Apuntes de Probabilidades y Procesos Estocasticos

AYHAM A LCHOUHUF
14 DE FEBRERO DE 2016

Indice
1. Probabilidades: Conceptos y Definiciones
1.1. Senal Aleatoria . . . . . . . . . . . . . . . . . . .
1.2. Definicion de Conjunto . . . . . . . . . . . . . . .
1.3. Operaciones de Conjuntos . . . . . . . . . . . . .
1.3.1. Diagrama de Venn . . . . . . . . . . . . .
1.3.2. Igualdad y diferencia de conjuntos . . . . .
1.3.3. Union e interseccion . . . . . . . . . . . .
1.3.4. Complemento . . . . . . . . . . . . . . . .
1.4. Principio de dualidad . . . . . . . . . . . . . . . .
1.5. Conceptos de Probabilidades . . . . . . . . . . . .
1.5.1. Espacio Muestral . . . . . . . . . . . . . .
1.5.2. Espacios Muestrales Discretos . . . . . . .
1.5.3. Espacios Muestrales Continuos . . . . . .
1.6. Sucesos . . . . . . . . . . . . . . . . . . . . . . .
1.7. Axiomas y definicion de probabilidad . . . . . . .
1.8. Probabilidad: Como una Frecuencia Relativa . . . .
1.9. Probabilidad Conjunta y Condicional . . . . . . . .
1.9.1. Probabilidad conjunta . . . . . . . . . . .
1.9.2. Probabilidad condicional . . . . . . . . . .
1.10. Probabilidad Total . . . . . . . . . . . . . . . . . .
1.11. Teorema de Bayes . . . . . . . . . . . . . . . . . .
1.12. Sucesos Independientes . . . . . . . . . . . . . . .
1.12.1. Dos Sucesos . . . . . . . . . . . . . . . .
1.12.2. Multiples Sucesos . . . . . . . . . . . . .
1.12.3. Propiedades de los sucesos independientes
1.13. Experimentos Combinados . . . . . . . . . . . . .
1.13.1. Espacio muestral combinado . . . . . . . .
1.13.2. Sucesos en el espacio combinado . . . . .
1.14. Permutaciones . . . . . . . . . . . . . . . . . . . .
1.15. Combinaciones . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

2
2
2
2
2
2
2
2
2
2
2
2
2
2
2
3
3
3
3
3
3
3
3
4
4
4
4
4
5
5

2. Leyes y Formulas
2.1. Leyes de Conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

6
6

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

1.
1.1.

Probabilidades: Conceptos y Definiciones

1.3.4.

Complemento

El complemento de un conjunto A, que se designa como A, es

el conjunto de todos los elementos que no estan en A. Luego:

Aleatoria
Senal
A = SA

Una senal aleatoria es una forma de onda que solo se puede caracterizar de forma probabilstica. En general, puede ser una forma
de onda deseada o no deseada.

Tambien es facil ver que: = S, S = y que A A =

1.4.
1.2.

Definicion de Conjunto

Para cualquier conjunto Universal dado de N elementos, existen

2N posibles Sub-Conjuntos.

1.5.

Conceptos de Probabilidades

1.5.1.

Espacio Muestral

Es el conjunto de todos los resultados posibles en cualquier

experimento. Se designa mediante el smbolo S (Conjunto Universal).

Operaciones de Conjuntos

Cuando se trabaja con conjuntos, es u til emplear una representacion geometrica que nos permita asociar una imagen fsica con
los conjuntos.
1.3.1.

1.5.2.

Diagrama de Venn

Espacios Muestrales Continuos

Algunos experimentos tienen un espacio muestral infinito e

incontable. Por ejemplo, el experimento obtener un numero girando la manecilla de una rueda de la fortuna numerada de 0 a
12. Aqu, cualquier numero S de 0 a 12 puede ser el resultado y
S = {0 < s < 12}. Un espacio muestral as se dice que es continuo.

Igualdad y diferencia de conjuntos

Dos conjuntos A y B son iguales si todos los elementos de A

estan en B y todos los elementos de B estan en A; es decir, si A C B
y B C A. Que dos conjuntos sean iguales se expresa como A = B.

1.6.

La diferencia de dos conjuntos A y B se denota por A B

y es el conjunto que contiene todos los elementos de A que no
estan presentes en B. Por ejemplo, con A = {0, 6 < a < 1, 6}
y B = {1, 0 < b < 2, 5}, entonces A B = {0, 6 < c < 1, 0} o
B A = {1, 6 < d < 2, 5}. Observe que A B 6= B A.
1.3.3.

Espacios Muestrales Discretos

En el experimento de tirar un dado, S es un conjunto finito de

seis elementos. Tal espacio muestral se dice que es discreto y finito.
En algunos experimentos, el espacio muestral puede ser discreto e
infinito. Por ejemplo, S en el experimento elegir aleatoriamente
un entero positivo es el conjunto infinito contable {1, 2, 3, . . .}.

Los conjuntos se representan mediante figuras planas cerradas.

Los elementos de los conjuntos se representan mediante puntos en
su interior (area). El conjunto universal S se representa mediante
un rectangulo.
1.5.3.
1.3.2.

Principio de dualidad

Este principio establece si en una identidad reemplazamos las

uniones por intersecciones, las intersecciones por uniones, S por
y por S, entonces la identidad no vara.

Un conjunto es una coleccion de objetos. Los objetos se llaman

elementos del conjunto y pueden ser cualquier cosa. Y un conjunto
de conjuntos, a veces se le denomina clase de conjuntos.

1.3.

(3)

Sucesos

Un suceso se define como un subconjunto del espacio muestral. Puesto que un suceso es un conjunto, todas las definiciones
y operaciones anteriores aplicables a conjuntos se aplicaran a los
sucesos. Por ejemplo, si dos sucesos no tienen resultados comunes
seran mutuamente excluyentes.
Al igual que los espacios muestrales, los sucesos pueden ser
discretos o continuos.

Union e interseccion

La union (sea C) de dos conjuntos A y B se expresa del siguiente modo:

C = AB
(1)

1.7.

Axiomas y definicion de probabilidad

A cada suceso definido sobre un espacio muestral le asignaremos un numero no negativo denominado probabilidad y se denota
como P(A), para definir la probabilidad de que ocurra el suceso A,
Por tanto, la probabilidad es una funcion de los sucesos definidos.
Cuando un suceso se enuncia explcitamente como un conjunto
usando llaves, empleamos la notacion P{} en lugar de P({}).
Axiomas:

Es el conjunto de todos los elementos de A o B, o ambos. La

union a veces se denomina suma de dos conjuntos.
La interseccion (sea D) de dos conjuntos A y B se expresa como
sigue:
D = AB
(2)
Es el conjunto de todos los elementos comunes de A y B. En
ocasiones, la interseccion se denomina producto de dos conjuntos.
Propiedad: Para dos conjuntos mutuamente excluyentes A y B,
el producto: A B =

1. P(A) 0
2. P(S) = 1
2

S se conoce como Suceso Seguro

El tercer axioma se aplica a N sucesos An , n = 1, 2, . . . , N, don- 1.10. Probabilidad Total

de N posiblemente sea infinito, definido sobre un espacio muestral
La probabilidad P(A) de cualquier suceso A definido sobre un
S y teniendo la propiedad Am An = 0 para todo m 6= n. Es decir,
espacio muestral S se puede expresar en terminos de probabilida!
N
N
[
des condicionales. Supongamos que tenemos sucesos mutuamente
An = P(An )
3. P
si Am An = 0
excluyentes Bn , n = 1, 2, . . . , N; cuya union es igual a S. Estos sun=1
n=1
cesos satisfacen:
Observar: En general, la probabilidad de un suceso discreto,
definido sobre un espacio muestral continuo es 0. Una consecuen1. Bm Bn =
m 6= n = 1, 2, . . . , N
cia de la afirmacion anterior es que los sucesos pueden ocurrir inN
[
cluso aunque su probabilidad sea 0. Tales sucesos no son iguales
2.
Bn = S
que el suceso imposible, que no tiene ningun elemento, por tanto,
n=1
no puede ocurrir. La situacion inversa puede producirse cuando los
sucesos con probabilidad no pueden ocurrir. Finalmente, los suce- Y finalmente definiendo:
sos con probabilidad 1 (que pueden no ocurrir) no son iguales que
N
el suceso seguro, que debe ocurrir siempre.
P(A) = P(A|Bn )P(Bn )
(8)
n=1

1.8.

Probabilidad: Como una Frecuencia Relativa

como probabilidad total del suceso A.

Suponiendo un experimento cualquiera, el cual se repite muchas veces (por ejemplo digamos N) y algun suceso especifico que
llamaremos nH , de n ensayos, entonces:
nH
= P(H)
(4)
lm
n+ n

1.11.

Teorema de Bayes

Sea Bn uno de los sucesos definidos en un experimento cualquiera, y un suceso A ya registrado, se define:

Donde P(H) se interpreta como la probabilidad del suceso H. La

P(Bn A)
relacion nH /n es la frecuencia relativa (o numero promedio de ocu,
P(Bn |A) =
P(A)
rrencias) de ese suceso. Se utiliza la idea de regularidad estadstica para tener en cuenta el hecho de que las frecuencias relativas se
O alternativamente:
aproximan a un valor fijo (una probabilidad) cuando n es grande.
P(A Bn )
,
P(A|Bn ) =
P(Bn )
1.9. Probabilidad Conjunta y Condicional

P(A) 6= 0

(9)

P(Bn ) 6= 0

(10)

En ciertos experimentos, puede ocurrir que algunos sucesos no Una forma del teorema de Bayes se obtiene de igualar las ecuaciosean mutuamente excluyentes debido a los elementos comunes en nes (9) y (10):
el espacio muestral. Estos elementos corresponden a la ocurrencia
P(A|Bn )
simultanea o conjunta (joint) de los sucesos no excluyentes. Para
P(Bn |A) =
P(Bn ),
P(A) 6= 0
(11)
dos sucesos A y B, los elementos comunes forman el suceso A B.
P(A)
1.9.1.

Otra forma se obtiene sustituyendo P(A) con la expresion dada por

(8):

Probabilidad conjunta

La probabilidad P(A B) se denomina probabilidad conjunta

de los sucesos A y B que se interseccionan en el espacio muestral.
P(A B) = P(A) + P(B) P(A B)

P(Bn |A) =

(5)

P(A|Bn )P(Bn )
, n = 1, 2, . . . , N
P(A|B1 )P(B1 ) + . . . + P(A|Bn )P(Bn )
(12)

De forma equivalente,
P(A B) = P(A) + P(B) P(A B) P(A) + P(B)

1.12.

(6)

Sucesos Independientes

En otras palabras, la probabilidad de la interseccion de dos sucesos 1.12.1. Dos Sucesos

nunca es mayor que la suma de las probabilidades de los sucesos.
Sean dos sucesos A y B tales, que tienen probabilidades distinLa igualdad se mantiene solo para sucesos mutuamente excluyentas
de
cero de ocurrir; es decir, P(A) 6= 0 y P(B) 6= 0. Decimos que
tes, porque A B = , y por tanto P(A B) = P( ) = 0.
los sucesos son estadsticamente independientes si la probabilidad
de ocurrencia de uno de ellos no se ve afectada por la ocurrencia
1.9.2. Probabilidad condicional
del otro suceso.
Dado un suceso B con probabilidad distinta de cero, tal que
P(B) > 0 definimos la probabilidad condicional de un suceso A,
P(A|B) = P(A) y P(B|A) = P(B)
(13)
dado B, como sigue:
Ademas, comprobamos que la independencia estadstica tamP(A B)
(7) bien significa que la probabilidad de la ocurrencia conjunta (inP(A|B) =
P(B)
terseccion) de dos sucesos tiene que ser igual al producto de las
probabilidades
de los dos sucesos:
La probabilidad P(A|B) simplemente refleja el hecho de que la
probabilidad de un suceso A depende de un segundo suceso B. Si
A y B son mutuamente excluyentes, A B = y P(A|B) = 0
P(A B) = P(A)P(B)
(14)
3

1.13.1.

Pero, la probabilidad conjunta de dos sucesos independientes

Espacio muestral combinado

es:

Consideremos en primer lugar solo dos subexperimentos. Sean

S1 y S2 los espacios muestrales de los dos subexperimentos, y sean
P(A B) = 0
(15) s1 y s2 los elementos de S1 y S2 respectivamente. Formamos un
nuevo espacio S, denominado espacio muestral combinado 1 , cuObservar: Si los dos sucesos tienen probabilidades de ocurrenyos elementos son todos los pares ordenados (s1 , s2 ). Por tanto, si
cia distintas de cero, entonces, por comparacion de (14) con (15),
Sl tiene M elementos y S2 tiene N elementos, entonces S tendra
podemos establecer facilmente que dos sucesos no pueden ser muMxN elementos. El espacio muestral combinado se denota por:
tuamente excluyentes y estadsticamente independientes. No obstante, para que dos sucesos sean independientes su interseccion
S = S1 S2
(20)
debe ser A B 6= 0. Si un problema implica mas de dos sucesos,
aquellos sucesos que satisfagan (13) o (14) se dice que son indeY en general: Para N espacios muestrales Sn , n = 1, 2, . . . , N,
pendientes entre s.
con sN elementos, el espacio muestral combinado S se denota:
1.12.2.

S = S1 S2 S3 . . . SN

Multiples
Sucesos

y es el conjunto de todas las N tuplas ordenadas:

En el caso de tres sucesos, A1 , A2 yA3 , se dice que son independientes si y solo si son independientes dos a dos y tambien son
independientes los tres conjuntamente; es decir, deben satisfacer
las cuatro ecuaciones siguientes:

(s1 , s2 , . . . , sN )
1.13.2.

P(A1 A2 ) = P(A1 )P(A2 )

P(A1 A3 ) = P(A1 )P(A3 )
P(A2 A3 ) = P(A2 )P(A3 )
P(A1 A2 A3 ) = P(A1 )P(A2 )P(A3 )

(21)

(22)

Sucesos en el espacio combinado

(16)

Los sucesos se pueden definir en el espacio muestral combinado a traves de sus relaciones con los sucesos definidos en los espa(17) cios muestrales de los subexperimentos. Consideremos dos subexperimentos con los espacios muestrales S1 y S2 . Sea A cualquier
(18) suceso definido sobre S1 y B cualquier suceso definido sobre S2 ,
entonces:
(19)

C = AB
En general, para decir que N sucesos A1 , A2 , . . . , AN son estadsticamente independientes, se requiere que todas las 2N N
es un suceso definido sobre S formado por todos los pares
1 condiciones se cumplan.
(s1 , s2 ) tales que: s1 A y s2 B. Dado que los elementos de A
corresponden a los elementos del suceso A S2 definido sobre S,
y los elementos de B corresponden al suceso S2 B definido sobre
1.12.3. Propiedades de los sucesos independientes
S, podemos facilmente establecer que:
Si N sucesos A1 , A2 , . . . , Ai , . . . , AN son independientes, enA B = (A S2 ) (S1 B)
(23)
tonces ninguno de ellos es independiente de cualquier suceso formado por uniones, intersecciones y complementarios
Por tanto, el suceso definido por el subconjunto de S dado por
de los demas sucesos.
A B es la interseccion de los subconjuntos A S2 y S1 B. Consideremos todos los subconjuntos de S de la forma A B como
Para dos sucesos independientes A1 yA2 , resulta que A1 es sucesos. Todas las intersecciones y uniones de tales sucesos tamindependiente de A2 , A1 es independiente de A2 y A1 es in- bien son sucesos.
dependiente de A2 .
Para tres sucesos independientes A1 , A2 y A3 , cualquiera de
ellos es independiente de la ocurrencia conjunta de los otros
dos. Por ejemplo: P[A1 (A2 A3 )] = P(A1 )P(A2 )P(A3 ) =
P(A1 )P(A2 A3 ). Cualquiera de los sucesos tambien es independiente de la union de los otros dos. Por ejemplo:
P[A1 (A2 A3 )] = P(A1 )P(A2 A3 )

1.13.

Experimentos Combinados

Un experimento combinado consiste en formar un u nico experimento mediante la combinacion adecuada de experimentos individuales, los cuales denominaremos ahora subexperimentos. Recuerde que un experimento se define especificando tres magnituConsideremos en primer lugar solo dos subexperimentos. Dado
des: 1. el espacio muestral aplicable, 2. los sucesos definidos en el
que todos los sucesos definidos en S seran uniones e intersecciones
espacio muestral, y 3. las probabilidades de los sucesos.
1 En

algunos textos, tambien denominado espacio del producto cartesiano.

de sucesos de la forma A . . . B, donde A S! y B S2 solo necesitamos determinar P(A B) para cualesquiera A y B. Consideramos
u nicamente el caso en que: P(A B) = P(A)P(B) (expresion denominada experimentos independientes).
Y en general para N experimentos independientes, la generalizacion para experimentos independientes es:
P(A1 A2 . . . An ) = P(A1 )P(A2 ) . . . P(An )

(24)

donde An Sn , n = 1, 2, ..., N. Con experimentos independientes, los resultados anteriores demuestran que las probabilidades para los sucesos definidos en S quedan completamente determinadas
a partir de las probabilidades de los sucesos definidos en los subexperimentos.

1.14.

Permutaciones

A menudo, los experimentos implican multiples pruebas en las

que los resultados son los elementos de un espacio muestral finito y
e stos no se reemplazan despues de cada prueba. Por ejemplo, en la
extraccion de cuatro de cartas de una baraja de 52 cartas, cada una
de las ?extracciones? no se reemplaza, de modo que los espacios
muestrales para la segunda, tercera y cuarta extraccion solo tienen
51, 50 y 49 elementos, respectivamente. En este y otros tipos de
problemas, el numero de posibles secuencias de resultados suele
ser importante. En la primera prueba, para n elementos existen n
posibles resultados, (n 1) en la segunda prueba, etc. Para extraer
r elementos, el numero de posibles secuencias de r elementos de
los n originales se denota mediante Prn , y se calcula como sigue:
Prn =

n!
(n r)!

(25)

Con ordenaciones de r elementos tomados de n en n=

n(n 1)(n 2) (n r + 1)

1.15.

Combinaciones

Si el orden de los elementos en una secuencia no es importante,

quiere decir que habra menos secuencias posibles de n elementos
tomados de r en r sin reemplazamiento. De hecho, el numero de
permutaciones de (25) se reduce en un factor que esta dado por el
numero de permutaciones (ordenaciones) de los r elementos, que
es Prr = r! El numero resultante de secuencias cuando el orden no
importa es lo que se denomina numero de combinaciones de n elementos tomados de r en r. Por tanto
 
n
Pn
n!
= rr =
(26)
r
Pr
(n r)!r!

2.

Leyes y Formulas

2.1.

 Probabilidad conjunta:
P(A B) = P(A) + P(B) P(A B)
P(A B) = P(A) + P(B) P(A B) P(A) + P(B)

P(A B)
Probabilidad condicional: P(A|B) =
P(B)
(

Leyes de Conjuntos


AB = BA
Ley conmutativa:
AB = BA

A (B C) = (A B) (A C)
Ley distributiva:
A (B C) = (A B) (A C)

A (B C) = (A B) C = A B C
Ley asociativa:
A (B C) = (A B) C = A B C

AB = AB
Leyes de Morgan:
AB = AB
!
Prob. de n sucesos: P

N
[

n=1

Probabilidad total:

Teorema de Bayes:

P(Bn |A) = P(A|Bn ) P(Bn ),

P(A) 6= 0
P(A)

n!
Num. de Permutaciones: Prn =
(n r)!
 
Pn
n
n!
= rr =
Num. Combinaciones:
r
Pr
(n r)!r!

An

P(A) = P(A|Bn )P(Bn )

n=1

P(Bn |A) = P(Bn A) ,

P(A) 6= 0
P(A)

P(An ), si Am An = 0

n=1