Escolar Documentos
Profissional Documentos
Cultura Documentos
Agosto de 2016
1. Preliminares
Los desarrollos teóricos en matemáticas surgen al establecer axiomas que son proposiciones que
asumimos como verdaderas sin necesidad de demostrarlo, luego vienen las definiciones y teoremas que
son la base fundamental de tales teorı́as. En algunas definiciones dotamos con un nombre a ciertos
entes y las proposiciones que se utilizan son del tipo bicondicional. Los teoremas son proposiciones
verdaderas que requieren de una previa demostración para aceptarlas como tal, algunos teoremas
contienen en su enunciado proposiciones condicionales y otros proposiciones bicondicionales. Existen
entes que no poseen definición alguna, solo se tiene una idea de ellos; como por ejemplo el conjunto,
el punto, la recta, el plano.
*
Esta guı́a es un resumen del contenido teórico que se desarrollará en clase. Los ejercicios que aquı́ se presentan serán
solo para el desarrollo en clase. El estudiante debe recurrir a la bibliografı́a señalada en el silabo para profundizar el
contenido teórico.
1
Teorı́a de la Probabilidad
ÁLGEBRA DE CONJUNTOS
? X = {A1 , A2 , A3 , A4 , A5 , A6 }
A
A1 A2 A3 ? Cada Ai es un subconjunto no vacı́o de A
Ejemplo 1.
Si A = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10}; una partición del conjunto A es
n o
X = {1}; {2}; {3}; {4, 5}; {6, 7}; {8, 9, 10} .
f (M ) = {f (x) ∈ B/x ∈ M }.
Ejemplo 2.
R
Sea la función f : h3, 7] −→ definida por f (x) = 2x + 3.
R
Resulta de inmediato que Dom (f ) = A = h3, 7], B = , Ran (f ) = h9, 17]; además es una
función inyectiva, pero no sobreyectiva pues Ran (f ) 6= B.
Ejemplo 3.
Sea la función f : [5, 12] −→ [15, 36] definida por f (x) = 3x.
Resulta de inmediato que Dom (f ) = A = [5, 12], B = [15, 36], Ran (f ) = [15, 36]; además
es una función inyectiva y sobreyectiva pues Ran (f ) = B. Por lo tanto es una función
biyectiva. La regla de correspondencia de la función de este ejemplo es f (x) = 3x, esta regla
nos ayuda a determinar la imagen de cada elemento del dominio de la función, por ejemplo
si x = 7, f (x) = 21.
Los siguiente ejemplos muestran a funciones que poseen varias reglas de correspondencia.
Ejemplo 4.
Sea la función f : A −→ R definida por:
0 , si −5 ≤ x < −3;
1 , si −3 < x < 1;
f (x) =
2x − 3 , si 1 ≤ x < 5;
p
9 − (x − 8)2 , si 5 ≤ x ≤ 11.
Solución:
6 Los conjuntos [−5, −3i, h−3, 1i, [1, 5i y [5, 11] extraı́dos de la regla de correspondencia de la
función, tienen su correspondiente imagen vı́a la función y son
a) f [−5, −3i = {0} c) f [1, 5i = [−1, 7i
b) f h−3, 1i = {1} d ) f [5, 11] = [0, 3]
El rango de la función es
Ejemplo 5.
Sea la función f : R −→ R definida por:
1 , si −10 ≤ x < 0;
f (x) = x , si 0 ≤ x ≤ 10;
0 , en otro caso.
Solución:
1 El dominio de la función es R.
2 Si −10 ≤ x < 0, entonces f (x) = 1.
3 Si 0 ≤ x ≤ 10, entonces f (x) = x.
4 el significado del término “otro caso” es completar a todo el dominio R
de la función con
algún o algunos conjuntos, en los items anteriores ya se tiene al conjunto [−10, 10] entonces su
complemento es h−∞, −10i ∪ h10, +∞i .
5 Si x < −10 o si x > 10, entonces f (x) = 0.
6 El rango de la función es Ran (f ) = [0, 10].
2. Introducción a la probabilidad.
2.1. Experimento, espacio muestral y evento.
En la década de los 90 en Perú las placas de los automóviles eran del tipo CP − 5669 contenı́an
dos letras y 4 dı́gitos. ¿Cuántas placas en total se podı́an imprimir en aquel tiempo?. Las placas constan
de 6 posiciones que son ocupadas por letras y números, la primera posición es ocupada por una de
las 27 letras del alfabeto, la segunda posición es ocupada por una de las 27 letras del alfabeto, la
tercera posición es ocupada por un dı́gito, la cuarta posición es ocupada por un dı́gito, la quinta
posición es ocupada por un dı́gito y la sexta posición es ocupada por un dı́gito; asumiendo que los
dı́gitos son 0, 1, 2, 3, 4, 5, 6, 7, 8 y 9. Entonces el número total de placas que se imprimirán es
27 × 27 × 10 × 10 × 10 × 10 = 7 290 000.
3 Lanzar tres monedas de colores diferentes y observar el sı́mbolo que aparece en la parte inferior.
4 Lanzar una moneda y un dado luego observar el número y el sı́mbolo que aparece en la parte
inferior.
5 Tocar sin ver con una aguja un tablero de ajedrez y ver qué color de casillero se obtuvo.
6 Tocar sin ver con una aguja un tablero de ajedrez y ver que casillero se obtuvo, asumiendo que
se fijó un sistema de coordenadas.
7 Jugar con dardos al tiro al blanco y ver en qué región se acierta.
1
2
3
4
5
6
7
8
A B C D E F G H
2 Experimento: Lanzar una moneda y observar el sı́mbolo que aparece en la parte superior. El
espacio muestral asociado a este experimento es
Ω = { Cara, Sello }.
3 Experimento: Lanzar una moneda tres veces y observar la serie de sı́mbolos que aparecen en la
parte superior. El espacio muestral asociado a este experimento es (asumir C: cara, S: sello)
4 Experimento: Lanzar una moneda hasta que aparezca cara (C) y contar cuantas veces se lanzó dicha
moneda. El espacio muestral asociado a este experimento es
Ω = {1, 2, 3, 4, · · · }.
R
.
Ω = {(x, y) ∈ 2 x2 + y 2 ≤ 52 }.
Observación:
Para que usted tenga la idea de conjuntos infinitos numerables y no numerables, solo
N R N
compare a los conjuntos = {1, 2, 3, · · · } y . El conjunto de los números naturales en un conjunto
infinito numerable. El conjunto de los números reales Ren un conjunto infinito no numerable.
Definición 3 (Evento).
Al realizar un experimento aleatorio y obtener su espacio muestral Ω, definimos como evento
a cualquier subconjunto del espacio muestral Ω.
Observaciones:
3 Los eventos unitarios o elementales son aquellos que constan de un solo elemento.
3 Se dice que un evento A es un subevento del evento B si toda vez que ocurre A, entonces ocurre
también B. Lo simbolizaremos por A ⊂ B.
4 Los eventos A y B son iguales si A ⊂ B y B ⊂ A.
5 Se denomina el complemento del evento A al evento que consta de todos los puntos muestrales
que no están en A. Al complemento del evento A lo denotaremos por A0 .
Ejemplo 6.
Presentamos un ejemplo de un experimento aleatorio compuesto
Sea EXP1 el experimento aleatorio que consiste en lanzar un dado y ver el resultado que
aparece en la parte superior,
sea EXP2 el experimento aleatorio que consiste en lanzar una moneda y ver el resultado
que aparece en la parte superior.
1 El espacio muestral asociado al experimento compuesto EXP1 EXP2 es
n
Ω1 × Ω2 = (1, C); (2, C); (3, C); (4, C); (5, C); (6, C);
o
(1, S); (2, S); (3, S); (4, S); (5, S); (6, S)
ÁLGEBRA DE EVENTOS
Suponemos que A, B y C son eventos asociados a un experimento aleatorio cuyo espacio muestral es
Ω, las operaciones con eventos definidas anteriormente satisfacen las siguientes propiedades:
1 A∪A=A 10 A ∩ Ω = A
2 A∩A=A 11 Ω0 = ∅
3 A∪B =B∪A
12 ∅0 = Ω
4 A∩B =B∩A
13 (A0 )0 = A
5 A ∪ A0 = Ω
14 A ∪ (B ∩ C) = (A ∪ B) ∩ (B ∪ C)
6 A ∩ A0 = ∅
15 A ∩ (B ∪ C) = (A ∩ B) ∪ (B ∩ C)
7 A∪∅=A
8 A∩∅=∅ 16 (A ∩ B)0 = A0 ∪ B 0
9 A∪Ω=Ω 17 (A ∪ B)0 = A0 ∩ B 0
Ejemplo 7.
1 Supóngase que la placa de un automóvil en E.E.U.U. consta de dos letras diferentes
seguidas de tres dı́gitos de los cuales el primero no es cero. ¿Cuántas placas se fab-
ricarán en total?.
El alfabeto en inglés consta de 26 letras. La primera letra puede colocarse de 26 man-
eras, la segunda letra de 25 maneras, el primer dı́gito de 9 maneras, el segundo dı́gito
de 10 maneras y el tercer dı́gito de 10 maneras.
Por lo tanto podrán fabricarse 26 · 25 · 9 · 10 · 10 = 585 000 placas en total.
2 Vı́ctor desea viajar de Lima a Piura y tiene a su disposición 3 lı́neas aéreas y 5 lı́neas
terrestres. ¿De cuántas maneras diferentes puede realizar el viaje si elige a uno de
ellos?.
0! = 1, 1! = 1 y n! = 1 · 2 · 3 · · · n, si n > 1.
2.2.3. Permutaciones:
Una ordenación de un conjunto de n objetos en un orden dado se llama permutación de los objetos
(tomados todo a la vez) Una ordenación de un número r de dichos objetos (r ≤ n) en un orden dado
se llama permutación de los n objetos tomados r a la vez.
Ejemplo 8.
Consideremos el conjunto {a, b, c, d}, entonces
1 bdca, dcba, acbd son algunas permutaciones de las 4 letras (tomadas todas a la vez);
2 bad, adb, cbd, bca son algunas permutaciones de las 4 letras tomadas 3 a la vez;
3 ad, cb, da, bd son algunas permutaciones de las 4 letras tomadas 2 a la vez.
La cantidad de permutaciones de n objetos diferentes tomados r a la vez (r ≤ n)se denotará por Prn
Cierto teorema nos ayuda en el cálculo de Prn y nos brinda las siguientes fórmulas
n!
Prn = , Pnn = n!, para todo n ≥ 1 y 0 < r ≤ n.
(n − r)!
Ejemplo 9.
Consideremos el conjunto {a, b, c, d}, entonces
1 bdca, dcba, acbd son algunas permutaciones de las 4 letras (tomadas todas a la vez),
la cantidad total de permutaciones de este tipo es P44 = 4! = 24;
2 bad, adb, cbd, bca son algunas permutaciones de las 4 letras tomadas 3 a la vez, la
4!
cantidad total de permutaciones de este tipo es P34 = = 24;
(4 − 3)!
3 ad, cb, da, bd son algunas permutaciones de las 4 letras tomadas 2 a la vez, la cantidad
4!
total de permutaciones de este tipo es P24 = = 12.
(4 − 2)!
4 En el segundo tipo, las permutaciones bad y bda son diferentes lo cual significa que
importa el orden de los objetos.
Ejemplo 10.
Tenemos 10 monedas, de las cuales 5 son de color rojo, 3 de color azul y 2 de color verde.
¿De cuántas maneras los podemos ordenar en una sola fila a todas las monedas, si solo nos
interesa el color?
Respuesta: aquı́ n = 10, n1 = 5, n2 = 3 y n3 = 2 y el número total de permutaciones es
10!
= 2520.
5! · 3! · 2!
2.2.5. Combinaciones:
Supongamos que tenemos una colección de n objetos. Una combinación de estos n objetos tomados
r a la vez es un conjunto con r elementos formados con dichos objetos. En esta parte el orden no interesa
a diferencia de una permutación. Una ordenación de un número r de dichos objetos (r ≤ n) en un
orden dado se llama permutación de los n objetos tomados r a la vez. La cantidad de combinaciones
de n objetos tomados r a la vez (r ≤ n)se denotará por Crn Cierto teorema nos ayuda en el cálculo de
Crn y nos brinda las siguientes fórmulas
n!
Prn = r! · Crn o Crn = , para todo n ≥ 1 y 0 < r ≤ n.
r! · (n − r)!
Ejemplo 11.
Consideremos el conjunto {a, b, c, d}, formemos permutaciones y combinaciones de estos
objetos tomados 3 a la vez.
Combinaciones Permutaciones
abc abc, acb, bac, bca, cab, cba
abd abd, adb, bad, bda, dab, dba
acd acd, adc, cad, cda, dac, dca
bcd bcd, bdc, cbd, cdb, dbc, dcb
Ejemplo 12.
Un estudiante debe contestar 8 de las 10 preguntas de un examen:
1 ¿Cuántas maneras de escoger tiene?
Solución:
2 Si contesta las 3 primeras preguntas, entonces le queda escoger 5 de las últimas 7 preguntas de
C57 = 21 maneras.
3 Si contesta las 5 primeras preguntas, entonces le queda escoger 3 de las últimas 5 preguntas de
C35 = 10 maneras.
Por otro lado si contesta 4 de las 5 primeras preguntas las escogerá de C45 = 5 maneras, y le
queda escoger 4 de las últimas 5 preguntas de C45 = 5 maneras, por consiguiente puede escoger
las 8 preguntas de 5 × 5 = 25 maneras. En total tendrá 25 + 10 = 35 maneras.
PROBABILIDAD: Valor entre cero y uno, inclusive, que describe la posibilidad relativa
(oportunidad o casualidad) de que ocurra un evento
Es común que una probabilidad sea expresada en forma decimal, como 0.70, 0.27 o 0.50. No ob-
stante, también se da en forma de fracción, como 7/10, 27/100 o 1/2. Se puede suponer cualquier
número de 0 a 1, inclusive. Si una compañı́a sólo tiene cinco regiones de ventas (Dallas, New York,
Chicago, Oregon, Miami), y el nombre de cada región se escribe en un trozo de papel, que se coloca
en un sombrero, la probabilidad de seleccionar una de las cinco regiones es de 1. La probabilidad
de sacar del sombrero un trozo de papel rotulado con Marte es 0. Por consiguiente, la probabilidad
de 1 representa algo que seguramente sucederá, y la probabilidad de 0 representa algo que no sucederá.
Cuanto más próxima se encuentre una probabilidad a 0, más improbable es que el evento suceda.
Cuanto más próxima se encuentre la probabilidad a 1, más seguro es que suceda. El siguiente diagrama
muestra la relación e incluye algunas conjeturas personales.
Probabilidad de que Probabilidad de que
el Barcelona le anote el Barcelona le anote
un gol al Real Madrid un gol al ELCHE
0 0,5 1
Probabilidad de que
Probabilidad de Probabilidad de que al menos un día
que un T-REX salga CARA al de enero 2015 llueva
está en el W-303 lanzar una moneda en Huamanga
Definición 4.
Sea Ω el espacio muestral asociado a un experimento aleatorio EXP . La probabilidad es
una función P : 2Ω −→ [0, 1] del conjunto de todos los eventos asociados a EXP al intervalo
[0, 1] que satisface los siguientes axiomas:
1 P (A) ≥ 0 para cualquier evento A;
2 P (Ω) = 1;
Observaciones:
1 La probabilidad es una función cuyo dominio es el conjunto de todos los eventos obtenidos del
espacio muestral asociado a un experimento aleatorio EXP .
2 La probabilidad es una función que asigna a cada evento un número real que está entre 0 y 1
inclusive.
3 P (A) es un número real y se denomina la probabilidad del evento A.
Teorema 1.
Para cualquier evento A, 0 ≤ P (A) ≤ 1.
Teorema 2.
Si ∅ es un evento imposible, entonces P (∅) = 0.
Teorema 3.
Si A0 es el evento complementario del evento A, entonces P (A0 ) = 1 − P (A).
Teorema 4.
Si A y B son dos eventos tales que A ⊂ B, entonces P (A) ≤ P (B).
Teorema 5.
Si A y B son dos eventos cualesquiera, entonces P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
Teorema 6.
Si A y B son dos eventos cualesquiera, entonces P (A − B) = P (A) − P (A ∩ B).
Ejemplo 13.
Suponga que en un sorteo la probabilidad de ganar el primer premio es 2/5 y la de ganar el
segundo premio es 3/8. Si la probabilidad de ganar al menos uno de los 2 premios es 3/4,
calcular la probabilidad de ganar:
1 sólo uno de los dos premios.
Solución:
Sean los eventos A: ganar el primer premio, B: ganar el segundo premio y A ∪ B: ganar al menos un
premio, entonces
2 3 3
P (A) = , P (B) = y P (A ∪ B) =
5 8 4
3 2 3 1
P (A ∪ B) = P (A) + P (B) − P (A ∩ B) =⇒ = + − P (A ∩ B) =⇒ P (A ∩ B) =
4 5 8 40
2 1 3 15
La probabilidad de ganar solo el primer premio es P (A − B) = P (A) − P (A ∩ B) = − = =
5 40 8 40
3 1 7 14
La probabilidad de ganar solo el segundo premio es P (B −A) = P (B)−P (A∩B) = − = =
8 40 20 40
Teorema 7.
Si A1 , A2 , A3 , · · · , An es una colección finita de eventos dos a dos mutuamente excluyentes,
entonces
y en forma abreviada
n n
!
[ X
P Ai = P (Ai ).
i=1 i=1
Teorema 8.
Si A1 , A2 , A3 , · · · es una colección infinita de eventos dos a dos mutuamente excluyentes,
entonces
P (A1 ∪ A2 ∪ A3 ∪ · · · ) = P (A1 ) + P (A2 ) + P (A3 ) + · · · ,
y en forma abreviada
∞ ∞
!
[ X
P Ai = P (Ai ).
i=1 i=1
Si los eventos son elementales {wi } son igualmente posibles (o equiprobables), entonces
P {w1 } = P {w2 } = P {w3 } = · · · = P {wn } = p,
de donde
1 = P (Ω) = P {w1 } + P {w2 } + P {w3 } + · · · + P {wn } = p + p + p + · · · + p = n · p.
| {z }
n−veces
Ahora consideremos un evento A = {x1 , x2 , · · · , xk } que tiene k elementos (0 < k ≤ n), calculemos la
probabilidad del evento A
1 1 1 k
P (A) = P {x1 } ∪ {x2 } ∪ · · · ∪ {xk } = P {x1 } + P {x2 } + · · · + P {xk } = + + · · · + = ,
|n n {z n} n
k−veces
de donde resulta
número de elementos de A Casos favorables a A
P (A) = =
número de elementos de Ω Casos posibles
Ejemplo 14.
Al lanzar un dado resulta el espacio muestral Ω = {1, 2, 3, 4, 5, 6} con n(Ω) = 6, sea el evento
A = {5, 6} que consta de los resultados que son mayores a 4, entonces n(A) = 2.
n(A) 2 1
La probabilidad de que el evento A ocurra es P (A) = = = .
n(Ω) 6 3
Si B = {1, 3, 5} es el evento que consta de los resultados que son impares, entonces n(B) = 3.
n(B) 3 1
La probabilidad de que el evento B ocurra es P (B) = = = .
n(Ω) 6 2
Ahora consideremos un evento A, entonces A se puede expresar como la unión de sus subeventos
elementales [
A= {wi },
wi ∈A
[
Es posible que los eventos elementales {wi } que aparecen en la unión A = {wi } no sean equiprob-
wi ∈A
lables.
Ejemplo 15.
Lanzamos un dado sucesivamente hasta que aparezca el primer 1
Solución:
Cuando lanzamos un dado es posible obtener el primer 1 en el primer intento o en el segundo intento
o en el tercer intento o en cualquier intento, el número de intentos está en el conjunto {1, 2, 3, · · · }.
1 Si denotamos con E el éxito de obtener 1 y F el fracaso de obtener 1 , entonces
d ası́ sucesivamente.
En estas condiciones el espacio muestral asociado al experimento de lanzar un dado hasta obtener
el primer 1 es
Ω = {E, F E, F F E, F F F E, F F F F E, · · · }.
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
En la lista anterior los resultados de fracasar en el primer lanzamiento y tener exito en el
segundo son
2 1 , 3 1 , 4 1 , 5 1 , 6 1
5
La probabilidad de obtener 1 en el segundo intento es P ({F E}) = .
36
1
Cuando lanzamos el dado y queremos obtener 1 la probabilidad de tener éxito es y
6
5
la probabilidad de no tener éxito es . El resultado F E es cuando no tenemos éxito en
6
el primer intento y cuando tenemos éxito en el segundo intento (un pequeño experimento
compuesto), ası́ la probabilidad de obtener 1 en el segundo intento es
5 1
P ({F E}) = × = P (no tener exito) × P (tener exito).
6 6
c Son 216 los posibles resultados al lanzar un dado tres veces. El resultado F F E es cuando
no tenemos éxito en el primer, no tenemos éxito en el segundo intento y cuando tenemos
éxito en el tercer intento (tres pequeños experimentos), ası́ la probabilidad de obtener 1
en el tercer intento es
5 5 1
P ({F F E}) = × × = P (no tener exito) × P (no tener exito) × P (tener exito).
6 6 6
d En resumen:
1
1) En el primer intento P ({E}) = .
6 2−1
5 1 5 1
2) En el segundo intento P ({F E}) = × = × .
6 6 6 6
2 3−1
5 5 1 5 1 5 1
3) En el tercer intento P ({F F E}) = × × = × = × .
6 6 6 6 6 6 6
3 4−1
5 5 5 1 5 1 5 1
4) En el cuarto intento P ({F F F E}) = × × × = × = × .
6 6 6 6 6 6 6 6
4 5−1
5 5 5 5 1 5 1 5 1
5) En el quinto intento P ({F F F F E}) = × × × × = × = × .
6 6 6 6 6 6 6 6 6
6) sucesivamente
r−1
5 1 5 1
7) En el r−intento P ({F F F · · · F E}) = × = × .
6 6 6 6
3 Si A inicia el juego entonces le corresponde los turnos impares 1, 3, 5, 7, · · · y a B los turnos
pares 2, 4, 6, 8, · · · .
a Si A gana lo hará en uno de los turnos ue le corresponde (en 1 o en 3 o en 5 o en 7 o · · · )
La probabilidad de que A gane el juego, si él comienza primero es
2 4 6
1 5 1 5 1 5 1
P (A : gane) = + × + × + × + ···
6 6 6 6 6 6 6
" 2 4 6 #
5 5 5 1
= 1+ + + + ··· ×
6 6 6 6
" 1 2 3 #
5 2 5 2 5 2 1
= 1+ + + + ··· ×
6 6 6 6
1 5 2
= 1 + k + k 2 + k 3 + · · · × , donde k =
6 6
1 1
= × , serie geométrica
1−k 6
1 1 6
= 5 2 × = .
6 11
1−
6
b Si B gana lo hará en uno de los turnos que le corresponde (en 2 o en 4 o en 6 o en 8 o · · · )
La probabilidad de que B gane el juego, si A comienza primero es
1 3 5
5 1 5 1 5 1
P (B : gane) = × + × + × + ···
6 6 6 6 6 6
Ejemplo 16.
Sea el experimento aleatorio EXP de elegir un número real del intervalo [4, 21], calcule la
probabilidad de elegir un número que esté en el intervalo h7, 13i.
4 7 13 21
Solución:
El espacio muestral asociado al experimento EXP es el conjunto de todos los números reales del
intervalo [4, 21], es decir Ω = [4, 21].
Si A es el evento que es elegir un número que esté en el intervalo h7, 13i, entonces A = h7, 13i.
La probabilidad del evento A es
medida de A longitud de A 6
P (A) = = = .
medida de Ω longitud de Ω 17
Ejemplo 17.
Si jugamos con dardos con el cı́rculo de la figura, calculemos la probabilidad de acertar en
el anillo circular de color blanco.
Solución:
El área de todo el cı́rculo es
A• = π · 62 = 36π,
el área del anillo circular de color blanco es
A} = π(42 − 22 ) = 12π.
Solución:
d Si ambos productos tienen el menor precio posible, entonces la suma de sus precios es x + y = 4
nuevos soles.
e Si ambos productos tienen el mayor precio posible, entonces la suma de sus precios es x + y = 12
nuevos soles.
f El espacio muestral asociado es
R2
n . o
Ω = (x, y) ∈ 2≤x≤6 ∧ 2≤y≤6
h Sea E el evento que consiste en la suma de sus precios inferior a 7 nuevos soles, entonces
R2
n . o
E = (x, y) ∈ x + y < 7 ∩ Ω.
Y
Recta: x + y = 7
6
W
X
2 6
3×3
area de E 2 9
P (E) = = = .
area de Ω 4×4 32
Por lo tanto la probabilidad de que la suma de los precios de los productos sea inferior a 7 nuevos
9
soles es .
32
3. Probabilidad condicional
Supongamos que hay 10 latas de refresco en un refrigerador, 7 de los cuales son normales y 3
dietéticos.
N , N , N , N , N , N , N , D , D , D
N , N , N , N , N , N , D , D , D
6
a La probabilidad de que la segunda lata sea de refresco normal es
9
3
b La probabilidad de que la segunda lata sea de refresco dietético es
9
2 Supongamos que la primera lata elegida fue un refresco dietético, ası́ quedará:
N , N , N , N , N , N , N , D , D
7
a La probabilidad de que la segunda lata sea de refresco normal es
9
2
b La probabilidad de que la segunda lata sea de refresco dietético es
9
La denominación adecuada de las fracciones 6/9 y 3/9 en el caso a) (o de 7/9 y 2/9 en el caso b)) es
probabilidad condicional, ya que su valor se encuentra condicionado (o depende) por el hecho de que
el primer tomado del refrigerador fue un refresco normal o dietético.
Z
PROBABILIDAD CONDICIONAL: Probabilidad de que un evento en particular ocurra
dado que otro evento haya acontecido.
Observaciones:
1 La probabilidad condicional (o condicionada) de que un evento B ocurra dado que otro evento
A ha ocurrido se denota por P (B|A), el cual se lee: “la probabilidad de que B ocurra dado que
A ha ocurrido” o simplemente “la probabilidad de B dado A”.
2 Cuando utilizamos P (B|A) se supone que primero ocurrió el evento A, luego el evento B y que
el evento A influye en la probabilidad de que ocurra el evento B.
La regla general de la multiplicación sirve para determinar la probabilidad conjunta de dos eventos
cuando éstos no son independientes. Por ejemplo, cuando el evento B ocurre después del evento A, y
A influye en la probabilidad de que el evento B suceda, entonces A y B no son independientes.
Ejemplo 19.
Un golfista tiene 12 camisas en su clóset. Suponga que 9 son blancas y las demás azules.
Como se viste de noche, simplemente toma una camisa y se la pone. Juega golf dos veces
seguidas y no las lava (usa una camisa para cada juego). ¿Cuál es la probabilidad de que
las dos camisas elegidas sean blancas?
B , B , B , B , B , B , B , B , B , A , A , A
Solución:
1 El evento W1 tiene que ver con el hecho de que la primera camisa seleccionada fue blanca.
Ası́
9 8 6
P (W1 y W2 ) = P (W1 )P (W2 |W1 ) = · = = 0, 5454545454 · · · = 0.54
b
12 11 11
6 Por consiguiente, la probabilidad de seleccionar dos camisas, las cuales son de color blanco, es
de 0.54.
b
Definición 5.
Sean A y B dos eventos en un espacio muestral Ω. La probabilidad condicional de B dado
A, es el número P (B|A) que se define por:
P (A ∩ B)
P (B|A) = , si P (A) > 0.
P (A)
A W
B
AÇB
Observaciones:
4 Si A ∩ B = ∅, entonces P (B|A) = 0.
B A
A B
Ejemplo 20.
Un club consiste de ciento cincuenta miembros. Del total, 3/5 son hombres y 2/3 son pro-
fesionales. Además, 1/3 de las mujeres son no profesionales. Se elige a un socio al azar.
1 Calcular la probabilidad de que sea hombre y profesional.
Solución:
N ro de Hombres y P rof s 60
P (Hombre y P rof ) = = = 0,4
N ro socios 150
N ro de Hombres y P rof s 60
P (Hombre|P rof ) = = = 0,6
N ro P rof 100
Utilizando la definición de probabilidad condicional
Observaciones:
P (A ∩ B)
P (B|A) = P (B) =⇒ = P (B) =⇒ P (A ∩ B) = P (A) · P (B)
P (A)
4 Los eventos A y B son independientes si, y solo si P (B|A) = P (B) y P (A|B) = P (A).
5 Los eventos A y B son independientes si, y solo si P (A ∩ B) = P (A) · P (B).
Definición 7.
Los eventos A y B son independientes si, y solo si P (A ∩ B) = P (A) · P (B). Los eventos A
y B no son independientes si, y solo si P (A ∩ B) 6= P (A) · P (B).
Ejemplo 21.
Lancemos un dado dos veces:
1 Si A es el evento de que sale 2 en el primer lanzamiento, y si B es el evento sale 5 en
el segundo lanzamiento, demuestres que A y B son eventos independientes.
2 Calcular la probabilidad de obtener los números 2 y 5 (sin importar el orden de
lanzamiento).
Solución:
Los posibles resultados al lanzar un dado dos veces son
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
El evento A en el que sale 2 en el primer lanzamiento es
n o
A= 2 1 ; 2 2 ; 2 3 ; 2 4 ; 2 5 ; 2 6 , con n(A) = 6,
6 1 P (A ∩ B) 1/36 1
? P (A) = = ? P (A|B) = = =
36 6 P (B) 1/6 6
6 1
? P (B) = =
36 6
1 P (A ∩ B) 1/36 1
? P (A ∩ B) = ? P (B|A) = = =
36 P (A) 1/6 6
Resulta que P (B|A) = P (B) y P (A|B) = P (A), lo cual implica que los eventos A y B son
independientes (utilizando la observación 4).
También resulta P (A ∩ B) = P (A) · P (B), lo cual implica que los eventos A y B son independi-
entes (utilizando la definición 7).
Teorema 9.
Si A y B son eventos independientes, entonces
1 A y B 0 son eventos independientes
a P (A ∩ A ∩ · · · ∩ A
1 2 k−1 ∩ Ak ) = P (A1 ) · P (A2 ) · · · · · P (Ak−1 ) · P (Ak ) si los eventos
son independientes.
b P (A1 ∩ A2 ∩ · · · ∩ Ak−1 ∩ Ak ) = P (A1 ) · P (A2 |A1 ) · P (A3 |A1 ∩ A2 ) · · · · · P (Ak |A1 ∩
A2 ∩ · · · ∩ Ak−1 )
si los eventos no son independientes.
Ejemplo 22.
Tenemos tres cajas enumeradas con I, II y III,
1 La caja I contiene 10 lámparas de las cuales 4 son defectuosas.
Escogemos al azar una caja y luego una lámpara. ¿Cuál es la probabilidad de que la lámpara
escogida sea defectuosa?
Solución:
Aquı́ se realizan 2 experimentos, el primero es escoger una de las 3 cajas y el segundo experimento es
escoger una lámpara de la caja elegida anteriormente.
D D D D D D D D
N N N N N N N N N N N N N N N N
Las probabilidades calculadas las representamos en el siguiente gráfico (diagrama del árbol)
4 .
10 D
caja I
6 .
1. N
10
3
1 .
6 D
1. caja II
3
5 . N
6
1. 3 .
3 8 D
caja III
5 . N
8
A1 ÇB B
A4
A2
A3
Entonces
? Cada Ai es un subconjunto no vacı́o de Ω;
B = B∩Ω
= B ∩ A1 ∪ A2 ∪ · · · ∪ Ak
= (B ∩ A1 ) ∪ (B ∩ A2 ) ∪ · · · ∪ (B ∩ Ak ) Propiedad distributiva
En términos de probabilidades
P (B) = P (B ∩ A1 ) ∪ (B ∩ A2 ) ∪ · · · ∪ (B ∩ Ak )
Los eventos (B ∩ Ai ) son dos a dos mutuamente excluyentes lo cual implica que
P (B) = P (B ∩ A1 ) + P (B ∩ A2 ) + · · · + P (B ∩ Ak )
o también
P (B) = P (A1 ∩ B) + P (A2 ∩ B) + · · · + P (Ak ∩ B). (1)
Cada probabilidad que figura en el segundo miembro de la ecuación anterior se cambia por su equiv-
alente por la regla de la multiplicación
P (Ai ∩ B)
P (Ai |B) = probabilidad condicional
P (B)
P (Ai ∩ B)
= (2)
P (A1 ∩ B) + P (A2 ∩ B) + · · · + P (Ak ∩ B)
P (Ai ) · P (B|Ai )
= probabilidad condicional
(3)
P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + · · · + P (Ak ) · P (B|Ak )
Con las ecuaciones 1 y 3 logramos demostrar dos importantes teoremas a cerca de probabilidades:
Tomamos casos particulares del teorema de Bayes a una partición con 2 eventos A1 y A2 o 3 eventos
A1 , A2 y A3 .
A1 A2 W A1 A2 A3 W
A1 ÇB A2 ÇB A1 ÇB A2 ÇB A3 ÇB
B
B
W = A1 È A2 W = A1 È A2 È A3
a Ω = A1 ∪ A2
1 Ω = A1 ∪ A2 ∪ A3
P (A3 ) · P (B|A3 )
∴ P (A3 |B) =
P (A1 ) · P (B|A1 ) + P (A2 ) · P (B|A2 ) + P (A3 ) · P (B|A3 )
Solución:
Al seleccionar una unidad del producto final producido por las máquinas tenemos la siguiente infor-
mación:
1 Probabilidad de que fue producido por la máquina A: P (A) = 0, 60.
2 Probabilidad de que es defectuoso dado que fue producido por la máquina A:
P (D|A) = 0, 02.
P (D|B) = 0, 04.
0,02
P(AÇD) = P(A) P(D|A) = (0,60)(0,02)= 0,012
|A) = (D)
P (D o
uos
fect
se a de
no s
ea d
,60 ef
P(no ectuoso
) =0 A D|A
P(A quina ) = 0 (noD)
,98 P(AÇnoD) = P(A) P(noD|A) = (0,60)(0,98) = 0,588
má
no s
ea d
ef
P(no ectuoso
D|B
) = 0 (noD)
,96
P(BÇnoD) = P(B) P(noD|B) = (0,40)(0,96) = 0,384
Índice
1. Preliminares 1
1.1. Teorı́a de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1. Operaciones con conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2. Álgebra de conjuntos . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.3. Conjunto potencia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.4. Partición de un conjunto . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2. Teorı́a de funciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2. Introducción a la probabilidad. 6
2.1. Experimento, espacio muestral y evento. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.1.1. Clasificación de los espacios muestrales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.2. Operaciones con eventos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2. Técnicas de conteo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1. Principio Fundamental del Conteo: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2. El factorial de un número: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.3. Permutaciones: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.4. Permutaciones con repeticiones: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.5. Combinaciones: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3. Probabilidad de un evento, axiomas y propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.4. Cálculo de probabilidades: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.1. Para espacios muestrales finitos: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.4.2. Para espacios muestrales infinitos numerables: . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.4.3. Para espacios muestrales infinitos no numerables: . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3. Probabilidad condicional 21
3.1. Eventos independientes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.1.1. Procesos estocásticos finitos y diagrama del árbol . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2. El teorema de Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29