Probabilidad de Seymour PDF

oe chguh a, at ARS Y Ys commana PROBABILIDAD Seymour LipschutzGerente de Producto: Carlos Granados Islas Supervisora de edicién: Leticia Medina Vigil Supervisor de produccién: Zeferino Garcia Garcia PROBABILIDAD DERECHOS RESERVADOS © 1991-1968, respecto a la primera edicion en espanol por MeGRAW-HILLIINTERAMERICANA DE MEXICO, 8. A, de GV. Una Division de The McGraw-Hill Companies, Inc., Cedro No. 512, Col. Atlampa, Delegacién Cuauhtémoc, C.P, 06450, México, D.F. Miembro de la Camara Nacional de la Industria Editorial Mexicana, Reg, Num. 736 ISBN: 970-10-2179-7 Traducido de la primera edicién en inglés de SCHAUM’S OUTLINE OF PROBABILITY Copyright © MOMLXVIlI, by McGraw-Hill, Inc., U.S. A. ISBN 0-07-037982:3 901284567 IEL-94 9076543218, Impreso en México Printed in Mexico Esta obra se termind de imprimir en Noviembre de 1998 en Diagréficos Unién, S.A. de C.V. Calle Azucena Num, 29 Col, Hacienda de la Luz Atizapan de Zaragoza C.P. 54500 Edo. De México Se tiraron 2,000 ejemplaresTABLA DE MATERIAS Pig. Capitulo TEORIA DE CONJUNTOS cae Introduccién, Conjuntos, elementos. Operaciones con conjuntos. Conjuntos finitos y contables. Con- junto producto, Clases de conjuntos TECNICAS DE CONTAR 16 Introducciin, Principio fundamental del conteo. Notacién factorial. Permutaciones. Permutacio- nes con repeticion. Pruebas ordenadas, Coeficientes del binomio y teorema, Combinaciones. Parti- ciones ordenadss. Diagramas de érbol Capitulo INTRODUCCION A LA PROBABILIDAD : 38 Inwroduecién, Espacio muestral y suessos. Axiomas de probabilidad. Espacios finitos de probabil dad, Espacios equiprobables finitos, Espacios muestrales infinitos Capitulo PROBABILIDAD CONDICIONAL E INDEPENDENCIA 54 Probabilidad condicional. Teorema de la multiplicacién para probabilidad condicional. Procesos tstocisticos finitos y diagramas de arbol. Particiones y teorema de Bayes. Independencia. Pruebas repetidas o independientes. VARIABLES ALEATORIAS. 4 Introduccién. Distribucién y esperanza de una variable aleatoria finita. Varianza y desviacién estindar. Distribucién conjunta. Variables aleatorias independientes. Funciones de una variable aleatoria, Variables aleatorias discretas en general. Variables aleatorias continuas. Funcién de dis- tribucién acumulativa, Desigualdad de Tehebychetl. Ley de los niimeros grandes. Capitulo DISTRIBUCIONES BINOMIAL, NORMAL Y DE POISSON 105 Distribucién binomial. Distribucién normal. Aptoximaci6n normal a la distribucion binomial. Teo- rema centcal del limite. Distribucién de Poisson. Distribucién multinomial CADENAS DE MARKOV 126 Introduccién. Vector probabilidad, matrices estocasticas. Matrices estocdsticas regulares. Puntos fijos y matrices estocdsticas regulares. Cadenas de Markov. Probabilidades de transicion de orden superior. Distribucion estacionaria de cadenas regulares de Markov. Estados absorbentes. INDICE 152Prélogo La teoria de la probabilidad tuvo sus comienzos a principios del siglo XVII como resultado de investigaciones sobre diversos juegos de azar. De entonces acé han contribuido a su perfeccionamiento muchos matematicos y cientificos célebres, pero a pesar de su larga y activa historia, sdlo se axioma- tizé durante las tercera y cuarta décadas de este siglo. Este desarrollo axiomatico, llamado teoria moderna de la probabilidad, precis6 los conceptos de la probabilidad y los colocé sobre una firme base matematica. La importancia de la probabilidad ha crecido enormemente en los iltimos aitos. y hoy aparece, junto con su disciplina gemela, la estadistica, en casi todos los campos. como la fisica, la quimica, la biologia, la medicina, la sicologia, la socictogia, la ciencia politica, la educacién, la economia, los ne- gocios, la inyestigacion operativa y todos los ramos de la ingenieria. El presente libro se ha preparado para un curso de introduccién a la probabilidad y solo exige como conocimiento previo el algebra de secundaria. Puede servir como texto para dicho curso, 0 como suplemento para cualquier texto comparable. También puede servir como complemento para textos y cursos de estadistica. Ademas, como ¢s completo en si mismo, se presta facilmente para estudiar por cuenta propia. Comienza con un capitulo sobre conjuntos y sus operaciones y continda con uno sobre permutaciones y otras técnicas de contar. Viencn luego un capitulo de espacios probabilisticos y otro de probabilidad condicional ¢ independencia. El quinto, que es el principal, trata sobre variables aleatorias. Alli definimos la esperanza, varianza y desviacion estandar, y probamos la desigualdad de Tchebycheff y la ley de los grandes nameros. Aunque no s¢ requieren conocimientos de célculo, se estudian las variables aleatorias, tanto discretas como continuas. Seguimos con un capitulo aparte sobre las distribuciones binomial, normal y de Poisson. Aqui se da el teorema central del limite en el contexto de la apro- ximacion normal a la distribucién binomial. El séptimo y Ultimo capitulo ofrece un desarrollo elemental completo de las cadenas de Markov con aplicaciones. Cada capitulo comienza con enunciados claros de las correspondientes definiciones, principios y teoremas, con ilustraciones y otros materiales descriptivos. A esto siguen grupos ordenados de problemas resueltos y propuestos. Los problemas resueltos sirven para ilustrar y ampliar la teorfa, arro- jan plena luz sobre aquellos sutiles puntos sin cuya explicacion el estudiante se sentira continuamente sobre terreno movedizo, y constituyen repeticion de los principios basicos, que es cosa tan vital para un aprendizaje efectivo. En los problemas resueltos se incluyen demostraciones de la mayor parte de los teoremas. Los problemas propuestos sirven como un repaso completo del material de cada capitulo. Deseo agradecer al Dr. Martin Silverstein sus valiosas recomendaciones y su revision critica del manuscrito. También deseo expresar mi reconocimiento a Daniel Schaum y Nicola Monti por su ex- celente cooperacién. SEYMOUR LIPSCHUTZCapitulo 1 Teoria de conjuntos INTRODUCCION Este capitule trata aleunas de las ideas y conceptos elementals de la teoria de conjuntos que son necesarios para una introduccién moderna a la teoria de la probabilidad. CONJUNTOS, ELEMENTOS, Se llama conjurto una lista o coleceidn bien definida de objetos: los objelos comprendidos en un conjunto son Ilamados sus elementos 0 miemihros. Eseribimos DEA sip eum elemento del conjunto A Si cada clemento de AA pertenece también a un conjunto B, esto es, sip € A implica p € B, entonces se dice que 4 es subconjuntu de B, 0 que esta contenido en B; esto se denota por ACB 0 BOA Dos conjuntos son iguaies si cada uno est contenido 2n el atro; esto es, A=B siysdlosi ACB y BCA Las negaciones de p €4,A CB y A= B seescriben p€d,A CB y A xB respectivamente. Especificamos un conjunto particular, 0 por la lista de sus elementos 0 estableciendo las propiedades que caracterizan dichos elementos. Por ejemplo, A = {1,3,6,7,9) significa que 4 es el conjunto formado por los nimeros 1, 3,5, 7y 9% y B = {x2 res un nimero primo,» < 15) significa que B es el conjunto de is nameros primos menores que 15. ‘A menos que se establezca otra cosa, todos los conjuntos en una investigacion se suponen sub- conjuntos de un conjunto fijo llamado conjuto universal denotado (en este capitulo) por U. También usamos el simbolo Q para indicar el conjunto vacio 0 nulo, esto es, él conjunto que no contiene elementos: este conjunto se considera como un subconjunto de cualquier otro conjunto. Asi para cual: quicr conjunto 4, tenemos PCAC. Ejemplo 1.1: Los conjuntos 4 y # anteriores pueden también eseibirse como A = (8:2 cs un nimero impar, ¢< 10) y B= (@,8,5,7, 11, 18) Notexe que 9 € A pero9 EB.y 11 © # per ll EAs mientras qeIEAYIEBYCEAYO ES2 TEORIA DE CONIUNTOS [cart Ejemplo 1.2: Usamos los simbolos especiales siguientes IN = conjunto de los enteros positives: 1, 2, 3, Z = conjunto de los enteros: «.., 2, —1, 0,4. R = conjunto de los nimeros reales. Asi tenemos NCZCR, Fiemplo 1.3: Los interaios sobre la linea real, definidos a continuacién, aparecen muy frecventemente en matemé- Hicas, Aqui a yb son ndmeros reales com a'< b Intervaloabierto dea a & (0,0) = e:0<2<5) Intervalo cerrado de a ab = [ab] = er 0se<8) Intervalo abierto-cerrado.de.a ab = (a,8] = (2: a 9 (a a ne): Desarrollar y simpliicar: (§) @e+y%, (i) (@*— Sy), (ill) Ja +26)%, (iv) 2a®—b)8. mena Gye Gane ae cwnmeee(i)=()2 (= Gee G) 2 * Haar el trmino el desarzolo 2x4 - 4y3)8 que contene x* 4 Hallar el término del desarrollo (3xy% ~ 22)7 que contiene y®.CAP. 2] TECNICAS DE CONTAR 33 COMBINACIONES: 2.58, Una clase consta de 9 nitos y 3 nifas, (i) 2De eutntas maneras el profesor puede escoger un comité de 4? ‘oinitéscontardn con una nia por lo menos? (il) ;Cudntos tendrén una nia exactamente? iCvtnos 256 Una seioca tiene 11 amigos de confianza. () {De cudatas maneras puede invitar$ de ellos a comer? (i) 4De culntas ma eras si dos son easados y no asisten el uno sin el otro? (i) ;De cuantas maneras si dos de llos no la van bien no wsisten santos? 2.57, Hay 10 puntos 4. B, nun plano: en una misma line no hay tres. () {Cuantaslineas Forman los puntos? (i) {Cusn- tas lineas no pasan por 4 0 B? (ii) {Cusntos tridngulos determinan lo puntos? (iv) Cudntos tringulos de estos se forman, con el punto A? (s) ,Cvintos riangulos contienen e lado AB" 258. Unestudiante tiene que resolver 10 preguntas de 13 en un examen. (i) {Cudntas maneras de escoger tiene? (i) (Cudintas, si las dos primeras son obligatorias? (ii) {Cudatas, si una de las dos primeras es obligatoria? (iv) {Cudnas, si tiene que Gontestar exactamente 3 de las $ primeras? (v) {Cudntas, si tene que contestar por lo menos 3 de ls 5 primeras? 2.59, A.una persona se le reparte una mana de poker" (S cartas) de una baraja corriemte. ,De culntas maneras puede recibir. {i) una esealera Mor? (i) un "poker"? (i) una escalera? (iv) un par de ases? (©) un par cualquiera (dos cartasiguales)? 2.60. Elalfabeto inglés tiene 26 letsas de las cuales 5 son vocales i) @Cuantas palabras de 5 leeas, 3 consonantes diferentes y 2 vorales diferentes, se pueden formar? (ii) {Cudntas de éstas contienen fa letra 8? {€usitas contienen lab y lac? liv) {Cuaintas empiezan por b y contenen ¢? (0) {Cudntas empiezan por b y terminan por ¢? (i) {Cusntas contienen las letras 0 y 6? (iy {Cuantas empiczan por a y contienen 8? (ili) 0. 8 Yombresdo. Teorema 3.4: Si 4 y Bson dos eventos, entonces P(A\.B) = P(A) — P(ANB) Demostracién: A se puede descomponer en los eventos mutuamente exclusivos ANB y ANB; esto os, A=(A\B)U(ANB). Por consiguiente, por [Ps], P(A) = P(A\B) + P(ANB) de lo cual se obtiene el resultado. A sombreadocar. 3) INTRODUCCION A LA PROBABILIDAD a ‘Teorema 3.5: Si A y B son dos eventos, entonces P(AUB) = P(A) + P(B) — P(ANB) Demostracién: Obsérvese que AUB se puede descomponer en Jos eventos A\B y B mutuamente exclusivos; esto es, 4UB = (A\B) UB. Entonces por [Ps] y el teorema 3.4, P(AUB) = P(A\B) + PB) () P(A) — P(ANB) + P(B) a B P(A) + P(B) - P(ANB) AUbmaue que es el resultado buscado. Aplicando el teorema anterior por segunda vez (problema 3.23) obtenemos el Corolario 3.6: Para los eventos A, By C, P(AUBUG) = P(A) + PB) + P(C) — P(ANB) ~ PANG) — P(BNC) + P(ANBNC) ESPACIOS FINITOS DE PROBABILIDAD Sea un espacio muestral finito; digamos, S= (a1, 2, ...,2a}. Un espacio finito de probal lidad se obtiene al asignar a cada punto &%€S un ndmero real 74, llamado probabilidad de a» que satisface las propiedades siguientes: @ cada p es no negative, p= 0 Gi) la soma de los es uno, i+ Pat +--+ + Ps = 1. La probabilidad P (A) de un evento A, se defite entonces como la suma de las probabilidades de los puntos A. Por conveniencia de simbolos escribimos P(ai) en lugar de P({os}). incense tres monedas y absérvense el nGimero de earas que resulten; entonces el expacio muestral es 5 10.1.2,31, Obtenemos un espacio de probabilidad por medio de las siguientes asignaciones PO) =} PO) =% PQ) =§ and PO = 4 puesto que cada probabilidad es no negativa y la suma de las probabilidades es 1, Sea A el evento en fae aparece una cara por lo menos y sea B el evento en que aparecen todas caras o todos sellos A= 0,23) y B= 8) Ejemple 3.5: Entonces, por defnicion, Pla) = PO) +P) +P@) = Ft AtE HE : P@) = PO) +P@) = ¥+4 = 4 Ejemplo 26: Tres caballos A, By C interviencn en una carrera; A tiene doble posibilidad de ganar que B: y B. doble de ganar que C. ;Cusles son las respectvas probabilidades de ganar, esto es, (4), 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 B, P(A) ~ 2 (B) = 2p) = 4p. Ahora como la suma de las probabiidades debe ser 1; entonces ptipt4p=1 6 jai o p=t En conseeuencia, PU) = 4p =§, PB) = = PO = P= Pregunta: {Cual es la probabilided de que Bo C ganen, 0 sea, P({B, C))? Por definicién PUB,C) = PB) +P) = H+4 =Fa2 INTRODUCCION A LA PROBABILIDAD (CAP. 3 ESPACIOS FINITOS EQUIPROBABLES Frecuentemente, las caracteristicas fisicas de un experimento sugieren que se asignen iguales probabilidades a los diferentes resultados del espacio muestral. Un espacio finito § de probabilidad, donde cada punto muestral tiene la misma probabilidad, se llamara espacio equiprobable o uniforme. En particular, si S contiene 1 puntos entonces la probabilidad de cada punto es 1 /n, Ademas, si un t wt evento 4 contiene r puntos entonces su probabilidad es 7 En otras palabras, P(A) = -mimero_de elementos de A - Ej bee niimero de elementos de Sf n> niimero de maneras en que el evento 4 puede suceder a Py ‘numero de maneras en quel espacio muestral 5 puede suceder Hacemos hincapié en que la formula anterior para P(A) puede wtilizarse 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 proposicién “escoger un punto al azar de un conjunto S” significa que S es un espacio equiprobable, esto es, que cada punto muestral de S tiene la misma probabilidad. Ejemplo 3.7: SelevsiGnese una carta al azar de una baraja corriente de 52 cartas. Llamemos A = Sespadas | y B = figuras, es decir J, Qo KI Caleslemos P(4), PCB) y PLA 7B). Como se trata de un espacio equiprobable, _alimeso de espadas 13 _ 1.0.28 niimero de figuras PUA) = “Somer de catias ~ 52 ~ 4 957, POP) = “numero de eartas nimero de espadas que son figuras _ 3. Un is miimero de eartas 52 Fjemplo 3:8: Sean 2aticulos esopidos al azar den grupo de 12 de os cas 4 son deectuoss, Sea 4 dos articulns defectwosos! y B= | dos articulos no defectuoses | Mallar P(A) y PCB). Ahora puede seeder de (12) = 66 maneras, © nimero de veces en que se pueden escoger 2 articulos 2 entre 12 A puede suceder de (1) = 6 maneras, 0 nimero de veces en que se pueden escoger 2 articulos defectuosos entre 4 defeetuosas: & puede suceder de (5) = 28 manerss, o nimero de veces en que se pueden escoger 2 arteulos no defestuosos entre 8 no defectuosos. Por consiguiente, P(A) Pregunta: {Cuil es la probabilidad de que por lo menos un articulo sea defeetuoso? Ahora C= fun aniculo por lo menos es defectuoso | es el complemento de By esto es, C— B® Asi, por el teorema 3.2, PQ = PIB) = 1-P@) =1-¥= 8 La ventafa con que un evento de probabilidad p suoede, se define como la relacién p= (1 —p). Asi, la ventaja de que por lo menos un articulo sea defectwoso es 32:44 6 19:14 que selee “19 a |CaP. 3] INTRODUCCION A LA PROBABILIDAD a Fjemplo 3.9: (Problema cisco del cumpleafos.) Se desea hallar ta prohatildad p de que personas tenganfeehes (ftewentes de cumpleafon. Para resolver este problema, no tenemos en cuenta Jos wes Biseslos y $4pO- enor que el cumpleaios de una pertona puede caer en un dia con igual probubilidad Pesto que hay m personas y 365 das diferentes, hay 365" maneras de que personas puedan eumplir aos Por ota pale, ls m personas curmplen en feshas dstinias,entonees ts primera persons fede acer en cualguier dia de Jos 34% a senunda nude naceren cualauier de fs 368 das resantes. Tr vecera, en for 363 restantes. ele. Asi hay 365364363 -(365—m +1) mancrax para quem personas tenpan fechas diferentes de cumplestios. Por consiguients, 365+264-963---(365—n+1) _ 365, 964, 963. 865-2 +1 a6 SC~*~*~*~*S:*«S ES 8S 365. ‘Se puede comprobar que para n= 23, pe J: en otras palabras, de 28 personas en adelante es as rll que por lox menos dos de elas tng el mismo aia de eumpleafos.t ane todas iiran de esha ESPACIOS MUESTRALES INFINITOS Sea $ un espacio muestral infinito contable: ex decir, S= (a1), ...}- Como en el caso finito, obtenemos un espacio de probabilidad usignando a cada a, €$ un nimero real ps, Namado su probabilidad, tal que neo yy Gmtmte = Saat La probabilidad P(4) de un evento 4 8 entonces la suma de las probabilidades de sus puntos Ejemplo 3.10: Considérese el espacio muestral S fe aparecce una eara: aqui denota el nero de veces en que x lanai moneda. Un espacio probabilidad se obiiene designando pil) = 22) Los nicos espacios muestrales no contables $ que consideraremos aguf son aquellos de medida geométrica finita m(S) tales como longitud, area o volumen, y en los cuales un punto se sslecsiona al seat, La probabilidad de un evento A, esto es, aquella en que el punto seleccionado pertenece = 4 es entonces la relacin de m(A) a m(S); 0 sea sol del experimento de tinzar una moneds hasta Je praer Ree ES ple) = 0 volumen de A volumen de S longitud de P(A) ="ongitud de S ° P(A) Se dice que un espacio de probabilidad tal ¢s uniforme. o P(A) empl 3-11; Sobre a oa real Rs seleciona al azar los punios ay bialesane —2 = 8= 0 y O02 5 ome se muestra luego, Hallar la probabilidad p para que la distencia d entre @ y b sea mayor que 3 ae 4 (ee a a a 7 El espacio muestral consta de todas las parejas oF enadas (@. 8) y forma asi lz region rectangular que s€ indica en el diograma adjunto, Por otra parte. el conyunto, 1A de puntos (a, 6) para los cuales d= a b> 3 cons {a de aquéllos puntos de S que cacn debajo de Ia tinea wy forman por to tanto la superficie sombreada 4] diageama. En consecuencia area de p= PUA) = Grea de 5 ede 22s Nota: Un espacio de probabilidad finito o infinito contable se dice que es disereto, y un espacio no contable se dice que es no discretoINTRODUCCION A LA PROBABILIDAD [caP. 3 Problemas resueltos ESPACIOS MUESTRALES Y EVENTOS 3.1. Sean los eventos A y B. Hallese una expresién y represéntese el diagrama de Venn para el evento 32. 33. en que: (i) A ocurre pero B no, esto es, sucede A solamente; (ii) A o B suceden, pero no ambos, esto es, sucede exactamente uno de los dos eventos. (i) Puesto que A pero no B sucede, se sombrea la superficie de-4 exterior a A como en la figura (a) indicada. Observa: ‘mos que ® (complemento de A), sucede, desde que B no suceda; esto-es, A y B® suceden: en otras palabras, eleven toes ANB Sucede 4 pero no 2, Sucede uno de los dos 4 0B, @ ero no ambos. @ (ii) Puesto que sueede 4 0 B, pero no ambos, se sombrea la superficie de Ay B salvo su interseccién como en la figura (4) anterior. Elevento es equivalente a A. siB no sucede; 0 2 B, si A no sucede. Ahora, como en el casa (i), A, pero no Bes el evento AMBE: y B, pero no 4 es el eventy BAC. Entonces el evento dado es (ANE) U (BAAS). ‘Sean los eventos A, By C. Hallar una expresién y representar el diagrama de Venn para el evento en que, (i) suceden 4 y B pero no C, (ji) sucede 4 solamente. (i) Puesto que A y B pero no C suceden, se sombrea la Intersecci6n de A y B que eae fuera de C. como en la figura (a) indicada luego. El evento es ANBOG®. A {\ 2) CSL) Ss 7 Suceden 4 y B pero no C. Sucede 4 solamente. @) 0) (Gi) Puesto que solamente sucede, se sombrea la superficie de A que cae fuera de B y de C, como en Ia figura (b) anterior. Elevento es AMBencs, ‘Tengamos ¢l caso de Janzar una moneda y un dado; sea el espacio muestral $' que consta de doce elementos: S=IHI, H2, H3, H4, HS, H6, TI, 12, 13, 74, TS, T6! (i) Expresar explicitamente los siguientes eventos: 4 =| aparecen caras y un nimero par |, B=! aparece un némero primo !, C= | aparecen sellos y un nimero impar!, (ii) Expresar explicitamente el evento en que: (a) A 0 B suceden, (b) B y C suceden, (c) sucede 8 solamente. (iii) {Cuales de los sucesos A, By C son mutuamente exclusives?CAP. 3) INTRODUCCION A LA PROBABILIDAD 45 (Para obtener A, escopemos aquellos elementos de S que constan de una cara Hy wn mimero par: A =| H2, Ha, H6!. Para obeenct B, escogemos aquellos puntos de S que constan de un mimero primo: = { H2, H3, HS. 12,73, TSI, Para obtener C. escogemos aquellos puntos de S que constan de un sello T y un nimero impar: C ~ | T1, 73, 73h Gi) @) 40 B= AU B=1H2, HA, HG, H3, HS, 12, 13, TS! () By C=BNC HIT, TS! (e) Escoger aquellos elementos de B que no caen en A nien C: BNASNG* = (HS, H5, 72}. i) A-y C son mutuamente exclusives puesto que ANC =O ESPACIOS FINITOS DE PROBABILIDAD 34, 35. 3.6. Supongamos un espacio muestral S que consta de 4 elementos: S = (01, da, 4s, 04), ;Qué fun- ‘cidn define un espacio de probabilidad S? (i) Pla) =4, Plas) =4, Plas) =4, Pla) = 4. (ii) P@i)=4, Pa) =4, Pla) =—4, Pa) =4- (iii) Pla) = 4, Plas) = 4, Plas) = 4, Plas) = 8 (iv) Pla) =4, Pla) = 4, Plas) =4, Pla) =0. Como la suma de los valores de los puntos muestrales es mayor que uno, g++ $+ = gp la funcion no define un espacio de probabilidad 5. (i) Como P(as) = —f, nimero ncgativo, la funcién no define un espacio de probabilidad S. Gil) Como cada valor es no negativo, y la suma de los valores es uno, $+ E+ $+ § = 1, la funciOn define un es pacio de probabilidad 5. (Gv) Los valores son no negativos y suman uno: por lo tanto la funcién define un espncio de probabilidad S. Sea S = {@1,02, 3,04}, y sea P una funcion de probabilidad de S. (i) Hallar P(a:) si Pas) = 4, Ples) =, Plas) = 4- (ii) Hallar Pla) y P(e) si Pla) =Pla)=% y P(ar)=2P(m). (ii) Hallar P(aa) si P((as,02}) = 4, P({anaa})=4 y Pla) = 4. (i) Seu Play) ~ p. Entonces para que P sea una funsién de probabiliad, ln suma d las probabiidades de los puntos mmvcsteales debe ser uno: p+gtgtg=1 0 P= a6 Sea Pla) =p. entonces Pla;)=2p. Pot lo tanto 2+p+$+b= 1 0 p-% Ad Pad by Pa) = ii) Sea Plax) ~p- Pla) = Pitan ast) — Pe) = 8-4 = 4 Pla) = Plana) — Pe) = 4-4 = Entonces p+p+hth=1 0 p= hy oto os, Pla) =t- 0 Una moneda estd cargada (aumentada de peso) de modo que la posibilidad de salir cara (H) sea el doble que la de sello (T). Hallar P(T) y P(H). Sex PCT) =p entonees PCH) = 2p. Aboraelablceros In sua de probablidde,igul a un: p + 2p = 1 oped. MPG) =p= by POD = I~ 446 INTRODUCCION A LA PROBABILIDAD. [cap.3 3,7. Dos hombres, hv y hs, y tres mujeres, mrs, ma, mt, intervienen en un torneo de ajedrez. Los del mismo sexo tienen iguales probabilidades de ganar pero cada hombre tiene el doble de posibili- dades de ganar que una mujer. (i) Hallar la probabilidad de que una mujer gane el torneo. (ii) Si fs y mi son casados, hallar la probabilidad que uno de ellos gane el torneo. Selon) = ps entonees Pion) = Pim) = py Pls) = Blk) = 2p. Luego dsigemos por uo a sums de tne probalidades dels en puntos nicdes: phn +e 4 2p — lo p< Buscamos. () Pa mcm’) ¥ (2) Bhs, 8D Eatonees po defini, Pima) = Pim) + Ply + Any= bE EE HB Poh + Fy) Poa ms bres 3.8, Sea un dado cargado tal que la probabilidad de salir un namero cuando se lanza el dado es pro- porcional a dicho nGmero (por ejemplo, 6 tiene el doble de probubilidad de salir que 3). Sea A = {nimero par!, B =} nimero primo!, C = {niimero impar () Deseribir el espacio de probabilidad, esto es, hallar la probubilidad de cada punto muestral (ii) Hallar P(A), PB) y PCO: (iii) Hallar la probabitidad de que: (a) salga un némero par o primo; (b) salga un nimero impar primo: (c) sueeda 4 pero no B. G Sea Pll) =p. Enionces PR) = 2p, PO) = 3p. PUA) = 4p, POS) = Sp y PCG) = 6. Come la suma de las probabildades debe ser uno, obtenemos p + 2p + 3p + 4p + 5p +6p =o p= 1/2l. Asi Pay=h, Pe) = hb P= PO=a PHF (iy P(A) = PC2,4,6) = $ PUB) = PUR3,5)) = ft, PU) = PUCA,3,5)) = 9. (iy (a) El evento de que stigs un ndmero par o primo es A UB ~ (2,4,6,3,5% o que nosilga. Asi Ptaug) = 1—Pa) = 2 (A) Elevento de que sulga un nimero primo impares BOC = (8,5). Asi, (BNC). = PUB,5)) (e) Hl evento cn que cide 4 pero nu B es ANB? = (4,8). Por tanto PANBS = P(A, 6) ESPACIOS FINITOS EQUIPROBABLES. 3.9. Determinar ta probabilidad p de cada evento (i) que salga un némero par al lanzar un dado normal; (ii) que resulte un rey al sacar una carta de una baraja corriente de 52 cartas; (iii) que aparezea por fo menos un sello al lanzar tres monedas normales; (iv) que aparezea una bola blanca al sacar una sola bola de una urna que contiene 4 blancas, 3 rojas y 5 bolas azules: ) Hh evento puede ati de tes manetas (2; 48.6 46 cast igualmente piles pat comsiuinte: p= F=f. (iy May reyes as 5 ara: poo ants. w= a fon $1 vomsideramos lay monedas marcidas, entonces hay # cases igualmente posibles: HHH, HHT, HTH, HTT. THE. THE. TTH, TTF, Solamente el nrimer casa no es favorable para el evento deseado; por consiguiente p = 5 ny May 4 12, bolas: de las eves 490m blancas; por fo tanto. pcar. 3] INTRODUCCION A LA PROBABILIDAD a7 43.10. Se sacan dos cartas al azar de una baraja corriente de 52 cartas. Hallar la probabilidad p de que, {i las dos sean espadas, (ji) la una espada y la otra coraz6n. Hay (12) = 1826 maneras de sacar 2 cartas de 52 Hay (2) "78 maneras de sacar 2 espaiss de 13; 0 58 = nimero de maneras-posibles de sacar 2 6 ra Se aoanermnbis desea era 7 g5- AT (Gi) Puesto que hay 13 espadas y 13 corazones, hay 13 +1 169 maneras de saca® una espada y un corazén: 0 sea BAL. Se escogen al azar tres lémparas entre 15 de las cuales 5 son defectuosas. Hallar la probabilidad p de que, (i) ninguna sea defectuosa, (i) una exactamente sea defeetuosa, (iil) una por te menos sea defectuosa tt (8 4455 maneras de escoger 3 imparas entre 13. i, pueno que hay 15 — 5 = 10 lrparas no defectors, cnlones hay (8) = 120 maneras de ecoger 9 Kimpe ras no defeciuosas. Asiqe p= = Hh Gi). Hay 5 limpars deecuoss y (f) = 48. pares diferentes de lamparat no, defetost: por spmiglente ay Bots = 226 maneras de cscoger 3 ldmparas de las cules una es dfeciuosa, Entonces p= 3ep = $y j) El evento cn que po fo menos una sea defectosa esol complemento del evento en que ninguna ex deertuose ae tiene seein (), probstildad 2. Entonces p= 1— 3 = 3,42. Se seleccionan al azar dos cartas entre 10 cartas numeradas de | a 10. Hallar Ia probabilidad p de que la suma sea impar si, Gi) las dos cartas se sacan juntas, (i) se sacan una tras otra sin sus titucién, (ii) las dos cartas se sacan una después de la otra con sustitucién. (Hay (19) = 48 maneras de lesono 2 10 cra. La sara e par sion met impale par, Hay Feasts pares 5 impare; enonces hay B* 6 = 25 mancras de esoger un nimero par y uno impar. Asi Gi) Hay 10-9 = 90 maneras de sacar dos carts una primero que fa ott sin sustitucion, Hay 5~6 = 25 mancras de escoger un nGmezo par y uno impar.y 55 = 25 maneras de sacar un ndmero impary luego Uno par; por tanto (ii) Hay 10+10 = 100 maneras de sacar dos cartas una después de la otra con sustituetén, Como en (i), hay 8° B = 2érnanceas do sacar un ndimero pury luego ano impar, y 56 = 26 mancras de sacar un nbmero impary eee midpiece yee ee 3.13. Seis parejas de casados se encuentran en un cuarto, () Sise escogen 2 personas al azar, hallar 1a probabilidad p de que, (a) sean espos0s, (b) uno sea hombre y otro mujer (ii) Sie 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, (c) haya exactamente una pareja de casados entre los 4 (iii) Silas 12 personas se reparten en seis parejas, hallar la probabilidad p de que, (a) cada parcia sean casados, (b) cada pareja la forme un hombre y una mujer4B INTRODUCCION A LA PROBABILIDAD ICAP. 3 Hay CY = 66 mancas de sone 2 persona at 12 (ay Hay 6 parca de cans: orl tame » = &h= alerts ere ores ade neons ace cat ele = (i) Hay C8) = 496 mancras de escope 4 personas de 12. (a) Hay (8) = 18 mancras de esconer 2 parcias de las 6 0 30a p= a= Se (8) Las 4 personas venen de 4 parejas diferentes, Hay (§) = 16 mneras de escoger 4 parcas de las 6, y hay 2 rine Atcisipe ia ervOnMOtla pet Gane igesy = ELE () Este evento es mutuamente dsyunio de los dos eventos anteriores (que también son mutuamente disyuntos)y por lo menos debe suceder uno deetos dos. Por lo tanto p++ H#=1 6 pai. Hay gaf@har = fff mancras de reartic as 12 personas en 6 flulas or denadas con 2 personas en cada una (a) Las 6 parejas pueden ser colocadas en 6 clas ordenadas de 6! maneras. Osea p= atta = ioSas (6) Cada uno de los 6 hombres se pueden colocaren 6 ols de 6! manerasy cada una d as 6 mujeres lo mismo Por comiguisne a 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 castafos. Mallar la probabilidad p de que una persona escogida al azar sea un hombre o tenga los ojos castaiios. Sea A = la persona es un hombre! y B = 1a persons tiene ojos castatos |. Buscamos la AU UB) Entonees P(A) 3, PUB) = B= 4, P(AOB) P(AUB) = P(A) + PB) —P(ANB) = 4+4-4 = 98 Asi por el teoreme 3.5, = > ESPACIOS UNIFORMES NO CONTABLES 3.15. En el interior de un circulo se selecciona un punto al azar, Hallar 3.16, la probabilidad p de que el punto quede mas cercano al centro que a la circunferencia. enotemos por S el eonjunto de fos puntos interiores al circulo de radio y denotemos por A el conjunto de los puntos interires al eiteuloconcéatrio de radio (Asi, 4 esté formado precisamente por aquellos puntos de S que estan mas cer- anos asu centro que a su cieunferencia.) Por consiguiente, wade A _ rj? 1 p = PIA) Considérese el plano cartesiano R#, y designese X como el subconjunto de puntos para los cuales ambas coordenadas son enteros. Se lanza una moneda de diametro ¥ al azar sobre el plano. Ha- Ilar la probabilidad p de que la moneda cubra un punto de X. Denotemos S el coniunto de puntos inieriores del cuadrade eon extremos oun imtintt) (on), (on, 040), (m+4,n), (m+1,n41) EX Dy | Denotemos A el conjunto de puntos de $ de distancia a las esquinas inferiores a $, (Obsérvese que el érea de A es igual al rea interior del circulo de radio 4.) Asi una moneda cuyo centro cae en S cubrita un punto de Xs y silo si su centro cae en tan punto de A. Segin esto, faaea) ure papa = Hee = Le won [ey Nota: No 36 pueden considerat 10s 0s de R?poraue fe tene dre ine (4 atta) ft, eSeisbfeaCAP 3 INTRODUCCION A LA PROBABILIDAD 49 3.17. Tres puntos a, b yc deuna circunferencia se escogen al azar. Ha- llar ka probabilidad p de que los puntos caigan sobre el mismo semi-circulo. i Supongamos que la longitude fa eieunferencia wea 2s. Denotemos xl ane ud del arco ub en el sentido del movimiento de las agulas del rela} y denotemos fla longitu del arco aren et minmo sentido, Ast Ocre Gy zy>e (Wl vee y Bo¥>e Entonces 4 consta de agusllos puntos para fos euales se cumple que a. by ¢ cuen sobreclsemisieulo AT aes det gat 8 Geadey > 4 = 4 4 sombreade PROBLEMAS VARIOS: 3.18. Sean 4 y B eventos con P(A) =, P(B) y P(ANB)=4. Hallar (i) P(AUB), (i) P(A. y PUBS, (iii) P(ASNBO, (iv) P(ATUB9, (¥) P(ANB), (vi) P(BNAY). ( PIAUB) = P(A) + PB) — PANA) = B+ 4-4 Gi) Plas) = 1 P(A) = y PB) =1-PB) =1-4=4 (Gil) Usando la ey de De Morgan, (AUB)° = AenBS, tenemos P(den Be) = PUAUBY) = 1-P(AUB) = 1-8 = (iv) Usando la ley de De Morgan, (ANB)® = ASUBY, tenemos P(ACUB) = P(ANBy) = 1-P(ANB) = 1-4 = 8 Equivalentemente P(AtUB). = P(A) + P(B) — PUN) = §+4-F = 4 (e) PNB) = PANE) = P(A) P(AnB) = 8-4 = 4 P@) Pian) = 4-4 = 4 0 (wi) PA 3.19. Sean A y B eventos con P(AUB) = §, P(A) = # y P(ANB) = 2. Hallars (@ P(A), (ii) PB), (itl) P(ANBY. @ PA) =1-Pa9 = 1-9 = 4 i) Remplazamos en P(AUB) = P(A) + P(B) — P(AMB)paraobiener = $+ PB)— 4 0 PLB) Gi) PAnBS = P(A)— (ANB) = 4-4 = 3.20. Hallar la probabilidad p de un evento si la ventaja de que ocurra es a:b, esto es “a ab” La ventaja de que un evento con probabilided p suceda es la relacién p (1 —p). Porlo tanto wo eee Spay ea ie 3.21. Hallar la probabilidad p de un evento si la ventaja de que suceda es “3 a 2”. Podemos usar también la frmula del problema anterior para obtener directamente50 3.22. 3.23. 3.24, INTRODUCCION A LA PROBABILIDAD ICAP. 3 Se lanza un dado 100 veces. La tabla siguiente detalla los seis nimeros y la frecuencia con la cual aparece cada nimero: Se ee eee race Hallar la frecuencia f del evento en que, (i) aparezca un 3, (ii) aparezca un 5, (iii) aparezca un nimero par, (iv) aparezca un niimero primo. nGimero de sucesos La frecuencia relative f= a @ f= i= 020 Gi) f= = EES 051 (iv) f= WARE 952 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(ANBAC) Sea D= BUC. Lucgo AND = An(BUC) = (ANB)uU(Ang) y P(AND) = P(ANB) + PANG) = P(ANBNANC) = P(ANB) + P(AnC)— P(ANBNC) Asi P(AUBUC) = P(AUD) = P(A) + P(D) ~ P{AND) = P(A) + P(B) + P(C) = PBN) = [P(ANB) + PANO) — PNB) = P(A) + P(B) + PQ) — BNO) — P(AnB) ~ P(ANC) + PANBNO) Sean S = {a1, a2, ...,4s} y T = (1, ba, ..., bs} espacios finitos de probabilidad. Sea el nt- mero pi = P(a:) P(b)) asignado a la pareja ordenada (a,,b,) del conjunto producto § x T — {(s,t):8 ES, £7}. Comprobar que el py define un espacio de probabilidad de Sx T, esto es, que los py son no negativos y suman uno. (Este es el llamado espacio de probabilidad producto. Hacemos énfasis que esta no es la nica funcién de probabilidad que se puede definir del conjunto producto S x T.) Puesto que P(a), P(bj) = 0, para cada iy cadaj, py = Pla) P(b,) = 0. Ademas, Part Pg toes + pee Par Pag tooth # pee tote + pa + pap tooo + Dye P(ay) P(by) + +++ + Ploy) P(b,) + +++ + Pla) Pld) +. + Pla,) P(e) = Plap)[P(by) + ++ + PCY] +--+ + Pla,)[P(by) + -+- + PD) = Pa) lt +++ + P(a,)-1 = Pla) + +++ + Play =2AP. 31 INTRODUCCION A LA PROBABILIDAD si Problemas propuestos 'SPACIOS MUESTRALES Y EVENTOS oe, Sean A y B evettos Mallar ln exresiény usar dagrdsia de Venn paral evento en gue, G) sods a a 008, (i) ni 4 fi B suceden, (26. Sean A, By Covent, Hallarn expresién y usar el diagrama de Venn para cl evento en qué (@) sicede exactaren's tmp Seon i) suceden por lo means dot de los eventos, (i) ninguno de os eventos suede, (iv) sucede 4 0 8. pera no. lat, Sea el caso de lanzar una moneda de centavo, una de diez centavos y un dado, ()_Esoribir el espacio muestra 5 apropiado, fi) _Enprentexplitamente ls eventos siguientes: 4 ~ [que aparencan dos cars yun numero primal, # — | que apurerca un 2, C ~ | que aparezcaexactamente una cae y un mero prio | (Gy. Exprearexpliciamente el evento en que, (a) A y B sucedn, () sucede solamente B (2) s¥oate Bo C ESPACIOS FINITOS DE PROBABILIDAD 328, Cuillsfunciones definen un espacio de probablidad de S = (0s, ,09)7 @ Pla) 4 Flop = 4. Pled) (i) Pla) = % Plas 0, Plas) = 4s Plo) = & fy 05,05). Hallar Play) si, (I) Pla) = $y | Plas) = 3.29, Sea Puna funcin de probabitidad de S i) PC(a.0q)) = 2P(@) Civ) Pes) = 2P(e2) Y Gi) Pl) = 2P(a) y Plead P(a;) = $P(a). 4.30.) Secarga una moneda de manera qu la posiilidad e salir eaasea res veees Inde sli sll, allar PCH y PCT). an. “Tres estudiantes A, By € aterienen en una pruc de nation. Ay B Senen In misma roti de ganar yo ble dela de C. Hallarla probabilidad de que gane #0 C. sua_Se carga un dado de ranera que ls nimerot pares tienen el dle de poiliad de ai gusts imparcs, Halt 1 ie, Sar ge que, () aparezea un nomera par, (3) aparezca un nimero prio, (i apareaea ua mero pat, (8) spe rezea un abmero primo impar. 1423, Hallar ia probabilidad de un evento sila ventsja de que suceda es, (f) 241, (i) S11 sh34, Ea una carera de natci, la vntaja de que A gances 2a la venta de que Bgane cs 104. Halle probubiidad p ya ventaja de que 4 o B ganen la carrera ESPACIOS FINITOS EQUIPROBABLES 435. Una case ext formada por 5 estudiantes de primero, 4 de sudo, 8 de pendtimo y 3 de timo afo Se ects a ce tia repenenta la clase, Hala la probabildad de que el estudiante sea, (0) de sepundo, (@) de time Aa (il) de pendttima 0 de dltime ao. 346, “Se-eicroma une cari al azar cure $0 carts numeradas de 1 $0, Haar fa proba de quel ime den ar sea, (i) divisible por $, (i primo. (it) termine en dos Sri De'les 10 nas de ua clase, nen ojos anil. Si st eicogen do fas al azar eu a erobaiiad! de au (D has Bees gun ops azul? (i) ninguna tenga ojos azaes? Gi) na por lo menos tenga ojos azles? saa, Tres toilosy tes eras estan en ona cj, Sse cose don pizas al azar, halla la probabilfed deste oP tio y una tueres52 INTRODUCCION A LA PROBABILIDAD ICAP. 3 3.39. Diez estudiantes, 4. B, .... estén en una clase, Si se escoge un comité de 3 al azar, hallar la probabilidad de que, (i) A Pertenezea al comité, (if) B pertenezca al comité, (il) A y B pertenezcan al comite, (i) 4 0 B pertenezca al comité 340. Una clase consta de 6 nifas y 10 nifios. Si se escoge al azar un comité de 3, hallar la probabilidad de, (i) seleccionar tres ninos, (li) Seleccionar exactamente 2 nifos, (ii) seleccionar por lo menos un nifio, (iv) seleccionar exactamente 2 nifas 3-41, Se lanza un par de dados corrientes. Hallar la probabilidad de que la suma de los dos nimeros sea mayor que 4. 3.42. De 120 estudiantes, 60 estudian francés, $0 estudian espafiol. y 20 estudian francés y espafl. Si se escoge un estudiante al azar, hallar la probabilidad de que el estudiante, (i) estudie francés y espaol, (i) no estudie francés ni espahol. 3.43. Tres nifios y 3 nifias se sientan en fila, Hallar la probabitidad de que, ()) las tres nas se sienten juntas, (ji) los niios y las nifias se sienten alternados. ESPACIOS UNIFORMES NO CONTABLES 3-44, Se escoge al acar un punto interior a un triéngulo equilétero de lado 3. Hallar la probabilidad de que su distancia a un vérlice sea mayor que 1 3.45. Se lanza al azar una moneda sobre el plano cartesiano R?. Hallar Ia probabilidad de que la moneda no corte ninguna linea uya ecuacion sea dela forma, (a) x= k.(b) x+y = k.(e) x= k oy =k. (Aqui kesun entero.) 346. Se escoge al azar un punto x sobre un sezmento de recta 4B con punto medio 0. Hallar la probatilidad de que los scg- mentos de recta AX, XB y AO puedan formar un triangulo, PROBLEMAS VARIOS 3.47, Sean los eventos 4 y Bcon P(AUB) = § P(ANB) = 4 y-P(Ae §- Hallar P(A), PB) y P(ANBe), 34% Seanloseventos Ay Boon P(A) = 4, P(AUB)=$ y PUB) =f. Hallar P(ANB), PlAen BO, P(ACUBS) y P(BNAS). 3.49. Se lanza un dado 50 veces. La tabla siguiente da los seis némeros y Ia frecuencia con que se repiten: Némero Eel eo here) 0e |e E Hallar la frecuencia relativa del evento, ee un nimero primo, ) en que aparece un 4, (i) en que aparece un niimero impar. (ji) en que apare- 3.50. Probar: Para los eventos Ay, Ag, ..., A, Playu--- = ~ BP (A\NA,NA,) = oo = PlAYD “A, (AyU--- UA,) Brad BPtAinay + (Fig PAIN; AY) (Ay! ) (Nota: Este resultado generaliza el teorema 3.5 y el corolario 3.6.)CAP. 3] INTRODUCTION A LA PROBABILIDAD. 53 Respuestas a los problemas propuestos 325, (i) AUBs, (il) (AUB) 326 (3) (ANBENCHULBNACNE) U(ENASBA (iii), (AUBUC)e (AnByu(Ancu eng iv) (AUB) nce a2 (i) S = (HHI, HH2, HH3, HHA, HHS, HH, HT, HT2, ATS, HTS, HTS, AITO, ‘TH1, TH2, THS, TH, TH5, TH6, TTL, TT2, TTS, TT4, TTS, TTS) bi) A = (HH2, HHA, HH6), B= (11112, N72, THe, TT), C= (HT2, TH, HTS, TH, HTS, THE ili (@) ANB = (HH) (0) BN\(AuG) = 4772) (0) BUC = {HH2, HT2, TH2, TT2, HTS, THA WTS, THS) 32k (i) no, (i) nos (i) fiw) 329. 0) gee Gi) dG fv) Ys 330, P= 8, PIN = § aan 8 332 (Ge (HD f, Gd 4s O08 333 @) BG se 334 Ia ventaja es 32 33s, WE, GZ, GR 336) Ut) yy (ii ay 33% Ge, GF G a3 B & Gide, OE sa. 8, GZ, ow, Ow 8 aa. 342) fe HE 343. (bs (0 oy 344. 1 — 20/BVB) 345. Gg Gi) 1—av%, GE ase} aan, Pla) =) PUB)= 4, PNB) = 3 348, P(ANB) = 4, PAN B) = f, P(ASUBY =f, PIBDAS) = 34. S.-H,Capitulo 4 Probabilidad condicional e independencia PROBABILIDAD CONDICIONAL Sea £ un evento arbitrario de un espacio muestral $ con P(E)> 0. 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| E), se define como sigue: PANE) (A|E) = P(A|E) P(E) Como se aprecia en el diagrama de Venn expuesto, P(A|£) cn cierto sentido mide la probabilidad relativa de 4 con re- lacién al espacio reducido £. En particular, si S es un espacio finito equiprobable y || denota el niimero de elementos de un evento A, entonces P(ANE) lana P(E) a yasi P(A|B) P(ANE) _ |ANE| P(E) || Esto cs, Teorema 4.1: Sea S un espacio finito equiprobable con eventos A y £. Entonces P(A|E) = Blimero de elementos de 4 0 E 4 |) ero de elementos de E AGimero de maneras en que A y E pueden suceder niimero de maneras en que E puede suceder P(A|E) = Ejemplo 4.1: Sea eleaso de Janzar un par de dados corrientes. Sila suma ex 6, hallar la probabilidad de que uno de los ados sea 2. En otras palabras, si E = {sumaes6} = {(1,5), (2,4), (3,3), (4,2), (6, 1)} x A {un 2 aparece por lo menos en un dado} nallar P(A|E). Ahora E const de cinco elementos y dos ue ellos, 2,4) y (2), petenecen a 4: 4 AE = 12,4), 4, 2). Emtonces La} E) = 2 Por otta parte, puesto que consta de ave sements. A. = {(2)1)y 2,2), (2,8), (4, (2,5), (2,6) (0,2, (8,2), (Ay 2), (6,2), (6,29) 4S consa de.36 elementos, P(A) = Bb Ejemplo 4.2: Un hombre visita a un matrimonio que tiene dos hijos. Uno de fs hijos, un nfo, entra en la sala. Halla la probabilidad p de que el otro sea también nito si, (se sabe que el otro hijo (o hija) es menor, (i) no se sabe nada del otro hijo Et espacio muestral para el sexo de los dos hijos es $ cada muesira. (Aqui bb, 6g. gb, a6 con probabilidad } para setie de cada punto corresponde a la serie de nacimientos) (i) Ehespaio muesel redid conse de dos elemento, bb. bg 0 sea p = 5 (i) El espacio muestra educdo const dete elementos. |b. br. gbl: 0 seap = 54CAP. 4] PROBABILIDAD CONDICIONAL & INDEPENDENCIA, 55 TEOREMA DE LA MULTIPLICACION PARA PROBABILIDAD CONDICIONAL, Si multiplicamos en cruz la ecuacién anterior que define la probabilidad condicional y usamos el hecho de que 4 E = EO A, obtenemos la siguiente formula itil Teorema 4.2: P(E A A) = P(E) PlA| ED Este teorema puede extenderse por induccién matematica como sigue: Corolario 4.3: Para los eventos Ay, Az, ..., An, PAIN ALN ---N An) P(As) PlA2| Ai) P(Aa| Ai. Aa) -P(Ag | AL A29 = AQ) Ahora aplicamos el teorema anterior que es llamado, apropiadamente, el eorema de la multi- plicacién. Fjemplo 43: Un lote de 12 atculos tiene 4 defectuoss. Se toman al arar tes articlos del lote uno tras tro, Haar ta peabatilidadp de ge todos los ics exten buenon La probabifidad de que el primer artcuo no yea defectuoso es pusto que 8 entre fos 12 no son Aefectuos0s. Si el primera no ex defections, entonees Is prohabilidad de que el proximo atieulo no sea defectuoso eZ puesto que samente 7 de los 11 sobrantes no son defectusos. $i los dos primeros ar Uiculos ao con eleciuoes,entonces la prohabilded de gue el kino no yea defevtuoso es © puesto que solamente 6 ent los 10 gue quedan no son delectuonos. Asi pore torems de a mltipiction, or lvepeie a ee PROCESOS ESTOCASTICOS FINITOS Y DIAGRAMAS DE ARBOL Una sucesién (finita) de experimentos en los cuales cada experimento tiene un nimero finito de resultados con probabilidades dadas se llama un proceso estocdstico (finito). Una manera conveniente de describir tal proceso y calcular la probabilidad de un evento se obtiene por el diagrama de drbol como se ilustra en la figura siguiente; el teorema de la multiplicacion de la seccién anterior se usa para calcular la probabilidad de que el resultado representado por una trayectoria determinada del arbol suceda. suceda. Ejemplo 44: Tomemos las tes cajassivientes: ‘Caja I contiene 10 limparas de ls cuales 4 son defectuosas Caja IH comtiene 6 con 1 defectuosa Caja IIL contiene 8 con 3 detectuosas Escogemos al azar una cajé y lego sacamos al azar uns Limpars, (Cuil es la probabilidad p de que la Vimpara sea defeciuoss? [Aqui realizamos una serie de das experimentos (i escoger una de las ies caja; escoger una limpara que sea 0 defectuosa (D) 0 no defectuose (N). El diagrama de drbol siguiente describe el proceso y da la probabilidad de cada rama del érbok56 PROBABILIDAD CONDICIONAL E INDEPENDENCIA ear. 4 La probabilidad de que una trayectoria determinada del érbol suceda es, segin el teorema de la mult plicacién, el producto de las probabilidades de cada rama de la trayectoria,o sea, que la probabilidad de tscoger la ca 1 lego una limpaca defectoosa es 4-8-= ‘Alonso bite ea yectaicinsareri Seatas tac ices albsipca Atta, lu tu dele pa babliades te etesenynctring ea prbitailad had 12,1,1,1.3 2 us eta'e = 300 Fjemplo 4.5: Se lanza una moneda cargada de mado que MC) ~ $y P(S) = f. Sisal cara, se escoge al azar un reero de 1a 9:5 sil ello, se excoge al azar un nlmero de 1 a3. Halla la prbabilidad p de que se eseoja un nimero par El diagrama de Srbol con las probabilidades respectivas ex: ‘Obsérvese que la probabilidad de escoger un ndmero par de 1a es $ puesto que hay 4 pares entre 1os'9 nameros, mientras que la probabilidad de escoger un par de 1a Ses $ puesto que hay 2 nimeros pares entre Jos 5. Dos de las trayectorias conducen a un némero par: CP y SP. Asi All Ech ceo 136 ep =\PH) =2 PARTICIONES Y TEOREMA DE BAYES. Supongamos que los eventos 41, 43... de forman vuna particién de un espacio muestral S; esto es, que los even- os Ay son mutuamente exclusivos y su unién es S. Ahora sea B otro evento. Entonces B= SMB = (A,\UA.U---UA)OB = (AN B)U (42NB) U + + U(AWNB) donde las AeA B son cventos mutuamente exclusivos. En eonsecuencia. 2B sombreado, P(B) = P(AiNB) + Pl(A2MB) + --- + P(AxMB) Lucgo por el teorema de la multiplicacion P(B) = P(A1) P(B|A:) + P(A2) P(B| As) + +++ + P(As) P(B| As) w Por otra parte, para cualquier i, la probabilidad condicional de A, dado B se define por P(A) P(Ay|B) = ee En esta couacién usamos (/) para remplazar P(B) y usamos P(4y 9 B) = P(Ay) P(B| As) para remplazar P(A, MB), obteniendo asi el Teorema de Bayes 4.4: Supdngase que 4, A2,.. ., dq es.una particién de Sy que Bes cualquier even- to. Entonces para cualquier i, P(A) P(B| Ay) P(AIB) = DayP BTA) + Ply PB As) + + ¥ PUA PUB A)CAP. 4} Ejemplo 46: Tres miquinas 4, By C producen respectivamente S0%, 20% y 20% del n mero total de a PROBABILIDAD CONDICIONAL & INDEPENDENCIA 37 os de una Fabrica. Los porcentaies de desperfectos de produecién de estas méquinas son 3%, 4% y 8% Sise selec~ 86-37-38-39—~ Bt0gAP. 4 PROBABILIDAD CONDICIONAL F INDEPENDENCIA 6 {iy Hiay 26 cartas,incluyendo 4 corazones,repartidos entre E y O. Hay (jg) maneras de que, por ejemplo. E pueda wear i caras (Neceatams solamente anlizar Tas 13 cartas de E puesto que O debe tener el reso.) Hay” (3) sears pura que E pucda recibir 2 corazones de los 4, y (32) maneras para que el mismo pueda rit 11 no-eora zones de 26-- 4 ~ 22:no-corazones QE) saizeiactzsag _ a aol = Sgeanas-as = 515 TEOREMA DE LA MULTIPLICACION 4: 48. 49. 4.10. ‘Una clase tiene 12 nifios y 4 nifias. Si se escogen tres estudiantes de la clase al ava babilidad p de que sean todos niftos? F, coud es la pro- La probatiidad de que el primer estdiante escopido sea un nifio © 12/16 puesto que ay 12 ios entre los 16 estu- antes Sve primero es un nio,entonces la probabilidad de que e segundo sea mio es 11/15 puesto que hay 11 nifos entre cae anes, Finalmente, silos primeros dos escogidos son wifes, entonces la probabilidad de que el ercero sea ni8o Toyia puesto que queda 10 sites entre I. Asi, por el teorema dela multiplicacion, la probablidad de que todos tes sean aifos es wu 10 uals n (iro método. Hay (18) = 560 mancras de esconsr 3 estudiantes ene 16, y (3) = 220, maneras de escoger OE lane = tea Un tercer mtiodo, Silos estudiantes se escogen uno después del otro, entonces hay 16,+16*14 maneras de eaco- gertves estudiantes, 12°11 +20 maneras de escoper tres nis; por eonsiguente p= Gg-s-14 ~ + ‘A.un jugador le reparten $ cartas una tras otra de una baraja corriente de 52 eartas. {Cual es la probabilidad p de que todas sean espadas? ‘La probabitdad que la primera cara soa espada es 13/52, la segunda sea espada es 12/St, la terera 11/50, te cuarta 10/49, y Ia itima 9/48. (Suponemos en cada caso que las cartas anteriores fucrom espa.) Asi P ‘Una urna contiene 7 bolas rojas y 3 bolas blancas. Se sacan 3 bolas de la urna una (ras otra. Ha- ilar la probabilidad p de que las dos primeras sean rojas y la tereera blanca. La probabitidad de que la primera bola sa roja es 7/10 puesto que hay 7 rojas entre ls 10 bolas. Sil primers bola es roja entonees la probabildad de que la segunda bola sea rojas 6/9 puesto que quedan 6 rojas entre las 9 bolas resin ‘gras dos peimeras son rojas entonces la probatildad de que a tercera sea blanca es 3/8 puesto que quedan 3 blancss entre las 8 bolas estantes en la urna, Entonces por el teorema de la multiplicasin, Los estudiantes de una clase se escogen al azar, uno tras otro, para presentar un examen. Hallar Is probabilidad p de que nifios y nifas queden alternados si, (() la clase consta de-4 niios y 9 as, ji) 1a clase consta de 3 nitios y 3 nifas. (@ Silos nits y las nas se aternan, el primer estudianteexaminado debe sr nito. La probabildad de que el segundo sea nia 3/6 puesto que hay 3 nitas entre los Grestantes. Continvando en esta forma, obtenemos qe la probed Tid de que el teroero sea nito es 3/5. que cl cuarto sea nia es 2/4, que el quinto sea nito es 2/3. que el sexta se nia es 1/2, que el Slime.6 PROBABILIDAD CONDICIONAL E INDEPENDENCIA Tear. 4 (ii) Hlay dos casos mutwamente exclusivos: el primer estudiantes un nifo,y el primero es una nifa. Si el primer est diante es un niko, entonces por el teorema de la multiplicacin la probabilidad p, de que los estudiantes se alternen ‘Sil primer estudiantes una nif, entonces por el teorema de lu mliplicacin la probabilidad ps de que los. ‘estudiantes se alternen es As, P= te = Bt PROBLEMAS VARIOS SOBRE PROBABILIDAD CONDICIONAL 4.11. En cierta facultad, 25% de los estudiantes perdieron mateméticas, 15% perdieron quimica y 10% perdieron las dos. Se selecciona un estudiante al azar. (Si perdié quimica, ;cuAl es la probabilidad de que perdié mateméticas? (Si pordié mateméticas, ;cudl es la probabilidad de que perdié quimica? (iii) (Cual es la probabilidad de que perdié matematicas 0 quimica? Sea M ~ estudiantes que perdieron matematicas| y C= lestudiantes que perdieron quimica | entonces Pat) =025 P(C) = 0.18 Pung) = 0,10 (i) La probabilidad de que el etudiante perdiera tematieas, dado que heya perdido quimica es POMNC) 910 _ 2 ELD. rogers oe pasts (ii) La probabitidad de que el estudiante perdeca quimica, dado que haya perdido mateméticas es PCM) _ 0.10 _ 2 Os ca ene et P(MUC) = PON + P(C) — Pune) = 025-+0,15~0. 4.12, Sean los eventos A y B con P(A) =4, P(B)=4 y P(ANB) = 4. Hallar, () P(A|B), (ii) P| A), Git) P(AUB), (iv) P(Ar|B9, (v) P(B| A9. (ANB) ©) pase = Ae. bad a Pwlay = FEO . i gs neg thee oy (it) PAB) = P(A) + PB) — PlAnB) = 3 +5-3 = ib Gv) Primero caleulamos P(BS) y P(AenBs). PUBS) gan, (AUB)e = AeNBE; porlo tanto PACES) 1-PB) P(AUB)) = $= # Por la ley de De Mor PAUB) = 1-4 = fy wm PAD PA) =1- $= 4 Locgo P(Be|ay = HB0A9 =% 4.13. Sean los eventos 4 yBeon P(A) = 4, P(B)=§ y P(AUB)= 4. Hallar P(A|B) y P(B|A) Primero calculemos P(A 1 8) usando la formula P(A UB) = P(A) + P(B) — P(ANB): ¢ unm =1 Asi, P(A B) = AOR) at zCAP. a] PROBABILIDAD CONDICIONAL E INDEPENDENCIA 63 4.14, Hallar P(B| A) si, () 4 es un subeonjunto de B. i) Ay Bson mutuamusite exclusives, (i) Si.es un suhoonjunto de B,entonces sempre que 4 suceda, debe suceder: por Wo tante PUB A) 1. Asta no, si tgs un subsonjunta de Bentonees 20.8 entonees PiANB) _ PIA) P(B!A) = aiAN LSC Pate © 0 i) (i) Sify B son mutuamente exelusios, eto 66 Hiyuntos, entonets siempre que f suceda, Hn pucle suueder: pur Io tame PUB|-1) ~ 0. Alternadamente, si Ay A son mutimente exclusivos entonces AB Ds por lo tanto piejay SCP S PO) 8g P(A) ~ Pia) PEAY 4,15, Tres miquinas 4, By C producen respecuvamente 60%, 30% y 10% del ndmero total de artiew los de una fibrica. Los porcentajes de desperfectos de produccidn de estas miquinas son respect vamente 2%, 3% y 4%. Seleccionudo un articulo al avar cesultd defeetuoso. Hallar la probabilidad de que el articulo hubiera sido producido por la maquina C. Sei X ~ farticulos defectuoses! Buseamos P(C].X), probabilidad de que un articulo ea producido por La mi- ‘guina € dado que el articulo sea defectvoso, Por el worema de Bayes, Hoge PC) PKI C) PR)P(X|A) + PB) PR TB) F PO PKIO) (0.10)0.08) a THD + AHO + WOOO) BH 4.16. En cierta facultad, 4% de los hombres y 1% de las mujeres tienen mas de 6 pies de estatura. Ade- més, 60% de los estudiantes son mujeres. Ahora bien si se selecciona al azar un estudiante y es mas alto que 6 pies, cual es la probabilidad que e} estudiante sea mujer? Sea 4 = Vestudiantes de més de 6 pies’, Buscamos P(W|4), probabilidad de que el ewudiante sea una mujer dado que el estudiante es de mas de 6 pies. Por el teorema de Bayes, - POW) PCL) osoyooy = POVIA) = PUNTA) + FM) PATIN ~ DewVGOn~ OanooH — TT 4.17. Sea E un evento para el cual P(E) > 0. Comprobar que la funcién de probabilidad condicional P(*| E) satisface los axiomas de un espacio de probabilidad: esto es, [Pi] Para un evento A, O= P(A|E) #1. [P2] Para cleventocierto S. P(S|E) = 1 [Ps] Si Ay Bson mutuamente exclusives, entonces P(AUB|E) = P(A|E) + P(B| 2). [Ps] Si As, Ae, es una sucesién de eventos mutuamente exclusivos, entonces P(A\UALU © |B) = P(Aa|B) + P(A2|B) + +> iy Yen AMBER: por ome PANE) < PE). ax PAA) = PARE 2 5 wo mine también, Esto es 0 = P(A |B) = 1 y asi [Py] cumple.64 PROBABILIDAD CONDICIONAL E INDEPENDENCIA (cap.4 Go Teaemes 0 = E:porcomipnine S|) = PSOE) = PBL aoa. an pep aise (ii) SiA-y B son eventos mutvamente exclusivos, entonces asi son ANE y BNE. Ademis(AUB)NE = (ANE) U(BNB). Ast P(AUB)OE) = PUANE)U(BNB) = PlADE) + P(BOB) Yip ende _ PUAUB)NE) _ PANE) + PIBOR) ENA) te PE) P(AOK) , PUNE) BAOE) BOE C pia im 4 Pee m) © sea que EP) satistace Gs). Similermente Ay, dy, son mutuamenteexclusivos, ambi lo son ANE, AgNB, .... Asi PUA,UAgU---) 0B) = PUA\OE) U(AgnB)U >") = P(N E) + Play) +o ¥ por tanto P(A;UA,U“)0B) _ PAs) + Plagnb) + nt a eee ea los Rene a PUAN), PlAan 8) : Gt rise to = PALEY # Pda BD + Esto es, [Bg] satsface PROCESOS ESTOCASTICOS FINITOS 4.48. Una caja contiene tres monedas; una moneda es corriente, una moneda tiene dos earas y una moneda esté cargada de modo que la probabilidad de obtener cara sea 4. Se selecciona una moneda al azar y se lanza. Hallar la probabilidad p de que salga cara. ‘Construimos el diagrama de arbol como se muestra en la figura (a) siguiente, Obsérvese que Ise refiere a la mone- Ga corrieme, IT la de doble cara y Ills la moneda cargada. Ahora las earas aparecen a lo largo de tres de ls trayecto- oes re Eeb eo i _re eee ae 1 peg i sine ; — : ( (o) 4,19. Se nos dan tres urnas como sigue: Una urna A contiene 3 bolas rojas y 5 blancas. Una urna B contiene 2 bolas rojas y | blanca, Una urna C contiene 2 bolas rojas y 3 blancas. Se selecciona una urna al azar y se saca una bola de la urna. Si la bola es roja, ,cudl es la probabilidad de que proceda de la urna 4? ‘Se eonstruye el diagrams de érbol coma se muestra en la figura (b) anterior. Buscamos la probabilidad de que se seleccione 4, dado que la bola es roja; esto es. P(A|R). Com el fin de hallar P(A|R), es necesrio caleular primero PLA AR) y PCR). La probabilidad de que se selecione y se saque una bola roja es £68 = 4; esto-es, P(ANR) ae Ky tt wie ei Sho wait ofa PU) SERENE a le EanesPROBABILIDAD CONDICIONAL E INDEPENDENCIA 65 car PiAnR) Ps PAIR) = “pipy 1 ‘Aiteradamente por el teorema de Bayes. Pia) PUR A) i PAIR) = BayPTela) + PE)PR|B) + PROPRIO Atk 45 ir yer ys 18 caja B contiene cinco cartas numeradas 4.20. La caja A contiene nueve cartas numeradas de | a9,y la de 1a 5. Se escoge una caja al azar y se saca una carta. Si el ndimero es par, hallar la probabilidad de que la carta proceda de la caja 4 El iaprama de irbol del proceso se niesta en la figura (a siguiente Buscamos Pld \E) probabilidad de que se seleccione A, dado que el mimero ¢s par. Le probabilidad de que Puesto que hay dos ttayectorias que conse excoja fa caja Ay un niin dducen a un nimero par. P(E) rae P(E) g 9 P(A|B) = 4.21, Una urna contiene 3 bolas tojas y 7 blancas. Se saca una bola de la urna y se remplaza por una del otro color. Se saca de la urna una segunda bola, (i) Hallas la probabilidad p de que la segunda bola sea roja. (i) Silambas bolas son del mismo color, jcual es la probabilidad p de que las dos sean blancas? co {iy La probabiided de que ambas bolas furan baneas «si tan del mismo color, exo es, la probubildad del epacio musialreduido, es % tanto la probabilidad condicional p z B. Por to 4.22. Se nos dan dos urnas como sigue: La urna A contiene 3 bolas rojas y 2 blancas. La uma B contiene 2 bolas rojas y 5 blancas. Se selecciona al azar una urna; se saca una bola y se coloca en la otra urna; Iuego se saca una bo- Ia dela segunda urna, Hallar la probabilidad p de que las dos bolas sacadas sean del mismo color, Construimos el siguiente diagrama de &rbol:66 PROBABILIDAD CONDICIONAL E INDEPENDENCIA Icap.4 ae oe £ + gn fas rojas y 5 blaneas ‘Puesto que hay cuatro trayectorias que conducen a dos bolas del mismo color, gu Be =e 5 13,841 12,2 Bog ae Pas 38 B73 72°72 ~ 1680 INDEPENDENCIA 423, Sea A = al evento de que una familia tenga nifios de ambos sexos, y sea B = al evento de que dina familia tenga a lo sumo un nifio. (i) Comprobar que A y B son eventos independientes si una familia tiene tres bijos, Gi) Comprobar que A y son eventos dependientes si una familia tiene dos hijos. (i) ‘Tenemos el espacio equiprobable S = {bbb, bbg, bgd, bgg, gdb. gba, 99b, 999} Aqui A = {bbg, bgb, bag, bb, gbg,.990) —y asi P(A) = é 3 B = (bog, gb9, 996, 999) yast PB) = é 3 ANB = {bo9, gba, 998) yai tang) = & puesto que PIA) POB) = 9° = B= PA OB), Ay B sonindependientes oy Tenemos el espacio equiprobable S =! bb. be. wh. x! Aqui A = (9,90) y ash Pay = 4 B= (bo obas) yi Pe) =} reuse rar eee Puesto que P(A) PH) 7 P(A MB). Ay B son dependientes 4.24, Probar si A y-B son eventos independientes, entonces A® y B® son eventos independientes PiAenBs) = PAUBy) = 1— (AUB) = 1— P(A) — P(B) + PAB) = 1— Pla) — PB) + PIA) P(B) = [1 PLAN]. — PUB) = PAD PIB) 425. La probabilidad de que un hombre vivira 10 afios mis ex 2. y la probabilidad de que su ssposa vivird 10 afios mas es $. Hallar la probabilidad de que. (i) ambos estén vivos dentro de 10 aftos, fi) al menos uno estara vivo a los 10 afios, (il) ninguno estard vivo a los 10 afos. iv) solamente la esposa estard viva a 10s 10 aos. Sea A ~ al evento de que el hombre viva alos 10 ates, y B= al evento de que su expose es ita a os 10 aos entonees PLA) = By PUD fo) Buscamoy PIA 1B) Pues que Ay Bom independientes, A406) = PLA) PUB) = $04 = thecap. 4) PROBABILIDAD CONDICIONAL E INDEPENDENCIA 61 (i) Biscamos P(AUB). P(AUB) = P(A) + P(B) — PANE) = b+ 4h (iy, Bascams, PUAC BY, Anora P(A) =1— PCA) = 1-4 = By PB) =1 PIB) puesto que 4°» B° son ndependenss, PUASABS) = P(AS) PB) = 8-9 = =] Be Ademis, Aliesnadamente, puesto que (AUB) = AenBs, P(ASBY = P(AUB)) = 1— PAUB) =1-4=4. iv) Buscamas P(AEN 8). Puesto que P(A®) =1— P(A) = y A® y A son independientes (wer problema 4.56), PUAN) = P(A) PB) = 426. La caja A contiene 8 articulos de los cuales 3 son defectuosos, y la caja B contiene 5 articulos de Jos cuales 2 son defectuosos. Se saca al azar un articulo de cada caja. (i) {Cual es ta probabilidad p de que ambos articulos sean defectuosos? (ii) {Cual es la probabilidad p de que un articulo sea defectuoso y otro no? (tii) Si un articulo es defectuoso y otro no, {eudl es la probabilidad p de que el articulo defzctuo- so proceda de la caja A? (i) La probably de ecoger un ariculo no defectuoso de 4 cs $y de B es 3, Puesto que los eventos son indepen dente, i) Método 1. La probabiidad de eseoger dos artiulos defectuosos es to sean no dfetuoses <3 2, Por lo tanto, a=. De (i) Ia probabilidad de que am. 4. Por io tanto Método 2. La probabitdad pi de exoger un artculedefecuoso de A y uno no defeciuaso de Bes La probabldad ps de escoger un rtcelo no defecuoso de A y uno defectwoso de Bex P=mtm=Hty CConsideremos los eventos ~ | atiulos defeeuosos de Ay ¥ =n articulo es deectwosoy ot no Bus amos, PUX|Y), Por Gi). PUNY) ~ pv = ey PCY) =. Por consigiente B(xo PO) » = PIXIY) 3 4.27. Las probubilidades de que tres hombres peguen en el blanco son, respectivamente, }, 4 ¥ 4 Cada uno dispara una vez al blanco. (i) Hallar la probabilidad p de que exactamente uno de ellos pegue en el blanco. (ii) Si solamente uno pega en el blanco, jcual es la probabilidad de que sea el primer hombre? a yc= son independientes, y (As) = sideremos los eventos A = | el primer hombre pega en el blanco, & =| el segundo hombre pega en el blanco ‘el terver hombre pega en el blanco i: entonces P(A) = 4, P(B) = $y P(C) =. Los ucs eventos ) PB) = 4, PIC) = 2. (Sea £ = exactamente un hombre pega ea el blanca |. Entonces B= (AN Bene} u (ASA BNCAU (Aen Ben) En oteas palabras, si solamente une pegé en el blanco, entonees fue 0 tnicamente et primer hombre, ANBEN CE 9 dnicamente el segundy hombre, ASMBNCF; o finicamente el tereer hombre, AeMBenC. Como los tes even tos son mutuamente exclusivos, oblencmos (usando el problema 4.62) B= PIR) = PAN Bent) + PAENBNOs + PlABENC) = P(A) PUBS) PIC) + PIAS) PLB) PCC) + PLAX) PB) PCC) age oe eee ee GOS te eae ae ~ ee te — (ii) Buseamos P(1]#), la prohabilidad de que el primer hombre pegue en el blanco dado que solamente un hombre pega en el blanco. Ahora ANE = AMBenCe es el evento en que solumente el primer hombee pega en et ne. Por ik P(AME) = PAN Bence) = £ y Pos) = 4; 0 = Plane) & PAB) = Py a8 PROBABILIDAD CONDICIONAL & INDEPENDENCIA ICAP, 4 PRUEBAS INDEPENDIENTES 4.28, Cierto tipo de proyectil da en el blanco con probabilidad 0,3. ,Cuantos proyectiles deberdn ser disparados para que haya al menos un 80% de probabilidad de pegar en el blanco? La probabilidad de que un proyectl fatle su blanco es 0,7; por lo tanto la probabilidad de que » proyectiles fallen el blango es (0,7). Asi buseamos el menor a para cl que 1—(0.0"> 0.8 0 equivatentemente (0,7)"<0,2 Calculamos: (0.7)1 = 0.7, (0,7)? = 0,49, (0,7)3 = 0,343, (0,7)4 = 0,2401, (0,7) 0,16807. Asi por lo menos 5 pro- yeatles. deben ser disparados 4.29. Cierto equipo de balompié gana (W), con probabilidad 0,6; pierde (L), con probabilidad 0,3; y empata (T), con probabilidad 0,1. El equipo juega tres encuentros durante el fin de sentana { Determinar los elementos del evento A en que el equipo gana por Io menos dos y no pierde; y hallar P(A). (ii) Determinar los elementos del evento B en que el equipo gana, pierde y empata, y hallar P(B). () A consta de todas las temas con al menos dos W (juegos ganados) y ningin L (juego perdido). Asi A = (WWW, WWT, WTW, TWW) POWWW) + P(WWT) + P(WTW) + P(TWW) (0,6)(0.6)(0.6) + (0,6)(0.6(0,1) + (0.6)(0.1)(0.6) + ©0,1900.6)(0.6) = 0,216 +.0,036 + 0,036 + 0,036 = 0.324 Ademés P(A) i) Aqui B =|WLT, WTL, LWT, LTW, TWL, TLWI. Puesto que cada elemento de B tiene probabilided (0.6) (0,310.1) = 0,018 P(B) = 610,018) = 0.108. 4.30, Sea S un espacio finito de probabilidad y sea T el espacio de probabilidad de » pruebas independientes de S. Comprobar que T esta bien definido, esto ¢s, mostrar, (i) la probabilidad de que cada elemento de T es no-negativo, y (ii) la suma de Jas probabilidades es 1. Si S— fan. aryl, entonces T puede representarse por T= {arm Puesto que P(a,) = 0, tenemos Plu, -t4,) = Pla,)**P(a,) = 0 para un elemento tipico ay, "a, de 7, lo eual pruca (). Probamos (ji) pot induccién en n. Esto es cierto obviamente para 7 aceptamos que (i) ha sido probado para n — 1, Entonces 3 Plea) Pla) Pla) = “is por la hipétesis inductiCAP. 4] PROBABILIDAD CONDICIONAL E INDEPENDENCIA y Problemas propuestos PROBABILIDAD CONDICIONAL 431. Se lanza un dado. Si el nimero es impar, geudl es la probabilidad de que sea primo? 432. Se lanzan tres monedas corrientes. Si aparecen dos caras y un sello, determinar la probabilidad de que aparezca una 43, Se lanza un par de dados, Si los ndmeros que resultan son diferentes, hallar la probabilidad de que su suma sea par 434 A una persone se le reparten 5 cattas rojas de una baraja corriente de 52 cartas. ;Cudl es la probabilidad de que codas sean de la misma pinta, esto es, corazones 0 diamantes? 435. A una persona se le reparten 3 cartas, espadas, de una baraja covriente de 52 cartas. Si se le dan cuatro cartas mas, determinar la probabilidad de que por lo menos dos de las cartas adicionales sean también espadas. 426, Se escogen al azar dos digitos diferentes entre los digitos 1 2.9, @ Sila suma es impar, gcudl ¢s la probabilidad de que 2 sea uno de los niimeros escogidos? (ii) Si 2es uno de los digitos seleecionados, ceual es la probabilidad de que la suma sea impar? 437, Cuatro personas, llamadss Norte, Sur, Este y Oeste, reciben cada una, B cartas de una baraja corriete de 52 carts (i) Si Sur tiene un as exacamente ul es la probabilidad de que su compaiezo Norte tenga los otros tres ass? (i) Si Norte y Sur juntos tienen 10 corazones, evil es la probabilidad de que Esteu Oeste tengan ls oos 3 corazones? 4338, Una clase tiene 10 nifios y 5 nifias. Se escogen tres estudiantes dela clase al azar, uno tras otro. Hallar la probabilidad de que, (i) los dos primera sean niftos y la tercera nif, (i) el primero y el tercero sean nifios y el segundo nia, (il) cl primero y el tercero sean del mismo sexo y el segundo del sexo opuesto. 439% En el problema anterior, si el primer y tercer estudiantes seleccionados son del mismo sexo y ef segundo esiudiante es del sexo opuesto, cual es In probabilidad de que el segundo sea nia? 440, En cierta ciudad, 40% de la poblacin tiene cabellrs castafios, 25% tiene ojos castaiios y 18% tiene cabellos y ojos castaios. Se escoge una persona al azar @) Sitiene eabellos castaios, geudl es la probabilidad de que también tengs ojos castafos? (i) Si tiene ojos eastatos, eval es la probabilidad de que no tenga cabellos castahos? ii) ;CuAl 6 la probabilidad de que no tenga cabellos ni ojos eastanos? 4AL, Sean los eventos A y Beon P(4) = , PUB) = $y P(AUS) = 4 Haller, (i) P(ALB), (iy PLA), Gi) PAB, (ivy PCBS) 442, Sea $ = a,b, c.d-0.f'con Pla) = py. POO) = ae. Plc) — f. Pld) = ps Pe) = Ly PL/) = te. Sead =la.ccel, B= ledesi y C= tbesi Haller, (i PCAIB), Gi) PUBIC). (ii) PICLA®), Gv) PLAPIC). 443, En cicrta fatultad, 25% de los jovenes y 10% de ln jOvenes son estudiantes de matematicas. Las mujeres consttuyen el 60% de los hombres. Si se selecciona al azar un estudiante y resulta ser de matematicas, determinar la probabilidad de ‘que ol estudiante sea una joven,70 PROBABILIDAD CONDICIONAL & INDEPENDENCIA Wear a PROCESOS ESTOCASTICOS FINITOS 444 48. 446. 447 448, 429, 450, 451 453. Se nos dan dos uenas come sigue Una urea A contione § bulis fos, 3 blaneas y H azules La.otra vena 6 eontiene 3 bolus rojas y 5 Blancas. Se lanza un dado cortiente. si spareve el 30 el 6, se escoge una bola de B; de Wo contrariy la bola se exeuge de 4 Haller ta probubilidad de que, () se escn}a una bola raja, (i) Se eseoja una bola blanca, (il) se excoja una bola al Respecto al problems unerar (9 Sie coe una bole roa, Zell es la probable de que raced eA? 0 Sve vidad de que sparezca un S en el dado? scope un hola blanea, Zeual es Is pr na urna eoetiene 5 bulas rojas y 3 Blancas, Se seleselona una bola al avar, se descarta y se cologun do» bola: del ote Color on la urna, Luego se saca dela urna una segunda bola, Hallar la peobabilidad de que, (jl segunda bola ea ros {ib amhas bolas sean del ismo color Respecto al problema ante (i) Sila serunds hola os roja, zal sla probatitidad de que Ie primera hols sex rj" {i Si arnbas sn del mismo eolar zcUal es La probubilidad de que smbas sean Blancas? [Una caja contiene es monedas. dos de ellas corrientes y una de dos caras. Se seleeciona al arar una monet y 9¢ fant dos veces, Si apareve amhas veces cara jcudl es Ia probabilidad de que Is ouoned sea 1s de dow cara! ‘Se nos dan dos urns eomo sigue: ‘Une urna 4 coitiene 5 bolas rojas y 3 blancas La otra wena 8 contiene | Sola roja y 2 blancas. sv ana hoe de Se lanza un dude corriente: i aparece un 3 0.un 6, se sca una hola de B y se pone ent y tie delo convrario, xe sica uoa bola.de A y 3e pone en 2 y luego se saca una hola de i) «Cua es la prohabiidad de que ambas bolas sean rojas? (Gi) _{Cual es la probabilidad de que fas dos bolas sean blancas? Una exja A contiene nueve cartas numeradas de 1 a 9, y otta caja B contiene 3 cartas qumeratke de 1a $, Se ewoge tina aja al azar y se saca una carta: sla carta indica un nGimero par, se saca otra carta de a sens cay! I vata es Ge nimero impar, se saca una carta de ls otra caja, (i) {Cuil es ts probabilidad de que ambas cartas muestren nimeros paves? (Gi) Si ambas cartas muestran nimeros pares, jcuil es la probabilidad de que procedan de 4? (Gi) {Cudl es la probabilidad de que las dos cartas tengan niimeros impares? Una caja contiene una moneda corriente ¥ una de dos caras. Se escoge una moneda al avar y v¢ lanza, St aparece cara, se lanza la otta moneda; si aparece sell, se lanza la misma moneda (i) Hiallar la probabilidad de que salea cara en el segundo lanzamiento, (ii) Si resuka cara en el segundo lanzarniento, hallar Ia probabilidad de que también epareres en el primero, ‘Una caja contiene tres monedas, dos corriente yuna de dos earas: Se Selecciona una mined alv7ary se anc Stale ea tase lanea la moneda de nuevo; si sale sell, entonces se escoge otfa moneda entre las dhs yue yuan y s¢ fanz () Hiallac ta probabilidad de que salga cara dos veces (i) Sise lanza la misma moneda dos veces, hallar la probabilidad de que sea la mone de dov cares. (ii) Hallar la probabilidad de que salga sllo dos veces. Une uma A contiene x bolas rojas y.y bolas blances, y otra urna B contiene z Bolas rojas y v Blancas @ Si seescoge una urna al azar y se saca una bola, ceudl es la probabilidad de que la bola sea roja? (i) Sisesaca una bola de la uma A y se pone en la B'y luego se saca una bola de la urna B, evil es I probabilidas de ‘que la segunda bola sea roja?CAP. 4) PROBABILIDAD CONDICIONAL E INDEPENDENCIA 1 454. Una caja contiene 5 tubos de radio de los cuales 2 son defectuosos. Se prucban los tubos uno tras otro hasta que se descu- bren dos defectuosos, ;Cual es la prababilidad de que se suspenda el proceso en la (i) semunda prueba? (i) la tercera prueba? 455, Respecto al problema anterior. Si cl proceso se suspende en la tercera prucba, ;cudl es la probabilidad de que el primer tubo no sea defectuoso? INDEPENDENCIA 456, Probar: Si A y B son independientes, entonees A y B* son independientes y 4 y B son independientes 457. Sean los eventos A y Beon Pd) =. PAUB) ~ fy PCB) = p. (i) Hallas psi A y #300 mutuamente exctusivos (i) Hallar p si Ay Bson independientes. (ii) Hallarp si es subconjunto de 6. 4.58 Una uma A contiene 5 bolas rojas y 3 blancas, y una urna B contiene 2 rojas y 6 blancas. (i) Sisesaca una bola de cada urna, jcudl es la probabilidad de que las dos sean del mismo color? (ii) Sise-sacan dos bolas de cada urna, zeuil es la probabilidad de que todas las evatro bolas sean del mismo color? 459, Sea el caso de lanzar tres monedas corrientes. Sea A — | todas caras o todas sellos |, B — | dos earas por lo menos | y C = {dos caras cuando mas. De las parejas (A. B), (A. C)y (B. C), uses son independientes y cusles dependientes? 460, La probabilidad de que 4 dé en el bianco es y ta probabilidad de que B dé es 6) Si cada uno dispara dos veces, zoval es In probabilidad de que blanco sca aleenzado una ver por lo menos? Gi) Si cada uno dispara una vee y el blanco es alcanéado solamente una vez, jeudl ¢s la probabilidad de que 4 dé en ef blanco? ii) Si-A puede disparar solamente dos veces, jcusintas veces debe disparar B para que haya pot lo menos un 90% de probabilidad de que el blanca sea alcanzado? 461. Sean los eventos independientes 4 y Bon P(4) = $y (AUB) = B. Halla, () PCB), (i) PCA|B). Gi) PCBELA). 4462. Supangase que A. B C son eventos independientes. Comprobar que cualquiera de las combinaciones AS, B,C; A,B,C; ...; AS BSC: 2.45 AS BC son también independientes. Ademés, comprobar que A y B UC son independientes; y as sucesivamente, PRUEBAS INDEPENDIENTES 443. Un tirador pega (H), a su Blanco con probabilidad 0.4; y ademas falla (M), con probabulidad 0,6, Dispara cuatro vers. {i) Determinar los clementos del evento para que el hombre pegue al blanco dos veces exactamente; y hallar P(A). (li) Hallar la probabilidad de que el hombre pepve al blanco una vez por lo menos. 4.64, Un equipo gana (W), con probabilidad 0,5; pieide (L) con probabilidad 0,3; y empata (T), con probabilidad 0.2. El equipo juega dos veces. (i) Determinar el espacio muestral Sy las probabilidades de los eventos clementales. (ji) Hallar la probabilidad de que el equipo gane una vez por lo menos. 465. Consideremos un espacio de probabilidad infinito contable S = {01, 4a, ...}. Sea T= 8 = (Sp 8y 1 ) HES) y se Play, Soy --n0 8x) = PlOr) Pls) “++ Plt) Comprobar que T también es un espacio de probabilidad infinito contable, (Esto generaliza la definicioa (pégina 58) de pruebas independientes para un espacio infnito contable.)n PROBABILIDAD CONDICIONAL & INDEPENDENCIA ICAP. 4 Respuestas a los problemas propuestos aan 3 40. (if, GDR, GDS 432 aa. 4 GAL GS aot 4a DB UH (DH, GDS 4a. f 44.) i) (ai 44s, 8, GE 438, 5 obvi 46, OR. GE aa, OE. GB 40.9 ier hh teh ao Diagrama de dtbol de! problema 4.49 Diagrama de Arbo! del problema 4.50 450. ) $+ = i 451. (ih ODECAP. 4] PROBABILIDAD CONDICIONAL E INDEPENDENCIA B 452. 453. 454. 458. 4 7. 458. 4.59, 4.60. 461. 4.63, @ ptetsah Gd GD wy + ¥ WN D wt Ba + bas ee Ww Fox Diagrama de Arbol del problema 452 Diagrama de drbol del problema 4.54 a) _aetetee GO Genero @ 4G5+ (© qh (i) yi debumos incuir el caso en que Tos tes tubos no defertuosos aparecen primero, pueso que los fittimos dos tubos tienen que ser los defectuosos 2 (gy G4, GDS On a Solamente A y B son independientes @ GR (iS Op G4 Gy () A = (HHMM, HMAM, HMMH, MHBM, MHMH, MMHH}, P(A) = 03456 (i) 1 — (0.6) = 0,8704 @ S = (WW, WL, WT, LW, LL, LT, TW, TL, TT} Gi) 0,75Capitulo 5 Variables aleatorias INTRODUCCION Volvamos ahora sobre el concepto de funcién. Sean Sy 7 conjuntos arbitrarios. Supéngase que acada s © § se asigna un elemento tnico de T; la coleccion f de tales elementos se llama funcidn (0 aplicacién) de S en Ty se escribe f: ST. Escribimos f(s) en lugar del elemento de T que fhace co- responder a s © y lo llamamos la imagen de s por fo valor de fen s. La imtagen f(A) de un sub~ conjunto A de Sy la imagen inversa f-¥B) de un subconjunto B de T se definen por fA) = ffl): 8EA} yy FMB) = (8: 10) BY En otras palabras, f(A) esta formado por las imagenes de los puntos de A, y f-*(B) esta formado por aquellos puntos cuyas imagenes pertenecen a B. En particular, el conjunto j(S) de todas las imagenes se llama el conjunto imagen (0: imagen o recorrido) de f. Supongamos ahora que S es cl espacio muestral de algin experimento, Como anotamos previar mente, los resultados del experimento, es decir, los puntos muestrales de S, no necesitan ser niimeros, Sin embargo, frecuentemente descamos asignar un niimero determinado a cada resultado; esto puede ser la suma de los puntos de un par de dados, el nimero de ases de una mano de “bridge”, 0 el tiem- po (en horas) que gasta una Jampara en fundirse. Tal asignacién se denomina variable aleatoria; més precisamente, Definici ; Una variable aleatoria X de un espacio muestral Ses una funcién de S en el conjunto R de los nameros reales tal que la imagen inversa de cada intervalo de R ¢s un evento (0 suceso) de S. Hacemos énfasis en que si S es un espacio discreto en el cual cada subconjunto es un suceso, entonces cada funcién de valores reales de S es una variable aleatoria. Por otra parte, se puede comprobar que si S es no contable, entonces ciertas funciones de valores reales de Sno son variables aleatorias. Si Xy Y son variables aleatorias del mismo espacio muestral 5, entonces X + ¥,X + k. kX y XY. (donde k es un ndmero real) son funciones de S definidas por (K+ H(@) = Xe) + Fie) (kX)(6) = kX(e) (X¥+(e) = Xe) +h (ZYV\(a) = Xl) Ye, para todo s € §. Se puede comprobar que estas variables también son aleatorias. (Esto es trivial en el caso de que cada subconjunto de $ sea un suceso.) Usamos la notacién abreviada P(X = a) y Pla =X =) para la probabilidad de los sucesos “X toma el valor a” y **X toma valores en el intervalo [a, 6].” Esto es, P(X =a) = P({s ES: X(s) = a}) ¥ Paa=X=b) = P(jsES: a=X(s)=0}) Significados andlogos se dan a P(X=a), P(X =a, ¥=0), Pia=X=b, e< ¥ BM = Safle) = wht VeEr oS t e gt Ht od [Ahora sea ¥ que hace cotresponder a cada punto (a. 6) de S ta suma de sus nimeros, 0 sea, Yu.) = a+ 6. Entonces ¥ es también una variable aleatoria de S con conjunto imagen ¥(S) = {2,3,4,5,6, 7,8, 9, 10, 11, 12}VARIABLES ALEATORIAS. ICAP. 5 ‘A continuacion la distribucién g de ¥: | ow |alafala| u % Z| i Obtenemos, por ejemplo, 4(8) — & del hecho de que, (1.3, 2, 2) @, 1) son aquellos puntos de para los que Ia suma de componente es 4 por tanto off) = PIY=4) = P(((1,3), 2,2, (8,1) = & ele ie La media de Y se calcula como sigue: BW) = Sus) = tet sRt oe +12 7 Los siguientes diagramas deseribengréficamente las dstribuciones anteriores: + " * ae eee a TE) eribuci6n de Distribucion de ¥ CObsérvese que las lineas vertiales Gibujadas sobre los nimeros del eje horizontal son proporcionales & sis probabilidades, : Una moneda eargada tal que PH) = By P(T) = f se lanza wes veces, Las probabilidades de Jos puntos del espacio muestral § = | HHH, HHT, HTH, HTT, THH, THT, TTH, TTT! son las siguientes: PHBH) = 98-2 = 8 POH) = BF = PORT) = edb = PTH = HH POTH) = $42 = POT) = bb = POTD) = 9e$ = 8 POTN = bbb = ‘Sea X Ia variable que asigna a cada punto de S el mayor nimero de cares sucesivas que sveeds. Asi, X(ITT) =0 XQHTH) = 1, X(HTT) = 1, X(THT) = 1, X(TTH) = 1 X(HHT) = 2, X(THH) = 2 X(HHH) = 3 El conjunto imagen de X et X(S) = 10, 1,23) Caleulamos la dstibucién f de X: 10) = PITT) = & @) = PUHTH, HTT, TAT, TTA) = £+3+5+ ste ats fa) = PqHET, THEY) = $+ 2) = P(HHE)CAP. 5] VARIABLES ALEATORIAS n Esta informacion se tabula en la siguiente forma’ Mey ‘La media de 4 se calcula como sigue n@) = Safe) = Ob ++ ade sg = w= MS lemlo 53: Se selecciona al azar una muestra de ies aticulas de una caja ue contene 12 de los cuales? son defectuosos, Hallat el valor experado E de los articulos defestuosos, ‘mao 3, Notamos que hay 2 3 2-(2) = mt ai G) ‘Asi la probabiidad de coger 0, 1, 2 y 3 articulos defectuosos es respectivamente 64/270, 108/220, 37/220 y 1/220. Asi el nimero esperado £ de los articulos defectuosos 6s B= ott 1 + 2B + seeks = B= 075 84 muestras sin articulos defectuosos, 27 muestras con 2 articulos defectuosos; 1 muestra con 3 articulos defectuosos, ae = ' ‘Nota: Impliitmente obtuvimos el valor esperado de fa variable aletoria X que asigns 2 coda muestra el aimero de articulos defectosos que contiene. En un juego de dinero, el valor experado £ del juego se considera como el juego del jugador. Se dice aque el juego es favorable al jugador si E es positive, y desfavorable si E es negativo. Si E = 0, el jucgo cs legal. Fjemplo $4: Un jugador lanza un dado corrente. Si sale ua nimero prime gana dicho nbmero de délars, peo sno ale un aGmero primo entonces pierde esa cantidad de délares. Los resultados posibles xt del juego con sus respectivas probabilidades /(xi) son como sigue: mie Los nimeros negatives —1, —4 y —6 corresponden al hecho de que el jugador pierde si no sale un nic mero primo. El valor esperado del juego es B= pt Regt Sg teg— sed oe = Ht or tanto, el juego es desfavorable para el jugador puesto que el valor esperado es negativo. Nuestros primeros teoremas en relacién con la nocién de valor esperado para operaciones de va~ riables aleatorias son ‘Teorema 5.1: Sea X una variable aleatoria y k un nimero real. Entonces (i), (KX) = KE(X), y Gi) E(X +k) = EX) +k ‘Teorema 5:2: Sean Xy ¥ variables aleatorias del mismo espacio muestral S. Entoncss F(¥ + ¥\ —8 VARIABLES ALEATORIAS Icar. 5 Un simple argumento de induecién conduce al Corolario 5.3: Sean X1, Xs,....Xq variables aleatorias de 5. Luego EX, +--+ Xa) = Eli) + ++ + BK) VARIANZA Y DESVIACION ESTANDAR La media de una variable aleatoria X mide, en cierto sentido, el valor “promedio” de x. El concepto siguiente, el de la varianza de X, mide ef “esparcimiento” 0 “dispersion” de X. Sea X una variable aleatoria con la-siguiente distribuci6n’ fled | fed | | ited Entonces la varianza de X, denotada por var(’), se define como var (X) = Bla = ah ye) = BU 9) donde » es la media de X. La desviacién estdndar de X, denotada por ,, es la raiz cuadrada (no- negativa) de var(X ): Sa El teorema siguiente nos da una alternativa y algunas veces una formula més atil para calcular la varianza de la variable aleatoria X. Teorema 5.4: var(X) = 3 zffle) — 8 = BCX) — 14 Prueba, Usando & af) = » y & fle) = 1, tenemos Te wse) = Left he) = Laine) — Dafa) + PD He) Dee) — Bt + Dats - ul lo cual prueba el teorema. Ejemplo 55: Considérese la variable aleatoria X del ejemplo 5.1 (que asigna el miximo de los nimeros que se mues- tan en un par de dados). La distribucin de X'es 1.84 media es pg = 447, Caloulamos la varianza y la desviacién esténdar de X. Primero calevlamos ney | ae | Et FUN: BQO) = Self) = webs weds weds Ft oS + og = 2197 ‘ntonces var (X) = BOC) — nh = 2197-1998 = 199 yoy = VIS = 14 ‘Ahora consideramos la variable aleatoria Y det ejemplo 5.1 (que asigna la suma de los ndmeros {que se muestran en un par de dados). La dstebucin de ¥ esCAP. 5} VARIABLES ALEATORIAS, ~» ee ee [owl ela lls |e(sle[elalala Br EY?) = Bato) = Bek + Ret + Wy = B= ee var) = BOW) = MA = 38 yy V58 = 24 Establecemos algunas propiedades de la varianza en el Teorema 5.5: Sea X una Variable aleatoria y A un ndmero real. Entonces (i) var(X + 4) = var(X), y (ii) var(kN') = A? var(X), Por lo tamto, ogee = ex ¥ Amc = lose Nota 1. Hay una interpretacién fisica de la media y la varianza, Supéngase que para cada punto x sobre el eje x se coloca una unidad con masa fixi). Entonces la media es el centro de grave- dad del sistema, y la yarianza es el momento de inercia del sistema Nota 2, Muchas variables aleatorias dan origen a la misma distribucién; de aqui que hablemos fre~ ‘cuentemente de la media, la varianza y la desviacién estandar de una distribucién en lugar de Ja variable aleatoria fundamental Nota 3. Sea X una variable aleatoria con media » y desviacion esténdar o > 0. La variable aleatoria X* estandarizada que corresponde a X se define por xe =X Comprobamos que E(X*) = 0 y var(x*) = 1 (problema 5.23). DISTRIBUCION CONJUNTA Sean X’y ¥ variables aleatorias de un espacio muestral 5 con los respectivos conjuntos imagen K(S) = (ute 22) yy YS) = ft Yr Hd Formamos el conjunto producto X(S) x Y(S) = (Cer, m0), Gusts), - +5 (em Ym) ‘en un espacio de probabilidad definiendo la probabilidad de |a pareja ordenada (x, y;) como P(X = kee Y= ys) que escribimos A(cs.s)- Esta funcién h de X(S) x ¥(S). esto es, definida por Al. ys) = PX = x. Y = pis se llama distribucién conjunta 0 funcion de probabilidad conjunta de X y ¥ y se da en forma de tabla por lo general: (ec) Pn Ve ae Yn ‘Sema + a hewv) hewn) Re Ym) fed % Hea) Meow) He Ym) fled) 2 Newt) Nota vd) lca Yn) Hey) Suma aww) aus) oe om)80 VARIABLES ALEATORIAS car. 5 Las funciones fy g anteriores se definen por fey = Ere yale) = EMew 0 sea, fs) es la suma de los elementos de Ia fila i-ésima y g(y's) es la suma de los elementos de la columna j-ésima; son llamadas distribuciones marginales y son, de hecho, las distribuciones (individua- les) de Xy ¥ respectivamente (problema 5.12), La distribucién conjunta h satisface las condiciones Maw =0 yO) YS aeow) = 1 ‘Ahora si X y Y son variables aleatorias con la distribucin conjunta anterior (y las respectivas medias pz ¥ My), entonees la covarianza de X y ¥ denotada por vov(X, ¥), se define por cov (X,¥) = z @— 100, — my) MeY) = ELK a) — my) o equivalentemente (ver problema 5.18) por cov (X,Y) = g zy, Mey¥) — exty = E(KY) — bgity La correlacién de X y Y, denotada por p(X, Y), se define por my = 2y ol, ¥) aiey La correlacién p no es dimensionada y tiene las siguientes propiedades: O AEN=A¥X) (il) AX) = 1, 0%, —-X)=—1 (i) -1=p<1 (iv) p(aX +b, c¥ +d) = p(X,¥), si ex0 Més adelante (cjemplo 5.7) mostramos qué parejas de variables aleatorias con distribuciones (indivi- duales) idénticas pueden tener covarianzas y correlaciones diferentes. As{ cov(X. Y)y p(X, ¥) son medidas de la manera como X y ¥ estén relacionadas entre si. jemplo 5.6: Se lanza un par de dados corrientes. Oblenemos ol espacio equiprobable finite S que esté formado por 36 parejas ordenadas de mtimeros entre I y 6: S = G0, 1,2), -- 66) ‘Sean X'y ¥ las variables aleatorias de $ en el ejemplo 5.1, 0 sea, X designa el maximo némero y ¥ la su- rma de los nimeros de cada punto de S. La distribucién conjumta de Xy ¥ es la siguiente: ° nie | he | he | aieCAP. 5) VARIABLES ALEATORIAS aL elemento uatcior AC, 5) ~ % viene del hecho de que (3.2) y (2,3) los Sic punts de S cuyo ‘nim minima es 3 clys soma 6 5; por tanto, 3,5) = PYK=8,¥=6) = P(B2,23)) = ¥ Los otros elementos se obtionen de manera similar. ‘Calculemos la covarianza y la corrclacién de Xy ¥. Primero calculemos E(x ¥): EBAY) = Daw Meeu) Beard + Bee Gt teak to + oeitedy = Bs we Por el ejemplo 5.1, ax= 447 y wy =~ Ty porelgemploS, ox = 14 y ey = 24; deaqut cov (K,¥) = BUXY) — oxey = 34.2 — GATT) = 29 = st) 29) y Geta ee! ee semple 5.7: Sean Xy ¥. y X'y Y" variables alestorias con las distribucionesconjumtas siguentes: 4 | 10 | Suma e t t + 3 t + i i + x Obsérvese que X'y x", y Y'y ¥" tienen distribuciones identicas: [= [Ts] [x Jefe] Law [a [a | Law [4 [3 | Distribucion de X y X" Distribuei ‘Comprobamos que cov(X, Y)xcov(x", ¥") y de aqui (AX, ¥) * p(X’, ¥"). Primero calculamos EUV) y (XY: KY) = Asdep + 110+ Pt 84g + 8-10+h = 1d BUY) = 10400 + LetOeg + Sedeg + 810-0 = 1 Como ee =a 2 yay sar oor (KY) = EY) — ay = 00 yr ¥) = BUY) — exe Nota: La nocién de una distribucién conjunta h se extiende a un niimero finito de variables aleatorias X.Y, ....Z de manera obvia; esto es, h es una funcién del conjunto producto X(S) x ¥(S) x +++% Z(S) definida por Rauys---0%) = P(X =a, Yay -- =m) VARIABLES ALEATORIAS INDEPENDIENTES Se dice que un mimero finito de variables aleatorias X, Y. . -., Z de un espacio muestral S son independientes si P(X=n Y=m, Zam) = PR=)PW ay) PE= A)82 VARIABLES ALEATORIAS car. 5 para valores x;,.x),.... 2x. En particular, X y ¥ son independientes si POL n) P(Y = i) Ahora si X y ¥ tienen las distribuciones /y g. respectivamente, y la distribucién conjunta h, entonces ku ‘ecuaci6n anterior se puede escribir como Hau) = Se)otw) =u) = PX En otras palabras, X y ¥ son independientes si cada elemento A(x, »3) 5 l producto de sus elementos marginales, Ejemplo 58: Sean X y Y variables aleatorias con la disribucién conjunta siguiente ¥ 2 3 ‘ me = si 1 0.06 | ois | 009 | 00 2 ots fos | om | a0 Suma | 020 | 9.50 | 030 Asi. las distribuciones de 4’ y ¥ son como sigue z 1 2 v Za [ot | fe) {030 | 0.20 vi [020 | oso | 03 | Disrbucion de Diswibucion de ¥ X y ¥ son variables aleatorias independicntes puesto que vada elemento de la istribucin cunjunta pue~ 4 obtenerse muliplicande sus elementos marginales estes PR =u) = PX =z) PW =y) para cada / y cada 7 Establezcemos algunas propiedades importantes de variables aleatorias que no se cumplen en ge neral, a saber, Teorema 5.6: Sean X y ¥ variables aleatorias independientes. Entonces: @) EXY) = EX) EY), Gi) var(X + ¥) = var(X) + var(Y), ii) cov(X, ¥) = 0. La parte (ii) del teorema anterior generaliza al muy importante Teorema $5.7: Sean Xi. X>, . Xq variables aleatorias independientes. Entonces var (Xi + +++ + XA) var (Xi) + +++ + var (Xa) FUNCIONES DE UNA VARIABLE ALEATORIA ‘Sean X y Y variables aleatorias del mismo espacio muestral S. Entonces se dice que ¥ es una fun- cién de X si ¥ puede representarse por alguna funcion # de valor real de una variable real Y = ®WW); esto es, si Vs) = [ X(s)} para todo s € S. Por ejemplo, kX, X*, X + k y (X +k}? son todas funciones de X con (x) = kx, x8, x +k y (x + K)? respectivamente. Tenemos el teorema funda- ‘mentalcares VARIABLES ALEATORIAS 83 Teorema 5.8: Sean Vy ¥ vuriables aleatorias de un misino espacio muestral Seon Y= &(N), En- tonces = Fs) = YS oeose donde es la funcion de distibucion de V Similarmente, se dice que una variable aleutoria Z es una funeidn de’ y ¥ si Z se puede represen tar por Z = @(X. Y) donde @ es una funcidn de valor re de dos variables reales; esto 6s, si Ay = |X), V4] para todo » € 5. Conforme al teorema anterior, tenemos Teorema $9: Sean ¥, ¥'y Z variables alestorias del mig espacio muestral Seon Z = O(N, ¥), Entonces E(Z) = Ye. ydatwiw) donde A es la distribucida conjunta de Vy? Hacemos notar que los dos teoremay anteriores se usaron implicitamente en la discusion y teoremas precedentes. También hacemos notar gue la prueba del teorema 5.9 se da como un problema pro- puesto, y que el teorema se generaliza pura una funcidn de m variables aleutorias en forma obvi. VARIABLES ALEATORIAS DISCRETAS EN GENERAL Ahora supangase que X es una variuble aleatoria de S con un conjunto imagen infinito contable; fosea, X(5) = |i xs... l. Tales variables aleatorias junto con aquellas de conjuntos imagen finitos (considerados atris) son lamadas variables aleatorias diseretas. Como en el caso finito, construimos X(5) en on espacio de probabilidad definiendo ta probabilidad de x como fix1) = P(X = x1) ¥ amamos fla distribucién de x: fee) | Mee) | fled fot E] valor esperado £(X) y la varianza var(\') se definen por E(X) = afla) + fle) + = var (X) = (tw) f(ts) + (@2— af) Ho = (im oP Fle), ‘cuando las series pertinentes convergen absolutamente, Se puede demostrar que var(X) existe'si y solo si = E(X) y A(X?) existen ambos y que en este caso la formula var (X) = EQ) — 2 €s valida justamente como en el caso finite. Cuando var(.X) existe, la desviacién esténdar ose define como en el caso finito por oy = VR) Las nociones de distribucién conjunta, variables aleatorias independientes y funciones de variables aleatorias se extienden directamente al caso general. Se puede demostrar que si X'y ¥ estén definidas en el mismo espacio muestral 5 y si var(X) y var(¥’) existen, entonces las seriesPy VARIABLES. ALEATORIAS car. 5 cov (X, ¥) z (2, ~ 1)(Uy — my) May ¥) convergen absolutameste y la relacion cov (X,¥) = Brahe Y) — wx = E(XY) = thy se cumple justamente como en el caso finito. Nota: Para evadit tecnicismos estableceremos muchos teoremas en este capitulo dnicamente para variables aleatorias finitas VARIABLES ALEATORIAS CONTINUAS Supéngase que ¥ es una variable aleatoria cuyo conjunto imagen X(S) ¢3 un conjunto con- tinuo de nimeros tales como un intervalo. Recal- camos de la definicidn de variables aleatorias que el conjunto !a=X <6! es un suceso de S y, por consiguiente, la probabilidad Pla =X = 5) est bien definida. Suponemos que existe una funcién continua especial 6 RR tal que Pla= X=) es igual al area bajo la curva de fontre x = a y x= b (comorse muestra a la derecha). En el lenguaje del célculo, Peas X=) = irea de lu parte sombreada Pa=X
You might also like
Barragan Ciberespacio y Cultura PDF
Document15 pages
Barragan Ciberespacio y Cultura PDF
Liliana Esther Perez Chamorro
No ratings yet
Guia 3 Vectores Fisica 10abcd
Document4 pages
Guia 3 Vectores Fisica 10abcd
Juan Carlos Arias Vega
No ratings yet
Guia 2 Fisica 10 PDF
Document4 pages
Guia 2 Fisica 10 PDF
No ratings yet
Magazines
Podcasts
Sheet music
Teoría y Práctica de División Algebraica PDF
Document3 pages
0% (1)
Teoría y Práctica de Fracciones Algebraicas PDF
Document3 pages
Teoría y Práctica de Fracciones Algebraicas PDF
0% (1)
Rev92ART1 Shulman, Lee
Document30 pages
Rev92ART1 Shulman, Lee
Nestor Fernando Guerrero Recalde
No ratings yet
Pinto, J., González M.2008 PDF
Document19 pages
Pinto, J., González M.2008 PDF
No ratings yet
Teoría de Exponentes PDF
Document2 pages
No ratings yet
Acevedo - 2009 Shulman
Document26 pages
Acevedo - 2009 Shulman
Roberto Mario Pizany Cartes
No ratings yet
Teoría y Práctica de Polinomios PDF
Document2 pages
Teoría y Práctica de Polinomios PDF
RoberthRedfield
No ratings yet
Teoría y Práctica de Productos Notables
Document1 page
Teoría y Práctica de Productos Notables
No ratings yet
Factorización PDF
Document2 pages
Factorización PDF
Rhaiza Meneses
No ratings yet
Document3 pages
0% (1)
Document2 pages
No ratings yet
Factorización PDF
Document2 pages
Factorización PDF
Rhaiza Meneses
No ratings yet
Teoría y Práctica de Cocientes Notables PDF
Document2 pages
Teoría y Práctica de Cocientes Notables PDF
100% (1)
Document2 pages
No ratings yet

Probabilidad de Seymour 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 de Seymour PDF

Uploaded by

Copyright:

Available Formats

You might also like