Escolar Documentos
Profissional Documentos
Cultura Documentos
Ejemplo 2.2: Una generalizacin del experimento aleatorio de lanzar una moneda
es aquel donde existen slo dos posibles resultados: verdadero o falso, xito o
fracaso, defectuoso o no defectuoso, si o no, varn o hembra, etc. En este caso, el
espacio muestral es discreto y finito ya que tiene dos posibles resultados.
= =
= = = = =
Ejemplo 2.16:Sea el experimento aleatorio de extraer una pelota al azar de una caja.
En la caja hay R pelotas rojas y A pelotas amarillas. En total, hay (R + A) pelotas
disponibles, luego hay (R + A) eventos elementales.
Sea el evento C = {extraer una pelota roja}. Entonces, el evento C ocurre de R
formas distintas, luego
A R
A
N
N N
N
N
C P
A R
R
N
N
C P
S
C S
S
C
S
C
+
=
= =
+
= = ) ( y ) (
S
A
AB B
Figura 2.4 Diagrama de Venn de la Interseccin de Dos Eventos no Excluyentes.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-17 15/10/03
Ejemplo 2.21: La probabilidad de la unin de dos eventos que no son excluyentes
es igual a la suma de sus probabilidades menos la probabilidad de su interseccin.
Para demostrar esta aseveracin se debe hacer uso de la teora de conjuntos y de los
axiomas de probabilidades. En la Figura 2.4 se muestran dos eventos, la elipse A y
el rombo B, con la particularidad de tener una interseccin no vaca. De all se
puede escribir que
( ) ( ) ( ) B A B A B A B A =
con la particularidad de que los tres eventos entre parntesis del lado derecho son
excluyentes entre si por lo que, segn el axioma 3,
( ) ( ) ( ) ( ) B A P B A P B A P B A P + + =
Analizando el evento de la forma ( ) B A se puede ver que se cumple que
( ) ( ) ( ) ( ) ( ) ) ( - P ) ( P B P B A B A P B A P B P B A B A B B A = + = =
De igual manera, para el evento de la forma ( ) B A se cumple que
( ) ( ) ) ( - P A P B A B A P =
Sustituyendo en la ecuacin original, se simplifica para llegar a
( ) ( ) ( ) ( ) B A P B P A P B A P + =
Como puede observar el lector, los Ejemplos 2.18 al 2.21 son caractersticas
generales que surgen como consecuencia de los axiomas de probabilidades. Se
podran ver de ahora en adelante como propiedades de la definicin de probabilidad;
adicionales a los axiomas antes mencionados.
Ejemplo 2.22: Considere un experimento aleatorio en el cual se definen dos
eventos, A y B, que son mutuamente excluyentes. Se conoce que P(A)=0.28 y
P(B)=0.65. Se requiere calcular las probabilidades de los eventos siguientes:
B A B A B A B A , , , ,
Para el clculo de las probabilidades de estos eventos se utilizan tanto las
propiedades deducidas como algunas propiedades de conjuntos.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-18 15/10/03
07 . 0 93 . 0 1 ) ( 1 ) ( ) (
93 . 0 65 . 0 28 . 0 ) ( ) ( ) (
0 ) (
35 . 0 65 . 0 1 ) ( 1 ) (
72 . 0 28 . 0 1 ) ( 1 ) (
= = =
= + = + =
=
= = =
= = =
B A P B A P B A P
B P A P B A P
B A P
B P B P
A P A P
Ejemplo 2.25: Cul es la probabilidad de que se puedan sentar en una fila tres
hombres y cuatro mujeres si los hombres se sientan juntos?.
En el Ejemplo 2.2.6 del Apndice 2.2 se consider el problema de calcular los casos
favorables al evento del que se solicita la probabilidad. Sea A el evento de que los
hombres se sienten juntos, entonces N
A
= 720. Para conocer N
S
se debe tomar en
cuenta que se van a sentar en cualquier orden las siete personas en las siete sillas por
lo que N
S
= 7! = 5040. Entonces
14286 . 0
5040
720
) ( = = =
S
A
N
N
A P
\
|
=
x
S
N . Sea C el evento que el comit est formado
por dos hombres y tres mujeres, entonces 2520
! 7 ! 3
! 10
! 5 ! 2
! 7
3
10
2
7
= =
|
|
.
|
\
|
|
|
.
|
\
|
=
x
x
x
C
N .
Luego
4072 . 0
6188
2520
) ( = = =
S
C
N
N
C P
Ejemplo 2.28: Se van a alinear al azar 6 pelotas negras y dos blancas. Cul es la
probabilidad de que las dos pelotas blancas queden juntas?.
Para calcular el total de formas como ocurre el espacio muestral hay que tomar en
cuenta que se quiere alinear 8 pelotas. De aqu resulta que 40320 ! 8 = =
S
N . Sea A
el evento que las dos pelotas blancas queden juntas, entonces 10080 ! 6 ! 2 7 = = x x
A
N .
Luego
25 . 0
40320
10080
) ( = = =
S
A
N
N
A P
=
R A R A R A R R AA RA N N
i
i S
El nmero de formas distintas como ocurre el evento (R
2
R
1
) se corresponde con
N
3
= R(R-1). Luego,
( )
) 1 )( (
) 1 (
1 2
+ +
=
R A R A
R R
R R P
Siguiendo la misma metodologa para analizar la Figura 2.6 se puede escribir que
( )
) 1 )( (
1 2
+ +
=
R A R A
RA
A R P
En conclusin P(R
2
) ser
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-25 15/10/03
( ) ( )
! ! !
) 1 )( (
) 1 (
) 1 )( (
) 1 (
) (
) 1 )( ( ) 1 )( (
) 1 (
) (
2
1 2 1 2 2
R A
R
R A R A
R A R
R A R A
RA R R
R P
R A R A
RA
R A R A
R R
A R P R R P R P
+
=
+ +
+
=
+ +
+
=
+ +
+
+ +
= + =
Parece sorprendente el resultado obtenido ya que despus de tener que tomar en
cuenta las alteraciones que provoca la ocurrencia de la primera extraccin se llega al
mismo resultado que en el caso del MCR. La clave de esto se encuentra en el hecho
de haber tomado en cuenta todos los posibles resultados de la primera extraccin.
El anlisis de las Figuras 2.5 y 2.6 unido a la Definicin 2.21 permite generalizar el
mtodo de clculo de la probabilidad condicional mediante la siguiente definicin.
Definicin 2.22: La probabilidad de un evento A condicionado a que ocurri un
evento B, es decir, P(A/B), se define como la relacin entre las probabilidades de la
interseccin de los eventos A y B y la probabilidad del evento condicionante B.
= B P
B P
B A P
B A P (ec. 2.7)
S
AB
A B
Figura 2.7: Eventos Involucrados en la Definicin 2.22.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-26 15/10/03
Cuando se analiza la Figura 2.7 se puede crear una relacin entre el rea ocupada
por un evento y su probabilidad de ocurrencia. As, el rea total del rectngulo debe
considerarse como uno ya que se corresponde con el espacio muestral. La
probabilidad del evento A ser la relacin entre el rea ocupada por el evento A y el
rea ocupada por el espacio muestral. Pensando de esta manera, al ocurrir el evento
B se reduce el espacio muestral al rea ocupada por el evento B y, entonces, la
probabilidad de A ser, ahora, la relacin entre el rea ocupada por A dentro del
nuevo espacio muestral (AB) y el rea del nuevo evento S (evento B). Esta
explicacin grfica hace entender la forma como el evento B altera el espacio
muestral lo que provoca el cambio en el valor de la probabilidad de A.
Ejemplo 2.30: En el laboratorio de computacin de una escuela hay 100
computadoras. Algunas son Pentium II (PII) y otras son Pentium I (PI), adems se
sabe que algunas computadoras tienen unidad de CD (CD) y otras no tienen unidad
de CD (NCD). La Tabla 2.1 muestra la distribucin de las computadoras segn las
clasificaciones anteriores. El experimento aleatorio consiste en escoger una
computadora al azar. Si la computadora escogida es Pentium II, Cul es la
probabilidad de que tenga unidad de CD?.
Pentium I (PI) Pentium II (PII) Total
Con unidad de CD (CD) 15 40 55
Sin unidad de CD 25 20 45
Total 40 60 100
Tabla 2.1: Datos del Ejemplo 2.30
Siguiendo la nomenclatura establecida en el enunciado del ejemplo se tiene que la
probabilidad solicitada es P(CD / PII). Entonces
666 . 0
100
60
100
40
) (
) (
) / ( = =
=
PII P
PII CD P
PII CD P
Ejemplo 2.31: En una caja hay R pelotas rojas y A pelotas amarillas. Se realiza un
MSR de tamao tres. Cul es la probabilidad de que las tres pelotas sean rojas?.
Considere los eventos siguientes R
i
= {sacar una pelota roja en el i-simo intento} y
A
i
= { sacar una pelota amarilla en el i-simo intento }. Entonces, la probabilidad
solicitada es P(R
1
R
2
R
3
). A partir de la definicin de probabilidad condicional se
puede escribir
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-27 15/10/03
A R
R
A R
R
A R
R
R P R R P R R R P R R R P
R P R R P R R P
R R P R R R P R R R P
R R P
R R R P
R R R P
x x
+ +
+
= =
=
=
=
1
1
2
2
) ( ) / ( ) / ( ) (
luego ) ( ) / ( ) ( pero
) ( ) / ( ) (
) (
) (
) / (
1 1 2 2 1 3 3 2 1
1 1 2 2 1
2 1 2 1 3 3 2 1
2 1
3 2 1
2 1 3
Ejemplo 2.32: En una caja hay 4 bombillos malos y 6 buenos. Se sacan dos
bombillos a la vez. Se prueba el primero y resulta bueno, Cul es la probabilidad
de que el otro tambin sea bueno?.
Sean los eventos B
1
= {el bombillo 1 est bueno} y B
2
= {el bombillo 2 est bueno}.
Entonces, la probabilidad solicitada es P(B
1
B
2
). A partir de la definicin de
probabilidad condicional se puede escribir
333 . 0
10
6
9
5
) (
luego
9
5
) / ( y
10
6
) (
) ( ) / ( ) (
) (
) (
) / (
2 1
1 2 1
1 1 2 2 1
1
2 1
1 2
= =
= =
=
=
x B B P
B B P B P
B P B B P B B P
B P
B B P
B B P
=
=
n
i
i i
B P B A P A P
1
) ( ) / ( ) ( (ec. 2.8)
S
B
2
B
1
B
3
A
B
i
B
n
Figura 2.8: Evento A y la Particin del Espacio Muestral.
Demostracin: El grupo de eventos B
i
debe cumplir con las siguientes propiedades
- S B
n
i
i
=
=
U
1
- ) ,... 2 , 1 , ( todo para n j i j i B B
j i
= =
Adems, tienen que ser tales que sus probabilidades sean mayores que cero
(P(B
i
)>0). El evento A se puede escribir como (en virtud de la 1 propiedad de la
particin)
( )
U U
n
i
i
n
i
i
B A B A S A A
1 1 = =
= = =
Note que los eventos dentro de la operacin de unin en el miembro de la derecha
de la expresin anterior son excluyentes entre si (2 propiedad de la particin).
Aplicando el concepto de probabilidad a los eventos anteriores
( ) ( ) ( ) ( )
= = =
= =
(
=
n
i
i i
n
i
i
n
i
i
B P B A P B A P B A P A P
1 1 1
/ ) (
U
Ejemplo 2.33: Se tienen dos cajas con pelotas. En la caja 1 hay X pelotas blancas y
Y pelotas rojas. En la caja 2 hay Z pelotas blancas y W pelotas rojas. Se selecciona
al azar una pelota de la caja 1 y se coloca en la caja 2, a continuacin, se escoge una
pelota de la caja 2, Cul es la probabilidad de que esa pelota sea blanca?.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-29 15/10/03
Se definen los eventos siguientes:
B
1
= {pasar una pelota blanca de la caja 1 a la caja 2}
B
2
= { pasar una pelota roja de la caja 1 a la caja 2}
A = { escoger una pelota blanca de la caja 2}.
Ya que no se conoce el color de la pelota que pasa de la caja 1 a la caja 2, se deben
tomar en cuenta todos los posibles eventos que pudieron ocurrir. Entonces, la
probabilidad total de A se puede expresar en trminos de la particin B
i
.
( )( ) Y X W Z
ZY X XZ
Y X
Y
W Z
Z
Y X
X
W Z
Z
A P
B P B A P B P B A P B P B A P A P
x x
i
i i
+ + +
+ +
=
+ + +
+
+ + +
+
=
+ = =
=
1 1 1
1
) (
) ( ) / ( ) ( ) / ( ) ( ) / ( ) (
2 2 1 1
2
1
=
F P F P F P
F P F P F P F P
i
i
025 . 0 25 . 0 04 . 0 25 . 0 02 . 0 5 . 0 02 . 0 ) ( ) / ( ) (
3
1
= + + = =
=
x x x
i
i i
F P F D P D P
Ejemplo 2.36: Se dispone de una caja con R pelotas rojas y A pelotas amarillas. Se
lanza un dado perfecto y se obtiene como resultado un valor N, con N variable entre
uno y seis; si N es menor que 4 se extraen 2 pelotas sin reposicin, en caso contrario
se extraen 2 pelotas con reposicin, Cul es la probabilidad de que no se extraigan
pelotas rojas?.
Se definen los eventos siguientes:
A
1
= {ocurre un valor menor que 4 al lanzar el dado}
A
2
= {ocurre un valor mayor o igual que 4 al lanzar el dado}
R = {no se extrae ninguna pelota roja}= {las dos pelotas son amarillas}
A
1
y A
2
conforman una particin del espacio muestral. Adems, P(A
1
)=P(A
2
)=0.5.
Por otro lado, el evento R adquiere una connotacin diferente al ocurrir A
1
o A
2
.
Cuando ocurre A
1
, el muestreo se realizar sin reposicin mientras que cuando
ocurre A
2
el muestreo se realizar con reposicin. Entonces,
2
2 1
) / ( y
1
1
) / (
|
.
|
\
|
+
=
+
+
=
A R
A
A R P
A R
A
A R
A
A R P x
( )
|
.
|
\
|
+
+
+
+
=
+ = = =
= =
A R
A
A R
A
A R
A
R P
A R P A R P A R P A P A P A R P R P
i
i i
i
i i
1
1
5 . 0 ) (
) / ( ) / ( 5 . 0 ) / ( ) ( ) ( ) / ( ) (
2 1
2
1
2
1
Ejemplo 2.37: Considere nuevamente las cajas del Ejemplo 2.33. Se selecciona al
azar una pelota de cada caja y se coloca cada pelota en la otra caja, a continuacin,
se escoge una pelota de la caja 2, Cul es la probabilidad de que esa pelota sea
blanca?.
Se definen los eventos siguientes:
B
1
= {pasar una pelota blanca de la caja 1 a la caja 2}
B
2
= { pasar una pelota roja de la caja 1 a la caja 2}
C
1
= {pasar una pelota blanca de la caja 2 a la caja 1}
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-31 15/10/03
C
2
= { pasar una pelota roja de la caja 2 a la caja 1}
A = { escoger una pelota blanca de la caja 2}.
Los 4 eventos que pueden ocurrir al intercambiar pelotas son D
1
=(B
1
C
1
),
D
2
=(B
1
C
2
), D
3
=(B
2
C
1
) y D
4
=(B
2
C
2
). Por tanto, este grupo de eventos
conforman una particin D
i
del espacio muestral. Para conocer sus probabilidades se
recurre al producto cartesiano de los espacios muestrales de cada uno de los
experimentos involucrados (extraer una pelota de la caja 1 y extraer una pelota de la
caja 2). Aqu se tiene que N
S
= (X+Y)(Z+W), N
D1
= XZ, N
D2
= XW, N
D3
= YZ y
N
D4
= YW.
Por otro lado, al ocurrir cada evento de la particin se conoce el espacio muestral
resultante por lo que las probabilidades del tipo P(A/D
i
) sern
Y X
X
D A P
Y X
X
D A P
Y X
X
D A P D A P
+
+
=
+
=
+
= =
1
) / ( y
1
) / ( , ) / ( ) / (
3 2 4 1
Entonces, la probabilidad total de A se puede expresar en trminos de la particin
D
i
.
) ( ) (
) )( (
) (
,
) )( ( ) )( (
1
) )( (
1
) )( (
) ( ) / ( ) (
2
4
1
W Z Y X
XW YZ W Z Y X X
A P
W Z Y X
YW
Y X
X
W Z Y X
YZ
Y X
X
W Z Y X
XW
Y X
X
W Z Y X
XZ
Y X
X
D P D A P A P
x x
x x
i
i i
+ +
+ + +
=
+ + +
+
+ + +
+
+
+
+ + +
+
+ + +
= =
Ejemplo 2.38: Dos jugadores A y B se turnan para lanzar una moneda equilibrada.
A lanza de primero y B lanza despus, y el ciclo se repite hasta que gana el primero
que saque cara. Cul es la probabilidad de ganar de cada uno de los jugadores?.
Sean los eventos A = {gana el jugador A}, B = { gana el jugador B}, A
i
= {gana el
jugador A en su intento i-simo} y B
i
= {gana el jugador B en su intento i-simo}.
El evento A
2
implica que A perdi en su primer intento, B tambin perdi y A gano
en su segundo intento, es decir, en trminos de los eventos que ocurren se puede
escribir que
( ) ( ) ( )
2
1 1 1 1 1 2 2 2 1 1 2
) 5 . 0 )( 5 . 0 ( / / ) ( = = = A P A B P B A A P A P A B A A
Generalizando para el intento i-simo
1,2,... i con ) 5 . 0 ( ) 5 . 0 ( ) (
) 1 ( 2
= =
i
i
A P
El evento A se puede expresar como la unin de los eventos A
i
.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-32 15/10/03
( ) ( ) 667 . 0
25 . 0 1
25 . 0
2 25 . 0 2 ) 5 . 0 ( 2 ) 5 . 0 ( ) 5 . 0 ( ) (
) 5 . 0 ( ) 5 . 0 ( ) ( ) (
1 1
2
1
2 2
1
) 1 ( 2
1 1 1
=
= = = =
= = = =
=
i
i
i
i
i
i
i
i
i
i
i
i
i
i
A P
A P A P A A A
U U
Siguiendo un anlisis paralelo para el evento B, se puede escribir que
1,2,... i con ) 5 . 0 ( ) 5 . 0 ( ) (
1 ) 1 ( 2
= =
+ i
i
B P , luego
( ) ) ( 1 333 . 0
25 . 0 1
25 . 0
) 5 . 0 ( ) 5 . 0 ( ) 5 . 0 ( ) ( ) (
1
2
1
1 ) 1 ( 2
1
A P B P B P
i
i
i
i
i
i
= =
= = = =
=
=
+
=
y de esta manera resolver la incgnita que se plante en el prrafo anterior. Este
anlisis se puede generalizar mediante la siguiente definicin.
Definicin 2.24: Sea una particin del espacio muestral en un grupo de eventos B
i
,
con i = 1, ,n. La probabilidad condicional de un evento B
i
dado que ocurri un
evento A se puede expresar como la probabilidad del evento A dado que ocurri ese
elemento de la particin por la relacin de las probabilidades entre B
i
y A,
respectivamente. Esta definicin es lo que se conoce como Teorema de Bayes.
=
= =
n
j
j j
i i i i
i
B P B A P
B P B A P
A P
B P B A P
A B P
1
) ( ) / (
) ( ) / (
) (
) ( ) / (
) / ( (ec. 2.9)
Ejemplo 2.39: Considere las dos cajas con pelotas del Ejemplo 2.33. Se selecciona
al azar una pelota de la caja 1 y se coloca en la caja 2, a continuacin, se escoge una
pelota de la caja 2 y resulta ser blanca, Cul es la probabilidad de que la pelota
seleccionada inicialmente de la caja 1 haya sido blanca?.
Se definen los eventos siguientes:
B
1
= {pasar una pelota blanca de la caja 1 a la caja 2}
B
2
= { pasar una pelota roja de la caja 1 a la caja 2}
A = { escoger una pelota blanca de la caja 2}.
Entonces la probabilidad solicitada es P(B
1
/ A). Aplicando el teorema de Bayes se
consigue que
( )( )
( )
ZY X XZ
X Z
Y X W Z
ZY X XZ
Y X
X
W Z
Z
A P
B P B A P
A B P
x
+ +
+
=
+ + +
+ +
+ + +
+
= =
1
1
1
1
) (
) ( ) / (
) / (
1 1
1
Ejemplo 2.40: Considere las cajas con transistores del Ejemplo 2.34. Se selecciona
al azar una caja y de ella se selecciona un transistor que resulta estar bueno, Cul
es la probabilidad de que la caja 2 haya sido la seleccionada?.
Se definen los eventos siguientes:
B = {el transistor escogido est bueno}
C
i
= {escoger la caja i / i = 1, 2, 3, 4}
Entonces la probabilidad solicitada es P(C
2
/ B). Aplicando el teorema de Bayes se
consigue que
1791 . 0
8375 . 0
25 . 0 6 . 0
) (
) ( ) / (
) / (
2 2
2
= = =
x
B P
C P C B P
B C P
=
Aqu se puede observar que la ocurrencia del evento R
1
no condiciona la ocurrencia
del evento R
2
y por tanto la expresin de la derecha adquiere validez. Este hecho se
recoge en la siguiente definicin.
Definicin 2.25: Sean dos eventos, A y B, definidos en el espacio muestral S. Si la
probabilidad de la interseccin de los dos eventos es igual al producto de sus
probabilidades entonces, esos dos eventos son independientes.
) ( ) ( ) ( ) ( C P B P A P C B A P = (ec. 2.11)
Ejemplo 2.43: Si los eventos A y B son independientes entonces los eventos
complementarios B y A tambin lo son.
Para demostrar esta aseveracin se recurre a la Definicin 2.1.11 (primera ley de De
Morgan) y al axioma 3 para escribir
( )
( ) ( ) ) ( ) ( ) ( ) ( 1
) ( 1 ) (
B P A P B P A P B A P
B A P B A P B A P B A B A
+ =
= = =
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-36 15/10/03
Por otro lado, con base en el Ejemplo 2.18, se pueden expresar P(A) y P(B) como
) ( 1 ) ( y ) ( 1 ) ( B P B P A P A P = = , sustituyendo queda
( ) ( )( ) ( ) ) ( ) ( ) ( 1 ) ( 1 ) ( 1 ) ( 1 1 B P A P B P A P B P A P B A P = + =
En vista de que los eventos complementarios cumplen con la ecuacin 2.10 se
demuestra la veracidad de la aseveracin planteada.
Ejemplo 2.44: Sean los eventos A, B y C tales que P(A) = P(B) = P(C) = 0.2.
Adems se sabe que P(AB) = P(AC) = P(CB) = P(ABC) = 0.04. Estos
eventos son independientes?
Para demostrar la independencia de tres eventos se debe demostrar primero la
independencia de cada dos de ellos y luego verificar que tambin se cumple la
ecuacin 2.11. De los datos se verifica que, tomados dos a dos, los eventos son
independientes, pero al verificar la ecuacin 2.11 se tiene que
( ) ) ( ) ( ) ( C P B P A P C B A P
Por tanto los eventos A, B y C no son independientes entre s.
Ejemplo 2.45: Sean los eventos independientes A y B tales que P(A) = P(B) = 0.6.
Cul es la probabilidad de la unin de estos eventos?
Del Ejemplo 2.21 y tomando en cuenta que A y B son independientes, se tiene que
( )
( ) 84 . 0 6 . 0 6 . 0 6 . 0 6 . 0
) ( ) ( ) ( ) ( ) ( ) ( ) (
= + =
+ = + =
x B A P
B P A P B P A P B A P B P A P B A P
Ejemplo 2.46: Considere una caja con R pelotas rojas y A pelotas amarillas. Se va
a realizar un MCR de tamao 2 y sean los eventos R
1
y R
2
, Cul es la probabilidad
de la unin de estos eventos?
Del Ejemplo 2.21 y tomando en cuenta que R
1
y R
2
son eventos independientes
como consecuencia del MCR, se tiene que
( )
( )
|
.
|
\
|
+
+
=
+ +
+
+
+
=
+ = + =
A R
R
A R
R
A R
R
A R
R
A R
R
A R
R
R R P
R P R P R P R P R R P R P R P R R P
x 2
) ( ) ( ) ( ) ( ) ( ) ( ) (
2 1
2 1 2 1 2 1 2 1 2 1
Ejemplo 2.48: Se tienen dos monedas cargadas. La primera tiene probabilidad 0.4
de caer cara y la segunda 0.6. Un jugador escoge al azar una de las monedas y la
lanza dos vez, Cul es la probabilidad de obtener dos caras?.
Sean los eventos A = {obtener dos caras} y B
i
= {escoger la moneda i / i = 1, 2}.
Entonces, P(B
1
) = P(B
2
) = 0.5. Por otro lado, el evento A puede expresarse como la
interseccin de dos eventos que son independientes, es decir
A = {primer lanzamiento salga cara}{segundo lanzamiento salga cara}, entonces
( ) 26 . 0 ) 6 . 0 4 . 0 ( 5 . 0 ) ( ) / ( ) ( ) / (
2 2
2 2 1 1
= + = + = B P B A P B P B A P A P
=
E E P
E P
E E M J P
Ejemplo 2.52: Se lanza un dado dos veces como en el Ejemplo 2.5. Cul es la
probabilidad de que la suma de los resultados sea mayor o igual a 9?.
El espacio muestral del experimento puede expresarse como el producto cartesiano
del espacio del Ejemplo 2.3 por si mismo como consecuencia de considerar que el
resultado del primer lanzamiento no tiene nada que ver con el del segundo
lanzamiento o que los dos lanzamientos son independientes entre s.
Sean los eventos D
1
= {valor del dado en el primer lanzamiento} y D
2
= {valor del
dado en el segundo lanzamiento}. En la Figura 2.12 se muestran ejes cartesianos
que representan al resultado D
1
(eje horizontal) y al resultado D
2
(eje vertical). Los
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-41 15/10/03
puntos marcados con x son los que corresponden al evento A ={la suma de los
resultados es mayor o igual a 9}.
D
2
6 x x x x
5 x x x
4 x x
3 x
2
1
1 2 3 4 5 6 D
1
Figura 2.12: Espacio Muestral para el Experimento Compuesto del Ejemplo 2.52
El evento A se cumple de N
A
= 10 formas distintas y el espacio muestral de N
S
= 36
formas distintas, como se ve en la Figura 2.12. Luego
278 . 0
36
10
) ( = = =
S
A
N
N
A P
=
A ocurre no si 1
A ocurre si
p
p
p B P (ec. 2.12)
Ejemplo 2.53: Considere el ejemplo de extraer una pelota de una caja con R
pelotas rojas y V pelotas verdes. Sea el evento A = {extraer una pelota roja}. Este
experimento aleatorio es una Prueba de Bernoulli donde el valor de p es
V R
R
+
.
\
|
= =
k k n
p p
k
n
k p n Bi P (ec. 2.14)
Definicin 2.30: Sea un experimento Binomial con parmetros n y p. Considere
que el nmero de Pruebas de Bernoulli es muy grande, (n), y que la
probabilidad del evento A es muy pequea, (p0), pero son tales que el producto
np tiende a un valor finito entonces el experimento Binomial resultante se puede
expresar como un Experimento Poisson.
= = =
=
(
|
.
|
\
|
|
.
|
\
|
|
.
|
\
|
= = =
=
=
|
|
.
|
\
|
= =
) (
!
1
!
/ ,
queda constante, sea que forma tal de infinito, a n tiende cuando lmite el tomar al
1 1
1
1 ...
2
1
1
1 1
!
/ ,
obtiene se n y m de s en trmino odo expresar t para m/n p sustituye se si
1
! !
!
1 ,
G P
G P
G P
\
|
= =
= =
|
|
.
|
\
|
= =
p
Bi P
Bi P x x
|
|
.
|
\
|
= =
k
k
k
k k
k
e
P P p
np m
p
k
Bi P p
U
B
2
B
1
B
3
B
i
B
n
Figura 2.1.3: Particin del Conjunto Universal.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-50 15/10/03
APNDICE 2.2: RESUMEN DE TCNICAS DE CONTEO.
Este apndice es un resumen, como su nombre lo indica, de los elementos bsicos
de tcnicas de conteo. Si el lector requiere profundizar ms sobre el tema debe
remitirse a textos escritos para tal efecto.
Estas tcnicas tienen base en dos principios matemticos y lgicos que son el
principio aditivo y el principio multiplicativo que se definen a continuacin.
Definicin 2.2.1: Sean k conjuntos A
1
, A
2
, A
k
, con N
1
, N
2
, N
k
elementos,
respectivamente. Si se desea escoger un nico elemento, el nmero de formas
distintas ser, empleando el principio aditivo,
=
=
k
1 i
i
N
a
N .
=
=
k
i
m
N
1
i
N .
Ejemplo 2.2.5: De cuntas maneras diferentes pueden sentarse en una fila tres
hombres y cuatro mujeres si los hombres y las mujeres deben quedar alternados?
Considere los 7 puestos de la fila. Si en la primera posicin se coloca una mujer es
factible colocar hombres y mujeres alternados pero, si en esa primera posicin se
coloca un hombre ser imposible cumplir con el postulado planteado. Para esa
primera posicin, en consecuencia, slo se dispone de las 4 mujeres; para la segunda
slo se dispone de los tres hombres, y as sucesivamente. En conclusin, existen
(4
x
3
x
2
x
1)
x
(3
x
2
x
1) = 4!
x
3! = 24
x
6 = 144 maneras distintas.
Ejemplo 2.2.6: De cuntas maneras diferentes pueden sentarse en una fila tres
hombres y cuatro mujeres si los hombres se sientan juntos?
Considere los 7 puestos de la fila. Si en la primera posicin se coloca un hombre
entonces en la segunda y tercera posiciones tambin se colocarn hombres mientras
que en las posiciones restantes se colocarn las mujeres; esto ocurre de 3!
x
4! = 144
maneras distintas. Ahora bien, los hombres quedaran juntos slo si comienzan a
sentarse desde la primera posicin hasta la quinta posicin (5 maneras distintas). En
conclusin, existen 144
x
5 = 720 maneras distintas.
=
1
0
n
i
(n-i) .
=
1
0
n
i
(n-i) = n
x
(n-1)
x
(n-2)
x
x
2
x
1 = n!
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-52 15/10/03
Ejemplo 2.2.7: Se dispone de n pelotas para colocarlas en n cajas tal que se
coloque una pelota en cada caja. La Figura 2.2.1 muestra las cajas numeradas de la 1
a la n. Para llenar la primera caja se dispone de la n pelotas; una vez llena esa
primera caja, se dispone de (n-1) pelotas para colocar en la segunda caja. Siguiendo
este procedimiento se puede decir que para llenar la caja que ocupa la posicin i se
disponen de (n-(i-1)) pelotas y, en consecuencia, para llenar la ltima caja slo se
contar con una pelota. Luego las n cajas se podrn llenar de n! formas distintas.
=
1
0
r
i
(n-i) .
= =
=
=
Ejemplo 2.2.8: 15 carros entran en una carrera. De cuntas maneras distintas se
puede premiar a los 3 primeros lugares?.
Para la posicin 1 se dispone de los 15 carros, para la posicin 2 de los 14 restantes
y para la tercera posicin de los 13 restantes, luego hay 15
x
14
x
13 = 2730 formas
distintas. Este nmero es el que corresponde a V
15,3
.
= = =
- Las combinaciones se pueden expresar mediante una notacin
compacta en trminos de nmeros combinatorios. Es decir,
|
|
.
|
\
|
=
=
r
n
r n r
n
)! ( !
!
C
r n,
Definicin 2.2.6: Los nmeros combinatorios, son los coeficientes que resultan
del desarrollo en serie de una suma de dos trminos elevada a la potencia n.
\
|
=
|
|
.
|
\
|
r n
n
r
n
.
Introduccin a la Probabilidad, los Procesos Estocsticos y la Estadstica en Ingeniera
Rafael Daz Pgina 2-54 15/10/03
- Otra propiedad interesante de los coeficientes binomiales es la
siguiente
|
|
.
|
\
|
+
|
|
.
|
\
|
=
|
|
.
|
\
|
r
n
r
n
r
n 1
1
1
.
( )
=
|
|
.
|
\
|
= +
n
k
k n k n
y x
k
n
y x
0
) (
(ec. 2.2.1)
Ejemplo 2.2.10: Se dispone de seis banderas de colores distintos para ser utilizadas
en un curso de seales a distancia. Para emitir un mensaje codificado se utilizan tres
banderas. El procedimiento de emisin de mensajes es levantar en alto cada una de
las tres banderas en forma sucesiva. Qu concepto se debe utilizar para ver cuantos
mensajes distintos se pueden enviar, variaciones o combinaciones?.
En el concepto de variaciones es importante considerar el orden en que se escogen
las banderas ya que eso proporciona un sentido (mensaje) distinto. Si fuese el caso
de que se levantan las tres banderas a la vez entonces, el orden en que se toman
desde la mesa pierde importancia y se estara hablando de combinaciones.
\
|
=
|
|
.
|
\
|
+
|
|
.
|
\
|
= = = =
|
|
.
|
\
|
|
|
.
|
\
|
= =
=
|
|
.
|
\
|
= = =
=
|
|
.
|
\
|
x x
x x x
x x x
x x x
x x
x
x x
x