
1
, ω
2
, ω
3
y ω
4
. Consideremos los sucesos A = {ω
1
, ω
4
}, B = {ω
2
, ω
4
},
y C = {ω
3
, ω
4
}. Asignemos las probabilidades
P(ω
1
) = P(ω
2
) = P(ω
3
) = P(ω
4
) =
1
4
.
Entonces, P(A) = 2/4 = 1/2. An´alogamente obtenemos P(B) = P(C) =
1/2. Adem´as, P(AB) = P(AC) = P(BC) = P(ω
4
) = 1/4. De esta forma se
verifican las tres igualdades P(AB) = P(A) P(B), P(AC) = P(A) P(C),
y P(BC) = P(B) P(C), y en consecuencia, los sucesos A, B y C son inde-
pendientes dos a dos. Sin embargo,
P(ABC) = P(ω
4
) =
1
4
= P(A) P(B) P(C) =
1
8
,
por lo que nos sucesos A, B y C no son mutuamente independientes.
El ejemplo de Bernstein se puede formular de otra manera. Considere-
mos el experimento consistente en arrojar un tetraedro, cuyas caras est´an
coloreadas de la siguiente forma: una cara es roja; otra cara es azul; una ter-
cer cara es verde; y la cuarta cara tiene los tres colores indicados. El suceso
A consiste en la presencia del color rojo en la cara sobre la que se apoya el
tetraedro al caer, el suceso B consiste en la presencia del azul, y el C, en
la presencia del verde. Los sucesos A, B y C son independientes dos a dos,
pero no son mutuamente independientes.
10. Paseo al azar, triangulo de Pascal y combina-
ciones.
Consideremos una part´ıcula que se desplaza, en cada paso (unidad de
tiempo) una unidad de distancia para arriba o para abajo. Llamamos paseo
al azar a dicho movimiento.
Es f´acil de verificar, que en n pasos la particula puede recorrer 2
n
cami-
nos diferentes, resultantes de subir o bajar en cada uno de los pasos. Nos
interesa calcular la cantidad de caminos diferentes que conducen a una altu-
ra determinada en una cantidad de pasos dada. Es claro que para el primer
paso tenemos dos caminos, uno que sube y otro que baja. En el segundo
paso, de los cuatro caminos que se obtienen (2
2
), tenemos uno que llega a
16
una altura 2, otro que llega a −2, y dos caminos que llegan al nivel cero.
La cantidad de caminos que llegan a los niveles −3,−1,1 y 3 en tres pasos
se obtienen sumando respectivamente los caminos que llegaban en dos pa-
sos a los niveles ubicados una unidad mas arriba y una mas abajo, porque
precisamente de esos niveles llegamos en un paso m´as hasta el nivel indicado.
Si representamos estas cantidades en una tabla obtenemos el tri´angulo
de Pascal :
1
1 1
1 2 1
1 3 3 1
1 4 6 4 1
1 5 10 10 5 1
1 6 15 20 15 6 1
La regla de formaci´on de este tri´angulo es que cada l´ınea se obtiene de la
superior sumando los dos n´ umeros que se encuentran arriba a la derecha y a
la izquierda (asumiendo un cero cuando no hay n´ umero): por ejemplo 15 =
5 + 10. Seg´ un vimos, para una fila dada, por ejemplo la ´ ultima (pongamos
n = 6), estos n´ umeros cuentan la cantidad de caminos posibles por los que
la part´ıcula llega a las diferentes alturas en 6 pasos. Como la cantidad total
de caminos que puede seguir la part´ıcula es 2
6
, tenemos que
1 + 6 + 15 + 20 + 15 + 6 + 1 = 2
6
= 64,
como se verifica tambi´en sumando. Se observa adem´as, por la forma de
construir el tri´angulo, que este es sim´etrico (porque es sim´etrico el paseo si
cambiamos arriba por abajo en su construcci´on).
Si designamos mediante C
n
m
al m-´esimo n´ umero que aparece en la n´esima
fila del tri´angulo de Pascal, acordando que m = 0 para el primer n´ umero (el
n´ umero 1 de cada fila), podemos escribir su regla de formaci´on como
C
n
m
= C
n−1
m−1
+ C
n−1
m
,
17
donde la construcci´on se inicia asumiendo que
C
0
m
=

1 si m = 0,
0 en otro caso.
Finalmente, introducimos las probabilidades, asignando probabilidades
1/2
n
a cada uno de los 2
n
caminos. No es dif´ıcil obtener que de aqu´ı resulta
que la particula en cada paso sube o baja con probabilidad 1/2, y que los
movimientos son sucesos independientes.
Si designamos mediante P
n
(m) a la probabilidad de obtener m subidas
en n pasos, y por lo tanto encontrarse a una altura 2m−n, dado que tenemos
n −m bajadas, seg´ un nuestra notaci´on, tenemos
P
n
(m) =
C
n
m
2
n
.
Llamamos combinaciones de n tomadas de a m a la cantidad de formas
de elegir un subconjunto de m elementos de un conjunto formado por n
elementos.
Por ejemplo, si tenemos las letras A, B, C, D, tenemos seis subconjuntos
de dos letras:
{A,B}, {A,C}, {A,D}, {B,C}, {B,D}, {C,D}.
Resulta que las combinaciones de n tomadas de a m coinciden con el
n´ umero que aparece en en m-´esimo lugar de la n-´esima fila del tri´angulo
de Pascal. Esto resulta de observar, que, numerando de 1 a n los pasos,
para contar cada camino que sube en m pasos, tenemos que elegir los m
momentos de subir de esos n n´ umeros, correspondiendo a cada elecci´on un
subconjunto de m elementos del conjunto {1, 2, . . . , n} de pasos.
Veamos por ´ ultimo como pueden calcularse las combinaciones a partir
de los factoriales, introducidos en la secci´on 4.
Mas precisamente, demostremos la f´ormula
C
n
m
=
n!
m!(n −m)!
. (13)
Para verificar esta f´ormula contamos las distintas formas de ordenar
sucesivamente los n elementos de un conjunto de dos maneras distintas.
En primer lugar sabemos que la cantidad de ordenaciones posibles son
n!.
Para el segundo c´alculo, elejimos m elementos del conjunto, que orde-
namos en los primeros m lugares de m! factorial formas distintas. Luego,
18
ordenamos en los n − m elementos restantes de (n − m)! formas distintas.
Por ´ ultimo observamos que la primer elecci´on de m elementos se puede ha-
cer de C
n
m
formas distintas. Es claro que cada elecci´on de los m objetos,
de su orden, y del orden de los restantes produce una ordenaci´on diferente
del conjunto inicial. Por otra parte, cualquier ordenaci´on de este conjunto
corresponde a tener m primeros elementos en un orden dado, junto con otro
orden de los restantes. En definitiva hemos demostrado que
n! = C
n
m
×m! ×(n −m)!,
que es equivalente a la f´ormula (13)
Ejemplo 15. Una urna contiene a bolas blancas y b bolas negras. Se eligen
al azar c bolas, donde c ≤ a + b. Calcular la probabilidad de que entre las
bolas extra´ıdas haya a
0
bolas blancas y b
0
bolas negras.
Soluci´on. Tenemos a
0
+ b
0
= c, con 0 ≤ a
0
≤ a y 0 ≤ b
0
≤ b. Es claro que
la cantidad de formas distintas de elegir a
0
+ b
0
bolas entre las a + b bolas
de la urna es C
a+b
a
0
+b
0
. Todas estas formas ser´an consideradas equiprobables.
Continuando, la cantidad de formas distintas de elegir a
0
bolas blancas entre
las a bolas blancas que hay en la urna, es C
a
a
0
, y para cada una de las formas
de elecci´on de a
0
bolas blancas, existen C
b
b
0
formas distintas de elegir b
0
bolas
negras entre las b bolas negras de la urna. Por esto, la cantidad de casos
favorables para la ocurrencia del suceso A, consistente en elegir a
0
bolas
blancas y b
0
bolas negras, es C
a
a
0
C
b
b
0
. Seg´ un la definici´on de probabilidad,
tenemos
P(A) =
C
a
a
0
C
b
b
0
C
a+b
a
0
+b
0
.
11. Ejercicios
11.1. Un blanco se compone de 5 c´ırculos conc´entricos con radios 0 < r
1
<
r
2
< r
3
< r
4
< r
5
. El suceso A
k
consiste en acertar en el c´ırculo de radio
r
k
. Explicar que significan los sucesos B =
¸
5
k=1
A
k
, C =
¸
5
k=1
A
k
, y D =
A
1
A
2
.
11.2. Demostrar, que para dos sucesos A y B arbitrarios, las siguientes
cuatro relaciones son equivalentes: (a) A ⊂ B; (b) B ⊂ A; (c) A∪ B = B;
(d) AB = ∅.
11.3. Un trabajador fabrica distintos productos. Sea A
k
(k = 1, . . . , n) el
suceso que consiste en que el producto k-´esimo sea defectuoso. Escribir los
19
sucesos: (a) ni uno de los productos es defectuoso; (b) por lo menos uno de los
productos es defectuoso; (c) solamente uno de los productos es defectuoso.
11.4. Se tiran dos dados en forma consecutiva. El suceso A consiste en que
la suma de puntos obtenidos sea par; el suceso B, en que por lo menos en
uno de los dados aparezcan 6 puntos. Describa los sucesos A∪B, AB, AB,
AB.
11.5. Sean A y B sucesos arbitrarios. El suceso (A\B)∪(B\A) se denomina
diferencia sim´etrica entre los sucesos A y B, y se designa mediante AB.
Demostrar que: (a) A∪B = (AB) ∪(AB); (b) AA = Ω; (c) AΩ =
A.
11.6. Demostrar que si A
1
⊂ A
2
⊂ A
3
⊂ · · · , entonces existe el l´ımite
l´ım
n→∞
P(A
n
) = P(A), donde A =
¸

n=1
A
n
.
11.7. Demostrar que P(AB) ≥ P(A) −P(B) para sucesos A y B arbitra-
rios.
11.8. Demostrar que se verifica P
¸
n
k=1
A
k

≥ 1 −
¸
n
k=1
P(A
k
) para suce-
sos A
1
, . . . , A
k
arbitrarios.
11.9. Demostrar que P
¸
n
k=1
A
k

= 1−P
¸
n
k=1
A
k


¸
n
k=1
P(A
k
), para
sucesos A
1
, . . . , A
n
arbitrarios.
11.10. Demostrar que P(A \ B) = P(A) − P(AB) para sucesos A y B
arbitrarios.
11.11. Una urna contiene 4 bolas blancas y 5 negras. Se eligen tres bolas al
azar. Calcular las probabilidades de que: (a) todas las bolas extra´ıdas sean
blancas; (b) todas las bolas extra´ıdas sean negras; (c) se extraiga una bola
blanca y dos negras.
11.12. Para obtener el premio mayor en una loter´ıa se precisa acertar 5
n´ umeros elegidos entre 49. Calcular la probabilidad de obtener el premio
mayor en esta loter´ıa.
11.13. De un mazo de 52 cartas se eligen 4 cartas al azar. Calcular la
probabilidad de que se extraigan: (a) por lo menos un as; (b) no menos de
dos ases.
11.14. Se considera un experimento consistente en arrojar un dado dos
veces consecutivas. Calcular la probabilidad de que la suma de los resultados
sea: (a) igual a 5; (b) no mayor de 5.
20
11.15. Hallar la probabilidad de que al tirar un dado tres veces consecutivas,
la suma de los resultados sea no menor que 16.
11.16. Calcular la probabilidad de que se acepte una partida de 100 uni-
dades, 5 de las cuales est´an falladas, si se toman de muestra la mitad, y
las condiciones para aceptarla son contener a lo sumo un 2 % de unidades
falladas.
11.17. En el ejercicio 4 calcular las probabilidades de los sucesos A ∪ B,
AB, AB, AB.
11.18. Se tienen K urnas con n bolas cada una, numeradas de 1 a n. De
cada urna se elige al azar una bola. Hallar la probabilidad de que el n´ umero
mayor resultante sea m (m = 1, . . . , n).
11.19. Tres jugadores A, B y C extraen por turno una bola cada uno, de una
urna que contiene 10 bolas blancas y 10 bolas negras. Las bolas extra´ıdas
no se reponen, y gana el primero que extrae una bola blanca. Calcular la
probabilidad de que gane cada uno de los jugadores A, B, y C.
11.20. Sean A y B dos sucesos arbitrarios, con P(A) > 0. Demostrar la
desigualdad
P(B | A) ≥ 1 −
P(B)
P(A)
.
11.21. De una urna que contiene 4 bolas blancas y 2 negras se extrae al
azar una bola, que luego se pone en una segunda urna, que tiene 3 bolas
blancas y 4 negras. Calcular la probabilidad de que una bola extra´ıda de la
segunda urna sea blanca.
11.22. Un estudiante asiste a un examen sabiendo solo 15 de las 20 pre-
guntas del programa. En el billete del examen hay 3 preguntas. Calcular la
probabilidad de que el estudiante sepa las 3 preguntas, de las dos formas
siguientes: (a) aplicando las reglas cl´asicas del c´alculo de probabilidades; (b)
utilizando la noci´on de probabilidad condicional.
11.23. En una mesa hay tres armas de tipo A y una de tipo B. La probabi-
lidad de acertar en el blanco con un arma de tipo A es de 0,7, y la de acertar
con un arma de tipo B es 0,4. Se elige al azar un arma y se dispara un tiro
al blanco. Calcular: (a) la probabilidad de fallar el tiro; (b) la probabilidad
de haber elegido un arma de tipo B, sabiendo que el tiro fall´o.
21
11.24. En una caja hay 4 pelotas de tenis nuevas y 2 usadas. Para un primer
partido, se eligen 2 pelotas al azar, y luego se retornan a la caja. Se eligen
otras dos pelotas de la misma caja para un segundo partido. Calcular la
probabilidad de que ambas sean nuevas.
11.25. Los sucesos A, B y C son tales que: A y B son independientes; A
y C son incompatibles; B y C son independientes; P(A) = 0,6, P(B) = 0,4
y P(C) = 0,1. Calcular las probabilidades de los sucesos A∪ B∪ C y AB.
11.26. Demostrar, que si los sucesos A y B son independientes, y ambos
tienen probabilidad positiva, entonces no pueden ser incompatibles.
11.27. Demostrar que si A es un suceso arbitrario, y B es tal que P(B) = 0,
entonces A y B son independientes.
11.28. Sean A y B dos sucesos independientes, y tales que A ⊂ B. Demos-
trar que si P(A) = 0, entonces P(B) = 1.
11.29. La probabilidad de detectar un avi´on que vuela en una determinada
regi´on, por medio de un radar, es 0,9. En esta regi´on operan en forma inde-
pendiente tres radares. Calcular la probabilidad de que se detecte un avi´on
en esa zona: (a) mediante los tres radares; (b) mediante por lo menos un
radar.
11.30. En la fabricaci´on de un cierto aparato se utilizan dos piezas del
mismo tipo. Para que el aparato funcione, se precisa que por lo menos una
de las piezas no est´e fallada. La probabilidad de que la pieza est´e fallada es
0,05. Calcular, bajo el supuesto de independencia, la probabilidad de que el
mencionado aparato funcione.
11.31. Sean A, B y C sucesos independientes dos a dos y equiprobables,
cada uno de los cuales tiene probabilidad p. Supongamos que P(ABC) = 0.
Hallar el valor de p que hace que la probabilidad de el suceso A∪B∪C sea
m´axima.
22

y en este caso n = 6. Ejemplo 3. Si lanzamos un dado dos veces consecutivas, tenemos 36 casos posibles, resultantes de combinar el primer resultado con el segundo, que podemos representar en la siguiente tabla: (1, 1) (2, 1) (3, 1) (4, 1) (5, 1) (6, 1) (1, 2) (2, 2) (3, 2) (4, 2) (5, 2) (6, 2) (1, 3) (2, 3) (3, 3) (4, 3) (5, 3) (6, 3) (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4) (1, 5) (2, 5) (3, 5) (4, 5) (5, 5) (6, 5) (1, 6) (2, 6) (3, 6) (4, 6) (5, 6) (6, 6)

donde, por ejemplo, el caso (3, 4) representa el resultado correspondiente a obtener 3 puntos en la primer tirada y 4 en la segunda. Llamamos suceso a cada subconjunto de Ω. Designamos a los sucesos mediante las letras A, B, C, . . . con sub´ ındices o sin ellos. Los sucesos pueden tener uno o varios elementos, y tambi´n ning´n elemento. En este ultimo e u ´ caso tenemos el suceso imposible, que designamos mediante ∅. En el ejemplo 3, el conjunto A = {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6)} es un suceso, y corresponde a obtener un as en la primer tirada del dado. Los puntos que componen un suceso se llaman casos favorables para la ocurrencia de dicho suceso. El surgimiento de la teor´ de la probabilidad es muy anterior a la creaıa ci´n de la teor´ de conjuntos. Por esto, desde su mismo inicio, en teor´ de la o ıa ıa probabilidad se utiliz´ (y contin´a utiliz´ndose) una terminolog´ espec´ o u a ıa ıfica, diferente de la terminolog´ utilizada en teor´ de conjuntos. En la p´gina ıa ıa a 3 se presenta una tabla de t´rminos de teor´ de conjuntos, junto con los e ıa correspondientes t´rminos del c´lculo de probabilidades, que introducimos e a y utilizamos a lo largo de este curso. Las letras A, B, C, . . . , con ´ ındices o sin ellos, designan a los sucesos, es decir, a los subconjuntos de Ω.

3.

Probabilidad

Definici´n 1. Dado un experimento aleatorio con un espacio de n sucesos o elementales Ω, la probabilidad del suceso A, que designamos mediante P(A), es la raz´n entre la cantidad de casos favorables para la ocurrencia de A y o

2

. . j = 1. . son disjuntos dos a dos cada punto del espacio Ω pertenece por lo menos a uno de los conjuntos A1 . . . . An el conjunto A est´ contenido en a el conjunto B complemento del conjunto A (designado Ac ) T´rmino de la teor´ de e ıa la probabilidad espacio de sucesos elementales suceso imposible suma de los sucesos AyB producto de los sucesos AyB los sucesos A y B son incompatibles el suceso C consiste en la ocurrencia (simult´nea) de ambos a sucesos A y B el suceso D consiste en la ocurrencia de al menos uno de los sucesos A ´ B o los sucesos A1 . . . An son los unicos posibles ´ la ocurrencia del suceso A implica la ocurrencia del suceso B suceso contrario al suceso A (designado A) AB = ∅ C = AB D=A∪B Ai Aj = ∅ (i. . A2 . . . 2. . . . AB T´rmino de la teor´ de e ıa conjuntos espacio de elementos conjunto vac´ ıo uni´n de los conjuntos o AyB intersecci´n de los o conjuntos A y B los conjuntos A y B son disjuntos (no tienen elementos comunes) el conjunto C es la intersecci´n de los o conjuntos A y B el conjunto D es la uni´n de los conjuntos o AyB los conjuntos A1 . son incompatibles dos a dos los sucesos A1 . . . .Notaci´n o Ω ∅ A∪B A ∩ B. . i = j) n Ai = Ω i=1 A⊂B Ω\A 3 . A2 .

6) El suceso A consiste en que la suma de los puntos obtenidos es no menor que 8.5) (3. Considerando que los 36 resultados posibles son equiprobables. Calcular la probabilidad de que al tirar un dado dos veces consecutivas. es decir. es decir P(∅) = 0.6) (5.3) (6.4) (2. La probabilidad es un n´mero no negativo. Ejemplo 4. y puede ser representado en la siguiente tabla: (1.4) (1. Como el conjunto vac´ ∅ es un subconjunto de Ω sin elemeno ıo tos. Decimos en este caso que los sucesos son equiprobables.1) (1. En otros t´rminos e nA .6) (3.6) (6.3) (1. 4 .3) (2. El conjunto de sucesos elementales que describe los resultados de un experimento de este tipo. Designemos por (i. que establece o limitaciones en su aplicaci´n en aquellos experimentos aleatorios donde este o supuesto sea razonable.2) (2. la suma de los puntos obtenidos sea no menor que 8. 3.1) (2. Es por ´sto que e lo llamamos suceso imposible.2) (3.4) (6.1) (4.6) (2. j).la de casos posibles. De la definici´n dada se obtiene que cada suceso elemental tieo o ne probabilidad 1/n.3) (4.5) (1.5) (5. y aplicando la definici´n o de probabilidad.2) (6.4) (4. que los casos favorables para la ocurrencia del suceso A son los son indicados en la tabla. Es claro. Observaci´n.5) (2.5) (4. La cantidad de estos sucesos es 15. j) al resultado del experimento consistente en o tirar un dado dos veces consecutivas. 5. por lo que llamamos suceso seguro al espacio de sucesos elementales Ω. 6).3) (5.1) (6.1) (5.4) (5. o Observaci´n. y obtener i puntos en el primer tiro y j puntos en el segundo (i. se compone de 6 × 6 = 36 puntos de la forma (i.2) (1. 2. j = 1. 4.) a Por otra parte obtenemos que P(Ω) = 1.2) (4.4) (3. tenemos que su probabilidad es nula. y menor o igual o u que 1. Soluci´n.2) (5. para cualquier suceso A tenemos 0 ≤ P(A) ≤ 1. (Ver tabla en la p´gina 2.3) (3.1) (2.5) (6.6) (4. Esta es una caracter´ ıstica muy importante de la definici´n. n es la cantidad de casos favorables de A. obtenemos P(A) = 15/36 = 5/12. Observaci´n. P(A) = donde nA Veamos tres observaciones que resultan de esta definici´n.

4. Probabilidad y Permutaciones En vista de la definici´n que dimos de probabilidad. en particular al c´lculo de permutaciones. 3! = 6. BCDA. Tomado de “Introducci´n a la Teor´ de Probabilidades” de A. BDAC. Para responder esta pregunta es desable tener una regla general. ACDB. ACB BAC. ADBC. ADCB BDCA CDBA DCBA ¿De cuantas formas se pueden disponer diez letras en forma sucesiva? Escribir todas las formas parece dif´ ıcil. Tres letras se pueden disponer en forma sucesiva ya de seis maneras: ABC. o. Projorov. o ıa Zhurbenko. que nos permita calcular directamente o la cantidad de formas distintas de disponer n letras en forma sucesiva. ABDC. Ed. En general. CABD. Mosc´ 1982.G. ACBD.N. Biblioteca “KBANT” No. A. CBDA. CADB. Nauka. Llamamos permutaci´n a cada forma de disponer una cantidad dada de o letras en forma sucesiva. CDAB. una f´rmula. BADC. I. la cantidad de permutaciones de n elementos es n!. V. que 2! = 2. Kolmogorov. BACD. Esta cantidad se designa mediante el s´ ımbolo n! (la letra n seguida de un s´ ımbolo de exclamaci´n) y se llama el factorial de n. Hemos visto. BA. DBCA. Es claro que en vez de letras podemos disponer cifras. DABC. a Podemos1 disponer dos letras distintas A. la determinaci´n de la probabio lidad de un suceso se reduce en muchos casos a problemas de combinatoria. La cantidad de permutaciones de 4 elementos es 24. o cualquier otro elemento. o a Calculemos esta cantidad. DCAB. BCA CAB. 4! = 24. basada en las cantio dades de casos favorables y de casos posibles. u 1 5 . CBAD. DACB. B una luego de la otra de dos formas distintas: AB. m´s brevemente. CBA Para cuatro letras obtenemos 24 formas diferentes de disponerlas sucesivamente: ABCD. Supondremos tambi´n que e 1! = 1. BCAD. 23. n-factorial. DBAC.

Comencemos con los casos favorables: tenemos 6 letras. o o Ahora no es dif´ calcular la cantidad de permutaciones de diez letras: ıcil 10! = 1 × 2 × 3 × 4 × 5 × 6 × 7 × 8 × 9 × 10 = 3 628 800. Ejemplo 5. Calculemos la probablidad de que al disponer al azar las letras A. resulte exactamente la palabra MONEDA. N. 4! = 3! × 4 = 1 × 2 × 3 × 4 5! = 4! × 5 = 1 × 2 × 3 × 4 × 5 = 120. En cada uno de estas n situaciones restan n − 1 elementos para disponer en n − 1 lugares. que se pueden disponer de 6! = 120 × 6 = 720 formas diferentes. (1) Este resultado es cierto. Como existe un unico caso favorable. o Tenemos entonces: 1! = 1. O. Obtenemos entonces n × (n − 1)! formas distintas de disponer n elementos: n! = (n − 1)! × n. 3! = 1 × 2 × 3 = 6. 6 . la demostraci´n se basa en el principio de e a o inducci´n completa. Con ayuda de la f´rmula (2) obtenemos: o 2! = 1! × 2 = 1 × 2. (2) y as´ sucesivamente. ı En t´rminos m´s formales. u n! = 1 × 2 × 3 × · · · × n. D. en o el primer lugar podemos colocar cualquiera de ellos. M. Para su demostraci´n observemos que en caso de tener n elementos. 3! = 2! × 3 = 1 × 2 × 3.(un solo objeto no se puede “permutar”. el cual permite obtener la f´rmula (1) a partir de la (2). la ´ probabilidad buscada es 1/720. hay una unica forma de ponerlo en ´ una sucesi´n). 2! = 1 × 2 = 2. 4! = 1 × 2 × 3 × 4 = 24. lo que se puede hacer en (n − 1)! formas diferentes. E. Se plantea el siguiente resultado: la cantidad de permutaciones de n elementos es igual al producto de los n primeros n´meros naturales.

Observemos que el suceso B se puede obtener como la suma de los sucesos {3} y {6}. 5. Tenemos 6 posibilidades para las A. N. . Tiremos un dado. 3. . mientras que B = {3. mediante B. K. Calculemos la probablidad de que al disponer al azar las letras A. . La probabilidad buscada es entonces 12/120=1/10. B. es el suceso compuesto por todos aquellos sucesos elementales que componen por lo menos uno de los sucesos elementales dados A. 4. Ejemplo 7. A. a Para eso etiquetamos cada letra con un n´mero: u 1 2 3 4 5 A N A N A Tenemos dos posibilidades para las N. 4.3. De esta forma.5. Llamamos producto o intersecci´n de dos sucesos A y B al suceso como puesto por los sucesos elementales que componen tanto el suceso A como el suceso B. que corresponden a las formas de disponer los n´meros 2 y 4. Designamos mediante A ∪ B a la suma de los sucesos A y B. que son las u formas de disponer los n´meros 1. 6}. Cada una de las formas de disponer u las N se combina con cada una de las formas de disponer las A. El u suceso A = {2. obteniendo 12 casos favorables. N. La suma de los suceso anteriores. Comencemos con los casos favorables: tenemos 5 letras. El resultado 6 aparece en ambos sucesos. y designemos mediante A el suceso de obtener una cantidad par de puntos. 6}. K. que se pueden disponer de 5! = 120 formas diferentes. 6}. Operaciones con sucesos Llamamos suma o uni´n de los sucesos A y B al suceso compuesto tanto o por los sucesos elementales que componen A como por los que componen B. resulte la palabra ANANA. Los sucesos elementales que componen tanto A como B se cuentan una sola vez.Ejemplo 6. A. . La definici´n de suma de sucesos puede extenderse de forma natural o a una cantidad arbitraria de sucesos A. una cantidad m´ltipo de tres. . . que designamos A ∪ B ∪ · · · ∪ K. Como hay letras repetidas el conteo de los casos favorables es m´s delicado. . Por eso A ∪ B = {2. el suceso A en el ejemplo anterior del dado se puede obtener como uni´n de tres sucesos: o A = {2} ∪ {4} ∪ {6}. B. Designamos mediante AB o tambi´n mediante A ∩ B a la e intersecci´n de los sucesos A y B. . o 7 .

es decir. . es el suceso compuesto por todos aquellos sucesos elementales que componen. B. . 5}. La intersecci´n de los o sucesos anteriores. . su u uni´n A ∪ B tiene nA + nB puntos. . . . . Regla de la suma Decimos que dos sucesos A y B son incompatibles cuando no tienen puntos en com´n. que P(A ∪ B ∪ C) = P(A) + P(B) + P(C). Decimos que los sucesos A1 . B. o Entonces P(A ∪ B) = nA + nB nA nB = + = P(A) + P(B). sim´ltaneamente. que designamos A. teıcil niendo en cuenta el teorema anterior. es decir P(A ∪ B) = P(A) + P(B). B y C son tres sucesos incompatibles no es dif´ establecer. . 8 . . . que designamos A ∩ B ∩ · · · ∩ K. K.En el ejemplo anterior. . es el suceso compuesto por todos los sucesos elementales que no componen A. el {6}. respectivamente. cuando Ai ∩ Aj = ∅. . o su complemento. 6. Am son incompatibles dos a dos cuando todas las parejas poisibles de sucesos distintos son incompatibles. Si A. En el ejemplo de tirar el dado. La definici´n de intersecci´n de sucesos puede extenderse de forma natuo o ral a una cantidad arbitraria de sucesos A. n n n donde la ultima igualdad se obtiene tambi´n por la definici´n de probabili´ e o dad. u cada uno de los sucesos A. (3) Demostraci´n. tenemos A = {1. es decir. la intersecci´n o de los sucesos A y B se compone de un unico suceso elemental. La probablidad de la suma de dos sucesos incompatibles A y B es la suma de sus probabilidades. u o ıa: Teorema 1 (Regla de la suma). su intersecci´n es vac´ A ∩ B = ∅. correspondiente a tirar un dado. K. Como A y B no tienen puntos en com´n. Designemos mediante nA y nB a la cantidad de elementos o de A y B. 3. El suceso contrario a un suceso A. que son los casos favorables para A ∪ B. es ´ decir AB = {6}.

Para cualquier suceso A se tiene P(A) = 1 − P(A). Propiedad 2. entonces P(A) ≤ P(B). donde a la derecha se suman e tres sucesos incompatibles dos a dos. Demostraci´n. Tenemos tambi´n A ∪ B = AB ∪ AB ∪ AB. . Como los o sucesos en las dos sumas anteriores son incompatibles. 9 . Esta f´rmula incluye a las dos anteriores en los casos en que n = 2 y n = 3. resulta P(A) = P(AB) + P(AB). De aqu´ resulta AA = ∅. Como A ⊂ B. resulta P(A ∪ B) = P(AB) + P(A) − P(AB) + P(B) − P(AB) = P(A) + P(B) − P(A ∩ B). Propiedades de la probabilidad La definici´n de probabilidad junto a la regla de la suma permiten obo tener importantes propiedades para el c´lculo de probabilidades. aplicando la regla de la suma. y por la regla de la suma P(B) = P(A)+P(B\A) ≥ P(A). P(B) = P(AB) + P(AB). a Propiedad 1. tenemos o o A = Ω \ A. la regla a de la suma es la f´rmula o n P(A1 ∪ · · · ∪ An ) = P(A1 ) + · · · + P(An ) = k=1 P(Ak ). Por definici´n de A (suceso contrario al suceso A). Es claro que A = AB ∪ AB y B = AB ∪ AB. . Los sucesos A y o B\A son incompatibles. tenemos B = A ∪ (B \ A). Para sucesos A y B arbitrarios vale la igualdad P(A ∪ B) = P(A) + P(B) − P(A ∩ B). . .M´s en general. si A1 . que es la igualdad buscada. Propiedad 3. aplicando la regla de la suma conclu´ ımos que 1 = P(Ω) = P(A ∪ A) = P(A) + P(A). An son sucesos incompatibles dos a dos. ı Como P(Ω) = 1. Si A ⊂ B. o y se demuestra mediante la aplicaci´n sucesiva de la f´rmula (3). o o 7. Demostraci´n. (4) Demostraci´n. Aplicando nuevamente la regla de la suma y sustituyendo.

Para n > 2. . Propiedad 4. Es posible tambi´n demostrar una f´rmula general: para sucesos A1 . . aplicando la regla de la suma a obtenemos n n 1 = P(Ω) = P i=1 Ai = i=1 P(Ai ). . . Entonces cos posibles i=1 P(Ai ) = 1. An sucesos incompatibles dos a dos. De aqu´ es posible obtener la desigualdad de Bonferroni : ı n n P i=1 Ai ≥ i=1 P(Ai ) − 1≤i<j≤n P(Ai Aj ). no es dif´ demostrar. para i. . An e o arbitrarios. j = 1. An ). a 10 . . Si los sucesos A y B son incompatibles. . que para tres sucesos o a ıcil A. y los uni´ n 2 . Demostraci´n. n. . vale la igualdad n n P i=1 Ai = i=1 P(Ai ) − 1≤i<j≤n P(Ai Aj ) + 1≤i<j<k≤n P(Ai Aj Ak ) − · · · + (−1)n+1 P(A1 . Demostraci´n. . Observaci´n. Como P(Ω) = 1. . . . entonces P(AB) = 0. . o es f´cil obtener el resultado anterior. En forma an´loga. Para n = 2 esta desigualdad se obtiene de (4). Propiedad 5. Sean A1 . o n Adem´s i=1 Ai = Ω. Dados n sucesos A1 . tiene lugar la igualdad P(A ∪ B ∪ C) = P(A) + P(B) + P(C) − P(AB) − P(AC) − P(BC) + P(ABC). . tiene lugar la desigualdad n n P i=1 Ai ≤ i=1 P(Ai ). B y C arbitrarios. . An arbitrarios. o y de la f´rmula (4) se obtiene la igualdad ya conocida P(A ∪ B) = P(A) + o P(B). . mediante la aplicaci´n sucesiva de la a o desigualdad P(A ∪ B) ≤ P(A) + P(B). . Tenemos Ai Aj = ∅ cuando i = j.Observaci´n. . concluyendo la demostraci´n. o 2 Ver tabla en la p´gina 3.

nA 26 2 11 . tenemos P (B ∪ C)A) = P(BA) + P(CA). que esta formada por sucesos incomaptibles por serlo B y C. en que sea de corazones. P(A) (5) La probabilidad condicional es la probabilidad restringida al suceso A. es decir: P(B ∪ C | A) = P(B | A) + P(C | A). nAB = nB = 13. aplicando la regla de la suma en la igualdad (B ∪ C)A = BA ∪ CA. y para la probabilidad condicional tenemos P(B | A) = nAB /n nAB P(AB) = = . el suceso B. mediante la f´rmula o P(B | A) = P(AB) . nA = 26. F´rmula de la probao bilidad total. si B y C son sucesos incompatibles. a los cuales a se les asignan probabilidades id´nticas. que designamos P(B | A). En primer lugar es inmediato obtener que P(A | A) = 1. desige namos mediante nC la cantidad de sucesos elementales que componen C. Un experimento consiste en elegir al azar una carta de un mazo de 52 cartas. Para un suceso C arbitrario. el resultado buscado. Supongamos que P(A) > 0. P(A) nA /n nA (6) Ejemplo 8. En efecto. lo que dividido por P(A) da (6). o Consideremos un espacio de sucesos elementales Ω y dos sucesos A. Tenemos n = 52. Veamos adem´s a que se verifica la regla de la suma para la probabilidad condicional. Entonces P(C) = nC /n.8. Probabilidad condicional. El suceso A consiste en que la carta elegida sea roja. y por esto 13 1 nAB P(B | A) = = = . Consideremos ahora que Ω est´ compuesto por n puntos. B. Definimos la probabilidad condicional de B dado A. F´rmula de Bayes.

. de modo que ´ seg´n la f´rmula (7). 3) al suceso consistente en elegir un caj´n con una de las composiciones dada. o Se sabe que la probabilidad de enfermarse de c´ncer de pulm´n es igual a a o 12 . . y el ultimo caj´n ´ o contiene 6 productos buenos. . . se extrae un producto. los unicos ´ posibles. Es claro que los sucesos A1 . . del cual. . A2 o y A3 son incompatibles dos a dos. Los sucesos A1 B. An . Sean A1 . tambi´n o e al azar. Tenemos 5 cajones con productos de una cierta industria. De esta forma (por o ejemplo) se tiene: el suceso A1 consiste en elegir un caj´n conteniendo 4 o productos buenos y 1 fallado. (7) La igualdad (7) se denomina f´rmula de la probabilidad total. ıdo Soluci´n. Tenemos B = ΩB = n Ai B. Ejemplo 9. 5 5 5 5 5 6 25 Ejemplo 10. Aplicando la regla de la suma. el suceso A2 consiste en elegir un caj´n cono teniendo 3 productos buenos y 2 fallados. otros dos cajones contienen cada uno 3 productos buenos y 2 fallados. donde para obtener la ultima igualdad nos basamos en la definici´n de pro´ o babilidad condicional (5). y con probabilidades positivas. el suceso A3 consiste en elegir el caj´n que contiene 6 productos buenos. Designemos mediante B al suceso consistente en que el produco to extra´ sea bueno. Entonces n P(B) = i=1 P(Ai ) P(B | Ai ). Tenemos cajones con tres composiciones distintas ıdo de productos. y designamos mediante Ai (i = 1. o Demostraci´n. por ser dos a dos incompatibles los sucesos A1 . En una cierta poblaci´n de hombres hay un 30 % de fumadores. . . . tenemos u o P(B) = P(A1 ) P(B | A1 ) + P(A2 ) P(B | A2 ) + P(A3 ) P(B | A3 ) 19 2 4 2 3 1 6 = × + × + × = . tenemos n n n P(B) = P i=1 Ai B = i=1 P(Ai B) = i=1 P(Ai ) P(B | Ai ). y son los unicos posibles. . An sucesos incompatibles dos a dos. An B o i=1 son incompatibles dos a dos. . Calcular la probabilidad de que el producto extra´ resulte bueno. Dos cajones contienen cada uno 4 productos buenos y 1 fallado. Sea B un suceso arbitrario. . Se elige al azar un caj´n.Teorema 2. 2.

. tenemos o o P(A1 | B) = P(A1 ) P(B | A1 ) P(A1 ) P(B | A1 ) + P(A2 ) P(B | A2 ) (1/2)(9/10) 9 = = . . n). . n).0. De aqu´ obtenemos ı P(Ak | B) = P(Ak ) P(B | Ak ) P(B) (k = 1.3 × 0. Sean A1 . . . (1/2)(9/10) + (1/2)(1/10) 10 13 . se extrae una bola. Designemos con la letra B al suceso consistente en que el hombre o elegido tenga esta enfermedad. o donde el suceso Ai consiste en elegir la urna i (i = 1 ´ 2). (8) La igualdad (8) se denomina f´rmula de Bayes. en una segunda urna 9 bolas negras y 1 blanca. Entonces P(Ak | B) = P(Ak ) P(B | Ak ) n i=1 P(Ai ) P(B | Ai ) (k = 1.1 para los fumadores. En una primer urna se tienen 9 bolas blancas y 1 negra.01 para los no fumadores. El suceso A consiste en elegir un fumador de la poblaci´n. . Por la f´rmula de Bayes.7 (el suceso o A consiste en elegir un no fumador de la poblaci´n). y que P(A) = 0. Sea B un suceso con probabilidad positiva. . e igual a 0. o Soluci´n. . o Demostraci´n. . Ejemplo 11.3.1 + 0. . tambi´n al azar. .037. .01 = 0. . y con probabilidades positivas. a o Soluci´n. Se elige al azar una urna. y de ella. Para obtener (8). Por la f´rmula de la o o probabilidad total tenemos P(B) = P(A) P(B | A) + P(A) P(B | A) = 0. La bola extra´ resulta ser blanca e ıda (ocurri´ el suceso B). . . n). . resta aplicar la f´rmula de la probabilidad total (7) en el o denominador. Sabemos que P(A) = 0. Calcular las probabilidades P(A1 | B) y P(A2 | B). tenemos o o P(Ak B) = P(Ak ) P(B | Ak ) = P(B) P(Ak | B) (k = 1. Teorema 3. los unicos ´ posibles. Por la definici´n de probabilidad condicional.7 × 0. An sucesos incompatibles dos a dos. Calcular la probabilidad de que un hombre elegido al azar en esta poblaci´n est´ enfermo o e de c´ncer de pulm´n.

se obtiene a P(A2 | B) = 1 (1/2)(1/10) = . (9) Ejemplo 12. 6 2 12 los sucesos A y B son independientes. (6. 3). Ejemplo 13. por la regla cl´sica del c´lculo de a a probabilidades. designamos por (i. 6). 52 13 P(B) = 26 1 = . una vez obtenida P(A1 | B) podemos calcular directamente P(A2 | B) = 1 − P(A1 | B). 5. (1/2)(9/10) + (1/2)(1/10) 10 Alternativamente. Se tira un dado dos veces consecutivas. 5). 3) y (6. Como en el ejemplo 4 (ver p´gina 4). Los casos favorables para la ocurrencia del suceso A son los puntos (6. por lo que P(B) = 18/36 = 1/2. en donde 1 ≤ i ≤ 6. (i. Calculemos la probabilidad de estos sucesos. 5). j) al resultado a correspondiente a obtener i puntos en el primer tiro y j puntos en el segundo (i. el suceso B. Sucesos independientes Consideremos un espacio de sucesos elementales Ω y dos sucesos A. (6. en que sea negra. 3). y el suceso B. (i. 6). Los casos favorables para la ocurrencia del suceso AB son (6. (6. de forma que P(AB) = 3/36 = 1/12. 2). 9. Los casos favorables para la ocurrencia del suceso B son los de la forma (i.An´logamente. por la regla cl´sica del c´lculo de proa a babilidades. 52 2 P(AB) = 6 3 = . 2. Decimos que los sucesos A y B son independientes. tenemos P(A) = 12 3 = . El suceso A consiste en que la carta sea una figura. 14 . en obtener una cantidad impar de puntos en el segundo. cuando se verifica P(AB) = P(A) P(B). Demostremos que los sucesos A y B son independientes. En efecto. 3. j = 1. Consideremos el experimento correspondiente a elegir una carta al azar en un mazo de 52 cartas. (6. Como 1 1 1 P(A) P(B) = × = = P(AB). tenemos P(A) = 6/36 = 1/6. 5) y (6. 1). El suceso A consiste en obtener 6 puntos en primer tiro. B. 4). Hay 6 × 6 = 36 sucesos elementales de esta forma. 4. 52 26 de forma que se cumple la igualdad (9). 1). (6. 1).

P(AC) = P(A) P(C) y P(BC) = P(B) P(C) (que implican la independencia dos a dos de los sucesos A. donde i.An son mutuamente independientes. por ejemplo a o (10). . la independencia de los sucesos A y B es equivaa lente a alguna de las igualdades P(B | A) = P(B). cuando para todo k (2 ≤ k ≤ n) se verifica k k P m=1 Aim = m=1 P(Aim ). B y C. (10) (11) En efecto. se cumple: (i) A o y B son independientes. Por otra parte. y por esto (10) y (11) son v´lidas. o mas brevemente. . Si se cumple una de las igualdades (10) ´ (11). . independientes. (iii) A y B son independientes. . (ii) A y B son independientes. y los sucesos A. Demostraci´n. lo que demuestra (i). Si A y B son independientes. Decimos que los sucesos A1 . . la independencia mutua de tres sucesos A. significa que se cumplen las igualdades P(AB) = P(A) P(B).. P(A | B) = P(A). . . . Decimos que los sucesos A1 . entonces. . B y C). cuando se verifica P(Ai Aj ) = P(Ai ) P(Aj ). < ik ≤ n. (12) para cualquier elecci´n de naturales i1 . o por lo que P(A) = P(AB) + P(AB). j = 1. en vista de (9) tenemos P(AB) = P(A) − P(A) P(B) = P(A) 1 − P(B) = P(A) P(B). tenemos P(AB) = P(A) P(B). y tambi´n P(ABC) = P(A) P(B) P(C). Proposici´n 1.An son independientes dos a dos. Si A y B son sucesos independientes. para todo i = j. P(AB) = P(A) P(B | A) = P(B) P(A | B). o que son independientes en vista de (ii). B son independientes. si A y B son independientes. . . n. entonces P(AB) = P(A) P(B | A) = P(A) P(B). e 15 . .Veamos ahora que si ambos sucesos A y B tienen probabilidad positiva (esto asegura que las probabilidades condicionales P(B | A) y P(A | B) est´n definidas).. que cumplan la condici´n o o 1 ≤ i1 < i2 < . . ik . De esta forma. . . Para sucesos A y B arbitrarios tenemos A = AB ∪ AB. . Cambiando los roles entre A y B obtenemos (ii). La afirmaci´n (iii) se obtiene aplicando (i) a los sucesos A y B.

una tercer cara es verde.Veamos que la independencia dos a dos de n sucesos (n ≥ 3). An´logamente obtenemos P(B) = P(C) = a 1/2. los sucesos A. y en consecuencia. P(AB) = P(AC) = P(BC) = P(ω4 ) = 1/4. no implica la independencia mutua de estos sucesos. propuesto por S. Es claro que para el primer paso tenemos dos caminos. y C = {ω3 . ω2 . resultantes de subir o bajar en cada uno de los pasos. y P(BC) = P(B) P(C). Ejemplo 14. Consideremos una part´ ıcula que se desplaza. ω4 }. P(AC) = P(A) P(C). Sea Ω un espacio de sucesos elementales compuesto por los puntos ω1 . P(A) = 2/4 = 1/2. B y C no son mutuamente independientes. que en n pasos la particula puede recorrer 2n camia nos diferentes. En el segundo paso. consideramos el siguiente ejemplo. ω4 }. Con este fin. Consideremos los sucesos A = {ω1 . Sin embargo. N. pero no son mutuamente independientes. otra cara es azul. 4 8 por lo que nos sucesos A. 4 Entonces. ω4 }. en la presencia del verde. B y C son independientes dos a dos. tenemos uno que llega a 16 . triangulo de Pascal y combinaciones. De esta forma se a verifican las tres igualdades P(AB) = P(A) P(B). y la cuarta cara tiene los tres colores indicados. Paseo al azar. Nos interesa calcular la cantidad de caminos diferentes que conducen a una altura determinada en una cantidad de pasos dada. El ejemplo de Bernstein se puede formular de otra manera. Adem´s. uno que sube y otro que baja. Llamamos paseo al azar a dicho movimiento. de los cuatro caminos que se obtienen (22 ). B y C son independientes dos a dos. el suceso B consiste en la presencia del azul. Los sucesos A. en cada paso (unidad de tiempo) una unidad de distancia para arriba o para abajo. ω3 y ω4 . B = {ω2 . 10. El suceso A consiste en la presencia del color rojo en la cara sobre la que se apoya el tetraedro al caer. Asignemos las probabilidades 1 P(ω1 ) = P(ω2 ) = P(ω3 ) = P(ω4 ) = . Bernstein. en general. Es f´cil de verificar. cuyas caras est´n a coloreadas de la siguiente forma: una cara es roja. y el C. P(ABC) = P(ω4 ) = 1 1 = P(A) P(B) P(C) = . Consideremos el experimento consistente en arrojar un tetraedro.

y dos caminos que llegan al nivel cero. Como la cantidad total de caminos que puede seguir la part´ ıcula es 26 . podemos escribir su regla de formaci´n como u o n−1 n n−1 Cm = Cm−1 + Cm . por la forma de e a construir el tri´ngulo. que este es sim´trico (porque es sim´trico el paseo si a e e cambiamos arriba por abajo en su construcci´n). 17 . otro que llega a −2. acordando que m = 0 para el primer n´mero (el a u n´mero 1 de cada fila).una altura 2. La cantidad de caminos que llegan a los niveles −3. para una fila dada. Seg´n vimos. porque precisamente de esos niveles llegamos en un paso m´s hasta el nivel indicado.1 y 3 en tres pasos se obtienen sumando respectivamente los caminos que llegaban en dos pasos a los niveles ubicados una unidad mas arriba y una mas abajo. como se verifica tambi´n sumando. por ejemplo la ultima (pongamos u ´ n = 6).−1. estos n´meros cuentan la cantidad de caminos posibles por los que u la part´ ıcula llega a las diferentes alturas en 6 pasos. tenemos que 1 + 6 + 15 + 20 + 15 + 6 + 1 = 26 = 64. a Si representamos estas cantidades en una tabla obtenemos el tri´ngulo a de Pascal : 1 1 1 1 1 1 1 6 5 15 4 10 20 3 6 10 15 2 3 4 5 6 1 1 1 1 1 1 La regla de formaci´n de este tri´ngulo es que cada l´ o a ınea se obtiene de la superior sumando los dos n´meros que se encuentran arriba a la derecha y a u la izquierda (asumiendo un cero cuando no hay n´mero): por ejemplo 15 = u 5 + 10. o n Si designamos mediante Cm al m-´simo n´mero que aparece en la n´sima e u e fila del tri´ngulo de Pascal. Se observa adem´s.

y que los movimientos son sucesos independientes. que ordea namos en los primeros m lugares de m! factorial formas distintas. para contar cada camino que sube en m pasos.D}. numerando de 1 a n los pasos. . introducimos las probabilidades. asignando probabilidades a cada uno de los 2n caminos.C}. {A. que. tenemos u o 1/2n Pn (m) = n Cm . Luego. o Mas precisamente. No es dif´ obtener que de aqu´ resulta ıcil ı que la particula en cada paso sube o baja con probabilidad 1/2. {B.D}. seg´n nuestra notaci´n. {C.C}. introducidos en la secci´n 4. 2. dado que tenemos n − m bajadas. Veamos por ultimo como pueden calcularse las combinaciones a partir ´ de los factoriales. 2n Llamamos combinaciones de n tomadas de a m a la cantidad de formas de elegir un subconjunto de m elementos de un conjunto formado por n elementos. tenemos seis subconjuntos de dos letras: {A. elejimos m elementos del conjunto. 0 en otro caso. demostremos la f´rmula o n Cm = n! . n} de pasos. correspondiendo a cada elecci´n un u o subconjunto de m elementos del conjunto {1. y por lo tanto encontrarse a una altura 2m−n. {B. Por ejemplo. tenemos que elegir los m momentos de subir de esos n n´meros. Resulta que las combinaciones de n tomadas de a m coinciden con el n´mero que aparece en en m-´simo lugar de la n-´sima fila del tri´ngulo u e e a de Pascal.D}. D. Finalmente. Para el segundo c´lculo. si tenemos las letras A. 18 . {A. Esto resulta de observar. .B}. C. Si designamos mediante Pn (m) a la probabilidad de obtener m subidas en n pasos. B. . .donde la construcci´n se inicia asumiendo que o 0 Cm = 1 si m = 0. En primer lugar sabemos que la cantidad de ordenaciones posibles son n!. m!(n − m)! (13) Para verificar esta f´rmula contamos las distintas formas de ordenar o sucesivamente los n elementos de un conjunto de dos maneras distintas.

2. Todas estas formas ser´n consideradas equiprobables. (b) B ⊂ A. Una urna contiene a bolas blancas y b bolas negras. Es claro que cada elecci´n de los m objetos.ordenamos en los n − m elementos restantes de (n − m)! formas distintas. u o tenemos a Ca0 C b P(A) = a+b b0 . donde c ≤ a + b. consistente en elegir a0 bolas a b blancas y b0 bolas negras. El suceso Ak consiste en acertar en el c´ ırculo de radio rk . y para cada una de las formas b formas distintas de elegir b bolas de elecci´n de a0 bolas blancas. 11. la cantidad de formas distintas de elegir a0 bolas blancas entre a las a bolas blancas que hay en la urna. Por ultimo observamos que la primer elecci´n de m elementos se puede ha´ o n cer de Cm formas distintas. y D = k=1 k=1 A1 A2 . Seg´n la definici´n de probabilidad. Calcular la probabilidad de que entre las bolas extra´ ıdas haya a0 bolas blancas y b0 bolas negras. y del orden de los restantes produce una ordenaci´n diferente o del conjunto inicial. En definitiva hemos demostrado que n n! = Cm × m! × (n − m)!. Un blanco se compone de 5 c´ ırculos conc´ntricos con radios 0 < r1 < e r2 < r3 < r4 < r5 . (c) A ∪ B = B. cualquier ordenaci´n de este conjunto o corresponde a tener m primeros elementos en un orden dado. Ca0 +b0 11. Soluci´n. Escribir los e 19 . Se eligen al azar c bolas. Por otra parte. Por esto. las siguientes cuatro relaciones son equivalentes: (a) A ⊂ B. . Ejercicios 11. Sea Ak (k = 1. . es Ca0 Cb0 . (d) AB = ∅. Demostrar. que para dos sucesos A y B arbitrarios. . existen Cb0 o 0 negras entre las b bolas negras de la urna. Es claro que o la cantidad de formas distintas de elegir a0 + b0 bolas entre las a + b bolas a+b de la urna es Ca0 +b0 . la cantidad de casos favorables para la ocurrencia del suceso A. 11. con 0 ≤ a0 ≤ a y 0 ≤ b0 ≤ b. a Continuando. Explicar que significan los sucesos B = 5 Ak . C = 5 Ak .1. Un trabajador fabrica distintos productos. Tenemos a0 + b0 = c. que es equivalente a la f´rmula (13) o Ejemplo 15. es Ca0 .3. . junto con otro orden de los restantes. o de su orden. n) el suceso que consiste en que el producto k-´simo sea defectuoso.

(c) se extraiga una bola blanca y dos negras. El suceso (A\B)∪(B\A) se denomina diferencia sim´trica entre los sucesos A y B. Se considera un experimento consistente en arrojar un dado dos veces consecutivas. AB.5. Se tiran dos dados en forma consecutiva. Demostrar que P(A \ B) = P(A) − P(AB) para sucesos A y B arbitrarios. ım n=1 11. Una urna contiene 4 bolas blancas y 5 negras.13. El suceso A consiste en que la suma de puntos obtenidos sea par. (b) no menos de dos ases. (c) solamente uno de los productos es defectuoso. n k=1 Ak ≥ 1− n k=1 Ak n k=1 P(Ak ) para sucepara 11. Calcular la probabilidad de obtener el premio u mayor en esta loter´ ıa. 11. De un mazo de 52 cartas se eligen 4 cartas al azar. (b) por lo menos uno de los productos es defectuoso. . 11. y se designa mediante A B. (b) todas las bolas extra´ ıdas sean negras. (b) A A = Ω. entonces existe el l´ ımite l´ n→∞ P(An ) = P(A). el suceso B. donde A = ∞ An .9.6. Demostrar que se verifica P sos A1 . Calcular la probabilidad de que se extraigan: (a) por lo menos un as.12. 11. ≤ n k=1 P(Ak ). .11. Demostrar que P(AB) ≥ P(A) − P(B) para sucesos A y B arbitrarios. 11. (b) no mayor de 5. . 11. Calcular las probabilidades de que: (a) todas las bolas extra´ ıdas sean blancas. . AB. Describa los sucesos A ∪ B. 11.7. Calcular la probabilidad de que la suma de los resultados sea: (a) igual a 5. .14. . Demostrar que P n Ak = 1 − P k=1 sucesos A1 . e Demostrar que: (a) A ∪ B = (AB) ∪ (A B). Ak arbitrarios. (c) A Ω = A. 11. 20 . An arbitrarios. 11.10. en que por lo menos en uno de los dados aparezcan 6 puntos. . Se eligen tres bolas al azar. .4. Demostrar que si A1 ⊂ A2 ⊂ A3 ⊂ · · · . AB.8. 11.sucesos: (a) ni uno de los productos es defectuoso. Sean A y B sucesos arbitrarios. Para obtener el premio mayor en una loter´ se precisa acertar 5 ıa n´meros elegidos entre 49.

20. . Calcular: (a) la probabilidad de fallar el tiro. y C.18. Se elige al azar un arma y se dispara un tiro al blanco. Calcular la probabilidad de que una bola extra´ de la ıda segunda urna sea blanca. AB. Calcular la probabilidad de que gane cada uno de los jugadores A. y a las condiciones para aceptarla son contener a lo sumo un 2 % de unidades falladas. 11. En una mesa hay tres armas de tipo A y una de tipo B.23. La probabilidad de acertar en el blanco con un arma de tipo A es de 0.16. con P(A) > 0. 11. 11. De una urna que contiene 4 bolas blancas y 2 negras se extrae al azar una bola. n). AB. (b) a a utilizando la noci´n de probabilidad condicional. que tiene 3 bolas blancas y 4 negras.17. la suma de los resultados sea no menor que 16. 11. De cada urna se elige al azar una bola. Calcular la probabilidad de que se acepte una partida de 100 unidades. Un estudiante asiste a un examen sabiendo solo 15 de las 20 preguntas del programa. En el billete del examen hay 3 preguntas. . sabiendo que el tiro fall´.7. o 21 . .19. En el ejercicio 4 calcular las probabilidades de los sucesos A ∪ B. numeradas de 1 a n. Las bolas extra´ ıdas no se reponen. o 11.11.15. y gana el primero que extrae una bola blanca. de una urna que contiene 10 bolas blancas y 10 bolas negras. Hallar la probabilidad de que al tirar un dado tres veces consecutivas. Demostrar la desigualdad P(B) P(B | A) ≥ 1 − . 11. Calcular la probabilidad de que el estudiante sepa las 3 preguntas. si se toman de muestra la mitad. 5 de las cuales est´n falladas. Sean A y B dos sucesos arbitrarios. Tres jugadores A. y la de acertar con un arma de tipo B es 0. que luego se pone en una segunda urna. B y C extraen por turno una bola cada uno. AB.22. (b) la probabilidad de haber elegido un arma de tipo B. 11. . P(A) 11. de las dos formas siguientes: (a) aplicando las reglas cl´sicas del c´lculo de probabilidades. Hallar la probabilidad de que el n´mero u mayor resultante sea m (m = 1.4. B. Se tienen K urnas con n bolas cada una.21.

11. B y C sucesos independientes dos a dos y equiprobables. Calcular la probabilidad de que se detecte un avi´n o en esa zona: (a) mediante los tres radares. La probabilidad de que la pieza est´ fallada es e e 0.05. por medio de un radar. B y C son tales que: A y B son independientes. Los sucesos A. Hallar el valor de p que hace que la probabilidad de el suceso A ∪ B ∪ C sea m´xima.4 y P(C) = 0. Para que el aparato funcione. P(A) = 0. 11.1. Calcular la probabilidad de que ambas sean nuevas. Demostrar que si A es un suceso arbitrario. se precisa que por lo menos una de las piezas no est´ fallada.25.30.27. entonces P(B) = 1. y tales que A ⊂ B. B y C son independientes. cada uno de los cuales tiene probabilidad p. Demostrar que si P(A) = 0. A y C son incompatibles. 11. P(B) = 0.26. Sean A y B dos sucesos independientes.11. Sean A. En la fabricaci´n de un cierto aparato se utilizan dos piezas del o mismo tipo. 11. y ambos tienen probabilidad positiva. que si los sucesos A y B son independientes.29. 11. (b) mediante por lo menos un radar. En esta regi´n operan en forma indeo o pendiente tres radares. se eligen 2 pelotas al azar. Calcular las probabilidades de los sucesos A ∪ B ∪ C y AB. En una caja hay 4 pelotas de tenis nuevas y 2 usadas. Para un primer partido. entonces no pueden ser incompatibles.9.28. Calcular. y B es tal que P(B) = 0. La probabilidad de detectar un avi´n que vuela en una determinada o regi´n. y luego se retornan a la caja. 11. a 22 . 11.24. Demostrar.31. entonces A y B son independientes. Supongamos que P(ABC) = 0. bajo el supuesto de independencia. la probabilidad de que el mencionado aparato funcione.6. Se eligen otras dos pelotas de la misma caja para un segundo partido. es 0.

Sign up to vote on this title
UsefulNot useful