EL PRINCIPIO DE INCLUSIN-EXCLUSIN Y ALGUNAS

APLICACIONES EN PROBABILIDAD

WILLIAM GONZALO ROJAS DURN

UNIVERSIDAD INDUSTRIAL DE SANTANDER

FACULTAD DE CIENCIAS
ESCUELA DE MATEMTICAS
BUCARAMANGA
2010
EL PRINCIPIO DE INCLUSIN-EXCLUSIN Y ALGUNAS
APLICACIONES EN PROBABILIDAD

WILLIAM GONZALO ROJAS DURN

Monografa presentada para optar al

ttulo de Licenciado en Matemticas

Director
GERMN MORENO ARENAS, Ph.D.

UNIVERSIDAD INDUSTRIAL DE SANTANDER

FACULTAD DE CIENCIAS
ESCUELA DE MATEMTICAS
BUCARAMANGA
2010
3
4
Agradecimientos

A LARC POR SU AMOR Y APOYO INCONDICIONAL.

A MI MADRE, HERMANAS Y SOBRINAS QUE LAS AMO CON TODO MI CORAZN.

A LOS PROFESORES JUAN ANDRS MONTOYA Y CAROLINA MEJA POR SU

APOYO Y POR TODA SU ENSEANZA BRINDADA.

Y A TODOS LOS PROFESORES POR SUS ENSEANZAS.

 RESUMEN

TTULO: EL PRINCIPIO DE INCLUSIN-EXCLUSIN Y ALGUNAS APLI-

CACIONES EN PROBABILIDAD1

AUTOR: WILLIAM GONZALO ROJAS DURN2

PALABRAS CLAVES: Principio de Inclusin-Exclusin, Combinatoria, Permuta-

ciones y desarreglos, Cardinalidad de un Conjunto, Probabilidad.
DESCRIPCIN: Es importante notar que el principio de inclusin-exclusin tiene
una historia interesante, a este resultado se le encuentra en distintos manuscritos con
nombres como el mtodo de la criba o el principio de clasificacin cruzada. La versin de
este principio desde el punto de vista de la teora de conjuntos se encuentra en Doctrine
of chances (1718), un texto de teora de probabilidad de Abraham DeMoivre (1667-
1754). Un poco antes, en (1708), Pierre Rmond de Montmort (1678-1719) us la idea
subyacente al principio en su solucin del problema que por lo general se conoce le pro-
blme des rencontres o emparejamientos. Este trabajo prentende relacionar el principio
de inclusin-exclusin, propio de la teora de conjuntos, con la probabilidad; estudiando
algunas aplicaciones en la resolucin de problemas de esta rama de las matemticas. El
principio de Inclusin-Exclusin en su versin probabilstica afirma que:
Si A1 , A2 , . . . , An son subconjuntos (eventos), de un espacio muestral , entonces la
probabilidad de ocurrencia del evento A1 A2 An es
[ n  X n X
P Ai = (1)k1 P (AI )
i=1 k=1 I{1,...,n}; |I|=k

donde k = 1, . . . , n y
\
AI = Ai
iI

Este principio es esencial en el desarrollo de situaciones cotidianas de conteo y probabi-

lidad que conciernen el clculo de cardinalidades de ciertos conjuntos, que como se ha
dicho permite resolver problemas de probabilidad.
1
Dr. Germn Moreno Arenas, Director del Trabajo de Grado.
2
Programa de Licenciatura en Matemticas, Escuela de Matemticas, Facultad de Ciencias, Univer-
sidad Industrial de Santander.
 ABSTRACT

TITLE: THE PRINCIPLE OF INCLUSION-EXCLUSION AND SOME AP-

PLICATIONS IN PROBABILITY*

AUTHOR: WILLIAM GONZALO ROJAS DURN**

KEYWORDS: Inclusion-Exclusion Principle, Combinatory, Permutations and derange-

ments, Cardinality of a set, Probability.
DESCRIPTION: It is important to note that the principle of inclusion-exclusion is
an interesting story, this result is found in various manuscripts with names such as the
screening method or the principle of cross-classification. The version of this principle
from the viewpoint of set theory is found in Doctrine of chances (1718), a text of pro-
bability theory DeMoivre Abraham (1667-1754). A little earlier, in (1708), Comte de
Montmort (1678-1719) used the idea behind the principle in solving the problem that
is usually called him probleme des rencontres or pairings. This work pretends to relate
the inclusion-exclusion principle, characteristic of set theory, with probability, we study
some applications in solving problems of this branch of mathematics. The principle of
inclusion-exclusion probability version states:
If A1 , A2 , . . . , An are subsets (events), of a sample space , then the probability of
occurrence of the event A1 A2 An is
[n  X n X
P Ai = (1)k1 P (AI )
i=1 k=1 I{1,...,n}; |I|=k

where k = 1, . . . , n and
\
AI = Ai
iI

This principle is essential in everyday situations to develop counting and probability

calculation concerning cardinalities of certain sets, which as mentioned can solve pro-
bability problems.
*
Dr. Germn Moreno Arenas, Undergraduate Dissertation Director.
**
Undergraduate Program of Licentiate in Mathematics, School of Mathematics, Faculty of Science,
Universidad Industrial de Santander.
Tabla de Contenido

Introduccin 2

1. Preliminares 3
1.1. Principios bsicos de conteo . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2. Permutaciones simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.3. Principio de Dirichlet o del palomar . . . . . . . . . . . . . . . . . . . . 7
1.4. Combinatoria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.5. Principio de Inclusin-Exclusin y Generalizacin . . . . . . . . . . . . . 9
1.6. Permutaciones caticas o desarreglos . . . . . . . . . . . . . . . . . . . . 11

2. Probabilidad 14
2.1. Introduccin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.2. Espacio Muestral y Probabilidad de Laplace . . . . . . . . . . . . . . . . 15
2.3. Espacios de Probabilidad . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.4. Probabilidad Condicional . . . . . . . . . . . . . . . . . . . . . . . . . . 25

3. El principio de Inclusin-Exclusin en probabilidad 31

3.1. Ejemplos y algunas aplicaciones . . . . . . . . . . . . . . . . . . . . . . . 38

Conclusiones 51

Referencias Bibliogrficas 52

1
Introduccin

Diferentes investigaciones han concluido que las ideas estadsticas son con frecuencia mal
interpretadas por los estudiantes e incluso por muchos profesionales (DelMas y otros,
1999; Erickson, 2006; Rubn y otros, 2006; Batanero, 2000). Las causas de tal hecho van
desde la complejidad misma de estas ideas, hasta el poco tiempo dedicado a los cursos de
estadstica. Al resolver un problema de probabilidad o estadstica, el razonamiento que
debe hacerse para esto es diferente de aquel que se hace cuando se ataca un problema de
matemticas. Sin embargo, el poder hacer uso de resultados matemticos en la resolucin
de problemas de probabilidad le brinda a esta rama precisin y un carcter formal. Para
ser concretos, el problema de contar es tan antiguo como el raciocinio del mismo. La
necesidad de contar llev al ser humano a inventar los nmeros.

Ahora bien, actualmente el problema de contar va ms all de la escritura y se hace

necesario un excelente conocimiento de la teora de conjuntos como sustento para con-
tar elementos de un conjunto cuando no resulta sencillo enumerarlo. La teora de la
probabilidad, la estadstica y la computacin del pasado siglo, forzaron a la comunidad
matemtica-estadstica a desarrollar nuevas tcnicas de conteo de gran generalidad. En
tal sentido, la idea de esta monografa consiste en estudiar objetivamente el principio
de inclusin-exclusin as como el uso de sus corolarios en situaciones probabilsticas.
Es por ello que la teora de conjuntos, las tcnicas de conteo, el anlisis combinatorio;
entre otras teoras matemticas, sern necesarias aqu para llevar a cabo el trabajo que
me propongo realizar, por lo tanto es importante tener un excelente conocimiento de
las proposiciones ms relevantes que acerca de stas se tiene.

2
Captulo 1

Preliminares

Para comenzar abordar algunos de los conceptos y definiciones concernientes a la teora

de conteo: Principio de la suma, principio del producto, permutaciones simples, combi-
naciones, permutaciones caticas o desarreglos, el principio de Dirichlet y el principio de
inclusin-exclusin; as como algunos ejemplos que ilustren el uso de dichos conceptos
y teoremas.

1.1. Principios bsicos de conteo

Cardinalidad de un conjunto.
Sea A un conjunto finito, se denota por |A| al nmero de elementos o cardinalidad de
A. Adems, |A| = 0 si y solo si A = .
Principio de Adicin o regla de la suma.
El enunciado de este teorema puede ser el siguiente: Si una primera tarea puede realizar-
se de m formas distintas, mientras que una segunda tarea puede realizarse de n formas
distintas, y no es posible realizar ambas tareas de manera simultnea, entonces para
llevar a cabo cualquiera de ellas pueden utilizarse m + n formas distintas. Matemtica-
mente el teorema afirma que:
Si A1 , A2 , . . . , An es una coleccin de conjuntos finitos, disjuntos dos a dos, entonces

 n n
[  X


 Ai  =
 |Ai |
i=1 i=1

Demostracin. La prueba se hace por induccin sobre el nmero de conjuntos. En

primer lugar veamos que la afirmacin es cierta para dos conjuntos no vacos disjuntos.
En efecto, sean A1 y A2 dos conjuntos finitos tales que A1 A2 = ; entonces, si
A1 = {a1 , a2 , . . . , am } y A2 = {b1 , b2 , . . . , bn }
al ser disjuntos no tendrn elementos comunes, de aqu que

3
 A1 A2 = {a1 , a2 , . . . , am , b1 , b2 , . . . , bn }
luego,
|A1 A2 | = m + n = |A1 | + |A2 |,
y por tanto el teorema es vlido para n = 2.
Supongamos ahora que la proposicin es cierta para k conjuntos finitos, disjuntos dos
a dos, es decir, se cumple que
 k k
[  X


 A i
 = |Ai |.
i=1 i=1

Veamos entonces que el teorema es cierto para k + 1 conjuntos finitos, disjuntos dos a
dos.
En efecto,
k+1
[ k
[ 
Ai = A1 A2 Ak Ak+1 = Ai Ak+1 .
i=1 i=1

De otro lado,
k
[ \
Ai Ak+1 = (A1 A2 ... Ak ) Ak+1
i=1
= (A1 Ak+1 ) (A2 Ak+1 ) ... (Ak Ak+1 )
= ...
= .

Lo anterior muestra que los conjuntos

[ k 
Ai y Ak+1
i=1

son disjuntos, y por tanto

 k+1   k  
[   [ 

 Ai  = 
  Ai Ak+1 
i=1 i=1

 k k
[    X  
    
= 
 Ai  + Ak+1  =
   |Ai | + Ak+1 

i=1 i=1
k+1
X
= |Ai |.
i=1

Lo anterior muestra que;

4
  n  n
[  X

 Ai
 = |Ai |,
i=1 i=1

y el teorema queda probado.

Principio del producto o de la multiplicacin.

Este principio permitir resolver fcilmente situaciones que involucren procesos que
consistan en acciones sucesivas.
Supongamos que una accin consiste en una sucesin de pasos. Por ejemplo lanzar un
dado, luego otro y a continuacin un tercero. Se dice que los pasos son independientes
si el nmero de formas en que puede hacerse cada uno de ellos no depende del nmero
de formas en que pueden realizarse cada uno de los dems.

Teorema 1.1. Si A1 , A2 , . . . , An es una coleccin de conjuntos finitos no vacos, en-

tonces

|A1 A2 An | = |A1 | |A2 | . . . |An |

Demostracin. La prueba se hace por induccin sobre el nmero de conjuntos, que

denotaremos con el smbolo n.
Sean A1 y A2 dos conjuntos finitos no vacos cualesquiera,
A1 = {a1 , a2 , . . . , am } y A2 = {b1 , b2 , . . . , bn }
y sea ai A1 , i {1, 2, . . . , m}, un elemento cualquiera de A1 .
Entonces existen n parejas ordenadas de la forma (ai , b), con b A2 , en el conjunto
A1 A2 . Ahora bien, como hay n elementos en el conjunto A2 , resultan en total n formas
de escoger la segunda componente de la pareja ordenada (ai , b); esto es, n maneras de
obtener m parejas de la forma (ai , b) en A1 A2 , es decir; se obtienen en total m n
parejas ordenadas en el conjunto A1 A2 . Lo anterior muestra que
|A1 A2 | = m n = |A1 | |A2 |,
y el teorema es vlido para n = 2.
Suponemos ahora que la afirmacin es vlida para k conjuntos, es decir, si A1 , A2 , ..., Ak
es una coleccin de conjuntos finitos no vacos; entonces
|A1 A2 Ak | = |A1 | |A2 | . . . |Ak |.
Veamos que la proposicin es vlida para k + 1 conjuntos finitos no vacos.
En efecto,

|A1 A2 Ak Ak+1 | = |(A1 A2 Ak ) Ak+1 |

= |A1 A2 Ak | |Ak+1 |.

En uso de la hiptesis de induccin, la anterior igualdad implica que

5
 |A1 A2 Ak Ak+1 | = |A1 | |A2 | . . . |Ak | |Ak+1 |,
y por el principio de induccin matemtica, el teorema es vlido para todo entero posi-
tivo n.

1.2. Permutaciones simples

Definicin 1.1. Una permutacin simple de n objetos es cualquier agrupamiento orde-
nado de esos objetos.

Como caso particular de la definicin anterior podemos considerar la siguiente situacin,

tomemos el conjunto de nmeros {1, 2, 3}, entonces las permutaciones posibles de este
conjunto son

(1, 2, 3), (1, 3, 2), (2, 1, 3), (2, 3, 1), (3, 1, 2), (3, 2, 1).

Ahora bien, fijando cualquiera de estos tres nmeros en primera posicin, quedan dos
elementos para ocupar la segunda posicin, y dado que inicialmente el conjunto contaba
con 3 elementos, resulta que en total se obtienen 3 2 1 = 6 permutaciones de estos
elementos. Este hecho constituye un problema clsico de conteo que se abordar ms
adelante.
Una pregunta que surge naturalmente de esta definicin es:
Dados n objetos distintos a1 , a2 , ..., an , de cuntos modos es posible ordenarlos?
Es fcil de observar que el nmero de posibilidades en que se puede elegir cualquiera
de estos objetos para ocupar la primera posicin del ordenamiento es n, y que una vez
elegido este primer elemento quedan disponibles n 1 objetos para ocupar la segunda
posicin, n 2 objetos para la tercera y, por ltimo, habr una nica opcin para llenar
la n-sima posicin. Se sigue, por el principio de multiplicacin, que en total existen
1 2 ...(n 2) (n 1) n modos distintos de ordenar estos n objetos. El producto
que ha aparecido en la resolucin del problema anterior tiene importancia especial y se
hace referencia a l en la siguiente definicin.

Definicin 1.2. Dado un un nmero natural n, se define el factorial de n como el

producto de todos los nmeros naturales menores o iguales que n y se denota por n!, es
decir, n! = n (n 1) (n 2) 1. Adems 1! = 0! 1

Ejemplo:
Si A es un conjunto con n elementos, cuntas son las funciones biyectivas de f : A
A?
Supongamos que A = {a1 , a2 , a3 , . . . , an }, entonces la imagen de a1 , f (a1 ), puede ser
escogida de n formas distintas en A. Ahora, la imagen de a2 , f (a2 ), puede escogerse de
n 1 formas distintas en A; puesto que f es biyectiva. As entonces si an es el ltimo
elemento disponible en A, entonces su imagen puede escogerse de una nica manera, y

6
por tanto el nmero de funciones biyectivas que se pueden definir de A en A est dado
por

n (n 1) (n 2) 1 = n!

1.3. Principio de Dirichlet o del palomar

Principio de las gavetas de Dirichlet
Si n objetos fuesen colocados en no ms de n 1 gavetas, entonces al menos una de
ellas contendr como mnimo dos objetos

Demostracin. Por reduccin al absurdo. Si cada una de las gavetas contuviera a lo

sumo un objeto, el nmero total de objetos contenidas en ellas sera a lo ms, n 1, lo
que es una contradiccin.

Ejemplo:
En una gaveta hay 12 medias blancas y 12 medias negras. Cuntas medias debemos
retirar al azar para tener certeza de obtener un par de medias del mismo color?
Pensando en las medias como objetos y los dos colores como las dos gavetas, se observa
que con 3 medias habr dos medias con un mismo color. La respuesta es por tanto 3.

Principio del Palomar, de los Casilleros o de Dirichlet (versin general)

Si se tiene un conjunto de n objetos, repartidos en m casilleros y n > km, con k un
nmero natural, entonces hay al menos un casillero donde hay k + 1 o ms objetos.

Demostracin. Supongamos que tenemos n objetos repartidos en m casilleros con n >

km, y supongamos por contradiccin que el principio es falso, es decir, que no hay
casilleros con (k + 1) o ms objetos. Esto quiere decir que todos los casilleros tienen
a lo ms k objetos (k o menos objetos). Entonces el nmero de objetos que hay en
m
X
los casilleros ser igual a Ni , siendo Ni el nmero de objetos del casillero i. Pero
i=1
se sabe que en cada casillero hay k objetos o menos, luego se tiene que: N1 k,
Xm
N2 k,...,Nm k. Sumando ahora estas desigualdades se obtiene Ni km, esto
i=1
es, el nmero total de objetos en los casilleros es menor o igual a km (n km). Pero
esto es una contradiccin ya que n > km. Luego, nuestra suposicin de que el principio
era falso es incorrecta. Por lo tanto, el Principio del Palomar es cierto.

Ejemplo: En un estadio hay 10000 personas. Demostrar que hay al menos un grupo de
28 personas que est de cumpleaos el mismo da.
Bastara considerar a las personas del estadio como nuestros objetos y a los das del ao
como nuestros casilleros (podemos clasificar a las personas segn su da de cumpleaos).

7
As, tenemos que el nmero de personas es n = 10000 y el nmero de das del ao es
k = 366 (consideramos el caso fortuito de que haya personas nacidas en das 29 de
febrero). Podemos notar, adems, que 366 27 = 9882, entonces 10000 > 27 366 (es
decir, k = 27), luego, el Principio del Palomar nos asegura que en alguno de los das del
ao hay 28 o ms personas de cumpleaos.

1.4. Combinatoria
De manera general se puede decir que el anlisis combinatorio es la parte de la matemti-
ca que analiza estructuras y relaciones discretas.
Dos tipos de problemas que ocurren frecuentemente en el anlisis combinatorio son:
1) Demostrar la existencia de subconjuntos de elementos de un conjuntos finito dado y
que satisfacen ciertas condiciones.
2) Contar o clasificar los subconjuntos de un conjunto finito y que satisfacen ciertas
condiciones.
De cuntos modos podemos escoger p objetos distintos de un conjunto de n objetos
distintos?
Se define el coeficiente combinatorio Cnp por la expresin
n!
Cnp = , 0 p n.
p!(n p)!
La expresin anterior da solucin a la pregunta propuesta, es decir, Cnp representa el
nmero de modos en que se puede escoger p objetos distintos de entre n objetos distintos
dados.
Ejemplo:
En un torneo en el cual cada participante enfrenta a todos los dems una nica vez, son
jugadas 780 partidas. Cuntos son los participantes?
Sea n el nmero de participantes en el torneo, como cada participante se enfrenta una
sola vez a los dems, resulta que el nmero de partidas que en total se disputan est dada
por el nmero de parejas que se pueden obtener dentro del nmero total de participantes,
es decir
n! n (n 1) (n 2)!
Cn2 = =
2! (n 2)! 2 (n 2)!
n(n 1)
= ,
2
por lo tanto
n(n 1)
= 780,
2
de donde se deduce que n = 40.

8
Definicin 1.3. Sea A un conjunto finito no vaco. Una particin de A es una familia
de conjuntos A1 , A2 , . . . , Ak , todos no vacos, tales que:
[k
1) Ai = A
i=1
2) Ai Aj = , si i 6= j
O sea los conjuntos A1 , A2 , . . . , Ak son disjuntos dos a dos, y su unin es el conjunto A.
Diremos tambin que A fue particionado por los conjuntos A1 , A2 , . . . , Ak .

1.5. Principio de Inclusin-Exclusin y Generalizacin

Principio de Inclusin-Exclusin.
Teorema 1.2. Sean A y B dos conjuntos, entonces:
|A B| = |A| + |B| |A B|.
Demostracin. Sean m la cantidad de elementos del conjunto A que no pertenecen a B;
n la cantidad de elementos del conjunto B que no pertenecen a A; y k la cantidad de
elementos que pertenecen a los dos conjuntos. Entonces se tiene que:
|A B| = |A\B| + |B\A| + |A B|
= m + n + k.
De otro lado,
|A| + |B| |A B| = (m + k) + (n + k) k
= m + n + k.
Por tanto,
|A B| = |A| + |B| |A B|,
como se afirm.
La grfica a continuacin ilustra la prueba anteriormente discutida.

A B

m n k

9
Ejemplo:
Sean los conjuntos
A = {1, 2, 3, 4} y B = {4, 5, 6, 7, 8};
entonces
A B = {1, 2, 3, 4, 5, 6, 7, 8}, A B = {4}.
Se sigue que |AB| = 8 , |AB| = 1, por tanto |AB| = 8 = 4+51 = |A|+|B||AB|,
lo que ratifica el teorema (1.2).

Lema 1.1. Cn0 Cn1 + Cn2 Cn3 + Cn4 + + (1)n Cnn = 0

Demostracin. Necesitamos mostrar que la suma alternada de los coeficientes combina-
torios es igual a cero; para ello es necesario aplicar el teorema del Binomio de Newton.
n
X
(a + b)n = (nk )ak bnk ,
k=0
haciendo a = 1 y b = 1, obtenemos
n
X
((1) + 1)n = (nk )(1)k 1nk
k=0
n
X
= (nk )(1)k
k=0

es decir,
0 = Cn0 Cn1 + Cn2 Cn3 + Cn4 + + (1)n Cnn
como se quera mostrar.

Principio de inclusin-exclusin generalizado

Teorema 1.3. Dados n subconjuntos A1 , A2 , . . . , An de un conjunto , se tiene que:

 n  n  X  \ 
[  X k1
 

 Ai  =
 (1) 
 Ai  ,
i=1 k=1 I{1,...,n} iI

donde |I| = k.
Este teorema ser probado en el captulo 3.

10
1.6. Permutaciones caticas o desarreglos
Una permutacin de los nmeros (1, 2, ..., n) se dice que es catica (o un desarreglo)
cuando ningn nmero est en su lugar primitivo. As, las permutaciones 2143 y 3142
son caticas, mas 1342 no es (1 est en su lugar primitivo). Para calcular el nmero Dn
de permutaciones caticas de (1, 2, ..., n), se define Ai = conjunto de las permutaciones
de (1, 2, ..., n) en que el nmero i ocupa el i-simo lugar, i {1, 2, ..., n}.
Se desea calcular el nmero de elementos del conjunto de las permutaciones de
(1, 2, . . . , n) que no pertenecen a ninguno de los conjuntos A1 , A2 , ..., An . Si Si rep-
resenta el nmero de permutaciones de que fijan i elementos (o ms), entonces:

S0 = || = n!;
Xn n
X
S1 = |Ai | = (n 1)! = n(n 1)! = n!
i=1 i=1
X X n!
S2 = |Ai Aj | = (n 2)! = Cn2 (n 2)! = ;
2!
1i<jn 1i<jn
X X n!
S3 = |Ai Aj Ak | = (n 3)! = Cn3 (n 3)! =
3!
1i<j<kn 1i<j<kn
..
.
n!
Sn = Cnn (n n)! =
n!
El nmero a0 de elementos de que no pertenecen a ninguno de los conjuntos

A1 , A2 , . . . , An

es
n
X
a0 = (1)k C0+k
k
S0+k
k=0
n
X
= (1)k Sk
k=0
= S0 S1 + S2 S3 + + (1)n Sn
n! n! n!
= n! n! + + + (1)n
2! 3! n! 
(1)n

1 1 1 1
= n! + + + .
0! 1! 2! 3! n!

Luego, el nmero de permutaciones caticas de (1, 2, . . . , n) es

(1)n
 
1 1 1 1
Dn = n! + + + . (1.1)
0! 1! 2! 3! n!

11
As, por ejemplo,
 
1 1 1 1 1 1 1 1
D7 = 7! + + +
0! 1! 2! 3! 4! 5! 6! 7!
 
1 1 1 1 1 1
= 5040 + +
2 6 24 120 720 5040
= 1854
n!
Es interesante observar que Dn es aproximadamente igual a , ms aun, tenemos el
e
siguiente
n!
Teorema 1.4. Dn es el entero ms prximo a .
e
Demostracin. Con n = 1 se tiene que Dn = 0; mientras que
1!
0, 36.
e
2!
De otro lado para n = 2, se tiene que Dn = 1 y 0, 73. Se observa que la afirmacin
e
es verdadera para n = 1 y para n = 2. Se probar para el caso n > 2. En efecto, por el
desarrollo de la serie de Taylor se sabe que:

X xn
ex = ,
n!
n=0
1 1 1 1
y por tanto con, x = 1 se tiene e1 = + +
0! 1! 2! 3!
Ahora bien,
n
      
Dn n!  = n! 1 1 + 1 1 + + (1) 1 1 1
   
n! + 
 e   0! 1! 2! 3! n! 0! 1! 2!
 (1)n+1 (1)n+2
 

= n! + + 
(n + 1)! (n + 2)!
 
1 1
n! + +
(n + 1)! (n + 2)!
1 1 1
= + + +
n + 1 (n + 1)(n + 2) (n + 1)(n + 2)(n + 3)
1 1 1
+ + +
n + 1 (n + 1)2 (n + 1)3
1
1 1
= n+1 = < .
1 n 2
1
n+1
Por lo tanto

12
  
Dn n!  < 1 ,
 
 e 2
1
si n > 2. Luego, para n > 2, Dn es un entero situado a una distancia menor que del
2
n! n!
nmero . As, Dn es el entero ms prximo de , si n > 2.
e e
Ejemplo:
Dos mdicos deben examinar, en una hora, 6 pacientes, empleando 10 minutos con cada
paciente. Cada uno de los 6 pacientes debe ser examinado por los dos mdicos. De
cuntos modos puede ser realizado un horario compatible?
El horario del primer mdico puede ser realizado de 6! = 720 formas, puesto que el
primer lugar de consulta puede ser ocupado por cualquiera de las 6 personas, el segundo
por cualquiera de las 5 restantes y as hasta que el sexto lugar en la consulta lo ocupe
la nica persona restante. Ahora bien, para el horario del segundo mdico, que ya se
encuentra definido por el horario del primero se tienen D6 = 265 formas de elegir a
cada paciente sin que esta eleccin est ya en el horario del primer mdico. Finalmente,
por cada una de las 720 formas en que el primer mdico puede formar su horario, el
segundo mdico tiene 265 formas de hacer el suyo, de forma compatible con el primer
mdico, por tanto existen 720 265 = 190800 modos de realizar un horario compatible.

13
Captulo 2

Probabilidad

La teora del azar consiste en reducir todos los acontecimientos del mismo gnero a
un cierto nmero de casos igualmente posibles, o sea, tales que estemos igualmente
inseguros sobre su existencia, y en determinar el nmero de casos favorables al acon-
tecimiento cuya probabilidad es buscada. La razn de este nmero para el de todos los
casos posibles es la medida de esa probabilidad, la cual es por tanto una fraccin cuyo
numerador es el nmero de casos favorables y cuyo denominador es el nmero de todos
los casos posibles.
Pierre Simon Laplace
Ensayo filosfico sobre las probabilidades.

2.1. Introduccin
Algunas de las aplicaciones ms importantes de la teora del conteo ocurren en la teora
de las probabilidades.
Se dir que un evento es determinstico si cuando se repite en condiciones semejantes
conlleva a resultados iguales. De otro lado, los eventos que arrojan resultados general-
mente distintos, cuando son repetidos en las mismas condiciones, se les llamar ex-
perimentos aleatorios. Tales fenmenos suceden constantemente en nuestras vidas. Por
ejemplo, preguntas como: llover maana? Cul ser la temperatura mnima el fin
de semana? Cuntas personas ganarn la lotera? Cuntos habitantes tendr nuestro
pas en el 2015? son muestras de esta aleatoriedad.
La teora de las probabilidades es la rama de la matemtica que crea, desarrolla y en
general busca modelos que pueden ser utilizados para estudiar experimentos o fen-
menos aleatorios.
Dependiendo de cada situacin, el modelo matemtico formulado para resolverla puede
ser ms complejo y distinto que el modelo de otro fenmeno. Sin embargo todos estos

14
modelos comparten caractersticas comunes. Lo que nos proponemos realizar en este
captulo es aplicar la conceptualizacin precedente en la resolucin de situaciones de
probabilidad.

2.2. Espacio Muestral y Probabilidad de Laplace

La definicin de probabilidad como cociente del nmero de casos favorables sobre el
nmero de casos posibles fue la primera definicin formal de probabilidad, y apareci
por primera vez en forma clara en la obra Liber de Ludo Aleae de Jernimo Cardano
(1501-1576).
Consideremos el siguiente experimento aleatorio: lance un dado y observe el nmero
obtenido.
Nos preguntamos ahora por el conjunto que contiene todos los posibles resultados de
este experimento. De otra forma: encontrar cual es el conjunto de los posibles resultados
de este experimento y calcular el nmero de elementos contenidos en l. A este conjunto
se le llama Espacio Muestral. En nuestro caso el espacio muestral es

= {1, 2, 3, 4, 5, 6} y || = 6.

Los elementos del espacio muestral son llamados puntos y los subconjuntos sern lla-
mados eventos. Por ejemplo, el subconjunto

A = {1, 3, 5}

Es el evento que representa a los nmeros impares obtenidos al lanzar el dado.

Se pretende ahora calcular la probabilidad de un evento cualquiera A. En nuestro caso
es claro de forma intuitiva que al repetir un gran nmero de veces el experimento se
obtendr un nmero impar en aproximadamente la mitad de los casos, es decir, el evento
A considerado ocurrir mas o menos la mitad de las veces. Es fcil convencernos de que
dos caractersticas de este experimento son:
a)Los puntos del espacio muestral son igualmente "probables";
b)La cardinalidad del conjunto A (|A| = 3) es exactamente la mitad de la cardinalidad
del espacio muestral .
Estas caractersticas y la definicin de probabilidad de un evento implican que:

|A| 3 1
probabilidad de A = P(A) = = = .
|| 6 2

Laplace se refera a los elementos de A como los casos favorables, y a los elementos del
espacio muestral como casos posibles. Defini entonces

probabilidad = nmero de casos favorables

nmero de casos posibles

15
Se resumirn ahora las consideraciones hasta aqu hechas, las cuales permiten utilizar
la anterior definicin de probabilidad.
Supongamos que los experimentos aleatorios tienen las siguientes caractersticas:
a)Hay un nmero finito (n) de puntos y la unin de todos estos es el espacio muestral
.
b)Los puntos son igualmente probables.
c)Todo evento A es la unin de m puntos, donde m n.
Definimos entonces
|A| m
probabilidad de A = P(A) = nmero de casos favorables
nmero de casos posibles = || = n
Consecuencias inmediatas de esta definicin son las siguientes propiedades:
1) Para todo evento A, 0 P(A) 1.
2) P() = 1.
3) P() = 0 (porque || = 0).
4) Si A B = entonces P(A B) = P(A) + P(B).
Ejemplo: Supongamos que de n objetos escogemos r al azar con sustitucin. Cul es
la probabilidad de que ningn objeto sea escogido ms de una vez?
Puesto que hay reposicin, existen n posibilidades para escoger el primer objeto; n
posibilidades para el segundo y en general existirn n posibilidades para escoger el
objeto que ocupa la posicin r sima. Por el principio del producto se sigue que el
nmero de casos posibles es nr ; es decir || = nr . De otro lado, existen n formas distintas
de escoger cualquier objeto de ; n 1 formas para escoger el segundo objeto (dado
que debe asegurarse que el primer objeto escogido no ocupe ninguna posicin posterior
a la primera); n 2 maneras para la tercera; y as sucesivamente hasta que queden
n (r 1) = n r + 1 posibilidades de escoger el objeto en la r sima posicin sin
que alguno de ellos haya sido escogido ms de una vez, entonces el nmero de casos
favorables es
n(n 1)(n 2) (n r + 1)
La probabilidad es por tanto,
n(n 1)(n 2) (n r + 1)
nr
Una aplicacin interesante de este resultado es la siguiente: Supongamos que el cumpleaos
de una persona puede caer con igual probabilidad en cualquiera de los das del ao. Si
r personas son escogidas al azar, la probabilidad de que todas cumplan aos en das
diferentes esta dada por la frmula anterior con n = 365. As por ejemplo si r = 40, la
probabilidad de que por lo menos dos personas cumplan aos el mismo da del ao es
mayor que 0, 88.

16
2.3. Espacios de Probabilidad
Se introducir ahora una nocin general de probabilidad y se probarn algunas propiedades
que son consecuencia inmediata de esta definicin.

Definicin 2.1. Sea un espacio muestral (conjunto). Una funcin P definida para
todos los subconjuntos de (llamados eventos) es llamada una funcin de probabilidad
si:

1) 0 P(A) 1, para todo evento A ;

2) P() = 0, P() = 1;
3) Si A y B son eventos disjuntos (tambin llamados mutuamente excluyentes), es decir si
A B = , entonces P(A B) = P(A) + P(B).
De la definicin anterior se pueden obtener muchas funciones que cumplan con los tres
axiomas. Sea {0, 1} y consideremos la funcin P definida como sigue:

P : () [0, 1]
A 7

2


3, si A = {0}
1,

si A = {1}
P (A) = 3


1, si A =
si A =

0,

Por simple inspeccin se puede observar que la funcin P anteriormente definida satis-
face los axiomas 1, 2, 3; exigidos para que sea una funcin de probabilidad.
En general, sea un conjunto con n elementos,

= {wi1 , wi2 , . . . , win },

y sean p1 , p2 , . . . , pn n nmeros no negativos tales que

n
X
pi = 1.
i=1

Definamos P ({wi }) = pi , i = 1, 2, . . . , n y, en general, para A ,

X X
P (A) = P ({wi }) = pi
wi A wi A

Una funcin P as obtenida es una probabilidad sobre .

17
Sea A , con A = {wi1 , wi2 , . . . , wik }, se tiene que
k
X k
X n
X
0= 0 piJ pi = 1.
J=1 J=1 i=1

n
X
Ahora bien, claramente P () = 0 y P () = pi = 1.
i=1
Finalmente, sean A y B dos subconjuntos disjuntos de ; es decir, A B = , veamos
que P (A B) = P (A) + P (B). Supongamos que

A = {wi2 , wi2 , . . . , wiq }

B = {wk1 , wk2 , . . . , wkN },

entonces,

A B = {wi2 , wi2 , . . . , wiq , wk1 , wk2 , . . . , wkN };

luego,
q
X N
X
P (A B) = piJ + pkl
J=1 l=1

= P (A) + P (B).
1
Puede probarse que si p1 = p2 = = pn = obtenemos la probabilidad de Laplace
n
como caso particular.
Esto es as porque dado cualquier evento A de (A ), tal que A = {wi1 , wi2 , . . . , wiq },
con q n, se tiene que
q
X q
X
P (A) = P ({wiJ }) = piJ
J=1 J=1
q q
X 1 1X
= = 1
n n
J=1 J=1
1
= q
n
q |A|
= =
n ||

que es la probabilidad de Laplace anteriormente definida.

Algunas consecuencias importantes que se desprenden de la definicin de probabilidad
son las siguientes:

18
Proposicin 2.1. P (Ac ) = 1 P (A).

Demostracin. Es claro que:

1) A Ac = y
2) A Ac =
entonces

P (A Ac ) = P () = 1 = P (A) + P (Ac ),

en virtud de los axiomas 2 y 3 respectivamente. De aqu se deduce que

P (Ac ) = 1 P (A).

Proposicin 2.2. Si A B, entonces P (A) = P (B) P (B A).

Demostracin. Dado que B = A (B A) y A (B A) = ; entonces

P (B) = P (A (B A))
= P (A) + P (B A)

de aqu se sigue el resultado.

Como corolario de este teorema se tiene el hecho de que como P (B A) 0, entonces

P (A) P (B), cuando A B.

Proposicin 2.3. P (A B) = P (A) + P (B) P (A B).

Demostracin. En primer lugar veamos que

A = (A B) (A B) y (A B) (A B) =

Sea a A, entonces a (A B) (A B); de otro lado, si x (A B) (A B),

entonces x (A B) o x (A B); en cualquier caso x A.
Ahora bien, supongamos que existe un elemento z (A B) (A B), entonces
z (A B) y z A B. De aqu se deduce que z est y no est en el conjunto B
simultneamente, lo cual es absurdo; y por tanto (A B) (A B) = .
De forma similar se puede probar que

B = (B A) (A B) y (B A) (A B) = .

Se tiene entonces que

P (A) = P (A B) + P (A B)
P (B) = P (B A) + P (A B)

19
y sumando estas ecuaciones se obtiene

P (A) + P (B) = P (A B) + P (A B) + P (B A) + P (A B) (2.1)

Finalmente veamos que

(A B) (B A) (A B) = A B
(A B) (B A) (A B) =

Sea x (A B) (B A) (A B), entonces x ser un elemento de A, de B o de A y B.

En cualquier caso x AB. Ahora, si x AB, entonces x (AB)(BA)(AB).
De otro lado, supongamos que existe a (AB)(BA), entonces a estara y no estara
simultneamente en el conjunto A, lo cual es absurdo, as que (A B) (B A) = y
esto implica que (A B) (B A) (A B) = .
Se sigue entonces que

P (A B) = P ((A B) (B A) (A B))
= P (A B) + P (B A) + P (A B)

y sustituyendo en (2.1) se obtiene

P (A) + P (B) = P (A B) + P (A B),

de donde

P (A B) = P (A) + P (B) P (A B).

Ejemplos.

1) Sea P una probabilidad sobre los eventos (subconjuntos) de un espacio muestral .

2 4
Sean A y B eventos tales que P (A) = y P (B) = .
3 9
Pruebe que:
2
a) P (A B) ;
3
2 5
b) P (A B c ) ;
9 9
1 4
c) P (A B) .
9 9
Solucin:
Antes que nada probemos las siguientes propiedades: Sean A y B conjuntos. Entonces

i) A B A y A B B
ii) B A Ac .

20
Demostracin. De (i).
Dado x A B, se tiene que x A y x B. Esto implica la afirmacin (i) y adems,
por el corolario de la proposicin (2.2)

P (A B) P (A) y P (A B) P (B)

y por tanto

P (A) P (A) + P (B) P (A B) = P (A B)

P (B) P (A) + P (B) P (A B) = P (A B)

De (ii).
Sea x B A, entonces x est en B pero no en A. Como x no est en A, entonces
x Ac .
De la contenencia anterior, y por (i), se deduce que

P (B A) P (Ac )

ahora bien, combinando la ecuacin P (B) = P (A B) + P (B A), probada dentro de

la proposicin (2.3), y la anterior desigualdad se deduce que

P (A B) = P (B) P (A B) P (B) P (Ac ).

La solucin al ejercicio se presenta enseguida,

2
a) P (A B) P (A) = , por (i)
3
4 5
b) P (A B c ) P (B c ) = 1 P (B) = 1 = , por (i). De otro lado,
9 9
P (A B c ) = P (A B)
= P (A) P (A B) P (A) P (B)
2 4 2
= = ,
3 9 9
por (i) y (ii).
c) P (A B) P (B) = 49 , y tambin

P (A B) = P (B) P (B A) P (B) P (Ac )

4 2 1
= P (B) + P (A) 1 = + 1 =
9 3 9
2) Un nmero entre 1 y 300 es escogido aleatoriamente. Calcular la probabilidad de que
l sea divisible por 3 o por 5.

21
Solucin:
Sean

A = {n N; 1 n 300 : 3|n} y

B = {n N; 1 n 300 : 5|n}.

Entonces |A| = 100,|B| = 60 y |A B| = 20; por tanto

100 1
P (A) = = ,
300 3
60 1
P (B) = = ,
300 5
20 1
P (A B) = = .
300 15
Por tanto

P (A B) = P (A) + P (B) P (A B)
1 1 1 7
= + = .
3 5 15 15
3) Una lotera tiene N nmeros y slo un premio. Un jugador compra n billetes en una
extraccin. Otro compra slo un billete en n extracciones diferentes. Cul de ellos tiene
mayor probabilidad de ganar el premio?
Solucin:
n
Si todo el dinero es jugado en una nica vez la probabilidad de ganar es . Para
N
calcular la otra probabilidad se procede de la siguiente manera. Calculemos primero
la probabilidad de no ganar. El nmero de casos posibles, es decir la cardinalidad del
espacio muestral es igual a N n . Los casos favorables, en este caso son los de no ganar,
son (N 1)n . Por tanto la probabilidad de no ganar es:
n n
(N 1)n
 
N 1 1
= = 1
Nn N N

y la de ganar
 n
1
1 1 .
N

Se tendrn que comparar entonces los nmeros

1 n
 
n
y 1 1 .
N N

22
Se afirma que
1 n
 
n
1 1 ,
N N
o lo que es igual
 n
n 1
1 1 .
N N
Para probar esta afirmacin hacemos uso de la desigualdad de Bernoulli, la cual afirma
que

Si x 1, entonces (1 + x)m 1 + mx, para todo m N

La prueba de la desigualdad de Bernoulli se hace enseguida.

Demostracin. Claramente, si m = 1, entonces se da la igualdad.

Supongamos que la desigualdad se cumple para m = k, es decir,

(1 + x)k 1 + kx

y veamos que afirmacin es vlida para m = k + 1.

En efecto, como

(1 + x)k 1 + kx y x + 1 0,

entonces

(1 + x)k+1 (1 + kx)(1 + x) = 1 + x + kx + kx2 1 + (k + 1)x.

Por el principio de induccin matemtica se sigue que la desigualdad es vlida para todo
natural m.

En virtud de la desigualdad de Bernoulli se probar la desigualdad

1 n
 
n
1 1 .
N N
1 1 1
Puesto que N N, entonces 1, y por tanto 1 . Haciendo x = en la
N N N
desigualdad de Bernoulli resulta que
1 m
 
m
1 1
N N
y haciendo ahora m = n, se obtiene la desigualdad deseada
1 n
 
n
1 1 .
N N

23
Como conclusin de la anterior desigualdad es importante hacer notar el hecho de jugar
todo de una sola vez resulta mejor que ir jugando de a poco. Puede probarse, aunque no
se har aqu, que esta conclusin es vlida casi para todos los juegos de azar.
4) Una recepcionista recibi n sombreros totalmente desordenados, decidi entonces
devolverlos a cada uno de sus dueos. Calcular la probabilidad de que ningn hombre
reciba el suyo.
Solucin:
El nmero de casos posibles es igual al de las permutaciones de n elementos, es decir,
n! De otro lado, como se requiere que ninguno de los n hombres reciba su sombrero,
entonces el nmero de formas en que esto puede hacerse esta dado por el nmero de
desarreglos con n elementos, es decir

(1)n
 
1 1 1 1
n! + + + .
0! 1! 2! 3! n!

Es claro que la anterior expresin corresponde al nmero de casos favorables, y por

tanto la probabilidad requerida es el cociente de estos nmeros, es decir,

(1)n
 
1 1 1 1
n! + + +
0! 1! 2! 3! n! 1 1 (1)n
= + + .
n! 2! 3! n!
Segn el enfoque frecuencial, si el nmero de repeticiones aumenta (en este caso si el
nmero de sombreros es mayor) el cociente entre el nmero de casos favorables y el
nmero de casos posibles se estabiliza entorno a un valor particular, dicho valor no
es ms sino la probabilidad de que ningn hombre reciba su propio sombrero, que en
nuestro ejemplo se calcula as:

(1)n
 
1 1
lm + + = e1 0,37
n 2! 3! n!

en virtud de la serie de Taylor para ex .

24
2.4. Probabilidad Condicional
Se lanza un dado cargado y se sabe que el resultado es un nmero par. Cul es la
probabilidad de que este nmero sea divisible por 3? Cul es la probabilidad de que
una criatura padezca de daltonismo, en el supuesto de que es un nio? Estas preguntas
pueden formularse de la siguiente forma: Sean A y B sucesos de un espacio muestral
. Si ocurre B, cul es la probabilidad de que ocurra A? esto no es lo mismo que
preguntar cul es la probabilidad del suceso A B. En realidad cuando A = B la
pregunta es: Si A ocurre, cul es la probabilidad de que A ocurra?. La respuesta sera
en este caso 1, y esta puede ser o no la probabilidad del suceso A B. Para tratar tales
problemas en general, volvamos al caso del dado. Cuando nos ocupamos de cuestiones
de probabilidad relativas al lanzamiento de un dado, utilizamos ordinariamente como
1
espacio muestral = {1, 2, 3, 4, 5, 6} y asignamos la probabilidad a cada elemento
6
de . El suceso divisible entre 3 es el subconjunto A = {3, 6} y el suceso par es el
subconjunto B = {2, 4, 6}. Deseamos conocer la probabilidad de que un elemento este
en A, sabiendo ya que est en B. Ya que estamos interesados en resultados en los que
el nmero es par, prescindimos de los resultados 1, 3, 5 y utilizamos, en lugar de el
conjunto B = {2, 4, 6} como espacio muestral. El suceso que nos interesa es tan slo
el conjunto de un elemento {6}, que es el nico resultado del nuevo espacio muestral
divisible por 3. Si todos los resultados de B se consideran igualmente probables, hay
1
que asignar a cada uno de ellos la probabilidad , luego, la probabilidad de {6} es
3
1
tambin . Obsrvese que se ha resuelto el problema anterior empleando una idea
3
muy elemental. Simplemente hemos cambiado el espacio muestral por B y se ha
procedido a una nueva asignacin de probabilidades. Esto nos sugiere la manera de
generalizar el procedimiento. Sean A y B dos eventos de un espacio muestral . Nos
preguntamos entonces la siguiente cuestin: Si B acontece, cul es la probabilidad de
que A ocurra? Como en el ejemplo anterior, podemos cambiar el espacio muestral
por el B y asignar nuevas probabilidades. Para el mismo B asignamos la probabilidad
1. Puesto que nos interesa los elementos de A que pertenecen al nuevo espacio muestral
B, nuestro problema es calcular la probabilidad del suceso A B segn las nuevas
probabilidades asignadas. Esto es, si P representa la funcin de probabilidad asociada
al nuevo espacio muestral B, tenemos que calcular P (A B). Es fcil comprobar que
si se define
P (A B)
P (A B) = , con P (B) > 0
P (B)
Entonces P constituye una funcin de probabilidad sobre B, como lo probaremos a
continuacin.
Sea A B, entonces
P (A B)
P (A) = P (A B) = 1 porque P (A B) P (B),
P (B)

25
y como P (A B) 0 y P (B) > 0, se obtiene que P (A) [0, 1]. Con esto se satisface
la condicin 1 de la definicin (2,1).
De otro lado,
P ( B) P ()
P () = P ( B) = = = 0,
P (B) P (B)
y
P (B B) P (B)
P (B) = P (B B) = = = 1,
P (B) P (B)
y as se satisface la condicin 2 de la definicin (2.1) .
Finalmente, sean A y C dos subconjuntos de B, tales que A C = , entonces
P (A C) = P (B (A C))
P (B (A C))
=
P (B)
P ((B A) (B C))
=
P (B)
P (B A) + P (B C) P (B A C)
=
P (B)
P (B A) + P (B C) P (B )
=
P (B)
P (B A) + P (B C) P ()
=
P (B)
P (B A) + P (B C)
=
P (B)
P (B A) P (B C)
= +
P (B) P (B)

= P (A B) + P (C B)
= P (A) + P (C).
Consideremos un experimento que consiste en lanzar un dado no cargado. Sea el
espacio muestral de este experimento, es decir,
= {1, 2, 3, 4, 5, 6},
sean adems
A = {2, 4, 6} y B = {1, 2, 4}.
Entonces, segn Laplace,
|B| 3 1
P (B) = = = = P (A).
|| 6 2

26
Esta es la probabilidad en que puede ocurrir B a priori, es decir, antes de que el
experimento sea realizado.
Supongamos ahora que una vez se ha realizado el experimento se saba que el resultado
del mismo era un nmero par, esto es, A ocurri.

Definicin 2.2. Dados dos eventos A y B, la probabilidad condicional de B dado A es

P (A B)
el nmero . Representaremos este nmero por el smbolo P (B|A). Tenemos
P (A)
entonces
P (A B)
P (B|A) = .
P (A)

Se observa que este nmero solamente est definido cuando P (A) > 0.
La ecuacin anterior se escribe tambin como

P (A B) = P (A)P (B|A).

Si P (B) > 0 tambin se tiene que

P (A B) = P (B)P (A|B),

y por tanto,

P (A) P (A|B)
= .
P (B) P (B|A)

Proposicin 2.4. Sea A tal que P (A) > 0. Entonces,

a) P (|A) = 0, P (|A) = 1, 0 P (B|A) 1.

b) P ((B C)|A) = P (B|A) + P (C|A), si B C = .

Demostracin.
P ( A) P () 0
a)P (|A) = = = 0.
P (A) P (A) P (A)
P ( A) P (A)
P (|A) = = 1.
P (A) P (A)
P (A B)
P (B|A) 0 de otro lado, como A B, entonces P (A B) P (A)
P (A)

y por tanto,

P (A B)
1
P (A)

27
 P (A (B C)
b)P ((B C)|A)
P (A)
P ((A B) (A C))
=
P (A)
P (A B) + P (A C) P (A (B C))
=
P (A)
P (A B) + P (A C) P (A )
=
P (A)
P (A B) + P (A C) P ()
=
P (A)
P (A B) + P (A C) P (A B) P (A C)
= = +
P (A) P (A) P (A)
= P (B|A) + P (C|A).

Proposicin 2.5. Si P (A1 A2 An ) 6= 0, entonces

P (A1 A2 An ) = P (A1 )P (A2 |A1 )P (A3 |(A1 A2 ))

P (An |(A1 A2 An1 ))

Demostracin. Claramente para dos conjuntos A1 y A2 se tiene que

P (A1 A2 ) = P (A1 )P (A1 |A2 ),

en virtud de la definicin (2.2).

Veamos que la afirmacin es vlida para tres conjuntos A1 , A2 y A3 . Es importante
notar que el evento condicionado es, en este caso, A3 . Entonces,

P (A1 A2 A3 )
P (A3 |A1 A2 ) = .
P (A1 A2 )

De aqu se sigue que

P (A1 A2 A3 ) = P (A1 A2 )P (A3 |A1 A2 ),

y recordando que

P (A1 A2 ) = P (A1 )P (A1 |A2 ),

se concluye el resultado

P (A1 A2 A3 ) = P (A1 )P (A1 |A2 )P (A3 |A1 A2 ).

28
Supongamos ahora que el resultado es vlido para k conjuntos, esto es,

P (A1 A2 A3 Ak ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 )

. . . P (Ak |A1 A2 A3 Ak1 ).

Se probar que la afirmacin tambin se cumple para k + 1 conjuntos.

P (A1 A2 A3 Ak Ak+1 )
P (Ak+1 |A1 A2 A3 Ak ) = ,
P (A1 A2 A3 Ak )
por tanto

P (A1 A2 A3 Ak Ak+1 ) = P (A1 A2 A3 Ak )

P (Ak+1 |A1 A2 A3 Ak ),

y de la hiptesis de induccin se sigue

P (A1 A2 A3 Ak Ak+1 ) = P (A1 )P (A2 |A1 )P (A3 |A1 A2 )

P (Ak |A1 A2 A3 Ak1 )
P (Ak+1 |A1 A2 A3 Ak ),

lo que demuestra la afirmacin.

Proposicin 2.6 (Teorema de la probabilidad total). Si B es un evento contenido en

una unin de eventos disyuntos

A1 , A2 , . . . , An ,

P (A1 ) > 0, P (A2 ) > 0, . . . , P (An ) > 0,

entonces

P (B) = P (A1 )P (B|A1 ) + P (A2 )P (B|A2 ) + + P (An )P (B|An )

n
[
Demostracin. Como B Ai , entonces
i=1

n
[
B= (Ai B),
i=1

adems, como la coleccin de conjuntos A1 , A2 , . . . , An es disjunta, se sigue que

n
\
(Ai B) = ,
i=1

29
por tanto
n
X
P (B) = P (Ai B)
i=1
n Y
X n 
= P (Ai )P (B|Ai )
i=1 i=1

Proposicin 2.7 (Teorema de Bayes). Con las mismas condiciones que la proposicin
anterior, si P (B) > 0, entonces, para i = 1, 2, 3, . . . , n, se tiene que

P (Ai ) P (B|Ai )
P (Ai |B) = .
P (A1 ) P (B|A1 ) + . . . + P (An ) P (B|An )

Demostracin. Por definicin,

P (B Ai ) P (Ai ) P (B|Ai )
P (Ai |B) = = .
P (B) P (B)

Y en virtud de la proposicin (2.5), se obtiene el resultado.

Ejemplo:
2
Durante el mes de agosto, la probabilidad de lluvia en un da determinado es de . El
5
3
atltico Bucaramanga gana un juego en un da lluvioso, con probabilidad ; y en un
5
2
da sin lluvia con probabilidad de . Si se sabe que el atltico Bucaramanga gan un
5
juego en aquel da de agosto, Cul es la probabilidad de que en ese da haya llovido?
Solucin.
Sean L y G los siguientes eventos:

L aquel da de agosto llovi y G el atltico Bucaramanga gan un juego aquel da.

Lo que se desea saber es la probabilidad P (L|G), entonces

P (L G) P (L) P (G|L)
P (L|G) = =
P (G) P (L) P (G|L) + P (Lc ) P (G|Lc )
2 3
1
= 5 5 = .
2 3 3 2 2
+
5 5 5 5

30
Captulo 3

El principio de Inclusin-Exclusin
en probabilidad

El principio de inclusin-exclusin tiene una historia interesante, al principio se le en-

cuentra en distintos manuscritos con nombres como el mtodo de la criba o el principio
de clasificacin cruzada. La versin de este principio desde el punto de vista de la teora
de conjuntos se encuentra en Doctrine of chances (1718), un texto de teora de proba-
bilidad de Abraham DeMoivre (1667-1754). Un poco antes, en (1708), Pierre Rmond
de Montmort (1678-1719) us la idea subyacente al principio en su solucin del prob-
lema que por lo general se conoce le problme des rencontres o emparejamientos. (En
este antiguo juego de cartas francs, las 52 cartas de una primera baraja se disponen
hacia arriba en una fila, quiz sobre una mesa. Luego se reparten otras 52 cartas de
una segunda baraja, y cada carta nueva se pone sobre cada una de las 52 cartas pre-
viamente colocadas sobre la mesa. La puntuacin del juego se determina contando los
emparejamientos resultantes: deben coincidir el valor de la carta hacia arriba y el de la
repartida).

Una demostracin elegante de este principio se debe al matemtico ingls James Joseph
Sylvester (1814-1897). Este brillante matemtico tambin hizo grandes contribuciones
a la teora de ecuaciones; la teora de matrices y determinantes y a la teora de invari-
antes que fund junto a Arthur Cayley (1821-1895). La importancia de este teorema no
fue apreciada en general, fue slo despus de la publicacin de los trabajos de W. A.
Whitworth que los matemticos tuvieron ms conciencia de su potencial y uso.

31
Se hace ahora una demostracin del principio de inclusin-exclusin de la teora de con-
juntos en su versin general, la cual se extiende a este principio en forma probabilstica.

Lema 3.1. Sean n, m N, tales que m < n. Entonces

n1 n1
     
n
= +
m m m1

Demostracin.
n1 n1 (n 1)! (n 1)!
   
+ = +
m m1 (n m 1)! m! (n m)!(m 1)!
(n m)(n 1)! + m(n 1)!
=
(n m)! m!
n(n 1)! m(n 1)! + m(n 1)!
=
(n m)! m!
 
n! n
= =
(n m)! m! m

Si p, j N y k = 0, 1, . . . , j; haciendo n = p + j y m = j k, se deduce que

     
p+j p+j1 p+j1
= + ,
jk jk jk1

de aqu se infiere que

j   Xj    
jk p j p+j1 p+j1
X
jk
(1) = (1) +
jk jk jk1
k=0 k=0

Teorema 3.1. Sea un conjunto, sean A1 , A2 , . . . , An subconjuntos de y definase

S0 = ||;
Xn
S1 = |Ai |;
i=1
X
S2 = |Ai Aj |;
1i<jn
X
S3 = |Ai Aj Ak |;
1i<j<kn
..
.

Entonces:

32
a) El nmero de elementos de que pertenecen a exactamente p (p n) de los conjuntos
A1 , A2 , . . . , An , es:
np
X
ap = (1)k Cp+k
k
Sp+k ;
k=0

b) El nmero de elementos de que pertenecen a por lo menos p (p n) de los conjuntos

A1 , A2 , . . . , An , es:
np
X
bp = (1)k Cp+k1
k
Sp+k ;
k=0

c) El nmero de elementos del conjunto A1 A2 An es:

S1 S2 + + (1)n1 Sn .

Demostracin. Sea un conjunto.

Sean A1 , A2 , . . . , An subconjuntos de y sean

S0 = ||;
Xn
S1 = |Ai |;
i=1
X
S2 = |Ai Aj |;
1i<jn
X
S3 = |Ai Aj Ak |;
1i<j<kn
..
.

entonces:
a) El nmero de elementos de que pertenecen a exactamente p (p n) de los conjuntos
A1 , A2 , . . . , An , es:
np  
X
k p+k
ap = (1) Sp+k .
k
k=0

Claramente si un elemento de que pertenece a menos de p de los conjuntos

A1 , A2 , . . . , An ,

este no es contado en la suma ap , lo que debemos probar es que si un elemento de

pertenece exactamente a p conjuntos de la coleccin A1 , A2 , . . . , An entonces este
es contado una vez en la suma ap y que si un elemento pertenece a ms de p de los

33
conjuntos A1 , A2 , . . . , An entonces este no es contado en la suma ap .
Ahora, la suma ap es
       
p p+1 p+2 n
Sp Sp+1 + Sp+2 + (1)np Sn .
0 1 2 np
Un elemento de que pertenece exactamente a p de los conjuntos A1 , A2 , . . . , An es
contado
  una vez en Sp y no es contado en Sp+1 , Sp+2 , . . . , Sn . Luego, l es contado
p
1 = 1 vez.
0
Un elemento de que pertenece  exactamente
 a p + j (j > 0, p +  de los conjuntos
 j n)
p+j p+j
A1 , A2 , . . . , An es contado en de las partes de Sp , en de las partes de
p p+1
Sp+1 y as sucesivamente.
Luego, el nmero de veces que es contado en la suma ap es:
        
p p+j p+1 p+j np n p+j
+ + (1)
0 p 1 p+1 np n
j   
X p+k p+j
= (1)k
k p+k
k=0
j
X (p + k)!(p + j)!
=
k!p!(p + k)!(j k)!
k=0
j
(p + j)! X 1
= (1)k
p! k!(j k)!
k=0
j  
(p + j)! X k j
= (1)
p!j! k
k=0
 
p+j
= (1 1)j = 0,
p
j  
k j
X
porque (1) = 0, en virtud del lema (1.1).
k
k=0
b) El nmero de elementos de que pertenecen a por lo menos p (p n) de los conjuntos
A1 , A2 , . . . , An , es:
np  
X p+k1
bp = (1)k Sp+k ;
k
k=0
Como en este caso se cuentan los elementos de que pertenecen a p o ms conjuntos
resulta que
bp = ap + ap+1 + ap+2 + + an1 + an ,

34
y entonces

np   np1  
X p+k X p+1+k
bp = (1)k Sp+k + (1)k Sp+1+k
k k
k=0 k=0

np2  
X
k p+2+k
+ (1) Sp+2+k
k
k=0

1  
X n1+k
+ + (1)k Sn1+k +
k
k=0

0  
X n+k
+ (1)k Sn+k .
k
k=0

El coeficiente de Sp+j (0 j n p) en el segundo miembro es

     
j p+j j1 p+j j2 p + j
(1) + (1) + (1)
j j 1 j 2

   
1 p+j 0 p+j
+ + (1) + (1)
1 0

   
j p+j 1 p+j 1
= (1) +
j j1

   
j1 p+j 1 p+j 1
+ (1) +
j1 j2

   
p+j 1 p+j 1
+ (1)j2 +
j2 j3

   
p+j1 1 p+j1
+ + (1) +
1 0

   
0 p+j1 j p+j 1
+ (1) = (1) ,
0 j

35
en virtud del lema (3.1)
Luego,

np   np
X
j p+j1 X
bp = (1) Sp+j = (1)k Sp+k .
j
j=0 k=0

c) El nmero de elementos del conjunto A1 A2 An es

S1 S2 + + (1)n1 Sn .

b1 = |A1 A2 An |

n1  
X j
= (1)j
j
j=0

= Sj+1 S1 S2 + + (1)n1 Sn .

Como caso particular cabe resaltar el hecho de que si p = 0, el caso a) se reducira al

conteo del nmero de permutaciones caticas que, como se ha visto equivale a:

n0
X
a0 = (1)k C0+k
k
S0+k
k=0
n0
X
= (1)k Sk
k=0
= S0 S1 + S2 S3 + + (1)n Sn
n! n! n!
= n! n! + + + (1)n
2! 3! n! 
(1)n

1 1 1 1
= n! + + + .
0! 1! 2! 3! n!

De modo anlogo, se prueba la versin probabilstica del principio de Inclusin-Exclusin,

teorema que veremos acontinuacin.

36
Teorema 3.2. Sean A1 , A2 , . . . , An eventos y sean
S0 = 1;
Xn
S1 = P (Ai );
i=1
X
S2 = P (Ai Aj );
1i<jn
X
S3 = P (Ai Aj Ak );
1i<j<kn
..
.

Entonces:
a) La probabilidad de ocurrencia de exactamente p de los eventos A1 , A2 , . . . , An , es:
np
X
ap = (1)k Cp+k
k
Sp+k ;
k=0

b) La probabilidad de ocurrencia de por lo menos p de los eventos A1 , A2 , . . . , An , es:

np
X
bp = (1)k Cp+k1
k
Sp+k ;
k=0

c) La probabilidad de ocurrencia del evento A1 A2 An es:

S1 S2 + + (1)n1 Sn
que en general puede escribirse como
[ n  X n X
P Ai = P (Ai ) P (Ai Aj )
i=1 i=1 i,j: i<j
X n
\ 
n1
+ P (Ai Aj Ak ) + + (1) P Ai ,
i,j,k: i<j<k i=1

que puede escribirse de forma compacta como

[ n  X n X
P Ai = (1)k1 P (AI )
i=1 k=1 I{1,...,n}; |I|=k

Donde la ltima suma recorre los subconjuntos I de ndices 1, 2, . . . , n que contienen

exactamente k elementos y
\
AI = Ai
iI

37
d) La probabilidad de que ninguno de los eventos A1 , A2 , . . . , An ocurra es:
n0
X
a0 = (1)k C0+k
k
S0+k
k=0
n0
X
= (1)k Sk
k=0
= S0 S1 + S2 S3 + + (1)n Sn

3.1. Ejemplos y algunas aplicaciones

i) Se arroja un dado dos veces. Sean los eventos
A = {La suma de los resultados es par}

B = {La suma de los resultados es 8}

C = {Ambos resultados son distintos}

calcular las probabilidades de A, B, C, A B, A B, A C, A C.
Solucin
Si representa el espacio muestral de este experimento, entonces || = 36, de hecho


(1, 1) (1, 2) (1, 3) (1, 4) (1, 5) (1, 6)




(2, 1) (2, 2) (2, 3) (2, 4) (2, 5) (2, 6)



(3, 1) (3, 2) (3, 3) (3, 4) (3, 5) (3, 6)

=

(4, 1) (4, 2) (4, 3) (4, 4) (4, 5) (4, 6)

(5, 1) (5, 2) (5, 3) (5, 4) (5, 5) (5, 6)





(6, 1) (6, 2) (6, 3) (6, 4) (6, 5) (6, 6)

Ahora bien, como la suma de dos nmeros pares o impares es par, se deduce que en
cada fila de la matriz anterior habr 3 parejas cuya suma sea par; y por tanto
|A| = 18.
Se aprecia tambin que en la primera fila de la matriz no hay ninguna pareja de
resultados cuya suma sea 8; y que en cada una de las filas restantes existe una nica
pareja con esta condicin, as que
|B| = 5.
De igual forma se observa que las nicas parejas que tienen resultados iguales, es decir,
aqullas cuyas componentes tienen el mismo valor se encuentran ubicadas en la diagonal
principal de la matriz, y dado que en esta diagonal hay 6 parejas de resultados, se obtiene
|C| = 30.

38
De otro lado se observa que hay solo una pareja de resultados que satisfaga la ecuacin
a + b = 8 en cada fila de con excepcin de la primera, con la condicin de que a y b
tengan la misma paridad. Adems, como la suma de los resultados de cualquier pareja
de la diagonal principal siempre es par y las componentes de stas parejas son iguales,
habr entonces slo dos parejas de resultados cuya suma sea par y cuyos elementos sean
distintos por cada fila de la matriz . Se sigue que

|A B| = 5.

|A C| = 12.

Finalmente, por lo mencionado antes, se tiene que

|A C| = 6

Con estos valores es posible determinar las probabilidades pedidas, as

|A| 18 1
P (A) = = = ,
|| 36 2

|B| 5
P (B) = = ,
|| 36

|C| 30 5
P (C) = = = ,
|| 36 6

1 5 5 1
P (A B) = P (A) + P (B) P (A B) = + = ,
2 36 36 2

|A B| 5
P (A B) = = ,
|| 36

|A C| 12 1
P (A C) = = = ,
|| 36 3

|A C| 6 1
P (A C) = = = .
|| 36 6

ii) Sea A un conjunto finito tal que |A| = n. Cuntas son las funciones f : A A
para las cuales la ecuacin f (x) = x no posee solucin? Cuntas son las funciones

39
f : A A biyectivas para las cuales la ecuacin f (x) = x no posee solucin?
Solucin
Sea A = {a1 , a2 , . . . , an }.
Para responder la primera pregunta basta contar el nmero de formas en que puede ser
enviado un elemento ai del conjunto A en cualquier otro elemento de A distinto de ai .
Veamos que el nmero de formas en que puede hacerse esto est dado por (n 1)n .
En efecto,

f :A A
a1 7 {a2 , a3 , a4 , . . . , an }
a2 7 {a1 , a3 , a4 , . . . , an }
a3 7 {a1 , a2 , a4 , . . . , an }
.. .. ..
. . .
an 7 {a1 , a2 , a3 , . . . , an1 }

En la tabla anterior se observa que cada elemento ai de A puede ser enviado a cualquier
elemento de A, distinto de ai , de n 1 formas diferentes. En virtud del teorema (1.1) se
tiene que el nmero de funciones que satisfacen la condicin pedida es (n 1)n , como
se afirm.
Para responder la segunda pregunta debe contarse el nmero de funciones biyectivas
definidas de A en A. En este caso se considera que para cualesquiera ai , aj A, ai 6= aj ,
si y slo si i 6= j, con i, j {1, 2, . . . , n}.
Como se exige biyectividad sobre la funcin, entonces debe tenerse que

f (A) = A,

ai , aj A, con i 6= j, f (ai ) 6= f (aj ).

La primera condicin anterior equivale a

{a1 , a2 , . . . , an } = {f (a1 ), f (a2 ), . . . , f (an )},

pero adems debe tenerse que f (ai ) 6= ai , para todo i = 1, 2, . . . , n, y por tanto el con-
junto f (A) debe ser una permutacin catica del conjunto A = {a1 , a2 , . . . , an }. Como
se vio en (1.1), el nmero de permutaciones caticas de un conjunto con n elementos
est dado por

(1)n
 
1 1 1 1
Dn = n! + + + .
0! 1! 2! 3! n!

La aplicacin a la probabilidad de este ejercicio la brinda la siguiente situacin.

40
En ocasin del da del amor y la amistad, un grupo de 9 personas resolvi planear el
juego del amigo oculto (o secreto). Fue escrito el nombre de cada persona en un papelito
y se procedi al sorteo para determinar quien le dara regalo a quien. Hecho el sorteo,
luego apareci alguien que se sac as mismo, yendo contra las reglas del juego que esto
suceda y para preservar el sigilo, fue necesario hacer otro sorteo. En el segundo sorteo,
el mismo fenmeno ocurri, esta vez con otra persona. Uno de los jugadores presentes
pregunt: Eso va a acontecer toda la vida? Cul es la probabilidad de que eso suceda?
Es claro que dentro de un conjunto de 9 personas, el nmero de formas posibles en que
una de ellas puede elegir a otra dentro de ese conjunto es 9!, sin importar que se elija
a ella misma o no. Ahora bien, el nmero de formas en que una persona no se elige
a s misma es D9 , como se vio anteriormente; y por tanto la probabilidad de que una
persona no se elija a s misma es

9
D9 X (1)k
= 0, 36788.
9! k!
k=0

iii) Un nmero entre 1 y 1000 es escogido aleatoriamente. Calcular la probabilidad de

que sea divisible exactamente por dos nmeros del conjunto {2, 3, 7, 10} y divisible entre
por lo menos dos de tales nmeros.
Solucin
Sean

= {x Z : 1 x 1000};

A = {x : 2|x};

B = {x : 3|x};

C = {x : 7|x};

D = {x : 10|x}.

41
Puesto que

S0 = || = 1000;

S1 = |A| + |B| + |C| + |D|

       
1000 1000 1000 1000
= + + +
2 3 7 10

= 500 + 333 + 142 + 100 = 1075;

S2 = |A B| + |A C| + |A D| + |B C| + |B D| + |C D|
           
1000 1000 1000 1000 1000 1000
= + + + + +
6 14 10 21 30 70

= 166 + 71 + 100 + 47 + 33 + 144 = 431;

S3 = |A B C| + |A B D| + |A C D| + |B C D|
       
1000 1000 1000 1000
= + + +
42 30 70 210

= 23 + 33 + 14 + 4 = 74;
 
1000
S4 = |A B C D| = = 4.
210

Ahora bien, el nmero de elementos que pertenecen a exactamente dos de los conjutos
A, B, C, D es:

42
X
a2 = (1)k C2+k
k
S2+k
k=0

= (1)0 C20 S2 + (1)1 C31 S3 + (1)2 C42 S4

= S2 3S3 6S4

= 431 3 74 + 6 4 = 233,

42
Por tanto la probabilidad de que un nmero entre 1 y 1000 sea divisible exactamente
por dos nmeros del conjunto {2, 3, 7, 10} es:

233
.
1000

El nmero de elementos que pertenecen a por lo menos dos de los conjuntos A, B, C, D

es:
42
X
b2 = (1)k C2+k1
k
S2+k
k=0

= (1)0 C10 S2 + (1)1 C21 S3 + (1)2 C32 S4

= S2 2S3 + 3S4

= 431 2 74 + 3 4 = 295,

Por tanto la probabilidad de que un nmero entre 1 y 1000 sea divisible entre por lo
menos dos nmeros del conjunto {2, 3, 7, 10} es:

295 59
= .
1000 200

1 1 1 1 1
iv) Si P (A) = , P (B) = , P (C) = , P (A B) = , P (A C) = y P (B C) = 0.
2 3 4 5 6
Calcule:

1. P (A B C)

2. P (A (B C))

3. P (A (B C))

4. P (C (A B))

Solucin
1) Como A B C B C y P (B C) = 0, entonces P (A B C) = 0, luego

P (A B C) = P (A) + P (B) + P (C) P (A B) P (A C) P (B C) +

+ P (A B C)
1 1 1 1 1 43
= + + 0+0= .
2 3 4 5 6 60

43
2)

P (A (B C)) = P (A) P (A (B C))

= P (A) P ((A B) (A C))
= P (A) P (A B) P (A C) + P ((A B) (A C))
= P (A) P (A B) P (A C) + P (A B C)
1 1 1 2
= +0= .
2 5 6 15

3) Puesto que A (B C) = (A B) (A C), se deduce entonces que

P [(A (B C)] = P [(A B) (A C)]

= P (A B) + P (A C) P [(A B) (A C)]
= P (A B) + P (A C) P (A B C)
1 1 11
= + 0= .
5 6 30

4) Dado que P (B C) = 0, entonces B C = , y por tanto A B C = .

Luego es

1 1 9
P (C (A B)) = P (C) + P (A B) P (A B C) = + 0= .
4 5 20

1 1 1 1 1 1
v) Si P (A) = , P (B) = , P (C) = , P (AB) = , P (AC) = y P (B C) = ,
3 4 6 6 10 10
1
P (A B C) = . Determine la probabilidad de ocurrencia de:
12

1. Exactamente uno de los eventos A,B,C;

2. Exactamente dos de los eventos A,B,C;

3. Por lo menos dos de esos eventos;

4. A lo sumo dos de esos eventos;

5. A lo sumo uno de esos eventos.

solucin

44
 A B

3 1 1
20 12 15
1
1 12 1
60 60

8 1
15 20

Se observa que la probabilidad de que ocurran solamente los eventos A, B o C est

3 1 1
dada por , y , respectivamente, por lo tanto la pregunta 1 tiene por respuesta
20 15 20
3 1 1 4
+ + = .
20 15 20 15
De igual forma las probabilidades de que ocurran exactamente los eventos A B, A C
1 1 1
o B C estn dadas por , y , respectivamente; as que la probabilidad de que
12 60 60
ocurran exactamente dos de estos eventos es
1 1 1 7
+ + = .
12 60 60 60
Para responder a la tercera pregunta, debe sumrsele al resultado anterior la probabi-
lidad de que los tres eventos sucedan, por tanto la probabilidad de que ocurran por lo
menos dos de esos eventos es
7 1 1
+ = .
60 12 5
Si suceden a lo sumo dos de los eventos A, B o C, puede ocurrir entonces que ningn
evento suceda, que exactamente uno de los eventos suceda o que exactamente dos de
esos eventos ocurran, as que para la pregunta 4 tenemos
8 4 7 11
+ + = .
15 15 60 12
Finalmente, si no sucede ninguno de los eventos A, B o C, o bien si solamente ocurre
exactamente uno de tales eventos, se tendr que a lo sumo ha ocurrido uno de tales
eventos, as, para la pregunta 5 tenemos
8 4 4
+ = .
15 15 5

45
vi) Sean p [0, 1] y sean {Ai }
i=1 , {Bi }i=1 dos sucesiones de eventos de espacio muestral
tales que P (An ) 1 y P (Bn ) p. Demostrar que P (An Bn ) p.
Solucin.
Sea n un nmero natural, entonces se tiene que

P (An Bn ) = P (An ) + P (Bn ) P (An Bn ), (3.1)

que no es ms que el principio de inclusin-exclusin aplicado a los eventos An y Bn .

Ahora bien, si logramos mostrar que P (An Bn ) 1, la afirmacin quedar probada.
En efecto,
dado n N, se tiene que

An An Bn ,

y en virtud de la proposicin (2.2)

P (An ) P (An Bn ) 1.

Como P (An ) 1, el teorema del emparedado para sucesiones garantiza que

P (An Bn ) 1.

Tomando lmite cuando n en la ecuacin (3.1) tenemos

lm P (An Bn ) = lm [P (An ) + P (Bn ) P (An Bn )],

n n

esto es,

1 = 1 + p lm P (An Bn ),
n

por lo tanto

lm P (An Bn ) = 1 + p 1,
n

es decir

P (An Bn ) p,

como se peda demostrar.

vii) Sean (, P ) un espacio de probabilidad y A1 , A2 , . . . , An eventos en A . Mostrar
que
\n  X n
P Ai 1 P (Aci )
i=1 i=1

46
donde Aci es el complemento del subconjunto Ai de A.
Solucin.
Se sabe que
n
\ c n
[
Ai = Aci . (3.2)
i=1 i=1

Y por tanto, en virtud de la proposicin (2.1) y (3.2), que

k
 \  k
[ 
P Ai =1P Aci (3.3)
i=1 i=1

Sean Ai y Aj dos subconjuntos cualesquiera de la coleccin A1 , A2 , . . . , An , se tiene

entonces que

P (Aci Acj ) = P (Aci ) + P (Acj ) P (Aci Acj ),

luego

P (Aci Acj ) P (Aci ) + P (Acj ).

Puede probarse que esta desigualdad tambin es vlida para cualesquiera tres subcon-
juntos Ai , Aj , y Ak de A, esto es,

P (Aci Acj Ack ) P (Aci ) + P (Acj ) + P (Ack ).

De manera general, en uso del teorema (3.2) parte c, se cumple que

n
[  n
X
P Aci P (Aci ),
i=1 i=1

y entonces
n
X n
[ 
1 P (Aci ) 1P Aci ,
i=1 i=1

por lo tanto, en uso de (3.3), se obtiene el resultado

n
X n
\ 
1 P (Aci ) P Ai .
i=1 i=1

viii) La probabilidad de que cada rel del circuito presentado en la figura est cerrado
es igual a p, 0 < p < 1

47
 2
3

A 1 4 5 B

Si todos los rels funcionan independientemente, Cul es la probabilidad de que haya

corriente circulando entre los terminales A y B?
Solucin:
Sea Ai el evento que ocurre si el rel est cerrado, i = 1, 2, 3, 4, 5.
Sea C el evento que ocurre si hay corriente entre los terminales A y B. Queremos cal-
cular P (C).
Tenemos entonces;

P (C) = P ((A1 A2 A3 ) (A1 A4 A5 ) (A1 A2 A5 ) (A1 A4 A3 ))

= P ((A1 A2 A3 ) + P (A1 A4 A5 ) + P (A1 A2 A5 ) +
+ P (A1 A4 A3 ) P (A1 A2 A3 A4 A5 )) P (A1 A2 A3 A5 )
P (A1 A2 A3 A4 ) P (A1 A3 A4 A5 ) P (A1 A2 A4 A5 )
P (A1 A2 A3 A4 A5 ) + P (A1 A2 A3 A4 A5 ) +
+ P (A1 A2 A3 A4 A5 ) + P (A1 A2 A3 A4 A5 ) +
+ P (A1 A2 A3 A4 A5 ) P (A1 A2 A3 A4 A5 )
= 4p3 p5 4p4 p5 + 4p5 p5
= 4p3 4p4 + p5 .
En el clculo se ha utilizado la frmula para hallar probabilidad de la unin de 4 eventos
no disyuntos y el hecho de que los eventos son independientes.
Se obtiene una solucin mas simple para el problema si prestamos ms atencin a la
estructura del circuito. Observe que para circular la corriente entre A y B es necesario
que el rel 1 est cerrado y que por lo menos uno de los rels entre 2 y 4 y por lo menos
uno entre 3 y 5 tambin est cerrado.
As

C = A1 (A2 A4 ) (A3 A5 ),

48
Luego,

P (C) = P (A1 ) P (A2 A4 ) P (A3 A5 )

= P (A1 ) (P (A2 ) + P (A4 P (A2 A4 )) (P (A3 ) + P (A5 ) P (A3 A5 ))
= p (p + p p2 ) (p + p p2 )
= 4p3 4p4 + p5 .

ix) Se tienen N bolas numeradas 1, 2, . . . , N y N cajas numeradas. Se disponen al azar

una bola en cada caja. Si coincide el nmero de la bola con el de la caja se dice que se
produjo un apareamiento.

1. Hallar la probabilidad de que ocurra por lo menos un apareamiento.

2. Probar que el lmite de dicha probabilidad cuando N es 1 e1 .

3. n parejas casadas se han reunido a bailar. Si Cada caballero tienen la misma

probabilidad de bailar con cualquier dama, cul es la probabildad de que ningn
caballero baile con su propia mujer?

Solucin.
a) Sea A el evento ocurre por lo menos un apareamiento. Es claro que el nmero
de formas en que una de las N bolas puede ocupar una caja est dado por N !, es decir

S0 = || = N !

Ahora bien, ocurrir por lo menos un apareamiento en b1 casos, siendo

N 1   N 1
X
k 1+k1 X
b1 = (1) S1+k = (1)k S1+k ,
k
k=0 k=0

en virtud del teorema (3.1) parte b.

Por lo tanto la probabilidad de que ocurra por lo menos un apareamiento est dada por

b1 b1
p(A) = = (3.4)
S0 N!
De otro lado,
1
 NX  N
X 
k k
b1 + DN = (1) S1+k + (1) Sk = S0 = N !
k=0 k=0

luego

b1 = N ! DN

49
y entonces (3.4) queda ahora

X (1)k N
b1 N ! DN DN
p(A) = = =1 =1 .
N! N! N! k!
k=0

Esta es la probabilidad de que ocurra por lo menos un aparaeamiento.

N
X (1)k
b) lm p(A) = 1 lm = 1 e1 , en virtud del teorema de Taylor.
N N k!
k=0
c) Supongamos que la primera pareja recibe un distintivo con el nmero 1, la segunda
con el 2 y as hasta la n-sima pareja. Entonces existen n! maneras de que un hombre
de esta lista elija a una mujer, y por tanto

|| = n!

De otro lado, el nmero de casos en que ningn hombre escoge a su mujer equivale
al hecho de que los bailarines no estn numerados con el mismo nmero, esto es, el
nmero de formas en que ningn hombre baila con su mujer coincide con el nmero de
permutaciones caticas del conjunto {1, 2, . . . , n}. As, el nmero de casos favorables en
este experiemento vale
n
X (1)k
Dn = n!
k!
k=0

Se sigue que la probabilidad de que ningn caballero baile con su propia mujer es
n
X (1)k
n! n
k! (1)k
k=0
X
= .
n! k!
k=0

50
Conclusiones

Desde el comienzo de este trabajo de grado mi intencin fue la de relacionar el principio

de inclusin-exclusin, as como los resultados que de l se desprenden (por ejemplo el
conteo de permutaciones caticas de un conjunto finito), entre otras tcnicas de conteo,
con la resolucin de problemas de probabilidad. En mi opinin creo que esto fue lo que
anteriormente se hizo, razn por la cual se concluye que

1. Aplicamos el principio de inclusin-exclusin y sus resultados en situaciones de

probabilidad donde se involucraba el conteo de subconjuntos de un conjunto uni-
versal finito que satisface propiedades determinadas.

2. Se dedujo el principio de inclusin-exclusin generalizado, el cual determina la

cantidad de elementos de la unin finita de conjuntos finitos aplicados a problemas
de probailidad.

3. Resolvimos situaciones de probabilidad usando las consecuencias del principio de

inclusin-exclusin generalizado, as como otras tcnicas de conteo.

51
Referencias Bibliogrficas

[1] Morgado, Augusto C.O; Carvalho, Joo B.P. de; Carvalho Paulo C.P. de; Fernandez,
Pedro, Anlise Combinatria e Probabilidade. IMPA, 1991.
[2] Jos P. Carneiro. O problema do amigo oculto. RPM 28.
[3] Apostol, Tom M. Clculo con funciones en varias variables y lgebra lineal con aplica-
ciones a las ecuaciones diferenciales y a las probabilidades. Editorial Revert, Barcelona,
segunda edicin, 1986.
[4] B. Del Mas, J. Garfield y B. Chance (1999). A Model of Classroom Research in
Action: Developing Simulation Activities to Improve Students Statistical Reasoning.
Journal of Statistics Education v.7, n.3.
[5] T. Erickson. (2006). Using simulation to learn about inference. Brasil: International
Conference on Teaching Statistics - ICOTS-7.
[6] A. Rubin, J.K. Hammerman, C. Konold. (2006). Exploring informal inference with
interactive visualization software. Brasil: International Conference on Teaching Statis-
tics - ICOTS-7.
[7] C. Batanero (2001). Retos para la formacin estadstica de los profesores. Didctica
de la matemtica, Universidad de Granada, Espaa.

52