Professional Documents
Culture Documents
PROBABILIDAD
AT255
email: antonio.gonzalez@udlap.mx
CAPÍTULO 1 INTRODUCCIÓN A LA PROBABILIDAD
En este primer capítulo, presentaremos los conceptos básicos y las propiedades más
elementales de probabilidad.
Finalmente, se presenta una serie de ejercicios resueltos, tanto prácticos como teóricos,
con diferentes grados de dificultad, con la intención de repasar los conceptos vistos en
las secciones de este capítulo.
En esta primera sección serán presentados los conceptos y las propiedades más
importantes en lo que se refiere a materia de conjuntos. Esta herramienta es de suma
importancia para la teoría de probabilidad. Se sugiere que el alumno domine este tema,
tanto en forma práctica como en forma teórica, antes de comenzar en materia de
probabilidad.
A, B, C, … , X, Y, Z denotarán conjuntos.
2
a, b, c, … , x, y, z denotarán elementos.
a ∈ A denota a pertenenece a A.
a ∉ A denota a no pertenenece A.
Ω
B
A
Ω
A
c
A
3
Las siguientes definiciones tienen que ver con las operaciones de conjuntos.
A ∪ B = {x ∈ Ω | x ∈ A o x ∈ B }.
Observación: El “o”, en este caso, es en un sentido inclusivo. Esto es, el “o” considera
también la ocurrencia de ambas situaciones.
U A = {x ∈ Ω | x ∈ A
i =1
i i para alguna i ∈ {1,2, L , n} }.
Ω
A B
A ∩ B = {x ∈ Ω | x ∈ A y x ∈ B }.
I A = {x ∈ Ω | x ∈ A
i =1
i i para toda i ∈ {1,2, L , n} }.
Ω
A B
4
A - B = {x ∈ Ω | x ∈ A y x ∉ B }.
Ω
A B
En otras palabras, dos conjuntos son ajenos, si no existen elementos en común entre
ambos conjuntos.
Ω
A B
Propiedades Conmutativas
A ∪ B =B ∪ A,
A ∩ B =B ∩ A.
Propiedades Asociativas
A ∪ (B ∪ C) =( A ∪ B) ∪ C,
A ∩ ( B ∩ C) =(A ∩ B) ∩ C.
Propiedades Distributivas
A ∩ (B ∪ C) =(A ∩ B) ∪ (A ∩ C),
A ∪ (B ∩ C) =(A ∪ B) ∩ (A ∪ C),
⎛ n ⎞ n
A ∩ ⎜⎜ U Ai ⎟⎟ = U ( A ∩ Ai ) ,
⎝ i =1 ⎠ i =1
5
⎛ n ⎞ n
A ∪ ⎜⎜ I Ai ⎟⎟ = I ( A ∪ Ai ) .
⎝ i =1 ⎠ i =1
Leyes de De Morgan
(A ∪ B) c = A c ∩ B c ,
(A ∩ B) c = A c ∪ B c ,
c
⎛ n ⎞ n
⎜⎜ U Ai ⎟⎟ = I Aic ,
⎝ i =1 ⎠ i =1
c
⎛ n ⎞ n
⎜⎜ I Ai ⎟⎟ = U Aic .
⎝ i =1 ⎠ i =1
Otras propiedades
((A)c)c = A,
A ∩ A = A,
A ∪ A = A,
A ∪ φ = A,
A∩ φ = φ ,
A∩ A c = φ ,
A ∪ Ω = Ω,
A ∪ A c = Ω,
A - B = A∩ B c ,
A ∪ (B ∩ A c ) = A ∪ B,
(A ∩ B) ∪ (B ∩ A c ) = B,
(A ∩ B) ∩ ( B c ∩ C) = φ ,
A⊂B ⇒B c ⊂A c ,
A ⊂ B y B ⊂ C ⇒ A ⊂ C,
A ⊂ B ⇒ A ∪ B = B y A ∩ B = A,
6
A ⊂ B ⇒ A ∪ C ⊂ B ∪ C,
A ∩ B =φ y C ⊂ A ⇒ B ∩ C =φ .
En esta sección serán explicados que son los fenómenos determinísticos o no aleatorios.
Se darán algunos ejemplos clásicos, los cuales son estudiados en la Física.
Posteriormente se explicarán cuales son los fenómenos aleatorios o no determinísticos,
los cuales son tratados en la teoría de probabilidad.
a) No aleatorios o determinísticos,
b) Aleatorios.
Ejemplo 3: Una pelota que inicalmente esta en reposo, es lanzada de una altura de h
2h
metros a través de un cilindro vacio. La pelota caerá en el momento t = , donde g
g
es la constante de aceleración debido a la gravedad. Conociendo la altura, es posible
determinar el tiempo.
Ejemplo 5: Sin haberse realizado el fenómeno y por más conocimientos que se tengan
de otras variables, no es posible determinar
7
La tasa de inflación para el próximo mes.
Las características de un ser antes de nacer.
El número de muertos de un grupo de personas aseguradas en un período dado.
El número de personas que llegan a edad de 65 de un grupo de asegurados.
El número de accidentes automovilísticos en cierta ciudad y en un período dado.
El tiempo que hay entre accidente y accidente automovilístico.
El número de asegurados que requerirán hospitalización.
El tiempo de hospitalización.
Los gastos de honorarios médicos por cada paciente asegurado.
El número de personas que contraen cancer por fumar.
El número de asegurados que realizan actividades riesgosas y sufren un
accidente.
El número de reclamaciones que le hacen a una compañía de seguros en un
período dado.
El total de dinero reclamado en cierto período de tiempo.
Es importante aclarar que los experimentos tratados en estas notas, siempre son
considerados como experimentos aleatorios. Esto es, experimentos donde se derive uno
o más fenómenos aleatorios. Las definiciones de espacio muestral y eventos son
importantes, en todo experimento aleatorio.
8
Los eventos simples son {1}, {2}, {3}, {4}.
Ω = {SSS, SSA, ASS, SAS, AAS, SAA, ASA, AAA}, donde A significa águila y S
significa sol.
Otro evento puede ser: B = {por lo menos un águila} = A ∪ {AAS, SAA, ASA, AAA}
= Ω -{SSS}.
Ω = {(1,2), (1,3), (1,4), (1,5), (1,6), (2,1), (2,3), (2,4), (2,5), (2,6),…,(6,1), (6,2), (6,3),
(6,4), (6,5)}.
Un evento posible es A = {resulte la ficha con el número 1}. En este caso, A={(1,2),
(1,3), (1,4), (1,5), (1,6), (2,1), (3,1), (4,1), (5,1), (6,1)}. Otro evento B = {que resulte la
suma de ambos resultados par} = {(1,3), (3,1), (1,5), (5,1), (2,4), (4,2), (2,6), (6,2),
(3,5), (5,3), (4,6), (6,4)}.
9
i) P[A] ≥ 0 para todo A que pertenece a A.
ii) P[Ω] = 1.
⎡n ⎤ n
iii) P ⎢U Ai ⎥ = ∑ P[A ] donde
i A1 , A2 , …, An son eventos mutuamente ajenos,
⎣ i=1 ⎦ i =1
Teorema 1 P[φ ] = 0
[
De esta manera 1= P[Ω] = P A ∪ Ac = P[A] + P Ac] [ ] (por el tercer axioma).
Teorema 3 [ ]
Sean A y B dos eventos, entonces P A ∩ B c = P[A] - P[ A ∩ B ] .
Demostración:
[ ] [
Es importante aclarar que P A ∩ B c = P A − B c . ]
10
Teorema 4 Sean A y B dos eventos, entonces P[A ∪ B ] = P[A] + P[B ] - P[A ∩ B ] .
Demostración:
⎡n ⎤
P ⎢U Ai ⎥ =
⎣ i=1 ⎦
i i j i j ∩ Ak - … + (−1) n +1 P[ A1 ∩ A2 ∩ ... ∩ An ] .
i =1 i< j i< j<k
Demostración:
11
Demostración:
Bajo este supuesto le asignaremos a cada evento simple una probabilidad, esto es, sea pi
la probabilidad asignada a {ai }, i ∈ {1,2,..., n}. Por lo tanto se deberá de cumplir
{ }
A = a1´ , a2´ ,..., ak´ .
{} { }
A = a1´ ∪ a2´ ∪ L ∪ a´k . { }
De esta manera
[{ } { }
P[A] = P a1´ ∪ a2´ ∪ L ∪ ak´ { }] = P[{a }] + P[{a }] +…+ P[{a }] =
´
1
´
k
´
k
12
Obsérvese que si se conoce cada valor de pi, para i ∈ {1,2,..., n}, entonces conoceremos
la probabilidad del evento A.
p1 = p2 =…= pn.
1
Por lo tanto pi= , para i ∈ {1,2,..., n}.
n
De esta manera
1 1
P[A] =
k
+L+ = .
n 4243
1 n n
k veces
Ejemplo 17: En una urna hay cuatro bolas numeradas de la 1 a la 4. Se seleccionan dos
1
bolas aleatoriamente. La probabilidad de que resulten la primera y la cuarta bola es: .
6
13
necesario apoyarse del análisis combinatorio o técnicas de conteo. A continuación se
estudiarán estas metodologías de apoyo para el conteo.
Ejemplo 18: Una tarea consta de 5 ejercicios. El primer ejercicio se puede hacer de 3
formas, el segundo de 2, el tercero de 1, el cuarto de 6 maneras y el quinto de 2
maneras. ¿De cuántas formas diferentes se puede hacer la tarea?
A continuación se verán las técnicas más importantes de conteo, las cuales se dividen
en permutaciones y combinaciones. Estan se basan en los dos principios básicos de
conteo, acabados de exponer.
14
Permutaciones
En las tres primeras no existe repetición de elementos, y en las dos últimas si se permite
la repetición de elementos.
- Sin repetición.
- Con repetición.
Prn = n(n-1)...(n-(r-1)).
Ejemplo 21: ¿De cuántas maneras diferentes se pueden ordenar los elementos del
conjunto {a, b, c}?
Ejemplo 22: El número de arreglos de tamaño dos del conjunto {a, b, c, d} es igual a:
P24 = 4(3) = 12 .
Los arreglos son: {ab, ac, ad, ba, ca, da, bc, cb, bd, db, cd, dc}.
n!
Obsérvese que Prn =
(n − r )!
4! 4!
En este último ejemplo P24 = = = 12.
(4 − 2)! 2!
15
La respuesta es: 3(2)(1) × (2)(1)=6 × 2=12.
Las placas son: ABC12, ACB12, BAC12, BCA12, CAB12, CBA12, ABC21, ACB21,
BAC21, BCA21, CAB21, CBA21.
n1×42
n ×L
4 43
4× n = nr
r veces
Estas son: {aa, ab, ac, ba, ca, bc, cb, bb, cc}.
Ejemplo 26: ¿Cuántas placas diferentes se pueden formar de 3 letras y 3 cifras si las
letras van primero y solamente pueden ser de la A a la E? ¿Cuántas si no se permite que
resulte el 000?
Por lo tanto son 125,000 - 125= 124,875 placas diferentes que no terminan en 000.
Combinaciones
ab, ba → {a, b}
16
ac, ca → {a, c}
ad , da → {a, d }
bc, cb → {b, c}
bd , db → {b, d }
cd , dc → {c, d }
⎛ 4⎞ P4
Y el número de combinaciones es: C24 = ⎜⎜ ⎟⎟ = 2 = 6.
⎝ 2 ⎠ 2!
Ejemplo 31: Considerando el mismo conjunto que el ejemplo anterior, se consideran las
permutaciones de tamaño tres (a la izquierda) y las combinaciones de tamaño tres (a la
derecha)
⎛ 4⎞ P4
El número de combinaciones es: ⎜⎜ ⎟⎟ = 3 = 4.
⎝ 3 ⎠ 3!
La interpretación general es: por cada r! permutaciones (mismos elementos), existe una
combinación.
⎛n⎞
Los números ⎜⎜ ⎟⎟ también se conocen como números combinatorios.
⎝k ⎠
Regresando al último ejemplo de las bolas de la sección anterior (Espacios muestrales
finitos y equiprobables), las probabilidades buscadas son respectivamente
1 1 1 1 1 1 1 1
= ; = ; = ; = .
⎛ 4⎞ 6 ⎛ 5 ⎞ 10 ⎛10 ⎞ 45 ⎛ 20 ⎞ 15504
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝ 2⎠ ⎝ 2⎠ ⎝2⎠ ⎝5⎠
17
A continuación se presentarán las propiedades de combinaciones
⎛n⎞ ⎛n⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = 1 ,
⎝0⎠ ⎝n⎠
⎛n⎞ ⎛ n ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = n ,
⎝1⎠ ⎝ n − 1⎠
⎛ n ⎞ ⎛ n ⎞ n(n − 1)
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ = ,
⎝ 2⎠ ⎝ n − 2⎠ 2
⎛n⎞ ⎛ n ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ .
⎝k ⎠ ⎝n − k ⎠
n
⎛n⎞
(a + b) n = ∑ ⎜⎜ ⎟⎟a i b n−i .
i =0 ⎝ i ⎠
Ejemplo 32: En una urna se tienen 15 bolas numeradas, del 1 al 15. Se sacan 5 en forma
aleatoria, calcular la probabilidad de que las bolas obtenidas sean entre las 10 primeras.
⎛10 ⎞⎛ 5 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
⎝ 5 ⎠⎝ 0 ⎠ = 0.08392 .
⎛15 ⎞
⎜⎜ ⎟⎟
⎝5⎠
⎝0⎠ ⎝1⎠ ⎝ n − 1⎠ ⎝ n ⎠ i =0 ⎝ i ⎠ i =0 ⎝ i ⎠
18
A continuación se realizaran diversos ejemplos de permutaciones y combinaciones.
Ejemplo 34:
b) Dos casos:
c) Dos casos:
Se deja al estudiante contestar las mismas preguntas, pero considerando que se permite
la repetición de los dígitos.
⎛ 5 ⎞⎛10 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
5 7 120
a) ⎝ ⎠⎝ ⎠ = = 0.2637.
⎛15 ⎞ 455
⎜⎜ ⎟⎟
⎝12 ⎠
19
⎛ 5 ⎞⎛10 ⎞ ⎛ 5 ⎞⎛10 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟⎜⎜ ⎟⎟
4 8 5 7
b) ⎝ ⎠⎝ ⎠ + ⎝ ⎠⎝ ⎠ = 0.4945 + 0.2637 = 0.7582.
⎛15 ⎞ ⎛15 ⎞
⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟
⎝12 ⎠ ⎝12 ⎠
⎛ 5 ⎞⎛10 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
5 7 120
c) 1 − ⎝ ⎠⎝ ⎠ = 1 − = 1 − 0.2637 = 0.7363.
⎛ 15 ⎞ 455
⎜⎜ ⎟⎟
⎝12 ⎠
3× 2× 2× 1× 1 =12.
− − − − −
A O A O A
12
Por lo tanto P[intercambiados] = =0.1.
120
b) El número de maneras que resultan los niños juntos se calcula de la siguiente manera:
2× 1× 3× 2× 1 =12,
− − − − −
O O A A A
3× 2× 1× 2× 1 =12,
− − − − −
A O O A A
3× 2× 2× 1× 1 =12,
− − − − −
A A O O A
3× 2× 1× 2× 1 =12.
− − − − −
A A A O O
Por lo tanto existen 48 formas diferentes de sentarlos con la condición de que los niños
esten juntos, y de esta manera,
48
P[niños juntos ] = =0.4.
120
c) El número de maneras diferentes de sentar a los niños juntos y a las niñas juntas es:
20
2× 1× 3× 2× 1 =12,
− − − − −
O O A A A
3× 2× 1× 2× 1 =12.
− − − − −
A A A O O
24
P[niños juntos y niñas juntas] = = 0.2.
120
⎛10 ⎞⎛ 2 ⎞ ⎛10 ⎞⎛ 2 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟⎜⎜ ⎟⎟
4 0 3 1
a) ⎝ ⎠⎝ ⎠ ⎝ ⎠⎝ ⎠ =0.909,
⎛12 ⎞
⎜⎜ ⎟⎟
⎝4⎠
⎛10 ⎞⎛ 2 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
2 2
b) ⎝ ⎠⎝ ⎠ =0.0909.
⎛12 ⎞
⎜⎜ ⎟⎟
⎝4⎠
Ejemplo 38: De una baraja ordinaria de 52 cartas se sacan en forma aleatoria 5 cartas.
¿Cuál es la probabilidad de obtener
⎛ 4 ⎞⎛ 4 ⎞⎛ 44 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟⎜⎜ ⎟⎟
2 1 2
b) P[dos reyes y un as] = ⎝ ⎠⎝ ⎠⎝ ⎠ = 0.000406.
⎛ 52 ⎞
⎜⎜ ⎟⎟
⎝5⎠
21
1.8 PROBABILIDAD CONDICIONAL
Ejemplo 42: Se lanzan dos dados simultáneamente. Definimos los siguientes eventos:
A = {ambos números son impares}; B = {el número del primer dado es menor que el
número del segundo}. Encontrar las siguientes probabilidades:
9 1
A = {(1,1), (1,3), (1,5), (3,1), (3,3), (3,5), (5,1), (5,3), (5,5)} , por lo tanto P[A] = = ,
36 4
B = {(1,2), (1,3), (1,4), (1,5), (1,6), (2,3), (2,4), (2,5), (2,6), (3,4), (3,5), (3,6), (4,5), (4,6), (5,6)}
15 5
De esta manera P[B ] = = .
36 12
3 1
Obsérvese A ∩ B = {(1,3), (1,5), (3,5)}, por lo tanto P[A ∩ B ] = = .
36 12
P[B A] =
3 1
= .
9 3
Ahora P[A B ] =
3 1
= .
15 5
Obsérvese que
3
P[A ∩ B ]
P[B A] = 36 = y,
9 P[ A]
36
3
P[ A ∩ B ]
P[A B ] = 36 = .
15 P[B ]
36
22
P[ A ∩ B ]
P [A B ] = si P[B ] > 0.
P[B ]
La probabilidad condicional del evento B dado el evento A, denotado por P[B A], es
definida como
P[ A ∩ B ]
P[B A] = si P[A] > 0.
P[A]
i) P[A B ] ≥ 0,
ii) P[Ω B ]=1,
∞
iii) P[A1 ∪ A2 ∪ A3 ∪ L B ] = ∑ P[Ai B ] , si Ai ∩ A j = ∅ para i ≠ j .
i =1
a) P[∅ B ] = 0
i =1
[ ]
c) P A B = 1- P[A B ] .
c
Ejemplo 43: En una urna hay 3 bolas blancas y 4 rojas. Se sacan en forma aleatoria dos
bolas. ¿Cuál es la probabilidad de que resulten ambas bolas rojas dado que se sabe que
por lo menos una es roja?
Sea A = {ambas bolas son rojas} y B = {por lo menos una bola es roja}.
P[A ∩ B ] P[A]
P [A B ] = = ,
P[B ] P[B ]
23
⎛ 4 ⎞⎛ 3 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
2 0
donde P[A] = ⎝ ⎠⎝ ⎠ = 0.2857 y
⎛7⎞
⎜⎜ ⎟⎟
⎝ 2⎠
⎛ 4 ⎞⎛ 3 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟
0 2
P[B ] = 1 − ⎝ ⎠⎝ ⎠ = 0.8571 .
⎛7⎞
⎜⎜ ⎟⎟
⎝ 2⎠
Por lo tanto P[A B ] =
0.2857
= 0.3333 .
0.8571
[ ]
P[ A1 ∩ A2 ∩ L ∩ An ] = P[ A1 ]P[A2 A1 ]P A3 A1 ∩ A2 L P[An A1 ∩ L ∩ An−1 ] .
Ejemplo 44: En una urna se tienen tres bolas blancas y dos negras. Se sacan dos bolas
en forma aleatoria una tras otra. ¿Cuál es la probabilidad de que las dos bolas sean
blancas?
P[A ∩ B ] = P[A]P[B A] = × =
3 2 6
= 0.3.
5 4 20
Ejemplo 45: Considerando la misma urna del ejemplo anterior, ahora se sacan cuatro
bolas en forma aleatoria y consecutiva (una tras otra). ¿Cuál es la probabilidad de que
las tres primeras sean blancas y la última sea negra?
24
A1 = {primera bola blanca},
3 2 1 2 1
× × × = = 0.1 .
5 4 3 2 10
i =1
Demostración:
De esta manera
25
P[ A] = ∑ P[ A ∩ Bi ] = ∑ P[A B i ]P[B i ] , aplicando la regla de la multiplicación. ■
n n
i =1 i =1
Ejemplo 47: Considerando una urna con 3 bolas blancas y 2 negras, se seleccionan dos
bolas. ¿Cuál es la probabilidad de que la segunda bola sea negra?
Ejemplo 48: De la misma urna del ejemplo anterior se sacan en forma aleatoria tres
bolas sin reemplazo. ¿Cuál es probabilidad de que la tercera bola sea blanca?
1 3 2 3 2 1 2 3 2 2 2 3 3
= × × + × × + × × + × × = = 0.6 .
3 5 4 3 5 4 3 5 4 3 5 4 5
Obsérvese que a su vez P[Bi ] = P[C ]P[D C ], donde por ejemplo, para B1 , C = {primera
bola blanca} y D = {segunda bola blanca}.
P[A Bi ]P[Bi ]
P[Bi A] = .
∑ P[A Bi ]P[Bi ]
n
i =1
Demostración:
26
Aplicando en el numerador la regla de la multiplicación de probabilidades y en el
denominador, el Teorema de la Probabilidad Total. ■
Ejemplo 49: Considerando la misma urna del ejemplo anterior, se sacan dos bolas en
forma aleatoria. Se sabe que la segunda bola fue negra, ¿cuál es la probabilidad de que
la primera bola sea negra?
Ejemplo 50: Una urna contiene tres monedas, una de las cuales está acuñada con dos
águilas, mientras que las otras dos son monedas normales y no son sesgadas. Se escoge
una moneda al azar de la urna y se lanza cuatro veces en forma sucesiva. Si cada vez
salió águila, ¿cuál es la probabilidad de que se trate de la moneda anormal?
1
P[A B2 ]P[B2 ] 1×
P[B2 A] = 3 8
= = = 0.89 .
P[A B1 ]P[B1 ] + P[A B2 ]P[B2 ] 1 ⎛1⎞
4
2 9
1× + ⎜ ⎟ ×
3 ⎝2⎠ 3
Ejemplo 51: Se sabe que el veredicto dado por un jurado es un 90% confiable cuando el
sospechoso es culpable, y un 99% confiable cuando es inocente. Si el sospechoso se
selecciona entre un grupo de personas, de los cuales solo el 5% han cometido algún
delito alguna vez y el jurado lo declara culpable. ¿Cuál es la probabilidad de que sea
inocente?
Definimos los siguientes eventos I = {el sospechoso sea inocente}; C = {el sospechoso
sea culpable}; DC = {el sospechosos se declara culpable}; DI = {el sospechoso se
declara inocente}. De esta manera
Ejemplo 52: En un poblado se sabe que el 0.001 de la gente tiene tuberculosis. Una
prueba para detectar dicha enfermedad tiene las siguientes características: Si una
persona tiene tuberculosis, la prueba lo indicará con una probabilidad de 0.999, y si no
la tiene, la prueba indicará lo contrario con una probabilidad del 0.002. Se selecciona
una persona en forma aleatoria de dicha población y se le realiza la prueba. La prueba
indica que tiene tuberculosis. Calcular la probabilidad de que realmente la persona esté
enferma.
27
Definimos los siguientes eventos T = {la persona tiene tuberculosis}; S = {la persona
esta sana}; P = {la prueba detecta tuberculosis}.
1.15 INDEPENDENCIA
a) P[A ∩ B ] = P[ A]P[B ],
Nota: Si los eventos A y B cumplen con alguna de las tres condiciones, es más que
suficiente para decir que A y B son independientes. En otras palabras, las tres igualdades
son definiciones equivalentes de independencia de dos eventos. La demostración queda
como ejercicio para el estudiante.
Ejemplo 53: Se lanzan dos dados y se definen los siguientes eventos A = {el primer
dado es par} y B = {la suma de los dados es par}. ¿Son A y B independientes?
18 1 18 1 9 1
P[A] = = ; P[B ] = = y P[ A ∩ B ] = = .
36 2 36 2 36 4
1 1 1
Entonces P[ A ∩ B ] = = × = P[ A]P[B ] .
4 2 2
Ejemplo 57: Si la probabilidad de que Juan todavía este vivo al cabo de 20 años es de
0.6 y la probabilidad de que Pedro sobreviva el mismo lapso es de 0.9. ¿Cuál es la
probabilidad de que ninguno sobreviva 20 años?
28
J = {Juan sobreviva al cabo de 20 años}; P = {Pedro sobreviva al cabo de 20 años}
[ ] [ ][ ]
Por lo tanto, P J C ∩ P C = P J C P P C = 0.4 × 0.1 = 0.04 .
Ejemplo 58: Un jugador de baloncesto encesta el 50% de sus tiros. De sus cuatro tiros
siguientes, calcular las siguientes probabilidades,
a) que enceste tres,
b) que enceste por lo menos un tiro,
c) que enceste dos tiros.
a) Encestar tres tiros significa no encestar uno. El tiro que falla puede ser el primero, el
segundo, el tercero o el cuarto. La probabilidad de que falle el primero y los otros tres
los enceste es 0.5 × 0.5 × 0.5 × 0.5 = 0.5 4
Análogamente, la probabilidad de que falle el segundo y los otros tres los enceste es
0.5 × 0.5 × 0.5 × 0.5 = 0.5 4 , y así hasta considerar que falle el cuarto tiro.
EEN N
EN EN
EN N E
N N EE
N EN E
N EEN
La probabilidad en cada caso es igual a 0.5 4 , por lo que P[encestar dos tiros ] =
6 × 0.5 4 = 0.375.
⎛ 4⎞
De otra manera se puede calcular la probabilidad deseada como ⎜⎜ ⎟⎟(0.5) 2 (0.5) 2 .
⎝ 2⎠
29
M H
Ad 20 30
Ac 60 140
S 100 50
P[Ac M ] =
60
a) = 0.3333.
180
50 220 150
b) P[H ∩ S ] = = 0.125 ; P[H ] = = 0.55 ; P[S ] = = 0.375 .
400 400 400
Como 0.55 × 0.375 = 0.20625 ≠ 0.125 , por lo tanto los eventos no son independientes.
Ejemplo 60: De una urna que contiene 5 bolas negras y 3 verdes se sacan sucesivamente
3 bolas con reemplazo.
a) Calcular la probabilidad de que las tres bolas sean del mismo color.
b) Calcular la probabilidad de que cada color quede representado.
a) El hecho de que la selección se realice con reemplazo de las bolas, significa que
existe independencia.
P[tres bolas del mismo color ] = P[3 bolas negras] + P[3 bolas verdes] =
3 3
⎛ 5⎞ ⎛ 3⎞
⎜ ⎟ + ⎜ ⎟ = 0.2969
⎝8⎠ ⎝8⎠
b) P[cada color quede representado] = P[1 negra y 2 verdes] + P[2 negras y 1 verde]=
5 3 3 3 5 5
× × × 3 + × × × 3 = 0.6836 .
8 8 8 8 8 8
1.16 EJERCICIOS
30