Probabilidad Teoria y 500 Problemas Resueltos PDF

SERIE DE COlvlPENDIOS SCHA UM
TEORIA y PROBLEMAS
DE
PROBABILIDAD
POR
SEYMOUR LIPSCHUTZ, Ph.D.
Prof esor Asociado de Mat emticas
Universidad de Temple

TRA DUCC ION y ADA PT,I C ION
A U ' Il EDO F ER RO D U()UE
Profesor de la Universidad Nacional de Colombia. Bogot

UBROS
\
,\U- \Il ' \..) f .-\ .'-\ ,\I.-\ ,\IAOR/D BGOTA S . .\O PAllO .'u.E\A YORK.
LONDR ES TORONTO SIDNEY JOHANNES8URG
DUSSELDORF SINGAPUR AUCKLAND
;
Prl ogo
La teora de la probabilidad tuvo sus del mo resultado de
investigacionl:s sobre diversos juegos de ac han
muchos matemticos y cientficos cle_bres; a pesar de <;u larga y activa historia, slo se axioma-
t
' . d 1 d' 1.J'p, d 1 4h . I
IZO ur ante as tercera y cuarta ecauas este slg o. Este desarrollo axiomtico, llamado teora mo-
derna de la probabilidad, precis los conceptos de la probabilidad y los coloc sobre una firme base
matcIlltica,
La importancia de la probabilidad ha crecido enormemente en los ltimos aos, y hoy aparecc,
junto con su disciplina gemela, la estadstica, en casi todos los campos , como la fsica, la qumica, la
biologa, la medicina, la sicologa, la sociologa, la -.:iencia poltica, la educacin, la economa, los ne-
gocios, la invesligacin operativa y todos los ramos de la ingeniera.
El presente libro se ha preparado para un curso de introduccin a la probabilidad y slo exige co-
mo conocimiento previo el lgebra de secundaria, Puede servir como texto para dicho curso, o como
suplemento para cua lquier texto comparable. Tambin puede servir como complemento para textos
y cursos de estadstica, Adems, como es completo en s mismo, se presta fci lmente para estudiar
por cuenta propia.
Comienza con un captulo sobre conjuntos y sus operaciones, y contina con uno sobre permuta-
ciones y Olras lcn icas de contaL Vienen luego un captulo de espacios probabilsticos y otro de proba-
bilidad condicional e independencia. El quinto, que es el principal , trata sobre variables aleatorias,
All dellnimos la esperanza, varianza y desviacin estndar, y probamos la desigualdad de Tchebycheff
y la ley de los grandes nmeros. Aunque no se requieren conocimientos de clculo, se estudian las va-
riables aleatorias, tanto discretas como continuas. Seguimos con un captulo aparte sobre las distribu-
ciones I)illomial, normal y de Poisson, Aqu se da el teorema central del lmite en el contexto de la apro-
ximacin normal a la distribucin binomial. El sptimo y ltimo captulo ofrece un desarrollo ekmental
completo de las cadenas de Markov con aplicaciones.
Cada captulo comienza con enunciaLlos claros de las correspondientes definiciones, principios y
teoremas, co n ilustraciones y otros materiales descriptivos. A esto siguen grupos ordenados de proble-
mas resueltos y propuestos. Los problemas resueltos sirven para ilustrar y ampliar la teora, arro-
jan plena lu z sobre aquellos sutiles puntos sin cuya explicacin el estudiante se sentir continuamente
sohre terreno movedizo, y constituyen repeticin de los principios bsicos, que es cosa tan vital para
un aprendizaje efectivo. En los problemas resueltos se incluyen demostraciones de la mayor parle de
los Ll:remas, Los problemas propuestos sirven como un repaso completo del material de cada ca-
ptulo.
Deseo agradecer al Dr. Martin Silverstein sus valiosas recomendaciones y su revisin crtica del
manuscrito. Tambin deseo expresar mi reconocimiento a Daniel Schaum y Nicola Monti por su ex-
celent e coo percill.
SEYMOUR LIpSCllUTZ
Capitulo 1
Captulo 2
Captulo 3
Captulo 4
Captulo 5
Captulo 6
Captulo 7
TABLA DE MATERIAS
TEORIA DE CONJUNTOS
Introducci n. Conjuntos, ekmentos. Operacionc:s con conjuntos. Conjuntos finitos y contables. Con-
junto producto. Clases de conjuntos .
TECNICAS DE CONTAR
Introduccin. Principio fund amental del conteo. Notacin factorial. Permutaciones. Permutacio-
nes con n: peticin. Pruebas ordenadas. Coeficientes del binomio y teorema. Combinaciones. Parti-
ciones ordenadas. Diagramas de rbol.
INTRODUCCION A LA PROBABILIDAD .
Introduccin . Espacio muestral y sucesos. Axiomas de probabilidad. Espacios finitos de probabili-
dad. Espaci os equiprobables finitos. Espacios muestralcs infinitos.
PROBABILIDAD CONDICIONAL E INDEPENDENCIA
Probabilidad condicional. Teorema de la multiplicaci n para probabilidad condicional. Procesos
estocsticos finitos y diagramas de rbol. Particiones y teorema de Bayes. Independencia. Pruebas
repet idas o independ ientes.
VAIHABLES ALEATORIAS
Int roducc in . Di stribucin y espaanza de una va riable aleat oria finita . Varianza y desviacin
estndar. Di stribuci n conjunta . Variables alea tor ias independientes. Funciones de una variable
ale:.ttoria. Variables aleatorias discretas en gencral. Variables aleatorias continuas. Funcin de dis-
tribucin acumulativa . Desigua ldad d" Tchebychdf. Ley de los nmeros grandes .
DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON
Di stribucin binomial. Distribucin normal. Aproximacin normal a la di stribucin binomi al. Teo-
rema ce ntr al dd lmite. Distribucin de Poisson . Distribucin multinomial.
CADENAS DE MARKOV
Introduccin . Vector probabilidad, matrices estocsticas . Matrices estocsticas regulares. Puntos
fijos y matrices est ocsticas regulares. Cadenas de Mark ov. Probabilidades de transicin de orden
superior. Distribucin estacionaria dc cadenas regulares de Markov. Estados absorbentes.
INDlCE
Pg.
16
38
54
74
105
126
152
Captulo 1
Teora de conjuntos
INTIWDUCCION
Estc captulo trat a algunas ue las ideas y conct:ptos elementales de la teora dc conjuntos que son
necesarios rara una introduccin moderna a la teora de la probabilidad.
CONJUNTOS, ELEMENTOS
Se llama cunjul/to una li sta o coleccin bi t:n definida de objetos; los objetos comprendidos en un
conjunto son llamados sus elemel/tos o miembros . Escribimos
P E A SI P es un clemt:nto del conjunto A
Si cada demento ele A pertcnece tambin a un co njunto B, esto es, si p E A implica p E B, entonces
se dice que A es subcol/junto de B, o que est cOl/tel/ido en B; esto se denota por
AeB o B:::JA
Dos conjuntos son iguales si cada lino est contenido en el otro; esto es,
A=B si y slo si AeB y BeA
Las negaciones dt: p E A, A e n y A = B se escriben p El A, A ct B Y A =1= B respectivamente.
b pecili camos un conjunto particular, o por la li sta de sus elementos o estableciendo las propie-
dades 4ue caraclt:rizan dichos elementos. Por ejemplo, ' I L
_ N.ll1 f S"u'} L u-r"--<-t(;.,l
A
{1, 3, 5, 7, 9} e:. . ' ' -r- , 1 f}
'''ViI l h,1 )llli'\S/,,;' v i AtsuG.W"
sigllilica que A es el conjunto formado por los nmeros 1, 3, 5, 7 Y 9; y - - - - --
B
_- - &rPILl..IH .. :'N
(x : x es un nmero primo, x < 15)
signitica que B es el conjunto cle los nmeros primos menores que 15 .
)(.. e ) p iJ /\-0 "J 'ltJr..I;
A menos que se es tablezca otra cosa, todos los conjuntos en una investigaclOn se suponen sub-
conjuntos de un conjunto lijo llamado conjunto universal denotado (en este captulo) por U. Tambin
usamos el smbolo lO para indicar el conjunto vaco o 1/1110, esto es, el conjunto que no contiene ele-
mentos; este conjunto se considera como un subconjunto de cual4uier otro conjunto. As para cual-
qlller cOlljunto A, tenemos lOcAeU.
Ejemplo 1. 1: Los conjuntos ,. y B anteri ores pueden ta mhi n escribirse como
A = {x: x es un nmero impar, x < lO} Y B = {2, 3, 5, 7, 11, 13}
que <) E A pc::ro ') fl R. Y 1I E B pero 11 fl A. mientras que J E A Y 3 E B. Y 6 fl A Y 6 fl B.
2
TEORIA DE CONJUNTOS [CAP 1
Ejemplo 1.2: Usamos los smbolos es peciales siguientes:
N = conjunto de los enteros positivos: l. 2. J.
Z = conjunto de los enteros: . -- 2, --- 1, 0, 1, 2,
R = conjunto eJe los nmeros reales.
As tenemos N e Z e R.
Ejemplo 1.3: Los ;nrerl'alOI sobre la lnea rcal, definidos a continu acin , aparecen muy frecuentemente en matem-
ticas. Aqu a y h son nmeros rcales con a < b.
Int ervalo abierto de a a b (a, b)
=
{x : a < x < b}
Intervalll cerrado de a a h [a, b] {x : a x b}
Int erva lo ahierto-cerrado de a a b (a, b] {x : a < x b}
Intervalo cerrado-abierto de a a h [a, b) {x : a x < b}
Los int ervalos ahierto- ce rrado 'f cerrado- abierto son tambin llamados interva los sem;-ah;('({os.
Ejemplo 1.4: En estudios de poblacin. el C0njunto universal est formado por todas las personas del mundo.
Ejemplo J 5: Sea e = {x . x ' = 4. x es im par}. Entonces e = 0. () sea que e es el conjunto vaco.
Apliquemos el siguiente teorema:
Teorema 1.1: Sean A. B Y e unos conjuntos. Adems: (i) A e A; (ii) SI A e By'; e A entonces
A = B, Y (iii) si A e B y B e e entonces A e e
Hacemos nrasis en que A e B no excluye la posibilidad de A = B. Sin embargo, si A e B pero
A =/: B, entonces decimos que A es un subconj/lnto propio de B. (Algunos autores usan el smbolo
para un subconjunto y e solamente para un subconjunto propio.)
OPERACIONES CON CONJUNTOS
Sean A Y B conjuntos arbitrarios. La rellnln de A y B expresada por A U B, es el conjunto de
elementos que pertenecen a A o a B:
AuB (x : x E A o x E B}
Aqu "o" se usa en el sentido de y/o.
La interseccin de A y B. expresada por A n B. es el conjunto de elementos que pertenecen A y B:
AnB {x:xEA y x E B}
Si A n B= 0, esto es, si A y B no tienen elementos en comn, entonces se dice que A y B son dis-
yuntos.
La diferencia de A y B o el cOlllplemento relalivo de B con respecto a A. expresada por A'\. B.
es el conjunto de elementos que pertenecen a A pero no a B:
(x: x E A, x tl B}
Obsrvese que A '" B Y B son disyuntos. esto es, (A "'-.B) n B = 0.
El complemento absoluto o, simplemente, complemento de A. expresado por A
C
es el conjunto
de elementos que no pertenecen a A:
Ac {x:xEU,xtlA}
O sea que A
C
es la diferencia entre el conjunto universal U y el conjunto A.
I
\
\
,
CAP. 11 TEORIA DE CONJUNTOS
3
Ejemplo 1.6: Los diagramas siguientes, llamados diagramas de Venn, ilustran las operaciones anteriores. Aqu los
conjuntos estn representados por simples superficies planas y U, el conjunto universal, por la su-
perficie total del rectngulo.
A U B sombreado A n B sombreado
A "- B sombreado Ae sombreado
Ejemplo 1.7: Sean A= {I, 2,3, 4} Y 8= {3, 4, S, 6) donde U= {I, 2, 3, }. Entonces
A U B {l, 2, 3, 4, 5, 6} A n B = {3, 4}
A"-B {1,2} Ac = {5,6,7, ... }
Los conjuntos de las operaciones anteriores satisfacen las diferentes leyes o identidades que se
relacionan en la tabla inferior (tabla 1). Para el efecto, establecemos el:
Teorema 1.2: Conjuntos que satisfacen las leyes de la tabla l.
LEYES DEL ALGE13RA DE CONJUNTOS
Leyes de idempotencia
la. AuA
-
A lb. AnA
-
A - -
Leyes asociati,'as
2a. (AUB) U C
-
A U (BuC) 2b. (AnB)nC
-
A n (BnC) - -
Leyes conmutati,as
3a. AuB
-
BuA 3b. AnB
-
BnA
-
-
Leyes distributitas
4a. A U (BnC)
-
(A U B) n (A U C) 4b. A n (BuC)
-
(A nB) U (A nC) - -
Leyes de identidad
5a. Au0
-
A 5b. AnV
-
A - -
6a. AuV
-
V 6b. An0
-
0
-
-
Leyes de complemento
7a. A uAe
=
V 7b.
A n Ae
= 0
Sa.
(Ae)e
=
A Sb. Ve = 0,
0
e
= V
Leyes de De Morgan
9a. (A uB)e
-
Ae n Be 9b.
(A nB)c
-
Ac uBe
- -
Tabla I
4
TEORIA DE CONJUNTOS ICA P I
Cada una de las leyes anteriores provIenen de una ley lgica anloga. Por ejemr1o,
A n B = {x: x E A y x E B} {x: x E B y x E A} BnA
Aprovechamos aqu el hecho de que la proposicin compuesta "p y q", escrito p /\ q. es lgicamente
equivalente a la proposicin compuesta "q y p", esto es, q /\ p.
La relacin entre contenencia o conjunto contenido en otro y las anteriores operaciones con con-
juntos lleva al:
Teorema 1.3: Cada una de las condiciones siguientes es equivalente a A C B:
(i) AnB A (iii) BecAc (v) BuAc U
(ii) A U B B (iv) A n Be =
CONJUNTOS FINITOS Y CONTABLES
Los conjuntos pueden ser finitos o in(lnitos . Un conjunto es finito si est vaco o si consta exacta-
mente de n elementos en donde 11 es un entero positivo; de otra manera es infinito.
Ejemplo 1.8: Sea M el conjunto de los das de la semana; eslo es.
M = {lunes, martes, mircoles. jueves. viernes. sbad o. domingo}
Entonces M es finito.
Ejemplo 1.9: Sea P= {x: ,\ es un ro de la Tierra}. Aunque puede ser difcil contar el nlmerO de ros de la Tierra.
P es un conjunto finito.
Ejemplo 1.10: Sea Y el conjunto de los enteros pares (positivos). esto cs. Y = { 2, 4. 6. } Entonces)' es un con -
junto infinito.
Ejemplo 1.11: Sea I el intervalo unidad de los ' nmeros reales . esto es J {x' O x "" I} [nlonccs I es un n)Jl-
junto infinito.
Un conjunto es contable si es finito o si sus elementos pueden ser ordenados en forma de sucesin.
en cuyo caso se dice que es contablemente infinito; de lo contrario el conjunto es no contable. El con-
junto del ejemplo 1.10 es contablemente infinito, mientras se puede comprobar que el conjunto del
ejemplo 1.11 es no contable.
CONJUNTO PRODUCTO
Sean A Y B dos conjuntos. El conjunto producto de A y B, expresado por A X H. est formado
por todas las parejas ordenadas (a, b) donde a E A Y b E B:
AxB {(a, b): a E A, b E B}
El producto de un conjunto por s mismo, A X A, se denota por A 2.
Ejemplo 1. 12: El lector est familiarizado con el plano cartesiano R / = R X R indicado ahajo.
Aqu cada punto P representa una pareja ordenada (a, b) de nmeros reale,. y viceversa
2
b P
O
-3 -2 -1 2
a
3
-1
-2
Ejemplo ).13: Sean A = I 1.2. J I Y B= la. b 1. Entonces
A X B = {(l, a), (1, b), (2, a), (2, b), (3, a), (3, b)}
I
l'
I
I
r
\
\
i
\
\
CAP. lJ TEOR!A DE CONJUNTOS
s
El concepto de
El conjunto producto de los
producto se extiende a un nmero finito de
A J, A 2, . ,A m, escrito A J X A 2 X
! a
rn
) donde al E A para cada i.
en ferma naturaL
, . X Am es el conjunto de
todas las m-uplas ordenadas (o 1, a2,
DE CONJUNTOS
Con frecuencia los elementos de un conjunto son a su ~ z conjuntos. Por ejemplo, en un conjunto
de lneas cada lnea es un conjunto de puntos. Para aclarar estos casos, se acostumbra usar para dicho
lo la palabra clase o familia. Las palabras y subfamlia tienen significados
a subconjunto.
Ejemplo 1.14: Los miembros de la clase {I 2, 3
1
, 121, I S, 61} son los conjuntos 12, 31, 2! Y : 5,61.
Ejemplo 1.15: Considrese un conjunto A. El conjunto pOlellcia de A. por "P (.4). la clase de todos los
subconjuntos de A. En si A = la. b. e entonces
"P(A) :::: {A, {a, b}, {a, e}, {b, e}, {b}, {e}, 0}
En general, si A es finito y tiene n elementos, entonces "P(A) tendr 2
n
elementos.
Una particin de un conjunto X es una subdivisin de X entre subconjuntos no vacos que son dis-
yuntos y cuya reunin es X, o sea la de subconjuntos no vacos de X tales que cada a X
oece a un nico subconjunto. Los subconjuntos de una particin son llamados clulas.
Ejemplo 1.16: Considrense las siguientes clases de subconjuntos de X= 11,2, ,8,91;
(i) 3,5}, 6}. {4, 8, 9} 1
(ii) [{1,3, {2, 4, 6, 8}, {5,7,
OH) [{l, 3, {2, 4, 6,
9} 1
(i) no es una particin de X puesto que 7 E X pero 7 no pGrtenece a ninguna clula. Adems,
(ii) no es una particin de X puesto 5 E X Y 5 pertenece a ambas i 1,3,51 y 7,91. Por otra
parte, (il) es una particin de X puesto que cada demento de X pertenece a una clula exactamente,
Cuando hablamos de clases de conjuntos con I A, . i E JI o simplemente A 1, !lea-
mos que un conjunto Al, asignado a cada elemento E/. El conjunto 1 se denomina conjunto de
ndices y se dice que los conjuntos Al tienen por ndice l. Cuando el conjunto de ndices es el conjunto
N de los enteros positivos, la con ndices {Al, A z, ... } se sucesin de Por
la de conjuntos de los Al denotados por 1 Al simplemente UIA!), se entiende el con-
junto de elementos que pertenecen por lo menos a uno de los Al; Y por la interseccin de los Al, denotada
por nlEI A. n. A.), se entiende el conjunto de elementos que a cada Al.
Tambin escribimos
y
para la reunin e interseccin, respectivamente, de una sucesin de conjuntos.
Definicin: Una clase no vaca cA de subconjuntos de U se denomina un (a-lgebra) de con-
si:
(i) el de algn conjunto de cA a cA; Y
(ii) la reunin de un nmero finito (contable) de conjuntos de cA pertenece a cA; esto es,
si cA es cerrada para complementos y reuniones finitas (contables).
Es sencillo mostrar (problema I que un (a-lgebra) de contiene U Y y es
tambin cerrada para intersecciones finitas (contables).
6
TEORIA DE CONJUNTOS [CAP I
Problemas resueltos
CONJUNTOS, ELEM SUBCON.JUNTOS
1.1. A x: 3x 61. A
A es eL conjunto que contiene a 2 como nico elemento, esto es, A 1 21. El nmero 2 pertenece A, no es igual a
A, Existe una diferencia bsica entre un elemento p y el de un solo elemento I fJ L
1.2. Cules de los conjuntos: r, s, ti, I 1, s, r 1, ! s, r, ti, r 1, r, s I son iguales'?
Son todos iguales, El orden de los elementos cambia conjunto,
1.3. Determine si los conjuntos dados son vacos:
X x: x 2 9, 2x = 41, (ii) Y x : x x 1, (ii) Z [x: x + 8
(i) No hay ningn nmero que
X 0,
am bas x' = 9 Y 2x = 4. por
81,
X es vndo. o sea.
Interpretemos el signo" "como "es idntico con" y as Y es tambin vaco, En efecto, algunos textos definen
el conjunto vaco como sigue: 0 : x x}.
(iii) El nmero cero satisface x + 8 8; o sea que Z = 1 O L En consecuencia, Z no es el conjunto vaco pUCSIO que
contiene al elemento 0, Esto cs, Z
lA. Pruebe que A 1 2,3,4.5 i no es un de B : x es par L
Basta mostrar que por lo menos un elemento de A no pertenece n n, Pues bien 3 E A y. como B es el conjunlO dc
los nmeros pares, 3 f/; B: entonces A no es subconjunto de B,
1.5. Sean vid 1, W = I e, d I,.Y la, b, e l. Y la, b I y Z la, b, d l. Determinar Si las
proposiciones son verdaderas o falsas:
(i) Yc (ii) =r Z, (iii) Z (iv) Ve (v) W, (vi)WC
(i) Puesto que cada elemento de Yes elemento de X, Y e X '/crdadcra,
a E Z pero a f/; W: entonces W# Z es verdadera.
(iii) d es el nico elemento de V y tambin d pertenece a Z: entonces Z ::J V es verd3dera.
(iv) V no es subconjunto de X puesto que d E V pero d f/; X; entonces ve X es falsa.
(v) Ahora a E X pero a f/; W: entonces.\' = IV falsa.
(vi) W no es subconjunto de }' puesto que e E W pero e El. 1'; entonces W e y falsa,
1.6. Probar: Si A es un del nto entonces A =
El conjunto vaco es subconjunto dc todo conjunto; cn particular, ll e ,.1, Pero por A e 0; enlonces
A = 0.
1.7. Probar el teorema 1.1 (iii): Si A e B y Be C. entonces A e C.
Tenemos que demostrar que cada elemento de A pertenece tambin iI e Sea x E A Como A e B imp)ca que
x E B, pero Be C: entonces x E C. Hemos demostrado que x E A x E C, o sea, qu.c A e C.
1.8. Cules los conjuntos
(i) Los meses del ao,
(ii) 1,2.3 . , .,99,1001,
son finitos'?
(iii) El nmero de personas que viven en la Tierra.
(iv) El
(v) El
nto Q de los nmeros racionales.
nto R de los nmeros reales.
Los tres prrncros conjuntos son finitos: los dos ltimos son infinitos. (Puede demostrarse que Q es numerable o
contable pero R es no contable,)
CAP. 1] TEORIA DE CONJUNTOS
7
1.9. Considerar los siguientes conjuntos de figuras en el plano Euclidiano:
A = Ix: x es un cuadriltero I e = Ix: x es un rombo I
B = Ix: x es un rectngulo I D = Ix: x es un cuadrado I
Determinar cules conjuntos son subconjuntos propios de cualquiera de los otros.
Un cuadrado es un rectngulo por tener sus ngulos rectos y es un rombo por tener sus 4 lados iguales, y adems
por tener 4 lados es un cuadriltero. Entonces
D e A, De B y DeC
por consiguiente, D es un subconjunto de los otros tn:s . As mismo, puesto que hay ejemplos de rectngulos, rombos y
cuadrilteros que no son cuadrados, D es un subconjunto propio de los otros tres.
En forma similar vemos que tanto B como e son subconjuntos propios de A. No hay ninguna otra relacin entre
los conjuntos dados.
1.10. Determinar cules de los conjuntos siguientes son iguales: {O},
Cada uno es diferente del otro. El conjunto 101 contiene un elemento, el nmero cero. El conjunto 0 no contiene
elementos; es el conjunto vaco. El conjunto {0} tambin tiene un elemento, el conjunto nulo.
1.11. Sean U = I 1, 2, ... , 8, 9 1, A = I 1, 2, 3,41, B = I 2, 4, 6, 8 I y e
(i) A e, (ii) A n e, (iii) (A n C)e, (iv) A U B, (v) B ""- e,
(i) Ae consta de los elementos de U que no estn en A: o sea AC = I 5,6,7,8,91.
(ii) A n e consta de los elementos comunes a A y C: o sea A n e = 1 3,4 1.
I 3,4, 5,6 l. Hallar:
(iii) (A n e)e consta de los elementos de U que no estn en A n C. Ahora por (ii), A n e = I 3,41 Y del mismo mo-
do (A n C)C = I 1, 2, 5, 6, 7, 8,91.
(iv) A U B consta de los elementos de A o de B (o de ambos) : o sea A U B = I 1,2,3,4,6,8 l.
(v) B "" e consta de los elementos de B que no estn en C: o sea B "" e = 1 2,8 l.
1.12. Sea U = I {l, b, e, d, e 1, A = la, b, el 1 y B = lb, d, e l. Hallar:
(i) A uB
(ii) BnA
(iii) Be
(iv) B""-A
(v) AcnB
(vi) A U Be
(vii) AcnBc
(viii) Bc""-Ae
(ix) (A nB)e
(x) (A U B)e
(i) La reunin de A y B consta de los dementos de A y B (o de ambos); o sea A U B = la. b. d, e 1.
(ii) La interseccin de A y B consta de aquellos elementos que pertenecen a ambos A y B: o sea A n B = lb. d i.
(iii) El complemento de B consta de las letras de U pero no de B: as que 8
e
= I a. e 1.
(iv) La diferencia B "" A consta de los elementos de B que no pertenecen a A: o sea B"" A = I el.
(v) Ae =Ic,el y 8=l.b,d,el; luego Aen B=lel.
(vi) A = 1 (l. b. d 1 y Be = I a, e 1; entonces A U Be = la, b, c. d l.
(vii) y (viii) . Ae = 1 e, e 1 y Be = I a, e 1; entonces
AcnBc = {e} y
(ix) De (ii), A n B = lb. d 1; o sea (A n B)e = I {l. e, e l.
(x) De (i) , A U 8 = la, b. d. e 1; o sea (A U B)e = 1 e l.
Be", Ae
{a}
B- A:/ e ) Ij

1>, 7'
1\
8
TEORIA DE CONJUNTOS [CAP. I
I.JJ. En el diagrama de Venn dibujado, sombree: (i) Be, (ii) (AuB)<, (iii) (B"'-.A)e, (iv) AenBe.
(i) BC consta de los elementos que no pertenecen a B: o sea que se sombrea el <rea exterior a B corno sigile:
B
(ii) Primero se sombrea A U 8: luego el rea exterior o sea (A U 8)
AuB (A U B)e
(iii) Primero se sombrea B "-A. el rea de 8 que no pertenece a A , luego (B "-A)c. o sea el rea exterior a B"- / I
A B
(iv) Primero se sombrea Ae, o sea el rea exterior a A, con trazos oblicuos inclinados a derecha (////), y luego se som-
brea Be con trazos oblicuos inclinados a izquierda (\\\\); entonces o4
e
n Be es el rea rayada dohlemente:
AcnBC
Observe que (A n B)C = /lc n 8
e
, como se esperaba por la ley de De Margan.
CAP. IJ TEORIA DE CONJUNTOS
9
1.14. Probar: B"'A = B n A
C
O sea, que el conjunto de la operacin direrencia puede ser escrito en
trminos de operaciones de interseccin y complemento.
{x: x E B, x e A} {x: x E B, x E AC} B n Ac
1.15. Probar: Para dos conjuntos cualesquiera A y B, A n B e A e A u B.
Sea xEA nB; por consiguiente xEA y xEB. En particular , xEA. Entonces xEA nB implica que xEA.
AnBcA. Adems si xEA. entonces xEA o xEB, o sea, xEA uB. Puesto que ACA uB. En otras pa-
labras, A n 8 C A C A U B.
1.16. Probar el teorema 1.3 (i): A e B si y slo si A n B = A.
Su pongamos A C S. Sea x E A; entonces por x E S. O sea que E A Y x E S, luego x E A U S.
En consecuencia, A CAn B. Por otra parte, siempre se cumple que A n S C A (problema 1.15). Luego A n S = A.
Ahora supongamos que A n S = A. Entonces en particular, A CAn S. Como siempre se cumple que
A n S cS. Entonces A CAn B C S y as, por el teorema 1. 1, A C S.
CONJUNTOS PRODUCTO
1.17. Sean M = ! Toms, Marcos, Enrique 1 y w = I Andrs, Beatriz l. Hallar M X w.
,\4 X W consta de todas la s parejas ordenadas (a. b) donde a E M Y bE W Por tanto
,\1 X W = I (Toms , Andrs), (Toms, Beatriz), (Marcos, Andrs),
(Marcos, Beatriz), (Enrique, Andrs), (Enrique, Beatriz) I
1.18. Sean A = I 1, 2, 3 1, B = l 2,4 1 y e = ! 3,4,5 l. Hallar A X B X C.
Un mtodo conveni ente para hallar el producto A X S X e es por medio del denominado "diagrama de rbol"
que se muestra a continuacin:
3 (1, 2, 3)

(1, 2, 4)
(1, 2, 5)
1

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

(2, 2, 4)
(2, 2, 5)
2

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

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

(3, 4, 3)
(3, 4, 4)
(3, 4, 6)
El "rbol" se construye de izquierda a derecha. A X B X e consta de todas las ternas ordenadas, listadas a la derecha
del "rbol".
1.19. Sean A = la, b 1, B = ! 2, 3 1 y e = 13,4 l. Hallar:
(i) A X (BUe), (ii) (A X B) U (A X e), (iii) A X (Bne), (iv) (A X B) n (A X e).
(i) Primero hallamos B U e = [ 2, 3,41. Luego
A X (BuC) = {(a,2), (a,3), (a, 4), (b,2), (b,3), (b,4)}
10
(ji)
TEORIA DE CONJUNTOS
Primero hallamos A X B Y A X C:
AxB
A X e ==
Luego 'calculamos la reunin de los dos conjuntos:
{(a, 2), (a, 3), 2), (b, 3)}
{(a,3), (a., 4), (b, 3), (b,4)}
(A X B) U (A X e) =: {(a, 2), (a,3), (b, 2), (b, 3), (a,4), (b,4)}
Observamos de (i) y (ii) que
A X (B U e) =: (A X B) U (A X e)
(iii) Primero calculamos 8 n e = I 31. Luego
A X (Bne) {(a, 3), (b, aH
[CAP. 1
(iv) NlOra A X 8 Y A X e ya fueron calculados. La interseccin de A X B Y A X C consta de aquellas
ordenadas que pertenecen a ambos conjuntos:
(A X B) n (A X C) {(a, 3), (h, 3)}
Observamos de (iii) y (iv) que
A X (B n el = (A X B) n (A X e)
1.20. Probar: A X (B n C) (A X B) n xC).
AX(Bne) y); xEA, yEBne}
== {(x,y): xEA,yE yEe}
{(x,y): y) E A X B, (x,y) E A. X e}
(A X B) n (A X e)
1.21. Sean S la,bl, W 11,2,3,4,5,61 y V (3,5,7,91. Hallar X W) n (S X V).
El conjunto producto (S X W) n (S V) se halla primero calculando S X W y 5' X V. y luego calculando la
interseccin de estos conjuntos. Por otra parte, segn el problema anterior, (S X W) n (S X V) = S X (W n V). Ahora
W n V = I J, 5 1, y as,
(S X W) n (S X V) == S X (W n V) {(a,3), (a, 6), (b, 3), (b, 5)}
1.22. Probar: S se tiene A e B y e e D; entonces (A X e (B X D),
Sea (x, y) un elemento cualquiera de A X C; entonces x E A Y Y E C. Por hiptesis, A e 8 e e D;
luego x E B Y Y E D. Por consiguiente (x. y) pertenece a B X D, Hemos demostrado que (x, y) E A X C ilIlplica
que (x, y) E B X D; o sea (A X C) e (8 D),
CLASES DE CONJUNTOS
1.23. Consideremos la clase A {! 2, 31, : 4, 5 :, : 61}. Cules propOSICIOnes son incorrectas y
por qu? (i) I 4, 5 I e A, (i) I 4, 5 I E A, (i) { I 4, 5 I} e A.
Los miembros de A son los conjuntos I 2, 31, I 4, 5 I y I 6 L Por tanto, (ii) es correcta pero (1) es una
incorrecta. Por otra parte, (iii) es tambin una proposicin correcta puesto que el conjunto que consta del simple elemen-
to 14. 51 es una subclase de A.
1.24. Hallar el conjunto potencia del conjunto S i 1, 2, 3 1.
El conjunto potencia PeS) del conjunto S es la clase de lodos los subconjuntos de S; stos son: I 1, 2, 31, I 1, 21,
11.31,12, 31.ll:, 12 :,131 y el conjunto vaco 0, Por tanto
P(S) :::: {S, {l, {2.3}, {l, {l}, {2}, {3}, 0}
Ntese que hay 2) = 8 subconjulltos de S,
CAP. 11 TEORJA DE CONJUNTOS
1.25. Sea X = a, b, e, d, e, f, g 1, Y sea:
(i) A
1
={a,c,e},A2 ={b},
(ii) Bl = {a,e,g},
(iii) CI = {a, b, e, g}, C2
(iv) DI = {a,b,c,d,e,f,g}.
Cures de ."11, A2, A JI, I B 1,
g};
{b,e,f};
{d,!};
B l 1, I e 1, el, el 1, ID I son particiones de X?
II
(i) I A " Al, A 1 I no es una de X puesto que I E X pero f no pertenece a ninguno de los Al, AloA J.
(ji) ! B " 81, 8) I tampoco es particin de X puesto que e E X pertenece a ambos B 1 Y B J.
(Ii) I e" e" e J es una particin de X puesto que cada UIlO de los elementos de X pertenece a una clula exactamente,
o sea, X e 1 u e, u e ) y los son parles discretas disyuntas.
(iv) D, es una particin de X.
1.26. Hallar todas las de X la, b, e, di.
Notamos primero que cada particin de X contiene, 1, 2, 3, 4 conjuntos diferentes. Las so[J las
siguientes:
b, e,
[{b}, {a, e, [{e}, b, b,
b}, [{a,e}, {b,d}], [{a,d}, {b,
[{a}, {b}, {e, [{a}, {e}, {b, d}], [{a}, {d}, {b, e}],
[{b}, {a, d}], [{b}, {a}, {a, e}], [{e}. {a, b}]
(4) [{a}, {b}, {d}]
Hay quince diferentes de X.
1.27. Sea N el conjunto de los enteros y, para cada n E N, sea
! x: xes un mltiplo den 1= n, 2n, 3n, ...
Hallar: (i) A3 nAs, (ii) A4 n A
6
, (iii) UEP A, donde P es el conjunto de los nmeros
primos 2, 3, 5, 7, ll,
(i) Aquellos nmeros que son conjuntamente de 3 X 5 o sea mltiplos de 15; por tanlo Aa n As = A15'
(i) Los mltiplos de 12 y ningn OlfO nmero pertenece a ambos A4 y As; portanto A. n A 6 AIZ'
(lii) Todo entero positivo excepto 1 es un mltiplo de por lo menos un nmero primo; entonces,
UEP = {2. 3, 4, ... } = N"- {l}
1.28. Probar: Sea 1 A l I una clase con ndices de conjuntos y sea jo E l.
El e Ao e UIEI Al
Sea x E nEI A. entonces x E Al para cada EJ. En x E Por tanto nlEI Al cAlo'
Ahora sea y E Puesto que io E l. Y E UjEI Al Entonces A 'o e UjE1A.
1.29. Probu (la ley de De Para una clase con ndices
{x : x (/; Al para todo i} = :a:E para todo i} = n I ~
1.30. Sea cA un
y (i) cA es
(cr de conjuntos de U. Demostrar que: (i) U Y ~
para intersecciones finitas (contables).
Recordemos que cA es cerrada para.compkmenlos y reuniones finitas (contables).
acA;
(i) Puesto que cA no es vaca, hay un conjunto A E cA. Entonces el complemento AC E cA. y la reunin U =
A uAc E cA. Tambin el complemento 0 = Ue E cA.
(ii) Sea I A I una clase tinita (contable) de conjuntos que pertenecen a cA. Por la ley de De Morgan (problema 1.29),
(u n
j
njA,. Por consiguiente nAperteneceacA,comose demostrar.
12
TEORIA DE CONJUNTOS
Problemas propuestos
CONJUNTOS. ELEMENTOS, SUBCONJUNTOS
1.31. Escribir en nutacin de conjuntos:
(a) R es un subconjunto de T.
(b) x es un miembro de Y.
(e) El conjunto vaco.
(d) M no es subconjunto de S.
( e) z no pertenece J. A.
(f) R pertenece a cA.
1.32. Repeti r escribi endo explcitamente los elementos de cada conjunto:
(i) A = Ix: x' - x - 2 = 01
(ii) B = I x x es una letra de la pal abra " fallar" 1
(iii) e = Ix. x ' = 9. x - 3 = 5 1
(iv) D = Ix x es una vocal 1
(v) E = Ix' x es un dgito del nmero 2324 1
1.J3. Sean A = I 1, 2, ,8,91, [) = 12,4,6,81, e = I 1. J, 5, 7, 91, D = 13,4,51 Y E = 13,5 l.
Cuides conjuntos son iguales a X si se da la siguiente informacin'}
[CAP I
/
(i) X Y [) son disyuntos. (ii) X e D pero X ct B. (iii) X e A pero X q: C. (iv) X e e pero X ct: A.
1.34. Indicar si cada proposicin es verdadera o falsa:
(i) {l,4,3} = {3,4,1}
(ii) {3,1,2}C{l,2,3}
(iii) 1 <t {l, 2}
(iv) {4} E {{4}}
1_,5. Sea A = 1 1, O l. Indi car si las proposiciones son correctas o no:
(i) {O} E A, (ii) 0 E A, (iii) {O} e A, (iv) O E A, (v) O e A.
1.36. Establezca si cada conjunto es finito o infinito:
(i) El conjunto de lneas paralelas al eje x .
(ii) El conjunto de letras del alfabeto ingls.
(iii) El conjunto de nmeros mltiplos de 5.
(iv) El conjunto de animales que viven en la Tierra .
(v) {4} e {{4}}
(vi) 0 e {{4}}
(v) El conjunto de nmeros que son solucin de la ecuacin x
27
+ 2Gx
18
- l7x
ll
+ 7x3 - 10 == O.
(vi) [1 conjunto de crculos alrededor del origen (O, O) .
1.37. Sea n U = {a, b, e, d, e, 1, g}, A = {a, b, c, d, e}, B == {a, c, e, g} y C = {b, eJ, g}. Hallar
(i) A U C (iii) C" B (v) Ce n A (vii) (A" Be)e
(ii) BnA (iv) Be U C (vi) (A" C)e
U8. En los diagramas de Venn inferiores, sombree: (i) W" V, (ii) Ve U W, (iii) V n We, (iv) Ve" We.
(a) (b)
1.39. Probar: (a) A U B = (Ae n Be)e; (b) A" B = A n Be. (As las operaciones de reunin y diferencia pueden
definirse en trminos de operaciones de interseccin y comp/c:mento.)
1.40.
1.41.
1.42.
Probar el teorema 1.3 (ii): A e B si y slo si A U [J = B.
Probar : Si A n [J = 0 , entonces A e [Jc \
Probar: A e" Be = B" A.
CAP. 1] TEORIA DE CONJUNTOS
1.43. Probar: A 8 implica A U (8" A) B.
1.44. (i) Probar A n "e) (A n B) '" n C}.
tii) Dar lln para mostrar que A U (B C) (A U B) '" U C}.
CONJVNTOS PRODUCro
1.45. Sea W I Marcos, Pablo 1 y sea V I Enrique, David 1. Hallar:
(i) Wx V, (ii) Vx W, (ii) V, Vx v.
1.46. Sea A = : 2, 31, 8
A B X C. (Ver
11.3,51 V C
1.18.)
41. Construir el "diagrama de rbol" de A X B X e y
13
hallar
1.47. Sea S 1 a, b, e T 1 b, c. di Y w = la, di. Construir el "diagrama de rbol" de S >, T X W y luego hallar
SxTXIV.
lA8. Suponer que los conjuntos W y Z tienen 3, 4 Y 5 elementos respectivamente. Determinar el nmao ele elementos
de (i) V X W X Z, (ii) Z X V X W, (Jii) W X Z X V.
1.49. Sea A 8 n e. Determinar si ambas nenn,,",,' son ciertas:
(i) A X A = (8 X B) n (e X e). (H) A X A X C) n (e X B).
1.50. Probar A (B U C) = (A X E) UtA X e).
CLASES DE CONJUNTOS
1.51. Sea An 1 x.
Az
nA
7;
donde s. f EN.
un mltiplo de ni = ! n. 211, 3n, 1, d,mde n E N,
As n (ii) Aa U (iv) Aa n A 12; (v)
(vii) Probar: Si J e N es infinito, entonces nEJ
entero5 positivos. Hallar'
U A
st
' donde 8, t E N;
(vi)
0.
1.52. Hallar el conjunto potencia 'P(A) de A = 1 1, 2, 3, 4 I 'j el conjunto de B {l, {2, 3l,
1.53. Sea IV = I 1, 2, 3, 4, 5,6 L Determinar si cada proposicin es una partIcin de W
(i) [{t,3,5},{2,4},{3,6}] (iii) {2},{4},{3,6}]
(ii) [{1.6}, {S,6}] (iv) [{l, 2,3,4,5,
1.54. Hallar todas las de Vii, 2, 31.
n
1.55. Sean [A 1, , A'nJ y B
2
, , Bn] de un conjunto X Demostrar que la coieccin de conjuntos
[Ain i=l, ... ,m,j=l, ... ,n]
tambin es una part;lcin (llamada la parlicilI Iras versal) de J:'.
1.56. Probar Para clase con ndices {Al: i E l}
(a) ni (b) B n (utA)
1.57. Probar (ley de De Margan): (ni
1.58. Demostrar qUe cada una de las siguientes es un lgebra de
(i) cA = {0" U}; (H) '13 = {0, Ac, U}; OH) 'P(u), el conjunto
de U:
de U.
1.59. Sean cA y '13 lgebras (a -lgebras) de subconjuntos de U. Probar que la interseccin cA n '13 tambin cs un
1lgebra) de subconjuntos de U.
14
TEORl\ DE CONJUNTOS [CAP, I
Respuestas a los problemas propuestos
1.31. (a) Re T, (b) x E Y, (e) (d) M S, (e) z !l A, (f) R E cA.
1.32. (i) A {-1,2}, (U) B {f,a,l,,}, OH) C= 0, (iv) D = {a,e,i,a,u}, (v) E {2,3,4}.
1.33. (i) e y E, (ii) D Y E, (iii) A, By D, (iv) no
1.34. Todas proposiciones son verdaderas excepto (v)
1.35. (i) incorrecta, (ii) incorrecta, (m) correcta, (iv) correcta, (v) incorrecta
1.36. () infinito. (i) finito, infinito, (iv), finito, (v) finito, (vi) infinito
1.37. A uC::::: U
BnA:::: e,e}
OH) C",,"B::::: {b,t}
EcuC::::: {b,d,e,f,g}
1.38. (a)
W",,"V
(b)
W",,"V
Obsrvcse que vcu W = U Y vn
(v) CenA:::: {a, e, Ce
(A C)c={b,e,f,g}
(A d,!,
(viii) (A nAe)e ::::: U
VcuW VnWc
'.

V
VcuW VnWc
ve
o cn el caso (h) donde ve W,
Ve",," Wc
1.45. (i) W X v I (Marcos, (Marcos, David), (Enrique, Enrique), (Enrique, David), (Pablo, Enrique), (Pablo,
D"J vid) I
1.46.
(ii) V W = I (Enrique, Marcos). (David, Marcos), (Enrique, Enrique), (David, (Enrique, Pablo), (David,
Pablo) I
(iii) V X V = I
(Enrique, David), (David. Enriquc),
1
3 (2, 1, 3)
4 1, 4)
,
3
8 (2, 3, 3)
4 (2, 3, 4)
2'1;::----
5
3 5,3)
"
(2,6,4)
1
3 1, 3)
"
(3, 1, 4)
8
3 (8, 3, 3)
"
(8, S, 4)
3 <E----
5
3 (3. 5, 3)
"
(3, 5, 4)
elementos de A X 8 e son las ternas ordenadas a la. derecha del diagrama de rbol anteri,0r.
CAP, 1] TEORIA DE CONJUNTOS
15
1.47.
b
"
(a, b, a)
d (a, b, d)
"
(a, e, a)
ti
d (a, e, d)
d
a. (a, d, a)
d (a, d, d)
b
"
(b, b, a)
d (b, b, d)
b
a (b, e, a)
el
d (b, e, el)
d
a (h, d, a)
d (b, d, d)
b
a (e, b, a)
d (e, b, d)
a (e, e, al
el
d (e, e, d)
d
a (e, d, a)
d (o, d, d)
Los elementos de S X T X W son las ternas ordenadas a la derecha del diagrama de rbol.
1.48. Cada uno tiene 60 elementos
1.49. Ambas son verdaderas: A X A (B X B) n (C X C) (8 X C) n (C X B)
(iv) A
12
, (v) A" (vi) Aa!
1.52. 'P(B) {B, {I, {2,3}}, {I, {{2, 3}, 4}, {l}, {{2, 3}}, {4}, 0}
1.53. (i) no, (ji) no, (ii) s, (iv) s
1.54. [{I , 2, a}], [{l}, {2, a}], [{2}, {l, a}], [{3}, {l, 2}] Y I{l}, {2}, {3}]
Captulo 2
Tcnicas de contar
INTROOUCCION
Fn esll: c tp tulo desarrollarl:n1os algunos mtodos para determinar sin enumeracin directa el
nml:ro de resultados posibles de un experimento particular o el nmero de element os de un conjunto
particular. Ta k s tcni cas son conocidas algunas veces con el nombre de anlisis combinatorio .
. PIUNCIPIO FUNDAMENTAL DEL CONTEO
[J1l peza mos con el sigu ien te principio bsico:
Principio fundamental del conteo: Si un evento puede reali zar se de ni maneras diferentes. y si,
con tinu ando el procedimiento, un segundo evento puede rea lizarse de n2 maner as
diferentes, y si , des pus .de efectuados, un tercer evento puede realizarse de n3 ma-
nl;:ras diferentes, y as sucesivamente, entonces el nmero de maneras en que los even-
tos pueden realizarse en el orden indicado es el producto ni' nz' n3 ....
Ejemplo 2.1: Supongamos que una pl aca de automvil consta de dos letras di st intas seguidas de tr es dgit os de los
cuales el primero no es cero. Cuntas placas diferentes pueden graba rse
1
La primera letra ruede colocarse de 26 maneras diferentes (s upues to el a lfabet o ele 26 la
'cgunda let ra de 25 manfras (puest o que la letra grabada de primera no puede escogerse como segunda
letr a). para el pnmer dgito ha y nueve nmo;ros o sea nueve man eras y para cada uno de los ot ros dos
digit os 10 ma ner as. Por lo tanto
26' 25 9 10 10 = 585.000
placas difer entes
NOTACION FACTORIA.L
El producto de los ent eros positivos desde I hasta n inclusive, se/emplea con mucha fr ecuencia
en matcmticas y aqu lo denotamos por el s mbolo especial n! (que se lee "1/ factoria!"):
n! = 123 '(n-2)(n-1)n
Conviene tambi n definir O! l.
Ejemplo 2.2:
Ej l' mplo 2.3:
8!
6!
2! = l' 2 = 2, 3! = l' 2 . 3 6,
5 = 5' 4! = 5 ' 24 = 120; 6!
4! = l' 2 3 4 = 24,
6' 5! = 6' 120 = 720
8'7'6! = 8'7 = 56
6!
12' 11 . 10 = 12' 11 10 9!
9!
12!
9 !
PERMUTACIONES
Una ordenacin de un conjunto de n objetos en un orden dado se llama una permutacin de los
a la vez) . Una ordenacin de un nmero r de dichos objetos, r n, en un
------orcn dado se ll ama r o una de los f/ objetos r a la vez.
Ej emplo 2.4: Cons ideremos el las letras In. b.
(i) bdea. deba y acdb de las 4 letras (tornadas todas a la vez) :
(ii) hado ndh. cbd y bca son permutaciones de las 4' letras tomadas 3 a la vez,
(iii) ad. ch. da y hd son permuta ciones de las 4 ' Ietras lornad<l s 2 a la vez.
16
CAP. 21 TECNICAS DE CONTAR
17
El nmero de de n objetos tomados r a la vez lo denotamos por
P(n, 'ro}
Antes de deducir la P(n, r) consideremos un caso especial:
Ejemplo 2,5: Hallar el nmero de permutaciones de 6 objetos, a saber, a, b, c, d, e,f, tomados tres a la vez. En otras
palabras, el nmero de "palabras de tres letras diferentes" que pueden formarse con las sd,
letras mencionadas.
Representemos las
Ahora la primera ktra escogerse de 6 formas diferentes; en seguidJ, la !etra puede
escoger de 5 formas diferentes; y despus de esto, la ltima letra se escoger de 4 formas diferentes.
Escribimos cauJ nmero en su correspondiente como
As por el principio fundamental del conteo hay 6' 5 4 l:;!O posibles palabras de lres letras ,in
repeticin, o hay 120 de 6 objetos tomados 3 al tiempo. Esto es,
P(6,3) = 120
La de la P(n, r) sigue el procedimiento ejem anterior. El pnmer
elemento de una permutacin r de n objetos puede escogerse de n diferentes maneras; a
el segundo elemento de la permutacin puede escogerse de n 1 maneras; y, sucesivamente el ter-
cer elemento puede escogerse de!l 2 maneras. tenernos que el r-simo
(ltimo) elemento de la permutacin r escogerse de ti ~ - (r - 1) n r I maneras. As,
Teorema 2.1: P(n, 't} -l)(n- " (n T
n!
La se basa en
n(n - l)(n - 2) .. (n r + 1)
n!
En el caso especial de r = n, tenemos
P(n,
Es el
~ 1 ) n - 2 ) .. 32'1 n!
Corolario 2.2: Las
u",',v,'"" de ti todos a la son n!
Ejemplo 2.6: permutaciones de 3 dementos se fllrman con objetos a, by C'I
Segn corolario anterior, hay 3! l' 2 3 = 6 permutaciones. Esta" ,on abe. acb, bac.
hea. cab, cba.
PERMUTACIONES CON REPETICIONES
Con se saber el nmero de permutaciones de objetos, de los cuales son
como se indica a continuacin. Usamos la frmula
Teorema 2.3: El nmero de permutaciones de n objetos de los cuales ni son
., nr son es
n!
18
TECNICAS DE CONTAR [CAP 2
Indicamos la comprobacin del teorema propuesto por medio del siguiente ejemplo particular.
Supngase que deseamos formar todas las posibles palabras de 5 letras usando las letras empleadas
en la palabra DADDY. Ahora se tienen 5! = 120 permutaciones de los objetos D"A,D
2
,D
3
, Y
donde las tres D estn marcadas. Observamos que las seis permutaciones siguientes
forman la misma palabra si se quitan los subndices. Las 6 resultan del hecho que hay 3! = 321 := 6
maneras difer"entes de colocar las tres D en los tres primeros lugares de la permutacin . Esto es cierto
para cada una de las otras posiciones posibles en donde las D aparezcan. Por consiguiente hay
~ - 120 _ 20
3! - 6 -
palabras diferentes de 5 letras, que pueden formarse tomando las letras de la palabra DADDY.
Ejemplo 2.7: Cuntas seales diferentes, cada una de 8 banderas colocadas en una lnea vertical, pueden formarse
con un conjunto de 4 banderas rojas sin marcar, 3 blancas sin marcar y un a azul? Tratamos de obtener'
el nmero de permutaciones de 8 objetos de los cuales 4 son iguales (las banderas rojas) y 3 tambin
(las banderas blancas). Segn el teorema anterior hay
seales diferentes.
PRUEBAS ORDENADAS
8!
4! 3!
87654321
4321321
280
Muchos problemas del anlisis combinatorio y, en particular, de probabilidad se relacionan
con la escogencia de una bola tomada de una !lrna que contiene" bolas (o una carta de una baraja,
o una persona de una poblacin) . Cuando escogernos una bola tras otra de un a urna, r veces, defj-
nimos esta escogencia como una prueba ordenada de tamao r. Se consideran dos casos:
(i) Pruebas con sustitucin. En este caso cada bola escogida se regresa a la urna antes de tomar la
siguiente. Ahora puesto que hay n maneras diferentes para escoger cada bola , segn el principio
fundamental del conteo hay
r veces
~
nnnn = n
T
pruebas ordenadas diferentes de tamao r con sustitucin.
(ii) Pruebas sin sustitucin. Aqu la bola no se devuelve a la urna antes de escoger la sigu iente. As
no hay repeticiones en la prueba ordenada. O sea que, Ulla prueba ordenada de tamao r SIO
sustitucin es simplemente una permutacin r de objetos de la urna . Por consiguiente hay
n!
P(n, r) = n(n - l)(n - 2) ... (n - r + 1) = (n _ r) !
pruebas ordenadas diferentes de tamao r sin sustitucin tomadas de un grupo de ti objetos.
Ejemplo 2.8: De cuntas maneras se pueden escoger tres cartas sucesivas de una baraja de 52 cartas, (i) con susti-
tucin, (ii) sin sustitucin? Si cada carta se regresa al naipe antes de e ~ c o g e r la siguiente, entonces cada
carta puede escogerse de 52 maneras diferentes . Entonces hay
525252 = 52
3
= 140.608
pruebas ordenadas diferentes de tamao 3 con sustitucin .
CAP 2] TECNICAS DE CONTAR
19
Por otra parte si no hay sustitucin, entonces la carta puede escogerse de 52 maneras
diferentes, la segunda carta de 51 maneras diferentes, y la tercera y ltima carta de 50 maneras diferentes,
Por Jo tanto hay
62' 51 50 132,600
pruebas ordenadas diferentes de tamano 3 sin sustitucin,
DEL BINOMIO Y TEOREMA
El smbolo (;) , lase "ner", donde r y 1'1 son enteros positivos con r n, se define como
(
n) n(n -r+l)
r 1-2-3 (r-l)r
Estos nmeros son llamados coeficientes del binomio en atencin teorema 2.5 expuesto ms'adelante.
Ejemplo 2.9: = 28 = 126 792
Ntese que (;) tiene exactamente r factores tanto en el numerador como en el denominador.
Tambin,
n!
r
Con esta frmula y teniendo en cuenta que 11 (1'1 r) = r, se obtiene la relacin lm-
Lema 2.4:

0, lo que es lo mismo, SI a b
ti entonces (:)

Ejemplo 2.10:
C7
0
)
10' 9 8' 7' 6' 5 4
::;:: 120
C;)

120
1
. . . . .
o
Obsrvese que el segundo mtodo economiza espacio y tiempo.
Nota: La frmula abreviada del
:.9 para y el hecho de que O!
1, nos llevan a definir:
= 1
y, en particular

O!
OJO!
1
El teorema del binomio, que se demuestra por induccin matemtica (problema 2.18), propor-
ciona la para el desarrollo de (a + b)n.
Teorema 2.5 (teorema del binomio):
+ ... + nab,-l + b
n
Ejemplo 2.11:
20
TECNICAS DE CONTAR
En el desarrollo de (a + h)" se deben observar las propiedades siguientes:
(i) Hay 1/ + I trminos.
(ii) La suma de [os exponentes de a y de b en cada trmino es 1/ .
[e A P 2
(iii) Los exponentes de a decrecen una unidad en cada trmino desde n hasta O: los exponentes de b
crecen similarmente de a Il.
(iv) El coeficiente de cualquier trmino es ~ ) donde k es el exponente de a o de b. (Esto proviene
del lema 2.4.)
(v) Los coeficientes de trminos equidistantes de los extremos son iguales.
Hacemos notar que los coelicientes de las potencias sucesivas de a + b pueden ser distribuidos
en una formacin triangular de nmeros, llamada tringulo de Pascal, como sigue:
(a+ b)O 1
(a + b)I
(a + b)2
(a + b)3
(a+ W
(a + b)5
(a+ b)6 =
a + b
a
2
+ 2ab + b
2
El tringulo de Pascal tiene las siguientes propiedades interesantes .
(a) El primero y ltimo nmeros de cada fila es l.
1
1
6
1
1 1
1 2 1
1 3 3
4 6 4 1
5 ~ 10
5 1
~ @ 15 6 1
(h) Cada uno de los otros nmeros de la formacin se obtienen sumando los dos hmeros que aparecen
directamente encima de l. Por ejemplo: 10 = 4 + 6, 15 = 5 + 10,20 = 10 + 10.
Se observa que la propiedad (b) anterior es equivalente al siguiente teorema sobre coefici entes del
binomio:
Teorema 2.6:
(
n +r 1)
Ahora sean nI, n2, ... , 1h enteros no negativos tales que nI + n2 + ... + n, n. Entonces
la expresin ( n n) se define corno sigue:
nI, n2, ... , ,
n!
Por ejemplo,
7!
210
8!
420
2!3!2! 4!2!2!0!
Estos nmeros son llamados coeficientes mu/tinomia/es en atencin al siguiente teorema que generaliz.a
el teorema del binomio.
Teorema 2.7: (al + az + .. . + a,)"
L
(
n ) ""2 n a la ... a r
12,
"1+"2++n,=" nl,nZ, ... ,n,
CAP 2] TECNICAS DE CONTAR
21
COMBINACIONES
que tenemos una coleccin de n objetos. Una combinacin de estos n objdOS lomados
r ala vez, O una combinacin r, es un subconjunto de r elementos. En otras una combinacin
r es una seleccin de r o de n objetos donde el orden no se tiene en cuenta
Ejemplo 2.12: Las combinaciones de las letras a, b. e, d tomadas 3 a la vez son
la. b, 1, 1 a, b, di, a. c. d 1, lb, c. dio simplemente abe, abd. aedo bcd
Obsrvese que las siguientes son iguales:
acb, cha
O sea, cada una representa el mismo conjunto la, b, e L
El nmero de combinaciones de n objetos tomados r a la vez lo por
C(n, r)
Antes de dar la frmula para C(n, r), un caso
Ejemplo 2.13: Determinemos el nmero de combinaciones de las cuatro letras a. b, e, d lomadas de tre" el! tres. Vemo,;
que cada combinacin que contenga tres letras produce 3! 6 as:
Combinaciones Permutaciones
abe abe, acb, bac bca, cab, cba
abd
acd
bcd
LUt:go el nmero de combinacones multiplicado por 3! equivale al nmero de permutaciones lotales.
3) 3! 3) o C(4,3)
Ahora P(4, 3) 4 3' 2 =: 24 Y 3! = 6; entonces C(4,3) 4 como se anot ante,
Puesto que cada combinacin de n objetos tomados r a la vez determina r! permutaciones de los
se deduce que
r) r! C(n, r)
As obtenemos:
Teorema 2.8; C(n, r)
nI
Recalcamos que el coeficiente del binomio (;) fue definido -r-,---,_n_! "--'--" de aqu
Usaremos e r) y (:) indistintamente.
22
TECN1CAS DE CONTAR [CAP. 2
2,14: comits de 3 se pueden formar con 8 personas? Cada comit es esencialmente una combina-
cin de las 8 personas tomadas 3 a la vez. Por tanto
C(8,3)
(
8) 8, 7' 6
11 = 1- 2' 3 = 66
comits diferentes pueden formarse.
PARTICIONES
Supongamos que una urna A contiene siete numeradas de I a 7, Calculemos el nmero de
maneras como sacar, primero 2 bolas de la urna, despus 3 bolas y finalmente 2. En otras
palabras, queremos calcular el nmero
(Al, A2,
del conjunto de 7 bolas en clulas Al con 2 bolas, con 3 y Aa con 2 bolas. Estas clulas las lla-
mamos desde que distingamos entre
cada una de las
esto es, para
guiente hay ~ )
la urna, o sea que
y
({6,7}, (3, 4, 5), {1,2}) ({l, 2}) {S, 4, 5}, {6,7})
produce la misma de A.
con 7 bolas en la urna, ~ ) maneras de sacar las 2 bolas,
la primera clula Al; quedan 5 bolas en la urna y por
maneras de sacar 3 bolas o sea para A
2
; finalmente, quedan 2 bolas en
(;) maneras de obtener la ltima clula Aa. Entonces hay
~ ) ~ ) ~ )
210
particiones ordenadas
con 2 bolas.
de A distribuidas en las A \ con 2 bolas, Al! con 3 y
Ahora Que
7! 6! 2! 7!
2!a!2!
puesto que r del primero se simpli con el segundo trmino del
del factor que le En forma similar se comprueba (ver problema 2.28) el
Teorema 2.9: A de n elementos y sean ni, n2, ... , nr enteros positivos con th + n2 +
, .. + n
r
n. Entonces existen
n!
diferentes de A de la (Al, A
2
, , Ay) consta
consta de n2 ' .. , y Ar consta de nr elementos.
Ejemplo 2.15: cuntas maneras se pueden distribuir 9 entre 4 nios si el menor recibe 3 juguetes y cada
uno de los otros nios 2 juguetes?
Se desea hallar el nmero de particiones ordenadas de los 9 juguetes entre 4 clulas que constan
de 3, 2, 2 Y 2 juguetes respectivamente. Por el teorema ,nterior, hay
de tales particiones ordenadas.
f
ty
CAP. 2] TECNICAS DE CONTAR
23
DIAGRAMAS DE ARDOL
Un diagrama de rbol es el dibujo que se usa para enumerar todos los resultados posibles de una
serie de experimentos en donde cada experimento puede suceder en un nmero finito de maneras . La
construccin de diagramas de rbol se ilustra en los siguientes ejemplos.
Ejemplo 2.16: Hallar el conjunto producto A X 8 X e en donde A = I 1,21, B = la, b, e I y e = 13,41.
Usamos el diagrama de rbol
a<:
(1, a, 3)
(1, a, 4)
b<:
(1, b, 3)
(1, b, 4)
c<::::
(1, e, 3)
(1, e, 4)
u<:
(2, a, 3)
(2, a, 4)
b<:
(2, b, 3)
2
(2, b, 4)

(2, e, 3)
(2, e, 4)
que el diagrama de r bol ,e construye de izquierda a derecha, y que el nmero de ramas
en cada punto es et nmero de resultados posibles del cxpt::rimento siguiente.
Ejemplo 2.17: Marcos y Enrique inter vienen' en un torneo de tenis. La primera persona que gane dos juegos seguidos
o que complete tres gana el torneo. El diagrama siguiente muestra los posibles resultados del torneo .
<M .._____M
E<M E <M <----E
E E
Ntese que hay 10 puntos finaies que correspondt::n a los 10 n:sultados posibles del torneo:
MM, MEMM, MEMEM, MEMEE, MEE, EMM, EMEMM, EMEME, EMEE, EE
El recorrido desde el principio rbol a los puntos finales indica quin gan cada juego en el torneo
individual.
24
TECNICAS DE CONTAR [CAP 2
Problemas resueltos
FACTORIAL
2.1. Calcular 4!, S!, 6!, 7
1
Y 8
1
4 ! 1 2 3' 4 = 24
5 ! 5'4! 5' 24 = 120
6! 1 . 2 3 . 4 5 6 = 6' 5! = 6' 120 = 720
7!
8!
7' 6!
8' 7!
7' 720 = 5040
8 5040 = 40.320
2.2. Calcular: (
.)13! (") 7!
1 11!' 11 lO!'
( i)
(i i)
13!
11!
or
7!
lO!
l3 !
11!
13' 12 11 . 10 . 9 8 . 7' 6 . 5 . 4 3 2 1
11'109'8'7'6'5'43'2'1
13'12'11! = 13'12 = 156
11!
7!
10987!
1 1
720
13' 12 156
2.3. S
I'r: (') n! (") (n+2)!
ImplltCar: 1 (n-1)!' 11 n! .
( i)
(ii)
n! n(n - l)(n - 2) . 32' 1 _ .
( 1)( 2) 3 2 1
- n o, SImplemente,
n- 11, - .
(n - 1)!
ni
(n - 1)!
n(n--1)!
(n - 1)!
(n + 2)!
n!
(n + 2)(n + l)n (n - l)(n - 2) . 3 2 1
n(n - l)(n - 2)' . 3' 2
(n + 2)(n + 1) = n
2
+ 3n + 2
(n+2)! (n+2)(n+1)'nl
o. simplemente. n
2
+ 3n + 2 (n + 2)(n + 1)
n! n!
n
PERMUTACIONES, PRUEBAS ORDENADAS
2.4. Si no se permiten repeticiones, (i) cuntos nmeros de 3 dgitos se pueden formar con los seis
dgitos 2, 3', S, 6; 7 Y 9? (ii) cuntos de stos son menores que 400? (iii) cuntos son pares? (iv)
cuntos son impares? (v) .cuntos son mltiplos de S?
En cada caso dibuje tres cajas D D D para representar un nmero arbitrario. y luego escriba en ca-
da caja el nmero de dgitos 'lue se pueden colocar all .
(j)

\; - 1
'" (m - 1" )
_ 6 '.
- .----
( ir ) i. (ii)
. r; ,<. 4! y(
G .. , ,- _____
. ----;
_ \ tu r
. (i i i)
(i v)
La caja de la ilquierda se puede llenar de 6 maneras; luego. la caja del medio puede llenarse de 5 maneras; y. final-
mente, la caja de la derecha puede llenarse de 4 maneras: G G As hay 6' 5' 4 = 120 n-
meros.
La caja de la izquierda pueoe llenarse de dos maneras solamente, por 2 J, puesto que cada nmero debe ser menor
que 400; la caja de la mitad puede llenarse de 5 maneras; y, finalmente, la caja de la derecha puede llenarse de 4 ma-
ner as' 0 G As hay 264 = 40 . .
.\
La caja de la derecha puede llenarse de dos maneras solamente, por 2 y 6, puesto que los nmeros deben ser pares;
la caia de la izquierd? puede llenarse de 5 maneras; y, finalmente. la caja de la mitad puede llenarse de 4 maneras:
o 0 0 Por consiguiente hay 542 = 40 nmeros.
La caja de la derecha puede llenarse de slo 4 maneras, por 3, 5, 7 9. puesto que los nmeros deben ser impares;
la caja de la izquierda puede llenarse por lo tanto de 5 maneras; y, finalmente, la caja' de la mitad puede llenarse dc
4 maneras: 0 0 hay 6' 4' 4 = 80 nmeros.
25
(v) La caja de la derecha puede llenarse de I manera solamente, por 5, puesto que los nmeros deben ser mltiplos de 5;
la caja de la izquierda puede llenarse por lo tanto de 5 maneras; y, finalmente, la caja del medio puede llenarse de 4
maneras: ~ 0 [2J. O sea que hay 5' 4 1 = 20 nmeros.
2.5. De cuntas maneras se puede acomodar una reunin de 7 personas, (i) en una fila de 7 sillas? (ii)
alrededor de una mesa redonda?
(i) Las siete personas pueden distribuirse en una fila de 7' 6 5 4 3 2 . 1 = 7! maneras.
(ii) Una persona puede sentarse en cualquier puesto en la mesa redonda. Las otras seis personas pueden acomodarse de
6' 5 4 3 2 1 = 6! maneras alrededor de la mesa.
Este es un ejemplo de permutacin circular En general, 11 objetos pueden dist ribuirse en un crculo de (11 .- 1)
(n -- 2) ... 321 = (n .... 1)' maneras.
2.6. (i) De cuntas maneras 3 nios y 2 mnas pueden sentarse en una fila? (ii) pe cuntas maneras
pueden sentarse si los nios se sientan juntos y las nias tambin? (iii) De cuntas maneras pue-
den sentarse en fila si justamente las nias se sientan juntas?
(i) Las cinco personas pueden sentarse en una fila de 54 3 2 1 = 5! = 120 maneras
(ii) Hay 2 maneras para distribuirlos segn el sexo: HHHMM o MMHHH. En cada caso los nios pueden sentarse de
3 2 1 = 3! == 6 maneras, y las nias pueden sentarse de 2 1 = 2! = 2 maneras. As, en total hay
2 . 3! 2! = 2' 6 2 = 24 maneras.
(i,i) Hay 4 maneras para distribuirlos segn el sexo: MMHHH, HMMHH, HHtvIMH, HIIHMI\I. Obsvese que
cada manera corrcsXlnde al nmero 0, 1, 2 3, de nios que se sientan a la izquierda de las nias. En cada caso
los nios pueden sentarse de 3' maneras, y las nias de 2! maneras. As en total, hay 4' 3! 2! = 4' 6' 2 = 48
maneras.
2.7. Cuntas seales diferentes, cada una de 6 banderas colgadas en una lnea vertical, pueden for-
marse con 4 banderas rojas idnticas y 2 azules idnticas?
6!
Este problema corresponde a permutaciones con repeticin. Hay
4!2!
ras de las cuales 4 son rojas y 2 azules.
15 seales puesto que hay 6 bandeo
2.8. 'Cuntas permutaciones distintas pueden formarse con todas las letras de cada una de las palabras:
(i) tema, (ii) campana, (iii) estadsticas?
(i)
(ii)
(iii)
4! = 24, puesto que hay 4 ktras distintas.
7'
3! = S40, puesto que hay 7 il:tras de las cuales 3 son a.
12!
puesto que hay 12 letras de las cuales 3 son 5,2 son l. 2 son i y 2 son a.
"3!2! 2! 2! '
2.9. (i) De cuntas maneras 3 americanos, 4 franceses, 4 daneses y 2 italianos pueden sentarse en una
fila de modo que los de la misma nacionalidad se sienten juntos? (ii) Resolver el mismo problema
si se sientan en una mesa redonda.
(i)
\
'\. (ii)
" "
Las cuatro nacionalidades pueden ordenarse en una fila de 4! maneras. En cada caso los 3 americanos pueden sen-
tarse de 3! maneras; los 4 franceses, de 4' maneras; los 4 daneses, de 4' maneras; y los 2 italianos, de 2' maneras.
fu que, en total, hay 4'3!4'4!2! = 165.888 ordenaciones.
. \\ .
Las 4 nacionalidades pueden distribuirse en un crculo de 3' maneras (ver problema 14.4 sobre permutaciones cir-
culares). En cada caso los 3 americanos pueden sentarse de 3' maneras; los 4 franceses, de 4! man<:ras; los 4 daneses.
de 4! maneras; y los 2 italianos de 2! maneras. O sea que, en total, hay 3'3!4'4'2! = 41.472 ordenaciom:s .
~
26
TECNICAS DE CONTAR [CAP. 2
2.10. Supngase que una urna contiene 8 bolas. Hallar el nmero de pruebas ordenadas de tamao 3,
(i) con (ii) sin sustitucin.
(i) Cada bola de la prueba ordenada puede escogerse de 8 maneras; entonces hay 8' 8 8 8
3
512 pruebas
con sustitucin.
(ii) La primera bola de la prueba ordenada puede ser escogida de 8 maneras, la siguiente de 7 maneras y la ltima de 6
maneras. Por lo tanto 8' 7 6 := 336 pruebas sin sustitucin.
2.11. Hallar n si (i) peno 2) 72, (ji) P(n, 4) = 42P(n, 2), (jii) 2P(n, 2) 50 = P(2n,
(i) P(n, 2) n(n 1) n' n, o sca n' -.- n 72 o n'--n 72 O o (n -- 9)(/1 + 8) O.
Puesto que n debe ser positivo, la nica respucsta es 11 9.
(H) 4) :::: 11.(11. - 1)(11. - 2)(11. - 3) y P(n,2) == 11.(11. - 1). O sea
11.(11. - 1)(11. - - 3) 4211.(11. - 1) o, si 11. ?'= 0, ?'= 1, (11. - 2)(11. - 3) :::: 42
o 11.
2
- 511. + 6 42 o 11.
2
- 511. - 36 o o (11. - 9)(11. + 4)
Puesto que n debe ser
(jii) P(n,2):::: n(n 1):::: 11.
2
2(11.
2
- 11.) + 50 := 411.
2
11.
la nica respuesta es n 9.
y P(2n,2) = 211.(211. - 1) = 411.
2
- 211..
211. o 211.
2
- 211. + 50 411.
2
- 211.
Puesto que n debe ser positivo, la nica respuesta es n = 5.
COEFICIENTE DEL BINOMIO Y TEOREMA
2.12.
o
Recordemos que hay tantos factores en el numerador como en el denominador
( i)
C3
6
)
16-15'14
560
e") /15)
1-2-3
lB !
\5
(H)
C4
2
)
::::::
495
2.13. Calcular:
(i) (:), (ii) ~ ) , C'") CO)
lB 6'
(i)
G)
8-7-6-5-4
:= 56 =
. . . .
Entonces
50
= 3003
Observamos que 8 5 = 3; o sea que
calcular tambin (:) como
(:) (:)
:::::: 56
(H) Ahora 9 - 7 == 2; entonces ~ ) = G) = 9' 8 36.
(iii) Ahora 10 - 6 = 4; luego
(
ISO) (14) == 2 1 0 ~
2.14. Desarrollar y simplificar: (2x + y2)5.
o
o
+ y2)1S = (2X)5 + r (2x)4(712) + : 4 (2x)3(y2)2 + : 4 (2x)2(712)3 + (2X)(712)4 + (712)5
+ 10x718 + 71
10
25
CAP, 2] TECNICAS DE CONTAR
27
2.15. Desarrollar y sm plificar:
(X2
6 6
+ (x
2
)2(-2y)4 + - (x
2
)(-2y)5 + (-2y)6
1
160x6y 3 + 240x
4
y4 - + 64y 6
2.16. Probar: 16
+ (i) + (:) +(!).
Desarrollamos (1 + 1)4 Y empleamos el teorema del binomio:
2
4
= . (1 +
G)14 + G)P1l + (:)1212 + (:)1113 + G)14
G) + G) + (:) + (:) + G)
2.17. Probar el teorema 2.6:
(
n +r 1)
Ahora e n 1) + (:)
minador en ambas fracciones, multiplicamos la
F "-:;-;--;--;--'t--;-:;-:-: + -'-,'-"----,-c. Para obtener el mismo deno-
rraccin por! y la segunda fraccin por _n, __ r-;-...:;l,. Entonces
r n r
+ (:)
" (n)
2.18. Probar el teorema del binomio 2.5: + b)" = r a
n
-
r
b
T

El teorema es cierto para n !, puesto que
a + b = (a + b)1
Suponemos que el teorema se cumple para (a + b)n y probamos que es cierto para (a + b)n+ 1,
(a + b)n+1 (a + b)(a + b)n
= (a+ b) [a
n
+ a"-l b + ... + e: 1) a
n
-
r
+
1
b
r
-
1
+ + .. + (:)ab
n
-
1
+ bnJ
Ahora el trmino del producto que contiene b
T
se obtiene de
2- PROOABIUOAD
28
I n
Pero, por el teorema 2.6, \ r
Observamos que (a + h)(a + b)" es un
(a+b),,+l
lo cual se demostrar.
TECNICAS DE CONTAR [CAP.
In + 1 \ 1" . b (n -l. 1 \
\ r ). O sea e terminO que conllenc res 1') a.
n
-
r
+ 1 b
r
,
de grado 11 + I en b. En consecuencia,
(a b)(a + b)"
+ 1 \
r )a.
n
-
r
+
1
b
r
2,19, Calcular los coeficientes multinomiales
(
6) (") ( 8 ) (''') ( 10 )
3, 2, l' 11 4, 2, O' III 5, 3, 2, 2
( i) e )
;, 1

60
8
2,2,
420
(iii) ( 10 ) no tiene sentido puesto que 5 + 3 + 2 + "'" 10.
\5,3,2,2
COMBINACIONES
2,20. De cuntas maneras
grupo de 7 hombres y S
escogerse un comit, compuesto de 3 hombres y 2 mujeres, de un
De los 7 hom bres escoger de ) maneras, y de las 5 mujeres se pueden escoger 2 de maneras.
!
, .. I " d (7)(6) 7-65 -4
or consigUIente e comlle me e escogerse de 3 2 :::: = 350 maneras.
2.21. Una de 4 estudiantes de un colegio se todos los aos para asistir a la asam-
blea anual de la Asociacin de Estudiantes. (i) cuntas maneras escogerse la
cin si 12 (ii) De cuntas maneras si dos de los estudiantes
no asisten al mismo ticm (jii) De cuntas maneras si dos de los estudiante:; bies son ca-
y slo asistirn si van am bos'?
O) Los 4 estudiantes pueden ser escogidos de los 12 de (1:)
Sean A y B los estudiantes que no asisten junIOS a la asamblea.
= 495 maneras.
Mtodo 1.
Si no incluye a A n a B. entonces la delegacin puede escogerse de (1;)
maneras. Si uno de los dos A o B. pero no juntos, es incluido, entonces la delegacin puede escogerse de 2'
210
e;)
2 =.--::;--;::-
1T1aneras.
240 maneras. Por lo tanto, ell iotal. la delegacin ser escog ida de 210 240 450
SI A Y B son incluidos, entonces los otros 2 miembros de la delegacin pueden escogerse de 10 == 45
\Ilodo 2. ( )
\2
maneras. O sea que hay 495 45 450 maneras para que la pueda escogerse si A y B no incluyen
al tiempo.
Llamemos e y D los estudiantes casados. Si e y D no van, entonces la
maneras. Si ambos e y D van. entonces la puede escogerse de (1
2
0) == 45 maneras. En resumen.
la delegacin puede escogerse de 210 + 45 = 255 maneras.
29
2.22. Un estudiante tiene que contestar 8 de 10 preguntas en un examen. (i) Cuntas maneras de esco-
ger tiene? (ii) Cuntas maneras, las 3 primeras preguntas son obligatorias? (iii) Cuntas, SI
tiene que contestar 4 de las 5 primeras preguntas?
(i) Las 8 preguntas pueden seleccionarse de
(
10\ = (l0)
8) \ 2
10' 9
= = 45 maneras.
(ii) Si contesta las 3 primeras preguntas, entonces puede escoger las otras S de las 7 ltimas preguntas de (:)
(
7) :::: 7' 6 = 21 maneras.
2 12
(iii) Si conte,ta todas las 5 primeras preguntas, entonces pucqe escoger las otras J de las 5 ltimas de (:) = 10
1
5
'or otra parte, si contesta 4 de las 5 primaas preguntas, pued(e 5)esco
g
erlas de (:)
\1) maneras, y puede escoger las otras 4 de las 5 ltimas de 4) = 1 = 5 maneras; por
consiguiente puede escoger las 8 preguntas de 5' 5 = 25 maneras. O sea que tiene 35 maneras diferentes para
escoger
2.23. Hallar el nmero de subconjuntos de un conjunto X que contiene n elementos.
Mtodo l.
El nmno de subconjuntos de X con r =: n elementos est dado por Por tanto, en resumen, hay
+ C) + C) + + J + (:)
subconjuntos de X. La suma anterior (problema 2.51) es igual a 2
n
, o sea que hay 2" subconjuntos de X
Metodo 2,
Hay dos posihilidades para ada elemento de X' o pertenece al suhconjunto o no pertenece; por consiguiente hay
.n veces
2' 2' , .. 2 = 2
n
maneras de formar un subconjunto de X, o sea, hay 2
n
subconjuntos diferentes de X.
2.24. De cuntas maneras puede un profesor escoger uno o ms estudiantes de seis elegibles?
Mtodo l.
d probkrna anterior, hay 2
6
= 64 subconjuntos del conjunto de seis estudiantes. Sin embargo, el conjullto
vacio debe ser excluido puesto que se escogen uno o ms estudiantes. En' consecuencia hay 2
6
-- I = 64 - I 63
maneras de escoger los estudiantes.
i\l'lodo 2.
Puesto que se escogen o uno, o dos, ele., o seis est udiantes; entonces, el n mero de maneras de escoger ,:>
G) + G) + (:) + G) + (:) + G)
6 + 15 + 20 + 15 + 6 + 1 63
PARTICIONES ORDENADAS Y DESORDENADAS
2.25. De cuntas maneras se pueden repartir 7 juguetes entre 3 nios si el menor recibe 3 y cada uno de
los olros reCIbe 2?
Buscarnos el nmero de particiones ordenadas de 7 objetos en cluJ::s de 3, 2 Y 2 objetos respectivamente. Por el
teorema 2.9, hay 7! I = 210 de dichas particiones.
2! 2.
30
TECNICAS DE CONTAR 2
2.26. En una clase hay 12 estudiantes. De cuntas maneras los 12 estudiantes pueden presentar 3 prue-
bas diferentes si a prueba le 4 estudiantes?
.'llotlo 1.
Buscamos el nmero de partiCiones ordenad,ls de 12 estudiantes en clulas que constan de 4 estudiantes cada Ulla.
Por el teorema 2.9, = 34.650 de tales particiones.
Mtodo 2.
Hay
4
maneras de escoger 4 estudiantes que tornen la primera prueba; a continuacin hay manc-
ras de escoger 4 estudiantes que Lomen la segunda prueba. El resto de estudiantes toma la tercera prueba. O sea que,
por todas, hay C4
2
) = 495' 70 34,650 maneras para que los estudiantes presenten las
2.27. Dc cuntas maneras 12 estudiantes pueden repartirse en 3 equipos, Al' y A 3, de suerte que
cada conste de 4 estudiantes.
:\IHodo 1.
Observamos que cada particin I Al, Az. A 31 de estudiantes puede distribuirse de JI = 6 maneras lo mismo que
una particin ordenada. Puesto que (ver problema anterior) hay
12!
34.650 de tales particiones ordenadas,
hay 34,650/6 = 5775 (no ordenadas).
Mtodo 2.
Denotemos por A uno de los estudIantes, Entonces hay maneras de escoger otros 3 estudiantes que
estn en el mismo equipo de A Ahora denotemos por B a un estudiante que no sea del mismo equipo de A; entonces
') maneras de escoger, entre los restantes, 3 estudiantes que estn en el mismo equipo de B. Los 4 estudian-
tes que constituyen el tercer equipo, Asi, en total hay (1;)\!7) 165' 35 ::.:: 5775 maneras de
los estudiantes.
2.28. el teorema 2.9: Sea A COl11 y sean 1/1, 112, , 1/
r
enleros positivos
con ni + n2 + ... + ny = n.
n!
particiones ordenadas diferentes de A de la forma (Al, A
z
, , Ar) Al contiene ni elemen-
tos, A
z
contiene /12 elementos, , y Ar contiene lI
r
elementos.
Em pezamos con los n elementos de A; hay (n) maneras de seleccionar la clula
ni
ni) maneras de seleccionar
n2
A. En de esto, hay
n 11! elementos que sobran, o sea, la diferencia A "A 1, Y por consiguiente hay
,12. Similarmente, para i = 3, , r. hay
ni -
n
(:)
nz
- ni - n 2)
n:
diferentes particiones ordenadas de A Ahma (*) e, igual a
n!
(n - ni)!
n_) maneras de seleccionar Al' As hay
-n - .. ,
ny
("')
Pero esto es a puesto que eadfl numerador despus del primero se simplifica con el segundo fae-
n! nz ... n
r
tor del denominador que le precede y como (n - ni - . . . ny)! O! = 1. Entonces el teorema queda probado.
CAP 21 TECNICAS DE CONTAR
DIAGRAMAS DE ARBOL
2.29. Construir el diagrama de rbol para el nmero de permutaciones de la, b, e l.
a<b
e
b e
b<a
e
a e
c<:
b
a
A la del se ordenan las seis permutaci ones.
2.30. Un hombre tiene tiempo para jugar ruleta cinco veces
a lo sumo. En cada juego gana o pierde un dlar. El
hombre empieza con un dlar y dejar de jugar si antes
de la quinta vez pierde todo su dinero o si gana tres d-
lares, esto es, si ti ene cuatro. Hallar el nmero de casos
en que la apuesta puede ocurrir.
El diagrall1a de rbol de la derecha, descr ibe el camino en que
la apue,ta puede succc!..;r. Caela nmero del diagrama denota el n-
lI1ero de dlares que el hombre tiene en ese punto. Observamos que
la apuc,ta puede suceuer de II manera, diferentes. Obsrvese que l
suspender la apuesta antes dc que los cinco juegos se hayan reali za-
do en solarnentc tres de los casos.
FACTORIAL
2 . .3 1. Calcular:
(i) 9 !, ( ii) 101, (i ii) 11!
(i)
16!
( ii)
14!
(iii)
8!
(' ) ID!
2.32. Calcular:
14! ' 11! ' ID! '
IV i3f.
abe
aeb
bae
bca
cab
cba
2.3]. Simplifi car'
(i) (n +.Jll
n!
(ii)
n!
(n- 2)!'
(iii) (n - 1)!
(n+ 2)!'
(n-r+1)!
(iv) (n - r - 1)! .

31
2.34. (i) .Cuntas placas para automvil pueden hacerse si cada placa consta de dos letras diferentes seguidas de 3 dgitos dife-
rentes? (ii) Resolver el problema si el primer dgito no puede ser cero. ,), z.8 - ll- . t" _ '1 . _ ;; 443 W 1/
/j i.
1>,-. 1
rt
2.35. De A a B hay 6 camino> y de R a e 4. \j
(i) De cuntas maneras se puede ir de A a e pasando por fJ'l
/"
(ii) De cunt as maneras se puedc hacer el viaje redondo de A a e pasando por 8?
(iii) De cuntas maneras se puede hacer el viaje redondo de A a e sin usar el mismo camino ms de una vez?
32
2.36. Hallar el nmero de maneras en que 6 personas pueden conducir un tobogn (especie de trineo) si uno de tres debe manejar
2.37. (i) Hallar el nmero de maneras en que cinco personas pueden sentarse en una lila. (ii) Cuntas maneras hay si dos de
las personas insisten en sentarse una al lado de la otra?
Z.38. Resolver el problema anterior si se sientan alrededor de una mesa circular.
2.39. (i) HallM el nmero de palabras de cuatro letras que se pueden formar con las letras de la palabra CRISTAL. (ii) Cun-
tas de ellas contienen slo consonantes? (iii) Cuntas empiezan y terminan por consonante? (iv) Cuntas empiezan por
vocal? (v) Cuntas contienen la letra L? (vi) Cuntas empiezan por T y terminan por vaca!? (vii) Cuntas empiezan
por T y tambin contienen S') (viii) Cuntas contienen ambas vocales?
2.40. i.Cu;ntas seales diferentes se pueden formar con 8 banderas colocadas en lnea vertical , si 4 son rojas, 2 azules y 2 verdes?
2.41. Ilallar el nmero de permutaciones que se pueden formar con todas las letras de cada una de las palabras: (i) barra,
(ii) satlite" (iii) proposicin, (iv) impropio.
2.42. (i) el nlmero de Olaneras en que 4 nios y 4 nias se pueden sentar en una fila si los hombres y las mujeres deben
quedar alternados . (ii) Hallar el nmero de maneras si se sientan alternada mente y uno de los se sienta sicmprcjunto
a una nia determinada. (iii) Hallar el nmero de maneras si se sientan alternada mente pero dos nios mencionados no
quedan en silbs adyacentes.
2A3. Resolver el problema anterior si se sientan alrededor de una mesa circular.
2.44, Una urna contiene 10 bolas. Hallar el nmero de pruebas ordenadas, (i) de tamao 3 con sustitucin , (ii) de tamao J sin
sustitucin, (iii) de tamao 4 con sustitucin, (iv) de tamao 5 sin sustitucin .
2,45. Hallar el nmero de maneras como se rueden colocar en un estante 5 libros grandes , 4 medianos y 3 pequeos de modo
que los libros de igual tamao estn juntos.
2.46. Considrens.e todos los enteros [Xlsitivos de 3 dgitos diferentes . (Observamos que el O no puede ser el primer dgito.)
(i) Cuntos son mayores que 70m (ii) .Cuntos son impares? (iii) Cuntos son pares? (iv) Cuntos son divisibles [Xlr 5?
2.47. (i) Hallar el nlmero de permutaciones diferentes que se pueden formar con todas las letras de la palabra CAMAR\.
(ii) ,Cuntas de ellas principian y terminan por \? (iii) Cuntas tienen 3 \ juntas?'(iv) Cuntas empiezan con A y ter-
minan con I\P
COEFICIENTES DEL BINOMIO Y TEOREMA
2.48. Calcular ' (i)
G).
(ii)
G).
( i)
C24) ,
(v) G), (v) (vi) G:).
2.49. Ca/cuLIf'
() e,:, 1)'
(ii) (3, 2, O) , (iii) (2, 2, 1, O)
2.50. Desarrollar y simplificar: (i) (2x + y2)3, (ii) (x
2
- 3y)1, (jii) (-1a + 2b)5, (v) (2a
2
- b)O.
2.S\. Comprobar que

+

+

+
(;)
+
., .
+
(:)
2.52. Comprobar que

+ (;) (;) +

(:)
o.
2.53. Hallar el trmino del desarrollo (2x2 ---! )'3)8 que contiene xa.
2.54. Hallar el trmino del desarrollo (3X}'2 - :2)1 que contiene y 6.
/
CAP 21
TECNICAS DE CONTAR
4cr- 126
COMBINACIONES
2.55.
2.56.
2.57.
2.58.
2.59.
2.60.
clas\: de 9 nios y J nias. (i) De cuntas maneras el profesor puede escoger un comite de 4? (ii) Cuntos
j omits contarn con una nia por lo menos') (iii) Cuntos tendrn un a nia .exactamente') ( V )
.:L'j ax f) .f- f- '; J :; Jq i!
Una seora tiene 11 amigos de conlianza. (i) De cuntas maneras puede invitar 5 de ellos a comer') (ii) De cuntas ma-
neras si dos son casados y no asisten el uno sin el otro') (iii) De cuntas maneras si dos de ellos no la van bien y no asisten
jun tus')
Hay 10 puntos A, B, en un en una misma lnea no hay tr es. (i) Cuntas lneas forman los puntos') (ii) Cun-
tas lneas no pasan por A o B') (iii) Cuntos tringulos determinan los puntos? (iv) Cuntos tringulos de estos se forman
con el punto A') (v) Cuntos tringulos contienen el lado A lJ?
Un estudiante tiene qlle reso lver 10 preguntas de 13 en un examen. (i) Cuntas maneras de escoger tiene') (ii) Cuntas,
si las dos primeras SOIl obligatorias') (iii) Cuntas, si una dI! las dos primeras es obligatoria? (iv) Cuntas, si tiene que
co ntestar exactamente 3 de las 5 primeras? (v) Cu{\ntas, si tiene que contestar por lo menos 3 de las 5 primeras?
A una persona se le reparte una mano de "pker" (5 cartas) de una baraja corriente. De cuntas maner as puede recibir,
(i) una escalera llar? (ii) un "pker'''! (iii) una escalera? (iv) un par de (v) un par cualquiera (dos cartas iguales)"!
El <JlfabelO ingls tiene 26 letras de las cuales 5 son vocales.
(i)
(ii)
(iii)
(iv)
(v)
Cunt as palabras de 5 letr as, 3 consonantes diferentes y 2 vocalesniferentes, se pueden
Cuntas de stas contienen la letra b?
Cuntas con ti<:ncn la b y la e'?
LI ....
Cuntas empiezan por b y e?
Cu:lnt as empiezan por b y terminan por c')
(vi) Cuntas con tienen las letras a y
(vii) Cunta, empieLan por o y contienoo b?
(viii) Cuntas empiezan por b y contienen o')
(ix) Cuntas empiezan por o y terminan por b?
(x) Cuntas contienen las letra, /J, b Y e?
PARTICIONES ORDENADAS y DlSORDENADAS
2.61. De cuntas maneras se pueden repartir 9 juguetes por igual entre 3 nios?
2.62. De cunta, maneras pu<:den dividirse por igual 9 estudiantes en tres equipos')
2.63. De cuntas maneras se put:dcn dividir 10 estudiantes en tres equipos, uno de 4 estudiantes y los otros de )?
2.M. Ha y 12 bolas en una urna. De cuntas maneras se pueden sacar 3 bolas de la urna, cuatro veces sucesiva mente, todas sin
,U'; tit ucin')
2.65. ,De cuntas maneras se puede rcp;.rtir un club, de 12 miembros en tres comits de 5, 4 Y 3 miembros respectivamente?
2.66. Ik cunta, llIanera, se pueden rcpartir 1/ estudianlc, cn do, c4uipOS que contengan un estudiante por lo menos?
2.67. De cuntas maneras se pueden repartir 14 hombres en 6 comits en los que dos sean de 3 hombres y los otros de 2?
DIAGRAI\IAS DE ARnOr.
2.6!!. Comtuir d diagrallla de rbol .Jara el nmero de permutaciones de 1 a, b, e, di.
2.69. Hallar l conjunto prodllcto I 1, 2, J Ixl 2, 4 Ixl 2, J, 4 I construyendo el di agrama de rbol apropiado.
34
2.70. Los equipos A y B juegan en un torneo de baloncesto. El primer equipo que gane dos juegos seguidos o un total de cuatro
juegos gana el torneo. Hallar el nmero de maneras como puede suceder el torneo .
2.71. Un hombre tiene t iempo para jugar ruleta cinco veces. Gana o pierde un dlar en cada juego. El hombre cmpiela con dos
dlares y dejar de jugar a la quinta vez si pierde todo su dinero o si gana tres dlares (esto es. complete S dlares). Ha-
llar el nmero de maneras como puede suceder el juego.
2.72. Un hombre est en el origen del eje x y anda un paso unidad a la izquierda o a la derecha. Se detiene despus de S pasos
si avanza 3 o se corre -2. Construir el diagrama de rbol para describir todas las trayectorias posibles que puede seguir.
2.73. En el siguiente diagrama A, 8, , F denotan islas, y las lneas de unin son puentes. El hombre empieza en A y camina
de isla en isla. Se detiene para almorzar cuando no puede continuar caminando sin tener que cruzar el mismo puente dos
veces. Hallar el nmero de maneras como puede hacer su recorrido antes de almorzar.
2.74. Considerar el diagrama trazado con nueve puntos A, 8, e, R. s, T, X. y, Z. Un hom-
bre empieza en X y se le permite moverse horizontal o verticalmente. un paso cada vez.
Se detiene cuando no puede seguir caminando sin pasar por el mismo. punto ms de una
vez. Hallar el n ~ r o de maneras como puede hacer su recorrido, si primero recorre
de X a R. (Por simetra el total de maneras es dos veces lo anterior.)
2.31. (i) 362.880 (ii) 3628.800 (iii) 39916.800
2.32. (i) 240 (ii) 2184 (iii) 1/90 (iv) 1/1716
A-B--C
I I I
R-S-T
I I I
X-Y-z
2.33. (i) n + 1
(ii) n(n - 1) = n
2
- n (iii) l/[n(n + l)(n + 2)] (iv) (n - r)(n - r + 1)
2.34. (i) 262510' 9 8 = 468.000 (ii) 26'25'9'9'8 = 421.200
2.35. (i) 6' 4 = 24 (ii) 6'4' 4 6 = 24' 24 = 576 (iii) 6' 4 3 5 = 360
1/ I 0 .,- 7 r ( : ~ j o
3 5 4 3 2 1 = 360 ~ !o I ~ :. "). .
2.36.
2.37. (i) 5! = 120 (ii) 4' 2! 31 = 48
2.38. (i) 41 = 24 (B) 2! 3! = 12
2.39. (i) 7' 6 5 4 = 840
(ii) 5' 4 3 2 = 120
(iii) 5' 5 4 4 = 400
(iv) 2' 6 5 4 = 240
81
2.40. 4! 2! 2! = 420
(v) 4' 6' 5 4 = 480
(vi) l' 5 4 2 = 40
(vii) 1 3 5 4 = 60
(viii) 4' 3 5 4 = 240
5 !
2.41. (i)2!2!=30 (ii) 2!2!2! =45.360
9! 11!
(iii) 2! 3! 2!
1.663.200
81
(iv) 2! 2121 = 5040
..
2.42. (i) 24! 4! = 1152 (ii) 2 7 3! 3! = 504 (iii) 1152 - 504 = 648
2.43. (i) 3!'41=144 (ii) 2'31'3!=72 (iii) 144-72=72
2.44. (i) 10' 10 '10 = 1000
(ii) 10' 9 8 = 720
2.45. 3!51413! = 103.680
2.46. (i) 398 = 216
(iii) 10' 10 10 10 = 10.000
(iv) 109 8 7 6 = 30.240
(ii) 8' 8 6 = 320
35
(iii) 9' 8 1 = 72 terminan en O; y 8' 8 4 = 256 terminan en los otros dgitos pares; por lo tanto, en total, 72 +
256 = 328 son pares.
(iv) 9' 8 1 = 72 terminan en O; y 8' 8 1 = 64 terminan en 5; o sea que, por todos, 72 + 64 = 136 son divisi-
bies por 5.
2.47. (i) :: = 120
(i) 4! = 24 (iii) 4' 3! = 24 (iv) !! = 12
21
2.48. ( i) 10 (ii) 35 (iii) 91 (iv) 15 (v) 1140 (vi) 816
2.49. (i) 604 (i) 210 (iii) 180
2.50. ( i) 8x
3
+ 12x2y2 + 6xy4 + y6
( ii) x
8
- 12x
6
y + 64x.y2 - 108x2y3 + 81y4
(iii) a
6
/32 + 6a
4
b/8 + 5a
3
b
2
+ 20a
2
b
3
+ 40ab
4
+ 32b
5
(iv) 64a
l2
- 192a
10
b + 240a
8
b
2
- 160a
6
b
3
+ 60a
4
b
4
- 12a
2
b
5
+ b
6
2.5l. Sugerencia: Desarrollar (1 + 1)". 2.53.
70xa
y
l2
2.52. Sugerencia: Desarrollar (1 _ 1)".
2.54. 945x
3
y8
z
8
2.55. ( i)
e4
2
)
= 495, (i)
(14
2
) - G) = 369,Y (iii) 3 (:)
= 252
2.56. (i)
e;)
462, (ii)
(:) + G)
210, (iii)
(:)+2G) =
378
2.57. (i)

46,
(ii) (:) =
28, (jii)
e3
0
) = 120, (iv) (:)
36, (v) 8
2.58. ( i)
e3
3
)
286 (iv)
G)G)
= 80
(ii)
C8
1
)
(13
1
)
= 165 (v)
(:)G)
+
(:)(:)
+
G)(:)
276
( iii)
2 C9
1
) = 2' C21) =
110
1.59. (i) 4 '10 = 40, (ii) 13' 48 = 624, (iii) 10' 4
5
- 40 = 10.200. (Sustraemos el nmero de escaleras Oor.)
(iv)
2.60.
( i)
(i i)
( iii)
(iv)
G)C3
2
) 4
3
= 84.480, (v) 13' G)C3
2
) 4
3
= 1.098.240
(23
1
)(:)'5! 1.596.000 (v) 19'(:)'3! 1140 (ix) = 4560
(22
0
)(:)'5! = 228.000 (vi) 4.(2;)'5! 91.200 (x) 4195! 9120
19'(:}51
19'(:}4!
22.800
4560
18.240
(viii) 18.240 (lo mismo que el (vii))
36
TECNICAS DE CO NTAR
2.61.
9!
313131
1680
2.62. 1680/31
=
280 o
G)(!)
= 280
2.63.
101 1
41 3! 31 21
2100 o
= 2100
2.66.
2
n
-
1
- 1
2.64.
121
3131 3! 31 - 369.600
2.67.
141 1
3. 153. 150
3131212!2!21
214!
=
2.65.
121
514! 31 = 27.720
2.69.

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

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

(2, 2, 3)
(2, 2, 4)
(2,4,2)

(2,4,3)
(2,4,4)

(3,2,2)
(3, 2, 3)
(3,2,4)
(3,4,2)

(3,4,3)
(3, 4, 4)
Los dieciocho elementos del conjunto producto estn li stados a la derecha del di agrama de {rbol.
2.70. 14 maneras /
2.71. 20 maneras (como se ven en el siguiente diagra ma):
l
-
5
3
2
CAP. 2
I
I
\
1
\
1
I
I
'2,3,4- , )
/

Z. ,1, 4 , 1 . 4 13

1, 3,2, '
2, 4 , r I
'Z. , ) 2.., 1 ,4,3 -
l,),2.,S, 2,3
1,12, J, l,f
2,) , 2,', l/J i
2,) , 'L,' , ', '
z 3, Z,' ,O
'L , I, z,3,tI , f"'-
2 ) 4 3
2., \ , , , ,
2" , 2,1 , 2.,1
(.1 , 1,), l,t
\
l , 1,2 , " 2. 1
l., \1. 1, l, /
,
.., 1 t,' 10
", r
.." J')
I
I
\
,
CAP. 21
TECNICAS DE CONTAR
37
2.72. Sugerencia,' El rbol esencialmente lo mismo que el rbol del problema anterior.
2.73. El diagrama de rbol es el siguiente:
:<E'-----1<:"":..........---I'-----C-----D
w-----E
Tiene once maneras de hacer su recorrido, Observar que debe comer en B. D o E,
2.74. El diagrama de rbol apropiado es el siguiente:
-y.---- Z ----T---- C
C T Z
y
A
Y
Z T C B A
Ilay 10 recorridos diferentes, (Observar que solamente en 4 dt ellos cubren todos los nueve puntos,)
Captulo 3
Introduccin a la probabilidad
lNTROOUCCION
Probabilidad es el estudio de experimentos aleatorios o libres de determinacin. Si un dado es
lanzado al aire, entonces hay certeza que caer, pero no es cierto afirmar que aparecer un 6. Sin
embargo, supongamos que repetimos el experimento de lanzar el dado; sea s el nmero de aciertos,
esto es , el nmero de veces en que un 6 aparece, y sea fl el nmero de jugadas. Se sabe entonces que
empricamente la relacin f = S/II. ll amada frec uencia relativa. tiende a estabilizarse l la larga, o
sea que se aproxi ma a un l mite. Esta estabili dad es la base de la teora de la probabilidad.
En teora de probabilidad, definimos un modelo matemtico de los fenmenos anteriores asignan-
do "probabilidades" (o: valores lmites de las frecuencias relativas) a los "eventos" asociados con un
experimento. Naturalmente, la seguridad en nuestro modelo matemtico para un experimento dado
depende del acercamiento de las probabilidades asignadas con la frecuencia real relativa. Esto da origen
entonces a los problemas de verificacin y con fiabilidad que constituyen el tema princiral de la esta-
dstica.
Histricamente, la teora de la probabilidad comenz con el estudio de los juegos de azar , tales
como la ruleta y las cartas. La probabilidad p de un evento A se defini como sigue: si A puede ocurrir
de s maneras entre un total de 1/ igualmente posibles, entonces
s
p = P(A) = -
n
Por ejemplo, al tirar un dado puede salir un nmero par'De 3 maneras, de las 6 " igllalmente posibles";
o sea, p = ~ = t. Esta definicin clsica de probabilidad est viciada , esencialmente. pues to que
la idea de "igualmente posible" es la misma que la de "con igual probabilidad" que no ha sido defi-
nida . El tratamiento moderno de la teora de la probabilidad es puramente axiomtico. Esto significa
que las probabilidades de nuestros eventos pueden ser perfectamente arbitrarias, excepto que ellas
deben satisfacer ciertos axiomas que se enuncian posteriormente. La teora clsica corresponder al
caso especial de los as llamados espacios equiprohables.
' 0
ESPACIO MUESTRAL y EVENTOS \ , t ' ~ ~
El conjunto S de todos los resultados posibles de un experimento 'tdado se llama el espacio
muestral. Un resultado particular, esto es, un elemento de S. se llama un punto muestral o lI1uestra
Un evel/to A es un conjunto de resultados o, en otras palabras, un subconjunto del espacio muestral S.
El evento a I que consta de una muestra simple a E S se llama evel/to elemental. El conjunto vaco
~ y S de por s son eventos; el ~ algunas veces se denomina el evento imposihle (o imposi bilidad), y
S el evento cierto o seguro.
Podemos combinar eventos !Jara formar nuevos eventos, utilizando las diferentes operaciones con
conjuntos:
(i) A U B es el evento que sucede si y slo si A o B o ambos suceden;
(ii) A n B es el evento que sucede si y slo si A y B suceden simultneamente:
(jii) A
C
, (complemento de A), es el evento que sucede si y s lo si A no sucede .
38
CAP. 3] INTRODUCCION A LA PROBABILIDAD
39
Dos eventos A y B son llamados mutuamente exclusivos si son disyuntos, esto es, si A n B
~ En otras palabras, son mutuamente exclusivos si no pueden suceder simultneamcnte.
Ejemplo 3.1: Experimento: Lncese un dado y obsrvese el nmero que aparece en la cara superior. Entonces el
espacio muestral consiste en los seis nmeros posibles:
s = 1 1,2, 3,4, S, 6 I
Sea A el evento de salir un nmero par, 8 de salir impar y e de salir primo:
A = 1 2,4,6 1, B = 1 1, 3, 5 1, e = 1 2, 3,5 I
EntonCes:
A U e = 1 2, 3, 4, s, 61 es el eventu de que el nnlt:f? sea par u primo;
B n e = 13, 51 es el evento de que el nmero sea impar primo;
ce = 11 , 4,61 es el evento de que el nmero no sea primo.
Obsrvese que A y B son mutuamente exclusivos: A n 8 = 0, en otras palabras, un nmero par
y un impar no pueden ocurrir simultneamente.
Ejemplo 3.2: Experimento: Lncese una moneda J veces y obsrvese la se ri e de caras (H) y sellos (T) que aparecen.
El espacio muestral S est constituido por los ocho elemcntll S:
S = 1 HHH, HI-IT, HTH, I-ITT, THH, HIT, TTH, TTT 1
Sea A el evento en que dos u ms caras aparecen consecutivamente, y B aquel en que todos los resul-
tados son iguales :
A = 1 I-II-IH, HHT, THH 1 Y B = 1 HI-IH, TIT 1
Entonces A n B = I HHI-I I es el evento elemental en que aparecen ca ras solament e. El evento en
que aparecen 5 caras es el conjunto vaco 0.
Ejemplo 3.3: Experimento: Lncese una moneda hasta que aparezca un a cara y luego cunlese el nmeru de \,(; ces
que se lanz la moneda. El espacio muestral de este ex.periment o es S = 1 1,2,3, ,00 l. Aqu el
00 se refiere al caso de que no aparezca nunca una cara y as la moneda se lanza un nmero infinilo de
veces. Este es un ejemplo de un espacio muestral que es col/tablelllmt e infin ito.
Ejemplo 3.4: Experimento: Sea un lpiz que cae de punla, en una caja
rectangular y ubs rvese el punto del fondo de la caja donde
el lpiz loca primero. Aqu S est formado por lodos los
punlos de la superficie del fondo. Representemos estos
puntos por el rea rectangular dibujada a la derecha. Sean
A y B los eventos en que el lpiz cae en las respectivas
reas ilustradas en la figura . Este es un ejemplo de un es-
pacio muestral que no es finito ni siquiera contablemente
infinito, esto es, que es no contable.
A
s
Nota: Si el espacio muestral S es infinito o contablemente infinito, entonces cada subconjunto de S es
un evento. Por otra parte, si S es no contable, como en el ejemplo 3.4, entonces por razones tc-
nicas (que caen fuera del alcance de este tcxto), algunos subconjuntos de S no pueden ser even-
tos . Sin embargo, en todos los casos los eventos forman una a-lgebra e de subconjuntos de S.
40
INTRODUCCION A LA PROBABILIDAD [CAP. J
AXIOMAS DE PROBABILIDAD
Sea S un espacio muestral, sea c la clase de eventos y sea P un a funcin de valores reales definida
en c. Entonces P se llama funcin de probabilidad, y peA) es llamada la probabilidad del evento A si
se cumplen los siguientes axiomas:
[Pt] Para todo evento A, O""" peA) """ l .
[P2J peS) = l.
[P3] Si A Y B son eventos mutuamente exclusivos, entonces
P(A UB) = P(A) + P(B)
[P4J Si Al, A
2
, es una serie de eventos mutuamente exclusivos, entonces
Las siguientes observaciones conciernen al orden en que estn los axiomas [P3] y [P4] . Ante todo.
al utilizar [P
3
] y la induccin matemtica podemos probar que para eventos mutuamente exclusivos
("')
Hacemos nfasis en que [P4] no proviene de [P3] ni siquiera (*) se cumple para todo entero positivo
n. Sin embargo, si el espacio muestral S es finito, entonces claramente el axioma [P4] es supernuo
Ahora probamos un nmero de teoremas que se deducen directamente de nuestros axiomas.
Teorema 3.1: Si 0 es el conjunto vaco, entonces P( 0) = o.
Demostracin: Sea A un conjunto; entonces A y 0 son disyuntos y A U ~ A. Por [P
s
] ,
P(A) = P(A ~ ) = P(A) + P ~ )
Restando peA) de ambos lados obtenemos el resultado.
Teorema 3.2: Si A
C
es el complemento de un evento A, entonces P(A
C
) = I -- peA) .
Demostracin: El espacio muestral S se puede descomponer en los eventos A y A
C
mutuamente
exclusivos. esto es, S = A U A
C
Por [Pz] y [Ps] se obtiene
1 = P(S) = P(A UAC) = P(A) + P(AC)
de lo cual se desprende el resultado.
Teorema 3.3: Si A e B, entonces peA) ~ P(B).
Demostracin: Si A e B. entonces B se puede descomponer en los
eventos A y B'" A mutuamente exclusivos (como se ilustra a la de-
recha).
As P(B) = P(A)+P(B"'A)
Con lo cual se comprueba el enunciado puesto que P(B",A) ~ O.
Teorema 3.4: Si A Y B son dos eventos, entonces
P(A "'B) = P(A) - P(A nB) -
Demostracin: A se puede descomponer en los eventos mutuamente
exclusivos A "'B Y AnB; esto es. A = (A ",B)U(AnB).
Por consiguiente, por [PaJ,
P(A) = P(A '" B) + P(A n B)
de lo cual se obtiene el resultado.
B sombre3do.
A sombreado.
CAP 3] INTRODUCCION A LA PROBABILIDAD
Teorema 3.5: Si A Y B son dos eventos, entonces
P(A UB) = P(A) + P(B) - P(A nB)
Demostracin: Obsrvese que A U B se puede descomponer en
los eventos A'\. B Y B mutuamente exclusivos; esto es, A U B
(A "'-B) U B. Entonces por [Ps] y el teorema 3.4,
P(AUB)
P(A "'- B) + P(B)
= P(A) - p(AnB) + P(B)
P(A) + P(B) - p(AnB)
que es el resultado buscado.
Aplicando el teorema anterior por segunda vez (problema 3.23) obtenemos el
Corolario 3.6: Para los even tos A, B Y e,
AuB sombreado.
P(AuBUC) = P(A) + P(B) + P(C) - P(AnB) - p(AnC) - P(BnC) + p(AnBnC)
ESPACIOS FINITOS DE PROBABILIDAD
41
Sea S un espacio muestra( finito; digamos, S = {al,a2, ... ,an}. Un espacio finito de probabi-
lidad se obtiene al asignar a cada punto a E S un nmero real PI, llamado probabilidad de al, que
satisface las propiedades siguientes:
(i) cada PI es no negativo, PI ;=" O
(ii) la suma de los PI es uno, PI + P2 +
+ P" = 1.
La probabilidad P (A) de un evento A, se defirre entonces como la suma de las probabilidades de los
puntos A. Por conveniencia de smbolos escribimos P(lLi) en lugar de P({a}).
Ejemplo 3.5: Lncense tres monedas y obsrvense el nmero' de caras que resulten; entonces el espacio muestral es
S = 10,1,2, 31. un espacio de probabilidad por medio de las siguientes asignaciones
P(O) ::z; t. P(l) = t, P(2) = i and P(3) = 1
puesto que cada probabilidad es no negativa' y la suma de las probabilidades es l. Sea A el evento en
que aparece una cara por lo menos y sea B el evento en que aparecen todas caras o todos sellos:
A == {l, 2, 3} y B = {O,3}
Entonces, por definicin,
y
peA) = P(l) + P(2) + P(3) = i + 1 + i
P(B) == P(O) + P(3) = 1 + i = !
Ejemplo 3.6: Tres caballos A. lJ Y C en una C3frCra; A tiene doble posibilidad de ganar que 8; y B, el
doble de ganar que C. Cules son la6 respectivas probabilidades de ganar, esto es, P(A), P(B) Y P(C)?
\
Sea P(C) = p; como B tiene doble probabilidad de ganar que C. P(B) = 2p: y puesto que A
tiene el doble de n, P(A) = 2P (8) = 2(2p) = 4p. Ahora como la suma de las probabilidades debe
ser 1; entonces
En consecuencia,
p + 2p + 4p = 1 7p = 1 o p t
P(4) = 4p = t, P(B) = 2p =" P(C) = p = +
!
Pregunta: Cul es la probabilidad de que B o C ganen, o sea, P({B, C})? Por definicin
P({B, C}) = peS) + P(C) = ,+,.= t
42
INTRODUCCION A LA PROBABILIDAD
"",11-
ct v IV'"
[CAP 3
~ ( .
ESPACIOS FINITOS EQUIPROBABLES /
Frecuentemente, las caractersticas fsicas de un experimento sugieren que .se asignen iguales
probabilidades a los diferentes resultados del espacio muestraJ. "Un espacio finito S de probabilidad,
donde cada punto muestral tiene la misma probabilidad,' se llamar espacio equiprobable o uniforme.
En particular, si S contiene n puntos entonces la probabilidad de cada punto es l/n ' l.,Adems, si un
. . . 1" ~ . p,.".t." (/If\
evento A contiene r puntos entonces su probabilIdad es r - = - En otras palabras, I
n n
o P(A)
P(A) =
nmero de elementos de A
nmero de elementos de S
nmero de maneras en que el evento A puede suceder
nmero de maneras en que el espacio muestral S puede suceder
Hacemos hincapi en que la frmula anterior para P(A) puede utilizarse solamente con respecto a un
espacio equiprobable, y no puede usarse en general.
La expresin "al azar" se usar solamente respecto a un espacio equiprobable; formalmente,
la proposicin "escoger un punto al azar de un conjunto S" significa que S es un espacio equiproha-
ble, esto es, que cada punto muestral de S tiene la misma probabilidad.
Ejemplo 3.7: Seleccincse una carta al azar de una baraja corriente de 52 cartas. Llamemos
A = I espadas I
y B I figuras, es decir J, Q o K I
Calculemos P(A), P(B) Y P(A n B). Como se trata de un espacio equiprobable,
peA) = nmero de espadas
nmero de cartas
peA nB)
13 1
62 4
P(B) = n.mero de figuras
numero de cartas
nmero de espadas que son figuras
nmero de cartas
3
52
12 3
52 13
Ejemplo 3.8: Sean 2 artculos escogidos al azar de un grupo de 12 de los cuales 4 son defectuosos. Sea
A = 1 dos artculos defectuosos I y B = 1 dos artculos no defectuosos I
Hallar P(A) Y P(B). Ahora
S puede suceder de
A puede suceder de
B puede suceder de
e
2
)
2
( ~ )
( ~ )
=
=
66 maneras, o nmero de veces en que se pueden escoger 2 artculos
entre 12;
defectuosos entre 4 defcctuosos;
no defectuosos entre 8 no defectuosos.
Por consiguiente, peA) = :, = ft y P(B) = = !!.
Pregunta: Cul es la probabilidad de que por lo menos un artculo sea defectuoso? Ahora
e = I un artculo por lo menos es defectuoso I
es el complemento de B; esto CS, e = Be. As, por el teorema 3.2,
P(C) == P(Bc) = 1 - P(B) = 1 - !:
19
33
La ventaja con que un evento de probabilidad p sucede, se define como la relacin p: (1 - p). AS, la
ventaja de que por lo menos un artculo sea defectuoso es ~ : ~ 19 : 14 que se lee "19 a 14".
CAP 3J INTRODUCCION A LA PROBABILIDAD
Ejemplo 3.9: (Problema clsico del cumpleaos.) Se desea hallar la probabilidad p de que n personas tengan fechas
diferentes de cumpleaos. Para resolver este problema, no tenemos en cuenta los aos bisiestos y supo-
MU
nemos que el cumpleaos de una persona caer en un da con igual probabilidad.
Puesto que n personas y 365 das diferentes, hay 365" maneras de que n personas puedan
cumplir anos. Por otra parte, si las n personas cumplen en fechas distintas, entonces la persona
nacer en cualquier da de los 365, la segunda puede nacer en cualquiera de 103 364 das restantes,
la tercfa, en los 363 restantes, etc. As hay 365' 364 363 ... (365 - n + 1) maneras para que n
personas tengan fechas diferentes de cumpleaos. Por consiguiente,
p
365 364.363
Se puede comprobar que para n 23. pi; en otras palabras, de 23 personas en adelante es ms
que por los menos dos de ellas tengan el mismo da de a que lodas difieran de fecha.
INFINITOS
S un espacio muestral infinito contable; es s {al,a:, ... }. Como en el caso finito,
obtenemos un de probabilidad a a; E S un nmero real PI, su pro-
babilidad, tal que
(i) p o y (ii) PI + P2 + ...
PI
1
La probabilidad P(A) de un evento A es entonces la suma de las probabilidades de sus puntos.
Ejemplo 3.10: Considrese el espacio muestral Sil, 2, 3, , '" I del experimento de lanzar una moneda hasta
que aparezca una cara; aqu n denota el nmero de veces en que se lanza la moneda. Un de
se obtiene designando
p(l) i. p(2) = i. . .. , p(n) = 1/2", .. -,
Los nicos espacios muestrales no contables S que son aquellos de medida
finita m(S) tales como longitud, rea o volumen, y en los un punto se selecciona al
azar. La probabilidad de un evento A, esto es, aquella en que el punto seleccionado pertenece a A.
es entonces la relacin de m(A) a o sea,
o PA)
volumen de A longitud de A
o PA)
rea de A
P(A)
Se dice que un espacio de probabilidad tal es uniforme.
Ejemplo 3.11: Sobre la lnea real R, se seleccionan al azar los puntos a y b tales que -2:!i". b "" O y O "" a::!': 3,
como se muestra luego. Hallar la probabilidad p para que la distancia d entre a y b sea mayor que 3.
t-..... ~ d
El cspa;io mucstrl consta de todas las or-
denadas (a. b) y forma as la regin rectangular que se
indica en e diagrama adjunto. Por otra parte, el conjunto
A de puntos (a. b) para los cuales d = a b 3 cons-
ta de puntos de S que caen de la lnea
x . __ . y 3 y rorman por lo tanto la sombreada
del diagrama. En consecuencia
p P(A)
rea de A 2
6
1
3
2
s
Nota: Un es de probabilidad finito o infinito contable se dice que es discreto. y un
contable se dice que es no discrefo.
no
44
lNTlWDUCCION A LA PROBABILIDAD CAP J
Problemas resueltos
ESPACIOS VIUESTRA y EVENTOS
:"LL Sean los eventos A y B. Hllese una expresin y el de Venn para e1.evento
en que: (i) A ocurre pero B no, esto CS, sucede A solamente; (ii) A o B suceden, pero no
esto sllcede exactamente lIllO de los dos eventos.
() Puc,l(l que A pero no fl sucedc, se sombrea la superficie de A exterior a B como en la figura (a) Observa-
1J)O, que /JC (complemento de B), sucede, desde que B no suceda: esto CS, A y Be suceden; en otras palabras, el even-
lo es /1 n !le.
Sucede ,.1 pero no EJ.
(a)
Sucede uno de los dos A o l/.
pero no ambos.
(b)
(11) Puesto que 'UCCl]e A O B. pero no ambos, se sombrea la de A y fJ salvo su interseccin como en la figura
(1)) anterior El evento es equivalente a A, si II no sucede, o B. si A no sucede. Ahora, como en el caso (i), A. pero
n() !i es el nento A n Be; y [J, rero no /1 es el evento B n A e, Entonces el evento dado es (A n U (8 n A e).
3.2. Sean los eventos A. By 'c. Hallar una ex y el de Venn para el evento
en quc, (i) succden A y B pero no C. (ii) sucede A solamente,
(1) l'u<.:.'lo qlJe /1 y B pero no e qlccdcn, se sombrea la interseccin de A y B que eae fuera de como en la figura (a)
indicada IUCgll. El c"ento AnBnCe.
Suceden A [J pero no e Sucede A solamente,
(a) (b)
. (JI) Puesto que solamente A sucede, se sombrea la s\lperficie de A que cae fuera de fJ y de C. como en la figura (11) an-
tertrn FI evento es AnBenCc.
3,3, el caso de lanzar una moneda y un dado; sea el muestral S que consta de doce
elementos:
I HI, H2, H3, H4, 116, TI, T3, TS, T61
() explcitamente los eventos: A : aparecen caras y un par 1,
B' i aparece un nmero 11101, e 1 aparecen sellos y un nmero impar 1.
( explcitamente el evento en que: (a) A o B (b) /J Y e suceden, (e) sucede
:,olamen!e.
(jji) ks de los sucesos A. B Y e son mutuamente exclusivos?
CAP. 3J INTRODUCC!ON A LA PROBABILIDAD 45
() Para obtener A, escogemos aquellos elementos de S que constan de una cara H y un nmero par' A I H2,
H4, H6!.
Para obtener B. escogemos aquellos puntos de S que constan de un nmero primo: B = I H2, H J, 115, T2, 1'3, T5 i.
Para obtener e, escogemos aquellos puntos de 5; que constan de un sello T y un nmero impar' e i I TSI
(ii) (u) A o B A U 8 = I H2, 1-14, 1-16, H3, HS, T2, T3, TS I
(b)ByC BnC=!T3,TSI
(e) Escoger aquellos elementos de B que no caen en A ni en C: BnAcnCc
(iii) A Y C son mutuamente exclusivos puesto que A n C = 0
3.4, Su pongamos un
cin define un
muestral S que consta de 4 elementos: S
de probabilidad
P(al) t, P(az) :::: t, P(a3) P(a4) ::::
(jii) P(a) :::: t, P(a2) P(a3) = i, P(a4) = i,
( iv)
H5,
. Qu fun-
(i) Como la suma de los valores de los puntos mueslrales es mayor que uno, ~ + k + i +! :::: Fa, la funcin no
define un espacio de S.
n mero negativo, la [uncin no define un de probabilidad S.
(iti) Como cada valor es no negativo, y la suma de los valores es uno, t + i + k + i 1, la [uncIn define un (,-
pacio dc probabilidad S.
(iv) Los valores son no negativos y suman uno; por lo tanto la funcin define un espacill probabilidad S.
3.5. Sea S == {al, az, a3, a4}, y sea P una funcin de probabilidad de S.
= i
(iii) Hallar P(a) si P({a2, i, P(
O) Sea P(a 1) p. Entonces para que P una funcin de probabilidad, la suma de las de los PUlilOS
mucstrales debe ser uno: p +.g. + i + ! = 1 o p fs.
(ti) Sea P(az) p. entonc<.:s = 21' Por lo tanto
+p+!-l..!
P(a!) it
Sea P(a Jl = P,
Entonces p + i + t + i 1 o p:::: t. esto es, P(a) = i
3.6. Una moneda est
sea el doble que la de sello
de modo que la
y P l ~ ) ,
<:
Sea p. entOnces {'(H) 2p, Ahora establecemos la suma de
o = t, As P(T) p k y P(H) = 2p .
I o p t. \si
bilidad de
<:
cara (1-1)
igual unu: p T ~ I
46
lNTRODUCCION A LA PROIJAB1LlDAD [CAP. 3
3.7. Dos hombres, h I Y 11 Y tres 111 1, HI2, ni 1, intervienen en un torneo de ajedrez. Los del
mismo sexo tienen probabilidades de ganar pero cada hombre tiene el doble de posibili-
dades de ganar que una (i) Hallar la probabilidad de que una mujer gane el torneo. (ii)
Si / I Y m I son hallar la probabilidad que uno de ellos gane el torneo.
Sea P(m 1) p; entonces 1'(111') . ~ P(lIIl) {l Y P(h 1) P(hl) 2p. Luego designemos por uno la suma de
las probabilidades de los cinco puntos muestrales: p + fI + P + 2p = I o p t
Buscamos, (i) ml,m',mJI) y h l. In I 1) Entonces por definicin,
1'(1 mi, lIU.1II ) 1) P(m ,) 1'(1//0) + P(m ,) t + t + t t
h I 111 I 1) P(h I} P(m 1) "'. ~ . . ~ = ij
3.8. un dado tal que la probabilidad de salir un nmero cuando se lanza el dado es pro-
porconal a dicho nmero (por ejemplo, 6 tiene el doble de probabilidad de salir que 3). Sea
A nmero par l. B 1 nmero primo l. C I nmero impar 1,
(i) Describir el espacio de probabilidad, esto es, hallar la probabilidad de cada punto muestra!.
(ii) Hallar peA), P(B) Y P(C).
(iii) Hallar la probabilidad de que: (a)
primo; (e) suceda A pero no B.
un nmero par o (b) un Impar
(i) Sea P(I) p. En!Onces P(2) 2p, PO) 3p. P(4) 4p. peS) 5p y P(6) 6p. Como la suma de las
probabilidades debe ser uno, obtenemos p + 2p + Jp + 4p + Sp + 6p 1 o p 1/21 As
P(l) ':f, P(2)::: P(3) f' P(4):=: A, P(5)::= ir, P(6):::,.
(ii) peA) P({2, 4, G}) P(B) P({2, D, 5}) P(C) P({l,B,5})
(di) (a) El evento de que salg.a un lllIllcro par o primo es A U LJ 12,4,6,3, 1, o que I no salga. As,
P(Au
(b) El evento de que salga U11 nmero primo imp3f
(') El evento en que sucede A pero no [j es A n Be
ESPACIOS FINITOS EQUlPROUABLES
3.9, Determinar la probabildJd p de cada evento:
:-.:: 1 P(l)
BnC {3,5}, As, p(BnC) ::: P({B,5})
{4,6}. Por lo tanto P(AnEe) ::: P({4,6})::::;
(i) que un nmero par al lanzar un dado normal;
(ii) que resulte un rey al sacar una carta de una baraja corriente de 52 cartas;
(jii) que aparezca por lo menos un sello al lanzar tres monedas normales;
.. (iv) que aparezca una bola blanca al sacar una sola bola de una urna que contiene 4 blancas.
3 rOjas y 5 bolas azules.
(i)
(ji)
El eyenlo puede ocurrir de tres maneras (2,4
Hay 4 reyes en las 52 cartas; por lo tanto p
3 1
6) de 6 casos igualmente posibles; por consiguiente p:::: '6:::: 2'
(iii) Si consideramos las monedas marcdas, entonces hay 8 casos igualmente posibles: HHH. HiT, HTH, HTT,
THH, THT, TTtI. TTT. Solamente el primer caso no es favorable para el evento deseado: por consiguiente p i.
,(iv) Hay 4 + 3 + 5 = 12 bolas; de las eunles 4 son blancas; por lo tanto p
CAP. 3J INTRODUCCION A LA PROBABILIDAD
47
3.10. Se sacan dos cartas al azar de una baraja corriente de 52 cartas. Hallar la probabilidad p de que,
(i) las dos sean espadas, (ii) la una espada y la otra corazn. \
52
Hay (2) = 1326 maneras de sacar 2 cartas de 52.
(i) Hay e;) = 78 maneras de sacar 2 espadas de 13; o sea
_ nmero de maneras posibles de sacar 2 espadas _
P - nmero de maneras posibles de sacar 2 cartas -
78
1326
1
17
(ii) Puesto que hay 13 espadas y 13 corazones, hay 13 13 = 169 maneras de sacar una espada y un corazn; o sea
_ 169 _ 13
P - 1326 - 102'
3.11. Se escogen al azar tres lmparas entre 15 de las cuales 5 son defectuosas. Hallar la probabilidad
p de que, (i) ninguna sea defectuosa, (ii) una exactamente sea defectuosa, (iii) una por lo me-
3.12.
nos sea defectuosa. I Q . t+o D<;:/U lOu,<- (w)
Hay e
3
5
) = 455 maneras de escoger 3 lmparas entre 15. )" D <(' tvOSM'
(i) Puesto que hay 15 -- 5 = 10 lmparas no defeccuosas, entonces hay = 120 manera;; de escoger 3 l mpa-
_ 120 _ 24
ras no defectuosas. ASI que p - 455 - 91'
(ii) Hay 5 lmparas defectuosas y = 45 pares diferentes de lmparas no defectuosas; por consiguiente hay
. 225 45
5' 45 = 225 maneras de escoger 3 lmparas de las cuales una es defectuosa. Entonces p = 466 = 9i'
(iii) El evento en que por lo menos una sea defectuosa es el complemento del evnto en que ninguna es defectuosa que
ti,,, """ (;), 'COb(::)' f) - :) t c. /;: , ',l, I ' ; : : + 'j;
Se seleccionan al azar dos cartas entre 10 cartas numeradas de 1 a JO. Hallar la probabilidad p efe .
que la suma sea impar si, (i) las dos cartas se sacan juntas, (ii) se sacan una tras otra sin sus-
titucin, (iii) las dos cartas se sacan una despus de la otra con systitucin.
(i) Hay (12) = 45 maneras de seleccionar 2 de 10 cartas. La suma es impar si un nmero es impar y el otro par. Hay
5 nmeros pares y 5 impares; entonces hay 5' 5 = 25 maneras de escoger un nmero par y uno impar. As, r
(ii) Hay 10' 9 = 90 maneras de sacar dos cartas una primero que la otra sin sustituci n. Hay 5' 5 = 25 maneras
de escoger un nmero par y uno impar, y 5 5 = 25 maneras de sacar un nmero impar y luego uno par; por tanto
26+26 60 _ 6

(iii) Hay 10 10 = 100 maneras de sacar dos cartas una despus de la otra con sustitucin. Como en (ii), hay 55
25 maneras de sacar un nmero par y luego uno impar, y 5 5 = 25 maneras de sacar un nmero impar y luego
25 + 25 60 1
uno par; entonces p = ---roo = 100 = 2'
3.13. Seis parejas de casados se encuentran en un cuarto.
(i) Si se escogen 2 personas al azar, hallar la probabilidad p de tlue, (a) sean esposos, (b) uno
sea hombre y otro mujer.
(ii) Si se escogen 4 personas al azar, hallar la probabilidad p de que, (a) se escojan dos parejas
de casados, (b) ninguna pareja sean casados entre los 4, (e) haya exactamente una pareja
de casados entre los 4.
(iii) Si las 12 personas se reparten en seis parejas, hallar la probabilidad p de que, (a) cada pareja
sean casados, (b) cada pareja la forme un hombre y una mujer.
48
INTRODUCCION A LA PROBABILIDAD ICAP 3
(i)
12
Hay (2) = 66 maneras de eSCDger 2 personas de las 12.
(a) Hay 6 parejas de casados; por lo tanto p = 1s = f,
66 e
(b) Hay 6 maneras de escoger un hombre y 6 maneras de escoger una mujer; por consiguiente p = 66 = 11'
(ii) Hay = 495 maneras de escoger 4 personas de 12.
e . 15 1
(a) Hay (2) = 15 maneras de escoger 2 parejas de las 6; o sea p = 495 = 3:i'
(h) Las 4 personas vienen de 4 parejas diferentes. Hay (:) = 15 maneras de escoger 4 parejas de las 6, y hay 2
. . 2 22 215 16
maneras de escoger una persona de cada pareja, o sea que p = 495 = SS.
(e) Este evento es mutuamente disyunto de los dos eventos anteriores (que tambin son mutuamente disyuntos) y
por lo menos debe suceder uno de estos dos. Por lo tanto p + is + * = 1 p =
(ii i) Hay = maneras de repartir las 12 personas en 6 clulas ordenadas con 2 personas en cada una .
(a) Las 6 parejas pueden ser colo cadas en 6 clulas ordenadas de 6' maneras. O sea p = = 10.;05'
(b) Cada uno de los 6 hombres se pueden colocar en 6 clulas de 6! maneras y cada una de las 6 mujeres lo mismo.
_ 6!0! 16
Por consiguiente p - 12!/26 = 231'
3.14. Una clase consta de 10 hombres y 20 mujeres de los cuales la mitad de los hombres y la mitad de
las mujeres tienen los ojos castaos. Hallar la probabilidad p de que una persona escogida al azar
sea un hombre o tenga los ojos castaos.
Sea A = Ila persona es un hombre 1 y B = Ila persona tiene ojos castaos 1. Buscamos la P(A
10 1 15 1 5 1
Entonces P(A) = 30 = 3' P(B) = 30 = 2' P(A nB) = '30 = j. As por el teorema 3.5,

P = P(AuB) = P(A}+P(B)-P(AnB) = = t
ESPACIO'S UNIFORMES NO' CO'NTABLES
3.15. En el interior de un crculo se selecciona un punto al azar. Hallar
la probabilidad p de que el punto quede ms cercano al centro que
a la circunferencia.
Denotemos por S el conjunto de los puntos interiores al crculo de radio r y
denotemos por A el conjunto de los puntos interiores al crculo concntrico de radio
(As , A es t form;do precisamente por aquellos puntos de S que estn ms cer-
canos a su centro que a su circunferencia.) Por consiguiente,
rea de /1
p = P(A) = re a de S
1
4
u B).
P( fI'J 1) ) :. NIl } ' Na)
_ 10 ,r
- 30' lo
"'" ;.!.. 1/
6
3.16. Considrese el plano cartesiano R 1, Y desgnese X como el subconjunto de puntos para los cuales
ambas coordenadas son enteros . Se lanza una moneda de dimetro t al azar sobre el plano. Ha-
llar la probabilidad p de que la moneda cubra un punto de X
Denotemos S el conjunto de puntos interiores del cuadrado con extremos
(m, n), (m, n + 1), (m + 1, n), (m + 1, n + 1) E X
Denotemos A el conjunto de punt os de S de distancia a las esquinas inferiores a t.
(Obsrvese que el rea de A es igual al rea interior del crculo de radio l) As un a
moneda cuyo centro cae en S cubrir un punto de X si y slo si su centro cae en
un punto de A. Segn esto,
p = P(A) =
rea de /1_ = 1T(t)2 = "'" 02
rea de 5' 1 16 '
Nota: No se pueden considerar todos los S de R' porque ste tiene rea in-
finita.
(m, n + 1) (m+ 1, " + 1)
s
(m,n) (m+ 1, n)
A sombreado
CAP 31 lNTRODUCCION A LA PROBABILIDAD
3.17. Tres a, b y e de una circun
llar la probabilidad p de que los puntos
semi-crculo.
se escogen al azar. Ha-
sobre el mismo
Su [l0ngamos que la longillld de la crcun len:nda 2\" Denotemos la lon-
gilUd del arco ab en ,el :,cntido del movimiento de las agujas de! reloj y denotemos
la dd arco I1l' en d mismo sentido, As
o < x < 28 y o < y < 28 (*)
Sea .'; el conjunto de los puntos de R' para los cuales cumple la condicin ('j,
Sea A el subconjunto de S para el cual cumple una de las CO!l(Jcones sigUientes:
(i) x, y < 8
(ii) x, y > 8
x<s yy-x>s
(v) y < 8 Y x - y > 8
Entonces A consta de aqucllos puntos para los cuales se cumple que a, b y e caen
sobre el semi-circulo, As
p
PROBLEMAS VARiOS
rea de A 3
- 4'
49
OH)
A sombreado
3.HL Sean A y B
P(AC) y
eventos con P(A) = J1, P(B) =! y P(A nB) = Hallar (i) P(A UB),
(iii) P(Acn (iv) P(ACUBC), (v) P(A nBC), (vi) P(BnAC).
(i) P(A) + P(B) P(A nB)
ft
(i i) P(AC) = 1- 1 y 1 - P(B)
(ii) US:.ll1do la ley de De J'vlorgan, (AUB)c AcnBc, t<.:ncmos
P(Aen PA U 1 P(A uB)
(i v) Usando la ley de De Morg:.ln,
nB)e = Ae t"nemos
U nB)e)
=
1 - ['(A nB)
EljU ivakntemente,
p(AcuBe) + P(BC) -
(v) P(A nBC}
P(Bn
B) = prAl P(A nB)
P(B) - PAn
1 ft
1-t
i+k
3,19, Sean A y B eventos con P(A U B) = P(A e) i y p(AnB)
(i) P(A), (ii) P(B), (iii) P(A n Be).
(i) PA) 1 - P(AC) = 1 - i = t
1
=
li
~
t
ll.
4
t. Hallar,
(ii) R.<:mplal.Jl1los en P(;l U prAl + [,(B) nB) para obtener :'le
i + P(B) i o
(i ii)
prAl nB)
3.20. Hallar la probabilidad p de un evento si la ventaja de que ocurra es a ' b, esto es Ha a b"
.
La ventaja de que un evento con probabilidad f' slI<.:cda la relacin p' (1 - p), Por lo tanto
p
a
b
o bp a ap o ap +
a
= a o p
3.21. Hallar la probabilidad p de un evenlo si la cJCljueSlIcccJa "3a2",
;! de lo cual p
2
la r.cspllcsta: p
%. Podemos u,ar tambin la rrmula del problema anterior para obtener directarncn'tc
3
- 5'
50
INTRODUCCION A LA PROIlABILlDAD [CAP. 3
3.22. Se lanza un dado 100 veces, La tabla siguiente detalla los seis nmeros y la frecuencia con la cual
aparece cada nmero:
Nmero 1 2 3 4 5 6
Frecuencia 14 17 20 18 15 16
Hallar la frecuencia! del evento en que, (i) aparezca un 3, (ii) aparezca un 5, (iii) aparezca un n-
mero par, (iv) aparezca un nmero primo,
.. nmero de sucesos
La frecuenct:l relatIva f = , I d b
numero tota e pruc as
(
') f 20 (1') f lS (" ' ) f 17+18+16
I = 100 = 0,2 = 100 = 0,15 1IJ = 100 = 0,51 (
, ) f = 17 + ZO + 15 - 52
IV lOO - ,
3.23. Probar el corolario 3,6: Para los eventos A, By C.
P(AUBUC) = P(A) + P(B) + P(C) - p(AnB) - P(AnC) - P(BnC) + p(AnBnC)
As
Sea D = B U C, Luego A n D = A n (B U C) = (A n B) U (A n C) y
P(AnD) = P(AnB) + P(AnC) - P(AnBnAnC) = P(AnB) + P(AnC) - P(AnBnC)
P(AuBUC) P(A uD) = P(A) + P(D) - P(A n D)
P(A) + P(B) + P(C) - P(BnC) - [P(AnB) + P(AnC) - P(AnBnC)
= P(A) + P(B) + P(C) - P(BnC) - P(AnB) - P(AnC) + P(AnBnC)
3.24. Sean S = {al, az, ., " a.} y T = {b
l
, b
z
, , .. , bt} espacios finitos de probabilidad. Sea el n-
mero Pi} = P(al) P(b
j
) asignado a la pareja ordenada (al, bj ) del conjunto producto S X T =
{(s,t) : s E S, t E T}. Comprobar que el PIJ define un espacio de probabilidad de S X T. esto
es, que los plJ son no negativos y suman uno, (Este es el llamado espacio de probabilidad producto,
Hacemos nfasis que esta no es la nica [uncin de probabilidad que se puede definir del con-
junto producto S X T.)
Puesto que P(a
l
), P(b
J
) 0, para cada i y cada}. Plj = P(a) P(b
j
) 0, Adems,
P11 + PI2 + ... + Pu + PZI + P22 + '" + P2t + '" + P.I + P.z + ,.' + P.t
= P(al) P(b) +
= P(a)[P(b
1
) +
+ P(a) P(b
t
) + ... + P(a.) P(b) + .. , + P(a.) P(b,)
+ P(b,)] + '" + P(a,)[P(b
l
) + ... -+ P(b
t
)
P(a
1
) 1 + ... + P(a,)' 1
= P(a) + ,.. + P(a,)
1
CAP. 31 INTRODUCCION A LA PROBABILIDAD
51
.
ESPACIOS MUESTRALES y EVENTOS
3.25. Sean A y B eventos. Hallar la expresin y usar el diagrama de Venn para el evento en que, (i) sucede A o no B. (ii) ni A
ni B suceden.
3.26. Sean A. B Y e eventos. Hallar la expresin y usar el diagrama de Venn para el evento en que, (i) sucede exactamente uno
de los tres eventos, (ii) suceden por lo menOol; dos de los eventos, (iii) ninguno de los eventos sucede, (iv) sucede A o B.
pero no C.
3.27. Sea el caso de lanzar una moneda de centavo, una de diez centavos y un dado.
(i) Escribir el espacio muestral S apropiado.
(ii) Expresar explcitamente los eventos siguientes: A = I que aparezcan dos caras y un nmero primo 1, B = I que
aparezca un 2 1, e = I que aparezca exactamente una cara y un nmero primo l.
(iii) Expresar explcitamente el evento en que, (a) A y B suceden, (b) sucede solamente 8, (c) sucede B o C.
3.28. Cules runciones definen un espacio de probabilidad de S = {al' Uz, aa}?
3.29.
(i) P(a) = t, P(U2) = t, P(aa) = t
(ii) P(a) = t, P(a2) = -k, P(aa) = t
(jii) P(a) = 1, P(az) = t, P(as) = t
(iv) P(a) = 0, P(
z
) = t, P(aa) =
Sea P una funcin de probabilidad de S = {al' az, as}. Hallar P(a) si, (i) P(aJ = t y
(ii) P(a) = 2 P(a2) y P(aa) = i, (iii) P( {az, as}) = 2 P(a), (iv) P(as) =
P(az) = 3 P(a).
3.30. Se carga una moneda de manera que la posibilidad de salir cara sea tres veces la de salir se.llo. Hallar P(H) y P(T) .
3.3
3.32.
3.33.
Tres estudiantes A. B Y e intervienen en una prueba de natacin. A y 8 tienen la misma probabilidad de ganar y el do
ble de la de C. Hallar la pro babilidad de que gane B oc. rfA) = z. p, p(,.,) " Z . P lc) : /> . () t
p{e.()c- ): r+r =i-I z-Pt-z-p+p = ( ;:;g. f>G ='f
Se carga un dado de manera que los nmeros pares tienen el doble de posibilidad de salir que los impares. Hallar la pro-
babilidad de que, (i) aparezca un nmero par, (ii) aparezca un nmero primo, (iii) aparezca un nmero impar, (iv) apa
rezca un nmero primo impar. S : i I i !, l r: l
('irl .. f,'r " n 'l' ",; I q /' L ., Irl / L It. , Z.
<- > "f' , . /' f . - I,!. e: 'f ij 'f q '1
Hall ar la probabilidad de un evento si la ventaja de que suceda es, (i) 2 a 1, (ii) 5 a 11. rIPIAI""') ; f ' .f :f
3.34. En una carrera de natacin, la ventaja de que A gane es 2 a 3 y la ventaja de que B gane es I a 4. Hallar la probabilidad p
y la ventaja de que A o B ganen la carrera.
ESPACIOS FINITOS EQUIPRonAn\..ES
3.]5.
3.36.
Una clase est formada por 5 estudiantes de primero, 4 de segundo, 8 de penltimo y 3 de ltimo a o . Se es\:oge un estu-
diante al azar para representar la clase. Hallar la probabilidad de que el estudiante sea, (1) de segundo, (ii) de ltimo
ao, (iii) de penltimo o de ltimo ao. , .. ) Ifl rVeI) ; t,.. .;) _ !!.. Ir
...v CA V
Se selecciona una carta al aza r entre SO cartas numeradas de I a 50. Hallar la probabilidad de que el nmero de la carta
sea, (i) divisible por 5, (ii) primo, (iii) termine en dos.
p{c} =
3.37. De las 10 ni as de una clase, 3 tienen ojos azules. Si se escogen dos nias al az.ar, cul es la probabilidad de que,. (i) las l'{l) (
dos tengan ojos azul /e.s? (ii) ninguna tenga ojos azules? (iii) una por lo menos tpga ojos azulesry f i3 n)( 1- ( 1. ). <J _ - ! '1)
(
;0): .. l I'); ? 'o .!.. - .: ) I I- i.
v
;",,, . '.0.. _):.-,u.&r c .
1
({pI . ( - t. : {-;::/I ----r' ."')--- - Ir
. 3.38.
- ,.l A. I \ " l . '"1' ( .r .tf .) J '-
Tres lornillos y tres tuercas estn en una caja. Si se escogen dos piezas al azar, hallar la probabilidad de sacar un torni
110 y una tuerca. (f) / . Ir! \(: l' li P:A) : I
52
INTRODUCCION A LA PROBABILIDAD CAP J
:l.39. Diez estudiantes. A, {J, ,e,tn en u na clase . Si se escoge un comit de J, al alar, hallar la probabilidad de que. (i) A
pertenezca al comit, (ii) B pertenezca al comit, (iii) A Y B pertenezcan al comit, (iv) A o B perlencJ:ca al comit.
3.40. Una clase consta de 6 nias y 10 nios. Si se escoge al aza r un co mit de 3, hallar la probabilidad de, (i) seleccionar tres
nios, (ii) se leccionar exact amente 2 nios. (iii) seleccionar por lo menos un nio , (iv) seleccionar exactamente 2 nias.
3.41. Se lanza un par de dados corrientes. Hallar la probabilidad de que la suma de los dos nmeros sea mayor que 4.
3.42. De 120 estudiantes, 60 estudian francs. 50 estudian espaol. y 20 estudian francs y espaol. Si se escoge un estudiante
al azar , hallar la probabilidad de que el estudiante, (i) estudie francs y espaol, (ii) no estudie francs ni espaol.
:l.4.1. Tres nirios y J nias se sientan en fila . Ilallar la probabilidau dc que, (i) las tres nias se ; icnten juntas, (ii) los nios y las
ni as se sienten alternados.
ESPACIOS UNIFORI\IES NO CONTABLES
.1.44. Se escoge al azar un punto interior a un tringulo equil ;'llero de lado ), Hallar la probabilidad ue que su di stancia a un
vrtice sea mayor que l .
3.45. Se lanza al a7.ar una moneda sobre el plano cartesiano R:. Hallar la probabilidad de que la moneda no corte ninguna lnea
cuya ecuacin sea ue la forma, (a) x = J... (b) x 1-)' = k , (e) x = k o )' O' " k. (Aqu k es un entero.)
3.46, Se escoge al azar un punto X sobre un segmento de rect a A n con punto medio O.
ment os de recta /1)(, XB y ,,10 puedan formar un tringulo.
Hallar la probabilidad de que los seg-
l
PROBLEMAS VARIOS
.1.47. Sean los eventos A y Bcon P(AUB) = -h-, P(Anll) = t y P(Ac) = l Hallar P(A), P(B) y P(AnBc),
:l.48. Sean los eventos A y B co n P(A)
P(AcUBC) y P(BnAc).
i, P(AuB) y P(BC)
~ .
Hallar P(A nB), P(AcnBr.),
3.49. Se lanza un dado 50 veces. La tabla siguiente da los seis nmeros y la frecuencia con que se repiten :
Nmero 1 2 3 4 5 6
Frecuencia 7 9 8 7 9 10
Hallar la rrecuencia relati va del evento, (i) en que aparece IIn 4, (ii) en que aparece un nmero impar, (iii) en que apare-
ce un nmero primo.
3,50. Probar' Para los eventos Al' Az, ... , An,
~ P A ) - ~ P(AnAJ) +
i f<J
~ P(AnAjnA
k
) - , P(An nA
n
)
f<j<k
(No ra. I::.stc resultado gcnerali73 clteorema 3.5 y el co rolario 3.(,.)
CAP 3] INTRODUCCION A LA PROOAOILlDAD
3.25. (i) AuEe, (ii) (AuE)e
3.26. (i) (AnEenCe) u (BnAenCe) u (CnAenBe)
(i) (AnE)u(AnC)U(BnC)
(ii) (AuEuC)e
(iv) (A u E) n Ce
3.27. (i) S = {HH1, HH2, HH3, HH4, HH5, HH6, HTl, HT2, HT3, HT4, HT5, HT6,
TH1, TH2, TH3, TH4, TH5, TH6, TTl, TT2, TT3, TT4, TT5, TT6}
53
(ii) A = {HH2, HH4, HH6}, E = {HH2, HT2, TH2, TT2}, C = {HT2, TH2, HT3, TH3, HT5, TH5}
(iii) (a) A nE = {HH2}
(b) E "- (A u C) = {TT2}
(e) BuC = {HH2, HT2, TH2, TT2, HT3, TH3, HT5, TH5}
3.28. (i) no, (ii) no, (iii) s (iv) s
3.29. (i) -A, (ii) i, (iii) t, (iv) fa-
3.30. P(H) =!, P(T) = t
3.3 I.
i
3.32. (i) t, (ii) t, (iii) -h (v) i
3.33 (i) t, (i) -h
3.34.
P = i;
la ventaj a es 3 a 2
3.35. (i) i,
(")3
11 20'
C') 11
111 20 .
/
3.36. (i) t,
(ii) f-o'
(iii) 110
3.37.
(i) -!S'
.. 7 / ... 8
(11) 15' (1lI) 15
. 3.38.
i
;/
J.39. (i) &,
('") 3
11 10'
("') l / e) 8
1lI 15' IV 15
3.40. (i) A,
(") 21
11 56'
("') 21
1lI 28'
e ) 15
IV 56
3.4 I.
~
:\.42. (i) i, (ii) t
3.43.
(i) !'
(U) ~
3.44. 1 - 2,rI(9V3)
3.45. (i) t, (ii) 1 - tv'2, (iii) t
3.46.
1
3.47. P(A) = ~ P(B) = i. P(A nBe) = i
3.48. P(AnB) = t, P(AcnBc) = i, P(ACuBc) = t, p(BnAC) = i
9 (
') 7 (") 24 ("') 26
3.4 . I 60' 11 50' 1lI 50
Captulo 4
PRO;'\ rUl}\p UJ i DI\.I O1 / L
Sea E un evento arbitrario de un espacio Illuestral S con P(E O. La probabilidad de que un even-
to A suceda una vez que E haya sucedido o, en otras palabras, la probabilidad condicional de A dado
E, escrito P(A I E), se define como sigue:
P(A lE) = p(AnE)
P(E)
'. E
Como se aprecia en el diagrama de Venn expuesto, P(A lE)
en cierto sentido mide la probabilidad relativa de A con re-
s
lacin al espacio reducido E.
En particular, si S es un espacio finito equiprobable y lA I denota el nmero de elementos de un
evento A. entonces
P(AnE)
Esto es,
IAnEI
ISI
P(E)
IEI
ISI
y as
P(A lE)
p(AnE)
P(E)
IAnEI
IEI
Teorema 4.1: Sea S un espacio finito equiprobable con eventos A y E. Entonces
P(A lE)
o
P(A lE) =
nmero de elementos de A n E
nmero de elementos de E
nmero de maneras en que A y E pueden suceder
nmero de maneras en que E puede suceder
Ejemplo 4.1: Sea el caso de lanzar un par de dados corrientes. Si la suma es 6, hallar la probabilidad de que uno de los
dados sea 2. En otras palabras. si
E = {suma es 6} = {(1, 6), (2,4), (3,3), (4,2), (6, 1)}
y A = {un 2 aparece por lo menos en un dado}
hallar P(A lE).
Ahora E consta de cinco elementos y dos de ellos, (2, 4) Y (4, 2), pertenecen a A. A n E = :(2,4),
(4, 2)'. Entonces P(A I E) = ~
Por otra parte. puesto que A consta de nueve elementos.
A = {(2, 1), (2,2), (2,3), (2,4), (2,6), (2,6), (1,2), (3,2), (4,2), (6,2), (6,2)}
y S consta de 36 elementos, P(A) = ~
Ejemplo 4.2: Un hombre visita a un matrimonio que tiene dos hijos. Uno de los hijos, un nio, entra en la sala. Hallar
la probabilidad p de que el otro sea tambin nio si, (i) se sabe que el otro hijo (o hija) es menor, (ii) no se
sabe nada del otro hijo. .
El espacio muestra} para el sexo de los dos hijos es S = I bb. bg, gb. gg I con probabilidad i para
cada muestra. (Aqu la serie de cada punto corresponde a la serie de nacimientos.)
(i) El espacio muestral reducido cOflsta de dos elementos, I bb. bg 1; o sea p = l
(ii) El espacio muestral reducido consta de tres elementos, I bb. bg. gb 1; o sea p = t .
CAP 4] PROBABILIDAD CONDICIONAL E
55
TEOREMA- DE LA MULTIPLlCACION PARA PROBABILIDAD CONDICIONAL
Si multiplicamos en cruz la ecuacin anterior que define la probabilidad condicional y usamos el
hecho de que A n E = E n A, obtenemos la siguiente frmula til.
Teorema 4.2: P(E n A) = P(E) P(A I E)
Este teorema puede extenderse por induccin matemtica co mo sigue:
Corolario 4.3: Para los eventos Al, A
2
, ... , A
n
,
P(Al nA2 n nA
n
)
= P(An IAnA2n nAn - l )
Ahora aplicamos el teorema anterior que es llamado, apropiad:.lmente, el teorema de la multi-
plicacin.
Ejemplo 4.3: Un lote de 12 artculos tiene 4 derectuosos. Se toman al azar tres artculos del lote uno tras otro. Hallar
la probabilidad p de que todos los tres estn buenos.
La probabilidad de que el primer artculo no sea defectuoso '- puesto que 8 entre 10$ 12 no son
12 .
defectuosos. Si el primero no es derectuo,o , entonces la probabilidad de que el prximo artculo no sea
derectuoso es f puesto que solamente 7 de los II sobrantes no son defectuosos. Si los dos primeros ar-
tculos no son ddectuosos , entonces la probabilidad de que el ltimo no sea derectuoso es !. puesto que
10
solamente 6 entre los 10 que quedan no so n derectuosos. As por el tcort:ma de la multiplicacin,
8 7 G 14
p = 12'] 1 . 10 = 55
PROCESOS ESTOCASTICOS FINITOS y DIACHAMAS DE ARBOL
Una sucesin (finita) de experimentos en los cuales cada experimento tiene un nmero finito de re-
sultados con probabilidades dadas se llama un proceso estocstico (finilO). Una manera conveniente de
tal proceso y calcular la probabilidad de un evento se obtiene por el diagrama de rbol como
se ilustra en la figura siguiente; el teorema de la multiplicacin de la seccin anterior se usa para calcu-
lar la probabilidad de que el resultado representado por una trayectoria determinada del rbol suceda .
.....
Ejemplo 4.4: Tomemos las tres cajas siguientes:
Caja I contiene 10 lmparas de la s cuales 4 son defectuosas.
Caja 11 contiene 6 con I defectuosa.
Caja 111 contiene 8 con J ddectuo,as.
Escogemos al azar un a caja y luego sacamos al azar una lmpa ra . Cul la probabilidad p de que la
lmpara sea defectuosa?
Aqu realizamos una serie de dos experimentos:
(i) escoga una de las tr es cajas;
(ii) escoger una lmpara que sea o defectuosa (D) o no defectuosa (N).
El diagrama de ,hol sigu iente lkscribc el proceso y da la probabilidad de cada rama del rbol :
.t , -D
rr --=======r==---N
t
D

i N
56
PROBABILIDAD CONDI C IONAL E INDEPENDENCIA [CAP 4
La probabilidad de que una trayectoria determinada del rbol suceda es, segn el teorema de la multi-
plicacin, el product o de las probabilidades de cada rama de la trayectoria, o sea, que la probabilidad de
escoger la caja I y luego una lmpar? defectuosa es = !S.
Ahora como hay tres tr ayect or ias mutu amente exclusivas que conducen a un a lmpar a defectuQsa ,
la suma de las probabilidades de est as trayectorias es la probabilidad buscada:
1 2 1 1 1 3 113
p == "3."5 + "3 ."6 + 3'. 8" = 360
Ejemplo 4.5: Se lanza una moneda cargada de modo que P(C) = 1- y P{S) = !. Si sa le ca ra, se escoge al un
nmero de I a 9: si sale sello , se escoge al azar un nmero de l aS. Hall ar la probabilidad p de que se
escoja un nmero par
El di agr ama de con las probahilidades respectivas es:

E
Obsrvese que la proba bilidad de escoger un nmero par de I a 9 es puesto que hay 4 pares entre
los 9 nmeros, mientras que la probabilidad de escoger un par de I a 5 es t puesto que ha y 2 nmeros
pares entre los 5. Dos de las trayectorias conducen a un nmero par: CP y SI'. As
2 4 1 2
P = P(E) = -. - + - . --
3 9 3 5
58
135
PAHTICIONES y TEOHEMA DE BAYES
Suponga mos que los eventos Al, A2 , . , An forman
un a pa rticin de un espacio muestral S; esto es, que los even-
tos A son mutuamente exclusivos y su unin es S. Ahora
sea B otro evento. Entonces
B SnB = (AUA2 uuA
n
)nB
(AnB) U (A
2
nB) U U (AnnB)
donde las Al n R son eventos mutuamente exclusivos. En
consecuenct a.
B sombreado.
P(B) = P(AnB) + P(A
2
nB) + .. , + p(AnnB)
Lu ego [lor el teLlrema de la multiplicacin,
P(B) = P(AI ) P(B I Al) + P(A2) P(B I A2) + .. - + P(An) P(B I An)
Por otra part e, para cualquier i, la probabilidad condicional de Al dado S se define por
P(A I B)
(1)
En esta ccuaClon usamos (/) para remplazar peS) y usamos peAl n B) = ' P(A) P(S IA) para rem-
plaza r P(AI n R), obteniendo as el
Teorema de Bayes 4.4:
P(AI I B)
Su pngase que A 1, A 2, ... , An es una particin de S y que B es cualquier even-
to. Entonces para cualquier i.
P(A) P(B I Al)
CAP 41 PROBABILIDAD CONDICIONAL E IND:PLNDENCI A
;< "1- ,,'/.
57
Ejemplo 4.6: Tres mquinas A , 8 Y e producen respecl ivamenle 50%. JO'l',. y 20% del nmero lolal de articul os de una
fhrica . Los porcen lajes de desperfectos de produccin de e, las mquinas son 3%.4% Y 5%. Si se "dec-
cion;1 a l al ar un articulo . hallar la prohabilidad de que el articulo sca defcctu os,J. > '/.
l ', 4/. t , >
Sea X el evento de que un artculo es defectuoso. Emonces segn (J) vi sl o alrs , u.o\ D
P(X) = P(A) P(X I A) + P(B) P(X I B) u.:;o A
+ P(C) P(X I e)
(0.50)(0.03) + (0.30}(0.04) + (0,20)(0.05)
0,037
II .JO
et-----8 _______
Obsrvese que lilmbin podemos con sider a r esle problema COl1l0
un proceso eSlocsli co que liene el diagrama de rbol adjunto .
N
Ejemplo Comidrese la fbrica del ejemplo antai or SUflngase que se selecciona un art culo al ;l /M v rCsUllJ ser
defecluoso . Hallar la probabilidad de que el artcu lo fue producido por 1;-l1I qui ;a hallar-
P(d 1 X) -
Por el leor ema de !:l ayes ,
P(A IX)
peA) P(X I Al
P(A) P(X I A:- ) P(X I B) + P(C) P(X I e)
(0. 50){O.OJ)
(0,50)(0,03) + (0,30)(0,04) 1- (0,20)(0,05)
-0. 405
37
En Olras palahras, dividimos la probabilidad de la trayecloria pedida por la flrohahilid<lJ del e,p;ICIO
mu eslral reducido, o , ea, aquellas Irayeclorias qu e condu cen a un artcul o ddecl uosu .
INDEPENDENCIA
Se di cl: que un evento B es independient e de un even to A si la [xoba bilidad de que IJ sllceda no
est innuenciada porque A haya o no sucedido. En otras pal abras, si la prohabiliJad de n iguala la
prohabilidad condi cional de B dado A : P(B) = P(ll I A). Ahora su.,t ituyendo I'(B) por P(! lA) en
el teorema de la multiplicacin P(A n B) = P(A) P(B 1,.1), obten emos .
P(A n B) P(A) P(B)
Usamos la ecuacin anterior como nuestr a definicin forma l de in(kpendencia .
Definicin: A Y B son eventos independientes si P( A n B) = P(A) P(B); de otro modo son depen-
dientes.
Ejempl o L:.nccse una moneda co rri en le Ires veces; obtenell1os el ts pacio cquiprobabi<::
s = {HHH, HHT, HTH, HTT, THH, THT, TTH, TTT}
Con,ideremos lo s even lo,
A I primeros lanlall1il:nl os son caras I
e - I exaclalllenle se del, cara.s seguid ;l' I
Claralllcnle A y 1I son cvenlos independientes; esle hecho se verifica en sc:guida . Por "Ir;t parl<: , la rcl;t
cin enlre ,,1 y e o H y e no es obvia . Insi, lilllos en (jue ,. 1 y e 'ion inde pendi enl e.s, 11 C!'1l (jlle B y e so n
dependienles. Tenemos
P(A) P({HHH, HHT, HTH, HTT})
4 1
=
2' 8
P({HHH, HHT, THH, THT})
4 1
8
--
2
P(B)
P({HHT, THH})
2 1
'8 4
p(e)
Enlonces
P(AnB) P({HHH, HHT} ) = peA ne) = P({ HHT})
P(BnC) ::= P({HHT, T HH}) =
58
En consecuencia,
1 1
2'2
P(A)
1 1
2'4
P(B) p(e) = !.!
2 4
1
P(AnB),
y as A y B son
4
1
P(A n e). y as A y B son
8
1 .p P(B n e), y as B y e son dependientes.
8
[CAP. 4
Frecuentemente, postularemos que eventos son o que ser claro por la natura-
leza del experimento que dos eventos son independientes.
Ejemplo 4,9: La probabilidad de que A d en el blanco es i y la de Bes t. Si A Y B disparan, cul es la probabilidad
de que se pegue al blanco?
Sabemos que P(A) = t y P(R) ; y buscamos P(A U B). Adems, la probabilidad de que
A o B den en el blanco no depende, de que el olro d; esto es, el evento de que A d en el blanco es inde-
pendiente del evento de que B d en el blanco: P(A n B) 1'(8). As
U
+
! + 2
4 5
nB)
11
20
P(A) + 1'(B) P(A)
Tres eventos A, B Y e son independientes SI:
(i) P(A nB) P(A)P(B), P(AnC) P(A) P(C) y nC) P(B) P(C)
esto es, si los eventos son independientes dos a dos, y
(ii) p(AnBnC) P(A) P(C).
El prximo ejemplo muestra que la condicin (ii) no se desprende de la condicin (i); en otras pa-
labras, tres eventos pueden ser dos a dos pero no entre
Ejemplo 4.10: Sea el caso de lanzar un par de monedas corrientes; aqu i HII, HT, 1'1-1, 1'T i es un espacio
Consideremos los eventos
A = I caras en la primera moneda i
B caras en la segunda moneda I {HH, TH}
e = caras en una moneda exactamente I
Entonces P(A) P(B) = P(G) :::: == y
P(AnB)
1
P({HH}) = 4"' P(A ne) = P({HT})
1
4'
P(BnG)
1
({TH}) = 4"
As la condicin (i) se satisface, o sea, los eventos son independientes dos a dos. Sin embargo,
A n B n e = !) y as
P(AnBnG) = P(0) o # P(A) P(B) P(G)
En otras palabras, la condicin (ii) no se satisface y :xJf lanto los tres eventos no son independientes.
PRUEBAS REPETIDAS O INDEPENDIENTES
Hemos discutido previamente de probabilidad que estaban relacionados con un experi-
mento repetido un nmero finito de veces, tal como el lanzamiento de una moneda tres veces. Este con-
cepto de repeticin se formalza como
Definicin: S un espacio finito de probabilidad. Por n pruebas o independientes,
el espacio de probabilidad T que consta de n-uplas o elementos de S con la
probabilidad de una n-upla definida como el producto de las probabilidades de sus com-
ponentes:
P(S2) ... P(Sn)
CAP. 4] PROBABILIDAD CONDICIONAL E INDEPENDENCIA
59
Ejemplo 4.11: Tres caballos a, b y e corren juntos, sus probabilidades de ganar son respectivamente i y i. En
otras palabras, S = la, b, e I con P(a) = t, P(b) = ! y P(c) = i. Si los caballos corren dos veces,
entonces el espacio muestral de las dos pruebas repetidas es
T = {aa, ab, ba, bb, be, ea, eb, ee}
Por conveniencia en la notacin , escribimos ac en lugar de la pareja ordenada (a, c). La probabilidad
de cada punto de Tes
P(aa) P(a) P(a)
1 1 1
P(ba)
1
P(ca)
1
2'2
4 6 12
P(ab) pral P(b)
1 1 1
P(bb)
1
P(eb)
1
2'3
6 9 18
-{-c,.
l,!
1 1 1
P(ac)
=
P(a)P(c)
=
P(be)
=
P(ce)
=
2 6 12 18 36
As la probabilidad de que e gane la primera carrera y de que a gane la segunda es P(ca) = T-2'
Desde otro punto de vista, un proceso de prue-
bas repetidas es un .proceso estocstico, cuyo diagra-
ma de rbol tiene las siguientes propiedades:

i e
(i) cada ramal tiene los mismos resultados; (ii) la
probabilidad es la misma en cada rama que conduce
a un mi smo final. Por ejemplo, el diagrama de r-
bol del proceso de pruebas repetidas del experimento
anterior es tal como se muestra en la figura adjunta.
__ ___

Obsrvese que cada ramal tiene los resultados
a, b y e, y cada rama que conduce al resultado a
tiene probabilidad t, las que conducen a b tienen
probabilidad t y cada una de las que conduce!) a e
tienen probabilidad i.
Problemas resueltos

e t b
1 e
PROBABILIDAD CONDICIONAL EN ESPACIOS FINITOS EQUIPROBABLES
4.1. Se lanza un par de dados corrientes. Hallar la probabilidad jJ de que la suma de sus nmeros sea
10 o mayor si, (i) aparece un 5 en el primer dado, (ii) aparece un 5 en uno de los dados por lo
menos.
(i) Si aparece un S en el primer dadu , entonces el espaciu muestr al reducido es
A = {(5, 1), (5,2), (5,3), (5,4), (5,5), (5, 6)}
La suma es 10 u mayor en dos de los seis resultados: (S, S), (5,6). Por lo tanto p = i =
(ii) Si aparece un S por lo menos en un dado , entonces el espacio muestral reducido tiene once elementos:
3 PROOABILlDAlJ
B = {(5, 1), (5,2), (5,3), (5,4), (5,5), (5,6), (1,5), (2,5), (3,5), (4,5), (6, 5)}
3
La suma es 10 o mayor en tres de los once resultados: (5, S), (S, 6), (6, S). Por lo tanto p = 11'
..
60
PROBABILIDAD CONDICIONAL E INDEPENDENCIA ICAP 4
Se lanzan tres monedas corrientes. Hallar la probabilidad p de que sean todas caras si, (i) la pri-
mera de las monedas es cara, (ii) una de las monedas es cara.
El espacio muestral tiene ocho elementos: S = I HHH, HHT, HTH, HTT, THH, TiIT, TTH, TTT 1.
(i) Si la primera moneda es cara, el espacio muestral reducido es A = I HHH. HHT. HTH. HTT l. Puesto que la,
monedas son todas caras enA de 4 casos. [1 = i /
(ii) Si una de las monedas es car1. el espacio muestral reducido es 8 = I HHlf , HHT, HTH, HTT, THH. THT. TTH 1.
Puesto que las monedas son todas caras en I de 7 casos, p = t . ."
Se lanza un par de dados corrientes. Si los dos nmeros que aparecen son diferentes. hallar la pro-
babilidad p de que, (i) la suma sea seis, (ii) aparezca un as, (iii) la suma sea menor igual a 4.
De las 36 maneras que se puede lanzar el par de dados. 6 contienen nmeros repetidos: (1 , 1), (2, 2). ,(6.6). As
el espacio muestral reducido constar de 36 - 6 = 30 elementos.
(i) La suma 6 puede suceder de 4 maneras: (1, 5). (2. 4). (4, 2) (5,1). (No incluimos (1. 3) puesto que los nmcro' son
iguales.) Entonces [1 = ..!. = .!.
30 15'
(ii) Un as puede aparecer de 10 maneras: (1.2), (1, 3), ,(1,6) Y (2,1), (3.1). , (6, 1). Entonces [1 = ~
(iii) La suma menor o igual a 4 puede suceder de 4 maneras: (3. 1), (l. 3), (2 , 1). (l. 2). As [1 =fo= fs
4.4. Se escogen al azar dos dgitos desde I hasta 9. Si la suma es par, hallar la probabilidad p de que
ambos nmeros sean impares.
La suma es par si los nmeros son impares o si son pares. Hay 4 pares (2, 4. 6,8); por tanto hay ~ ) = maneras rlc
escoger dos nmeros pares. Hay 5 impares (1, 3, 5, 7, 9); o sea que hay ~ ) = 10 maneras de escoger dos nmeros im-
pares . As hay 6 + 10 = 16 maneras de escoger dos nmeros tales que su suma sea par; puesto que lO de estas maneras
d rl I d
- . !O 5
suce en cuan o os os numeros son Impares, fi = 16 = 8'
4.5. A un hombre se reparten 4 espadas de una baraja corriente de 52 cartas. Si se le dan tres cartas
ms, hallar la probabilidad p de que por lo menos una de las cartas adicionales sea tambin es-
pada.
Puesto que recibi 4 espadas, quedan 52 --- 4 = 48 cartas de las cuales 13 -- - 4 ~ 9 son espadas. Hay Ci) =,
17.296 maneras en las que puede recibir tres cartas ms. Puesto que hay 48 - 9 = 39 cartas que no son espadas, hay
(3
3
9) = 9139 maneras en que puerle recibir tres cartas que no son espadas. As la probabilidad q de que no reciba cspa-
9139 8157
das es q = 7.2li6: por lo tanto fi = I ---- q = 17.296'
4.6. Se reparten 13 cartas de una baraja corriente de 52 cartas a cuatro personas que denominamos
Norte, Sur, Este y Oeste.
(i) Si S no tiene ases, hallar la probabilidad p de que su compaero N tenga exactamente dos ases.
(ii) Si N Y S juntos tienen nueve corazones, hallar la probabilidad p de que E y O tengan cada uno
dos corazones.
(i) Hay 39 cartas, contando los 4 as<:s , repartidas entre N, E Y O. Hay (;;) maneras rle que N reciba 13 de biS 39 car-
tas. Hay ~ ) maneras de que pueda recibir 2 de los cuatro ases, y ~ ~ ) maneras de que pueda recibir II cartas de
las 39 -- 4 = 35 cartas que no son ases. As
p
6'12'13'25'26
aG 37 38 a9
650
2109
CAP, 4] PROBABILIDAD CONDICIONAL E INDEPENDENCIA
61
(ii) Hay 26 cartas, incluyendo 4 corazones, repartidos entre E y O, Hay (;:) maneras de que, por E pueda
recibir j} cartas. (Necesitamos solamente analizar las 13 cartas de E puesto que O debe tener el resto.) Hay
maneras para que E recibir 2 corazones de los 4. y (ii) maneras para que el mismo recibir 11 no-cora-
zones de 26 4 22 no-corazones. As
p
TEOREMA DE LA MULTlPUCACION
. 4,7. Una clase tene 12 nios y 4 nrlas, se escogen tres estudiantes de la clase al azar, cul es la pro-
babilidad p de que sean todos nios?
La probabilidad de que el primer estudiante escogido sea un nio es 6 puesto que hay 12 nios entre los 16 estu-
diantes. Si el primero es un l1ioo, entonces la probabilidad de que el segundo sea nio es 11/1 puesto que 11 nios entre
los 15 restantes. Finalmente, si los primeros dos escogidos son nios. entonces la probabilidad de que el tercero sea nio es
10/14 puesto que quedan 10 nios entre 14. As, por el teorema de la multiplicacin, la probabilidad de que todos tres
sean nios es
12 10 11
p
(Jira mwdo. Hay 3 660 maneras de escoger 3 entre 16, Y 220 maneras de escoger
3
.. 1
7
1 220
1111105 entre por o tanto p == 5j' ==
Un lena mtodo Si los estudiantes se escogen uno despus del otro, entonces 1615' 14 maneras de esco-
ger tres estudiantes, y 12' 11 10 maneras de escoger tres nios; por consiguiente p =::
11
2jj.
\ 4.8. A un le reparten 5 cartas una Iras otra de una baraja corriente de 52 carlas, ' es la
probabilidad p de que todas sean
La probabilidad que la primem carta sea e>pada 13/52. la segunda sea espada es 12/51, la 11/50, la
cuarla IO/49,y la ltima (Suponemos en elida caso que las cartas anteriores fueron espadas,) As
!3 12 11 10 9
P 5i'5i''5o'';j
4.9. Una urna contiene 7 bolas rojas y 3 bolas blancas, Se sacan 3 bolas de la urna una tras otra. Ha-
llar la probabilidad p de que las dos sean y la lercera blanca.
La probabilidad de que la primera bola sea roja es 7! 10 puesto que hay 7 rOjas entre las 10 bolas. Si la primera bola
entonces la probabilidad de que la bola sea roja es puesto que 6 rojas entre las 9 bolas restan-
tes, SI las dos rl'll1laas son entonces la de que la tercera sea blanca es puesto que 3 blancas
entre las 8 bolas restantes en la urna. Entonces por el teorema de la
p
6 3
10 '9 8'
7
"4.10. Los estudiantes de una clase se escogen al azar, uno tras otro, para presentar un examen. Hallar la
probabilidad p de qUe nios y nias queden alternados la clase consta de 4 nios y 3 nias,
(ii) la clase consta de 3 nios y 3 nias.
(i) Si nios y las nias se alternan, el primer estudiante examinado debe ser nino. La probabilidad de que el segundo
::.ea nia es puesto q1ile hay J nias entre los 6 restantes, Continuando en esta forma, obtenemos que la probabi-
lidad de que el tercero sea nio es que el cuarto sea nia es 2/4. que el sea nio que el sexto sea
nia es I y que el ltimo sea nio es t/!. As
4332211
P
::::=
7 6 5 '4 3 2 1
62
PROBABILIDAD CONUICIONAL E INDEPENDENCIA [CAP, 4
(ii) Hay dos casos mutuamente exclusivos: el primer estudiante es un nio, y el primero es una nia , Si el primer estu-
diante es un nio, entonces por el teorema de la multiplicacin la probabilidad p' de que los estudiantes se alternen
es
3322111
PI = (;' 5 . "4 3' 2 . 1 = 20
Si el primer estudiante es una nia, entonces por el teorema de la multiplicacin la probabilidad [1 ' de que los
estudiantes se alternen es
3322111
P2 = (;. 5 . "4 3 . 2 . 1 20
As , P
1 I 1
PI + P2 = 20 + 20 =10'
PROOLEIVIAS V ARiOS SOBRE PROBAOILlDAD CONDICiONAL
4.11. En cierta facultad, 25% de los estudiantes perdieron matemticas, 15% perdieron qumica y 10%
perdieron las dos. Se selecciona un estudiante al azar.
(i) Si perdi qumica, cul es la probabilidad de que perdi matemticas?
(ii) Si perdi matemticas, cul es la probabilidad de que perdi qumica?
(iii) Cul es la probabilidad de que perdi matemticas o qumica?
Sea M = [ estudiantes que perdieron matemticas I y e = 1 estudiantes que perdieron qumica 1; entonces
P(M) = 0,25 P(C) = 0,15 P(MnC) = 0,10
(i) La probabilidad de que el estudiante perdiera matemticas, dado que haya perdido qumica es
P(M I C) = P(MnC) = 2.J..Q. =
P(C) 0,15 3
(ii) La probabilidad de que el estudiante perdiera qumica, dado que haya perdido matemticas es
(i i i)
P(C I M) = P(CnM) = 0,10 ;= g
P(M) 0,25 5
3
P(MuC) = P(M) + P(C) - P(MnC) = 0,25,+0,15-0,10 ='0,30 = 10
4.12. Sean los eventos A y B con P(A) = t, P(B) = t y P(A n B) = i. Hallar.
(i) P(A lB), (ii) P(B lA), (iii) P(A UB), (iv) p(Ae I Be), (v) P(BC I AC).
() peA lB) = t = (ii) P(B I A) = = t =
(U) P(AuB) = PeA) + P(B) - P(AnB)
111 7
-+---=-
2 3 4 12
(iv)
(v)
Primero calculamOs p(Be) y P(AenBc). p(Be) = 1 - P(B) = 1 - t = i. Por la ley de De Mor-
gano (AuB)e = AenBe; por lo tanto P(AenBe) = P((AUB)c) = 1- P(AUB) = 1 - , = .f,.
p(Ae I Be) = p(AcnBe) = !i. =
As, p(Be) t 8'
P(AC) = 1 - peA) = 1 - t = l. Luego p(Be I Ae) = p(BcnAe) = !'I =
P(AC) t 6'
4.13, Sean los eventos r! y B con P(A) = , P(B) = i y P(A UB) = l. Hallar P(A lB) Y P(B I A)
Primero calculemos peA n B) usando la frmula peA U B) = peA) + P(B) - peA nB):
f = o P(AnB) =
As.
y P(BIA)=p(BnA)=l=!
P(B) R 5 peA) i S'
4J PROBABILIDAD CONDICIONAL E INDEPENDENCIA
63
4.14. Hallar P(B I A) si, (i) A es un subconjunto de B, (ii) A Y B son mutuamente exclusivos.
(i) Si A es un subconjunto de 8. entonces siempre que A suceda, 8 debe suceder; por lo tanto P(81 A) = I A su tur-
no, si A es un subconjunto de B entonces A n B = A; entonces
( i)
P(B I A) = P(A nB)
prAl
prAl
prAl
1
(i i)
(ii) Si A Y 8 son mutuamente exclusivos, esto es , disyuntos, ent onces siempre que A suceda, B no puede suceder ; por lo
tanto P(B I A) = O. Alternadamente, si A y 8 son mutuamente exclusivos entonces A n B = 0;1 por lo tanto
P(B lA) = P(A nB)
P(A)
P(0)
P(A) p(M =
4.]5. Tres mquinas A. B y" e producen respectivamente 60%,30% Y 10% del nmero total de artcu-
los de una fbrica. Los porcentajes de desperfectos de produccin de estas mquinas son respecti-
vamente 2%, 3% Y 4%. Seleccionado un artculo al azar result defectuoso. Hallar la probabili-
dad de que el artculo hubiera sido producido por la mquina C.
Sea X = I artculos defectuosos l. Buscamos P(CIX), probabilidad de que un artculo sea producido por la m-
quina C dado que el artculo sea defectuoso . Por el teorema de Bayes,
P(C I X)
p(e)p(Xle) J nlo;;;O'
prAl P(X I A) + P(B) P(X I B) + p(e) P(X I e) , - pll\ tcJ..c c'r
t 0'-
(0, 10)(0,04) 4
------------ = - .: 0. 16
(0,60)(0,02) + (0,30)(0,03) + (0, 10)(0,04) 25
4.16. En cierta facultad, 4% de los hombres y 1 % de las mujeres tienen ms de 6 pies de estatura. Ade-
ms, 60% de los estudiantes son mujeres. Ahora bien si se selecciona al azar un estudiante y es
ms alto que 6 pies, cul es la probabilidad que el estudiante sea mujer?
Sea A = I estudiantes de ms de 6 pies 1. Buscamos P( W I A), probabilidad de que el estudiante sea una mujer
dado que el estudiante es de ms de 6 pies . Por el teorema de Bayes,
P(W) P(A I W)
P(W I A) P(A I W) + P(M) P(A 1 M)
\'\ .\:
(0,60)(0,0 \)
(0,60)(0,0 \) + (0,40)(0,04)
= - o . z,1-Z-"1- n
11-
'i' ( 11/",) o 't-HH z
4.17. Sea E un evento para el cual P(E) > O. Comprobar que la funcin de probabilidad condicional
P(* I E) satisface los axiomas de un espacio de probabilidad; esto es,
[PI] Para un evento A, O:: P(A lE) ",: lo
[P
2
] Para el evento cierto S, peS lE) = l .
[Ps] Si A Y B son mutuamente exclusivos, entonces P(A UB I E) = P(A lE) + P(B lE).
[P4] Si A 1, A l, es una sucesin de eventos mutu3mente exclusivos, entonces
(i) Tenemos A nE e E; por lo tanto P(A nE) == P(E). As P(A lE) == P(A nE) == 1
P(E)
y t!S no negativo
tambin . Esto es O == P(A lE) == 1 yas [P] cumplc.
64
PROBABILIDAD CONDICIONAL E INDEPENDENCIA CAP. 4
(ii) Tenemos S n E E. por consiguiente
! El
1. As satisface.
Oli) Si A Y B son eventos mutuamente exclusivos, entonces as son A n E y B n E. Adems (A nE =
(AnE) U As
PAuB)nE) PA nE) unE :::: P(A nE) + P(BnE)
y por ende
P(AUB I E)
P(A \ E) + P(B I E)
O sea que (P:] satisface.
(iv) Similarmente si Aj. Az. son mutuamente exclusivos, tambin lo son Al Azn, ... As
. ,,) n
PA n U (AznE) U .. ) :::: prAl nEl + P(A
2
nE) +
y por tanto
prAl u lE)
P(AII E) + P(Az\ E) -jo .,.
Esto es. [Pi] satisface.
PROCESOS ESTOCASTlCOS FINITOS
4.18. Una caja contiene tres monedas; una moneda es una moneda tiene dos caras y una mo-
neda est de modo que la probabilidad de obtener cara sea l. selecciona uria moneda
al azar y se lanza. Hallar la probabilidad p de que salga cara
Construimos el diagrama de rbol como se muestra en la figura (a) siguiente. Ohsrvese que I se re fe re a la mone-
da corriente, 1I a la de doble cara y 111 a la moneda cargada. Ahora las caras aparecen a lo largo de tres de las lrayecto
rias; por lo lanto
p
___ Ll+l'l+L!.
3 2,3 3 3
(a)
4.19. Se nos dan tres urnas como
Una urna A contiene 3 bolas
Una urna B contiene 2 bolas
Una urna e contiene 2 bolas
5 blancas.
I blanca.
3 blancas.
11
(b)
Se selecciona una urna al azar y se saca una boja de la urna. S la bola es roja, cul es la proba-
bilidad de que proceda de la urna A?
Se con,truyc el diagrama de rbol como se muestra en la figura (b) anterior.
Buscamos la probablidad de que sc seleccione A, dado que la bola es roja; esto es, P(A R). Con el fin de hallar
P(A IR). es necesario calcular primero P(A n Rj y P(R).
La probabilidad de que se seleccione A y se saque una bola roja es t esto es, peA n R) i. Puesto
que hay tres trayectorias que conducen a bola roja, P(R) j .. + i' + t::::: Enlonces
CAP.4J
65
4.20.
4.21.
P(A IR)
P(AnR)
P(R)
1
"8
In
300
45
173
Alternadamente, por el teorema de Bayes,
P(A IR)
P(A)P(RIA)
P(A) P(R lA) + PiE) P(R I E) + P(C) P(R I C)
45
173
(" l, (I, l, l, lf, r)
La caja A contiene nueve cartas numeradas de a 9, y la caja B contiene cinco cartas numeradas
de I a 5. Se escoge una caja al azar y se saca una carta. Si el nmero es par, hallar la probabili-
dad de que la carta proceda de la caja A.
El diagrama de :rhol del proceso se muc,tra en la ligura (a) siguiente.
Buscamos /'(A lE), probabilidad de que se seleccione A. dado que el nmero es par. La probabilidad de qut!
se escoja la caja A y un nlJlllero par es }, = %; esto cs. P(A nE) Puesto que hay dos trayectorias que con-
1 4 I 2 19
duccn a u nmero par, PiE) = '2 '9+:1' 5 =;s. As
:::
4 I (a)
- + - , - : I l)
q 2 J'
P(A lE) =
"/1') -
2
P(AnE) = D
- 'PTE)

19
45
NI')
10
19
-{o R

r(fnA) W
. !.... 4' % (b) _ .J!!... -
p (A _. z:. CI - - rr I - I
! r - 10; 'ey
- /4

Una urn a contiene 3 bolas rojas y 7 blancas. Se saca bola de la urna y se remplaLa por una
lid otro color. Se saca de la urna una segunda bola.
(i) I Tallar la probabilidad p de que la segunda bola sea roja .
(ii) Si bolas son del mismo color, cul es la probabilidad p de que las dos sean blancas?
(i)
(ii)
Construimos el Jiagrama de rbol como S indica en la li gura (h) anterior.
. 3 2 7 4 17
Do, trayeclOrias del diagrama de ,rbol conducen a bola rO}l: p = 10' \O + \O' \O = 50'
. . 7 6 2\ ..
La probabilldau de que amh.ls bolas fueran blancas es 10'10 = so. La probabilidad d que ambas bolas fue
an Jcl mi,mo color, eSlO cs, la probabilidad dd espacio muestral reducido, es
21 12 7
P = SO/25 = S'
2-/":; R.

JI'- f.',
2 7 6 _ 12 P I
lo ' lo + lo ' 10 - 25 ' or o

.- '
lO
17-
' , 14- -_
i o T te> /o S-0

4.22. Se nos dan dos u nas como sigue:
7(,-
"40 r,
La urna A contiene 3 bolas rojas y 2 blancas.
La urna B contiene 2 bolas rojas y blancas.
Se selecciona al alar una urna ; se saca una bola y se coloca en la otra urna; luego se saca una bo-
la de la segunda urna. Hallar la probabilidad p de que las dos bolas sacadas sean del mismo color.
Con,tr u imos d siguiente Jiagram3 de rbol:
66
PROI3AI:HUDAD CONDICIONAL E INDEPENDENCIA [CAP 4
Ntese que si se selecciona la urna A y se saca una bola roja y se coloca en la urna B. entonces la urna n tiene J bo
las rOjas y S blancas.
Puesto que hay cuatro trayectorias que conducen a dos bolas del mismo color,
p/t./l 11 J} )
INDEPENDENCIA
4.23. Sea A = al evento de que una familia tenga nios de ambos sexos; y sea B = al evento de que
una familia tenga a lo sumo un nio. (i) Comprobar que A y B son eventos independientes si una
familia tiene tres hijos. (ii) Comprobar que A y n son eventos dependientes si una familia tiene
dos hijos.
(i) Tenemos el espacio equiprobable S = {bbb, bbg, bgb, bgg, gbb, gbg, qUb, gUg}. Aqu
6 3
8 4
A {bbg. bgb, bUg, gbb. gbg. gUb} y as peA)
B {bUg, gbg, ggb.gUg} y as P(B)
4 1
8 2
3
8
AnB
{bUU. ubu. uub} y as P(AnB)
Puesto que P(A) P(B) = !. t = i = P(A n E), A Y B son independientes.
(ii) Tenemos el espacio equiprobable S = I bh. bg. gb. gg l. Aqu
A {bU. Ub} y as peA)
1
2
B {bU, gb, gg} y as P(B)
3
4
AnB {bU, ub} y as P(AnB)
1
2
Puesto que P(A) P(B) "" P(A n B), A Y [) son dependientes.
4,24. Probar si A y n son eventos independientes, entonces AC y B
C
son eventos independientes.
p(AcnBc) PA UB)c) = 1 - peA u B) = 1 - peA) - P(S) + peA nB)
1 - peA) - P(B) + peA) P(B) = [1 - P(A)][1 - P(B) = P(Ac) P(Bc)
4.25. La probabilidad de que un hombre vivir 10 aos ms es i. y la probabilidad de que su esposa
vivir 10 aos ms es +S. Hallar la probabilidad de que, (i) ambos estn vivos dentro de 10 aos,
(ii) al menos uno estar vivo a los 10 aos, (iii) ninguno estar vivo a los 10 aos, (iv) solamente
la esposa estar viva a los 10 aos.
Sea A = al evento de que el hombre viva a los 10 aos, y B = al evento de que su esposa est viva a los 10 aos;
entonces P(A) = t y P(B) = t.
(i) l3uscamos P(A n B). Puesto que A y B son independientes, P(A n B) = P(A) P(B) = i +s = n'
CAP. 4J PROBABILIDAD CONDICIONAL E INDEPENDENCIA 67
(ii) Buscarnos UB). P(A UB) = P(A) + P(B) - nB) i + 1 i2 !.
(id) Buscamos, P(Aen Ahora P(Ac) 1- = 1 i = ! y P(Bc) = 1 - P(B) = 1- t . Adems,
puesto que AC y Be son P(AcnBC) P(A) p(Be) !. i !.
Alternadamente, puesto que
P(AcnBC) PAUB)C) = 1- P(AUB) = 1 ! = t.
(iv) Buscamos peA en B). Puesto que peA e) = 1 P(A) ! y AC B son independientes (ver problema 4.56),
p(Ae) P(B) =
4.26. La A contiene 8 artculos de los cuajes 3 son defectuosos, y la B contiene 5 artculos de
los cuales 2 son defectuosos. Se saca al azar un artculo de cada caja.
es la probabilidad p de que ambos
(i) es la probabilidad p de un artculo sea defectuoso y otro no?
()
(ii)
Si un artculo es defectuoso y otro no, cul es la probabilidad p de que el artculo defectuo-
so proceda de la caja A?
La probabilidad escoger un artculo no defectuoso de A es y de B es Puesto que los eventos son
d
' 5 =
lentes, P = ji
MlOdo 1. La probabilidad de escoger dos artculos defectuosos es, %. = fu. De (i) la probabilidad de que arn-
,3 3 3 19
bos sean no delectuosos es 8' Por lo tanlO P = 1 - - 20 ::::: 40'
Mtodo Z. La probabilidad pide escoger un artculo defectuoso de A y uno no defectuoso de B es
La probabilidad pl de un artculo no defectuoso de A y uno defectuoso de B es Por lo tanto
!I 1
P == Pl + P2 +
(iii) Consideremos los eventos X I artculos defectuosos de A 1 y Y I un artCulo es defectuoso y otro no 1. Bus-
camos P(X 1 Y). Por (i), P(X n Y) Pi :k y P( Y) = Por consiguiente
p P(XI
4.27. Las probabilidades de que tres hombres peguen en el blanco son, l, i y t.
Cada uno una vez al blanco. (i) Hallar la probabilidad p de que exactamente uno de
ellos pegue en el blanco. (ii) Si solamente lino pega en el blanco, cul es la probabilidad de que
sea el hombre?
Consideremos los eventos A = 1 el primer hombre x:ga en el blanco 1, B = I el segundo hombre pega en el blanco I
y e = I el tercer hombre pega en el blanco 1; entonces P(A)::: l, = i y P(C):::: t. Los tres eventos
son y P(Ac) = t, P(BC) 1. peCe) = 1-
(i) Sea E = i exactamente un hombre pega en el blanco 1. Entonces
(i)
E nBcn u Bn u nBcn
En otras palabras, si solamente uno peg en d blanco, cntonz:cs fue o nicamente el primer hombrt:, A n Bcn Ce;
O (nicamenlt: el segundo hombre, AcnBne
c
; o nicamente el tcrcer hombre. AcnBcnC. Como los tres even-
lOS son mutuamente exclusivos, obtenemos (usando el problema 4.62)
p ::: P(E) P(A nBcn nBn +
nBcn e)
P(A) P(Bc) p(e
c
) + P(B) p(e
c
) + P(BC) P(C)
132512531
-'-0- + 0-"-- + -0_0-
643643643
1 5 6
12 + 36 + 24 ==
Buscarnos P(A I E). la probabilidad de que el hombre pegu.: en el blanco dado que solamente un hombre
pega en el blanco. Ahora A nE == A n Be n Ce es el evento que solamente el primer hombre pega en el
blanco.
Por (j, P(A nE) P(A nBcn
- i. Y P(E)
12
sea
P(A I
6
31
68
PROBABILIDAD CONDICIONAL E INDEPENDENCIA [CAP 4
PRUEBAS INDEPENDIENTES
4.28. Cierto tipo de proyectil da en el blanco con probabilidad 0,3. Cuntos proyectiles debern ser
di sparados para que haya al menos un sorlo de probabilidad de pegar en el blanco?
La probabilidad de que un proyectil ralle su blanco es 0,7: por lo tanto la probabilidad de que 1/ proyedi\c\ fall en
el blanco es (0,7) JI As buscamos el menor n para el que
1- (0,7)" > 0,8 o equival entemente (0,7)"< 0,2
Calculamos: (0,7)1 = 0,7, (0,7)2 = 0,49, (0,7)3 = 0,343, (0,7)1 = 0.2401 , (0,7)5 = 0, 16807 As por lo menos:) pro-
yect il es deben ser disparados.
4.29. Cierto equipo de balompi gana (W), con probabilidad 0,6; pierde (l), co n probabilidad 0,.1;
y empata (T), con probabilidad 0,1. El equipo juega tres encuentros durante el fin de semana.
(i) Determinar Jos elementos del evento A en que el equipo gana por lo menos dos y no pierde;
y hallar P(A). (ii) Determinar los elementos del evento B en que el equipo gana, pierde y em-
pata. y hallar P(B) .
(i) A consta de todas las ternas co n a l menos dos W (juegos ga nados) y nin gn L (Juego perdido). As
Adems
P(A)
A = {WWW, WWT, WTW, TWW}
P(WWW) + P(WWT) + P(WTW) + P(TWW)
(0,6)(0,6)(0.6) + (0. 6)(0,6)(0,1) + (0,6)(0, I )(0.6) -+ (0.1 )(0,6)(0.6)
0,216 + 0,036 + 0,036 + 0.036 = 0.324
(ii) Aqu B = I WLT, WTL, LWT. L TW, TWL, TLW 1. Puesto que cada elemento de fJ tiene probabilidad (0.6)
(0. 3)(0,1) = 0.018 P(fJ) = 6(0,018) -= 0,108.
4.30. Sea S un espacio finito de probabilidad y sea T el espacio de probabilidad de 11 pruebas indepen-
dientes de S. Comprobar que T est bien definido ; esto es, mostr ar, (i) la probabilidad de que
cada elemento de T es no-negativo, y (ii) la suma de las probabilidades es J.
Si S = I al, ,a TI, entonces T puede repr esentarse po r
Puesto que P(a ) O. tenemos
P(a'i
1
' .. a'i
n
) = 1'(ai\) '" ['(ai) \
para un elemenlo tpico ait' .. ai" de T, lo cual prueha (i).
Probamos (ii) por induccin en // . Esto es cierto obviamente para 11 = l. Por lo tanlo consideremos 1/ > 1 Y
aceptamos que (ii) ha sido prohado para // - l . Entonces
T T T T
P(a "'a)
;1'" .in = 1 1 n
P(a. ) .. P(a. )
i
J
., ... in = 1 tI ln
P(a ) . . 1'(al ) }; P(U)
1\ , .. . . i
n
_ \ =1 1 n - t i,,=1 n
T
P(U) P(ai )
l" ., in _ 1 = 1 1 ,,- 1
1
por la hiptesis inductiva, lo cual prueba (ii) para //.
CAP. 4] PROBABILIDAD CONDICIONAL E INDJ:PENDENCIA
69
PIWBAI3II.1DAD CONDICIONAL
4.31. Se lanza un dado. Si el nmero es impar , cul es la probabilidad de que sea
4.32. Se lanzan tres monedas corrientes. Si aparecen dos caras y un sello, determinar la probabilidad de que aparezca una
cara exactamente.
4.33. Se lanzJ un par de dados. Si los nmeros que rl:sultan son diferentes, hallar la probabilidad de que su suma sea par.
4.3.1. \ una persona se le reparten 5 cartas rojas de una baraja corriente de 52 cartas. Cul es la probabilidad de qUe todas
sean de la misma pinta, esto es, corazones o diamantes')
4.35. A una persona se le reparten 3 cartas, es padas, de una baraja corriente de 52 carlas. Si se le dan cuatro cartas ms,
lktcrminar la probabilidad de que por lo menos dos de las cartas adicionales sean tambin espadas.
4.36. Se escogen al azar dos dgitos diferentes entre los dgitos I a 9.
(i) Si la suma es impar, cul es la probabilidad de que 2 sea uno de los nmero, escogidos')
(ii) Si 2 es uno de los dgitos sdtccionados, cul es la prohabilidad de 4ue la .suma sea impar?
4.37. Cuatro personas, llamadas Sur, Este y Oeste, reciben cada una, B cartas de una baraja corriente de 52 cartas.
4.38.
)
(i) Si Sur tiene un as exactamente, cul es la probabilidad de que su compaero Norte tenga los otros tres ses')
(ii) Si Norte y Sur juntos tienen 10 corazones, cul es la probabilidad de que Este u Oeste tengan los otros 3 corazones'?
Una clase tiene 10 nirios y 5 nias. Se escogen tres estudiantes de la clase al azar, uno tras otro. Hallar la probabilidad
de que, (i) los dos primeros sean nios y la tercera nia, (ii) el primero)' el tercero sean nios y el segundo nia, (iii)
el primero y el tercero sean del mismo sexo y el segundo del sexo opuesto.
. 3 . S ( .. ) j _ !...,r ji ,) !2. . j + r . .LO j: - S
/') Iq 13 'JI ) 14- 13 - '1 1 /) 14 11 1) J+ 13 - z.,
4.39. [n el problema anterior, si el primer y tercer estudiantes seleccionados son del mismo sexo y el segundo estudiante .:s
del Sexo opuesto, cul es la probahilidad de que el segundo sea ni'la?
4.40. En cierta ciudad, 40% de la poblacin tiene cabellos castaos, 25% tiene ojos castaos y 15% tiene cabellos y ojos cas-
taos . Sl: escoge una pers'lIla azar.
(i) Si tiene cabellos castaos, cul es la probabilidad de que tambin tenga ojos castaos?
(ii) Si tiene ojos castaos, cul es la probabilidad de que no tenga cabellos
(iii) Cul es la pro habilidad de que no tenga cabellos ni ojos
4.41. Sean los eventos A y B con P(A) P(B)
(iv) P(A I HC)
t y P(A U H) l Hallar, (i) P(A lB) , (ii) P(B l A), (iii) P(A n Be),
4.42. Sea S = i a. b. c. d. con P(a) == To' P(b) = 1'6 ' P(c) = l, P(d) 1
3
6' P(e) = t y PU) = -fs. Sea A = la. c. e 1,
B = l c.d.eJ: y e = Ib.c.fL Hallar , (i) P(AIB), (ii) P(BIC), (iii) P(CIAC) , (iv) P(ACIC) .
4.43. En cierta facultad, 25% de los jvenes y 10% de las jvenes son estudiantes de matemticas. Las mujeres constituyen el
60% de los hombrc:s. Si se selecciona al azar un estudiante y resulta ser de matemticas, determinar la probabilidad de
que t:I c, tudiante sea una joven.
70
PROBABILIDAD CONDICIONAL E INDEPENDENCIA [CAP. 4
PROCESOS ESTOCASTICOS FINITOS
, 4.44. Se nos dan dos urnas como sigue:
'4.45.
4.46.
4.47.
4.48.
4.49.
Una urna A contiene 5 bolas rojas, 3 blancas y 8 azules.
La otra urna B contiene 3 bolas rojas y 5 blancas .
Se lanza un dado corriente; si apa rece el 3 o el 6, se escoge una bola de B: de lo contrario la bola se escoge de A. Hallar
la probabilidad de que, (i) se escoja una bola roja. (ji) se escoja un a bola bl anca, (iii) se escoja una bola azul.
Respecto al problema anterior. (i) Si se escoge una bola roj a, es la probabilidad de que proceda de A? (ii) Si se
escoge una bola blanca, cul es la probabilidad de que aparezca un 5 en el dado?
Una IIrn a contiene 5 bolas rojas y 3 bl ancas. Se selecciona \lna bola al azar, se descarta y se colocan dos bolas del otro
color en la urna. Luego se saca de la urna una segunda bola . H311ar la probabilid3d de que, (i) la segunda bola sea roja,
(ii) ambas bolas sean del mismo color.

' -u
(o\.
Respecto al problema anteri or. (i) Si la segunda bola es roja, cul es la probabilidad de que la primera bola sea roja?
(ii) Si ambas son del mismo color. cul es 13 probabilidad de que ambas sean blancas?
Una caja contiene tres monedas , dos de ellas corrient es y una de dos caras. Se selecciona al azar una moneda y se lanza
dos veces. Si aparece ambas veces cara, es la probabilidad de que la moneda sea la de dos caras?
Se no , dan dos urnas como sigue:
Una urna A contiene 5 bolas rojas y 3 bl anca s.
La otra urna B contiene 1 hol a roj a y 2 hlancas.
Se lanza un dado corriente; si aparece un 3 o un 6, se saca una bola de B y se pone en A y luego se saca una bola de A,
de lo contrari o, se saca 'una bola de A y se pone en lJ y luego se saca una bola de B.
(i) Cul es la proba bilidad de que ambas bolas sean rojas?
(ii) Cul es la probabilidad de que las dos bolas ,can hlancas?
I ,4.50. Una caja A contiene nueve cartas numeradas de I a 9, y otra caja B conti ene 5 cartas numeradas de l a 5. Se escoge
una caj3 al aza r y se saca una carta; si la carta indica un nmero par , se saca otra carta de la misma caja; si la carla es
de nmero impar, se saca una ca rta de la otra caja,
(i) Cul es.la probabilidad de que ambas cartas mueslren nmeros paresry
(ii) Si ambas cart3s muestran nmeros pares, ,cul es la probahilidad de que procedan de A?
(iii) Cul es la probabilidad de que las dos cartas tengan nmeros impares?
4.51. Una caja contiene una mOlleda corricnte y una de dos caras . Se escoge una moneda al azar y se lanza. Si aparece cara,
se lanza la otra moneda ; si aparece sello, se lanza la mi sma moneda. .
(i) Hallar la probabilidad de que salga cara en el segundo bllzamiento.
(ii) Si resulta cara en el segundo lanzamiento, hallar la probabilidad de que tambin aparezca en el primero.
4.52. Una caja contiene tres mont:da9, dos corrientes y una de dos caras. Se sdecciona una moneda al azar y se lanza. Si sale ca-
ra se lanza la moneda de nuevo; si sale sello, entonces se escoge otra moneda entre las dos que quedan y se lanza .
(i) H:llar la probabilidad de que salga cara dos veces.
(ii) Si se lan za la misma moneda dos veces, hallar la probabilidad de que sea la moneda de dos caras.
(iii) Hall ar la probabilidad de que salga sello dos veces.
4.53, Una urna A con tiene x bolas rojas y y bolas blancas. y otra urna 8 contiene z bolas rojas y v blancas.
(i) Si se escoge una urna al azar y se saca una bola, cs' b probabilidad de que la bola sea roja?
(ii) Si se saca una bola de la urna A y se pone en la B y luego se saca una bola de la urna B. cul es la probabilidad de
que la segunda bola sea roja?
CAP. 4] PROBABILIDAD CONDICIONAL E INDEPENDENCIA
71
4.54. Una caja contiene 5 tubos de radio de los cuales 2 son defectuosos. Se prueban los tubos uno tras otro hasta que se descu-
bren dos defectuosos. Cul es la probabilidad de que se suspenda t:I proceso en la, (i) segunda pruebary (ii) la tercera
prueba? ;) z. .!.. ~ ~ I . . ) N\) ' \) \) ~ lo , I Z "1 I +; . !
S ' '\ .o lo (( b 1'1 ~ D. "5 . 4 . J T" 5" . . r 5"" 4
~ . I . , . . ; a
4.55. Respecto al problema anterior. Si el proceso se suspende en la tercera prueba, cul es la probabilidad de que el primer
tubo no sea defectuoso')
INDEPENDENCIA
4.56. Probar: Si A Y 8 son independientes, entonces A y 8 r son independientes y A e y 8 son independientes.
" 4.57. Sean los eventos A y 8 con prAl = l, P(A U 8) = t y P(B) = p. (i) Hallar p si A y B son mutuamente exclusivos.
(ii) Hallar p si A y B son independientes. (iii) Hallar p si A es subconjunto de B.
4.58. Una urna A contiene 5 bolas rojas y 3 blancas, y una urna B contiene 2 rOjas y 6 blancas.
(i) Si se saca una bola de cada urna, cul es la probabilidad de que las dos sean del mismo color?
(ii) Si se sacan dos bolas de cada urna, cul es la probabilidad de que todas las cuatro bolas sean del mismo colo r?
4.59. Sea el caso de lanzar tres monedas corrientes. Sea A = I todas caras o todas sellos 1, B = I dos caras por lo menos 1 y
e = I dos caras cuando ms 1. De las parejas (A. B), (A. e) y (B, C), cules son independientes y cules dependientes')
4.60. La probabilidad de que A d en el blanco es i y la probabilidad de que B d es t.
(i) Si cada uno dispara dos veces, cul es la probabilidad de que t:I blanco sea alcanzado u na vez por lo menos?
(ii) Si cada uno dispara una vez y el blanco es alcanzado solamente una vt:z, cul es la probabilidad de que A d en
el blanco
1
(iii) Si A puede disparar solamente dos veces. cuntas veces debe disparar B para que haya por lo menos un 90%
de probabilidad de que el blanco sea alcanzadory
4.61. Sean los eVntos indepcndintes A y B con prAl t y P(A U B) = i Hall ar, (i) P(B). (ii) P(A lE) , (iii) 1'(8
e
l A)
4.62. Supngase que A, B, e son eventos independientes. Comprobar que cualquiera de las combinaciones
A e, B, C; A, Be, C; Ae, Be, C; ... ; A e, Be, Ce
son tambin independientes Adems, comprobar que A y E U e son independientes; y as sucesivamente.
PRUEUAS INDEPENDIENTES
4.63. Un tirador pega (H), a su blanco con probabilidad 0,4; y adems falla (tvI), con probabilidad 0,6. Di spara cuatro veces.
(i) Determinar los elementos del evento A para que el hombre pegue al blanco dos veces exactament e; y hallar prAl.
(ii) Hallar la probabilidad de que el hombre pegue al blanco una vez por lo menos.
4.64. Un equipo gana (W), con probabilidad 0,5 ; pierde (L) con probabilidad 0,3; y empata (T) , con probabilidad 0,2. El
equipo juega dos veces. (i) Determinar el espacio muestral S y las probabilidades de los eventos element ales. (ii) Hallar
la probabilidad de que el equipo gan una vez por lo menos.
4,65. Consideremos un es pacio de probabilidad infinito contable S = {al' a2' ... }. Sea
T = Sn = {(SI,82, ... , Sil) : Si E S}
y sea
P(SI' 82, ... , Sil) = P(SI ) P(sz) ... P(Sn)
Comprobar que T tambin es un espacio de probabilidad infinito contable (Esto generaliza la definicin (pgina 58)
de pruebas independientes para un espacio infinito contable.)
72
PROBABILIDAD CONDICIONAL E INDEPENDENCIA [CAP.
Respuestas a los problemas
4.31.
%
i:!
4.32.
1.

4.33.
-s
4.34.
2( '')
9
=
( 26) 230

4.35.
C:
9
) 10(3;)
1--- - -
(:9) (4;)
v
4.36. (i) i, (i i) -fr

22
/
4.37. ( i)
)
- - (ii)
703
4.38. ( i)
10 9 5 15
151413
9T
(i i)
10 5 9 15
151413 = 9T
(i i i)
15 20 5
liT + 273 = 2i
11
91
o
4.39.
5 13
21

11
)
-
50
4.40.
(i)
4.41.
(i) :t.
4.42. (i) -,
4.43.

4.44. (i)
(i i)
(iii) t
4.45. (i) j,
4.46.
C) 41
1 72'
4.47.
C) 20
1 ;,
4.48.
.2
a
Diagrama de rbol del problema 4.49
4.49.
. 5 2 _ 61
(1) - 24'+ 27 - m'
(
") 3 + R _ 371
11 16 8\ - 1296
1
(
') 1 1 2 ('I') 12 5
4.50. 1 12 + 20 = 15' "2 - 8'
(jii) i + i
15
I
4.51. (i) t, (ii)! I
(ii) i,
(ii) l,
(ii)
("')3
11 32
(") 13
I! 3i
("')3
I! 13
propuestos
(iii)
(iii) t, (iv)
(ii i) 5' (iv) 1
Diagrama de rbol del problema 4.50

t
t

t
,

t

t

CAP, 41 PROBABILIDAD CONDICIONAL E INDEPENDENCIA
73
4,52, (i) 1
1
2 + 1
1
2 + * = (jj) t, (iii) /2
t H
(
H<f=T
A ?! H
<:
1 B T
i T
t C_1_H
t H

B
t yA 1-

C_
1
_H_l_H
Diagrama de rbol del problema 4,52 Diagrama de rbol del problema 4,54
(
') 1( x 1 z) (") XZ+X+I/Z
4,53, 1]' Z::Y' - z+v ' 11 (X+II)(Z+V+O
4.54. (i) T'o, (ii) 1
3
0; debemos incluir el caso en que los tres tubos no ddectuosos aparecen primero, puesto que los
ltimos dos tubos tientn que ser los defectuosos
4,55. i
4.57. (i) 1\' (ii) -ji (jji) t
(
') 7 (") 55
4.58. J 16' 11 784
4.59. Solamente A y B son independientes
4.60. (i)!, (ii) t, (iii) 5
4.61. (i) -k, (ji) t, (iii) i
4.63, (i) A = {HHMM, HMHM, HMMH, MHHM, MHMH, MMHH}, prAl = 0,3456
(ii) 1 - (0,6)4 = 0,8704
H4, (i) S = {WW, WL, WT, LW, LL, LT, TW, TL, TT}
(ii) 0,75
t

la
,

1
Captulo 5
Vari ables aleatorias
INTRODUCCION
Volvamos ahora sobre el concepto de funcin. Sean S y T conjuntos arbitrarios. Supngase que
a cada s E S se asigna un elemento nico de T; la coleccin f de tales elementos se llama funcin (o
aplicacin) de S en T y se escribe I S T. Escribimos 1(5) en lugar del elemento de T que f hace co-
rresponder a s E S Y lo llamamos la imagen de s por f o valor de f en s. La imagen f(A) de un su b-
conjunto A de S y la imagen inversa f'-I(8) de un subconjunto 8 de Tsc definen por
I(A) = {f(s): S E A} y 1-
1
(B) = {s: [(s) E B}
En otras palabras, f(A) est formado por las imgenes de los puntos de A, y -1(8) est formado por
aquellos puntos cuyas imgenes pertenecen a 8. En particular, el conjunto 1(S) de todas las imgenes
se llama el conjunto imagen (o: imagen o recorrido) de!
Supongamos ahora que S es el espacio muestral de algn experimento. Como anotamos previa-
mente, los result ados del experimento, es decir ,. los puntos muestra les de S. no necesitan ser nmeros.
Sin embargo, frecuentemente deseamos asignar un nmero determinado a cada resultado; esto puede
ser la suma de los puntos de un par de dados, el nmero de ases de una mano de "bridge" , o el tiem-
po (en horas) que gasta una lmpara en fundirse . Tal asignacin se denomina variable aleatoria; ms
precisamente,
Definicin: Una variable aleatoria X de un espacio muestra! S es una ,"uncin de S en el conjunto R
de los nmeros reales tal que la imagen inversa de cada intervalo de R es un evento (o
suceso) de S.
Hacemos nfasis en que si S es un espacio discreto en el cual cada subconjunto es un suceso, en-
tonces cada funcin de valores reales de S es una variable aleatoria. Por otra parte, se puede compro-
bar que si S es no contable, entonces ciertas funciones de valores reales de S no son variables aleatorias.
Si X y Y son variables aleatorias del mismo espacio muestral S. entonces X + y. X + k. kX y
XY (donde k es un nmero real) son funciones de S definidas por
(X + Y)(s) = X(s) + Y(s)
(X + k)(s) == X(s) + le
(lcX)(s) = kX(s)
(XY)(s) = X(s) Y(s)
para todo s E S. Se puede comprobar que estas variables tambin son aleatorias. (Esto es trivial en
el caso de que cada subconjunto de S sea un suceso.)
Usamos la notacin abreviada P(X = a) y Pea X b) para la prohabilidad de los succsos
"X toma el valor a" y "X toma valores en el intervalo [a. b j ." Esto es,
y
P(X = a)
P(a X -== b)
P({s E S: X(s) == a})
P({sES:
Significados anlogos se dan a a), P(X == a, Y = b), P(a X b, e Y d), etc.
74
CAP. 5] VARIABLES ALEATORIAS
75
DISTRlBUCION y ESPERANZA DE UNA VARIABLE ALEATORIA FINITA
Sea X una variable aleatoria de un espacio muestral S con el conjunto imagen finito; a saber,
X(S) = IXI. X2. X n 1. Convertimos X(S) en un espacio de probabilidad definiendo la probabili-
dad de Xi como P(X = Xi) que escribimos f(Xi)' Esta funcinfde X(S), o sea, definida como f(xI) =
P(X = Xi), se llama lafunciII de distribucin O probabilidad de X y se expresa generalmente en forma
de tabla:
Xl X2
., .
X
n
f(x
l
) f(xz)
., .
f(x
n
)
La distribucin f satisface las condiciones
n
y
(ii) L (XI) = 1
1=1
Ahora si X es una variable aleatoria con la distribucin anterior, entonces la media o esperanza
(o: \'G/or esperado) de X. denotada por E(X) o flx, o simplemente E o fl, se define como
E(X)
Esto es, E(X) es el promedio pOllderado de los valores posibles de X. cada valor ponderado por su pro-
babilidad.
Ejemplo 5.1: Se lanza un par de dados corri entes . Obtenemos el espacio finito equiprobablc S que consta de las 36 pa-
rejas ordenadas dc nmeros entre l y 6:
s = {(l, 1), (1,2), ... , (6, 6)}
Sea X qut: hace corres ponder a cada punto (a. b) de S el mximo de sus nmeros, o sea, X(a. b) =
max(a . b). Entonces X es una variable aleatoria cuyo conjunto imagen ~
X(S) = {l, 2, 3, 4, 5, 6}
Calculamos la distribucin f de X:
f(l) P(X= 1)
P({(1,l)})
- ..!..
36
f(2) P(X=2)
=
P(c(2, 1), (2,2), (1, 2)})
~
36
f(3) P(X = 3) P({(3, 1), (3,2), (3,3), (2,3), (1, 3)})
~
36
f(4) P(X = 4) P( {(4, 1), (4,2), (4,3), (4,4), (3,4), (2,4), (1, 4)})
Similarmente,
1(5) = P(X = 5) = fe- y f(6)
Esta inrormaci n s<.: pone en forma de tabla co mo sigue:
Xi
1 2 3 4
f(Xi)
..!.. 1-
:;
7
36 36 36 36
Calculamos la media de X:
P(X = 6)
5 6
o 11
36 36
11
36
=
.2
36
E(X) = ~ XI f(x)
110 + 2'f6 + 3'fs + 4'ii + 5'fs + 6'*
.!!!1 = 447
36 '
Ahora st:a Y que hace corresponder a cada punto (a. b) de S la suma de sus nmeros, o sea,
Y(a. b) = a + b. Entonces Y es tambin una variable aleatoria de S con conjunto imagen
Y(S) = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
76
VARIABLES ALEATORIAS [CAP. 5
A continuacin la distribucin g de y.
Obtenemos, por ejemplo,
para los que la suma de ,.,,,nnnA,,pn
del hecho de que, (1, 3), (2, 2) Y (3, 1) son aquellos puntos de S
es 4; por tanto
17(4) P(Y 4) = P( {(l, 3), (2,2), (3, I)})
La media de Y se ca icu la como ,iglH':
E(Y)
36
12' L = 7
36
Los siguientes (jagramas describen grficamente las distribuciones anteriores:
. __ J J J 11lLLh
2 3 6 9 10 JI 12
Distribucin de X Distribucin de Y
Obsrvese que las lneas verticales dihujadas sobre los nmeros del eje horizontal son proporcionales a
sus probabilidades
Ejemplo 5.2: Una moneda cargada tal que P(Jl) y P(T) ! se I,wza tres veces. Las probabilidades de
los puntos del espacio muestral S = f HHH. HHT, HTH, HTT. TlHI, TlH, TTH, TTT I son las
siguientes:
P(HHH) i . 11
8
P(THH) =
a i ..
1
1
2'i 27
P(HHT)
i . i 'a
4
P(THT)
k -2 'i

27 , ,
27
P{HTH)
'k'n
4
P(TTH)
!'k'
2
2'i 27
P(HTT)
t!
2
P(TTT)
l'!'!
==
1-
2'i 27
Sea X la variable que asigna a cada punto de S el mayor nmero de caras sucesivas que suceda.
As,
X(TTT) O
X(HTH)
X(HHT)
1, X(HTT)
2, X(THH)
3
1, X(THT}
2
1, X(TTH}
El conjunto imagen de X es X(S) = lo. 1, 2, 3 lo Calculamos la distribucin f de X.
feO)
f(l)
f(2)
f(3)
P(TTT) :::: 1-
27
P({HTH, HTT, THT, TTH})
= P{{HHT, THH}) :::: .!. +.!. ::::: JL
27 21 27
P(HHH)
1
10
27
CAP. 51 VARIABLES ALEATORIAS
Esta informacin se tabula en la siguiente forma:
La media de X se calcula como sigue:
E(X) 3' J!..
27
= 1,85
77
Ejemplo 5.3: Se selecciona al azar una muestra de tres artculos de una caja que contiene 12 de los cuales 3 son defec-
tuosos. Hallar el valor esperado E de los artculos defectuosos.
El espacio muestral S consta de las (1,2)
mao 3. Notamos que hay: 3
220 muestras diferentes
(:) 84 muestras sir art cu los defectuosos;
3' (:) 108 muestras con I artculo defectuoso;
(2
3
) . 9 27 muestras con 2 artculos defectuosos;
(
3) _ I muestra con J artculos defectuosos
3 -
As la probabilidad de coger 0, ,2 Y 3 artCulos defectuosos es
y 1/220. As el nmero esperado E de los artculos defectuosos e"
E o- + 1- + 2' + 3'
posibles de ta-
84/220. I Og /220,
0.75
No/a: Implcitamente obtuvimos el valor esperado de la variable aleatoria X que asigna a c<lrJi
muestra el nmero de artculos defectuosos que contiene.
En un juego
que el juego es
dinero, el valor esperado E del juego se considera como el
al jugador si E es positivo, y desfavorable si E es SiE
Se dice
0, el juego
es
Ejemplo 5.4: Un jugador lanza un dado corriente. Si sale un nmero primo gana dicho nmero de dlares. pero no
Nuestros
sale un nmero primo entonces pierde esa cantidad de dIre,. Los resultados poSibles Xi del Juego con
sus respectivas j{x) son corno sigue:
Los nmeros negativos -1,
mero primo. El valor
E
5 -1 -4
4 --6 corresponden al hecho de que el Jugador
del juego es
no sale un n-
Por tanto, el juego es desfavorable para el jugador puesto que el valor esperado negatlvo.
teoremas en relacin con la nocin de valor para operaciones de vu-
riables aleatorias son
Teorema 5.1: Sea X una variable aleatoria y k un nmero real. Entonces E(kX) y (j)
E(X + k} = ) k.
Teorema 5.2: Sean X y Y variables del mismo muestral S. Entonces E(){ + Y)
) + ).
V"'
\
78
Un simple argumento de induccin conduce al
Corolario 5.3: . , X n variables aleatorias de S.
E(X + ... + X
n
) E(X) + ... + E(X,,)
VARIANZA Y DESVIACION ESTANDAR
La media de una variable aleatoria X mide, en cierto el valor "promedio" de X El con-
el de la varianza de mide el de X.
Sea X una
Entonces la varianza de denotada por var()\'). se define como
TI
var (X) L (Xi - p.)2 (Xi) = E((X - p.)2)
.=1
donde p. es la meda de X La estndar de X, denotada por a
x
, es la raz cuadrada
de var(X ):
El teorema siguiente nos da una alternativa y algunas veces una frmula ms til para calcular la
varianza de la variable aleatoria X.
"
Teorema 5.4: var (X) = L ~ (Xi)
j= 1
Prueba. Usando 1, tenemos
10 cual el teorema.
j (Xi)
X7 (Xi)
5.5: Considrese la variable aleatoria X del 5.1 (que asigna el mximo de los nmeros que se mues-
tran en un par de dados). La distribucin de X es
y su media es P-x 4,47. Calculamos la varianza y la desviacin estndar de X Primero calculamos
E(X'):
E(X2)
21,97
entonces
var (X) = E(X2) ~ 21,97 - 19,98 :::: 1,99 y 1,4
Ahora consideramos la variable aleatoria Y del ejemplo 5.1 (que asigna la suma de los nmeros
que se muestran en un par de dados). La distribucin de Yes
'.
CAP, 51 VARIABLES ALEATORIAS
79
y su media es
E(Y 1):
= 7, Calculamos la varianza y la desviacin estndar de Y. Primero calculamos
22. 1- + 32. + .. " + 122 ..l =
36 36 86
54.8
entonces
var (Y) 54,8 - 49 5,8 y Uy = 2.4
algunas propiedades de la en el
Teorema 5.5: X una variable aleatoria y k un nmero real. Entonces (i) var(X + k) var(X),
Y (ii) var(kX) k
2
var(X). Por lo tanto, O'X+k O'x Y (1IcX !k!uX'
Nota 1. Hay una interpretacin fsica de la media y la varianza. Supngase que para cada punto XI
sobre el eje X se coloca una unidad con masa f(x 1). Entonces la media es el centro de grave-
dad del sistema, y la varianza es el momento de inercia del sistema.
Nota 2. Muchas variables aleatorias dan origen a la misma distribucin; de aqu que hablemos fre-
cuentemente de la media, la varianza y la de una distribucin en lugar de
la variable aleatoria fundamental.
Nota 3. Sea X una variable aleatoria con media Ji. y estndar (1 > O. La variable aleato-
ria X* estandarizada que corresponde a X se define por
X*
Comprobamos que E(X*) = O Y var(X*) (problema
DISTRIBUCION CONJUNTA
Sean X y Y variables aleatorias de un espacio muestral S con los respectivos conjuntos imagen
X(S) y = {y!, Y2, ... , Ym}
Formamos el conjunto producto
en un espacio de probabilidad definiendo la probabilidad de la pareja ordenada . Y) como P(X
XI, y = y J) que escribimos h(x l. Yi). Esta funcin h de X(S) X Y(S) , esto es, definida por h(x. Yi)
P(X = XI. Y = YI), se llama distribucin conjunta o funcin de probabilidad conjunta de X y Y
Y se da en forma de tabla por lo general:

Yl Y2
...
Ym
Suma
XI
h(x.1/I) h(x. Y2)
...
h(x,Ym) !(xl)
xz
h(X2, h(X2,1/2)
..
h(X2'Y
m
) !(X2)
.. . .. . .. . ... . .. ., .
x"
h(x
n
YI) h(x,l' Y2)
" .
h(x
n
.1I
m
) f{xn}
Suma g(y) V(yz)
...
g(Ym)
80 VARIABLES ALEATORIAS [CAP. 5
Las funciones g anteriores se definen por
y
o sea,
columna
) es la suma de los elementos de la fila y ) es la suma de los elementos de la
son llamadas distribuciones marginales y son, de hecho, las distribuciones (individua-
les) de /t y Y
(problema 5. I La distribucin conjunta / satisface las condiciones
y (ii) h(Xi, y) 1
Ahora si X y Y son variables aleatorias con la distribucin conjunta anterior (y las lvas
medias ;'x y jJ.y), entonces la covarianza de X y Y denotada por cov(X, Y), se define por
cov (X, Y)
o (ver problema 5.18) por
cov (X, Y)
La correlacin de X y y, denotada por p (X, Y), se define por
p(X, Y)
La correlacin p no es dimensionada y tiene las siguientes
(i) p(X, Y) p(Y, X)
(i) -1 p 1
(iii) p(X, X) = 1, p(X,
(iv) p(aX + b, cY + d)
E(XY) - ;'x;'y
p(X, Y), si a, e =F O
Ms adelante (ejemplo 5 mostrarnos parejas de variables aleatorias con
duales) idnticas pueden tener covarianzas y diferentes. As cov(X.
medidas de la manera corno /Y y Y estn
(ndivi-
, Y) son
5.6: Se lanza un par de dados corrientes. Obtenemos el espacio
parejas ordenadas de nmeros entre 1 y 6:
finito S que est formado por 36
S {(1, 1), (1,2), ... , (6,6)}
Sean X Y V las variables aleatorias de S en el 5.1, o sea, X designa el mximo nmero y Y la su-
ma de los nmeros de cada punto de S. La distribucin conjunta de X y }' es la siguiente:
y
2 3 4 5 6 7 8 9 10 11 12 Suma
X
1
1
O O O O O O O O O O
1
36 36
O
2 1
O O O O O O O O
3
2
36 36 36
3 O O
2 2 !
O O O O O O

36 36 36 36
O O

2 2 1
O O O O
7
4 O
38 3ii

3iI
6 O O O O
2 2 2 2 1
O O
36 36 36 36 3iI
2 2 2 1 11
6
36 3ii 36 3iI 36
Suma
"
J!.
2 1
3ii 36 36 36
CAP. 5] VARIAIJU:S ALEA fORIAS
81
elemento anterior }J, 5) fa viene del hecho de ljue (\ 2) Y 3) son los nleos puntos de S cuyo
nmero mximo es J y CUyJ suma e, 5; pOI tanto,
5) == P(X = 3, Y 5) P( {(3,
Los otros elementos "e obtienen de manera similar.
Calculemos la covarianlJ y la correlacin de .r y y Primero calcukmo.' E(.\ y):
2-
34,2
+ 6 -12'
Por el 5,1, ;'X = 4,47 Y J.y 7 Y por el ejemplo 5,5, CJx 1,4 y Uy 2,4; de
J4,2 - (4,47)(7) =
y
Ejemplo 5.7: Sean X y Y, Y X' Y }" variables alealOflJS con las d,tflbuCl<lf1'" conjuntas ,igulcntes

4
I
10
Suma
''>Z
4 10 Sllma
1
t
1
1
,;
1 O
J

:.;
3
t
3
n
O
i
Suma
!

\ Suma
&
Obsrvese que .\ y ,Y'. Y Y Y Y' lIcnen distribuciones idnticas:
Distribucin de X y X'
Comprobamos que cov(.\;', }/') cie aqu , Y) p(X', Y'). Primero CJklll:Jllhl'
EL\: n y E(X' n
E(X'Y')
1-4-1 1-10-! + 3-4-{ + 8-1O-!
1 - 4 - O + l 10 - 3 4 n + 3 - 10 - O
Como Ilx:::: !lx' == 2 y f'Y Ji," 7,
COy (X,
== E(XY) - J.lX!'Y o
y CUI' (X', Y' )
14
11
"Iota: La nocin de Ulla distribucin conjunta h se x!ie!llk l un nlllero finito de varIables
X. Y. , Z de manera c"lo es, h t:S lJIL.l unctlll dd conjunto
.' .,/. defnida por
h(Xi, Y1> ... , Xi, Y - Yj, , .. , Z
VARIABLES ALEATORIAS INDEPENDIENTES
dice que un nmero finito de variables aleatorias X. y,
independientes si
Xi, Y :::: y j, . , Z P(Y =--:
. Z de un
... P(Z
82
VARIABLES ALEATORIAS [CAP, 5
para valores Xi, Xl, x y y son independientes si
P(X
Ahora si X y Y tienen las distribucionesfy g, respectivamente, y la distribucin conjunta h, entonces la
ecuacin anterior se puede escribir como
h(x, YJ) (XI) g(y)
En otras palabras, X y Y son independientes si cada elemento h(x, Yi) es el producto de sus elementos
marginales.
Ejemplo 5.8: Sean X y Y variables aleatorias con la distribucin conjunta siguiente:

2 3 4 Suma
1 0,06 0,15 0,09 0,30
2 0,14 0,35 0,21 0,70
Suma 0,20 0,50 0,30
As, las distribuciones de X y Y son como sigue:
Distribucin de X Distribucin dc Y
X Y Y son variables aleatorias independientes puesto que cada elemento de la distribucin conjunta pue-
de oblenerse multiplcando sus elementos esto es,
P(X = Xi' Y = YJ)
para cada i y cada j.
Establezcamos algunas propiedades importantes de variables aleatorias que no se cumplen en ge-
neral, a
Teorema 5.6: Sean X y Y variables aleatorias independientes. Entonces:
(i) Y)=E(X)E(Y),
(ii) var (X Y) var (X) + var (Y),
(iii) cov(X, Y) = O.
La parte (ii) del teorema anterior al muy importante
Teorema 5.7: Sean XI, '. X" variables aleatorias independientes. Entonces
var (Xl + ... + X .. ) var (Xl) + '" + var (X .. )
FUNCIONES DE UNA VARIABLE ALEATORIA
Sean X Y Y variables aleatorias del mismo espacio muestral S. Entonces se dice que Y es una fun-
cin de X si Y puede por alguna funcin <1> de valor real de una variable real Y );
esto es, si Y(s) <1>[ X(s) J para todo s E Por ejemplo, kX. X, X k Y (X + k)2 son todas
funciones de X con <r>(x) kx, x
2
, X k Y (x + k)2 respectivamente. Tenemos el teorema funda-
mental
CAP, 5] VARIABLES ALEATORIAS
Teorema 5.8: Sean X y Y variables aleatorias de u,n mismo espacio muestral S con Y
tances
E(Y) :=
donde f es la funcin de distribucin de X.
83
 (X). En-
se dice que una variable aleatoria Z es una
(X, Y) donde es una funcin de valor real de
de X Y Y si Z se puede represen-
tar por Z variables esto es, si
Z(s) [X(s), Y(s)]
para todo s E S. al teorema anterior, tenemos
Teorema 5.9: Sean X. Y y Z variables aleatorias del mismo espacio muestral S con Z
Entonces
E(Z)
donde h es la distribucin conjunta de X y Y.
(X. Y),
Hacemos notar que los dos teoremas anteriores se usaron implcitamente en la discusin y teore-
mas Tambin hacemos notar que la prueba del teorema 5.9 se da como un problema pro-
y que el teorema se para una funcn de n aleatorias en forma obvia.
VARIABLES ALEATORIAS DISCRETAS EN GENERAL
Ahora su
o sea, X(S)
que X es una variable aleatoria de S con un conjunto infinito contable;
Xl, X2, .. l. Tales variables aleatorias junto con aquellas de conjuntos imagen finitos
atrs) son llamadas variables aleatorias discretas. Como en el caso finito, construimos
X(S) en un de probabilidad definiendo la probabilidad de XI como f(xl) = P(X Xi) Y
llamamos(la distribucin de x:
El valor ) y la varianza var(X) se definen por
E(X)
var (X)
cuando las convergen absolutamente. Se puede demostrar que var{X) existe s y slo
si . = E()() Y E(X 2) existen ambos y que en este caso la frmula
var E(X2) 11.
2
es vlida justamente como en el caso finito. Cuando var(X) existe, la desviacin estndar O'x se define
como en el caso finito por
Las nociones de distribucin conjunta, variables aleatorias independientes y funciones de variables
aleatorias se extienden directamente al caso general. Se demostrar que si X y Y estn definidas en
el mismo espacio muestral S y si var(X) y var(Y) existen, entonces las series
84
YARIAIlLlS \Lh\fORIAS [CAP. 5
cov (X, Y)
convergen absolutamente y la relacin
cov (X, Y)
E(XY) - IAxlAy
se cu mpl e Justamente como en el caso finito.
Nota: Para evadir tecnicismos estableceremos muchos teoremas en este captulo nicamente para va-
riables aleatorias finitas.
VAfHABLES ALEATORIAS CONTINUAS
a b
que ,\ ' es ulla variable aleatoria
conjunto imagcn X( S) es un conjunto con-
tinuo de nLIJll eros tal es como un intervalo. Recal-
de la definicin d:: variables aleatorias que
el conjunto I I es un suceso de S y.
por la probabilidad l'(a X 17)
bien definida. SlIponemos que existe ulla
funcin continua espsci al I H R tal que
P(u .\;' h) e\ Igual al ll:a baj o la curva de
entre x = a y x """ /) (como se mueslra a la
der
i
:c11a). En el len gu aj e del clculo,
P(a X b) = rea de la parle sombr eada
P(a .X .b)
i
b
f(x) dx
[ n eqe caso se dicc ljUC )( es ulla \'I7riahlc a/catoria contillua. La funcin f se llama funcin de distribu-
ci l/ o de probahilidad col/tinlla (o i/llcl()1I de dCl/sidad) de X; que satisface las condiciones
(i) f(x):::O O y
(i) i f(x) dx == 1
Esto es.fes no negativa y el r ea total baJO su curva es \.
El vlor espCl' lIdu f:( X) Ll efi ne por
E(X)
x f(x) dx
cuando existe. LI S funciones de variabl es aleatorias se definen justamente como en el caso discreto; y
puede demostrarse que si }' = (X).
E(Y) ( w(x) f(x) dx
J
R
cuando el miembro de la derecha existe. La varia/lza var(X) se delinc por
var (X)
i (x - fL)2 f(x) dx
cuando existe. Justamente como cn el Lliscrcto, se puede demostrar que var(X) existe si y s lo si
lA E(X) y L(X 2) existen y, por tanto,
var (.Al
85
La desviacin estndar (Jx se define por (Jx cuundo val' existe.
Ya habamos hecho hincapi en que estableceramos muchos resultados para variables aleatorias
y los daramos por supuestos en el caso general discreto yen el caso continuo.
Ejemplo 5.9: Sea X una variable aleatoria continua con la distribu-
cin siguiente:
si O ~ 2
en otra parte
Entonces
P( IX"" 1,5) = rea de la regin
sombreada del diagrama
Grfico de f
Calculamos luego valor la varianza y la de,vlacn estndar de x.
E(X)
Jx
dx
f2
dx
=:
4
6 3
R. O
E(X2)
~ X2 f(x) e/x
foZ
dx 2
- p.2
2
16 2
~
1
var
9
y Ux
3
Un nmero finito de variables aleatorias continuas, a saber X, y, , Z, se dice qut:: son inde-
pendientes si para unos intervalos la, a']' lb, b']" le, e']'
P(a a', b === Y , "., e Z
x
y
.. , P( e Z =:: e')
Obsrvese que los inlervalos desem
discrdo.
el mismo en el caso continuo que los en el caso
FUNClON DE DISTRI ACUMULATIVA
Sea X una aleatoria (discreta o continua). La de aculilula/iva F de
X es la funcin F. R -, R definida por
F(a) a)
Si X es una variable aleatoria discreta de distribucin f. entonces F la "funcin escalonada" defini-
da por
F(x) f(Xi)
Por otra parle, si X es una variable aleatoria continua de distribucin f. entonces
F(x) = f(t)
En ambos casos, F es montona esto es
F(a) =::: F(b) siempre que a === b
y el lmite de F a la es O Y a la derecha es 1:
lim o y lim F(x) 1
x"',,
86
VARIABLES ALEATORIAS
Ejemplo 5.10: Sea X un variable aleatoria discreta con la distribucin siguiente:
XI
-2 1 2 4
(x,)
i ! t !
El grfico de la funcin de distribucin acumulativa F de X es
-3 -2 -1 o 2 3 4
Grfico de F
Obsrvese que F es una "funcin escalonada" con un escaln en xI de altura (XI).
Ejemplo 5.11: Sea X una variable aleatoria continua con la dis-
tribucin siguiente:
(x)
= . {!X si O x :::: 2
O en cualquier otra parte
-1 o 2
Grfico de fe/')
La funcin de distribucin acumulativa F y su
grfico se muestran as:
{;.,
si x<O
F(x)
si 0::::x::::2
si x> 2
-1 o
2
Aqu[ nos valemos del hecho que para O x:::: 2,
Grfico de F
F(x)
= .f" ttdt i
x2
O
DESIGUALDAD DE TCHEBYCHEFF. LEY DE LOS GRANDES NUMEROS
[CAP. 5
3
S
La idea intuitiva de prcibabilidad es la tan nombrada "ley de los promedios", esto es, si un evento
A sucede con probabilidad p. entonces el "nmero promedio de sucesos de A" se acerca a p tanto co-
mo el nmero de pruebas independientes aumenta. Este concepto se precisa con la ley de los grandes
nmeros que se establece luego. La prueba de este teorema se vale de la bien conocida desigualdad
siguiente de Tchebycheff:
Teorema 5.10: (Desigualdad de Tchebycheff): Sea X una variable aleatoria con promedio p. y des-
viacin estndar CT. Entonces para cada I! > O,
P(IX - p.1 t) ;
Prueba. Empezamos con la definicin de varianza:
=
var (X)
CAP, 51 VARIABLES ALEATORIAS
87
En las series anteriores suprimimos todos los trminos para los cuales Ix, tI < f. Esto no aumen-
ta el valor de las puesto que todos sus son no esto es,
donde el asterisco indica que la sumatoria se extiende solamente sobre aquellos i para los cuales
IXi .tI L As, esta nueva sumatoria no aumenta en valor si remplazamos cada Ix! - tI por
( ; esto es,
a la probabilidad que IX .tI t; por tanto,
f2P(IX - .tI l)
Dividiendo por conseguimos la desigualdad
Teorema 5.J J: (Ley de grandes nmeros): XI, ., una sucesin de varables aleatorias inde-
pendientes con la misma distribucin con promedio .t y u
1
Sea
= (Xl +
+ . , . + X,,)/n
(llamada la muestra media). Entonces para un ( > O
lim P(ISn - .tI f)
n-oo
Prueba, Ntese primero que
E(Sn)
Puesto que XI,. , X n son
var (Xl + ... + X>l)
Por consiguiente por el teorema 5,5(i),
var == var
As, por la desigualdad de Tchebycheff,
El teorema resulta del hecho de que el
Las notas siguientes son en su orden:
O o equivalentemente
n"'''
n n
del teorema 5.7 se deduce que
var (Xl) + ... + var (X
It
)
1
var (Xl + . , . + X
n
)
P(ISn
t
a la derecha es O cuando n -1> ao.
;.I < f)
=
1
n
Nota 1, Probamos la desigualdad de Tchebycheff solamente para el caso discreto. El caso continuo
se una prueba anloga en que se usan en de sumatorias.
Nota 2. Probamos la ley de los nmeros grandes solamente para el caso en que la varianza de
XI, esto es, no diverge. Observamos que el teorema es verdadero siempre que E(X ,) existe.
Nota 3. La ley de los grandes nmeros anteriores llamada tambin la ley dbil de los grandes nmeros
a causa de un teorema similar, pero ms firme, llamado la ley fuerte los grandes nmeros.
88
VARIABLES ALEATORIAS [CAP, 5
Problemas resueltos
VARIABLES ALEATORIAS Y V ALaR ESPERADO
5.1. Hallar el valor p., la varianza a2 y la estndar O' de cada una de las siguien-
tes distribuciones:
(i)
(i) /l:::: x/(x) 2' k + 3 t + 11 i 4
~ x; f(xJ :::: 2
2
i + 3
2
t + 11
2
i 26
0'2 :::: .l: x; !(XI) - p.2 26 - 16 ;:::: 10
(1 ;:::: v'1o ;:::: 3.2
/1 .l: xl!(XI) -5 t - 4' k + 1 t + 2 '1 -1
x; (xI) :::: 25' i + 16'1 + l' t + 4 'i 9,25
(12:::: !(XI) - /12 == 9,25 - 1 :::: 8,25
(1 - ...[8I5 :::: 2,9
Ji. .l: x/(x) 1(0,4) + 3(0,1) + 4(0,2) + 5(0,3) 3
.l: (x) :::: 1(0.4)+9(0,1)+1 +25(0,3) 12
a2. .l: x; !(XI) - /12 ;:::; 12 - 9 :::: 3
(1 :::: va 1.7
5.2. lanza un dado corriente, X como el doble del nmero que aparezca, y denotemos
V como 1 3 que el nmero sea impar o par. Hallar la distribucin, el valor esperado, la
varianza y la desviacin estndar (i) X, (ii) Y, (iii) X y, (iv) XY.
El muestral es S = 1 1,2,3,4,5,61, Y cada nmero aparece con probabilidad t
(i) X(I) = 2, X(2) 4, X(3) 6, X(4) 8, }1'(5) 10, ,\'(6) 12. As X(S) ( 2,4,6,8, 10, 121 Y cada nmero
tiene probabilidad i. As, la distribucin de X es como
Por consiguiente,
J1.x E(X) = :;z, x (xi)
== 2 '1r + 4' i + 6' i + 8 '1 + 10' i + 12' t == 1f 7
:::: ~ ~ (Xl)
::;;; 4' i + 16'! + 36' i + 64' t + 100 i + 144' i
var (X) :::: E(X2) pi
= 3,4
60,7 - (7)2 ::: 11,7
864 ==
6
60,7
CAP. 5] VARIABLES ALEATORIAS
89
(ii) Y(l) == 1, Y(2) == 3, Y(3) = 1, Y(4) = 3, Y(5) = 1, Y(6) == 3. O sea: Y(S) == {1,3} y
U(l) == P(Y==l) == P({1,3,5}) == ~ == 4 y g(3) == P(Y = 3) == P({2, 4, 6}) == ~
1
2'
De esta forma la di st ribucin de Y es como sigue:
Vi
1 3
g(YJ)
! !
En consecuencia,
I'y ==
E(Y) = ~ YJ g(YJ)
== 1'! + 3'!
2 /
E(y2)
== ~ V ~ g(Vj)
== 1'! + 9'!
5
2
var (Y)
E(Y2) _ ,.,. 2
==
5
(2)2
1 ay
y
ay
Vi
1
(iii) Usando (X + v)(s) = X(s) + Y(s) , obtenemos
(X + Y)(l) == 2 + 1 == 3
(X + Y)(2) == 4 + 3 = 7
(X + Y)(3) = 6 + 1 == 7
(X + Y)(4) = 8 + 3 = 11
(X + Y)(5) 10 + 1 == 11
(X + Y)(6) == 12 + 3 == 15
Por consiguiente, el conjunto imagen es (X + Y)(S) = 13, 7, 11 , 151 Y 3 Y 1 S suceden con probabilidad k, y
7 Y 11 con probabilidad ~ Esto es, la dist ribucin de X + Y es como sigue:
Z 3 7 11 15
p(z)
!
2 2
1
6 6 6 6
As,
E(X + Y) - 3'! + 7' + 11, + 15'! == ~ == 9
- 6 6 6 6 6
EX + y)2) == 9'! + 49' + 121' + 225'! = 6H == 95,7
6 6 6 6 6
var (X + Y) == EX + y)2) _,.,.2 == 95,7 - 9
2
== 14,7
Ux + y = ."jT4j = 3,8
Nt ese que, E(X) + E( Y) = 7 + 2
12,7 #- var (X + Y).
9 E(X -+- Y), pero var (X) + var (Y)
(iv) Usa ndo (XY)(s) == X(s) Y(s), obtenemos
11 ,7 + 1
(XY)(l) = 2, 1
(XY)(2) = 4' 3
2
12
(XY)(3) 6 '1 == 6
(XY)(4) = 8, 3 == 24
(XY)(5) == 10, 1 == 10
(XY)(6) = 12' 3 == 36
Por tanto, la di stribucin de X Y es como sigue:
W 2 6 10 12 24 36
p(w)
i t i t t t
As,
EXY)2) 4 'i + 36' t + 100' i + 144'! + 576, t + 1296'!
2 1 ~ 6 == 3593
6 '
var (XY) = EXY)2) - 1'2 359,3 - 15
2
134,3
voo ==
11 ,6
90
5.3. Una moneda cargada para que P(H) = i y P(T) = i se lanza tres veces. Sea X la variable
aleatoria que denota la mayor hilera de caras (sucesivas) que aparezca. Hallar la distr.bucin, la
esperanza, la varianza y la desviacin estndar de X.
La variable aleatoria X se define en el espacio muestral
s = {HHH, HHT. THH,
Los puntos de S tienen las probabilidades respectivas siguientes:
.11 II lt
4.t 4-
P(HHT)
l ~ - l
1'!'!
_ ..
P(HTT)
. ~ i' i
Puesto que X denota la mayor hilera de caras,
X(TTT) O; X(HTT) 1,
X(HHT) :::: 2,
P(THH)
P(THT)
P(TTT)
1,
:= 2;
As, el conjunto imagen de X es X(5) = lo, 1, 2, 3 1. La probabilidad
do las de los puntos de S cuya imagen es x :
P(TTT) == 1(0)
1(1) P(HTT) + P(HTH) +
{(2) P(HHT) + P(THH)
(3) P(HHH)
Por consiguiente, la distribucin de X es como sigue:
As,
p. E(X)
O' +
1
+
2-
::::
O-
+
1- + 4- + 9'
(12 var (X) E(X2) - p.2 5,2
(f ::::
0,9
+ 3'
-
(2, 1)2
+
t'i'!
t'J'!
-
i'i-!
.-
t-!'!
1, 1;
3
de cada nmero XI de X(S) se obtiene suman
2,1
0,8
J R
U4
5.4. Se lanza una moneda corriente hasta que resulte una cara o cinco sellos. Hallar el valor esperado
E de los de la moneda.
Si sale cara en la primera vcz sucede un lanzamiento solamente, esto cs. el suceso H. Si el primero es sello y el se
gundo cara suceden dos lanzamientos, esto es el evento TH. Si los dos primeros son sellos y el tercero cara, suceden tres
lanzamientos esto es el suceso TTI-l, Si resulta TTTH suceden cuatro lanzamientos y si resultan TTTTH o TTTTT su-
ceden cinco lanzamientos. Entonces
=- P(H) ! '
(2) P(TH) t
1(3) = P(TTH) -Ir
1(4) P(TTTH)
{(5) P(TTTTH) +
+
Por tanto, + 5-
1,9.
5.5. Se dibujan dos crculos concntricos de radios I y 3 pulgadas
dentro de un blanco circular de 5 pulgadas de radio. Un hom-
bre recibe 10, 5 3 puntos segn pegue en el blanco dentro
del crculo menor, en el anillo intermedio o en el anillo ex-
terior respectivamente. Supongamos que el hombre da en
el blanco con probabilidad t y, por tanto, es lo mismo de
posible que pegue en un punto del blanco como en otro. Ha-
llar el valor esperado E de los puntos que marca cada vez
que dispara.
La probabilidad de mard
r
10,5,3 puntos es:
1
rea de 10 puntos
!. , '/1"(1)2 1
=
1(10)
2 rea blanco 2
. lT(5)2
50
1(5)
!. .
rea de 5 puntos
! , 7T(3)2 - '/1"(1)2
2 rea blanco 2
'/1"(5)2
1(3)
1
rea de 3 pu n tos
! , lT(5)2 - '/1"(3)2
- .
2 rea blanco 2 lT( 5)2
1(0)
1
2
As, E = 10' -lo + 5 k + 3' !t + o' i = = 1,96.
91
8
50
16
50
5.6. Un jugador lanza dos monedas corrientes. Gana $\ $2 segn que aparezcan I 2 caras. Por
otra parte, pierde $5 si no aparece cara. Determinar el valor esperado E del juego y si ste es fa-
vorable al jugador.
La probabilidad de que 2 caras sucedan es 1; de 2 sellos es 1 y de I cara es t . As la probabilidad de ganar $2
es l, de ganar $1 es !' y de perder $5 es l. Por tanto E = 2 '1 + l' t - 5' 1 = -i = -0,25. Esto es, el va
lor esperado del juego es menos 254, y en esta forma es desfavorable al jugador.
5.7. Un jugador lanza dos monedas corrientes . Gana $5 si aparecen 2 caras, $2 si aparece I cara y $\
si ninguna cara aparece. (i) Hallar la ganancia esperada. (ii) Cunto debe pagar para jugar si
el juego es legal?
(i) La probabilidad de ganar $5 es l, de ganar $2 es t y de ganar $1 es 1; por tanto E = 5 '1 + 2' t + 1 '1 =
2,50. esto es, la ganancia esperada es $2,50.
(ii) Si paga $2,50 para jugar, entonces el juego es legal.
DISTRIBUCIONES CONJUNTAS, VARIABLES ALEATORIAS INDEPENDIENTES
5.8. Supngase que X y Y tienen la siguiente distribucin conjunta:

-3 2 4
1 0,1 0,2 0,2
3 0,3 0,1 O,J
Suma 0,4 0,3 0,3
(i) Hallar la distribucin de X y de Y.
(ii) Hallar la cov (X, Y), esto es, la covarianza de X y de Y.
(iii) Hallar p(X, Y), esto es, la correlacin de X y de Y.
(iv) X y Y son variables aleatorias independientes?
4 PROBABILIDAD
Suma
0,5
0,5
92
VARIABLES ALEATORIAS [CAP. S
(i) La distribucin marginal de la derecha es la distribucin de X y la distribucin marginal del fondo es la distribu-
cin de r. A saber,
(ii) Primero calculamos P.x y p.y:
(1)(0,5) (3)(0,5) = 2
ILy
~ x!(x)
~ Y U(/j) (--3)(0,4) + (2)(0,3) -+ (4)(0,3) 0,6
Luego clJmputamos F(X }/}:
E(XY) XYj h(xh Y)
(1)( -3)(0,\) + (\ X2)(O,2) + (1 )(4)(0,2) + (3)(-3)(0,3) + (3)(2)(0, 1) (3)(4)(0,\) O
Entonces coy (X, Y) = E(XY) - p.x!ly 0-- (2)(0,6) 1,2
(iii) Primero calculamos ax ay:
E(X2)
y
ay
Entonces
var (X)
Vi
1
~ ~ U(Yj)
var (Y)
:::: 3.0
p(X, Y)
(l)(0,5) + (9)(0.5) = 5
5 (2)2
1
(9)(0,4) (4)(0,3) + (16)(0,3) 9,6
,,; = 9,6 (0,6)2 = 9,24
-0,4
(iv) X Y Y no son independientes, puesto que P(X = 1, Y -3) P(X 1) PO'- --3), esto es. el elemento h(I.--3)
0,1 no es igual a f(l) (0,5)(0,4) 0,2, el producto de sus elementos marginales.
5,9. X Y Y variables aleatorias independientes con las distribuciones siguientes:
Distribucin de X Distr buci n de V
Hallar la conjunta h de X y Y.
Puesto que )t y Y son independientes, la distribucin h se puede obtener de las distribuciones marginales
f y g. Primero constryase la tabla de la distribucin conjunta con las distribuciones marginales solamente como se in-
dica en la tabla de la iz.quierda, y luego los elementos marginales para obtener los otros elementos, esto
es, colquese h(x.1JJ) !(xl) U(Yj), como se muestra a la derecha.
~
5 10 15 Suma
~
5 10 16 Suma
1 0,6 1 0,12 0,30 0,18 0,6
2 0,4 2 0,08 0,20 0,12 0,4
Suma 0,2 0,5 0,3 Suma 0,2 0,5 0,3
CAP. 5] VARIADLES ALEATORIAS
93
5.10. Una moneda corriente se lanza tres veces. Sea X que denota O. I segn que aparezca una cara
o un sello en el primer lanzamiento, y sea Y que denota el nmero de caras que resulten. Deter-
mnese, (i) la distribucin de X y de Y. (ii) la distribucin conjunta h de X y Y, (iii) cov (X, Y) .
(i) El espacio muestral S consta de los ocho puntos siguientes, cada uno con probabilidad 1:
Tenemos
y
s = {HHH, HHT, HTH, HTT, THH, THT, TTH, TTT}
X(HHH) = O, X(HHT) = O, X(HTH) = 0, X(HTT) = O
X(THH) = 1, X(THT) = 1, X(TTH) = 1, X(TTT) = 1
Y(HHH) = 3
Y(HHT) = 2, Y(HTH) = 2, Y(THH) = 2
Y(HTT) = 1, Y(THT) = 1, Y(TTH) = 1
Y(TTT) = O
.. As las distribuciones de X y de Y son como sigue:
XI

1
YJ
O 1 2 3
{(XI)
t t
g(YJ)
i 1 i 1
(ii) La di stribucin h de X y Yes:
x
O 1 2 3 Suma
O

1 #
*
t
1
*
# i
O
t
Suma
1 i i 1
Obtenemos, por ejemplo, el elemento ;'(0,2) = P(X = 0, y = 2) = P( 1 HTH, HHT:) = #.
(i ii)
J.Lx
~ XI {(XI)
Ot + l'!
=
!
J.Ly ~ YJ g(YJ) O! + 1'1 + 2'1 + 3'* =
~
E(XY)
~ xlYJ h(XI I VJ) 1'1'# + 12! +
trminos con factor O
COY (X, Y) E(XY) - J.LxJ.LY
= t - ~ ~ = -1
5.11. Sea X una variable aleatoria con la distribucin siguiente y sea Y = X 2:
XI -2 -1 1 2
{(XI)
1 ! ! !
t
Determinar, (i) la distribucin g de Y, (ii) la distribucin conjunta h de X y y, (iii) la cov (X, Y) Y
p(X, Y).
94
(i) Puesto que Y X la variable aleatoria Y tomar solamente los valores 4 l. Adems, g(4) = P( y 4)
P(X 2 o X = - 2) P(X 2) + P(X 2) i + i ! y, similarmente, 1. Por tanto
la distribucin g de Y es como sigue:
(ii) La distribucin conjunta h de X y Y viene luego. Ntese que si X = 2, entonces Y 4: y de aqu h(-2, 1)
O Y h( - 2, 4) = 2) = 1. Los otros elementos se obtienen de manera similar.
'>z
1 4 Suma
-2 O
i t
-1
i
O
i
1
t
O
i
2 O
i i
Suma
! !
(ii i)
/ix
E(X)
Xi (Xi) -2' i - 1 t
+ l'! + 2'i
O
/iy Y g(YJ) l' t 4'!
I

E(XY)
xYj Yj) -8'! 1'i+
1
-i+
8
-;
O
COY (X, Y)
::::
PXpy
D
D'!
= O Y as
p(X, Y) = O
Nota: Este ejemplo muestra que no obstante que Y es una funcin de X es an posible que la covarianza y la correlacin
de X y Y sean O, como en el caso en que X y }' son (teorema 5.6). Ntese, sin embargo, que
X y Y no son independientes en este ejemplo.
PRU DE TEOREMAS
Nota: las pruebas, X y Y son variables alealorias con distribucin f y g respectivamente y
distribucin h.
5.12. que (Xi):::: h(x, Y) y g(Yi) = 2: h(x" Yi), esto es, que las distribuciones

marginales son las distribuciones (individuales) de X y Y.
Sea Al = {X = x} y E
j
::= {Y Y}; esto es, sea Al = X-l (:1:,) y E
j
::::: y-l (1Ij)' As las Ej son dis-
yuntas y S = UJEj. Por lanlo,
A = AnS = n(u
j
u(AnEJ)
donde las AnE son tambin disyuntas. En consecuencia.
(XI) = P(X x, Y 1IJ)
La prueba para g es similar.
5.13. el teorema 5,8: Sean X y Y variables aleatorias del mismo muestral S con
y = iP(X). Y) 2: iP(x) {(XI) donde f es la distribucin de X.

(La prueba se da para el caso en que X es discreta y I1nita.)
CAP. 51
95
Supngase que X toma los valores :t:l ,:l)" Y que 4>(xI) toma los valores lIl J tl
m
como recorre de 1 a
TI. Enlonces claramente los valores de Y = 4>(X) son Yh ... , 11m Y la distribucin g de Y est dada por
Adems
m m
n n
(XI) 1Ij
1==1 {J: .'(z}=lI}
f(Xi) (XI)
1=1
lo cllal prueba el teorema.
5.14. Probar el teorema S. 1: Sea X una variable aleatoria y k un nmero real. Entonces
) = k ) Y (ii) E(X + k) E(X) k.
(La prueba se da para el caso discreto general suponiendo que E(X) existe.)
(i) Ahora kX 4>(X) donde (x) = kx. Adems por el teorema ).8 (problema 5.13),
E(kX) k
(ji) Aqu X + k (X) donde 4>(x) x + k. Adems
E(X + k) = (Xl + k) f(xJ
j
X (Xi) + k f(xJ

5.15. Probar el teorema 5.2: Sean X yY variables aleatorias del mismo
E(X + Y) E(X) + E(Y).
E(X) + k
muestral S. Entonces
(La prueba se da para el caso discreto general suponiendo que E(X) y E( Y) ambos existen.)
Ahora X + Y = <1> (X. Y) donde (x. y) x + y. Adems por el teorema 5.9,
E(X+ Y)
el problema 5.12. obtenemos
E(X + Y} = E(X) + E(Y)
5.16. Probar el corolario 5.3: Sean Xl, X 2, , X" variables aleatorias de S.
E(X
1
+ ... + X
n
)
(La prueba se da para el caso discreto general suponiendo que E(X
1
), E(X",) lodos
Probamos esto por induccin en n. El caso n I es trivial y el caso n = 2 es precisamente el teorema 5.2
(problema 5.15). Para el caso n > 2 aplicamos el caso n =,2 para obtener
E(X
1
+ ... +X"-l + X,,) = E(X + ...
y por la hiptesis inductiva esto se convierte en E(X
1
) + ... + E(X
n
_) +
5.17. Probar el teorema 5.5: (i) var (X + var (X) Y (ii) var (k X) k l var ). Por tanto
I1X+k I1x y U
kX
= Ikl U
X
'
Por el teorema 5.1, JlXH Ilx + k y PlcX = kll
x
. Tambin x/(xJ Px y f(xJ :::: 1. Por tanto,
96
var (X + k)
(PX + k)2
== x: (x) + 2kpx + k
2
(I'i + 2kl'x + k
2
)
::s XI (XI) - pi var (X)
y
var (kX) (kX)2 f(xl) - k
2
::s x f(xl) (kp.X)2
k
2
x; (x!; - k
2
1'i k
2
(2. f(xl) -
5.18. Mostrar que
COY (X, Y)
(La prueba se da para el caso en que X y Y son discretas y finitas)
Puesto que
2. 7/j h(xl' 7/)
j,}
obtenemos
::s xIY} h(x, 7/J) - P-XPY - I'XI'Y + p.xl'y
l.
::: xlYi h(x, 7/J) - I'XI'Y
k
2
var (X)
y
5.19. Probar el teorema 5.6: Sean X y V variables aleatorias Entonces
[CAP. 5
1
(i) E(XY) = E(X) E(Y), (ii) var + = var (X) + var (Y), (iii) COy (X, Y) = O.
y
(La se da para el caso en que X y Y son diseretas y finitas.)
Puesto que X y }' son
cav Y)
h(x,7Ij) = f(x!) g(y}). As
E(XY) = XIVj h(x, 1Ij)

- I'xp.y ::: E(X)
Con el fin de probar (ii) necesitarnos tambin
PX+v ::: Px + Pv,
Por tanto.
var (X + Y) ::: (XI + 1Ij)2 h(x, 7/j) - +Y
1.1
:::
= ::s f(xJ + 2 xd(x) 7/} U(Y) +
I
== x
l
2
(XI) p
2
+ 7/J2 g(Yj) - p
2
x J y
h(x!,1I)
y; g(lIj)
o
var (X) + var (Y)
CAP 51 VARIABLES ALEATORIAS
97
5.20. Probar el teorema 5.7: Sean Xl, ... X" variables aleatorias independientes. Entonces
val' (Xl + ... + X,,) = val' (Xl) + ... + var (X
It
)
(La prueba da para el caso en que ... , X" SOI1 (Od'b discretas y finitas.)
Dalllos por supuesto los problemas anlogos:J1 5.12 Y al teorema 3.9 para JI variable, aleatorias. Entonces
val + 0'- + X,,) E((X + . , . + X
n
- Px + ' ..
+ ., +x
n
(Xl + ... + x" - Px - ... J1.X,)2 h(x, ... X,,)
{f f XX} + PXJ1.X
j
2 Px Xi} h(xlt ... , x,,)
J 1
donde h es la distribucin conjunta de .. . ,X". y Jlx+ +X" - + ... + J1.X
n
(Corolario 5.3). Pllc,to
que los son dos a dos, XiX; h(x ... , X
n
) ::::: JlXJlX
j
para i j. Por tanto
n
JlX.!lX
j
+ +

, .. J '
j ,
J
n n ..
E(X;) (Px)2

var (Xi)
1=1
cumo se peda.
PROBLEiVIAS VARIOS
5.21. Sea X una variable aleatoria continua con distribucin
f{x)
{
iox + le SI O. x 3
en o lfa parte
(i) Calcular k. (j) Hallar P(I X
(i) El grfiCO defse dibuja en seguida. Puesto quefes una funcin continua de probabihdad, la ;ombreada A
tener rea I Ntese ljue A forma un trapecio de bases paralelas de longitudes k y k + t, y altura 3. Por
tanto, el rea de A = !(k + k + !> 3 ::::: 1 O k:::::
Grfico de j
P(l ::= X ::= 2)
(l) i'( 1::= X::= 2) ", igual al rea de IJ la est{l bajo el grfi:o de entre x y x
IIgura anterior lit: la derecha. Ntese qUlO 1(1) =A +
(rea de 8 +. 1 = i,
5.22. Sea X una variable aleatoria continua cuya distribucin constante en un
y O en otra parte:
f(x)

SI a === x .: b
en ot ra parte
rea de 8
2 como se muestra en la
Pur tanto P(l ::= X 2)
como l =
(Se dice que dicha variable aleatoria est uni/oflnemellte distribuida en l.) (i) Determinar k.
(ii) Hallar la media It de ,Y. (iii) Determinar la funcin de distribucin acumulativa F de X
98
(i) El grfico de J apar ece a la derecha. La regin A debe tener
rea 1; por tanto
k(b-a) :::: 1 o
1
k :::: b - a
(ii) Si consideramos la probabilidad como peso o masa, y el pro-
medio como el centro de gravedad, entonces es intuitiva -
mente claro que
a+b
2
[CAP. 5
f=O f=O
Grfico de J
el punto medi o entre a y b. Verificamos esto matemticamente usando el clculo
p = E(X) = f x f(x) dx = fb b a dx
R a
b
2
a
2
a + b
2(b-a) 2(b-a) 2
(iii) Recalcamos que la fun cin de distribucin acumulativa
F(k) = P(X k). Por tanto F(k) origina el rea bajo el
grfico deja la izquierda de x = k. Pu es to que X est uni-
formemente di stribuida en el interval o 1 = {a == x b},
es intuitivo que el grfico de F debe ser como se muestra
a la derecha, esto es, F == O antes del punto a. F == I des-
pus del punto b. y F es lineal entre a y b. Verificamos esto
matemticamente usa ndo el clculo
F==O
[
x2 Jb
2(b - a) a
F= 1
/11
a b
Grfico de F
(a) para x< a.
F(x) JX f(t)dt = JX Odt :::: O
-00 -c.;
(b) para a x b,
F(x)
(e) para x > b, F(x)
por tanto F(x) :::: 1.
J
x JX 1
:::: f(t) dt = - -dt::::
b-a
- 00 a
P(X x) P(X b) = F(b) = 1 y as 1 P(X x) = F(x);
5.23. Sea X una variable aleatoria con promedio .t y desviacin estndar (1 > O; Y sea X* la varia-
ble aleatoria estandarizada que corresponde a X, esto es, X* = (X -- p. )/ (1, Mostrar que E(X*)
O y var(X*) = l. (Por tanto (1x. = l.)
Por los teoremas 5.1 y 5.5,
E(X.) :::: E (X - p.) = ! E(X - p.) = !(E(X) - p.)
u u C1
O
y var (X) ::::
(
X - p) 1 . 1
var --- :::: 7: var (X - /1) == 2 var (X)
C1 C1 U
5.24. Sea X una variable aleatoria con distribucin f El r-simo momento M
r
de X se define por
Hallar los primeros cinco momentos de X si X tiene la distribucin siguiente:
Xi
-2 1 3
f(Xi)
-! i i
(Ntese que M I es el promedio de X, y M 2 se usa para calcular la varianza y la desviacin es-
tndar de x.)
99
M
1
~ x!(x) -2'! + l! + 3.! = 0,
M
2
~ x; !(x) 4'! + l'! + 9'-1 = 4,5,
M3 ~ x: !(x) = -S'! + l'! 27'! 3,
M4 ~ x: !(x,) l6'! + l'! + SI!
28,5,
M5 ~ ~ !(x,) -32'! + 1'-1 + 243'! = 45.
5.25. Sea h la distribucin conjunta de las variables aleatorias X y Y. (i) Mostrar que la distribucinf
de la suma Z = X + Y puede obtenerse suponiendo las probabilidades a lo largo de las diagona-
les x + y = z", esto es,
(ii) Aplicar (i) para obtener la distribucin f de la suma Z = X + Y donde X y Y tienen la dis-
tribucin conjunta siguiente:
X
-2 -1

1 2 3 Suma

0,05 0,05 0,10

0,05 0,05 0,30
1 0,10 0,05 0,05 0,10

0,05 0,35
2 0,03 0,12 0,07 0,06 0,03 0,04 0,35
Suma 0,18 0,22 0,22 0,16 0,08 0,14
(i) Los eventos {X = x" Y == Y : x + V = z,,} son disyuntos; por tanto,
~ P(X==x, Y=Y)
:t,+II = z.
~ h(x, YJ) = ~ h(x, z" - xJ
:t+II = Zk :ti
(ii)
X
-2 -1

1 2 3
O 0,05 0,05 0,10 O 0,05 0,05
1 0,10 0,05 0,05 0,10

0,05
2 0,03 0,12 0,07 0,06 0,03 0,04
Sumando a lo largo de las diagonales en la tabla anterior, obtt:llemos
!(-2) = 0,05 !(2) 0,05 +0, 10 + ,0 ,07 = 0,22
!(-1) = 0,05 +0, 10 = 0,15 1(3) 0,05
+ + 0,06 = 0,11
!(O) 0,10 + 0,05 + 0,03 = 0,18 1(4) 0,05 + 0,03 = 0,08
!(1) + 0,05 + 0,12 = 0, 17 1(5) = 0,04
En otras palabras, la distribucin de Z = X + Y es como sigue :
Z -2 -1

1 2 3 4 5
!(z) 0,05 0,15 0,18 0,17 0,22 0,11 0,08 0,04

t
I
I
I

,
,
t

I

..

100
v Al{ IABLES ALEATOR l AS [CAP.
5.26. Hallar el promedio J. la varianza (72 y la desviacin estndar (7 de' cada distribucin:
X 2 3 8 Xi
-2 -1 7
(i) (ii)
!(x)
i t i
!(x)
t ! 1
XI
-1 O 1 2 3
(iii)
!(XI) 0.3 0.1 0.1 0.3 0.2
5.27. Se lanza un par de dados corrientes. Sea X la variable aleatoria que denot<l el menor de los dos nmero!'. que aparcLcan .
Hallar la distribucin. el promedio. la varianza y la desviacin de X
5.28. Una moneda corriente se lanza cuatro veces. Sea X que denota el nmero de caras que salgan. Hallar la distribucin. el
promedio . la varianza y la desviacin estndar de X
5.29. Una moneda corriente se lanza cuatro veces. Sea Y que denota la hilera ms larga' de caras qu e salgall. Hallar la di stri
bucin, el promedio. la varianza y la des viacin estndar de Y
5.30. Hallar el promedio J , la variaoza (72 y la desviacin estndar (7 de la distribucin de dos puntos
X a b
!(XI) p q
don de l' +q = l.
5.31. Se seleccionan al azar dos cartas de una caja que contiene cinco cartas nUl11eradas l. 1.2.2 Y J. Sea X que denota la su
ma y Yel mayor de los dos nmeros sacados. Hallar la di stribucin, el promedi o. la varianza y la desviacin est ndar de
(i) X, (i) Y, (iii) X + Y, (iv) XY .
. ,
VALOR ESPERADO (ESPERANZA)
5.32. Se lan za una moneda corriente hasta que una cara o cuatro sellos aparcLcan. Hallar el nmero esperado de lanlamientos
de la moneda.
5.33. Una moned a cargada tal que P( H) = t y P(T)
nmero esperado de lanzamientos de la moneda .
i se lanza hast a que una ca ra o cin co sell os, aparezcan. Hallar el
5.34. Una caja contiene 8 artculos de los cuales 2 son defectuosos. Una persona sel ecciona 3 art culos de la caja. Ilall ar el n-
mero esperado de artculos defectuosos que ella saca.
5.35. U na caja contiene 10 transistores de los cuales 2 son defectuosos. Se selecciona un lransL,tor de la caja y se prueba hasta
que se escoge uno no defectuoso. Hallar el nmero esperado de veces que el transistor se escoge.
5.36. Resolver el problema anterior par a el caso de que 3 de los 10 artculos sean defectuosos .
5.37. La probabilidad de que el equipo A gane un juego es l A juega con B en un torneo. El primer etuipo que gane 2 Juegos
seguidos o un total de J gana el torneo. Hallar el nmero esperado de juegos en el torneo .
5.38. Un jugador lanza tres monedas corrientes. Gana $5 si salen 3 caras, $3 si salen 2 caras. y $1 si sale solamcr1te I cara .
Por otra parte, pierde $15 si salen 3 sellos. Hallar el valor del juego para el jugador
5.39. Un jugador lanza tres monedas corrientes . Gana $8 si salen J caras, $3 si salen 2 ca ras, y $1 si sale solamente I cara. Si
el juego es legal, cunto debera perder si no salen caras?
CAP, 5] VARIABLES ALEATORIAS
101
5.40. Un jugador Jaon tre" monedas corrientes, Gana $10 si salen 3 caras, $5 si salen 2 caras, $3 si sale I cara y $2 si no sale
cara, Si el juego es legal, cunto debe pagar el para jugar?
D1STRIIlUCION CONJU!\TA, VARIABLES ALEATORIAS INDEPENDIENTES
5.41. Considrese la distribucin de\' y r siguiente:
~
-4 2 7 Suma
1
k i i t
5
i i tr t
Suma
t I t

Hallar, (i) E(Xl y E(Y), (ji) cov(X n, (iji) ux, Cly y p(X, r')
P 5.42. Considrese la distribucin conjunta de X y Y siguiente:
~
-2 -1 4 5 Suma
1 0,1 0,2 O 0,3 0,6
2 0,2 .0,1 0, I O 0,4
Suma 0,3 0,3 0,1 0,3
Hallar, (1) E(X) y E( n. (ii) cov(X. n, (iil) Clx, ay y pC\", Y),
5.43. Su que X Y Y son variables aleatorias IndependIentes con las distllbucione, respccllvas sigUIentes:
Hallar la distribUCIn conjunta de X y V Y comprobar que cov(X. Y) = O.
5 . 4 ~ Una moneda corriente se lanza cuatro veces. Sea X que denota el nmero de caras que salgan y sea}' que denota la ma-
yor hilera de caras que salgan (ver problemas 5,28 y 5,29). (i) Determinar la distribucin conjunta de X y Y Oi) Hallar
cov(X, I') y p(X, n
5.45, Se seleccionan dos cartas al azar de ulla caja que contiene CInCO cartas numeradas 1, 1,2,2 y], Sea X que denota la su-
ma y Yel mayur de los dos nmcrus sacados (ver problellla 5,31). (1) Determinar la distribucin conjunta de X y Y. (ii)
Hallar cov(X Y) y pe":,, Y),
I'IWBLEI\IAS VAIHOS
5.46. Sea X una variable aleatoria continua con distribucin
(i) Hallar P(2 X ~ 5),
f(x)
jn
lO
~ X ~ 7) y P(X 6).
si O
x=Eg
ot ra parte
(ii) Dderminar y hacer el gr:ilko de la funcin de distribucin acumulativa F de X.
Sea X una variable aleatoria continua con distribucin
o x 5
(x)
..:n cualquier otra parte
(i) Calcular k. (ii) lbllar P(l X 3), P(2 ~ X =E 4) Y P(X 3).
102
VARIABLES ALEATORIAS [CAP.
5.48. Hacer el grfico de la funcin de distribucin acumulativa F de la variable aleatoria X con distribucin
5.49. Mostrar que Ux O s y slo si X es una funcin conslanle, esto es X(s) k para cada s E S. o simplemente X = le
5.50. Si (Ix "'" 0, mostrar que p(X, X) 1 Y = -1.
5.51. Probar el teorema 5.9: Sean X. y y Z variables aleatorias de S con Z = <1> (X, Y), Entonces
donde h es la distribucin conjunta de X y Y.
5.26. (i) p. ::::: 4, q2 ::::: 5,5, {1 = 2,3; (ii) p. = 0, (12::::: 10, a::::: 3,2; (Ui) po 1,..,2 ::::: 2,4, a = ,1.5.
5.27. E(X) == var (X) 2.1, ax::::: 1,4
5.28. E(X) 2, var (X) 1, ax::::: 1
5.29. 1,7, var (Y) := 0,9, ay 0.95
5.30.
Po
ap + bq, 0"2::::: pq(a-
5.31. (i) == var (X) 0,84, (Ix::;: 0,9
(ii) E(Y) ::::: 2.3. var (Y) :::::0.41, Uy 0.64
103
(iii)
Zk 3 5 6 7 8
E(X + Y) == 5,9, var (X + Y) :::: 2,3, "'x+y = 1,5
P(Zk) 0,1 0,4 0,1 0,2 0,2
(iv)
W"
2 6 8 12 15
E(XY) = 8,8, var (XY) = 17,6, UXy:::: 4,2
8 (W,J 0,1 0,4 0,1 0,2 0,2
5.32. 15/8
5.33. 211/81
5.34. 3/4
5.35. 11/9
5.36. 11/8
5.37. 23/8
5.38. 254 a favor del jugador
5.39. $20
5.40. $4,50
5.41. (1) E(X) :::: 3, E(Y) == 1; (ii) COy (X, Y) = 1,5; (iii) Ux = 2, ay == 4,3, p(X, Y) = 0,17
5.42. (i) E(X) :::: 1.4, E(Y) :::: 1; (H) COY (X, Y) = - 0,5 (iii) 17x:::: 0,49, Uy:::: 3,1, p(X, Y) :::: - 0,3
5.43.
IX
-2 5 8 Suma
1 0,21 0,35 0,14 0,7
2 0,09 0,15 0,06 0,3
Suma 0,3 0,5 0,2
5.44. (i)
Y
O 1 2 3 4 Suma
X
O
1\
O O O O
-h
1 O
n
O O O
-h
2 O
fe ~
O O
-h
3 O O
fa fa
4 O O O O
Suma
-h
fa
-h fa
(ii) COY (X, Y) :::: 0,85, p(X, Y) :::: 0,89
104 VARIABLES ALEATORIAS
5.45. (i)
~
1 2 3 Suma
(ii) COy (X, Y)
2 0.1 O O 0.1
3 O
DA
O
DA
4 O 0,1 0,2
0.3
5 O O 0.2 0.2
Suma 0,1 0,5 DA
5.46. () P(2"" X "" 5) :::: , P(3 ""X"" 7) i, P(X 6) i
(i) F(x)
5.47. (i) k fs, (i) P(l "" X "" 3) =
5.48.
si x < O
si O"" x 8
si x> 8
""X""4) ::::
Grfico de F
[CAP. 5
0,52 p(X, Y) :::: 0,9
Grfico de F
..
Captulo 6
Distribuciones binomial,
normal y de Poisson
DISTRI13UCION B1NOMIAL
Consideramos pruebas repetidas e independientes de un experimento con dos resultados; llama-
mos uno de los resultados favorable (o xito) y el otro desJavorable (o Jracaso). Sea p la probabilidad
favorable, as que q = I .- p es la probabilidad desfavorable. Si estamos interesados en el nmero de
xitos y no en el orden en que suceden, entonces aplicamos los teoremas siguientes.
Teorema 6.1: La probabilidad de k xitos exactamente en n pruebas repetidas se denota y expresa por
b(k; n,p)
Aqu m es el coeficiente binomial (ver pgina 19). Tngase en cuenta que la probabilidad desfavora-
ble es qn y, por consiguiente, la probabilidad de por lo menos un xito es I - qn.
Ejemplo 6.1: Se lanza una moneda corriente 6 veces o, su equivalente, seis monedas corrientes se lanzan una vez; lla-
mamos cara un xito. Por consiguiente n = 6 Y P = q = t.
(i) La probabilidad de que sucedan dos caras exactamente (o sea, k = 2) es
b(2; 6, i) = ~ ) (1.)2 (!)"' = ti
(ii) La probabilidad de conseguir por lo menos cuatro caras (o sea, k = 4, 5 6) es
b(4; 6, t) + b(5; 6, . ~ ) + b(6; 6,!) ~ ) (t)4 (t)2 + (:) (!)5 (!) + (:) (t)6
= H+j+;{ = H
(iii) La probabilidad de no caras (o sea, lodosfracusos) es q5 = (!)6 = 6\ y. por tanto, la probabili-
dad de una cara por lo menos es 1 - q6 = 1 - -h = H,
Ejemplo.6.2: .Un dado corriente se lanza 7 veces; llamamos a un lanzamiento un xito si sale un 5 o un 6. Entonces
fI = 7, P = p(1 5, 61) = t y q = I - P = .
(i) La probabilidad de que un 5 6 salga 3 veces exactamente (o sea, le = 3) es
(ii) La probabilidad de que un 5 6 no salga (o sea, todos fracasos) es q7 = ()7 = 2\2:
7
; por consi-
1
- 7 - ~ 0 5 9
guiente la probabilidad de que un 5 o un 6 salga una vez por lo menos es q - 2187'
105
106
DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON [CAP. 6
Si TI Y P como constantes, entonces la [uncin anterior P(k) = b(k; 11, p) es una dis-
tribucin de probabilidad discreta:
Se la llama distribucin binomial puesto que para k 0, 1, 2, ... ,n corresponde a los trminos suce-
sivos del desarrollo binomial
(q + p)"
Esta distribucin se conoce
dos resultados se llaman
como distribucin de Bernoulli, y las
de Bernoulli.
Las propiedades de esta distribucin son:
Teorema 6.2:
Distribucin binomial
Media p. np
Varianza (12 = npq
_.
Desviacin estndar (f
independientes con
Ejemplo 6.3: Un dado corriente se lanza 180 veces. El nmero esperado de seises es p. np 180 JO. La des-
vi acin estndar es (f = y npq 5.
DISTRIBUCION NORMAL
La distribucin normal o curva normal (o: Gauss) se como sigue:
f(x)
donde J. y (J' > O son constantes arbitrarias. Esta [uncin es en realidad uno de los ms
importantes de una distribucin de probabilidad continua. Los dos diagramas que siguen, muestran lOS
cambios de f cuando Il vara y cuando (J' vara. En particular, obsrvese que estas curvas en forma
de campanas son simtrcas alrededor de x = Ii.
f
f
Distribucin normal para a fijo 1 1)
Distribucin normal para p. fijo (p. = O)
CAP 6] DISTRIBUCIONES BINOM IAL, NORMAL Y DE POISSON
107
Las propiedades de la distribucin normal son:
Teorema 6.3;
Distribucin normal
Media
J1
Varianza
(72
Desviacin (7
La distribucin normal anterior con media fL y vananza ella designamos por
N(fL
,
0-
2
)
t Si hacemos la sustitucin t = (x - fL)/(T en la frmula de N(fll el-) obtenemos la distribucin o curva
norll/al estndar
</>( t)
con media fL = O Y varianza el- = l. La grfica de esta diqribucin aparece luego. Observamos que
para 1 t 1 el rea bajo la curva es 68,2%; y para - 2 t 2 el rea bajo la curva es 95,4%.
0.4
-3 -2 -1 o 2 3
Di stribucin normal N(O, 1)
La tabla de la pgina 111 da el rea bajo la curva normal estndar entre t = O Y valores positivos
de t. La simetra de la curva alrededor de t = O nos permite obtener el rea entre dos valores de t (ver
problema 6.14).
Ahora sea X una variable aleatoria continua con distribucin normal; con frecuencia decimos que
X est distribuida florrnalmcllte. Calculamos la probabilidad de que X caiga entre a y b, designada por
P(a X b), como sigue. Primero pasamos a y b a unidades estndar
a' = (a-fL)/(T y
b' = (b - fL)/(T
respectivamente. Entonces,
b)
P((/ X* b')
rea bajo la curva normal estndar entre a' y b'
Aqu X* es la variable aleatoria estandarizada (ver pgina 79) que corresponde a X y, por tanto, X*
tiene distribucin normal estndur N(O, 1) .
,
108
DISTRIBUCIONES BINOMIAL. NORMAL Y DE POISSON
APROXIMACION NORMAL A LA DJSTRlBUClON BINOMIAL.
TEOREMA CENTRAL DEL LIMITE
[CAP. 6
La di stribucin binomial P(k) = b(k; n, p) se aproxima estrechamente a la di stribucin normal
proveyendo un f1 grande y ni p ni q prximos a cero. Esta propiedad se indica en el diagrama siguiente
donde escogimos la di st ribucin binomial correspondiente a 11 = 8 y p = q = 1- .
k
P(k)

256

256
20
256
O 1 2 3 4 5 6 7 8
1 8 28 56
-
.2-
56 28 8 1
256 256 250 256 256 250 256 250 250
Di stribucin binomial con 11
8 Y P = q
d: stribuCln normal
binonllal
, ;
o 2 3 4 5 6
Comparacin de las distribuciones binomial y normal
La propiedad anterior de la di stribucin normal se generaliza en el teorema central del lmite que
viene en seguida . La prueba de este teorema cae fuera del alcance de este texto.
Teorema central del lmite 6.4: Sean X 1, Xl, ... , una sucesin de variables aleatorias indepen-
dientes con la misma distribucin de media p. y varianza a.
Sea
XI + X 2 + . . . + X n-ni!
vna
Entonces para un intervalo x b),
donde </> es la distribucin normal estndar.
Recordamos que llamamos Sn = (X I + Xl + ... + X n)/II la media muestral de las varia-
bles aleatorias XI, .. X n . As Z n en el teorema anterior es la media muestral estandarizada. Ha-
blando en trminos generales, el teorema central del lmite dice que en una sucesin de pruebas repe-
tidas la media muestral estandarizada se aproxima a la curva normal estndar segn que el nmero de
pruebas aumente.
DISTRlBUCION DE POISSON
La di stribucin de Poisson se define como sigue:
,\,Ke->'
p(k;'\') = k!' k = O, 1, 2,
donde A > O es una constante. Esta distribucin infinita contable se present a en muchos renmenos
naturales, tales como el nmero de llamadas telefnicas por minuto en un tablero de distribucin, el
nmero de erratas por pgina en un texto grande, y el nmero de partculas a emitidas por una sus-
tancia radi activa. A continuacin se mueslran algunos diagramas de la distribucin de Poisson para di-
ferentes valores de '\'.
CAP. 6] DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON
109
0.4
0,3
0,2
0,1
l
_---LullllillJ JI
o 2.4 6 0246810 O 2 -1 6 8 10 12 Ji !
),=1
1-=5 A 10
Distribucin de Poisson para ","v,,"uu de A
Propiedades de la distribucin Poisson'
Teorema 6.5:
Distribucin de Poisson
i
Media
l
.t
Variaru3 ,,2 = A
Desviacin estn.dar
"
..};,
A pesar de que la distribucin Poisson tiene inters independiente, tambin nos propurcion;r
una a la distribucin binomial para un k pequeo, que p sea pCqUd,;
y'\ np (ver problema 6.27). Esto se indica en la tabla siguiente.
k O 1 2 3 4 5
Binomial 0,366 0,370 0,185 0,0610 0,0149 0,0029
Poisson 0,368 0,368 0,0153 0,00307
Comparacin de las distribuciones binomial y de Poisson
para I! = lOO, P
1 oo y A = np I
DISTnmUCION MULTINOMIAL
La distribucin binomial se generaliza como que el muestral U,] ex-
perimento se divide en, s sucesos mutuamente exclusivos A" A 2, , A. con
des Pi, p2, ,ps. consiguiente Pi + pi .+ ... + Ps = \.) Entonces
Teorema 6.6: En n respectivas, la probabilidad de que A I suceda k I veces, A l suceda k: I,L:-
ces, .. " y A. suceda k s veces es igual
donde + k
2
+ ... + ks = n.
Los nmeros forman la tan nombrada distrihucin multinornial que son \':1-
samente los trminos del desarrollo de (p I + pi + '" + ps)n. Obsrvese que si s __ , Clild:'
obtenemos la distribucin binomial, discutida al principio del captulo.
Ejemplo 6.4: Un dado corriente se lanza 8 veces. La probabilidad de obtener los lados 5 y 6 dos veces y da uno de lo,
otros una vez es
= 0,006
110
ORDENADAS DE LA CURVA NORMAL ESTANDAR
Tabla de valores <p (/) de la distribucin
normal estndar <p para t O en intervalos
de 0,01.
o 1 2 3 4
0,0 0,3989 0,3989 0,3989 0,3988 0,3986
0,1 0,3970 0,3965 0,3961 0,3956 0,3951
0,2 0,3910 0,3902 0,3894 0,3885 0,3876
0,3 0,3814 0,3802 0,3790 0,3778 0,3765
0,4 0,3683 0,3668 0,3653 0,3637 0.3621
0,5 0,3521 0,3503 0,3467 0,3448
0,6 0,3332 0,3312 0,3292 0,3271 0,3251
0,7 0.3123 0,3101 0,3079 0,3056 0,3034
0,8 0,2897 0,2874 0,2850 0,2827 0,2803
0,9 0,2661 0,2613 0,2589
1,0 0,2420 0,2396 0,2371 0,Q347 0,2323
1,1 0,2179 0,2155 0,2131 0,2107 0,2083
1,2 0,1942 0,1919 0,1895 0,1872 0,1849
1,3 0,1714 0,1691 0,1669 0.1647 0,1626
1,4 0,1497 0,1476 0,1456 0,1435 0,1415
1,5 0,1295 0,1276 0,1257 0,1238 0,1219
1,6 0,1109 0,1092 0,1074 0.1057 0,1040
1,7 0,0940 0,0925 0,0909 0,0893 0,0878
1,8 0,0775 0.0761 0,0748 0,0734
1,9 0,0656 0,0644 0,0632 0,0620 0,0608
2,0 0,0540 0.0529 0,0519 0,0508 0,0498
2,1 0.0440 0,0431 0,0422 0,0413 0,0404
2,2 0,0355 0,0347 0,0339 0,0332 0,0325
2,3 0,0283 0,0277 0,0270 0,0264 0,0258
2,4 0,0224 0,0219 0,0213 0,0208 0,0203
2,5 0,0175 0,0171 0,0167 0,0163 0,0158
2,6 0,0136 0.0132 0,0129 0.0126 0,0122
2,7 0,0104 0,0101 0,0099 0,0096 0.0093
2,8 0.0079 0,007'1 0.0073 0,0071
2,9 0.0060 0,0058 0,0056 0.0055 0,0053
3,0
0.0044 0,0043 0,0042 0,0040 0,0039
3,1
0,0033 0,0032 0,0031 0,0030 0,0029
3,2
0,0024 0.0023 0,0022 0,0022 0,0021
3,3
0,0017 0,0017 0,0016 0.0016 0,0015
3,4
0,0012 0,0012 0,0012 0,0011 0,0011
3,5 0,0009 o,noos 0,0008
3,6 0,0006 0,0006 0,0006 0,0005 0,0005
3,7 0,0004 0,0004 0,0004 0,0004 0,0004
3,8 0,0003 0,0003 0,0003 0,0003 0,0003
3,9 0,0002 0,0002 0,0002 0,0002 0,0002
Tabla 6.1
5 6 7
0,3984 0,3982 0,3980
0,3945 0,3939 0,3932
0,3867 0,3857 0,3847
0,3739 0,3725
0,3605 0,3589 0,3572
0,3429 0,3410 0,3391
0,3230 0,3209 0,3187
0.3011 0,2989 0,2966
0,2780 0.2756 0,2732
0,2541 0,2616 0.2492
0,2299 0,227f 0,2251
0,2059 0,2036 0,2012
0,1826 0,1804 0,1781
0.1604 0,1582 0,1561
0.1394 0,1374 0,1354
0,1200 0,1182 0.1163
0.1006 0,0989
0,0863 0,0848 0,0833
0.0721 0,0707 0,0694
0,0596 0,0584 0,0573
0.0488 0,0478 0,0468
0,0396 0,0387 0,0379
0,0317 0,0310 0.0303
0,0252 0,0246 0,0241
0,0189
0,0154 0.0151 0,0147
0,0119 0,0116 0,0113
0,0091 0,0088 0,0086
0,0069 0.0067 0,0065
0,0051 0,0050 0,0048
0,0038 0,0037 0,0036
0,0028 0,0027 0,0026
0,0020 0,0020 0,0019
0,0015 0,0014 0,0014
0,0010 0,0010 0,0010
0,0007 0,0007 0,0007
0,0005 0,0005 0,0005
0,0004 0,0003 0,0003
0,0002 0,0002 0,0002
0,0002 0,0002 0,0002
[CAP. 6
8 9
0,3977 0,3973
0,3925 0,3918
0,3836 0,3825
0,3712 0,3697
0,3555 0,3538
0,3372 0,3352
0,3166 0.3144
0,2943 0,2920
0.2709 0,2685
0,2468 0,2444
0,2227 0,2203
0,1989 0,1965
0,1758 0,1736
0,1539 0,1618
0,1334 0,1315
0,1145 0.1127
0,0973 0,0957
0,0818 0,0804
0,0681 0,0669
0,0562 0,0551
0,0459 0,0449
0,0371 0,0363
0,0290
0.0235 0,0229
0,0184 0,0180
0,0143 0,0139
0,0110 0,0107
0,0084 0,0081
0,0063 0,0061
0,0047 0,0046
0,0035 0,0034
0,0025 0,0025
0,0018 0,0018
0,0013 0,0013
0,0009 0,0009
0,0007 0,0006
0,0005 0,0004
0,0003 0,0003
0,0002 0,0002
'0,0001 0,0001

.,
I
CAP. 6] DISTRIHUCIONES BINOMIAL, NORMAL Y DE POISSON
111
AREAS DE LA CURVA NORMAL ESTANDAR
/

Tabla de reas bajo la distribucin nor-
',-
mal estndar 1> en lre O y

en in lervalos

de 0,01.

o t
t O 1 2 3 4 5 6 7 8 9
0,0 0,0000 0,0040 0,0080 0,0120 0,0160 0,0199 0,0239 0,0279 0,0319 0,0359
0,1 0,0398 0,0438 ' 0,0478 0,0517 0,0557 0,0596 0,0636 0,0675 0,0714 0,0754
0,2 0,0793 0,0832 0,0871 0,0910 0,0948 0, 0987 0,1026 0,1064 0,1103 0,1141
0,3 0,1179 0,1217 0,1255 0,1293 0,1331 0, 1368 0,1406 0,1443 0,1480 0,1517
0,4 0,1554 0.1591 0,1628 0,1664 0,1700 0, 1736 0,1772 0,1808 0,1844 0,1879
0,5 0,1915 0,1950 0,1985 0,2019 0,2054 0,2088 0,2123 0,2157 0,2190 0,2224
0,6 0,2258 0,2291 0,2324 0,2357 0,2389 0,2422 0,2454 0,2486 0,2518 0,2549
0,7 0,2580 0,2612 0,2642 0,2673 0,2704 0,2734 0,2764 0,2794 0,2823 0,2852
0,8 0, 2881 0,2910 0, 2939 0,2967 0,2996 0,3023 0,3051 0,3078 0,3106 0,3133
0,9 0.3159 0, 3186 0,3212 0,3238 0,3264 0,3289 0,3315 0,3340 0,3365 0.3389
1,0 0,3413 0,3438 0,3461 0,3485 0,3508 0, 3531 0,3554 0, 3577 0,3599 0,3621
1,1 0, 3643 0, 3665 0,3686 0,3708 0,3729 0,3749 0,3770 0,3790 0,3810 0,3830
1,2 0,3849 0,3869 0,3888 0, 3907 0,3925 0,3944 0,3962 0, 3980 0;3997 0,4015
1,3 0,4032 0, 4049 0,4066 0,4082 0,4099 0,4115 0,4131 0,4147 0,4162 0,4177
1,4 0,4192 0,4207 0,4222 0, 4236 0,4251 0,4265 0,4279 0,4292 0,4306 0,4319
1,5 0, 4332 0,4345 0,4357 0,4370 0, 4382 0,4394 0,4406 0,4418 0,4429 0,4441
1,6 0,4452 0,4463 0,4474 0,4484 0,4495 0,4505 0,4515 0,4525 0,4535 0,4545
1,7
0,4554 0,4564 0.4573 0,4582 0,4591 0,4599 0,4608 0,4616 0,4625 0,4633
1,8
0,4641 0,4649 0,4656 0,4664 0,4671 0, 4678 0,4686 0,4693 0,4699 0,4706
1,9
0,4713 0,4719 0,4726 0,4732 0,4738 0,4744 0,4750 0,4756 0,4761 0,4767
2,0 0, 4772 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0, 4808 0,4812 0,4817
2,1 0, 4821 0,4826 0,4830 0,4834 0,4838 0,4842 0,4846 0, .4850 0,4854 0,4857
2,2 0,4861 0,4864 0,4868 0,4871 0,4875 0,4878 0,4881 0,4884 0,4887 0,4890
2,3 0, 4893 0,4896 0,4898 0, 4901 0,4904 0,4906 0,4909 0,4911 0,4913 0,4916
2,4 0,4918 0,4920 0,4922 0,4925 0,4927 0,4929 0,4931 0, 4932 0,4934 0,4936
2,5 0, 4938 0.4940 0,4941 0, 4943 0,4945 0,4946 0,4948 O, 4949 0,4951 0,4952
2,6 0, 4953 0,4955 0,4956 0, 4957 0,4959 0,4960 0,4961 0,4962 0,4963 0,4964
2,7 0, 4965 0,4966 0,4967 0,4968 0,4969 0,4970 0,4971 0,4972 0,4973 0,4974
2,8
0, 4974 0,4975 0,4976 0,4977 0,4977 0,4978 0,4979 O, 4979 0,4980 0,4981
2,9
0, 4981 0,4982 0,4982 0,4983 0,4984 0,4984 - 0,4985 0,4985 0,.4986 0,4986
3,0 0,4987 0,4987 0, 4987 0,4988 0, 4988 0,4989 0,4989 0,4989 0,4990 0,4990
3,1 0,4990 0,4991 0,4991 0,4991 0,4992 0,4992 0,4992 0,4992 0,4993 0,4993
3,2 0,4993 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995
3,3 0,4995 0,4995 0, 4995 0,4996 0,4996 0,4996 0,4996 0, 4996 0,4996 0,4997
3,4 0,4997 0,4997 O, 4997 0,4997 0,4997 0,.4997 0,4997 0,4997 0,4997 0,4998
3,5 0,4998 0,4998 0, 4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998
3,6 0,4998 0,4998 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999
3,7 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0,4999 0, 4999 0,4999 0,4999
3,8 0, 4999 0,4999 O, 4999 0, 4999 0,4999 0,4999 0,4999 O, 4999 0,4999 0,4999
3,9 0,5000 0,.5000 O, 5000 0,5000 0,5000 0,5000 0,5000 0, 5000 0,5000 0,5000
Tablll 6. 2
112
VALORES DE
e-
A 0,0 0,1 0,2 0,3 0,4 0,5 0,6
.._--
e-
1.000 0,905 0,819 741 0,670 0,607 0,549
A 1 2 3 4 5 6 7
e-A
0,368 0,135 0,0498 0,0183 0,0 0,00248 0,000912
Tabla 6,3
Problemas resueltos
DISTRIBU
N BINOMIAL
6.1. Hallar () b(2; 5, i), (i) b(3; 6, (iii) b(3; 4, !).
Aqu n, p) G) pk
() b(2; 5,!)
(j) 6, 1)
b(3; 4,!)
(!)2 (i)3

donde p + q 1.
(l)2 (ir' =
(t)3
0,7
0,497
8
0,000335
0,8
0,449
9
0,000123
6.2. U na moneda corriente se lanza tres veces, Hallar la probabilidad P de que salgan,
(ii) dos caras, OH) una cara, (iv) no caras.
MlOdo L Se obtiene el cquiprobable siguiente de ocho elementos:
s HHT, HTT,THH, TTH,TTT}
() Tres caras (HHB) aparecen una vez solamente entre los ocho puntos muestrales; o sea, P = lJ.
(ji) Dos caras aparecen J veces (H HT, HTH y TH H); o sea, P f.
(iji) Una cara aparece 3 veces (HTT, TBT Y TTH); sea, P I
(IV) No caras, esto es, tres sellos (TTT), ocurre solamente una vez.; o sea, P = k.
\1!odo 2, Usar teorema 6.1 con n = 3
Y P = q
t
k=3
Y
P b(3; 3, (1)3 (1)0 1-i-
1

(ii) k 2
Y
P b(2; 3, t) (1)2 (t) g-!.!
f
(iii) Aqu k 1 y P ; 3, t) (1)1
a-t-!
f
Aqu k=O P b(O; 3, 1) (1)0 (!)3 11 i
i
[CAP. 6
0,9
0,407
10
0,000045
tres caras,
6.3. El equipo A tiene i de probabilidad de ganar cuando juega. Si A 4 partidos, hallar la
lidad de que A gane, (i) dos partidos, (ii) un por lo menos, ms de la mitad
Aqu n = 4, P i y q;:;;:: 1 p i.
(i) P(2 viclorias)
CAP 6J DISTRIIlUCIONES BINOMIAL, NORMAL Y DE POISSON
113
(ii) Aqu q4:;:: (!)4 == it es la pro habilidad de que A pierda todos los cuatro partido,. Entonces 1 - q4 == es
la probabilidad de ga nar flOr lo menos un partido.
(iii) A gana ms de la mitad de los partidos si A gana 3 4 partidos. Por lo tanto la probabilid ad buscada e,
Pl3 victorias) + P(4 victorias) = (*)3 (l) + (!) = + fi =
6.4. Una familia tiene 6 hijos. Hallar l'a probabilidad P de que sean, (i) 3 nios y 3 mnas, (ii) menos
nirlos que nias. Suponer que la probabilidad de que un hijo en particular sea nio es t,
Por tanto 11 = 6 Y P = q =
(i) P P(J nillS) = (t)3 = = 1
5
6'
(ii) Hay menos nios que nias si hay 0,1 2 nios. Por tant o
P = I'lO nii10s) +- 1'(1 nio) + 1'(2 nios) = (t)6 + + (t)4
6.5. Cuntos dados se deben lanzar para que la probabilidad de sacar un seis sea mayor?
1 1
32
La pr obabilidad de no conseguir un seis con 11 dadus es Por tanto buscamos el menor n para el cual es
menor que
(-8-)1 =
O sca que tiene que lan zar 4 dadus.
25 ,
36'
(
fi)3 == 125 ,
6 216 '
pero (
li)4 = 625 < 1-
II 1296 2
6.6. La probabilidad de que un hombre pegue en el blanco es t, (i) Si dispara 7 veces, cul es la pro-
babilidad P de que dos veces por lo menos pegue al blanco') (ii) Cuntas veces tiene que dispa-
rar para que la probabilidad dc pegar por lo menos una vez sea mayor que '?
(i) Busca mos la suma de probabilidades k = 2, 3,4,5,6 y 7. Es ms si mple en este caso hallar la suma de las
probabilidades para k = O Y 1, o sea, ninglI acierto o 1 acierto y luego restar esto de 1
Entunces P
P(ningn acierto) = (4)1 = 1' ( I acierto) = (i) =
1 - 2 187 _

4547
8182
51 03
163X4
(ii) La probabilidad (le; no pegar en d blanco es rn Por tanto buscamos el mellor 1/ para el cual (In e, milor que 1 ..-
R == 1, donde q 1 -- l' = 1 .- t = 1 Por tanlO calculamos [Jotencias succ,ivas de q hasta obtener q" < -k
Ln n;sulllen ti ene que di s[Jarar 4 veces .
6.7. Probar el teorenfa 6.\: La probabilidad de k xitos exactamente en ti pruebas repetidas es
b(k; n, p) = G) pk q" - k.
El espacio muestral de las n pruebas repetidas consta de todas las I/-uplas ordenadas cuyas componentes son o s
(xitos) o fUracasos). El eVnto A de /., xitos consta de todas las ,,-uplas de las cuales k compom:llles son s y las otras
,, -/., components son f El nmero de I/-uplas en el evento A es igual al nmero de maner as en que k letras s puede dis-
tribuir se entre las n componentes de una ,,-upla; o sea que A colista de G) [Juntos mueslrales. Puesto que la probabili-
dau de cada punto de A es pk qn-k, tenemo, peA) = pk qn-k.

' 1
11
I
114
DISTRlBUCIONES BINOMIAL. NORMAL Y DE POISSON [CAP. 6
6.8. Probar el teorema 6.2: Sea X una variable aleatoria con binomial
. n, p). En-
tonces, (i) E(X) = np y () var(X) = npq. Por consiguiente, U
x
(i) Usando b(k; n, p) = qn-I<, obtenemos
n
"
k o
n,P)
np
(no consideramos el trmino k = O puesto que su valor es cero, y fctorizamos np en cada trmino). Hacemos
s k - I en la suma anterior. Cuando k recorre los valores 1 a n, s recorre los valores O a 11 1. As.
,,-1 71-1
E(X) = np
0=0 8
np b(8; n-1, p) np
puesto que, por el teo rema del binomio
,,-1
bes; n-l,p)
0=0
Calculamos primero E(X '):
n
E(X2) = k
2
b(k; n, p) =
Hacemos de nuevo s k I Y obtenemos
,,-1
np
n-l ,,-1
8"'0
(p + q)n-l 1"- !
1
"
,..-1
np (8 + 1) bes; n-1, p)
Pero (s + 1) bes; n-l, p) sob(8;n-l,p) + b(s;n-l,p)
(n -l)p + 1 = np + 1 p np + q
donde usamos (i) para obtener (n - I)p. En consecuencia,
E(X2) np(np + q) (np)2 + npq
y var
= E(X2)
:::;; (np)2 + npq (np)2 npq
As el teorema probado.
6.9. Determinar el nmero esperado de nios de una familia con 8 hijos, suponiendo la distribucin del
sexo igualmente probable. Cul es la probabilidad de que el nmero de nios suceda?
El nmero de ninos es E = np 8 i = 4. La probabilidad de que la familia tenga cuatro nios es
b(4; 8, i)
70
256
0.27
6.10. La probabilidad de que un artculo producido por una fbrica sea es 0,02. Un carga-
mento 10.000 artculos se enva a sus almacenes. Hallar el nmero esperado E de artculos de-
fectuosos y la desviacin estndar (J'.
E np (10.000)(0,02):::: 200.
C1 = Y(1O.000)(0,02)(0,98) = VI96 = 14.
CAP. 6] DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON
115
DISTRIBUCION NORMAL
6.11. La media y la desviacin estndar de un examen son 74 y 12 respectivamente. Hallar los resulta-
dos en unidades estndar de los estudiantes que recibieron notas, (i) 65, (ii) 74, (iii) 86, (iv) 92.
(i)
x-p.
u
(ii) t
x-p.
65 - 74
12
74 - 74
12
-0,75
o
(iii) t =
x-p.
u
(iv)
x-p.
u
86 - 74
12
92 - 74
12
1,0
1,5
6.J2. En relacin con el problema precedente, hallar las notas que corresponden a resultados estndar
(i) - 1, (ii) 0,5, (iii) 1,25, (iv) 1,75.
(12) (1 ,25) + 74 89 (i) x - ut + J1.
(ii) x - ut + J1.
(12)(-1) + 74
(12)(0,5) + 74
62
80
(iii) x = ut + p.
(iv) x = ut + p. (12)(1,75) + 74 = 95
6.13. Sea <p la distribucin normal estndar. HaIlar <p (1) para, (i) I = 1,63, (ii) I = -0,75, (iii)
t = - 2,08.
(i) En la tabla 6. 1, buscar hacia abajo en la columna primera hasta llegar al elemento 1,6. Luego continuar a la dere-
cha hasta la columna 3. El elemento hallado es 0,1057. Por consiguiente 4>(1,63) = 0,1057.
(ii) Por simetra , 4>(- 0,75) = 4>(0,75) = 0,3011.
(iii) 4>(-2,08) = 4>(2,08) = 0,0459.
6.14. Sea X una variable aleatoria con distribucin estndar <p . Hallar:
(i) P(O X 1,42)
(ii) X O)
(iii) X 2,01)
(iv) P(0,6S X 1,26)
(v)
(vi) P(X 1,13)
(vii) P(XI ==:; 0,5)
(i) P(O == X == 1,42) es igual al rea bajo la curva normal es-
tndar entre O y 1,42. O sea que en la tabla 6.2, buscar ha-
cia abajo en la primera columna hasta llegar a 1,4, y luego
continuar a la derecha hasta la columna 2. El elemento es
0,4222. Por consiguiente, P(O == X = 1,42) = 0,4222.
(ii) Por simetra,
p(- o,n = X = O)
= P(O = X == 0,73) 0,2673
(iii) P(-I,37=X=2,01)
= P(-1,37==X==0) + P(0=X=2,01)
= 0,4147 + 0,4778 = 0,8925
-0,73 o
116
DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON ICAP. (,
(i v) 1'(0,65:=0 ):' :=o 1,26)
1'(0:=0 X :=o 1,26) 1'(0:=0 X 0,(5)
0.3962 - 0,2422 = 0,1540
(v) P( - 1.79:=0 X "'" 0,54)
P(O,54 "'" Xl, 79)
1'(0"'" X "'" 1,79) 1'(0 "'"
0,4633 0,2054
(vi) P(X 1,13)
P(X O) - P(O:=ol( 1.13)
0.5000 0,3708 0.1
(vii) P( Ixl :=o 0,5)
1'(--0,5 :=o X 0,5)
21'(0 :=o X 0,5)
2(0.1915) 0.lil30
6.15. Sea X una variable aleatoria con dislribucin normal estndar .p. Determinar el valor de I si,
(i) t) (ii) l) O,7967,(iii) 0,1000,
() En la tabla 11 1, el elcrnen!o 0,4236 aparece
a la derecha
1.43
1,4 la columna 3. Por tanto.
(ii) Obsrvese primero que I
probabIlidad e, mayor que!
X t)
t) !
0.7967 0,5000 0,2967
As, de la labia 6.2, obtenemos I 0,83.
(iji) P(O X t) X 2) P(t "'" X :=o 2)
0,4772 0, 1000 0,3772
que la
As. de la tabla 6.2, obtenemos I 1,161 (por interpola-
cin linea 1) 1,16.
CAP. 6J DISTRIBUCIONES BINOMIAL, NORMAL Y DE POlSSON
117
6.16. Supngase que la temperatura T durante junio est distribuida normalmente con media 68 y
desvi acin estndar 6. Hallar la probabilidad p de que la temperatura est entre 70 y 800.
70 en unidades estndar = (70 - 68) / 6 = 0,33.
80 en unidades estndar = (80 --- 68)/6 = 2,00.
En IOnces
p = P(70,,: T === 80) = P(0,33,,: T' ,,: 2)
P(O,,: T",,: 2) ._- P(O,,: T* ,,: 0,33)
0,4 772 .. - 0,1293 = 0,3479
Aqu T' es la variable aleatoria estandarizada correspon-
diente a T y as T' tiene distribucin normal estndar "' .
A
0.33 2
6.17. Supngase que las estaturas H de 800 estudiantes estn normalmente distribuidas con media
66 pulgadas y desviacin estndar 5 pulgadas. Hallar el nmero N de estudiantes con estatura,
(i) entre 65 y 70 pulgadas, (ii) mayor o igual a 6 pies (72 pulgadas).
(i) 65 pulgadas en unidades estndar = (65 -- 66) / 5 = - 0,20
70 pulgadas en unidades estndar = (70 - 66) / 5 = O,SO
Por
P(65 =-= H ,,: 70) = P( -- 0,20 H' ,,: 0,80)
0,0793 + 0,28SI = 0,3674
Ent onces N = 800(0,3674) = 294.
(ii) 72 pulgadas en unidades estndar
Por tanto,
P(H "" 72) = P(H' "" 1,2)
(72 ._. - 66) / 5
0,5000 - 0,3849 = 0,1151
As N = SOO(O, 1 151) = 92.
1, 20
Aqu }f' es la vari able aleatoria estandarizada co-
rrespondiente a H y, por tanto, H' tiene distribucin
normal estndar "'.
APROXIMACION NORMAL A LA DISTRIBUCION DlNOMIAL
- 0.2
1.2
6.18. Una moneda corriente se lanza 12 veces. Determinar la probabilidad P de que el nmero de ca
ras que salgan est entre 4 y 7 inclusive por medio de, (i) la distribucin binomial, (ii) la aproxi-
macin normal a la distribucin binomial.
(i) Por el teorema 6. 1 con n =
12 Y P = q = t.
P(4 caras) e
4
2
) (!)4 (t)8
495
4096
P(S caras)
(2) (t)7
792
4096
P(6 caras) e
6
2
) (t)6 (t)6

4096
P(7 caras) e
7
2
) (t)7 (t)5
792
4096
Por tant o, p
495 792 924 792 3003
40 96 + 4096 + 4006 + 4096 == 4096 = 0,733 2.
118
DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON [CAP. 6
(ii)
0,25
0.20
0.15
0.05
o 1 2 3 4 G 6 7 8 9 lO 11 12
Probabilidad de ocurrencia del nmero de caras.
Aqu J.I = np = 12 t = 6 Y u = ynpq = v'12 t t = 1,73. Denotemos X el nmero de caras que
sale. Buscamos P(4 "" X "" 7). Pero si suponemos que el dato es continuo, con el fin de poder apli car la aproximacin
normal, tenemos que hall ar P(3,5 X "" 7,5), como se indica en el diagr ama anterior. Ahora
3,5 en unidades estndar = (3,5-6)/1,73 = -- 1,45.
7,5 en unidades estndar = (7,5 - 6)/1,73 = 0,87.
Entonces p ... X
P(-- 1,45 X * "" 0,87)
0,4265 + 0,3078 = 0,7343
1.45 0 '0.87
6.19. Un dado corriente se lanza 180 veces. Hallar la probabilidad P de que el lado 6 salga, (i) entre
29 y 32 veces inclusive, (ii) entre 31 y 35 veces inclusive.
Aqu J.I = np = 180 ! = 30 Y (J = v'npq = v'180 ! . i = 6. Denot amos X el nmero de veces que
el lado 6 aparece.
(i) Buscamos P(29 X "" 32) o, supuesto el dato continuo,
P(28,5 X 32,S). Ahora
28,5 en unidades estndar = (28,5 - JO) / 5 = -0,3
32,S en unidad es estndar = (32,5 - 30)/5 = 0, 5
Por tanto,
P ... P(28,5 "" X 32.5) = P(-O,3 "" X' 0,5)
P(-O.3 X O) + P(O X' 0,5)
0,1179 + 0,1 915 = 0.3094

_0.1 0 '0. 5
(ii) Buscamos P(3 I X 35) o, supu esto el dato co ntinuo, P(30,5 X 35,5). Ahora
30,S en unidades estnd ar = (30,5 - 30) /5 = 0,\
35,5 en unidades estnd ar = (35,5 --- 30)/5 = \,1
Entonces
P=
P(O X * 1, 1) - P(O X ' O, 1)
0,3643 - 0,0398 = 0,3245
0.1 1.1
6.20. Hallar la probabilidad P de que cntre 10.000 dgitos al azar, el dgito 3 aparezca 950 veces a lo
sumo.
Aqu J.I = np = 10.000 ro = 1000 y (J = ynpq = Y10,000 ro . lo = 30. Ll amemos X el nme-
ro de veces que el dgito 3 sale. Buscamos P( X "" 950). Ahora
CAP 6J DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON
950 en unidades estndar = (950 - 1(00)/30
= - 1,67
Por tan to P = P(X :o 950) = P(X * :o - 1,67)
= :00)
= 0,5000 - 0,4525 = 0,0475
DISTRIDUCION DE POISSON
6.21. Hallar (i) e - u, (ii) e - 2.5.
Por la tabla 6.3, pgina 112, y la ley de los exponentes:
(i) e- U
(ii) e - 2.5
( e- 1)( e - 0.3 )
(e-
2
)(e -
0
.5 )
(0,368)(0, 741) = 0,273.
(0,135 )(0. 607) = 0,0819.

-1,67 o
119
'\''' -A
6.22. Por la di stribucin de Poisson p(k;'\) = T' hallar (i) p(2; 1), (ii) p(3; (iii) p(2; 0,7).
(Usar la tabla 6.3, pgina 112, para obtener e-A .)
(i)
I2e-
1
e- \ 0,36!i
p(2; 1) = 2! = 2 = -2- = 0,184
(ii) p(3;
(] )3e - 0.5
e- Os
0.607
3! 48 48
0,0 13
( iii) p(2; .7)
(0,7)2
c
-0.7 (0,49)(0,497)
0,12
2! 2
6.23. Supngase que 300 erratas estn di stribuidas al azar a lo largo de un libro de 500 pginas. Hallar
la probabilidad P de que una pgina dada contenga, (i) 2 erratas exactamente, (ii) 2 o ms erratas.
Consideremos el nmero de erratas de una pgina como el nmero de xitos en una sucesin de pruebas de Bernoulli.
Aqu n = 300 puesto que hay 300 erratas, y p = 1/500, la probabilidad de que aparezca una errata en la pgina dada.
Puesto que p es pequeo, usamos la aproximacin de Poisson a la distribucin binomial con A = np = 0,6.
(i) P p'(2; 0,6)
(ii) P(O erratas)
P(I errata)
(0,6)2
e
- 0. 6
O!
(0,36)(0,549) /2 = 0,0988 = O, I
_
(0,6)Oe-O.6
= e-O.
6
= 0,549
O!
(O 6\e-O,6
= ,ft = (O 6)(0 549) 0329
l! " ,
Entonces P = I - P(O I errata) = 1 -(0,549 + 0,329) = 0,122.
6.24. Supngase que el 2 % de los artculos producidos en una fbrica son defectuosos. Hallar la pro-
babilidad P de que haya 3 artculos defectuosos en una muestra de 100 artculos.
Se aplica la distribucin binomial para 1/ = 100 Y P = 0,02. Sin embargo, puesto que p es pequeo, usamos la
aproximacin de Poisson con A = np = 2. As
2
3
e-
2
P = p(3; 2) =
31
8(0,135)/6 = 0,180
120
DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON P. 6
(,,25, Mostrar que la distribucin de Poisson . A) es una distribucin de probabilidad, sea
p{k; A) 1
ror r,-,"ultados conocidos del anl isis eA
l-..klk!, Por lanto,
p(l.; l-..)
P r l h ~ l r el teorema (1.5: Sea X una variable aleatoria con la distribucin de Poisson . A).
Por tanlO, (i) A Y (ii) var pI.') A. De aqu (J'x = y"A.
(i) Usando
k p(k; A)
el trmino k o puesto que su valor es cero, y faetorizamos A en cada trmino). Sea s = k
en la suma anterIOr. Cuando k recorre los valores la"', s recorre los valores O a "". As,
E(X) p(s; ,,)
ucsto que pes; l-..} = 1 por el problema anterior.
(il) Primero calculamos E(X ')
k
2
p(k; l-..)
Hacemos de nuevo k ~ 1 Y obtenemos
(s + 1) p(8; A)
Pero
(s + 1) pes; Xl sp(s; A) + p(8; A) A + 1
d,'nde u,:;,mo, (i) para obtener X y el problema anterior para obtener I En consecuencia,
= X(X + 1) = ).,2 + X
var
As, el teorema queda robado.
6.27. Mostrar que SI {J es y n es la distribucin binomial se a la distribu-
ci n de . n, p) <= p(k; A) .\ = np.
Tenemos b(; 11, p) = (1 p)tt (1 "In)". Tomando logaritmo natural a ambos lados,
In b(O; n, = n In (1 - Xln)
El desarrollo de Taylor de] logaritmo natura] es
ln(l+x)
1'''1' tanto,
CAP. 61 DISTRIBUCIONES BINOMIAL. NORMAL Y DE POISSON
121
Por tanto, si fI es gmnde,
In b(O; '11., p)
y de aqu b(O; n. p) "" e-h.
'11. ln (1
>-
hlO cs, b(k; 71, p) "'" k b(k -1; n, p). As usando b(O; n .p) "" e-A, obtenemos b(i: fI.p) "'" Xe

b(2; n.p)
,,2e-A/2 Y. por induccin, b(k; '11., p) "" p(k; A).
PROllLEMAS VARIOS
6.28. Las lmparas de colores producidas por una compaa son 50% 30% azules y 20% verdes.
En una muestra de 5 hallar la probabilidad P de que 2 sean rojas, I sea verde y 2 sean
azules.
Por el teorema 6.6 sobre distribucin multinomial,
p ::::
5!
__ .., (0,5) '(0.3)(0,2) 1
0.09
6.29. Mostrar que la distribucin normal
f(x)
cs una distribucin de probabilidad continua, esto es i: f(x) dx 1.
Sustituyendo t :::: (x - /l)1cr en !(x) dx, obtenemos la integral
1 ::::
Es suficiente mostrar que J' = l Tenemos
1
2
:::: dI! ::::
J' oc e - (3' + t')/2 dI! dt
-oc
IntrodUCimos coordenadas polares en la integral doble anterior. Sea s r cos (J y I r sen e Por lanto, ds dI rdr d8
y O fJ 2l:1' Y O r"'" 00, Esto es,
1
2
drde
Pero
""/2
1
Por lanto, 1
2
f
211
2JT () de
1 Y el teorema qu<.:J probado.
6.30. Probar el teorema 6.3: Sea' X una variable aleatoria con distribucin normal
1
e- ",(x-.tl"!'
ayl2;
f(x) ::::
Entonccs, (i) X) ... y (ii) var(X) fil. Por tanto O'x u.
() Por definicin.
1
J'" xe-"'(x-.t)u" dx. Eslablecenuo
-00
(x da, obtenemos
122
DlSTRIBLCIONES BINOMIAL, NORMAL Y DE POISSON CAP 6
1
;;
Pero g(t) = es una funcin impar, o sea, g ~ I ) ---g(l); por tanto
_1_ f'" e-
t
'/2 dt = 1 por el problema anterior En consecuencia,
vz;; -.,
-(1- O + !1 1 !1 como
.j2;
peda,
(ii) Por definicin, E(X
2
)
1
(x -- p.) / (J , obtenemos
u{2;
1 f""
,;;;;. _" 1 t +
dt + 1 1 ~
1
que se reduce como antes a
2
1
fJ --
VZ;
Hacemos esta integracin por partes. Sea ti = I Y dv 1<,-1'12 dI Entonccs v y du = dI. As
1
[ -te-
t
"(2 ] -YO +
1
dt 0+1
En consecuencia,
Por tanto el problema probado.
DlSTRlRUCION BINOMIAL
6.31. Hallar, (i) b(l; 5, h (ii) 6(2; 7,h (iii) 6(2; 4, i).
6.32. De una corriente de 52 cartas se saca y se sustituye tres veces una carta. lIallar la de que resul-
ten, (i) dos corazones, tres corazones, (iii) por lo menos un corazn.
6.33. El de un bateador de bisbol es 0,300, Si batea 4 veces, ,cul es la ele que logre, (i) dos aciertos?
(ii) al menos un acierto?
6.34. Una contiene 3 bolas rojas y 2 blancas. Se saca y se remplal,a una bola tres veces Hallar la de sa-
car, (i) 1 bola roja, (ii) 2 bolas rojas, (iii) por lo menos una bola
6.35. El equipo Aliene i de probabilidad de ganar cuando Si juega 4 veces, hallar la probabilidad de qlle A gane,
(i) 2 (ii) por lo menos I partido, (iii) ms dc la mitad de los
6.36, Se saca y se sustituye una carta de una corriente, veces se liene que la operacin para que, (i)
por lo menos una oportunidad igual de sacar un corazn, (ii) la probabilidad de sacar un corazn sea mayor qlle i?
CAP. 61 DISTRIBUCIONES BINOMIAL, NORMAL Y DE PorSSON
123
6.37. La probabilidad de que un hombre pegue en el blanco es t. (i) Si dispara 5 veces, cul es la probabilidad de que pegue
en el blanco dos veces por lo menos? (ii) Cuntas veces debe disparar para que la probabilidad de pegar en el blanco
una vez por lo menos sea mayor del 90%?
6.38. El departamento de matemticas tiene 8 licenciados auxiliares que se destinan a una misma olicina. Cada licenciado
puede estudiar por igual en su casa o en la oficina. Cuntos escritorios deben haber en la olicina para que cada uno
tenga por lo menos un escritorio el 90% de las veces?
6.39. El 2% de los tornillos producidos por una fbrica son defectuosos . En un despacho de 3600 tornillos, hallar el nmero
esperado de tornillos defectuosos y la desviacin estndar.
6.40. Un dado corriente se lanza 1620 veces. Hallar el nmero esperado de veces que sale el 6 Y la desviacin estndar.
6AI. Sea X una variahle aleatoria de una distribucin binomial con E(X) = 2 y var (X) = 4/3. Hallar la distribucin de X
6.42. Considerar la distribllcin binomial P(k) = b(k; n. p). Mostrar que:
(i)
P(k)
P(k -1)
b(lc; n, p)
b(k-l; n,p)
_ (n - k + l)p
kq
(ii) P(k) > P(k -- 1) para k < (n + l)p y
P(k) < P(k - 1) para k > (n + l)p.
DlSTRIBUCION NORMAL
6.43. Sea ep la di stribll cin normal estndar
(i) Hallar epCi), ep(t) y e p - ~ ) .
(ii) Hallar I tal que, (a) ep(/) = 0,100, (b) "'(/) = 0,2500, (e) 4'(/) = 0,4500.
6.44. S<::a X una variable aleatoria con distribucin normal estndar ep. Hallar:
(i) P(- 0,81 ::"O X "" 1, 13), (ii) P(0,53 "" X "" 2,03), (iii) P(X ::"O 0,73), (iv) P(i X I ::"O t ).
6.45. Sea X lIna variable distribuida normalmente con media 8 y desviacin estndar 4. Hallar'
(i) P(5 "" X::"O 10), (ii) P(10::"O X ::"O 15), (jii) P(X"" 15), (iv) P(X"" 5).
6.46. Supngase que los pesos de 2000 estudiantes varones estn distribuidos normalmente con media 155 libras y desviacin
estndM 20 libras. Hallar el nmero de estudiantes con pesos (i) inferiores o iguales a 100 libras, (ii) entre 120 y 130
libras, (iii) entre 150 y 175 libras , (iv) mayores o iguales a 200 libras.
6.47. Su pngase que los dimetros de los tornillos fabricados por una com paa estn distribuidos normalmente con media
0,25 pulgadas y desviacin estndar 0,02 pulgadas. Se considera defectuoso un tornillo si su dimetro es"" 0,20 pulga-
das o "" 0,28. Hallar el porcentaje de tornillos defectuosos producidos por la compaa.
6.48. Supngase que los puntajes de un examen estn distribuidos normalmente con media 76 y desviacin estndar 15. El
15% de 'Ios e::studiantes, los mejores, reciben aclamacin A yel 100/0, los peores, pierden el curso y reciben P. Hallar, (i) el
puntaje:: mnimo para ganar un (A) Y (ii) el puntaje mnimo para aprobar (para no recibir P).
AI'HOXIMACION NORMAL A LA OISTRIBUCION BINOMIAL
6.49. Una moneda corriente se lanza 10 veces. Hallar la probabilidad de obtener entre 4 y 7 caras inclusive usando, (i) la dis
tribucin binomial, (ii) la aproximacin normal a la distribucin binomial.
6.50. Una moneda corriente se lanza 400 veces. Hallar la probabilidad de que el nmero de caras que resulten difiera de 200
por, (i) ms de 10, (ii) ms de 25.
6.51. Un dado corriente se lanza 720 veces. Hallar la probabilidad de que el 6 salga, (i) entre 100 y 125 veces inclusive, (ii)
ms de 150 veces.
6.52. Entre 625 dgitos al azar, hallar la probabilidad de que el dgito 7 salga, (i) entre 50 y 60 veces inclusive, (ii) entre 60 y
70 veces inclusive.
5- PROO,\llILlDAD
124
DISTRIBUCIONES BINOMIAL. NORMAL Y DE POISSON
DISTRIBUCION DE POISSON
6.53. Hallar, (i) e ~ I . 6 (ii) e - l.).
6.54. En la distribucin de Poisson p(k; A), hallar, (i) p(2; 1,5). (ii) p(3; 1), (iii) p(2; 0,6) .
lCAP. 6
6.55. Supngase que 220 erratas estn distribuidas al azar a lo largo de un libro de 200 pginas . Hallar la p[Qbabilidall de que
una pgina dada contenga. (i) ninguna errata, (ii) I errata, (iii) 2 erratas, (iv) 2 o ms erratas .
6.56. Supngase que el 1% de los artculos producidos por una mquina son defectuosos. Hallar la probabilidad de que 3 o
ms artculos sean defectuosos en una muestra de 100.
6.57. Supngase que el 2% de la poblacin en promedio sean zurdos. Hallar la probabilidad que en 100 personas haya 3 o
m:s zurdos.
6.58. Supngase que en una poblacin de 50.000 hay un promedio anual de 2 suicidas. Para una poblacin de 100.000 hallar
la probabilidad de que en un ao dado haya, (i) O, (ii) 1, (iii) 2, (iv) 2 o ms suicidas.
DlSTRIBUCION MULTINOMIAL
6.59. Un dado se "carga para que el 6 salga 0,3 veces, el lado opuesto I salga 0, 1 veces. y cada uno de los dems nmeros sal
ga 0,15 veces. Se lanza el dado 6 veces. Hallar la probabilidad de que, (i) cada lado salga una vez, (ii) cada uno de los
lados 4. 5 y 6 salga dos veces.
6.60. Una caja contiene 5 bolas rojas, 3 blancas y 2 azules . Se toma una muestra de 6 bolas con sustitucin, o sea, cada bola se
devuelve antes de sacar la siguiente. Hallar la probabilidad de que, (i) 3 sean rojas, 2 blancas y I azul, (ii) 2 sean rojas.
3 blancas y 1 azul, (iii) aparezcan 2 de cada color.
6.31.
(') 80
1 243'
(") 21
11 128'
C") 27
111 128
6.32. (i) /. (ii) i4. (iii) H-
6.33. (i) 0,2646. (ii) 0.7599
6.34.
(') 36
1 125'
(") 54
11 125'
C") 117
llJ
m
6.35.
(') 216
1 625'
C) 544
11 625'
C") 112
111 625
6.36. (i) 3. (ii) 5
6.37.
(') 131
1 243'
(ii) 6
6.38.
6
6.39.
/l = 72, (J = 8,4
6.40. /l = 270, (J = 15
X o 1 2 3 4 5 6
6.41.
[(Xi) 64/729 192/729 240/729 160/729 60/729 12/729 1/729
Distribucin de X con n = 6 y p = 1(3
CAP. 6) DISTRIBUCIONES BINOM IAL, NORMAL Y DE POISSON
6.43. (i) <1>(1) = 0,3867, (!) = 0,3521, (-!) = O,301!.
(ii) (a) t = I,66, (b) ( = O,97, (e) no hay valor de t.
6.44. (i) 0,2910 + 0,3708 = 0,6618, (ii) 0,4788 - 0,2019 = 0,2769, (iii) 0,5000 + 0,2673
0,1974.
6.45. (i) 0,4649, (ii) 0,2684, (iii) 0,0401, (iv) 0,2266
6.46. (i) 6, (ii) 131, (iii) 880, (iv) 24
6.47. 7,3%
6.48. (i) 92, (ii) 57
6.49. (i) 0,7734, (ii) 0,7718
6.50. (i) 0,2938, (ii) 0,0108
6.51. (i) 0,6886, (ii) 0,0011
6.52. (i) 0,3518, (ii) 0,5\31
6.S3. (i) 0,202, (ii) 0,100
6.54. (i) 0,25\, (ii) 0,06\3, (iii) 0,0988
6.55. (i) 0,333, (ii) 0,366, (iii) 0,201, (iv) 0,301
6.56. 0,080
6.57. 0,325
6.58. (i) 0,0183, (ii) 0,0732, (iii) 0,1464, (iv) 0,909
6.59. (i) 0,0109, (ii) 0,00103
6.60. (i) O, IJ 5, (ii) 0,0810, (iii) 0,0810
125
0,7673, (iv) 2(0,0987)
t I
Cadenas de Markov
INTRODLlCCION
Repasemos las definiciones y las
ras para este captulo.
elementales de vectores y matrices que son necesa-
Por un vector ti significamos si
u
una n-upla de nmeros:
(UI, U2, .. , Un)
Las U se llaman componentes de u. Si todas U
mltiplo escalar ku de ti (donde k es un nmero real),
do las componentes de u por k:
0, entonces u se llama el vector cero. Por un
el vector que se multiplican-
ku (!cu, kU2, , kUn)
Anotamos que dos vectores son iguales si y slo si sus componentes correspondientes son
Por una matriz A una ordenacin rectangular de nmeros:
(
all a12 al .. )
A ~ 2 1 2 ~ ........ 2 ~
ami am2 a",n
Las m n-uplas horizontales
se llaman las filas de A, Y las n
sus columnas. Ntese que el elemento al!' llamado la posicin ij, aparece en la i-sima fila y
columna. Con frecuencia denotamos esta matriz simplemente por A (aIJ).
Se que una matriz m filas y n columnas es una matriz m por n, escrita matriz In X n; si
m n, entonces se llama matriz cuadrada de n (o cuadrada n). Tambin anotamos que
una matriz con una fila solamente puede considerarse como un vector, y viceversa.
Ahora supngase que A y B son dos matrices tales que el nmero de columnas de A es igual al n-
mero de filas de B, es que A cs una matriz m X p Y B es una p X n. Entonces el pro-
ducto de A y B, escrito A B, es la matriz m X fl cuyo elemento ij se obtiene multiplicando elemen-
tos de la fila de A por los elementos de la columna de B y luego
sumando:
126
CAP. 7] CADENAS DE MARKOV
127
(
all aIP)(bll
. .... .
au ' . " " tli '
l , ,,' ,: ... ,
amI ' " a mp bpl Cml
CIl
.. ""'" C',:n)

Cmn
donde
Cij
Si el nmero de columnas de A no es igual al nmero de filas de B. es decir A es m X p Y B es q X n
donde p 7'= q, entonces el producto AB no est definido .
Hay casos particulares de multiplicacin de matrices que son de inters especial. Si A es una ma-
triz de orden n, entonces podemos formar todas las potencias de A:
A2 = AA, A3 = AA2, A4 = AA3, ...
Adems, si u es un vector de n componentes, entonces podemos formar el producto
uA
que nuevamente es un vector con n componentes . Llamamos u <F O un vector fijo (o: punto fijo) de
A. si u es "fijo a izquierda", esto es, no cambia, cuando se multiplica por A:
uA = U
En este caso, para un escalar k.,. 0, tenemos
Esto es,
(ku)A = k(uA) = ku
Teorema 7.1: Si u es un vector fijo de una matriz A. entonces todo mltiplo escalar no nulo ku de u
tambin es un vector fijo de A .
e 8)C
I
a2
a
3
)
(ral + 8b l
ra2 + 8b
2 ra3 + Sb3)
Ejemplo 7.1:
=
t u b
l
b
2
b
3 tal + ub
l
ta2 + ub
2
ta3 + ub
3
Ejemplo 7.2: Si A
G
!),
entonces
G

(1+6 2+8)
C
7
5
10)
A2
=
3 + 12 6 + 16 22
(1, 2, 3) (
2
:)
Ejemplo 7.3: 5
=
(1 + 8 + 21,2 + 10 + 24, g + 12 + 27) (30,36,42)
8
Ejemplo 7.4: Considrese la matriz A = (! !), Entonces el vector u = (2. - 1) es un punto fijo de A. Para,
uA (2 2 - 1 2, 2' 1 - 1 3) (2, -1)
As, por el teorema anterior, el vector 2u = (4 , - 2) tambin es un punto fijo de A:
= (4'2-2'2,4'1-2'3) = (4,-2)
VECTORES PROBABILISTICOS, MATRICES ESTOCASTICAS
u
Un vector u = (UI, Ul, .. , un) se llama vector de probabilidad si las componentes no son nega-
tivas y su suma es l.
128
CADENAS DE MARKOV
Ejemplo 7.5: Considrense los vectores siguientes:
u y , O,
Entonces:
11 no es un vector de probabilidad puesto que su tercera componente es negativa;
v no es un vector de probabilidad puesto que la suma de sus componentes es mayor que 1;
)V es un vector de probabilidad.
[CAP. 7
Ejemplo 7.6: El vector no nulo v (2,3,5, O. 1) no es un veclor de probabilidad puesto que la suma de sus compo-
nentes es 2 + 3 -- 5 + + 1 11. Sin embargo. como las de v son no negativas. l'
tiene un mltiplo escalar nico A v que es un vector de probabilidad; puede obtenerse ca-
da una de las componentes de v por el recproco de la suma de dichas componentes:
Av o, Al.
Una matriz cuadrada P (Pil) se denomina f11a/riz estocstica s cada una de sus filas es un vec-
tor de probabilidad, esto es, s cada elemento de P es no negativo y la suma de los elementos en cada
fila es L
Ejemplo 7.7: Considrense as matrices siguientes:
(l
O
*\
!)
1
i)
:l
t
(;
1
\t t nI

O)
(i i)
() no es una matriz estocstica puesto que el elemento de la segunda fila y tercera columna es ncga-
tivo;
(ii) no es una matriz estocstica puesto que la suma de los elementos de la !'.eguncla fila no es 1,
(ii) es una matriz estocstica puesto que cada fila es un vector de probabilidad.
Probaremos (ver a 7.10) el
Teorema 7.2: Si A Y B son matrices estocsticas, entonces el producto A B es una matriz estocstica.
Adems, en particular, todas las potencias A
n
son matrices estocsticas.
MATRICES ESTOCASTlCAS REGULARES
Ahora definimos una clase importante de matrices estocsticas cuyas
ligadas posteriormen le.
deben ser in ves-
Definicin: Se dice que una matriz estocstica P es regular si todos los elementos de una potencia
p
m
son positivos.
Ejemplo 7.8: La matriz estocstica A = es regular puesto que
es positiva en cada elemento.
Ejemplo 7.9: Considrese la matriz estocstica A

0,
-!) . Aqu
En resumen. cada potencia Am tendr 1 y O en la primera fila; por consiguiente, A no es regular.
CAP 71 CADENAS DE MARKOV
129
PUNTOS FIJOS Y MATRICES REGULARES
Las propiedades fundamentales de las matrices
cuya prueba cae fuera del alcance de este libro.
regulares se detallan en el teorema
Teorema 7.3: Sea Puna malriz estocstica Entonces:
(i) P tiene un vector de probabilidad fijo nico { y sus componentes son todas
la sucesin P, P', de de P se a la matriz T cuyas
son cada punto fijo 1,
(jii) si p es un vector de probabilidad, entonces la sucesin de vectores pp. pP', ppJ,
se aproxima al punto fijo t.
Nota: pn aproxima a T Cica que cada elemento de pn se aproxima al elemento corres-
pondiente de T. ppn se aproxima a t significa que cada componente de ppn se aproxima a la componen-
te correspondiente de f.
Ejemplo 7.10: Consideremos la nutri! estocstica n:gulnr P = ~ . ~ ) . Buscamos un vector de probabilidad
con dos component<;s. que ucnotar por / (x, l ... xl, tal que / P = /:
(x, 1 x) ~ ~ ) (x,I-x)
el lado izquierdo de la ecuacin de la matriz anterior, obtenemos
x
(x, 1 x)
o
1 x
o x i
As, 1 (!,1 l) == (!' ) es el vector de fijo nico de P. Por t:l teorema 7.3, la
succ"in P. P', P" se aproxima a la matriz T cuyas filas son cada vector 1:
PrescnUlmos
p2 _
T
(
0.33
0,33
potencias de P para indicar el resultado anterior:
R)
ti
1 G
p3
p5 = (h
1 l
3.2
Ejelllplo 7.11: llallar el vector do: probabilidad fijo nico de la malriL estocstica ro:gular
0.75)
0,63
(0,31
\0,34
Mtodo 1. Buscamos un vector de probabilidad con tres componentes, que podemos representar por
(x, y, I -x y), tal que P /:
(x, y, 1 x - y)
130
CADENAS DE MARKOV [CAP. 7
Multiplicando el lado de la ccuacin de la matriz anterior y colocando luego componentes
iguales a cada lado, obtcnemos el sistema
-- - x 3x + y 1

y o x - 3y -1 o
y == 1 - x y x + 2y 1
As, t = (i. ti i> es el vector de probabilidad fijo nico de P
Mtodo 2 . .Primero buscamos un vector lijo 11 (x. y. z) de la matriz P:
(o
(x, y, z)

1
O
!
0\

(x, y, z) o
x
J,.
u
y
i
Sabemos que el sislema tiene una solucin no nula; por consiguiente, podemos asignar arbitrariamente
1m valor a una de las incgnitas. Establecemos z 2. Entonces por la primera ecuacin xl, Y
por la tercera ecuacin}' 2. As. u (1, 2, 2) es un punto fijo de P. Por tanto, multiplicamos
u por i para obtener el vector de probabilidad rijo buscado t == tU = (tI t' ).
CADENAS DE MARKOV
Consideremos ahora una sucesin de pruebas cuyos resultados, o sea, XI, X2. . satisracen
las dos pro
(i) Cada resultado a un conjunto finito de resultados : o 1, oc, ., a",: llamado
de estados del si el resultado de la n-sirna prueba es al, entonces decimos que el sistema
est en estado al en la vez n () en el paso n-simo.
(ii) El resultado de una prueba depende a lo sumo del resultado de la prueba inmediatamente prece-
dente y no de cualquier otro resultado . con cada par de estados (O, 01) se establece la pro-
babilidad Pu de que aJ suceda inmediatamente despus de que suceda al'
A un proceso estocstico tal, se llama cadena de Markov (finita). Los nmeros Pu, llamados proba-
bilidades de transicin, pueden ordenarse en una matriz
p ( .. :::, . .... .
llamada matriz de transicin.
para cada estado al corresponde la -sima lila (Pu, P2, .. , Pm) de la matriz de transi-
Clon si el sistema est en estado (l. entonces este vector fija las probabilidades de todos
los resultados posibles de la prueba siguiente y, por tanto, es un vector de probabilidad. En conse-
cuencia,
Teorema 7.4: La matriz de transicin P de una cadena de Markov es una matriz estocstica.
Ejemplo 7.12: Un hombre o maneja su carro o toma el treo para ir a trabajar cada da. Supngase que nunca toma
el tren dos das seguidos; pero si maneja para trabajar, entonces al da siguiente es tan posible que ma-
neJe de nuevo como que lome el tren.
El espacio de estados del sistema es I f (lren), d 1. proceso estocstico es una ca-
dena de Markov puesto que los resultados de un da dependen nicamente de lo que sucedi el da ante-
rior. La matriz de transicin de la cadena de Markov es
t d
t (0 1)
d t t
131
La primera fila de la matriz corres ponde al hecho de que nunca toma el tren dos das seguidos y por
tanto es seguro que manejar al da siguiente de usar el tren. La segunda fila de la matriz corresponde
al hecho de que al da siguient e de manejar, manejar o tomar el tren con igual probabilidad.
Ejemplo 7.\3: Tres nios A. By C se pasan una bola unos a otros. A siempre tira la bola a B y ste siempre la pasa a
C; pero C pas a la bola tan posiblemente a 8 como a A Denotemos X n la n-sima persona a quien se
pasa la bola. El espacio de estados od sistema es lA. B. e:. Esta es una cadena de Markov puesto
que la persona que lanza la bola no est innuenciada por aquella que ten a previ amente la bola. La
matriz de transicin de la cadena de Markov es
A B e
~ (1 i n
La primera fil a de la matriz corresponde al hecho oe que A siempre pasa la bola a B. La segun-
da fila co rresponde al hecho de que 8 siempre pasa la bola a e La liltima fila corresponde al hecho de
que C la pasa a A o a 8 con probabilidad igual (y no se la pasa a s mismo).
Ejemplo 7.14: Una escuela consta de 200 nios y 150 nias. Se selecciona un estuoiante tras otro para un examen de
ojos. Denotamos por X
n
el sexo dell/-simo es tudi ante que toma el examen. El espacio de estados del
proceso estocstico es I m (hombre), j (mujer) 1. Sin embargo, este proceso no es una cadena de Mar-
kov puesto que, por ejemplo, la probabil idad de que la tercera persona sea una nia no solamente oe-
pende del resultado de la segunda prueba sino de ambas, la primera y la segunda pruebas.
Ejemplo 7. 15: (Recorrido al aza r sujeto a seales rellectantes .) Un hombre est en un punto entero sobre el eje x entre
el origen O y, por ejemplo, el punto 5. Da un paso unioad a la derecha con probabilioad p o a la izquier-
da con probabilidad q = I - p. a menos que est en el origen oonde da el paso a la derecha al punto I
o si est en el punto 5 donde da el paso a la iLljuierda al punto 4. Designamos X
n
su posicin despus
de n pasos. Se trata de una cadena de Markov con espacio de estados {ao. al. a
z
a
3
a
4
as} donde
al significa que el hombre est en el punto i. La matriz de transicin es
ao al a2 a3 a4 as
ao O 1 O O O O
al
q O
P
O O O
a2 O q O
P
O O
P
aa O O
q O
P
O
a4 O O O q O
P
lis O O O O 1 O
Caoa fila de la matriz, excepto la primera y la ltima. corresponoe al hecho de que el hombre se
mueve del estado al a I estado al + I con probabilidad p o retr ocede al estado al_ con probabilidad
1] = I - p. La primera fila corresponde al hecho de que el hombre tiene que moverse del estado ao al
estado al Y la liltima fila del estado a5 al es taoo aol.
PROBABILIDADES DE TRANSICION SUPERIOR
El elemento PIj en la matriz de transicin P de una cadena de Markov es la probabilidad de que
el sistema cambie del estado al al estado aJ en un paso: Ut'-' ajo Averiguar: Cul es la probabili-
dad, denotada por p
in
>, de que el sistema cambie del estado al al estado aJ en n pasos exactamente:
iJ
j

" l '
,.
1
!
ji
~
I
r.
~
r
\
r
1
I
132
El siguiente teorema resuelve la pregunta;
transicin de n pasos:
los Pi;n) se ordenan en la matriz pCnl llamada matriz de
Teorema 7,5: Sea P la matriz de transicin de un proceso de cadena de Markov. Enlonces la matriz
de transicin de 11 pasos es igual a la II-sima pOlencia de P: esto es p(n) pn,
Ahora supngase que despus de un la probabilidad de que el sistema est en
estado a es PI: denotamos estas probablidades por el vector de probabilidad p (p l, pI. Pm)
que denomina distribucin de probabilidad del sistema para tal tiempo. En parlicu denotaremos
por
P
(O) = (p(O) p(Ol p(())

la distribucin de probabfidad inidal, o sea la distribucin cuando el proceso y denotaremos
por
(p
(") p(n) p(nl)
1 ' 2 m
la distribucin de probabilidad de paso
Aplicamos el siguiente teorema,
o sea la distribucin de los pri meros 11 pasos.
Teorema 7.6: P la matrjz de de un proceso de cadena de Markov. p ) es la dis-
tribucin de probabilidad del sistema para un tiempo arbitrario, entonces pP es la
tribucin de probabilidad del sistema un paso ms tarde y ppn es la distribucin de pro-
del sistema n pasos ms tarde. En particular,
, , " p(nl = p(O) pn
Ejemplo 7.16: Considrese la cadena de Markov del ejemplo 7.12 cuya matriz de transicin es
p
Aqu I es el estado de tornar el tren para ir a trabajar y d el de
plo 7.8.
para ir a trabajar. Por el cjem-
p2. p2
(
1 1. )(1
t t

lr.
As, la probabilidad de que el sistema cambie de, por ejemplo, el estado I al estado den 4 pasos exac-
tamente es J'I, o sea p(4) = 5, Similarmente p(4) Il p(4) = v 1"1(4) = .l1
Ir !d '!J tt 1" dI ; r dd t 6'
Ahora supngase que en el primer da de trabajo el hombre lance un dado corriente y maneje pa-
ra ir al si y slo si sale un 6. En otras palabras, p(O) = (lt, t) es la dstribucn de probabi
lidad inicia 1. Entonces
p(OlP4

16
=
es la distribucin de probabilidad
Ejemplo 7,17: Considrese la cadena de Markov del ejemplo 7.13 cuya matriz de transicin es
A B e
p n : !)

CAP 71
CADENAS DE MARKOV
133
Supngase que e fue la primera persona con la bola, esto es, p(O) = (0,0, \) es la distribuci n de
probabilidad inicial. Entonces
lO. o. 1) U
1

p(1) p(O)P

(t. !. O)
! t
I;.!.O)
1
:)
p (2)
p(l)P

(O. !. !)
! !
Iq.t) G
1,

p(3) p(2)P
O (t. t
!
Por tanto, despus de tres pases, la probabilidad de que A tenga la bola es t, de que B tenga la bola
es t y de que e tenga la bola es l = t. p1
3
) = t y p2) = -!.
Ejemplo 7.18: Considrese d problema del paseo casual del problema 7.15. Supngase que el hombre comienza en el
punto 2; hallar la distribucin de probabilidad despus de J pasos y des pus de 4 pasos, esto es p(3) y
p(4).
Ahora p(O) = (O, 0, \, 0, 0, O) es la distribucin de probabilidad inicial. Enlonces
p(1)
(O, q, O, P. O, O)
p(Z)
p(I)P
(q2, O, 2pq, O. pZ. O)
p(3) p(Z)P
(O, q2 + 2pq2, O. 3pZq, O, p3)
p(4) p(3)P
As, despus de 4 pasos el hombre est en el origen con probabilidad q3 + 2pq3.
DISTRIBUCION ESTACIONARIA DE CADENAS DE MARKOV REGULARES
Supngase que una cadena de Markov es regular, esto es, que su matriz de transicin P es regular.
Por el teorema 7.3 la sucesin de las matrices de transicin pn de n pasos se aproxima a la matriz Tcu-
yas filas son cada una el vector de fijo nico t de P; por consiguiente, la probabilidad
de que aj suceda para n suficientemente grande es independiente del estado original a, y se aproxima a
la componente tJ de t. En otras palabras,
Teorema 7.7: Considrese que la matriz de transicin P de una cadena de Markov es regular. Enton-
ces, a la larga, la probabilidad de que un estado aJ suceda es igual aproximadamente a
la componente tJ del vector de probabilidad fijo nico t de p,
As, vemos que el efecto del estado inicial o de la distribucin de probabilidad inicial del proceso
desaparece a medida que el nmero de pasos del proceso aumentan. Adems, cada sucesin de distri-
buciones de probabilidad se aproxima al vector de probabilidad fijo t de P, llamado la distribucin es-
tacionaria de la cadena de Markov.
Ejemplo 7.19: Considrese el proceso de cadena de Markov del ejemplo 7.12 cuya matriz de transicin es
t d
P
t (O 1)
d t -!

~
t

t
t

"

134
CADENAS DE MKKOV [CAP 7
Segn el ejemplo 7. 10 el vector de probabilidad fijo nico de la matri z anterior es (t, ). Por cons i-
guiente, a la larga, el hombr e tomar el tren t de las veces, y manejar los otros del tiempo.
Ejemplo 7.20: Considrese el proceso de cadena de Markov del ejemplo 7.13 cuya matriz de transicin es .
A B e
p Hi i n
Por el ejemplo 7.1 1. el vector de probabilidad fijo ni co de la matriz anterior es (t, t, ). As . a I ~
larga, A lanzar la bola 20% de las veces y B y e 40% de las veces.
ESTADOS ABSORBENTES
Un estado al de una cadena de Markov se llama absorbente si el sistema permanece en el esta-
do al una vez que entra en l. As, un estado a es absorbente si y slo si la fila i-sima de la matriz de
transicin P tiene un I en la diagonal principal y ceros en las dems par tes . (La diagonal principal de
una matriz cuadrada de orden n A = (al') consta de los elementos all, a22, ... ann.)
Ejemplo 7.2\: Supngase que la siguiente matri z es la matriz de transicin de una cadena de Markov:
al a2 a3 a4 as
al
(
O
i t
~
a2 T.
O O
P
a3 O
i t
a4 1 O O
a5 O O O
Los estados 02 y 6 son cada uno absorbentes, puesto que cada una de la segunda y quinta filas
tiene un I en la diagonal principal.
Ejemplo 7.22: (Recorrido al azar con seales absorbentes.) Consideremos el problema del paseo del ejemplo 7.15, ex-
cepto que ahora suponemos qu e el hombre permanece en uno de los dos extremos cuando llega all.
Esto tambin es una cadena de Markov y la matriz de transicin est dada por
ao al a2 a3 a4 as
ao O O O O O
al
q O
P
O O O
P
a2
O q O
P
O O
a3
O O q O
P
O
a4
O O O q O
P
as
O O O O O
m
A este proceso lo llamamos un recorrido al azar con seales absorbentes. En este caso, p ~ n de-
nota la probabilidad que el hom bre llegue al estado 00 en el paso n-simo o antes. Similarmente, p ~ n
denota la probabilidad que llegue al estado 05 en el paso n-s imo o antes .
Ejemplo 7.23: Un jugador tiene x dlar es. Apuesta un dlar cada vez y gana con probabilidad p y pierde con probabi-
lidad q = I - p. El juego termina cuando pierda todo su dinero. o sea. tenga O dl ares. o cuando ga-
ne N - x dlares, esto es, tenga N dlares . Este juego es idntico al del recorrido al azar del ejemplo
precedente excepto que aqu los obstculos absorbentes son O y N .
135
Ejemplo 7.24: Un hombre lanza una moneda corriente hasta cuando salgan 3 caras sucesivas. En la prueba n-s ima,
tomamos X n = k si el ltimo sello ocurre en la prueba (n - - k), o sea Xn denota la fila ms larga de
caras que termina con la prueba n-sima. Esto es un proceso de cadena de Markov con un espacio de
estados I ao, a '. 02, al 1, donde al representa la fila de caras con longitud i. La matriz de transicin es
ao al a2 a3
ao
(;
t
O
0)
al O
t
O
a2 O O
t
a3
O O "1
t: ...
Cada fila, excepto la ltima, corresponde al hecho de que una fila de caras se interrumpe si sale
un sello o aumenta uno si sale cara. La ltima lnea corresponde al hecho de que el juego termina si sa -
len tres caras seguidas. Ntese que a, es un estado absorbente.
Sea a, un estado absorbente de una cadena de Markoy con matriz de transicin P. Entonces, para
j </= i, la probabilidad de transicin de paso n es p , ~ n = O para cada n. En consecuencia, cada potencia
de P tiene un elemento cero y, por tanto, P no es regular. As:
Teorema 7.8: Si una matriz estocstica P tiene un I en la diagonal principal, entonces P no es regular
(a menos que P sea una matriz I X I).
Problemas resueltos
MULTIPLICACION DE MATRICES
7.1. Sea u (1, - 2, 4) y A
G ; ~ . Halla< uA
El producto del vector u con 3 componentes por la matriz A 3 X 3 es de nuevo un vector con 3 componentes. Para
obtener la primera componente de uA, multiplicamos los elementos de u por los elementos correspondientes de la prime-
ra columna de A y luego sumamos:
3
2
1
(1 1 + (-2)' O + 4' 4, (17,
Para obtener la segunda componente de uA , multiplicamos los elementos de 11 por los dementos correspondientes de la
segunda columna de A y luego sumamos:
(17,1'3+(-2)'2+4'1, (17, 3,
Para obtener la tercera componente de uA, multiplicamos los elemen tos de u por los elemen tos correspondientes de la
tercera columna de A y luego sumamos:
(17,3,1'(-1)+(-2)'5+4'6) (17, 3, 13)
Esto es, uA (17,3,13)
136
7.2. Sea A = (1 3) y B Hallar, (i) AB, (ii) BA.
7.3.
2 -1
(i) Puesto que A es 2 X 2 Y 8 es 2 X 3, el producto A 8 es una matriz 2 X 3. Para obtener la primera fila de A B,
multiplicamos los elementos de la primera fila de (1,3) de A por los elementos correspondientes de cada una de las
columnas G) , y (-:) de 8 y luego sumamos:
(
.' . . ( )
2 -1 \ , . ';
1 - O + 3 - (-2) -6
Para obtener la segunda fila de AB. multiplicamos los elementos de la segunda fila (2, - 1) de A por los elementos
correspondientes de cada una de las columnas de 8 y luego sumamos:
-6
2'0 + (-1)'(-2)
As, AS
=
14 )
2'(-4)+(-1)-6
-6
2
14)
-14
-6 14)
2 -14
(ii) Ntese que n e, 2 X 3 Y A es 2 X 2. Puesto que los "nmeros interi ores" 3 y 2 no son iguales, esto cs. el nmero
de columnas de 8 no es igu al al nmero de filas de A y, por tanto, el producto nA no est definido.
Sea A
(i) A2
(ii) A3
(
1 2) Hallar,(i) A2,(ii) Al.
4 -3 .
= AA G -!)G
(
1'1+2'4
4' 1 + (-3)' 4
l' 2 + 2 (-3) )
4-2 + (-3) '(-3)
(
1 2)( 9 -4)
4 -3 -8 17
(
l' 9 + 2' (-8)
4'9 + (-3)'(-8)
1-(-4)+2'17 )
4' (-4) + (-3) '17
(
9 -4)
-8 17
(
-7 30)
60 -67
VECTORES PROBABILlSTlCOS y MATRICES ESTOCASTICAS
7.4. Cules vectores son vectores de probabilidad'!
(i) u = (t, 0, -i, i, t), (ii) v = (t, 0, i, 1, t), (iii) w = CL 0, 0, i, i)
Un vector es un vector de probabi lidad si sus componentes no son negativas y su suma es l.
(i) 11 no es un vector de probabilidad puesto que su tercera com ponente es negati va.
(ii) v no es un vector de probabilidad puesto que la suma de las componentes es mayor que l .
(iii) IV es un vector de probabil idad puesto que las componentes no son negativas y su suma es I
7.5. Multiplicar cada vector por el escal3r apropiado para formar un vector de probabilidad:
(i) (2, 1,0,2,3), (ii) (4,0, 1,2,0,5), (iii) (3,0, -2, 1), (iv) (O, 0,0,0, O).
(i) La suma de las componentes es 2 + I + O + 3 + 2 = 8: por tanto. multiplicamos el vector, o sea, cada compo-
nente, por i para obtener el vector de probab ilidad (:1,.g, O, :1, ).
CAP.7j CADENAS DE MARKOV
(ji) La suma de componentes es 4 + O + I + 2 + O S 12; por tanto, multiplicamos el vector, esto es, cada
componente, por para obtener el vector de probabilidad
(1,0, f, o,
La primera componente es y la tercera es negativa; por tanto, es imposible multiplicar el vector por un es-
calar para formar un vector con componentes no negativas. Por consiguiente, ningn mltiplo escalar del vector
es un vector de probabilidad.
(iv} Todo mltiplo escalar del vector cero es el vector cero cuyas componentes suman O. Por tanto, ningn mltiplo del
vector cero un vector de probabilidad.
7.6. Hallar un mltiplo de cada vector que sea un vector de probabilidad:
7.7.
(i) ,O, 2, ti), (ii) (O, ff, 1, !, ti).
En cada caso, multiplicamos primero cada vector por un escalar para que las fracciones se eliminen.
() M ultiplcarnos primero el vector por 6 para obtener (3, 4, O, 12, 5). Luego multiplicamos por 4 + O +
12 + 5) = para obtener (!. i, 0, que es un vector de probabilidad.
(11) Multiplicamos primero el vector por 30 para obtener (O, 20, 30, 18, 25). Luego por 1/(0 + 20 +
30 +- 18 + 25) fu para obtener que es un vector de probabilidad.
(i) A
de las matrices
t
O
:) (ii) B
son
() no es una matriz estocstica puesto que no es una matriz cuadrada.
(iv)
(
1 -!)
t 1-'
(J) B no es una matriz estocstica puesto que la suma de las componentes de la ltim:: fila es mayor que l.
(ii) e es una matriz estocstica.
(IV) D no es una matriz estocstica puesto que el elemento de la primera fila, segunda columna es negativo.
7.8. Sea A una matriz estocstica y sea 11 (u 1, /12, 11 J) un vector de
U3 ba C3
lidad. Demostrar que tiA tambin es un vector de probabilidad.
Puesto que 11 . a j. b . y ('! son no negatvos y puesto que los y sumas de n meros no negativos son no
las componentes de !lA son no ncg;tivas como se As, solamente necesitamos demostrar que la sum; de
las componentes de l/A es l. Aqu usamo; el hecho de que 1/ + tu + l, al + b 1 + el, GJ + b, + el y a J b) + e)
wn cada uno l'
ua + uzaz + uaas + ub +
+ b + Cl} +
ul'1 + u2'1 + ua'1
+ + uc + u2c2 + uacs
+ b
2
+ + us(aa + b
a
+ ca)
1
7.9. Probar: A = (aiJ) es una matriz de orden ti y ti (UI, Ul, . . , Un) es un vector
de probabilidad, entonces uA tambin es un vector de probabilidad.
La prueba es similar a la del problema precedente para el caso n 3:
138
CADENAS DE MARKOV
[CAP. 7
Puesto que los u y ai son no negativos, las componentes de uA tambin son no negativas. As, solamenle necesita-
mos demostrar Que la suma de las componentes de /lA es 1.
7.10. Probar el teorema 7.2: Si A Y B son matrices entonces el producto A B es una matriz
estocstica. Adems, en todas las potencias A
n
son matrices estocsticas.
La fila -sima SI de la matriz producto A B se obtiene multiplicando la fila -sima ft de A por la matriz B
sI = r B. Puesto que cada" es un vector de probabilidad y B es una matriz estocstica, por el problema precedente,
s, tambin es un vector de probabilidad. Por consiguiente, AB es una matriz estocstica.
7.11. Probar: Si p (p t, pl, , Pm) es un vector de probabilidad, y T es una matriz cuyas filas son
cada una el mismo vector (t 1, ll, .. tm). Entonces pT t.
U sando el hecho de que Pi + P' + . .. + p rn = 1, tenemos
pT
MATRICES ESTOCASTICAS REGULA y VECTORES PROBABILlSTICOS FIJOS
de la matriz estocstica A - (i i) Hallar a
- ! .
7.12. Hallar el vector de probabilidad
qu matriz se A
n
.
Buscamos un vector de probabilidad t (x. 1 - x) tal que lA = l.
(x,l xl (! !)
(x, 1 x)
Multiplicamos el lado izquierdo de la ecuacin de la matriz anterior y luego
pectivas para obtener las dos ecuacioncs
x,
unas a otras las cornponentcs rcs-
1-:;;
Resolvemos cualquiera de las ecuaciones para hallar x = 1- Por tanto, I <t, i) es cl vector de probabilidad pe-
dido.
La respuesta se verifica calculando el producto lA:
La respuesta es correcta puesto que lA 1.
La matriz A" se aproxima a la matriz T cuyas filas son cada una el punto fijo 1: T
CAP 71 CADENAS DE MARKOV
139
7.13. (i) Comflrohar que el vector 11 (h, a) es un punto fijo de la matriz 2 X 2 estocstica general
p=(l-a a).
b 1 - b
(ii) Usar el resultado de (i) para hallar el vector de probabilidad lijo nico de cada una de las
matrices siguientes:
A =

(i) uP
(
1 - a a)
(b, a)
b 1 - b

B =
&

e = (0,7 0,3)
0.8 0,2
(b - ab + ab, ab + a - ab) (b, a) u.
(ii) Por (i), /1 = (1, i ) e, un punto liJO de A Multiplicamos 11 por 3 para obtener el punto fijo (3. 2) de A que no tiene
fraccione" Luqw rnulti[1lieClmo, (3. 2) pur 1/(3 + 2) para obtener el vector de probabilidad fijo nico pe-
dido g).
Por (). 11 = (.j-, t) e, un punto fijo,de lJ Multiplicamos 11 por 6 para obtener el punto fijo (4,3), Y luego mul-
ti[Jli camos por -j 3) = pala obtenCf el vector dc probabilidad lijo nico pedido (t, t).
Por (i). 11 = (O.n, (J ,3) es un punto liJO de e Por tanto (8. 3) Y el vector de probabilidad (A, A) tambin
son punto, fijo, de e
7.14. Hallar el vector de probabilidad fijo nico de la matriz cstocstica regular
p
Mtodo L [lusc<l mo, un vector de probabilidad r (x, y, I
(
J_

(x, y, 1 - x - y)
-l
O
1
1:

1
,\ - y) tal que rP = r'
(x, y, 1 - x - y)
Multiplicalllo, el lado iZ4uicruo de la ecuacin de la matriz anterior e igualarnos unas a otras las componentes corres-
ponuientes para btencl el sistema de tlCS ecuaciones
{
-!x + 1Y = x
ix -t- 1 - x - y = y
ix + 1U = 1 - x - y
o
{
x-y=O
3x + 8y = 4
5x + 6y 4
. U ,1 l' I I b 4 4 V 'fi I l' , '
l: scogCflWS os uC a, ecual'lllne, en .\ y Y para rc:so ver as y o tener x = y y = 11' en Icarnos a so uClon por sUSti-
tuci n de .\ y Y en la terena ecuacin , Puesto 4ue I - x )' = f, el vector de probabilidad fijo requerido t S
1 4 3
t = ('li'li)'
Mtodo 2. Ul"eanlos un vector fijo 11 (.\, y , :) ue la rnarri/ 1':

(x, y, z)
t
O
1
(x, y, z)
Multiplicamos el miembro de la i/.quierda de la ecuacin de la matriz anterior e igualarnos unas a otras las componentes
corresponuicnte, rar a obtener el ,istcm,1 Ut tres ecuaciones
f
-1X + = x
ix + z = y
l.ix + = z
,l
{
X - y = O
x - 4y + 4z
x + 2y - 4z
O
O
140
que sistema tiene una solucin diferente de cero; por consiguiente, podemos asignar arbitrariamente un
lor una de las incgnitas. Hacemos y 4. Entonces por la primera x 4, y por la tercera 3. As,
11 = [4, 4, 3) es un punto fijo de P Multiplicamos 11 por 1/(4 + 4 para obtener I = h 11
que es un vector de y tambin es un punto fijo de p,
7.15. Hallar el vector de probabilidad fijo nico de la matriz estocstica

1
:)
p
1.
!.!
Y decir a matriz se P".
i
aprOXIma
f3USC;UTIOS primero un vector fijo u (x. y. :) de la matriz P:
(x, y, z)
el miembro de la izquierda de la ecuacin de la matriz anterior e igualamos una a otra las componentes
correspondientes para obtener el slstema de tres ccuaClOncs
y
o
z
{
y 6x
6x + 3y + 4z :::: By
y + z = 3z
o
{
y = 6x
6x + 4z
y Zz
3y
Sabemos ljue el sistema tiene ulla solucin diferente de cero: por tanto, podemos asignar arbitrariamente un valor a una
de las incgnitas Hacernos y I Entonces. por la primera ecuacin y 6, Y por la ltima ecuacin : = J. As
que (1,6. J) es un punto fijo de P Puesto que I + 6 + 3 10, el vector t (io, es vector de pro-
bubilidad fijo nico de P buscudo.
P" aproxima a la rnatri7 Tcuyas filas son cada una el punto fijo 1:
(
\o
Tu

10
7.16. Si t CL 0, 1, 1, O) es un punto fijo de una matriz estoc"lica P, por qu P no es regular')
7.17.
S P es regular. enton..:cs. por el teorema 7,}, P tiene un vector de probabilidad fijo nico, y las componentes del
vector son positivas. Como las componentes del vector de probabilidad dado no ,on todas P no puede ser
regular.
Cules de las icas son
regulares')

i
i)

O
i)
(i) A
(t

(ii) B ==
(O

(iii) e 1 (iv) D i
\0 \1
t
1
Insistimos en ljue una matriz estocstica es regular si una de la matriz tiene elementos positivos nica-
mente,
() A no es regUlar puesto que hay un 1 en la principal (en la segunda fila).
B2
G

1\
G

matriz idntica I
O)
=
E3 ::::
G

G

B
As. cada potencia par de B es la matriz idntica 1 y cada potencia impar de B es la matriz n, En consecuencia, cada
pctencia de B tiene cero elementos y, as, B no es regular.
(iii) e no es regular puesto que tiene un I en la diagonal principal.
(iv) D2 = ~
i
1
y
(f
i
ti
Como todos los elementos de D) son positivos, D es regular
CADENAS DE MARKOV
141
7.18. Los hbitos de estudio de un estudiante son como Si estudia una noche, est seguro
de no estudiar la noche Por otra si no estudia una noche, est 60% seguro de no
estudiar tampoco la noche siguiente. A la larga, con qu frecuencia estudia?
Los estados del sistema son S (de estudiar) y T (de no estudiar). La matriz de transicin es
p
S T
S (0,3 0.7)
T 0,4 0,6
Para averiguar qu sucede a la larga, tenemos que hallar el vector de probabilidad fiJO nico I de P. Por el problema 7.1
u (0,4,0,7) es un punto fijo de P y as / = ,t) es el vector de probabilidad buscado. As que la larga el estu
diante estudia fi de las veces.
7.19. Un hace los supuestos que conciernen al comportamiento de ratas sujetas a un
especial de alimentacin, Para una particular, 80(Yo de las ratas que pa-
ra la derecha en el experimento previo hicieron lo mismo en esta prueba, y 60% de aquellas que
cogieron para la en el para la derecha en esta prueba, Si
50% van a la derecha en la primera qu se podra predecir para, (i) la segunda prueba?
(ii) la tercera (iii) la milsima prueba?
Los estados del sistema son R (derecha) y L (izquierda). La matriz de transicin es
R L
p
R (0,8 0,2)
L 0,6 0,4
La distribucin de probabilidad para la primera prueba es p = (0,5, Para calcular la distribucn de proba-
bilidad para el paso siguiente, es 10 es, la segunda prueba, multiplicamos p por la matriz de transicin P:
(0,5, 0,5)
0,2)
0,4 ::: (0,7,0,3)
Por consiguiente, en la segunda se espera que el 70";" de las ratas vayan a la derecha y 30% la izquierda. Para
calcular la distribucin de probabilidad para la terct:ra prueba, multiplicamos lade la segunda prueba por P:
(0,7, 0,3) (0,8 0,2) = (0,74, 0,26)
0,6 0,4
As, en la tercera prueba se espera que el 74% de las ralas se dirijan a la derecha y 26% a la izquierda.
Suponemos que la distribucin de probabilidad para la milsima prueba es esencialmente la distribucin de proba-
bilidad estacionaria de la cadena de MarkoY,'esto es, el vector de probabilidad fijo nico I de la matriz de transicin P
Por el problema 7.13, u (0,6, 0,2) es un punto fijo de P yas I (1,1) = (0,75, 0,25). Por tanto, se espera que
en la prueba mil 75% de las ratas irn la derecha y 25% a la izquierda.
142
CADENAS DE MARKOV [CAP.
7.20. Dada la matriz de transicin P
(
1 . 0) con distribucin de probabilidad inicial P(o)
i !
(i) p(S) es la probabilidad de pasar del eslado al al estado (J 1 en 3 pasos. ESlo se
21
obtener de la matriz de transi-
cin de J pasos P J; por lanto, calculamos primero P ':
p2 == G pa
Entonces es el elemento de la segunda fila primera columna de ps: l
(ii) pIS) es la distribucin de probabilidad del sistema despus de tres pasos. Puede obtenerse calculando sucesivamente
pO), p(2) Y luego p(ll):
p(O
=
(1, i) G

(1' !)
p(1)P
(l,}) G
:)
(t, !)
pO!) = p(2)P :::::
(i,!)
Sin embargo, como la matm de 1 ransicin de 3 pasos P 1 ya se calcul en (i), piS) tambin puede obtenerse como
sigue:
11
i) \1 Ir
(jii) p<;) es la probabilidad de que el proceso est en el estado a, despus de 3 pasos; esto es. la segunda componente
de la distribucin de probabilidad de 3 pasos p(S): -h,.
7.21. Dada la matriz P -jl:.1- Y la distribucin de probabilidad inicial p(O) = (,, 0, t).
(
0
1
:1
Hallar: (i) y pi;), (ii) p(4) Y (iii) el vector al cual se aproxima p(Olpn,
a que se aproxima
(i) Calculamos primero la matriz de transicin de 2 pasos pI:
p2
(
i ! O)
i i i
t t O
Entonces t y Pg) = 0, puesto que estos nmeros s,e refieren a los elementos de P2.
la matriz
Oi) Para calcular p(4), usamos matriz de transicin de 2 pasos P y la distribucin de' probabilidad inicial p(O):
y
Puesto que es la tercera componente de p(4)
:1 :1
(iii) Por el teorema 7.3, p{Ol[>n se aproxima al vector de probabilidad fijo nico t de P. Para obtener /, hallamos pri-
mero un vector fijo u (x. y, z):
CAP. 71 CADENAS DE MARKOV
(
O t t)
(x, y, z) t ! o
O 1 O
= (x, y, z) o
{
t
y
= x
t
x
+ ty + z = y
tx = z
143
Hallar una solucin no nula del anterior sistema de ecuaciones. Hacemos x = 1; luego por la tercera ecuacin x = 2,
y por la primera ecuacin y = 4. Por tanto, u = (2,4, 1) es un punt o fijo de P y as t = '). En otras pa-
labras, pCOlpn se aproxima a (t, t, t).
(iv) pn se aproxima a la matriz Tcuyas son cada una el vector de probabilidad fijo de P; por consiguiente
7.22. La regin de ventas de un vendedor la componen tres ciudades, A, By C. Nunca vende en la misma
ciudad en das seguidos. Si vende en la ciudad A, entonces al da siguiente vende en la ciudad B. Sin
embargo, si vende en una de las dos B o e, entonces al da siguiente est en doble posibilidad tanto
para vender en A como en la otra ciudad. A la larga, con qu frecuencia vende en cada ciudad?
La matriz de transicin del problema es como sigue:
A B e
A
(:
1
n
p
B o
e
t
Buscamos el vector de probabilidad fijo nico de la matriz P Hallamos primero un vector fijo u = (x, y, z):
(x, y, z) o
{
iY + iz = x
x + tz = y
!Y = z
Hacemos z = l. Luego por la tercera ecuacin y = 3 y por la primera ecuacin x = As, u = 3, 1) .
Tambin Ju = (8, 9, J) es un vector de probabilidad fijo de P. Multiplicamos 3u por 1/(8 + 9 + 3) = -lo para
obtener el vector de probabilidad fijo pedido t = fa, lo) = (0,40, 0,45, 0,15). Por consiguiente, a la larga
vende 40% del tiempo en la ciudad A, 45% del tiempo en S y 15% del tiempo en C.
7.23. Hay 2 bolas blancas en una urna A y 3 rojas en otra urna B. A cada paso del proceso se seleccio-
na una bola de cada urna y las dos bolas escogidas se intercambian. Sea el estado a" del sistema
el nmero i de bolas rojas de la urna A . (i) Hallar la matriz de transicin P. (ii) Cul es la pro-
babilidad de que haya 2 bolas rojas en la urna A despus de 3 pasos? (iii) A la larga, cul es
la probabilidad de que haya 2 bolas rojas en la urna A?
(i) Hay tres estados, a o, a I ya, descritos en los diagramas siguientes:
A B
11 WI

A
11 WI

B A
12 WI

B
Si el sist ema est en el estado ao, entonces ti ene que escogerse una bol a blanca de la urna A y una roja de la
urna S, as que el sistema tiene que pasar al estado a l . En consecuencia , la primera fila de la matri z de transicin
es (O, 1, O).
144
(ii)
Supongamos que el sistema est en estado 01, Puedc pasar al estado ao si y slo si se escoge una bola roja
de la urna A y una blanca de la urna B. la probabilidad de que suceda esto es l' t =!-. As, PlO = i El
puede pasar del estado a'l al 02 si y slo si se selecciona una bola blanca de la urna A y una rOJa de la urna
B: la probabilidad de que suceda esto es l' t = t- As, Pl2 = t. En consecuencia, la probabilidad de que
el si stema permanezca en estado a 1 es Po = 1 - ! - t = t. As, la segunda fila de la matriz de transicin es
Ch l' t). (Obsrvese que p 11 tambin se puede obtener del hecho de que el sistema permanezca en estado 01
si se saca o una bola blanca de cada urna, con probabilidad t' t = l, o u na bola roja de cada urna con proba-
bilidad t i = t; as, Pll = t+ t = l)
Ahora supongamos que el sistema est en estado 0>. Tiene que sacarse una bola roja de la urna A Si se esco-
ge una bola roja de la urna B. con probabilidad t, entonces el sistema permanece en estado a, y si se escoge una
bola blanca de la urna B, con probabilidad . entonces el sistema pasa al estado a l. Ntese que el sistema nunca
puede pasar del estado a, al estado ao. As, la fila tercera de la matriz de transicin es (O, j, t). Esto es.
aO al a2
ao
(!
1
f)
P
al

az
i
El sistema empieza en estado ao, esto cs. p(O) = (1, O, O). As:
pO) = p(O)p = (O, 1, O), p(2) = p(!)P = l), p(3) = p(2)P = (...L 23
:lf 12'3a'I8
En consecuencia. la probahilidad de que haya 2 bolas rojas en la urna A despus de 3 pasos es fa.
(iii) Buscamos el vector de probabilidad fijo nico I de la matriz de transicin P. Primero hallamos un vector fijo u =
(x. y. z):
1

i
=
(x, y, z)
o
{
i Y = x
x + 1V + z
tv + t
z
= z
y
Hacemos. x = I Luego por la primera ecuacin y = 6 y por la tercera ecuacin z = 3. Por tanto, 11 = (1,6.3).
M ultipliquernos LI por 1/ ( I + 6 + 3) = -ro- para obtener. el vector de probabilidad fijo nico I = (0.1. 0.6, 0,3)
requerido. As a la larga, 30% de las veces habr 2 bolas rojas en la urna A.
Ntese que a la larga la distribucin de probabilidad es la misma que si las cinco bolas se colocaran en una
urna y se escogieran 2 al azar para ponerlas en la urna A.
7.24. Un jugador liene $2. Apuesta $1 cada vez y gana $1 con probabilidad t. Deja dejugar si pierde
los $2 o si gana $4. (i) Cul es la probabilidad de que pierda su dinero al final de, a lo sumo, 5
juegos? (ii) Cul es la probabilidad de que el juego dure ms de 7 juegos?
Esto es un recorrido al azar con seales absorbentes en O y 6 (ver ejemplo 7.22 y 7.23). La mat riz de transicin es
no
al a2 a3 a4 as aa
a
o
1 O O O O O O
al
t
O

O O O O
a2 O
t
O
1
O O O
P
a3 O O
!
O

O O
(t4 O O O

O

O
as O O O O

O
t
aa O O O O O O 1
con distribucin de probabilidad inicial p(O) = (O. O. l. O, O. O, O) puesto que empieza con $2.
145
(i) Buscamos p 5 ) , la probabilidad de que 0:1 sistema est en estado a
o
despus de 5 pasos. Calculamos la distribucin
de probabilidad del quinto paso p(5) :
(i i)
p(t)
pez)
pes)
p(o) P
p(l) P
p(2) P
(O, i. O, i, O, O, O)
== (i, O, i, O, -1-, O, O)
(i, -1-, O, i, O, t, O)
p(4} =
p(5)
p(3) P
p(4) P
As, Pri
5
), la probabilidad de que no tenga dinero despus de 5 juegos, es i-
(i, O, !s' O, -1-, O, n)
(i, -h, O, -h, o. t. n)
Calculamos p(7): p(6) = pes) P = (li4' O, ..&:, O, 1.3.
4
:1, O, ~ ) , p(71 = p(6) P - (20 7 O 27 O 13 1)
64 ~ 64 ll" - 64'64' '128' '128'S
La probabilidad de que el juego dure ms de 7 juegos, esto es, de que el sistema no est en el estado
o
o a6
, 7 27 13 _ 27
des pues de 7 pasos, es ; + 128 + lZ8 - 64'
7.25, Considrense lanzamientos repetidos de un dado corriente. Sea X n el mximo de los nmeros
que resulten en las n primeras pruebas ,
(i) Hallar la matriz de transicin P de la cadena de Markov. La matriz es regular?
(ii) Hallar pO), la distribucin de probabilidad despus del primer lanzamiento.
(iii)
(i)
Hallar pez) y p(3).
El espacio de estados de la cadena de Markov es I 1,2,3,4,5,6: . La matriz de transicin es
1 2 3 4 5 6
1
t ~ t i i i
2 O
i i i i i
P
3 O O
~ t ! i
4 O O O
! i i
5 O O O O
fr i
6 O O O O O 1
Obtenemos, por ejemplo, la tercera fila de la matriz como sigue. Supngase que el sistema est en el estado 3,
sea, el mx.imo de los nmeros que resultan en las /1 primeras pruebas es J. Entonces el sislema permanece en es-
tado 3 si un 1, 2 J sucede en la prueba (/1 + 1); por tanto P33 = !. Por otra parte, el sistema pasa al estado
4,5 6, respectivamente, si un 4, 5 6 sucede en la prueba (n + 1); por tanto P34 = P35 = P36 = i. El sistema
nunca puede pasar al estado I 2 puesto que sali un 3 en una de las pruebas; de aqu P3; = P32 = O. As, la
tercera fila de la matriz de transicin es (O, O, i, t. i. t). Las otras filas se obtienen similarmente.
La matriz no es regular puesto que el estado 6 es absorbente, o sea, hay un I en la diagonal principal, lila 6.
(ii) En el primer lanzamiento del dado el estado del sistema X I es el nmero que sale; por tanto,
p(1) = (i, t, t, t. t, i)
(iii) p(2) = p(l) P = (:fs, fa, f. ifH, ~ , * ) . p(3) = p(2) P = (2:6' 2;6' 2\9
6
, ;1
7
6' Z616 , ;1
1
6)'
7.26. Dos ninos b I Y b, Y dos nias g I Y g, estn lanzndose una bola el uno al oLro. Cada nio pasa la
bola al otro nio con probabilidad t y a cada nia con probabilidad i . Por otra parte, cada
nia lanza la bola a cada nino con probabilidad t y nunca a la otra nina . A la larga, con qu
frecuencia recibe cada uno la bola?
Esto es una cadena de Markov con espacio de estados I b " bl, g " gl: y matriz de transicin.
b
l
b
2 01 02
b
(1
t -1-
f)
b
2
O
t
P
01
t
O
Oz
t
O
,
.'
I

1
146
CADENAS DE M ARKOV [CAP, 7
Buscamos un vector 11 (x. y. z. w) de P: (x. y. z. w) P (x. y. z. w), Hacemos las componentes correspon-
de uP iguales a u para obtener el sistema
tY + t
z
+ tw == x
t
x
+ t
z
+ t
w
y
ix + ay Z
+ iY w
Buscamos una solucin diferente de cero, Sea z 1; entonces w = 1, x 2 y Y 2, As 11 = (2,2.1,1) y, por
tanto. la probabilidad fija nica de P es I Cl, t, t, i). As, a la larga, cada nio recibe la bola t de las veces y
cada na t[de las veces.
7.27. Probar el teorema 7.6: Sea P (p ij) la matriz de transicin de la cadena de Markov,
P
i) es la distribucin de probabilidad del sistema un paso ms esto es, cada k 1 vez;
entonces ppn es la distribucin de probabilidad del sistema n pasos ms tarde, esto es, en la
k + n vez. En particular, pm == p(O)P, p(2) pmp, ... y tambin p(n) p{(}) pn.
Supngase que el espacio de estados es a al, , a
m
1. La probabilidad de que el sistema est en estado o 1 en la
vez. k y luego en estado o, en la vez k + I es el producto Pj Pw As, la probabilidad de que el sistema est en estado o
en la vez k + I es la suma
ro
P1Pa + PZPZI + ... + P",Pml = PjPjl
As. la distribucin de probabilidad en la vez k + l
m PjP2, .. m PPjm)
m
==
Sin embargo. este vector precisamente es el producto del vector P (PI) por la matriz P = (pU): p* pP.
7.28. Probar el teorema 7.5: Sea P la matriz de transicin de una cadena de Markov. Entonces la ma-
triz de transicin de paso n es igual a la potencia n-sima de
p(n) = pn.
Supongamos que el sistema est en estado al en la ksima vez. Buscamos la probabilidad de que el sistema
est en estado aj en la k + n-sima vr:::z. Ahora la distribucin de probabilidad del sistema en la vez k. puesto que el
sistema est en estado aj, es el vector ei (O,. ,0, 1, 0, " O) que tiene un I en la i-sima posicin y ceros en cual-
quier otra partc. Por el problema la distribucin de probabilidad en la k n-srna vez es el producto
Pero es la -sima fila de la matriz pn, Por tanto, PI") es la componente j-sima de la f1Ia -sima de la
matriz pro, y as p<n) = pro, {j
PROBLEMAS VARIOS
7.29. Las probabilidades de de una de Markov pueden representarse por un diagra-
ma, llamado diagrama de transicin. donde una probabilidad positiva p, es sealada por una
flecha del estado a al estado al' Hallar la matriz de transicin de cada uno de los diagramas de
transicin
()
1 8
1

aa 0,4

1
(ii)
147
(i) Obsrvese primero que el espacio de estados es la" al, a J : y, por tanto, la matriz de transicin es de la forma
p
)
La fila i-sima de la matriz se obtiene hallando aquellas flechas que parten de al en el diagrama; el nmero anexo
a la flecha de al a aJ es la componentej-sima de la fila i-sima. Entonces la matriz de transicin es
(i i) El espacio de estados es {al. az. a3. a4}' La matriz de transicin es
al az a3 a4
al
~
1
O
')
a2
1
O
~
P
a3
O O
~
a4 O 1 O
7.30. Supngase que la matriz de transicin de una cadena de Markov es como sigue:
al az as a4
al
(i
t
O
~ \
a2
t
O
P
a3
i !
!) a4
! !
La cadena de Markov es regular?
Ntese que una vez que el sistema pasa al estado al o il estado az, entonces nunca puede pasar al es tado as o al
estado a4 , esto es, el sistema permanece en el sub-espacio de estados I al, a21. As, en particular, p(n) = O, para cada
n y, por t anto, cada potencia pn contiene un elemento cero. Se concluye que P no es regular. 13
7.31. Supngase que 11/ puntos en un crculo se numeran 1,2, ,In respectivamente en la direccin
contraria a la de las agujas del reloj . Una partcula realiza un "paseo al azar" sobre el crculo;
se mueve un paso en direccin contraria a la de las agujas del reloj con probabilidad p o un paso
en la direccin de las agujas con probabilidad q = I -- p. Hallar la matriz de transicin de esta
cadena de Markov.
El espacio de estados es I 1, 2.. ,m 1. El diagrama de la derecha que se muestra luego puede usarse para obtener
la matri z de transicin del diagrama puesto a la izquierda.
1 2 3 4 m-2 m-l
s
m
1
O p O O O O q
2 q O
P
O O O O
P
3 O
q O
P
O O O
o
m-l O O O O q O
P
m-I
m p O O O O q O
148
CADENAS DE MARKOV
MULTIPLlCAC!ON DE MATRICES
:= ~
-2
-D. H,II" ,A,i. (i) ,
7.32. Dado A 1 (1, 2), (ji) u (3, O. ~ 2), (iii) u
\5 2
G
:)
G
1
-1
7.33. Dado A y B . Hallar AB y BA,
1
7.34. Dado A
(
23 Hallar A2 y AJ.
7.35. Dado A
G ) . Hallar An.
VECTORES PROBABlU')TICOS y MATRICES ESTOCASTICAS
7.36. Qu vectores son vectores de
7.37. Hallar un mltiplo escalar de cada vector que sea vedor de probabldad:
(i) (3, O, 2, 5,3) (ii) (2, i, O, i, !' O, 1)
7.38. Qu matrices son estocsticas?
(i) (: ~ ;) (U) G ) (iii) G ) (iv) (t t) (v)
MATRICES ESTOCASTICAS REGULARES y VECTORES DE PROBA81L1DAD fIJOS
7.39. Hallar el vector de probabilidad fijo nico de cada matriz:
(U) (! !)
(ii) (0,2 0.8)
0.5 0.5
(iv) (0,7 0,3)
0,6 0,4
7.40. (i) Hallar el vector de probabilidad fijo nico I de P
(ji) A matriz se aproxima pn? (jii) A qu vector se aproxima (1, l. )pn '1
7.41. Hallar el vector de probabilidad fijo nico I de cada matriz:
A = (;
~
t\
(t
1 0\
(i)
i
~ )
(U) B O
!) 1
i
(f
t t
i)
t
O
7.42. (i) Hallar el vector de probabilidad lijo nico I de P
(i) A qu matriz se aproxima pn?
O O
(ii i) A qu vector se {l, O, t, !)P" ')
t
O
A qu vector se apro)(ima (t, 0, O, t)pn ~
7
(4, 1, 1) .
CAP, 7]
7.43. (i) Dado que I
(ji) Dado que I
CADENAS DE MARKOV
(1' o, t,!) sea un punto fijo de una matriz estocstica P, P es regular?
;t, i,!) sea un punto fijo de una matriz estocstica p, P es regular?
7.44. Qu matrices estocsticas son regulares'?
(i
t
n
a) (!
t
(i)
1
1
t
\1
o
i i
7.45. Mostrar que (j + ce + de,
+
p
CADENAS DE MARKOV
i)
(O
o 1
(iii)
t
O
\0
1 o
+ ae, ad + bd + be) es un punto fiJO de la matriz
a
c ~ d
f 1
b
d
e
149
7.46. Los hbitos de fumar de un hombre son los siguientes: Si fuma cigarrillos con filtro una semana, los suspende a la semana
siguiente con probabilidad 0,2, Por otra parte, si fuma cigarrillos sin filtro una semana, hay una probabilidad de 0,7 que
continuar fumando de stos la semana siguiente. A la larga, con qu frecuencia fumar cigarrillos con filtro?
7.47. La suerte de un Jugador sigue una pauta: Si gana un juego, la probabilidad de ganar el ,iguientc es 0,6_ Sin embargo, si
pierde, I a probabilidad de perder el siguiente es 0,7. Adems existe igual probabilidad de que el jugador gane el prJ mer
juc:go,
(i) Cul es la probabilidad de que gane el segundo Juego')
(i) Cul es la probabilidad de que gane el
(iii) A la larga, con qu fr.:cuencia
7.48. Para una cadena de Markov, la matriz de transicin es P (; !) con distribucin de probabilidad inicial
p(O) = (i. Hallar: (i) p ~ ; (i!)
matriz P" se aproxima,
7.49. Para una cadena de Markov, la mlllriz de transiCIn es P
(iv) p(2),
1 '
o
O
~
(iv) p(2).
1
el vector p(O)pn se aproxima; (vi) la
7.50. Un hombre cambia su carro por uno nuevo cada ao. Si liene un Bui,k, lo cambia por un Plymoulh, Si liene un Plymouth,
lo cambia por un Ford, Sin embargo, si len.:: un ford, es igualmente qm: lo cambie por un Ford como por un
Buick o un Plymoulh, En 955 compr su primer carro que era un
(i) Hallar la prqbabildad de que tenga un, (a) Ford 1957, (b) BlllCk 1957, (e) Plymouth 1958, (d) Ford 1958,
(ii) A la larga. con qu frecuencia tiene Ford?
7.51. Hay 2 bolas blancas en una urna A y 4 rojas en otra urna B. A cada paso del proceso se selecciona una bola de cada urna,
y las dos bolas escogidas se intercambian. Sea X n el nmero de bolas rojas de la urna A despus de n intercambios, () Ha-
llar la matriz de transicin P (ii) es la probabilidad de que haya 2 bolas en la urna A despus de J pasos?
(iii) A la larga, es la probabilidad de que haya 2 bolas rojas en la urna A')
7.52. Resolver el problema anterior para el caso de que haya 3 bolas blancas en la urna A y 3 holas rojas en la urna B.
150
7.53. Se lanza una moneda corriente hasta que salgan 3 caras seguidas . Sea X .. la longitud de la sucesin de caras que termi-
nan en la prueba n-sima. (Ver ejemplo 7.20.) Cul es la probabilidad de que haya 8 lanzamientos de la moneda por
lo menos?
7.54. Un jugador tiene 3 dlares . En cada jugada, pierde un dlar con probabilidad
i pero gana dos dlares con probabilidad i. Deja de jugar si pierde sus 3 d-
lares o si gana por lo menos 3 dlares.
(i) Hallar la matriz de transicin de la cadena de Markov.
(ii) Cul es la probabilidad de que haya por lo menos 4 jugadas en el juego?
7.55. El diagrama de la derecha muestra cuatro compartimientos con puertas de
oomunicacin de linos con otros. Un ratn est{ en un compartimiento y tiene
la misma probabilidad de a travesar cada IIna de las puertas del compartimien
to . Hallar la matriz de transicin de la cadena de Markov.
PROBLE\-1AS VARIOS
7.56. Hallar la matriz de transic in correspondiente a cada diagrama de transicin :
()
7.57. Dibujar el diagrama de transicin para cada una de las matri ces de transicin:
al a2
(!
i)
(i)
p
al
(ii) P
a2
2
o
1
+
S 4
lii)
al a2 aa
(!
!
D
al
a2
i
aa
!
7.58. Considrese el vector el = (O. . O. l . O. O) que tiene un I en la posici n i-s ima y cero en las dems partes. Mos-
trar que elA es la lila i-sima de la mat riz A que el producto est definido j.
Respuestas de los problemas propuestos
7.32. (i) (--'-1, -1, 12), (ii) (-7, -10, 3), (iii) (-5, -11, 10)

( 5 -1 13)
-4) BA
= -3 -9 9 7.33. AB
-10
-5 -3 -6
7.34.
A2

A3
(26 18)
27 -1
7.35.
An
=G
2;)
7.36. Solamen le (iii)
CAP.7J CADENAS DE MARKOV
7.37. (i) (3/13, O, 2/13, 5/13, 3/13)
(ii) (8/18, 2/18, O, 1/18, 3/18, O, 4/18)
(iii) (4/45, 24/45, 6/45, O, 3/45, 8/45)
7.38. Solamente (ii) y (iv)
7.39. (i) (6/11, 5/11), (ii) (10/19, 9/19), (iii) (5/13, 8/13), (iv) (i, t)
7.40. (i) t:;:: (4/13,8/13,1/13), (iii) t = (4/13, 8/13, 1/13)
7.41. (i) t = (2/ 9, 6/9, 1/9), (ii) t = (5/15, 6/15, 4/15)
7.42. (i) t = (2/11, 4/11, 1/11,4/11), (iii) t, (iv) t
~
O O
~ )
7.43. (i) No, (ii) no necesariamente, v gr.
1 O
P =
O 1
7.44. Sol amente (iii)
O O
7.46. 60% de las veces
7.47. (i) 9/20, (ii) 87/200, (iii) 3/7 de las veces
7.48. (i) 9/16, (ii) 3/8, (iii) (37/64,27/64), (iv) 37/64, (v) (0,6, 0,4) (vi) (0,6 0.4)
0,6 0,4
7.49. (i) 3/8, (ii) 1/2, (iii) (7/16,2/16,7/16), (iv) 7/16
7.50. (i) (a) 4/9, (b) 1/9, (e) 7/27, (d) 16/27. (ii) 500/0 de las veces
1
7.51.
(i) P
~ (f
t
!)
(ii) 3/8 (jii) 2/5
7.52. (i) P =
7.53. 81/128
t
~
1 O
;)
!
1-
9
(ii) 32/81
! t
O 1
1 O O O O O O
! O O i O O O
O ! O O i O O
7.54. (i) P = O O ! O O i O
7.55.
7.57
O O O ! O O i
O O O O ! O i
O O O O O O 1
7.56.
(iii) 9/20
(ii) 27/64
t O)
t t
i i
(ii)
(
O O 1 O)
i t O i
(ii) t O O t
t too
151
Algtbra de conjuntos, 5
Anli sis combinatorio, 16
Aplicacin, 74
C(I/, r), 21
Caden" (M arkov), 130
Cadena de r..,larkov, 130
Clulas, 5
Clases de conjuntos, 5
Cocficientts del binomio, 19
Coeficientes multinomiales, 20
Columna de una matriz, 126
Combinaciones, 21
Complemento de un conjunto, 2
Complemento relativo, 2
Componente de un vector, 126
Conjunto, 1
Conjunto nulo, I
Conjllnto potencia, 5
Conjunto producto, 4
Conjunto universal, I
Conjunto vaco, I
Conjuntos contables, 4
Conjuntos dt ndicts, 5
Conjuntos di syuntos, 2
Conjuntos finitos, 4
Conjuntos infinitos, 4
Conjuntos no contables, 4
Conteo, 16
Correlacin, 80
Covarianza, 80
Desfavorable, 105
o.:sigualdad de Tchebycheff, 86
Desviacin estndar , 78, 83, 85
Diagonal, 134
Diagonal principal, 134
Diagrama de rbol, 9, 23, 55
Diagrama de transicin, 146
Diagrama de Venn, 3
Dift:n:ncia de conjuntos, 2
Distribucin (de variable aleatoria), 75, 83
Distribucin binomial, 105
Distribucin conjunta, 79
Distribucin de Bcrnoulli, 106
Distribucin de Gauss, 106
Dist ribucin de Poisson, 108
Distribucin de probabilidad inicial , 132
Distribucin estacionaria, 133
Distribucin marginal, 80
Distribucin multinomial, 109
Distribucin normal, 106
Distribucin normal estndar, 107
Elemento, I
INDICE
Enteros, 2
Entcros positivos, 2
Espacio de estados, 130
Espacio de probabilidad discreto, 43
Espacio de probabilidad finito, 41
Espacio de probabilidad producto, 50
Espacio equiprobable, 42
Espacio equiprobable finito, 42
Espacio muestra!, 38
Espacio uniforme, 42, 43
Espacios muestrales infinitos, 43
Esperanza, 75, 83, 84
Estado absorbente, 134
Evento, 38
Evento cierto, 38
Evento imposible, 38
Eventos aleatorios, 42
Eventos dependientes, 57
Eventos elementales, 38
Eventos independientes, 57
Eventos mutuamente cxclusivos, 39
Exito (distribucin binomial), 105
F am il ia de conju ntos, 5
Favorable, 105
Fila de una matriz, 126
Fracaso (distribucin binomial), 105
Frecuencia relat iva, 38
Funcin, 74
Funcin de densidad, 84
Funcin de distribucin acumulativa, 85
Funcin de probabilidad, 40, 75
Funcin de probabilidad condicional, 63
Funcin de probabilidad conjunta, 79
Funcin de variables alcatorias, 82
Imagen, 74
Imagen inversa, 74
Independencia, 57
Indice, I
Infinito contable, 4
Interseccin de conjuntos, 25
Intervalo, 2
Ley de los grandes nmeros, 86
Leyes de De Morgan, 3
Matriz, 126
M atriz cuadrada, 126
Matriz de transicin, 130
M atriz estocstica, 127
M atriz estocstica regular, 128
Media, 75
Miembro, I
M uestras ordenadas, 18
153
Multiplicacin escalar, 126
N (enteros positivos), 2
N(< , (T2),107
Notacin factorial, 16
N meros reales, 2
Particiones, 5, 22, 56
Particiones ordenadas, 22
P(Il, r), 17
P(/.;; >.) , 108
Permutaciones, 16
Permutaciones con repeti ciones, 17
Probabilidad, 38, 4
Prubabilidad condicional, 54
Problema del cumpleaos, 43
Proceso estocstico, 55
Proceso estocstico finito, 55
Producto de probabilidad, 50
Promedio muestral, 87
Promedio ponderado, 75
Pruebas con sustitucin, I g
Prufbas independienltS, 58, 6!!
Pruebas repetidas, 5!!
Punto muestral, 38
R (nmeros rcales), 2
Recorrido, 74
Su bconjunto, I
Sucesos, 38, 57
Tcnicas de contar, 16
Teorema central del lmite, 108
Teorema de Bayes, 56
Teorema de la multiplicacin, 55
Teorema dd binomio, 19, 27
Tringulo de Pascal , 20
Unidades estndar, 107
U nin de conjuntos, 2
Valor esperado, 75
Variable aleatoria continua, 84
Variable aleatoria discreta, 83
Variable aleatoria estandarizada, 79
Variable aleatoria independiente, 81, 85
Variables aleatorias, 74
Varianza, 78, 83, 84
Vector, 126
Vector de probabilidad, 127
Vector fijo, 127, 129
Ventajas, 42
Z (enteros), 2

Probabilidad Teoria y 500 Problemas Resueltos PDF

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Probabilidad Teoria y 500 Problemas Resueltos PDF

Uploaded by

Copyright:

Available Formats

SERIE DE COlvlPENDIOS SCHA UM

You might also like