Está en la página 1de 46
INTKODUCCION A LA TEORIA DE 40) ella) ae plaka Teal RYT HAROLD J. LARSON ‘Versidm autoriad en esp {cla obra publcada en ings por ‘John Wiley & Sons, Ine. bajo el itu: INTRODUCTION TO PROMABILITY THEORY AND STATISTICAL INFERENCE. Copyright© by John Wiley & Sons, tne. ibe explo: SERGIO FERNANDEZ. EVEREST Ingenio de Sistemas de IBM deMence. Revista: ‘BEATRIZ TOHEN BIENVENU ‘Auteur dela Facliad de Ciencias en la Universidad ‘aclorat AutOnoma de Mizxico, M, en C. ea lavestigaion {de Operacones y Men C. en Estadistica en la Unnereiad de Stanford creed Inattute Tecnoiicn Auténomo de Mévicn pone (rode tropic 0 panei, medante ng 20m aod atcreice © mocance (CLUYENDO EL FOTOCOPADO, Eigrteceno cigar acter de reciporacényaimacenaret (eldemacin ce consonant por ese oe Darecos rosa (0 1082, EDITORAL UMUSA. SA do CN. (GAUPO NORIEGA EDITORES. ‘obras 95, P-OgDe, tio, OF {eltero 22120. Faxste 2.00 Marino ta Canara Naceral do a nin oa Mane og namoro 121 Cama ‘wo Novena ralmpresie: 1992 peso on tice (075) ISBN 968-18-0720-8 EVENTOS DE UN SOLO ELEMENTOYELCASO 49 DE MISMA VEROSIMILITUD dispone de una regla que permite calcular la probabilidad de ocurrencia de cualquier evento. EJEMPLO 2.3.2. Suponga que se tira un dado no cargado una sola vez. Cull es a probabilidad de obtener un par? {Cul es la probabilidad de obtener un ‘nimero mayor que 4? El espacio muestral es $ = (1, 2,3, 4, 5, 6}. Ya que el dado no esta cargado, 1s= supone que los eventos de un solo elemento tienen In misma verosimilitud de ‘ocurrencia; entonces, cada uno tiene 4 de probabilidad de ocurrencia. Sea A el ‘evento de que aparezca un niimero par y sea el evento de que se tenga un nimero ‘mayor que 4. A=(2,4,6), 8 ={5.6), mA) =3, mB) =2, (5) =6, se obtiene P(A) =f, PB) = & EJEMPLO 2.3.3. Se tira una vez un par de dados no eargados. ;Cull es Ia probabilidad de que la suma de los dos mimeros sea 27 Que sea 7? j11? EX espacio uestral es S = {(¢y,):24 = 1,2,...,65 2 = 1,2,...,6)-Ya que el primer dado puede mostrar cualquier nimero del 1 al'6, yen forma inde- pendiente el segundo dado también puede mostrar cualquier nimero del 1 al 6, ¢ Tega a la conclusién que hay 6-6 = 36 elementos que pertenecen a S (alterna- ‘tivamente, se listan todos y se cuentan). Por tanto, se tiene que a(S) = 36. Sea A clevento de que la suma sea 2, Bel evento de que la suma sea 7, Cel evento de que Ja suma sea 11. Entonees, A=(a.0) B ={(1,6), 2,5), G,49, 4,9, (5,2, 6,0) C= {6.0.6.5} ¥ se ve que n(A) = 1, n(B) = 6, n(C) =2. Por tanto, ya que se supone que los ados no estin cargados, P(A) = sr, P(B) = sb, PCO) = $e ESEMPLO 2.3.4. En determinado grupo hay 20 estudiantes. De ios 20, 7 son ‘chicas rublas de ojos azules, 4 tienen cabello castafo y ojos azules, 5 son mu- ‘chachos rubios de ojos azules y los 4restantes son muchachos de cabello castaho y ‘ojos cafés. Se sclecciona un estudiante al azar. ;Cusl es la probabilidad de que ol ‘estudiante elegido sea una chica? Que tenga ojos azules? zQue tenga cabello cas- ‘tanto? 2Qué sea rubia y que tenga ojos cafés? Para facilitar la notacion, se supone ‘que los 20 estudiantes estin numerados en algin orden especifico. Entonces el es- cio muestral es $= 12-..520} yy los eventos de un solo elemento tienen la misma verosimilitud (ya que cada ¢s- tudiante se elige al azar). Se definen los siguientes eventos: EVENTOS DE UN SOLO ELEMENTO Y ELCASO 51 DE MISMA VEROSIMILITUD del niimero de elementos que pertenencen a un evento desempefia un papel importante en muchos problemas pricticos, las siguientes dos secciones es- taran dedicadas a las técnicas de conteo. EJERCICIO 2.3. 1. Si se lanzan al aire dos monedas no cargadas, jcusl es la probabilidad de que salgan dos cars iguales? 2. Si se saca un naipe al azar de una baraja comin de 52 cartas, jcufl es la probabilidad de que sea roja? ique sea un diamante? que sea un as? que sea tun as de diamantes? 3. Se colocan en fila cinco platos de colores diferentes con alimento para perros. ‘Si um perro escoge uno de ellos al azar para comer, ,cuAl esa probabilidad de ‘que seleccione el azul? Si se emplea un segundo perro, jcuAl sla probabilidad de que escoja el anil? yCufl es la probabilidad de que ambos escojan el arul? 4, Se tira una vez un par de dados no cargados. Calcular la posibilidad de que la ‘suma sen igual a cada uno de los enters desde el 2 hasta el 12. 5. Se pinta un “uno” en el lado de la cara, y un “dos” en el lado de Ia cruz en ‘cada una de tres monedas de cincuenta centavos. Si se tiran ls tres monedas (1 mismo tiempo), calcular la probabilidad de que la suma de los tres nimeros ‘que aparezcan sea cada uno de los enteros desde el 3 hasta el 6. 6. Cuarenta personas viajan en el mismo vagon de ferrocarril. De étas, 5 son ddamas irlandesas con abrigos azules, 2 son caballerosirlandeses con abrigos verdes, 1 es un eaballero irlandés con un abrigo negro, 7 son damas noruegas con abrigos cafés, 2 son damas noruegas con abrigos azules, 6 son caballeros ‘noruegos con abrigos negros, 4 son hombres alemanes con abrigos verdes, 3 son ddamas alemanas con abrigos negros, 5 son damas alemanas con abrigos azules, y 5 son caballeros alemanes con abrigos negros. Si se seleciona al azar una Persona de este vagén, zcusl es la probabilidad de que la persona seleccionada sea un caballero? {Que eve un abrigo verde? ;Que leve un abrigo caf$? {Que ‘sea noruego? :Que sea alemén? ;Que sea alemin y leve un abrigo verde? 7. Suponga que se ha cargado un dado de manera que la probabilidad de que ‘ocurra un mimero determinado es proporcional al mismo. Caleular las pro- Dabilidades de los eventos de un solo elemento, y usarlas para caleular la robebidad de ocurencia de (9) en namero par y (un mde mayor go 8. Suponer que se tiene un dado cargado en tal forma que el nimero que salga sea inversamente proporcional al mismo. Calcular las probabilidades de todos Jos eventos de un solo elemento y utiizarlas para calcular la probabilidad de ‘currencia de (a) un riimero par y (b) un mimero mayor que 4. 9. Para el ejemplo del torneo (ejemplo 2.3.5), mantener los elementos del espacio ‘muestral en el orden listado. En vez de suponer que todos tienen ta misma verosimilitud, suponer que las probabilidades asignadas a los eventos de un solo elemento son, respectivamente, 4, 8,1, 5, 4, 2 1, 2, cada uno dividido en- ‘re 27. Calcular las probabilidades de que cada tno de los cuatro participantes sane el torneo. 52 PROBABILIDAD 10, Usando Ia asignacion de probabilidades del ejercicio 9, calcular la probabilidad {de que cada uno de los cuatro participantes pierda su primer juego. 11 Suponer que ocho jugadores que tienen la misma capacidad participan en un torneo de eliminacién sencilla (no se permiten los empates). {Cual es la pro- babitidad de que cada uno sea el ganador del torneo? {Cual es la probabilidad de que el jugador 1 gane sus primeros dos juegos y pierda la final? 12, Suponer que se tiene un espacio muestral $ con n elementos distintos, mu- ‘merados del | al n. Sele asigna la probabilidad 1 al evento de un solo elemento ‘cuyo elemento es 1. (2) 2Qué valores se le deben asignar a las probabilidades de ocurrencia de los ‘otros eventos de un solo elemento? (©) :Cudles son las implicaciones pricticas de tl asignacion? 2.4 Técnicas de conteo Como se mencioné en la seceién anterior, muchos problemas de probabilidad pueden solucionarse contando los elementos que pertenecen a los diferentes conjuntos. Para ello, es muy itil tener a la mano varias \écnicas, las cuales ayudardn a resolver los problemas de probabilidad en {que aparecen estos conjuntos. Desafortunadamente, no existe una técnica general que pueda aplicarse en forma universal a todos los problemas de conteo (aparte de hacer una lista completa y contar el ndmero de elemen- tos que tiene); por tanto, se hace necesario aplicar métodos de conteo al problema especifico que se esté estudiando, lo cual es un proceso siempre frustrante y con frecuencia init. De todas maneras, In mayoria de los problemas de conteo se pueden resolver mediante un anilisis razonado ‘cuidadosamente. En seguida se expondra la primera técnica con carfcter general; es muy sencilla y frecuentemente se le da el nombre de principio de multiplicacién. Se define como sigue. DEFINICION 2.4.1. Si puede realizarse una primera operacién en cualquiera de m maneras, y luego puede realizarse una segunda operacién en cualesquiera manera de m, pueden realizarse ambas ‘operaciones (la segunda inmediatamente después de la primera) de Por ejemplo, si se puede ir de la ciudad A a la B en tres maneras y de la ciudad 2 a la Cen 4 maneras, entonces se puede viajar de A a C en total de 3:4 = 12 maneras. Con otro ejemplo, si la operacién de tirar un dado da 1 a 6 resultados posibles, y la operacién de tirar un segundo dado da 1 26 resultados posibles, entonces la operacién de tirar un par de dados da lugar a6 - 6 = 36 resultados posibles. EJEMPLO 2.4. 1. Suponer que el conjunto A tiene 1 elementos y un segun- do conjunto B, ny clementos. Entonces el producto Cartesiano A x B (ver la definicidn 1.2.6) tiene nr, elementos. El producto Cartesiano A x A tiene n? elementos y B x B tiene ni elementos. EVENTOS DE UN SOLO ELEMENTO Y ELCASO 51 DE MISMA VEROSIMILITUD del niimero de elementos que pertenencen a un evento desempefia un papel importante en muchos problemas pricticos, las siguientes dos secciones es- taran dedicadas a las técnicas de conteo. EJERCICIO 2.3. 1. Si se lanzan al aire dos monedas no cargadas, jcusl es la probabilidad de que salgan dos cars iguales? 2. Si se saca un naipe al azar de una baraja comin de 52 cartas, jcufl es la probabilidad de que sea roja? ique sea un diamante? que sea un as? que sea tun as de diamantes? 3. Se colocan en fila cinco platos de colores diferentes con alimento para perros. ‘Si um perro escoge uno de ellos al azar para comer, ,cuAl esa probabilidad de ‘que seleccione el azul? Si se emplea un segundo perro, jcuAl sla probabilidad de que escoja el anil? yCufl es la probabilidad de que ambos escojan el arul? 4, Se tira una vez un par de dados no cargados. Calcular la posibilidad de que la ‘suma sen igual a cada uno de los enters desde el 2 hasta el 12. 5. Se pinta un “uno” en el lado de la cara, y un “dos” en el lado de Ia cruz en ‘cada una de tres monedas de cincuenta centavos. Si se tiran ls tres monedas (1 mismo tiempo), calcular la probabilidad de que la suma de los tres nimeros ‘que aparezcan sea cada uno de los enteros desde el 3 hasta el 6. 6. Cuarenta personas viajan en el mismo vagon de ferrocarril. De étas, 5 son ddamas irlandesas con abrigos azules, 2 son caballerosirlandeses con abrigos verdes, 1 es un eaballero irlandés con un abrigo negro, 7 son damas noruegas con abrigos cafés, 2 son damas noruegas con abrigos azules, 6 son caballeros ‘noruegos con abrigos negros, 4 son hombres alemanes con abrigos verdes, 3 son ddamas alemanas con abrigos negros, 5 son damas alemanas con abrigos azules, y 5 son caballeros alemanes con abrigos negros. Si se seleciona al azar una Persona de este vagén, zcusl es la probabilidad de que la persona seleccionada sea un caballero? {Que eve un abrigo verde? ;Que leve un abrigo caf$? {Que ‘sea noruego? :Que sea alemén? ;Que sea alemin y leve un abrigo verde? 7. Suponga que se ha cargado un dado de manera que la probabilidad de que ‘ocurra un mimero determinado es proporcional al mismo. Caleular las pro- Dabilidades de los eventos de un solo elemento, y usarlas para caleular la robebidad de ocurencia de (9) en namero par y (un mde mayor go 8. Suponer que se tiene un dado cargado en tal forma que el nimero que salga sea inversamente proporcional al mismo. Calcular las probabilidades de todos Jos eventos de un solo elemento y utiizarlas para calcular la probabilidad de ‘currencia de (a) un riimero par y (b) un mimero mayor que 4. 9. Para el ejemplo del torneo (ejemplo 2.3.5), mantener los elementos del espacio ‘muestral en el orden listado. En vez de suponer que todos tienen ta misma verosimilitud, suponer que las probabilidades asignadas a los eventos de un solo elemento son, respectivamente, 4, 8,1, 5, 4, 2 1, 2, cada uno dividido en- ‘re 27. Calcular las probabilidades de que cada tno de los cuatro participantes sane el torneo. 52 PROBABILIDAD 10, Usando Ia asignacion de probabilidades del ejercicio 9, calcular la probabilidad {de que cada uno de los cuatro participantes pierda su primer juego. 11 Suponer que ocho jugadores que tienen la misma capacidad participan en un torneo de eliminacién sencilla (no se permiten los empates). {Cual es la pro- babitidad de que cada uno sea el ganador del torneo? {Cual es la probabilidad de que el jugador 1 gane sus primeros dos juegos y pierda la final? 12, Suponer que se tiene un espacio muestral $ con n elementos distintos, mu- ‘merados del | al n. Sele asigna la probabilidad 1 al evento de un solo elemento ‘cuyo elemento es 1. (2) 2Qué valores se le deben asignar a las probabilidades de ocurrencia de los ‘otros eventos de un solo elemento? (©) :Cudles son las implicaciones pricticas de tl asignacion? 2.4 Técnicas de conteo Como se mencioné en la seceién anterior, muchos problemas de probabilidad pueden solucionarse contando los elementos que pertenecen a los diferentes conjuntos. Para ello, es muy itil tener a la mano varias \écnicas, las cuales ayudardn a resolver los problemas de probabilidad en {que aparecen estos conjuntos. Desafortunadamente, no existe una técnica general que pueda aplicarse en forma universal a todos los problemas de conteo (aparte de hacer una lista completa y contar el ndmero de elemen- tos que tiene); por tanto, se hace necesario aplicar métodos de conteo al problema especifico que se esté estudiando, lo cual es un proceso siempre frustrante y con frecuencia init. De todas maneras, In mayoria de los problemas de conteo se pueden resolver mediante un anilisis razonado ‘cuidadosamente. En seguida se expondra la primera técnica con carfcter general; es muy sencilla y frecuentemente se le da el nombre de principio de multiplicacién. Se define como sigue. DEFINICION 2.4.1. Si puede realizarse una primera operacién en cualquiera de m maneras, y luego puede realizarse una segunda operacién en cualesquiera manera de m, pueden realizarse ambas ‘operaciones (la segunda inmediatamente después de la primera) de Por ejemplo, si se puede ir de la ciudad A a la B en tres maneras y de la ciudad 2 a la Cen 4 maneras, entonces se puede viajar de A a C en total de 3:4 = 12 maneras. Con otro ejemplo, si la operacién de tirar un dado da 1 a 6 resultados posibles, y la operacién de tirar un segundo dado da 1 26 resultados posibles, entonces la operacién de tirar un par de dados da lugar a6 - 6 = 36 resultados posibles. EJEMPLO 2.4. 1. Suponer que el conjunto A tiene 1 elementos y un segun- do conjunto B, ny clementos. Entonces el producto Cartesiano A x B (ver la definicidn 1.2.6) tiene nr, elementos. El producto Cartesiano A x A tiene n? elementos y B x B tiene ni elementos. TECNICAS DE CONTEO 53 Esta definicion puede extenderse de inmediato a cualquier niimero de ope- raciones. La operacién de lanzar al sire tres monedas, da origen a 2% = & resul- tados posibles. La operacién de tirar 5 dados de 6 caras de origen a 6° = 7716 resultados posibles. Si el conjunto 4, tiene m elementos, com? = 1,2,....k, ef producto Cartesiano 4, x dy x *** XAy tiene mir "+My elementos diferentes. DEFINICION 2.4.2, Se llama permutacién de n simbolos a un arreglo de 7 simbolos en un orden definido. Con frecuencia se desea saber cudntos n miitiplos diferentes pueden hacerse usando n simbolos diferentes solamente una vez (sto es, cudntas ‘permutaciones son posibles). Utilizando el principio de la multiplicacién puede encontrarse de inmediato el resultado. Puede contarse el ntimero de a miltiplos, mediante el razonamiento que se describe a continuacién. Al poner en lista todos los m miltiplos posibles, se reaizaria operaciones naturales. Primero debe ocuparse la posicién mas izquierda del miltiplo; después se ocupa la segunda posicién de la izquierda, la tercera de 1a iz- quierda, ete. Ya que puede colocarse cualquiera de los n elementos dis- ponibles en la posicion que esté més a la ioquierda, esta operacién puede realizarse de m maneras. Después de ocupar la primera posicién, pueden usarse los 1 — I elementos restantes para ocupar la segunda posicién mis a Ia izquierda; puede usarse cualquiera de los n — 2 elementos restantes Para ocupar la tercera posicién més a la izquierda y seguir asi hasta que finalmente se llegue hasta la posicién que esté mAs a la derecha y se quiera ‘contar el nimero de formas en que pueda lenarse. Hasta ahora, se han utlizado 7 — 1 elementos para llenar las — | primeras posiciones y por tanto s6lo se tiene un elemento que debe ser usado para llenar esta po- sicién final. De acuerdo con lo anterior, el ntimero total de formas en que pueden realizarse todas las m operaciones (Io cual también es el mimero total dem miltiplos que pueden hacerse con los n simbolos dados) es el resultado de multiplicar los nimeros por las formas en que pueden hacerse las operaciones individuales. Por tanto, el ntimero de m miltiplos diferen- teses ma — Vn = 2)-7 2-1 cl cual se escribe como ni! (que se lee como factorial de » 6 n factorial). EJEMPLO 2.4.2. Suponga que hay 5 personas que siempre estacionan sus ‘coches en el mismo lado de la acera en la misma calle cada noche. ,Cudntos cam- bios en ef orden pueden hacerse con los $ autos estacionacos en la calle? Los di- ferentes cambios en el orden de los autos estacionados en la calle, pueden ser representados por miliplos de $ con $ elementos diferentes; entonces, si se cuenta fl mimero de miltiplos de $ diferentes que son posibles, también se conoce el rnémero de cambios en la calle. El nimero de miltiplos de $ posible es, desde 54 PROBABILIDAD luego, $! = 5-4-3 +2-1 = 120; por tanto, estas $ personas podrian estacionar sus autos en a calle en diferente orden cada noche durante 4 meses sin repetir. DEFINICION 2.4.3. El mimero de n miltiplos que pueden formar- se (7 <2), usando n simbolos diferentes (cada uno solamente una vve2), se llama ef niimero de permutaciones de n casas tomadas de r en, y se denota por wP,. Como puede calcularse el valor de .P,? Cada n miltiplo tiene exacta- ‘mente r posiciones. La posicién més a la izquierda puede ocuparse con cualquiera de los n simbolos, la segunda posicién ms a la izquierda puede ‘ocuparse luego con cualquiera de los m — I simbolos restantes, etc. En el ‘momento en que pueda ocuparse la posicién rsima, se han usado(r — 1) simbolos y en esa r-4sima posicién se puede usar cualquiera de los — (r — 1) simbolos restantes. De acuerdo con lo anterior, el total de r mil- tiplos que pueden obtenerse es n(a—1)---(n—r +l), con lo que se tiene JP, = n(n — 1) @—r +0). Desde Iuego, si se multiplica este niimero por (n — l(a — r)!, no se al- tera su valor, pero al hacerlo se tiene una forma de ,P, que se recuerda ‘con mayor facilidad: @—n! (n= Xn — 2-9 — re NOD Nn = 2) s(n = + (or n= Ma =) 2-1 @— nn = Xn = 2)- @-9 EJEMPLO 2.4.3. (a) Quince autos participan en wna carrera. De cutntas rmaneras diferentes pueden entregarse los premios al primero, segundo teroer Ingares? La respuesta es, simplemente, 4P, = 151/12!=2730 ya que Ia pregunta ‘equivale a saber cudntas permutaciones hay de 15 objetos, tomados de tres en tes. {(@) {Culintos de los méltiplos de 3 recén contados tienen al auto mimero 15 en cl primer Iugar? Esto puede resolverse de dos maneras. En primer lugar, puede decirse que hay Ps = 141/12! = 182 maneras en que pueden Henarse las dos dl- tmas posiciones, después de haber colocado al 15 en el primer lugar del miitiplo de 3, Tambitn puede decirse que obviamente debe haber nimeros iguales de :miltiplos de 3 (del total posible) que tienen al auto 15 en el primer lugar, tanto ‘como los que tienen al auto 14 en primer lugar, al 13 en primer lugar etc. Por tan- {si se divide el nero total de méltiplos de 3 entre 15, se obtendré el niimero de los que tienen al 15 en el primer lugar; esto da 2730/15=182, que es igual al resul- tado anterior. EJEMPLO 2.44. (a) {Cufntas “palabras” de tres letras pueden formarse usando las letras v, ¢,r, &, 0, 0, (sin repetir ninguna}? (Una palabra es cualquier TECNICAS DECONTEO 55 orden de letras, sin importar que aparezea 0 no en el diccionario de cualquier idioma). Dede nego ave co es eracamente «Py = 61/31= 120. El nimero de “cara para formar palabras de tres eas , ©, yeudntas palabras de tres letras pueden formarse? La respuesta es 6 - 6-6 — 6#=216, ya que ahora puede ocuparse cada posicion con seis, letras. Consecuentemente, si se permite la repeticién, el nimero de palabras de cuatro letras que pueden formarse es 6-6 +676 = 6* = 1296. () ;Cutntas palabras de tres letras pueden formarse con una o més letras repetidas? Cudntas palabras de cuatro letras pueden formarse con una o mis letras repetidas? Se sabe que hay 216 palabras de tres letras si se permiten repe- ticiones, y 120 palabras de tres letras si no se permite la repeticion. Por tanto, exis- ten 216 — 120 = 96 palabras de tres letras con una o mas letras repetidas. En forma andloga, existen 1296 — 360 = 936 palabras de cuatro letras con una o mis letras repetidas. DEFINICION 2.4.4. Se lama niimero de combinaciones den cosas tomadas de 7 en ral mimero de subconjuntos, cada uno de tamafior, que tiene un conjunto de n elementos, y se denota por(") Debe recordarse que los conjuntos no estin ordenados. Si se conociera (") se mutipticara por rt, se obtendria Flo que es el nimero de com- bbinaciones de m cosas, tomadas de ren r, ya que cada subconjunto distinto de r elementos daria origen a r! r-tuplos diferentes. Por tanto, se tiene () lo cual, dividido entre r! da ()- mea En muchos problemas de conteo lo mas dificil es tomar la decision de dar importancia al orden. Si no tiene importancia el orden, entonces es su- ficiente trabajar con combinaciones; por el contrario, si es importante el orden, entonces es preciso trabajar con permutaciones. EJEMPLO 2.4.5. (a) ;Cuiintas manos diferentes de 5 naipes pueden darse con ‘un mazo normal de $2 naipes? Ya que la mano de 5 naipes no eambia si se reciben las mismas en cualquier orden, la respuesta es (3) sn = 2308.90. 58 PROBABILIDAD (©) {Cudntas manos diferentes de 13 naipes pueden darse con una baraja nor- mal? 13 (©) Si 10 alumnos de cierta escuela desean jugar baloncesto, jeudntos equipos ferentes pueden formarse con estos jugadores? ‘9 (2)=29, be ad declines suns dient de §muacos ‘que se pueden escoger de entre los 10. Si se consideran las diferentes posi- clones como si fueran diferentes equipos, entonces e pueden formar St (252) = 30,240 = oP (2)~ssn a, ‘equipos diferentes. (@) Uno de tos 10 muchachos que quieren jugar baloncesto se llama Jost. {Cuntos de os 252 equipos que pueden formarse incluyen a Jose? Si sblo se {desea contar los equipos que incluyen a José, entonces basta contar en culn- tas formas diferentes pueden combinarse los cuatro individuos restantes del capo. Estos, ()-m Con frecuencia Hama coeficintecombinatrio a ("),yexien abas aque proporcionan el valor de (") para diferentes valores de m y de k. A continuacién se examinan algunos aspectos propios de estos coeficientcs. En primer lugar, (") = 1 para toda n, como se puede consatar si se igual que (") = n para toda ‘Otro resultado ti est dentidad (") = (, ,) para todas m k. Al cevaliian los factoriales tomados en cuenta, desarrollar estos dos coeficientes en forma factorial, puede constatarse de inmediato que éstos son iguales siempre. Si e recuerda que (7) es el rnimero de subconjuntos de tamafo k que pueden elaborarse a partir de lun conjunto de 7 elementos, puede observarse que cada vez que se escriba lun subconjunto de k articulos siempre se omite un subconjunto de tamafio 1 — k. Por tanto, no debe sorprender que siempre hayan nimeros iguales de subconjuntos de estos dos tamafios TECNICAS DE CONTEO 57 Para una n fija, () es una funcién creciente de & para k < (n + 1)/2, y una funcion decreciente de k para k > (n+ 1)/2. Esto se puede com- probar de la siguiente manera: En primer lugar, ( (2) alk + DI — k= 1)! Luego, ¢s preciso notar que ~ (s(t) sone ques cmp nokS! © sea, siempre que ks 2 Por tanto, el mayor valor ocurre cuando [(n — 1)/2] + 1 = (n+ 1/2, co ink, Content, ne ips, (3) oe lr méximo con k= (n+ wy2.y yaque() = (7 ,)sdebenotarse que (-s)t5) de manera que los dos términos intermedios son iguales. Sim es par, el (6) lor isi de (1) ure nda = 2 ne + es un entero en este caso). ‘A continuacion se enuncia y demuestra el teorema binomial, mismo que, por lo menos para algunos valores de m, quiz ya se conoce por hhaberlo estudiado en la preparatoria en la asignatura de algebra. Este resultado puede aplicarse en gran cantidad de problemas diferentes, nin- ‘guno de los cuales servira para describir la variable aleatoria binomial, de acuerdo a los propésitos de este libro. 58 PROBABILIDAD Teorema 2.4.1. Six y y son dos mimeros reales cualesquiera y nes lun entero positivo, entonces Gam a3 ("ev donde (") Demostraciin: Ante todo se nola que eaters (eer (Jerk Sep cra 3 (er 1 sedesea usar solamente esta suposiién para expecificar que cto E(F aes Entonces ty = + Met -e+ nd (er “Eire 3 (ee CCombinando los términs igualesen estas dos sumas, se tene roar 3[(*) + (Jem en. Lugo (4))+() aerate ks 1 oe TECNICAS DECONTEO 59 con fo que se ha establecido que tema Z()er penn 23.45 : En el siguiente ejemplo se demuestra un uso especial de este teorema. SinurLo 0" lan ahaa teas eee ere sero 2AS fp saages et ee ‘ceckGinS anemone gander costes SS ee oes subconjuntor de .(() eo admero de subconjuntos de S, de elementos cada uno, para k = 0, 1,2,...,m. Por tanto, el mimero total de subconjunto es E()-S()ers-avm-e ‘Un conjunto de 2 elementos tiene 2* = 4 subconjuntos; un conjunto con 5 elemen- {0s tiene 2° = 32 subconjuntos; un conjunto con 100 elementos tiene 2 = 1,27 x 10 subconjuntos. (©) SiS = {1,2,...,n) , seuntos subconjuntos de 5 tienen el elemento 1? Es ‘obvio que solamente hay un evento de un solo elemento que tine el clemento 1. El sine min ie tnt) de md ep endl ta mero delossbconjnios de magaitnd 3 qu tenn al elemento a(" > lime de bconjnis de magni que ene al laments te" |) don- + Por lo tanto, el nimero total de subconjuntos que tienen sl re) oa pero de acuerdo con el teorema binomial, esta suma es igual a 2°-1. Obviamente, ‘cualquier clemento de $ que se considere pertenecerd a 2*-! eventos. Ya que hay 2 eventos en total, entoncss ocurre exactamente la mitad de todos los eventos ‘osibles, sin importar cual elemento de S sea el resultado observado. EJERCICIO 2.4 1. qDe cudntas maneras diferentes pueden colocarse 3 libros distintos en una repisat? 60 u, 2. 4, 1s. 16. 18 PROBABILIGAD ‘Si una maquina expende un articulo al precio de 40 centavos, y el dinero epositado en la misma debe estar formado por una moneda de 25, otra de 10 y una de 5 centavos, jde cudmtas maneras pueden ordenarse las monedas ddepositadas en la miquina? Sels personas se disponen a entrar a una gr pueden formarse en Ia fil para entrar? Un bolsa contiene tna bolita roja, una negra y una verde, Se selecciona al azar una de ellas, y se anota su color. Después de regresara a In bolsa, se agitan y se saca una segunda bolita, anotando de nuevo su color. Se rearesa luna vez més Ia bolita a la bolsa, y se seleciona una tercera, anotando tam- bin su color. {Custos casos diferentes de 3 colores pueden sucederse? En un hormiguero hay hormigas rojas y negras. En un pasaje determinado del hormiguero, el espacio es tan estrecho que apenas pasa una hormiga ala vez. Si 4 hormigas pasan una tras otra por dicho lugar, zoudntas combi- naciones de color diferentes (que tengan 4 elementos) pueden producirse (suponiendo que las hormigas rojas no pueden distinguirse entre si, al igual que las negras)? ‘Tres ciudadanos destacados van a recibir premios. Si hay 4 candidatos a es- tos premios, de cudntas maneras diferentes pueden distribuirse éstos (su- poniendo que ninguna persona puede recibir mAs de un premio)? Si un conjunto tiene 3 elementos, eufintos subconjuntos tiene? ‘Puede definirse un conjunto que tenga exactamente 9 subconjuntos? 2Culintas veces puede tomarse 5 fichas de un dominé normal y ficha doble de seis? wDe cudntas maneras diferentes pueden formarse dos equipos de una liga ‘que tenga 8 equipor? {Cudntos grupos de 3 personas pueden formarse de un grupo de 10? {Cudntos grupos de $ hombres pueden formarse de una compafia de 20 hombres? Dado un conjunto de 15 puntos en un plano, ;cudntas lineas se necestan ‘para unir todos ls pares posibles de puntos? Una ‘‘grafica completa de orden 3” se forma uniendo 3 puntos de todas las ‘maneras posibles. Si se unen 15 puntos en todos los modos posibles, zewn- tas grificas completas de orden 3 e necesitarian? gDe orden k = 4, 5,6 15? ‘Dada una caja con los siguientes focos: 2 de 25 vatios, 3 de 40 vatios, y 4 de 100 vatios, de cutntas maneras pueden escogerse 3 de clos? Con relaciém a os fovos del ejerccio 15, wintas de esas selecciones de tres incluirin a los dos de 25 vatios? geudntos no eontendrian los de 25 vatios? ‘Cudntas seleciones de los focos mencionados en el ejerccio 15 incluirian ‘exactamente | de cada una de las potencias (vatios)? ‘Considerando las placas de automéviles que tienen tres letras seguidas de tres digitos, (@) Si pueden emplearse todas las combinaciones posibles, zculntas placas diferentes pueden formarse? () Si del total anterior se encuentra que 196 forman combinaciones de tres letras no aceptables, y por tanto se rechazan, ;cudintas placas pueden for- smarse? ten qué orden diferente 19. a. TECNICAS DECONTEO 51 (©) Si nuevamente cada placa. puede tener seis posiciones en total, de las ‘cuales tres deben ser letras y las otras tres deben ser dgitos, zcudntas placas diferentes pueden formarse (ignorando la restricién del inciso om En una pequeia poblaci6n hay 100 votantes registrados, de los cuales 60 e3- tin a favor de una emision de bonos para financiar la escuela. El tesorero de dicha poblacién va a pedir la opinin de 10 ée los votantes registrados. (a) :Cudintas clecciones diferentes de 10 personas pueden hacerse con los 100, Votantes resistrados? (b) {Cudntas de aquellas incluirin 6 6 més personas que estén a favor de la ‘emisién de bonos? (© (Cudntas decciones no incluirin a 6 6 mis de las personas que estin a favor de laemision? 20. —‘Simes.un ndimero par cualquiera, mostrar que (Ge +62 )-G)+G)+ +0): (Sugerencia: considerar el desarrollo binomial de (1 — 1%) El astabandera de un barco tiene tres posiciones en las que puede colocarce tuna bandera. Suponiendo que et barco lleva cuatro banderas (diferente) para hacer sefales. (@) {Cudntas sefales diferentes pueden hacerse con una sola bandera? (Se Supone que la misma bandera, colocada en posiciones diferentes indica diferentes seales). () aCudntas setiales diferentes pueden hacerse con dos banderas? (Como ens «aso anterior, nuevamente se da importanca a las dos posiciones ust- as). (©) sCuinta senales diferentes pueden hacerse con las banderas? (@) iCudintas sefales diferentes se pueden hacer? (Recuerdese que también cuenta aquella que no tiene banderas). Las permutaciones de cosas entre las cuales hay algunas iguak s pueden tratarse en forma bastante parecida a los casos dscrtos en el texto. Supor- ‘ga que se tienen nobjetos, delos cuales m son parecidos, m son iguales entre si, pero diferentes los dems, etc, hasta lsear ama en aue étos son de f- ‘ima clase. Esth claro que Xn, =n. Si se supone que desea conocerse el riimero de permutaciones diferentes de cambios en una fila que se pueden formar con estos m objetos, se encuentra quel respuesta yanno puede ser, puesto que aquellos objetos que son iguales no se pueden disnguir entre siy podrian permutarse entre ello sin alterar el orden. Por tanto, Ia respuesta debe ser menor que n! Se pueden elegir m, cualesquiera de las n posiciones ‘para ocupar con los objetos de la primera case, lo cual puede realizarse en ({) mst tn Une an ida hn ine tipo a sue respectivas posiciones, se pueden clegir ny cusleaqaicra de las m ~ ‘m_posiciones restantes para la segunda clase de objetos; esta operacion se 62 2s. PROBABLIOKD puede eatiar en (”"*) manera; del mismo modo, a a tecera clase de otis pe iar ions ("~~") mans teres, Pra pte ee quel iro otal permutcoes OCS at @- nia aap! aie Adebido a Ia cancelacién que resulta de un término al siguiente (ademés que ‘= Sin). Esta cantidad se llama con frecuencia coeficiente multinomial, 1 se denota como ( - vat): BH () ;Cufntas secuencias diferentes de 10 letras se pueden formar usando las Tetras dela palabra “‘statistics""? (&) {Cudmtas secuencias diferentes de 11 letras pueden formarse usando las letras de la palabra “Mississippi? Veinte automéviles van a participar en una carrera, ocho de los cuales son de la marca A, siete de la marca B, y el resto de la marca C. Si solamente se lleva control de la marca de los autos, ide cuntas maneras pueden llegar los autos a la meta? (ver el ejercicio 22). (8) dn cudntos de los Srdenes listados en el ejercicio 23 estd alguno de los ‘autos dela marca A en el primer lugar? (&) En cudmos de los Srdenes listados en el ejercicio 23 hay autos de la marca A en las dos primeras posiciones? Se van a comparar los efectos de dos medicamentos (A y B) y una tableta en un estudio farmactutico en el que partcipan cincuenta personas. A 20 de las ‘cuales se les administrard Ia droga A, a 20 se les administrard la droga B, y @ ALGUNOS PROBLEMAS ESPECIALES DE PROBABILIDAD 63, Jas restantes fa tableta. Si se supone que las personas estin numeradas del 1 a1 50, de cudntas maneras diferentes pueden distibuirse los medicamentos y la tableta? Si de las cuatro banderas a las que hace referencia el ejericio 21, dos son ‘denticas y totalmente rojas, y las otras dos son idénticas y totalmente azules, responder a las preguntas formuladas en ese ejercicio. 2.5. Algunos problemas especiales de probabilidad En esta secci6n se presentan algunos problemas que ayudaran al lector 1a conocer Ias técnicas de conteo y sus aplicaciones en problemas de la probabilidad. EJEMPLO 2.5.1, Side una bolsa se sacan al azar 4 canicas rojas y 2 blancas y secolocanenhilera, cuilesla robabilidad dequelas delosdosextremosseanblancas? {de que no sean blancas? ide que las dos blaneas estén juntas? Para facilitar las ‘cosas, se considera que las blancas extn numeradas del I al 2, y las rojas del 3 al 6. El espacio muestral S que se puede adoptar es el conjunto de 6! = 720 per- mutaciones de 6 cosas, esto es Sm Cte AO! 2,2 1,2,3..-.,6,para todas y 2, # xyparal */). Si se forman al azar las canicas , entonces cada uno de los miltiplos de 6 tiene la ‘misma verosimilitud de ocurrr, y puede usarse la formula de misma verosimilitud para calcular las probabilidades. Se define A como el evento en el cual la primera y Sltima canicas sean blancas (el conjunto de miltiplos de 6 con las eanicas 1 y Zen los extremos), y B el evento de que las canicas 1 y 2 estén juntas, Entonces el rmimero de elementos que pertenceen a.A es nA) = 2-4! = 48 (Gas canicas blaneas podrian estar en los extremos en 2 formas, y para cualquiera de éstas, Ins rojas estarian arregladas de 4! maneras). También se encuentra que M(B) = 5-32-41 = 240, (Be las 5 posiciones en tas que pucden estar juntas as 2 canis tas se pucen colocar en 2 formas en cada una; dentro de ests poscions, que soa a 1, ln 23, la 434, la 45 y la 36, las rojas se pueden intereambiar en los lugares restantes en At ‘maneras), Como se seals antes, a(S) = 6! = 720 con lo que se tiene PUA) = ae = as Pw) HB A es el evento de que las canicas blanecas no estén en las 2 posiciones extremas; se tiene, por consecuencia, 64 PROBABILIDAD P(A) =1 PA) = He ‘Se puede derivar un espacio muestral opcional para este problema en la forma siguiente. Si se supone que van a colocarse las canicas en posiciones numeradas, {entonces se pueden registrar todos los resultados posibles del experimento con s6l0 evar cuenta de las 2 posiciones que ocupan las canicas blancas; desde luego, las posiciones restantes estin ocupadas por las rojas. Todos los pares de posiciones tienen la misma verosimilitud de ocurvir si Is canicas se colocan al azar. Por tan Sa (Ged a NS 2 Sl. [Note que en S se encuentran listades todos los pares posibles de mimeros de po- siciones que se podrian seleceionar para las eanicas blancas, y que se lista a cada tuno solamente una vez. EI némero de elementos que pertenecen a $ es igual al rndmero de subconjuntes de magnitud 2 que tiene el conjunto con 6 elementos, © = 1) (ois Sise definen A y B como antes, exactamente 1 de estos subeonjuntos consta de los clementos mayores y menores de S y exactamente 5 de ellos constan de pares con- seeutivos. Por tanto, ¥.como antes, En muchos ejemplos es posible tener més de un espacio muestral de la misma verosimilitud y si se utiliza correctamente con cualquiera se podrin resolver interesantes problemas. EJEMPLO 2.5.2. Suponga que se seleciona al azar un nimero entero entre el 100 y el 999 inclusive. {Cuil es la probabilidad de que contenga por lo menos un 12 {Gual es la probabilidad de que contenga exactamente dos veces el nimero 37 Se escoge el espacio mucstral S = (x22 = 100, 101, +999). Entonces n(S) = 900 y se supone que todos los eventos de un solo elemento ‘tienen la misma verosimilitud ya que el aimero se ha elegido al azar. Se definen los ‘event A: el nimero elegido tiene cuando menos un 1 ‘Bs el nfero elegido tiene exactamente dos veces el nimero 3. Se encuentra que es mis ficil calcular (4), por lo que se usa para obtener P(A) y con ayuda del teorema 2.2.2 se caleula PUA) = 1 ~ P(A). El cAleulo de n(B) se realiza directamente. El evento 4 seria el conjunto de nimeros de 3 digitos, cada uno de los cuales no contiene el mimero 1. La primera posicién de un mimero de esa clase se puede llenar de 8 maneras (ya que el primer digito no puede ser 1 0) y cada una de tas dos posiciones siguientes puede Henarse de 9 maneras distintas (Ga queeel I no puede aparecer en ninguna de ells). Como consecuencia, se tiene ALGUNOS PROBLEMAS ESPECIALES DE PROBABILIDAD 65. nd) = 8-9-9 = 648 Se puede emplear el siguiente razonamiento para calcular n(B): Si el primer digito es un 3, entonces uno de los siguientes digitos debe ser un 3 y el otro pusde ser cualquiera de los 9 digitos restantes. Estos dos digitos couseeutivos pueden ‘currir en cualquiera de 2 Grdenes, de manera que hay 9°2 = 18 nimeros de 3 digitos que tienen un 3 en la primera posiciOn, ademés de contener exactamente ‘dos veces el niimero 3. Si el primer digito no es un 3, entonces puede Menarse esta posicién de 8 maneras (no se pueden usar ni el O ni el 3), pero las dos dltimas Posiciones deben contener necesariamente el nimero 3 varias veces. Por tanto, mB) = 18 + EJEMPLO 2.5.3. Hay m personas en una sala. ccumpleafics (mes y din del mes), cual es la probabilidad de que haya una o més repeticiones en la lista? (Cual es la probabilidad de que dos 0 mis personas ten gan dl mismo cumpleatios? Se supondré que el afio tiene solamente 365 dias para cada cumpleafos (ignorindose el 29 de febrero) y que cada uno de los dias tiene la ‘misma verosimiitud de ocurrencia para el cumpleafios de cualquier individuo. (De hecho, se puede demostrar que ésta es la peor suposicién que se podria hacer con relacién a esta probablidad; 0 sea que silos dias de marzo o de cualquier otro mes tienen mayor verosimiliud de ocurrencia como cumpleafos, entonces la proba bilidad de que uno 0 mAs cumpleafos se repita mis que los otros es mayor que si todos los dias tienen 1a misma verosimilitud). 1 espacio muestral es el conjunto de todos los » miltiplos posibles que podrian ocurrir para los cumpleafios, numeran- do los dias del alo secuencialmente del 1 al 365. Por tanto, S = (lea tans DEE = TDs 3S La primera posicién de cada m miltiplo da el cumpleatos de la primera per- sona; a segunda posicién da cl cumpleaios dela segunda persona, etc. Suponien- do que todos los dias del afio tienen la misma verosimilitud para indicar el cum- pleaflos de cada persona, esto implica que cada uno de los n miltiplos tiene la misma verosimiitud de ocurtir. Usando las técnicas de conteo presentadas en la sec- cid 2.4, se ve que 1,2yessmh mS) = 365" Se define A como el evento de que haya una o mis repeticiones del mismo ‘ndmero en el n miltiplo que ocurre. Entonces 4 es la coleeci6n de m miltiplos que ‘no tienen repeticiones; se puede ver con faciliad que (A) = 365-364-363 --- G65 —m +1) 68 PROBABILIDAD toaue da Hd) _ 368-364-363 365 =n 4 PA Nuevamente,empleando el eorema 2.2.2, P(A) = 1 — PUA). La tabla 2.1 muestra los valores de P(A) y P(A) para diferentes valores de n. Es bastante sorprendente que, si hay 23 personas, la probablidad de una repeti ion pase de }y que si hay 60 personas sea easi una certeza. EJEMPLO 2.5.4. Una sefiora de apellido Riley asegura ser clarividente, y dice aque si le muestran 8 naipes, 4 de los cuales tienen color rojo y 4 tienen color negro, Tabla2.1 ” ray a1 : 589 ait 1356 44 S24 416 493 307 ae ‘8 a1 69 294 £706 1109, 391 ‘030 70 006 994 Identficaré correctamente por lo menos 6 sin tener necesidad de ver sus colores. Si solamente adivina y no tiene ninguna habilidad especial, zeudl es la probabilidad ‘de que pueda identficar correctamente por lo menos 6 de los 8 naipes? (Ella iden- tiflea 4 de los naipes con color rojo y 4 con color negro). Se decide en manera dis crecional mostrarle primero los 4 naipes con color rojo, uno por uno, luego se le muestran los 4 negros. El espacio muestral para el experimento es el Conjunto de todas los aciertos posibles de los colores de los naipes; sto es, Sate 6B, para toda i; exactamente 4 2/3 son R). Si esté adivinando, entonces cada uno de los eventos de un solo elemento tiene la misma verosimilitud de ocurrir. Ya que cada miltiplo de 8 que pertenece a S contiene exactamente 4 letras R y exactamente 4 letras N, se puede caleular a(S) contando de cudntas maneras se podrian seleccionar 4 posiciones de las & en las {que se coloquen las letras Ri por tanto, wo-()-m ALGUNOS PROBLEMAS ESPECIALES DE PROBABILIDAD 67, Se define ‘A: identifica por lo menos 6 naipes carrectamente identifica 6 naipes correctamente CC: identifica los 8 naipes correetamente Ya que ella dird que 4 naipes son de color rojo, y los otros 4 son de color negro, centonces no le serd posible acertar en 7; por tanto A=BUC ¥,yaque Boc=o, PCA) = PCB) + PCC). Es claro que m(C) = 1, de manera que P(C) = 7s. Si debe ocurtir N, entonces debe identificar con exactitud 3 de los 4 naipes rojos, y exactamente 3 de los 4 rnaipes con color negro en forma correcta, El inico naipe con color rojo en el cual ccomete error podria ser cualquiera de los 4 y el nico naipe con color negro en el que comete error podria ser cualquiera de los 4. Por tanto, el nimero de miltplos dde 8 que tienen 1 N en las primeras 4 posiciones y 1 R en las dltimas 4 posiciones (BY = 4-4 = 16 a) = 8 AA) me HEME ‘con lo que se tiene Por tanto 223; ‘Si solamente adivina, entonces hay poco menos de 1 oportunidad en 4 de que ob- tenga los resultados que pretende obtener. EJERCICIO 2.5. 1. Sien una mesa hay 30 naranjas en cudntas maneras se pueden escoger una docena de naranjas? ({Cudntos conjuntos diferentes. se puede formar con 12 naranjas?) {:Cudntas combinaciones pueden hacerse con 5 bolas rojas y 1 de color naran- ia? En cudntas de las combinaciones ctadas en el problema 2 se encuentran juntas todas las bolas rojas? 4. En Ia temporada de Navidad, un almacén usa cajas rojas y verdes para exhib su mereancla, ;De cufntas maneras pueden colocarse en fla 20 cajas, 5 15 de ells son rojas y 5 verdes? {Si hay 10 cajas de cada color? 5. Se nombran diez personas en total para ocupar una plailla de tres puestos. ‘Si cada grupo de 3 personas tiene la misma probabilidad de ganar, zeudl es la probabitidad de que una persona especifica esté en a planilla ganadora? ‘que una pareja especfica de personas estéen la planlla ganadora? 6. En una prisign cuya poblacion es de 100 individuos, se van a seleccionar al azar dos personas pata ponerlas en libertad. {Cuil es la probabilidad de que 68 PROBABILIDAD 11 mis viejo de los presos sea I de los 2elegidos? Que se seleccione la parcia ormada por el més viejo y el mis joven? 7. En un afo determinado para eleciones nacionales deben elegirse gobernadores para 30 Estados. Si se supone que en cada Estado solamente hay dos can- Aidatos (el Republicano y el Demécrata), zeull es Ia probabilidad de que los Republicanos ganen en todos los estados, suponiendo que cada estado tenga la misma verosimilitid de elegir a cualquier partido? :Cual es la probabilidad ‘de que c1 mismo partido gane en todos los Estados? 8. Seinscriben A, By Cen una carrera. ,Cuil es la probabilidad de que A ter- ‘mine antes que C, si todos tienen la misma habilided y no puede haber em- bates? {Cul es la probabitidad de que A termine antes que B y C? 9. Se pide a cada una de § personas identifiear un helado de vainilla y un flan de vainilla (a cada una se le da una porcién de cada uno y se le pide decir cual es el helado). Silas § solo estan adivinando, cull es la probabilidad de {ue todas acierten? Silas S estén adivinando, jeudl es la probabilidad de que por lo menos 4identifiquen correctamente el helado? 10. Calcular la probabilidad de que $ naipes sacados al azar de una baraja de S2 contenga (@) exactamente 2 pares (©) (*full”) G naipes de una misma denominacin y 2 de otra) (6) Flor (ls 5 naipes de! mismo color) (@) una corrida (5 en secuencia, comenzando por el as, 0 dot, 0 tes, « con el diez). 11, En una sala se encuentran # personas. Calcular la probabilidad de que cuan- do menos 2 tengan el mismo mes de nacimiento. Dar el valor de esta pro- babilidad param = 3,4, 5,6. 12, Se somete a un estudiante @ un examen del tipo verdadero-falso que contiene 10 preguntas; para que apruebe, debe responder correctamente a 8 preguntas fo més. Si el estudiante estf adivinando, cuil es la probabitidad de que apruebe el examen? 13, Se alinean al azar 8 bolas negras y 2 rojas. {Cull es la probabilidad de que las 2 rojas queden juntas? 4De que las 2 rojas ocupen las posiciones de los extremos? 14, A.una persona se lemuestran al azar 3 tarjetas rojas y 3 blaneas. La persona, sabe que van a mostrirsele 3 de cada color, para que las identifique. Si esth adivinando, jeuil es la probabilidad de que identifique correctamente las 6? De que identfique correctamente $? jPxactamente 4? 15. En el ejemplo 2.5.4, geual es la probabilidad de que la sefiora Riley tifique correetamente 4 tarjetas, ni mas ni menos? 16. En el eurso de psicologia se distribuye un examen con 10 preguntas de selec- cin méltiple. Para aprobarlo, se requiete responder correctamente a siete © ‘més de las preguntas. Si se supone que se est adivinando Ia respuesta en ‘cada pregunta, icuil es la probabilidad de aprobar el examen si () cada pregunta tiene 3 respuestas opcionales? () cada pregunta tiene 4 respuestas opeionales? {) las cinco primeras preguntas tienen 3 respuestas opcionales y las dltimas cinco tienen 4 respuestas opcionales? 17, (Wer el ejemplo 2.3.5). Se supone que 16 equipos participan en un torneo de PROBABILIDADCONDICIONAL 6 climinatoria sencilla. Si todos tienen ef mismo nivel de juego, jcusl es le probabilidad de que gane el favorito? 18, Un fubricante de cereales desea cambiar el diseNo de la caja de uno de sus productos, por lo que se muestra individualmente a cada una de 6 personas, Ja caja anterior y la nueva, y se le pide que indique su preferencia. Suponien- do que cada una de las personas no tenga verdadera preferencia por nin- guna, jcutl es la probabilidad de que por lo menos 5 de tas 6 personas prefieran el auevo diseno? 19. El depariamento de investigacién de una fabrica de focos ha perfeesionado tun recubrimiento para los filamentos capaz de prolongar la duraciéa de aquéllos. Para comparar las duraciones de los focos nuevos con ade los {locos viejos, se seleccionan dicr focos fabricados con el nuevo procedimien- to y diez normales, y se forman parejas:un foco nuevo con uno viejo. Se somete los 10 pares a prueba, ¥ se anota cual de los focos de eada par {alla primero, si el foco nuevo o el vieio. Suponiendo que el nuevo proceso realmente no prolonga Ia duracién de los focos, ;cuAl es la probabilidad de que el foco viejo falle primero, en por lo menos 9 de los 10 pares? Si se efee= {tia el experimento y se encuentra que les focos viejo fallaron primero en 9 de los pares, ise deberia adoptar el nuevo proceso de fabricacion? 2 Probabilidad condicional En ciertas aplicaciones se informa que ha ocurrido un evento A y se pregunta cual es la probabilidad de que también haya ocurrido otro evento B. Por ejemplo, si se dice que salié un naipe rojo de una baraja comin de 52 naipes, entonces se puede desear saber la probabilidad de que el naipe ‘seleccionado fuera el as de corazones. En otro caso, si se hace una encues- ta de opiniones, se puede presentar el caso de que la persona seleccionada sea Republicana, y entonces puede necesitarse saber la probabilidad de que est a favor de la politica exterior del pals con relaci6n a un tema espe- cifico. También puede suceder que se realice un experimento de invest gacién médica, en que el historial de la familia de una persona seleccio- nada al azar presente casos de diabetes. Se puede preguntar entonces cual ¢ la probabilidad de que esa persona también tenga diabetes. En cada uno de estos ejemplos se da un evento A que ha ocurrido, y se quiere saber la probabilidad de que haya ocurrido un segundo evento B, Si se dice que ya ha ocurrido A, entonces en efecto se tiene que A es el espacio muestral, ya que se sabe que no ha ocurrido cualquier elemento xe. Portanto, seria razonable medir la probabilidad de que B ocurra también utilizando la proporcién relativa del tiempo en que A y B ocurren juntas (relativo a la probabilidad total de que ocurra A). De hecho, esta es la definicién de la probabilidad condicional de que ocurra B, dado que ocurra A, como se ve en la definicién siguiente. 70 PROBABILIDAD DEFINICION 2.6.1. La probabilidad condicional de que ocurra B, dado que haya ocurrido A (lo que se denota como P(B| A))es P(B| A) = PBA AYP(A), $i P(A) > 0. EJEMPLO 2.6.1. Se tira un par de dados no cargados 1 vez y se establece que los 2 miimeros que aparecen no son los mismos. Caleular Ia probabiidad de que la ssuma sea 7/0 que la suma sea 4 0 que la suma sea 12. Se define el evento ‘A? Los dos mimeros que ocurren son diferentes. Entonces se dice que ha ocurrido A. También se definen los eventos B:lasumaes7 Cla suma.es 4 Dz la-sumaes 12 Enionces, si se supone que los eventos de un solo elemento tienen la misma probabilidad, se encuentra que PA = PAL MO, MD) =a PAB =t PANO mY, PAD) =O com lo que se tiene Pal Aym ym k CIA) = EE mi o POA =F EJEMPLO 2.6.2. Con base en su experiencia un médico ha recabado la si- guiente informacion, relativa a las enfermedades de sus pacientes: $7 creen tener ‘ncer y lo tienen;45 % creen tener cincer y no lo tienen; 107% no ereen tener chn- cer pero silo tienen; y Finalmente 40% creen no tenerto, lo cual es certo, De entre los pacientes del doctor estas cifras de porcentajes implican las siguientes pro- babilidades para un pacienteseleccionado al azar. Se define los eventos Az el paciente cree tener cfincer 1B: el paciene tiene céncer Entonces PAB) = 05, PAB) = 45, PaaB=1, PAOD) =A. Se tiene, por tanto, que PUA) = PAB) + PAB) = 5 PB) = PAB) + PAB) = AS. PROBABILIDAD CONDICIONAL 71 ‘Con base en lo anterior, la probabilidad de que un paciente tenga chncer, si cree tenerloes, P(B\ A) os Bian La probabilidad de que tenga efncer, sino cree tenerlo es 2 aB| A= 5-2 La probabilidad de que crea tener cancer y nolo tenga es as 9 MAB) = Ea. La probabilidad de que crea que tiene céncer y silo tenga es ost ALB) = EH 5. Una de las principales aplicaciones de la probabilidad condicional es facilitar la computaci6n de las probabilidades que en ciertos experimentos pueden tener las intersecciones de los eventos. La ecuacién BNA) B| a) = 2B OAD Fe ay implica que PB AA) = PAB) = PAPE | A). en Laecuacion ANB) 4|B) =P O® Pala) ‘implica que PEA 1B) = PEHNPLA |B). @2) En muchos problemas se encuentra que una u otra de estas formulas para P(A OB) es de mucha utilidad. EJEMPLO 2.6.3. Se scleceionan al azar dos bolas sin remplazo de una urna ‘que contiene 4 blancas y 8 negras. (a) Calcular la probabilidad de que ambas sean, ‘lancas. b) Calcular Ia probabilidad de que la segunda bola sea blanca. (a) Se define A: a primera bola es blanca 2B: la segunda bola es blanea (C: ambas bolas son blancas, Entonces AQBRC y PC) PA AB) = PAB A) = aya = a 72 PROBABILIDAD () Esclaroqued = (4.0.8) UA O.B)y que anndon=z. Entonces (B) = PAB) + PAB) = PCA)P(B| A) + PCAYPCB| A) it taker Se nota que la probabilidad de sacar una bola blanca en el segundo intento ‘(aunque Ia primera no se haya reemplazado) es §, igual a la probabilidad de que la primera bola sacada sea blanca, lo que se puede mostrar que ocurre generalmente. ‘P(B) es una probabilidad incondicional, y como se indica por la forma como se calcul6 antes, es un promedio de las dos probabilidades condicionales PCB | A) ¥ Pa A). EJEMPLO 2.6.4. La caja 1 contiene 4 focos defectuosos y 16 focos en buen estado. La caja 2 contiene 1 foco defectuoso y 1 en buen estado, Se tira un dado ‘no cargado una sola vez. Si sale un 10 un 2, entonces se saca al azar un foco dela caja 1; de lo contrario, se seleeciona un foco dea caja 2. ,Cual es la probabilidad de que el foco selccionado esté defectuoso? Se define A: teleciona un foco dela caja 1 £B: dl foco seleccionado esth defectuoso Entonces P(A) = $, P(A) = §, PCB A) = 4, y PCB| A) = 4. Ya que B =O LBA y @aAn@OA=0, se tiene entonces PB) = PBA) + PBA = PUAPLB| A) + PCAVPB) A) thet daad iguiente resultado, que con frecuencia st conoce como el teorema de Bayes 0 la férmula de Bayes, ¢s stil en muchos problemas aplicados, y toma su nombre de! Reverendo Tomés Bayes, uno de los primeros autores que escribieron sobre Ia teoria de Ia probabilidad. Este teorema se ha aplicado recientemente en muchos problemas diferentes, y desempefia un papel importante en numerosas ramas de la estadistica apticada. Enel capitulo 9 se estudian algunos métodos Bayesianos de la inferencia estadis- tica, basados en el teorema de Bayes. Teorema 2.6.1. (Bayes) Se supone que s¢ tienen k eventos Ay, Ags -. ++ As tales que 1 AUA, Ur UA SS 2 AOA= 2, paratodal #/ PROBABILIDAD CONDIGIONAL 73 (estos eventos forman una particidn de S); entonces, para cualquier evento ECS, Payne [4g Saayme| ay Demostracién: Debido a las propiedades 1 y 2 mostradas anteriormente, se sabe que para cualquier evento E = S se puede eseribir PA, |B) = Pehak Em (ENA) UEDA US UE OAD en que (EQ A) O(EOA)= 2, paratodal xj. Por tanto P(E) = PENA) + PLE VA) +o PE AD = PA)PCE| Ay) + PADPUE| A.) + -°> + PADPUE| A) de acuerdo con la ecuacién 2.1. Por definicion As OE) AALOB) Ay Leck PUA, | ED PE) YY usando la ecuacién 2.1 y l resultado obtenido antes para P(E), se tiene PA, | £) = PDP AD EPCAIPE | Ad lo cual es el resultado buscado. EJEMPLO 2.6.5. Se supone que 95 es la probabildad de que un jurado selec- ‘ionado para juzgar un caso criminal emita el veredicto adecuado. Esto significa {que si se presenta a juicio un individuo culpable, Ia probabildad de que el jurado Jo condene es de .95, y reiprocameate: sie individuo juzgado es inoceme, la probabilidad de que cl jurado lo absuciva es de 95. Se supone también que el verpo de la poticia local realiza su labora conciencia, de manera que e997 de las personas que se presentan en la corte para ser juzgadas son verdaderamente culpables. Se ide ealeular la probabilidad de que el acusado sea inocent, si el jurado lo encuentra inocente. Sea Gel evento de que el acusado sea culpable seaJ l evento de que el jurado To encuentre culpable. Entonces, PU G) = PCI G) = .95,P(G) =.99, y se desea caleular P(G|J) Gy G forman una particion det ‘espacio muestra, por lo que, con base en el izorema de Bayes ___ PUL PG) POTOAG) + PTTOPG) PGI) = 7A PROBABILIDAD Por tanto, hay apronimadamente 1 posibilidad en 6 de que sea realmente inocente si se le encuentra inocente, y aproximadamente S posibilidades en 6 de que sea cul- ppable, aunque se le haya juzgado inocente. Del mismo modo, 1a probabilidad de que sea inocente, si se le juzg6 culpable, es de 0008, en tanto Ia probabilidad de ‘Que sea culpable y se le juzgue culpable es de .9995. EJERCICIO 2. ‘Una urna contiene 4 bolas numeradas 1, 2, 3 y 4 espectivamente. Se sacan dos bolas sin reemplazo. Sea A el evento de que Ia suma sea $ y sea By el evento de que la primera bola sacada tenga una / en ella, con = 1,2,3, 4. Caleular PCA | Bi), 1 = 1,2,3,4, ¥ POB)| A), i = 1,2,3,4 2. Emel problema I se sacan las dos bolas con reempiazo. Se definen A y By igual que arriba, y se pide caleular P(A | B,)y PCB, | A), i = 1,2,3.4, 3. Selanza al sire 4 veces una moneda no cargada. {Cual es la probabilidad de {que en Ia cuarta vez aparezca una cara, si salieron caras en cada una de las 3 primeras tiradas? 4. Se lanza al sire 4 veces una moneda no cargada. {Cual ¢s la probabilidad de (que en Ia cuarta vez aparezca cara, si aparecen 3 earas en las 4 tiradas? (Si aparecen 2caras en las 4tiradas? 5, Laurma | contiene 2 bolas rojas y 4 azules; la urna 2 contiene 10 bolas rojas y 2 azules. Si se escoge al azar una urna y se saca una bola de ésa, ,cuil es la probabilidad de que la bola selecionada sea azul? {De que sea roja? 6. Sien el problema 5, en ver de seleccionar al azar una urna se tira un dado y se scleciona una bola de la urna 1 si aparece el 1 en el dado, y en caso con- trario se ele una bola de Ia urna 2, evil es la probabilidad de que la bola seleccionada sea azul? ,Que sea roja? 7. Se sacan al azar cinco naipes sin reemplazo de una baraja de $2 aaipes. {iCual es la probabilidad de que todos sean con rojos? {De que todos sean diamantes? 8. Una urna contiene 2 bolas rojas, 2 blancas y 2 azules. Se seleccionan al azar dos bolas de la urna sin reemplazo. Calcular la probabilided de que la se- sgunda bola sacada sea roj 9. Una urma contiene 2 bolas negras y 5 cafés, Se selecciona una bola al azar, la bola cs cafe, se devuelve a la urna y se agregan otras dos bolas cafés. Sila bola es negra, entonces no se reempluza en la urna, y tampoco se agregan bolas adicionales. Se saca de la urna una segunda bola. ;CuAl es la pro- babilidad de que sea cafe? 10, Se realiza el experimento de dos etapas que aparece en el problema 9 y se dice que la bola seleccionada ca la segunda etapa fue café. {Cull es la probabilidad de que la bola seleccionada en la primera etapa fuera café tam- bien? 11, Suponer que Ia ciencia médica ha desarrollade wna prueba para el diagnds- tico del cfncer que tiene 95% de sxactitud tanto en los que tienen céncer ‘como entre 10s que no lo tienen. Si.00S de la poblacién realmente tiene cin- cer, caleular Ia probabilidad de que determinado individuo tenga cdncer, si la prueba dice que lo tiene. 2 13. 1s. 16. 1. PROBABILIDAD CONDIGIONAL 75 En una escuela, 1% del estudiantado participa en un programa atlético in- tercolegial; de este grupo, 10% tiene un promedio de 3.6 mas (de entre 4), en tanto que 20% del resto del estudiantado tiene un promedio de 3.6 mis. Qué proporcién del total del estudiantado tiene nivel de 3.6 mayor? Si se lige | estudiante al azar de entce el estudiantado y se supone que tiene un nivel de 3.12, jeull es la probabilidad de que partiipe en el programa atic intercolegial? Dos proveedores, A y B, entregan la misma pieza a un fabricante, mismo que guarda todas las existencias de esta pieza en un mismo lugar. Los an- tecedentes demuestran que 51% de ls piezas entregadas por A estaban defec- tuosas, ¥ que 9% de las plezas entregadas por B también estaban defec- twosas. Ademas, A entrega cuatro veces mAs piezas que B. Si se aca al azar tuna pieza y se encuentra que no esté defectuosa, ;cull es la probabilidad de ‘que la haya fabricado A? ‘Se tira una sola ver un par de dados. Si la suma de los dos es cuendo menos ‘igual a 7, calcular ta probabilidad de que sea igual ai para {= 7.8.9, 10, 11, 12 Suponer que ndmeros iguales de familias tienen dos hijos que son (alto, nine), (niRo, nina), (nina, (nina), y (nita, nina), y que el orden dentro de los miltiplos de’2 indica el correspondiente a los nacimientos. Se selec- sfona al azar una familia con dos hijos. (@) gCudl es la probabilidad de que la familia tenga dos niios, siya tiene por Jo menos un hijo? (&) Se toma una persona casada que en la actualidad tiene un nino, y espera un segundo hijo. Desde luego, una vez que nazca su segundo hijo, tendra ppor lo menos un nino. iSe puede decir que la respuesta en (8) es la propablidad de que el segundo hijo sea un nifio? Se inseriben discistis equipos en un torneo de eliminacién sencilla, para ‘competir en tn juego que no puede terminar en empate. Por lo tanto, se necesitarin 4 rondas de juegos para determinar cuil seré el ganador. Su- poner que la probabilidad de que gane determinado equipo es de .9 y que las. probabilidades de que gane los juegos posteriores son de 8.7, 6, dado que haya ganado los juegos anteriores, (2) {Cual es la probabilidad de que ese equipo gane el torneo? () {Cull es Ia probabilidad de que ese equipo sea eliminado en la tercera ronda? JEn la segunda? En la primera? ‘Un examen contiene ocho preguntas del tipo verdadero-falso, en el que se requiere responder tun minimo de seis preguntas para aprobar (@) Suponiendo que se est adivinando para contestar cada una, zeull es la probabilidad de aprobar el examen? (©) Suponiendo que se conoce la respuesta ala primera pregunta, y que por tanto, s6lo se debe adivinar desde la segunda hasta la séptima,,y supo- niiendo también que In primera respuesta estuvo cortecta, yeu es la probabilidad de aprobar el examen? (©) Si se conocen Ins rexpuestas a Ias dos primeras preguntas, jeusl es Ia probabilidad de aprobar el examen? ‘Cada 282, persona que entra a un parque de diversiones recibe un premio. 75 PROBABILIDAD (8) :Cufl es ta probabilidad de que una determinada persona reciba el premio al entrar? (®) Si una persona espera en la entrada y comprueba que ninguna de las Quince personas que entraron antes ha recibido un premio, jeutl es la pprobablidad de que dicha persona reciba el premio si entra en ese momento? 2.7. Eventos independientes Es posible definir y tener interés en eventos A y B tales que si se sabe ue ocurrido A, entonces se tiene la certeza de que también ha ocurrido B (Por ejemplo, el caso en que 4 < 2). En tales casos, ciertamente hay un ‘grado de dependencia entre A y B. Como se vera en esta secci6n, también ¢s posible tener dos eventos A y B, en los que no se sabe si B ha ocurrido ‘no, aunque se sepa que A haya ocurrido. A esta clase de eventos se les ‘conoce como independientes (0 estadisticamente independientes). A con- tinuacién se presenta la definicién formal de los eventos independientes. DEFINICION 2.7.1. Dos eventos A y B son independientes si y s61o si P(A B) = PAPC) ‘Antes de examinar algunos ejemplos de eventos independientes, nétese que si y B son independientes, entonces PLA 1B) _ P(A)P(B) P(A | B) =~ = ————" = P(A), supuesto que P(B) # 0. ! a) ACB) hpuesio que P¢ Por tanto, Ia probabilidad condicional de que ocurra A es la misma que la probabilidad no condicional de A. El saber que B ocurti6 no eambia la probabilidad de ocurrencia de A. En forma anloga, es facil ver que P(B | A) = P(B) si y slo si A y B son independientes. EJEMPLO 2.7.1. Suponer que los ndmeros presentados en la tabla 2.2 dan las probabilidades de que un individuo seleccionado al azar caiga en cualquiera de ellos. Tabla 22 Fumador 50 20 No fumador 10 20 Entonces, si A es el evento de que el individu seleerionado sea un fumador, y Hel evento de que el individuo contraiga cdncer, se tiene que EVENTOS INDEPENDIENTES 77 FA NB)@ 5, ANB) , PAN B= y Pana) =2. Yaque PU) = PA OB) + PA OB) = 7 PCB) = P(A VB) + PAB) = se puede ver que P(A BY = 5 # (.7)(6), de manera que A y B no son indepen dientes. EJEMPLO 2.7.2. Sis tira una vez un par de dados no cargados, mostrar que los 2 eventos A: Ia suma de los dados ¢s 7 B: los 2 dados tienen el mismo nimero no son independientes. Como se ha visto antes, P(A) = P(B) = 4; ANB =o de manera que P(4 9 B) = 0 lo cual no es } - }. Por tanto, los 2 eventos no son independientes. Se dice que dos eventos son mutuamente exclusives, si no pueden ‘ocurrir en forma simulténea, como se determina en la siguiente definicién. DEFINICION 2.7.2. A y B son mutuamente exchusivos si y s6lo si ANB=8 Con frecuencia se confunden las definiciones de independencia y de mutua exclusividad, probablemente debido a que en el lenguaje cotidiano se usa Ja palabra independiente para expresar ““que no tiene nada que ver con”. La frase “‘no tiene nada que ver con” puede interpretarse como que dos eventos no pueden ocurrir al mismo tiempo, lo cual se acaba de definir como mutuamente exclusivos. Como se verd en el siguiente teorema, las dos definiciones (2.7.1 y 2.7.2) ciertamente no son iguales en su contenido. Teorema 2.7.1. Sea P(A) #0 y P(B) #0. Entonces, decir que A y 2B son independientes implica que no son mutuamente exciusives, y decir que A y B son mutuamente exclusivos implica que no son independientes. Demostracién: Suponga que A y B son independientes. Entonces P(A 0 B) = P(A)P(B) x 0, ya que P(A) #0 y P(B) 0. Por tanto no son mu- ‘uamente exclusivos. Ahora suponga que A y B son mutuamente excli- sivos, Entonces A 0B = @ y P(A 1B) = 0. Pero como P(A) sf 0 y P(B) 0, P(A)P(B) #0, porto que no son independientes. La independencia de tres eventos se define como sigue. DEFINICION 2.7.3. A, B, y Cson independientes, si s6lo 78 PROBABILIDAD PUA 0B) = PCADP(B) PCAC) = PUA)P(C) PB NC) = PBC) PAB ANC) = PLA)PLB)P(C).. aere Se pueden dar muchos ejemplos que muestran que las tres primeras con- diciones anteriores no implican ta cuarta y viceversa. El siguiente ejemplo ilustra un caso en el que las tres primeras ecuaciones son vilidas, més no asi Ia cuarta. EJEMPLO 2.7.3. Suponga que se tira dos veces al aire una moneda no car- ‘sada, y defina los res eventos A: Aparece una cara en In primera tirada 2B: Aparece una cara en la segunda tirada (C: Aparece la misma figura en ambas tiradas ‘Se puede notarfécilmente que P(A) = P(B) = P(C) = fy que PA A B) = PCA AO) = PBC) = 4, de manera que se satisfacen las ecuaciones 1,2, y 3de a Aefinicbn 2.7.3; a A, By Ce les lama eventos independientes por parejas. Como PA RBNO =H Gy, centonces no satisfacen la ecuacién 4 anterior, por 1o que no son eventos indepen dientes. Muchos problemas pricticos consisten en pruebas independientes; cuando el resultado de una prueba en especial no afecta el resultado obser- vado en otra prueba se dice que se trata de eventos independientes. La siguiente definicién aclara el concepto. DEFINICION 2.7.4. Un experimento consiste en m pruebas inde- ‘pendientes si y s6lo si: (1) Ses el producto Cartesiano de m conjuntos Sy. Say-++» Sys ¥ 2) la probabilidad de ocurrencia de un evento de un solo elemento A < S es el producto de las probabilidades de ‘ocurrencia de los eventos correspondientes de un solo elemento, , © Sy f= 1,2,..-5n; estos, P(A) = PAP H(A)“ PAA, fen que A & Sy Ayo Sp Fm 12.00.50 Y Ay Aigo Ay SOM cada uno eventos de un solo elemento. Se puede notar de inmediato que los elementos del espacio muestral de un experimento que consiste en 1 pruebas independientes son n multiplos. Mis atin, las probabilidades de los eventos de un solo elemento se asignan en una forma especial, lo cual es un método sencillo de calcular muchas probabilidades. EVENTOS INDEPENDIENTES 79 EJEMPLO 2.7.4. Una tienda que vende radios y televisores al menudeo recibe de un fabricante un lote de cinco radios. En ocasiones anteriores, 90% de los radios que entrego este fabricante funcioné correctamente en la primera prueba, ¥ 10% necest6 pequetios ajustes o una reparacin antes de funcionar correctamente. Se desea estudiar el experimento que consiste en comprobar cules de tos cinco radios recién recibidos funcionan correctamente. Se supone que cada radio fun- ciona correctamente (no est defectuoso, marcado con una nm) 0 que no funciona correctamente (esth defectuoso, se marca con una d). Por tanto, todos los expe- rimentos simples que consisten en probar los radios uno por uno pueden usar el es- pacio muestral Seeind}, 121.2345. ‘Con base en la informacién historic recibida, también se debe suponer que Palm) = 9 Adm, 112,345. El experimento, que consiste en probar los $ radios, podria tener el espacio mucs- tral Sy XS, * Sy x Sp X Se Mis atin, ya que cada uno de los radios son entidades flsicas diferentes, parece razonable esperar que la ocurrencia 0 no ocurrencia de los defectos sea indepen- dente; esto es, que se tiene un experimento formado por pruebas independiente. Por tanto, empleando la regla mencionada en la definicin 2.7.4, se pueden asig- nar probabilidades a los eventos de un solo elemento de $ con sélo multipicar las probabilidades de observar los resultados adecuados en las pruebas individuaes. Por ejemplo, Bon m mim BY = CHAINED ~ (98 Pd dd. d))) = YING Pied nd np = NDEI = CIO? PORE, A, 9}) = CIA99)C9) = CECI y asi succsivamente. Una ver que se conocen las probabilidades de los eventos de tun solo elemento, se pueden caleular las probabilidades de cuslesquiera otros even- tos de interés. EJEMPLO 2.7.5. E1 equipo de futbot de una universidad juega contra 11 ‘equipos diferentes en otros tantos sibados consecutivos, Si se supone que su ren dimiento de ssbado a sabado es independiente, entonees el experimento formado ‘por su calendario de actividades para un afio esta compuesto por 11 prucbas ine dependientes. Se define SWE TFN en que G quiere decir ganar, P perder, y £ empatar, y se puede escribir el espacio ‘muestra S para los juegos del ato como, SSL KS KO KS 80 PROBABILIDAD. De acuerdo con lo anterior, la probabilidad de ocurrencia de un evento de un solo clemento que pertenece a $'se define como el producto de las probabilidades de los ‘eventos de un solo elemento para las pruebas correspondietes; 0 sea que Pte ts = Py(eDPae--PaulfenD) en que Coke MES, HES ES AMES. El sublndice variable de P para las diferentes pruebas significa que Ia probabilidad ‘de que este equipo gane (0 pierda o empate) un juego no necesariamente es la mis- ‘ma para todas las semanas. La probabilidad de que gane todos los juegos es, en- tonees, Tr pcowns 4a probabilidad de que pierda todos los juegos es Thea EJERCICIO 2.7. ‘Una moneda no cargada se tira al aire 2 veces. ;Son los 2 eventos ‘A: aparece una cara en la primera tirada 2B: aparece una cara en la segunda tirada independientes? 2. Una moneda no cargada se tira al aire dos veces. Sea A el evento de que sal- 2 una cara en la primera tirada, y sea B el evento de que mo salgn Ia misma cara en ambas tiradas. Se puede decir que A y son independientes? 3. Una urna contiene 4 bolas numeradas 1, 2, 3 y 4respectivamente, de la cual se sacan dos bolas sin reemplazo. Sea A el evento de que la primera bola sacada tenga un I marcado, y sea B el evento de que la segunda bola tenga ‘un 1 marcado en ella. Se puede decir que A y B son independientes? 4. Sise efectia el experimento 3 con reemplazo, jse puede decir que A y B son independientes? 5. Un par de dados se tira 1 ver. Sea A el evento de que el primer dado tenga tun Hen &, Bel evento de que el segundo dado mucstre el 6, ¥ Cel evento de {que la suma sea 7. {Som independientes A, By C? 6. Una moneda no cargada se tira al aire 3 veces. Sea A el evento de que aparezca cara en la primera tirada, B el evento de que salgan al menos 2 cruces, y C el evento de que aparezca exactamente 1 cara, o que aparezca tuna cruz, una cara y una cara en ese orden. Demostrar que estos 3 eventos satisfacen la ecuacién 4 de la definiciOn 2.7.3, aunque no satisfacen las ccuaciones 1, 263. 7. Demostrar que si A y B son independientes, también lo son A y B. 8. La probabilided de que un jugador de baloncesto anote una canasta en un EVENTOS INDEPENDIENTES 81 tiro libre es de .7. Si en el curso de un juego ejecuta 15 tros libres, calcular Ia probabilidad de que anote todos. Calcular la probabilidad de que anote en 14 de ellos, Cusles suposiciones hay que hacet-para poder obtener una res- puesta? ‘Tres equipos, 4, By Cse insriben en un torneo round-robin (enel que cada ‘equipo juega 2 juegos, 1 contra cada uno de los oponentes posibles, y el janador del torneo, si lo hay, es el que gana dos encuentros). Suponga que no puede haber empates. Se suponen las siguientes probabilidades: P(A ganeaB) = 7 PCB gane aC) = 8 P(Cganea.d) = 9, Calcular la probabilidad de que (a) Gane A (©) Gane B (©) Ninguno gane. 10, Bn el ejemplo 2.7.4, se supone que se reciben 10 radios. (@) Cual espacio muestra se podria usar para el experimento? (©) zCull es la probabilidad de que funcionen correctamente los 10 radios? (© {Cull es a probabilidad de que al menos 9 trabajen correctamente? 11, Una tienda de autoservici tiene en exhibicién 1 000 focos, de los evales 10 cestin defectuosos. (@) Si se compran 20 de esos focos, jcull es la probabildad de no comprar los defectuosos? (@) SI se compran 20 de esos focos, jeusl es la probabilidad de comprar precisamente uno de los defectuosos? 12, Un vendedor de cepilos puede visitar 16 casas durante una maftana, Si la probabilidad de que haga una venta es de .1 en cada casa, jeu es la pro- Dabilidad de que haga al menos una venta durante Ia semana? 13. Suponiendo que un estudiante cursa 4 materias durante determinado trimes- tre y que sus probabilidades de obtener A son de .2, .5, 1 y 7, respecti- vvamente en esas materias, (@) ceuil es la probabilidad de que obtenga solamente A? (©) icudl es la probabilidad de que obtenga exactamente 3 A? Se puede erticar la manera en que hubo que contestar las preguntas? 14, Se repiten pruebas independientes, cada una con posibilidad de terminar ‘en éxito. fracaso. La probabilidad de éxto paca cada prueba es p. (a) Demostrar que la probabilidad de que ocurran exactamente x éxitos es (runes ane, (&) Demostrar que la suma de las probabllidades dadas en (a) es 1, 0 sea que: E(C)ro — peat 2 PROBABILIDAD 15, Se realizan dos prucbas independientes, cada una de las cuales puede ter- ‘minar en éxito o fracaso. Suponiendo que la probabilidad de que haya éxito cen ln prucba /espu i= 1,2. yeusl es la probabilidad de observar exacta- mente x ites, con + = 0, 1,27 16. Hay 15 bolas en una urna, de las cuales $ son blancas. Se sacan al azar cinco bolas sin reemplazo. :Cull es Ia probabilidad de que se seleccionen x bolas blancas, con = = 0, 1,2,3,4,57 17. Si se realize el mucstreo del ejercicio 16 con reemplazos, geudl es la pro babilidad de que se selecionen x bolas blancas conz = 0,1, 2,3,4,57 2.8. Espacios muestrales discretos y continuos El lector puede haber notado que Jos espacios muestrales usados en todos los ejemplos anteriores eran conjuntos finitos. Tales espacios mues- tales som casos especiales de lo que se conoce como espacios muestrales discretos, que se definen de la siguiente manera, DEFINICION 2.8.1. Un espacio muestral discrefo es el que tiene un nGmero finito o contablemente infinito de elementos. Hablando en forma general, en los espacios muestrales discretos es impor- tante considerar eventos de un solo elemento. Dicho en otra forma, basta conocer las probabilidades de ocurrencia de los eventos de un solo elemen- to para calcular Ins probabilidades de cualquier evento. Hasta este mo- ‘mento, todos los espacios muestrales finitos que se han estudiado han sido de esta clase. El ejemplo siguiente describe un problema en que el espacio rmuestral es contablemente infinito, aunque todavia se pueden calcular las probabilidades a partir de lo que se conoce de los eventos de un solo elemento. Antes de estudiar el ejemplo, debe tomarse nota de lo que establece el tercer axioma cuando se tiene un espacio muestral infinito. En un espacio :muestral infinito es posible tener un mimero infinito de eventos que no se traslapen (como por ejemplo, los eventos de un solo elemento). El axioma 3 dice que la probabilidad asignada a Ia unién de un término infinito de eventos que no se traslapan debe ser igual al valor al que converge una serie infinita (la suma de las probabilidades individuales asignadas a los, eventos). EJEMPLO 2.8.1, Se lanza al aire una moneda no cargada hasta que salga una cara, Caleula la probabilidad de que se necesiten menos de 4 tiradas para terminar et experimento, Calcilar ls probabilidad de que se requiera un nimero par de tiradas para tcminar el experimento, El espacio muestra es S = (H,TH,TTH,...}. ESPACIOS MUESTRALES DISCRETOS Y CONTINUOS 83 H significa que se obtiene una cara en Ja primera tirada; TH quiere decir que la primera cara aparece en la segunda tirada, TTH quiere decir que la primera cara ‘parece en la tercera tirada, etc. Es evidente que se puede establever una corres- ‘pondencia biunivoca entre los elementos de $ y los enteros positives; por tanto, S tiene un nimero contablemente infinito de elementos, y es un espacio muestral discreto. ‘Si se supone que la moneda no esta cargada y que las tiradas son independien- 1s, facilmente se puede asignar probabifidades a los eventos de un solo elemento ‘en la forma siguiente: Pda) =i, RUTH) = d-dh PUTTH) = 44d =a PUTTTH) = BEd tes te. Primero hay que estar seguro que esta asignacién satisface al axioma 1. Es claro que Pmt th tht +: aH +bteeet 1 ya que la expresion dentro del paréntess es una progresion geométrica con r= Por tanto se satisface el axiom 1. Se define A: el experimento termina en menos de 4 tiradas se necesita un numero par de tiradas para terminar el experimento. Oto que es igual, A= (7H, 1TH) B= (TH, TITH,TITTTH, PAREHEHESE PB) Lt ret de take to Ati tite te) Enionces, EJEMPLO 2.8.2. Suponer que se selecciona al azar un nimero de entre los ‘enteros positives. {Cusl es la probabilidad de que sea par? El espacio muestral para este experimento es $9 (23,00), ide manera que S es disereto. Sin embargo, no es posible asignar ls misma pro- ‘babilidad a cada uno de los eventos de un solo elemento. Sin importar culm pe- 4quetto sea el valor de esta probabilidad comin, Ia suma de las probabilidades de los eventos de un solo elemento es infnita. Para expresarlo en otra forma, supon- ga que se dice que 5& PROBABILIDAD P(e) =p >0 paras =1,2,3, Entonces, MS) = & Pe) = Sp y esta suma diverge sin importar cudnto se aceraue p & 0. Por tanto, parece que to hay una forma satsfactora de deserbir este experimento, lo cual es una ferencia correcta, porque después de etuditlocuidadosamente,s tiene que Hegar 2a conclusion de que es absolutamente imposible realizar el experimento. Es im- posible selecconar un entero al azar del eonjunto de entros positives. Ea i lex Derimento no tiene sentido, motivo por el cual no puede describrse. A pesar del razonamiento anterior, parcera igeo decir que la probabilidad de slecionar un numero par es J, ya que cada tercer entero es par. De hecho, esta conclusiOn esta basada en un razonamiento como el siguiente: si se seleccona al azar un entero del conjunto {1,2,3,..., Af) en que Mes muy grande, la probabiidad de que et rnimero sen par es | si M es par, y ] — (V/2M) si M es impar. En ambos casos aproximadamente fy, ya que M se incrementa cada ver mis, también se acerca roporcionalmente a} (para el caso que Sea impar; para el caso de M par, es 1. Hay muchos ejemplos que dan origen a espacios muestrales continuos, y éstos se definen de la siguiente manera. DEFINICION 2.8.2. Un espacio. muestral continuo (unidimen- sional) es aquel cuyos elementos son todos los puntos situados en al- iin intervalo del eje real. De acuerdo con la definicién, los conjuntos fe0<2<1}, (102520), f:2>0) son ejemplos de espacios muestrales continuos. Por lo general, si el ex perimento consiste en observar algo que podria estar en cualquier parte de tuna linea continua, debera usarse un espacio muestral continuo. Como en los casos anteriores, los subconjuntos del intervalo continuo son eventos; y los eventos de un solo clemento serian Ios conjuntos de los puntos indi- Viduales del intervalo. Sin embargo, en el caso de espacios muestrales continuos, por lo general se tendra que llegar a la conclusién de que las probabilidades de ocurrencia de estos puntos individuales son cero. De no hacetse asi, no podria satisfacerse el primer axioma ya que hay una in- finidad no contable de puntos en cualquier intervalo. Por tanto, en los es- pacios muestrales continuos no se pueden calcular las probabilidades de ccurrencia de cualquier evento a partir del conocimiento de las proba- bilidades de los eventos de un solo elemento. Esta situacién es anéloga a la que se encuentra en la geometria. Se recordar que 1a longitud de un punto individual es cero (al igual que st. altura). Desde Iuego se puede decir que una linea de dos centimetros de longitud tiene un gran nimero de puntos individuales, a pesar de que la linea no es la suma de los puntos individuales. La medida de longitud es ESPACIOS MUESTRALES DISCRETOS Yi. "NUOS 85 ‘una funcién cuyo dominio no trivial es un conjunto de intervalos que toma el valor cero en cada punto, Del mismo modo, al emplearse espacios ‘muestrales continuos, el dominio no trivial de una funcién de probabilidad fs un conjunto de intervalos; debe asignar el valor cero a los puntos in- dividuales. (De hecho, esta declaracién es demasiado estricta, ya que se puede asignar } a la probabilidad de ocurrencia de un solo punto, por ejemplo, dejando que la probabilidad asignada a los intervalos sea de i; en el estudio de este libro, no se hace necesario aceptar esta generalidad). ‘También se presenta otra dificultad. En los espacios muestrales dis- cretos, todos los subconjuntos se aman eventos, y se les puede asignar probabilidades. Se puede mostrar que en un espacio muestral continuo S, no todos los subconjuntos pueden ser probabilizados; esto es, que pueden elaborarse ciertos ejemplos de subconjuntos tales que cualquier asignacién de probabilidad que se les haga es inconsistente con los tres axiomas. No se llama evento a tales subconjuntos, y por tanto no se les asignan pro- babilidades. Sin embargo, el lector no debe preocuparse, ya que en cual- quier problema prictico que se estudie podréin lamarse eventos a los resultados de interés, En cursos més avanzados se demuestra que todos los subconjuntos de S que pertenencen a la clase de conjuntos de Borel son probabilidades; més atin, la clase de conjuntos de Borel incluye todos los subconjuntos de intervalos continuos de S, tanto como las uniones e inter- secciones de tales subconjuntos de intervalos continuos. Sin entrar en més detalles, slo se reconoce el hecho de que no todos los subconjuntos de $ se pueden llamar eventos, si $ est& formado por todos los puntos en un in- tervalo continuo; aquellos que si son eventos son, de hecho, conjuntos de Borel. En cjemplos bastante generales, los espacios muestrales continuos se estudian mas fécilmente después que se ha adquirido préctica con las variables aleatorias (que se estudian a partir del capitulo 3), Por ahora bastard con estudiar um tipo de espacio muestral continuo y Ia manera en que se asignan probabilidades a los eventos. El tipo especial de espacio ruestral continuo que ahora se estudiard es uno que tiene elementos de la misma verosimilitud, Como se ha visto anteriormente, cada uno de los eventos de un solo elemento (puntos individuales) debe tener probabilidad 0. Por tanto, al decir que los elementos de S tienen la misma verosimilitud de ocurrencia se implica que la probabilidad de que un punto que ocurra est en un subintervalo continuo de $ es proporcional a la longitud del subintervalo. Por ejemplo, si tanto A como B son subintervalos continuos de Sy si A tiene el doble de longitud que B, entonces la probabilidad de que A contenga el resultado es el doble de I probabilidad de que B con- tenga ese resultado. Para los espacios muestrales continuos puede demostrarse que se debe especificar una regla para asignar probabilidades a los subintervalos con- tinuos, en vez de especificar probabilidades a todos los eventos de un solo 85 PROBABILIDAD elemento. Como se ha sefialado, en esta seccién solamente se dard énfasis, al espacio muestral continuo que tiene resultados de la misma verosimi- litud. Esto implica que la probabilidad de que el resultado esté en un subintervalo continuo debe ser proporcional a la longitud del subintervalo. De acuerdo con lo anterior, suponga que se tiene un experimento cuye resultado tiene la misma verosimilitud de estar en cualquier parte del inter valo real desde a a b inclusive. Entonces S=(eaSzsb}. ‘Se supone que A ¢s un subintervalo continuo de S, 0 sea que A=(eeS2Sa), en quee >a,d O para toda A= S de manera que Pld) = L(AVL(S) > 0 y se salisface el axioma 2. Como resultado de la definicin de las longitudes de Ins uniones de los intervalos se tiene UGue:+) us) HG) , UC) ‘ a OG) 4 CE us) * LS) PEC) + PLC) SiC, 9G, = o para toda xj < Debe notarse que si ¢s un evento de un solo elemento, entonces L(4) =0 con lo que se tiene que P(A) = 0, tal como qued6 establecido antes. ‘A continuacién se examinan algunos ejemplos especificos. PICU CU EJEMPLO 2.8.3. Douglas es un nifo de 2 ator, y de acuerdo con su historia familiar, parece razonable suponer que cuando sea adulto su estatura tenga la mis- sma verosimilitud de estar comprendida entre Spies 9 pulgadas, y 6 pies 2 pulzadas. En base a esta suposicién, zoudl es la probabilidad de que tenga al menos 6 pies de ‘estatura cuando sea adulto? {Cull es la probabilidad de que cuando sea adulto su ‘statura estécomprendida entre Spies 10 pulgadas y 5 pies 11 pulgadas? ‘Como espacio muestral se usa Sa: S257) ‘en que su estatura de adulto se registra en pulgadas. Se define Awl gest) Bale sxsT). Entonces U=5 A= LBV con lo que se tiene que PA = PB EJEMPLO 2.8.4. Una persona viaja diariamente en el tren suburbano para ir de su casa en Connecticut a su trabajo en Manhattan. Los trenes salen de la es- tacion de Connecticut a las 7, 7:13, 7:20, 7:28, 7:32, 7:48 y 7:55 a.m, y esa per 88 PROBABILIDAD sona aborda el primero, tan pronto lega a Ia estacién. Debido a que se levanta a diferentes horas y a las condiciones variables del trinsito las horas en que esa per- sona llega a ta estacin, tienen la misma verosimilitud de estar comprendidas entre Jas 7:15 y las 7:45 a.m. De acuerdo con lo anterior, jeufl es la probabilided de que tenga que esperar en Ia estaciSn menos de 5 minutos un dia cualquiera? zMenos de {10 minutos? Suponiendo que los trenes de la 7:25 y las 7:45 son expresos, geull ex la probabilidad de que aborde uno de ellos en determinado dia? Por conveniencia se toma el espacio muestral siguiente Sa (052530) fen que los clementos de $ representan los minutos después de las 7:15 a.m, que podrian ocurrir hasta Ia hora de llegada a la estacién. (Ver figura 2.8.2). Se de- Finen los eventos A: espera menos de $ minutos ‘Br espera menos de 10 minutos CC: puede tomar el expres ° 10 2 2% hs, a 6 t+ * é 2 + mis) 5) Figurn 2.8.2. Eventos 4, B YC. Entonces 4 $2 S106 Dez <17 635 <2 <30) Bem (2:052<17 620 <2 <30) Cafes ox <0 017s 2 <30} y US) = 30, (4) = 20, LB) 27, LO) = 18, Por tanto PA=H PB= Yee Om B EJERCICIO 2.8 1. Se tira un dado hasta que salga un 1. Caleular la probabilidad de qu Se ee ere teoria de probabilidedes ¢ inferencia extadistica, en un lenguaie claro, a a ee eee! te los conceptos de propabilidad y las técnicas de estadistica enfatizan- Pe ee ee ee ees Esta segunda edicion se revisb para mostrar con més elaridad la este Coenen err ee er peer tt También se amplié el estudio de las variables aleatoriae dstribuidas con: ee eee ee ae Bayes y modelos no lineales. Los ejemplos précticos y ejercicios perm tenal lector un mejor aprovechamiento del material expuesto. La obra ce ee eee ee eet ete ea Pec Cr eet eee er Coren eee aes ree eneet SiH