Captulo 1

Deniciones Basicas de la Teora

de Probabilidad
1.1 Introduccion
La teora de probabilidades se ha desarrollado partiendo de un comienzo
muy humilde. Sus races se encuentran en una sencilla teora matematica de
los juegos de azar, la cual fue fundada hace cerca de cinco siglos. Hoy en da es
una importante area de las matematicas puras, con un campo de aplicacion que
se extiende sobre todas las ramas de las ciencias naturales, tecnicas y sociales.
Una de las razones para que la teora de probabilidades tenga tanta
importancia y tan diversas aplicaciones, se debe a la naturaleza aleatoria de
muchos fenomenos sociales y fsicos. Entre tales fenomenos estan, por ejemplo,
el lanzar una moneda para ver si cae cara o sello, el rodar un dado para ver que
lado queda hacia arriba y los puntos que da, el n umero de productos defectuosos
en una lnea de produccion, la densidad del traco telefonico a cierta hora del
da, el n umero de accidentes de automoviles en cierta carretera durante un
cierto periodo de tiempo y otros numerosos fenomenos. En cada uno de estos
fenomenos el resultado observado no siempre sera el mismo, a un cuando se
repitan exactamente bajo las mismas circunstancia o condiciones. En otras
Deniciones Basicas 2
palabras no se pueden predecir de antemano cual de los posibles resultados
se obtendra. Es decir, no hay regularidad determinista en el resultado. Por
ejemplo, el n umero de piezas defectuosas producida por el mismo conjunto de
obreros, maquinas y otros factores identicos, pueden variar de una lnea a otra
a pesar de ser identicas las condiciones. El n umero de accidentes fatales en una
autopista en un mes puede ser distinto al otro mes pese a que las circunstancias
son distintas. Esta imposibilidad de prediccion constituye la aleatoriedad, el
elemento que caracteriza la falta de certeza. A tales fenomenos se les conoce
como fenomenos aleatorios, los cuales utilizaremos para realizar experimentos
aleatorios con el proposito de construir modelos matematicos que permitan
caracterizar sus resultados.
1.2 Deniciones Basicas
Denicion 1.2.1 Un experimento es el proceso mediante el cual se obtiene una
observacion.
Ejemplo 1.2.1 Determinar el n umero de personas que abordan un bus a una
hora y en una estacion determinada.
Ejemplo 1.2.2 Tomar el tiempo que tarda una persona efectuando una ope-
racion en la taquilla de un banco comercial.
Denicion 1.2.2 Un fenomeno aleatorio es aquel cuya ocurrencia esta deter-
minada solo por el factor azar. Es decir, sus resultados se dan al azar, sin plan
o decision.
Ejemplo 1.2.3 Los dos primeros ejemplos son ejemplos de fenomenos aleato-
rios.
Denicion 1.2.3 Todo experimento de un fenomeno aleatorio se llama expe-
rimento aleatorio o no determinstico.
Deniciones Basicas 3
A continuacion presentamos la denicion formal de experimento aleato-
rio.
Denicion 1.2.4 Un experimento aleatorio es aquel que repetido bajo las mis-
mas condiciones sus resultados no se pueden predecir antes de su realizacion.
Mas a un, repetido varias veces los resultados varan.
Ejemplo 1.2.4 De la produccion de una fabrica se toma un bombillo y se ob-
serva el tiempo que tarda en fundirse. Este lapso no se puede predecir antes de
de la realizacion de la medicion y si esta se repite sus resultados varan.
Denicion 1.2.5 Un experimento determinstico es un experimento no aleato-
rio. Es decir, es aquel que repetido bajo las mismas condiciones sus resultados
pueden predecirse antes de su realizacion.
Ejemplo 1.2.5 Si se deja caer una pelota a traves de un tubo, al cual se le ha
hecho el vaco, la pelota llagara al suelo en el instante t =
_
2d
g
, donde d es la
altura desde la cual se lanza la pelota y g es la aceleracion de gravedad.
Ejemplo 1.2.6 Suponga que una caja contiene los siguientes objetos: un bo-
rrador, una calculadora, un marcador y un palillo de tiza. Considere el expe-
rimento que consiste en extraer un artculo de la caja. Note que usted puede
predecir el resultado antes de realizar cada extraccion.
Al estudiar un experimento aleatorio siempre consideraremos que las
condiciones para su realizacion estaran claramente especicadas. Ademas, acla-
raremos que tipo de resultados se observan. Por ejemplo,
a) Se lanzan cinco dados y se suman los puntos,
b) Se lanzan cinco dados y se cuenta el n umeros de ases.
En los experimentos (a) y (b) las condiciones de realizacion son las mismas.
Pero los resultados a observar son diferentes.
Deniciones Basicas 4
Ejemplo 1.2.7 Los siguientes experimentos son ejemplos de experimentos a-
leatorios.
a) Se lanza una moneda dos veces y se observa el n umero de caras que apa-
recen.
b) Se lanza una moneda hasta que salga cara por primera vez. Se totaliza
cuantas veces es necesario lanzar la moneda.
c) Se efect uan disparos sobre un disco de un metro de radio situado a 100
metros de distancia. Se computa la distancia del impacto al centro del
disco, no se toman en cuenta los impactos fuera del disco.
d) El n umero de llamadas telefonicas en una lnea durante un intervalo de
diez minutos, cuando no existe un lmite para el n umero de llamadas.
e) Se fabrican artculos en una lnea de produccion y se cuenta el n umero de
artculos defectuosos producidos en un perodo de 24 horas.
f) Se fabrica un bombillo. Luego se prueba su duracion poniendolo en un
porta lampara y se anota el tiempo transcurrido, en horas, hasta que se
funde.
g) En un lote de diez artculos hay tres defectuosos. Se elige un artculo
despues de otro, sin sustituir el artculo elegido, hasta que se obtiene el
ultimo artculo defectuoso. Se cuenta el n umero total de artculos ex-
trados del lote.
h) Se fabrican artculos hasta producir diez no defectuosos, se cuenta el
n umero total de artculos manufacturados.
Denicion 1.2.6 El conjunto integrado por todos los posibles resultados de un
experimento aleatorio se llama espacio muestral, el cual denotaremos por S.
Denicion 1.2.7 Cada elemento del espacio muestral se llama punto muestral.
Deniciones Basicas 5
Ejemplo 1.2.8 Determine el espacio muestral de los experimentos aleatorios
dados en el Ejemplo 1.2.7.
Solucion.
a) S = {0, 1, 2}.
b) S = {1, 2, 3, ...}.
c) S = {d : 0 d 1}, donde d es la distancia del impacto al centro del
disco.
d) S = {0, 1, 2, 3, ...}.
e) S = {0, 1, 2, ..., n}, donde n es el n umero maximo de artculos que produce
dicha lnea.
f) S = {t : t 0}.
g) S = {3, 4, 5, 6, ..., 10}.
h) S = {10, 11, 12, ..., n}, donde n es el n umero maximo que produce dicha
lnea y n 10 es el n umero de artculos defectuosos producidos.
Comentario 1.2.1 Con frecuencia habra mas de un espacio muestral que des-
cribe los resultados de un experimento aleatorio, pero hay com unmente solo uno
que suministrara la mayor informacion. Por ejemplo, si lanzamos un dado y
se consideran los siguientes experimentos aleatorios
a) Ver que lado queda hacia arriba y considerar los puntos obtenidos,
b) Ver si el lado que queda hacia arriba es par o impar.
Los espacios muestrales correspondientes son, respectivamente,
(a) S = {1, 2, 3, 4, 5, 6},
Deniciones Basicas 6
(b) S = {impar, par} = {i, p} = {1, 0}.
Sin embargo, es logico que el ultimo no sera adecuado para determinar si un
resultado es divisible por 3. Observe que para un mismo experimento aleatorio
obtenemos dos espacios muestrales diferentes. Es decir, el espacio muestral de
un experimento aleatorio no es unico.
Ejemplo 1.2.9 Especicar un espacio muestral del experimento aleatorio en
el que se deben sacar dos bolas con reemplazo, de una urna que contiene diez
bolas. Esto es, la primera bola extrada se devuelve a la urna antes de sacar la
segunda bola. Suponer que las bolas estan enumeradas.
Solucion.
S = {(x, y) : x, y = 1, . . . , 10} = {1, . . . , 10} {1, . . . , 10}.
Ejemplo 1.2.10 Especicar un espacio muestral del experimento aleatorio en
el que se deben sacar dos bolas sin reemplazo, de una urna que contiene diez
bolas. Esto es, la primera bola extrada no se devuelve a la urna antes de sacar
la segunda bola. Suponer que las bolas estan numeradas.
Solucion.
S = {(x, y) : x, y = 1, . . . , 10 ; x = y}.
Comentario 1.2.2 Puesto que el espacio muestral asociado a un experimento
aleatorio es un conjunto, este puede ser nito, innito numerable o innito no
numerable. Por ejemplo, los espacios muestrales del Ejemplo 1.2.7 en los casos
(a), (e), (g) y (h) son nitos. En cambio, los espacios muestrales en los casos
(b) y (d) son innitos numerables, y los espacios muestrales en los casos (c) y
(f) son innitos no numerables.
Los espacios muestrales asociados a un experimento aleatorio los po-
demos clasicar como discretos y continuos.
Deniciones Basicas 7
Denicion 1.2.8 Todo espacio muestral S nito o innito numerable se llama
espacio muestral discreto.
Denicion 1.2.9 Todo espacio muestral S innito no numerable se llama es-
pacio muestral continuo.
La siguiente denicion nos permite caracterizar los subconjuntos de un
espacio muestral.
Denicion 1.2.10 Todo subconjunto A del espacio muestral S se llama evento.
Ejemplo 1.2.11 Considere el experimento aleatorio lanzar un dado dos veces.
Entonces el espacio muestral asociado es
S = {(x, y) : x, y = 1, . . . , 6} = {1, . . . , 6} {1, . . . , 6}.
Los conjuntos
A = {(1, 2), (2, 1)},
B = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)},
C = {(1, 1), (2, 2), (3, 3), (4, 4), (5, 5), (6, 6)},
son eventos asociados al espacio muestral S. Observe que los eventos A, B y C
pueden formularse de la siguiente manera:
A: La suma de los lados es tres,
B: La suma de los lados es siete,
C: Se obtiene el mismo lado.
De modo que,
A = {(x, y) S : x + y = 3}.
Deniciones Basicas 8
B = {(x, y) S : x + y = 7}.
C = {(x, y) S : x = y}.
Ejemplo 1.2.12 En una carrera participan nueve caballos enumerados del 1
al 9, donde no se permiten empates. Se otorgan premios al primero, segundo y
tercer lugar. Obtener un espacio muestral adecuado que le permita determinar
los siguientes eventos: (a) el caballo 5 gana, (b) el caballo 5 llega en en el tercer
lugar, y (c) el caballo 5 no termina en los tres primeros lugares.
Solucion. El espacio muestral es
S = {(x, y, z) : x, y, z = 1, . . . , 9; x = y = z}.
Denamos los eventos
H: El caballo 5 gana,
N: El caballo 5 llega en el tercer lugar,
T: El caballo 5 no termina en los tres primeros lugares.
Luego
H = {(5, y, z) : y, z = 1, 2, 3, 4, 6, 7, 8, 9; y = z}.
N = {(x, y, 5) : x, y = 1, 2, 3, 4, 6, 7, 8, 9; x = y}.
T = {(x, y, z) : x, y, z = 1, 2, 3, 4, 6, 7, 8, 9; x = y = z}.
Ejemplo 1.2.13 Dos focos se mantienen encendidos hasta que se funden. Su-
poner que ninguno dura mas de 1600 horas. Denir un espacio muestral ade-
cuado que le permita determinar los siguientes eventos
a) Ambos focos duran menos de 1000 horas.
b) Ning un foco se funde antes de las 1000 horas.
Deniciones Basicas 9
c) Uno de los focos dura 1000 horas y el otro mas de 1000 horas. Es decir, el
menor tiempo de duracion de al menos uno de los focos es de 1000 horas.
d) Uno de los focos dura 1000 horas y el otro menos de 1000 horas. Es decir,
el mayor tiempo de duracion de al menos uno de los focos es de 1000
horas.
Solucion. Sean t
1
y t
2
los tiempos de duracion de los focos. Luego el espacio
muestral viene dado por
S = {(t
1
, t
2
) : 0 t
i
1600, i = 1, 2}.
Caso (a): Sea A el evento ambos focos duran menos de 1000 horas. Entonces
A = {(t
1
, t
2
) : 0 t
i
< 1000, i = 1, 2}.
Caso (b): Sea B el evento ning un foco se funde antes de 1000 horas. Entonces
B = {(t
1
, t
2
) : 1000 t
i
1600, i = 1, 2}
Caso (c): Sea C el evento uno de los focos dura 1000 horas y el otro mas de
1000 horas. Entonces
C = {(1000, t) : 1000 t 1600} {(t, 1000) : 1000 t 1600}.
Caso (d): Sea D el evento uno de los focos dura 1000 horas y el otro menos de
1000 horas. Entonces
D = {(1000, t) : 0 t 1000} {(t, 1000) : 0 t 1000}.
Represente gracamente los conjuntos S, A, B, C y D.
Denicion 1.2.11 Diremos que un evento A ocurre si el resultado del experi-
mento aleatorio satisface las condiciones que especican al evento A.
Deniciones Basicas 10
Ejemplo 1.2.14 Considere el experimento aleatorio lanzar un dado una vez.
Si estamos interesados en ver el n umero de la cara que cae hacia arriba el
espacio muestral es
S = {1, 2, 3, 4, 5, 6}.
Por otro lado, podemos considerar los siguientes eventos
A = {1}, B = {1, 3, 5}, C = {2, 4, 6}, D = {4, 5, 6}, E = {1, 3, 4, 6}.
Si al realizar el experimento aleatorio, lanzar el dado, y se obtiene la cara 1,
entonces ocurren los eventos A, B y E. En cambio los eventos C y D no
ocurren. Pero, si al lanzar el dado se obtienen un 6, entonces los eventos C, D
y E ocurren.
Comentario 1.2.3 Como el espacio muestral S de un experimento aleatorio
es un evento, se tiene que S es un evento seguro.
Denicion 1.2.12 Un evento A es simple si esta constituido por un solo punto
muestral.
Denicion 1.2.13 Un evento A es un evento compuesto si esta constituido por
mas de un punto muestral.
Denicion 1.2.14 Un evento que nunca ocurre cuando realizamos el experi-
mento aleatorio se llamara evento imposible o nulo y lo denotaremos por .
Comentario 1.2.4 No es un capricho denotar el evento imposible o nulo como
un conjunto vaco. A continuacion justicaremos dicha notacion. Para un
espacio muestral S, arbitrario, consideremos el evento A asociado a S. Es
decir,
A = {s S : s satisface una determinada propiedad}.
Si A es un evento imposible o nulo, el evento A no ocurrira durante la reali-
zacion del experimento aleatorio. En consecuencia, el evento A no contiene
ning un resultado del espacio muestral. Es decir, A = .
Deniciones Basicas 11
Ejemplo 1.2.15 Cuando se lanza un dado, es imposible obtener un n umero
mayor que 6. Si denotamos por A al evento, entonces A = .
Denicion 1.2.15 Dos eventos A y B son iguales si toda vez que ocurre A
ocurre B y toda vez que ocurre B ocurre A. En tal caso escribiremos A = B.
Ejemplo 1.2.16 Considere el experimento aleatorio lanzar una moneda dos
veces. Los siguientes eventos son iguales
A: el n umero de caras es dos,
B: no se obtienen sellos.
Ejemplo 1.2.17 Supongamos que el espacio muestral de un experimento a-
leatorio es
S = {1, 2, 3, 4, 5, 6}
y se tienen los siguientes eventos
A = {2, 4, 6} B = {1, 2, 4, 6}.
tales eventos son diferentes. En efecto, note que toda vez que ocurre A ocurre
B, pero lo contrario no ocurre.
Denicion 1.2.16 Diremos que dos eventos son compatibles si pueden ocurrir
simultaneamente.
Ejemplo 1.2.18 Los eventos del ejemplo anterior son compatibles, A es com-
patible con B.
Denicion 1.2.17 Dos eventos son mutuamente excluyentes si son eventos no
compatibles. Es decir, no pueden ocurrir simultaneamente.
Deniciones Basicas 12
Ejemplo 1.2.19 Supongamos que el espacio muestral de un experimento a-
leatorio es
S = {1, 2, 3, 4, 5, 6}.
Considere los siguientes eventos
A = {1, 3, 5} B = {2, 4, 6}.
Observamos que los eventos A y B son mutuamente excluyentes. Si conside-
ramos que el espacio muestral dado es el correspondiente al experimento aleato-
rio lanzar un dado y ver el n umero del lado que cae hacia arriba, los eventos A
y B pueden formularse de la siguiente manera
A: El n umero obtenido es impar,
B: El n umero obtenido es par.
Ahora podemos ver con mayor claridad que los eventos A y B no pueden ocurrir
simultaneamente.
Denicion 1.2.18 Si toda vez que ocurre el evento A ocurre el evento B, di-
remos que A esta contenido en B. En tal caso escribiremos A B.
Comentario 1.2.5 De la denicion de igualdad de eventos, se tiene que
A B B A A = B.
Denicion 1.2.19 Sea A un evento. El evento A
C
ocurre si el evento A no
ocurre. El evento A
C
se llama complemento de A o evento opuesto de A.
Ejemplo 1.2.20 Se lanza un dado dos veces y se observan los puntos obtenidos.
El espacio muestral correspondiente es
S = {1, . . . , 6} {1, . . . , 6}.
Deniciones Basicas 13
Considere el evento la suma de los puntos es 7. Denotando tal evento por A,
se tiene que
A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}.
Si tenemos, por ejemplo, el punto muestral (1, 1) el evento A no ocurre. Por lo
tanto,
A
C
= {(a, b) : a + b = 7}.
Denicion 1.2.20 Sean A y B dos eventos. El evento A B es el evento que
ocurre si ocurre A o ocurre B, o ambos ocurren. En otras palabras A B es el
evento al menos uno de los eventos A y B ocurren.
Ejemplo 1.2.21 Considere el espacio muestral del ejemplo anterior. Sean los
eventos
A: la suma de los puntos es 7,
B: sale por lo menos un tres.
Luego
A = {(1, 6), (2, 5), (3, 4), (4, 3), (5, 2), (6, 1)}
y
B = {(1, 3), (2, 3), (4, 3), (5, 3), (6, 3), (3, 1)(3, 2), (3, 3)(3, 4), (3, 5), (3, 6)}.
As, el evento A B viene dado por
A B = {(1, 6), (2, 5), (5, 2), (6, 1), (1, 3), (2, 3), (4, 3), (5, 3),
(6, 3), (3, 1)(3, 2), (3, 3)(3, 4), (3, 5), (3, 6)}.
Denicion 1.2.21 Sean A y B eventos. El evento A B es el evento que
ocurre si los eventos A y B ocurren simultaneamente.
Deniciones Basicas 14
Ejemplo 1.2.22 Supongamos que se lanza una moneda tres veces. El espacio
muestral del experimento aleatorio es
S = {sss, ssc, scc, csc, ccc, ccs, css, scs}.
Sean los eventos
A: Obtener al menos una cara en los tres lanzamientos,
B: Obtener una cara en el segundo lanzamiento.
Luego
A = {ssc, scc, csc, ccc, ccs, css, scs},
y
B = {scc, ccc, ccs, scs}.
As, el evento ocurren los eventos A y B viene dado por
A B = {scc, ccc, ccs, scs}.
Comentario 1.2.6 Recordemos que los eventos A y B son mutuamente exclu-
yentes si no pueden ocurrir simultaneamente. De modo que, si A y B son
eventos mutuamente excluyentes A B es un evento nulo o imposible. As,
A B = .
Denicion 1.2.22 Sean A
1
, . . . , A
n
una coleccion nita de eventos.
a) El evento

n
i=1
A
i
es el evento que ocurre si al menos uno de los eventos A
i
ocurre.
b) El evento

n
i=1
A
i
es el evento que ocurre si todos los eventos A
i
ocurren
simultaneamente.
Deniciones Basicas 15
Denicion 1.2.23 Sean A
1
, . . . , A
n
, . . . una coleccion innita numerable de
eventos.
a) El evento

i=1
A
i
es el evento que ocurre si al menos uno de los eventos A
i
ocurre.
b) El evento

i=1
A
i
es el evento que ocurre si todos los eventos A
i
ocurren
simultaneamente.
Comentario 1.2.7 Las deniciones anteriores nos permiten trabajar con even-
tos como si fueran conjuntos, sin importar la naturaleza de los puntos que lo
integran. Por lo tanto, usando el mismo razonamiento de la teora de conjuntos
se pueden vericar las siguientes propiedades para los eventos A, B y C de un
espacio muestral arbitrario
A = A.
S A = A.
A (B C) = (A B) (A C).
A (B C) = (A B) (A C).
(A B)
C
= A
C
B
C
.
(A B)
C
= A
C
B
C
.
A = (A B) (A B
C
).
A = .
S A = S.
Ejemplo 1.2.23 Sean A, B y C tres eventos asociados con un experimento
aleatorio. Expresar las siguientes proposiciones verbales en funcion de los even-
tos A, B o C.
a) Al menos uno de los eventos ocurren.
Deniciones Basicas 16
b) Exactamente uno de los eventos ocurre.
c) Exactamente dos de los eventos ocurre.
d) No ocurren mas de dos eventos simultaneamente.
Solucion.
a) A B C.
b) Tenemos tres posibilidades mutuamente excluyentes
Si A ocurre no deben ocurrir B ni C: A B
C
C
C
,
Si B ocurre no deben ocurrir A ni C: B A
C
C
C
,
Si C ocurre no deben ocurrir A ni B: C A
C
B
C
.
Luego el evento exactamente uno de los eventos ocurre es
(A B
C
C
C
) (B A
C
C
C
) (C A
C
B
C
).
c) Tenemos tres posibilidades mutuamente excluyentes
Ocurren A y B, y no ocurre C: A B C
C
,
Ocurren A y C, y no ocurre B: A C B
C
,
Ocurren B y C, y no ocurre A: B C A
C
.
Luego el evento exactamente dos de los eventos ocurre es
(A B C
C
) (A C B
C
) (B C A
C
).
d) El evento ocurren mas de dos eventos simultaneamente es
A B C.
Luego el evento no ocurren mas de dos eventos simultaneamente es
(A B C)
C
= A
C
B
C
C
C
.
Frecuencia relativa 17
1.3 Frecuencia Relativa de un Evento
Denicion 1.3.1 Supongase que repetimos n veces un experimento aleatorio y
que cierto evento A ocurre m
n
veces. El cociente
m
n
n
se llama frecuencia relativa
del evento A, lo denotamos por f
r
n
(A). Es decir,
f
r
n
(A) =
m
n
n
.
Supongamos que el experimento se repite indenidamente, esto es n
. La teora frecuentista de probabilidad asegura que el siguiente lmite existe
lim
n
f
r
n
(A) = p.
El valor p es la probabilidad teorica del evento A, p = IP(A). Este lmite no
es un lmite en alg un sentido matematico si no en un sentido emprico. Para
garantizar su existencia habra que repetir indenidamente el experimento lo
que, obviamente, es imposible. Diremos solamente que hay una probabilidad
teorica p asociada con cada evento y cuando el experimento se realiza un n umero
grande de veces las frecuencias relativas son proximas a las probabilidades.
Proposicion 1.3.1 f
r
n
(S) = 1.
Demostracion. Supongase que se repite un experimento aleatorio n veces.
Puesto que al realizar el experimento aleatorio el evento S ocurrira n veces, se
tiene que
f
r
n
(S) =
n
n
= 1.

Proposicion 1.3.2 Para todo evento A, se tiene que

0 f
r
n
(A) 1.
Demostracion. Supongase que se realiza un experimento aleatorio n veces y
que el evento A ocurre m
n
veces. Luego
f
r
n
(A) =
m
n
n
.
Frecuencia relativa 18
Es claro que f
r
n
(A) en un n umero positivo. Ademas, existe la posibilidad de
que el evento A no ocurra, cuando repetimos n veces el experimento aleatorio.
En tal caso m
n
= 0. As, f
r
n
(A) 0. Por otro lado, el n umero de ocurrencias
del evento A es de a lo mas n. Es decir, m
n
n. Luego f
r
n
(A) 1. En
consecuencia,
0 f
r
n
(A) 1.

Proposicion 1.3.3 Si A y B son eventos mutuamente excluyentes, se tiene

que
f
r
n
(A B) = f
r
n
(A) + f
r
n
(B).
Demostracion. Supongase que se realiza n veces un experimento aleatorio.
Sean m
n
y k
n
el n umero de veces que ocurren los eventos A y B en las n
repeticiones del experimento aleatorio, respectivamente. Como los eventos A y
B no pueden ocurrir simult aneamente, se tiene que ambos eventos ocurren en
las n repeticiones, del experimento aleatorio, m
n
+k
n
veces. Es decir, el evento
A B ocurre m
n
+ k
n
veces. Luego
f
r
n
(A B) =
m
n
+ k
n
n
= f
r
n
(A) + f
r
n
(B).

Proposicion 1.3.4 Sean A

1
, . . . , A
k
una coleccion nita de eventos mutua-
mente excluyentes, dos a dos. Entonces
f
r
n
_
k
_
i=1
A
i
_
=
k

i=1
f
r
n
(A
i
).
Demostracion. Ejercicio.
Proposicion 1.3.5 Si A y B son eventos tales que A B, se tiene que
f
r
n
(A) f
r
n
(B).
Frecuencia relativa 19
Demostracion. Sea n el n umero de veces que se repite el experimento aleatorio.
Sean m
n
y k
n
el n umero de veces que los eventos A y B ocurren en las n
repeticiones del experimento aleatorio, respectivamente. Como A B, se tiene
que
B = (B A
C
) A.
Combinando las Proposiciones 1.3.2-1.3.3 se verica la proposicion.

Proposicion 1.3.6 Si A y B son eventos arbitrarios, se tiene que

f
r
n
(A B
C
) = f
r
n
(A) f
r
n
(A B).
Demostracion. Ejercicio.
Proposicion 1.3.7 Si A y B son eventos arbitrarios, se tiene que
f
r
n
(A B) = f
r
n
(A) + f
r
n
(B) f
r
n
(A B).
Demostracion. Sea n el n umero de veces que se repite el experimento aleatorio.
Sean m
n
y k
n
el n umero de veces que los eventos A y B ocurren en las n
repeticiones del experimento aleatorio, respectivamente. Sea r
n
el n umero de
veces que ocurren los eventos A y B simult aneamente. Es claro que m
n
, k
n

r
n
. Note que si A y B no ocurren simult aneamente se obtiene la Proposicion
1.3.3. Representemos gracamente al evento A B
0 0.5 1 1.5 2 2.5 3
1
0.8
0.6
0.4
0.2
0
0.2
0.4
0.6
0.8
1


A B
AB
A B
S
BA
Denicion clasica de probabilidad 20
Como podemos observar el evento A B ocurre si ocurre al menos uno de los
siguientes eventos mutuamente excluyentes: solo A, A y B simult aneamente o
solo B. Tales eventos son A B = A B
C
, A B = A B o B A = B A
C
,
respectivamente. Luego
A B = (A B
C
) (A B) (A
C
B).
Combinando las Proposiciones 1.3.4 y 1.3.6 se verica la proposicion.

Proposicion 1.3.8 f
r
n
() = 0.
Demostracion. Ejercicio.
Ejemplo 1.3.1 Supongamos que se repite un experimento aleatorio y se desea
calcular la frecuencia relativa de cierto evento A. La ocurrencia del evento A
la denotaremos por 1 y las no ocurrencia por 0. Supongamos que se tiene la
secuencia 1, 0, 0, 1, 1, 0, 1, 0, 0, 1. Luego las frecuencias relativas del evento A
son
Rep. Exp. Alet.(n) 1 2 3 4 5 6 7 8 9 10
f
r
n
(A) 1 1/2 1/3 1/2 3/5 1/2 4/7 1/2 4/9 1/2
Para obtener la probabilidad del evento A es necesario repetir indenidamente
el experimento aleatorio y observar hacia que valor se estabiliza, si es posible,
la frecuencia relativa.
1.4 Denicion Clasica de Probabilidad
Denicion 1.4.1 Si un evento A ocurre h veces de un n umero n de maneras
posibles, todas igualmente factibles. Entonces la probabilidad del evento A viene
dada por
P(A) =
h
n
.
Denicion clasica de probabilidad 21
Ejercicio 1.4.1 (a) Se han lanzado dos dados honestos. Hallar la probabilidad
de que la suma de puntos en la cara obtenida sea par, si por lo menos en la
cara de uno de los dados aparece el seis. (b) En una caja hay 6 cubos iguales
enumerados. De a uno, a la vez, se extraen al azar todos los cubos de la caja.
Hallar la probabilidad de que los n umeros de los cubos extrados aparezcan en
un orden creciente. (c) En un paquete hay 20 tarjetas perforadas marcadas
con los n umeros 101, 102, . . . , 120 y dispuestos arbitrariamente. La persona
encargada del perforado extrae al azar dos tarjetas. Hallar la probabilidad de
que sean escogidas las tarjetas perforadas con los n umeros 101 y 120. (d) En un
paquete hay 20 tarjetas perforadas marcadas con los n umeros 101, 102, . . . , 120
y dispuestos arbitrariamente. La persona encargada del perforado extrae al azar
dos tarjetas, una a una. Hallar la probabilidad de que sean escogidas las tarjetas
perforadas con los n umeros 101 y 120.
1.4.1 Principios Basicos de Conteo
Cuando trabajamos con espacios muestrales cuyos resultados son igual-
mente probables o igualmente factibles, es necesario utilizar tecnicas de conteo
que permitan determinar la cantidad de elementos que tiene un determinado
evento, para obtener la probabilidad del evento. En general, no necesitamos
determinar los elementos del evento.
Teorema 1.4.1 Principio Fundamental del Conteo (PFC). Si un proce-
dimiento p
1
puede realizarse de n
1
maneras diferentes, y si para cada una de
estas n
1
maneras otro procedimiento p
2
puede realizarse simultaneamente de n
2
maneras diferentes, y al mismo tiempo otro procedimiento p
3
puede realizarse
de n
3
maneras diferentes para cada una de las dos primeras maneras, n
1
y n
2
, y
as sucesivamente. Finalmente, si el k-esimo procedimiento p
k
puede realizarse
seguidamente de n
k
maneras diferentes para cada una de las n
1
, , n
n1
ma-
neras anteriores. Entonces el n umero de maneras que pueden realizarse los k
Denicion clasica de probabilidad 22
procedimientos, uno despues del otro, es de
n
1
n
2
n
3
. . . n
k
.
Demostracion. La demostracion se realizara utilizando induccion sobre el n u-
mero de procedimientos, k. Probemos que se cumple para k = 2. Consideremos
el siguiente diagrama
Formas de realizar cada procedimiento
p
1
: F
1
1
F
1
2
F
1
i
F
1
(n
1
1)
F
1
n
1
p
2
: F
2
1
F
2
2
F
2
j
F
2
(n
2
1)
F
2
n
2
Observamos que para la i-esima forma F
1
i
, de realizar el procedimiento p
1
, se
tendran las siguientes formas para realizar ambos procedimientos
F
1
i
F
2
1
F
1
i
F
2
2
F
1
i
F
2
j
F
1
i
F
2
(n
2
1)
F
1
i
F
2
n
2
.
Es decir, un total de n
2
maneras para cada una de las formas de realizar el
procedimiento p
1
. De modo que, los dos procedimientos podran realizarse si-
multaneamente de n
1
n
2
maneras diferentes. As, la hipotesis de induccion
se cumple para k = 2. Supongamos que se cumple para k = r 1. En otras
palabras, supondremos que el n umero de maneras de realizar los procedimientos
p
1
, p
2
, . . . , p
(r1)
es
t = n
1
n
2
n
3
. . . n
(r1)
.
A probar que se cumple para k = r. Sea p
a
el procedimiento obtenido al realizar
los procedimientos p
1
, p
2
, . . . , p
(r1)
. Consideremos el siguiente diagrama
Formas de realizar cada procedimiento
p
a
: F
a
1
F
a
2
F
a
i
F
a
(t1)
F
a
t
p
r
: F
r
1
F
r
2
F
r
j
F
r
(n
r
1)
F
r
n
r
Denicion clasica de probabilidad 23
Observamos que para la i-esima forma F
a
i
, de realizar el procedimiento p
a
, se
tendran las siguientes formas para realizar los procedimientos p
a
y p
r
F
a
i
F
r
1
F
a
i
F
r
2
F
a
i
F
r
j
F
a
i
F
2
(n
2
1)
F
a
i
F
r
n
r
.
Es decir, un total de n
r
maneras para cada una de las formas de realizar el
procedimiento p
a
. De modo que, los procedimientos p
a
y p
r
podran realizarse
simultaneamente de t n
r
maneras diferentes. En otras palabras, el n umero de
maneras de realizar los procedimientos p
1
, p
2
, . . . , p
(r1)
, p
r
es de t n
r
maneras
diferentes. Por la hipotesis inductiva, se tiene que el n umero de maneras de
realizar los r procedimientos es
n
1
n
2
n
3
. . . n
r1
n
r
.
As, se cumple el principio de induccion completa, con lo cual se prueba el
teorema.
Ejemplo 1.4.1 Supongamos que una placa de automovil consta de dos letras
distintas seguidas de tres dgitos de los cuales el primero no es cero. Cuantas
placas diferentes pueden grabarse.
Solucion. El n umero total de letras de nuestro alfabeto es 27 y los dgitos
son 0, 1, . . . , 9. Considere el siguiente diagrama, el cual representa una placa de
automovil formada por dos letras del alfabeto y tres dgitos
A B 8 1 9.
Observamos que se tienen 5 procedimientos, los dos primeros para las letras del
alfabeto y los tres ultimos para los dgitos. Por el PFC, se tiene que el n umero
de placas que podemos formar es
27 26 9 10 10 = 632.800.
Ejemplo 1.4.2 Si no se permiten repeticiones. Cuantos n umeros de 3 dgitos
podemos formar con los dgitos 2, 3, 5, 6, 7, 9. Cuantos de estos son menores que
400. Cuantos son pares. Cuantos son m ultiplos de 5.
Denicion clasica de probabilidad 24
Solucion. Para determinar los n umeros de tres dgitos que podemos formar,
consideremos el siguiente diagrama, el cual representa un n umero de tres dgitos
2 5 9.
Se tienen tres procedimientos, uno para cada dgito no repetido, el PFC garan-
tiza que podemos formar 6 5 4 = 120 n umeros de tres dgitos no repetidos.
Para obtener los menores que 400 debemos tener presente que el primer dgito
debe ser 2 o 3. Aplicando el PFC a cada caso, se tiene que con el 2 como primer
dgito se obtendran 20 n umeros y con el 3 como primer dgito se obtendran 20
n umeros. De modo que, se podran formar 40 n umeros con tres dgitos menores
que 400. Un razonamiento similar, permitira garantizar que 80 n umeros son
impares y que 20 n umeros son m ultiplos de 5.
Ejemplo 1.4.3 Un artculo manufacturado debe pasar por tes controles. En
cada uno de ellos se inspecciona una caracterstica particular del artculo y se
le marca la conformidad. En el primer control hay tres mediciones posibles,
mientras que en cada uno de los dos ultimos controles hay cuatro mediciones
posibles. Determinemos el n umero de maneras de marcar el artculo.
Solucion. Consideremos el siguiente diagrama, el cual representa los controles
por donde debe pasar el artculo
M
1
1
M
4
2
M
3
3
,
donde M
j
i
representa la j-esima medicion en el i-esimo control. El PFC, nos
permite armar que el n umero de maneras de marcar el artculo es de 344 =
48.
Denicion 1.4.2 Sea n un entero positivo. El factorial de n, denotado por n!,
se dene por
n! = n(n 1)(n 2)(n 3) 3 2 1.
Podemos observar que n! consta de n factores que comienzan en n y van dis-
minuyendo sucesivamente hasta el n umero 1.
Denicion clasica de probabilidad 25
Ejercicio 1.4.2 Determinar
a) 8! b) 5! c) (n 2)! d) 3! 4!.
A veces, resulta util exponer solo algunos de los factores especcos de
n!. Por ejemplo,
8! = 8 7 6 5 4 3 2 1 = 8 7! = 8 7 6! = 8 7 6 5 4!.
En general,
n! = n(n 1)(n 2)! = n(n 1)(n 2)(n 3)(n 4)(n 5)!.
Ejercicio 1.4.3 Calcular
a)
5!
3!
b)
6! 4!
5!
c)
100! + 99! + 98! + 97!
99 97!
Ejercicio 1.4.4 Desarrollar
a)
m!
(m3)!
b)
m!
5!(m5)!
c)
(m + 1)!
(m2)!
Ejercicio 1.4.5 Resolver la ecuacion dada:
a)
(n + 1)! + (n + 2)!
(n + 1)!
= 8 b)3
x!
(x 3)! 3!
+ 6
(x 1)!
(x 3)!
= (x 2) 4!
Denicion 1.4.3 Se dene 0! = 1 y 1! = 1.
Denicion 1.4.4 Dado m objetos distintos entre si
a
1
a
2
a
3
a
m
.
Llamaremos variacion de orden n de esos m objetos, a toda agrupacion orde-
nada de n objetos tomados de dichos m.
Denicion clasica de probabilidad 26
Comentario 1.4.1
En una variacion no podemos tomar mas de lo que tenemos. Por ello,
n m.
Como toda variacion es una agrupacion ordenada, se tiene que dos varia-
ciones son iguales si estan formadas por los mismos elementos colocados
en el mismo orden.
Ejemplo 1.4.4 Considere los siguientes objetos A, B y C. Las variaciones de
orden 2 de esos 3 objetos o simplemente las variaciones de los 3 objetos tomados
2 a la vez son
AB AC BC BA CB CA.
Ejemplo 1.4.5 Considere los siguientes objetos A, B y C. Las variaciones de
orden 3 de esos 3 objetos o simplemente las variaciones de los 3 objetos tomados
todos a la vez son
ABC ACB BAC BCA CBA CAB.
El n umero de variaciones de orden n de m objetos o el n umero de
variaciones de m objetos tomados n a la vez lo denotaremos por V
m,n
y podra
calcularse directamente mediante el siguiente teorema.
Teorema 1.4.2 El n umero de variaciones de orden n de m objetos, viene dado
por
V
m,n
=
m!
(mn)!
.
Demostracion. Consideremos los siguientes m objetos
a
1
, a
2
, . . . , a
m
.
Ademas considere el siguiente diagrama, el cual contiene el n umero de posibi-
lidades para cada una de las n colocaciones ordenadas si repeticion de los m
Denicion clasica de probabilidad 27
objetos
m m1 m2 m(n 2) m(n 1)
. .
n
El PFC, nos dice que
V
m,n
= m(m1) (m2) . . . (m(n 2)) (m(n 1)).
Es decir,
V
m,n
=
m(m1) (m2) . . . (m(n 2)) (m(n 1))(mn) . . . 2.1
(mn) (mn 1) . . . 2.1
=
m!
(mn)!

Ejemplo 1.4.6 Si no se permiten repeticiones. (a) Cuantos n umeros de 3

dgitos podemos formar con los dgitos 2, 3, 5, 6, 7, 9. (b) Cuantos de estos son
menores que 400. (c) Cuantos son pares. (d) Cuantos son m ultiplos de 5.
Ejemplo 1.4.7 (a) De cuantas maneras tres ni nos y dos ni nas pueden sentarse
en una la. (b) De cuantas maneras pueden sentarse si los ni nos se sientan
juntos y las ni nas tambien. (c) De cuantas maneras pueden sentarse en la si
solo las ni nas se sientan juntas.
Ejercicio 1.4.6 (a) Quince autos participan en una carrera. De cuantas mane-
ras diferentes pueden entregarse los premios a los lugares primero, segundo y
tercero. (b) Cuantas palabras pueden formarse usando las letras v, e, r, a, n, o,
sin repetir ninguna. Aqu, una palabra es cualquier orden de letras, sin importar
que aparezca o no en el diccionario. (c) Si se permiten repeticiones de letras
para formar palabras de tres letras empleando las letras v, e, r, a, n, o. Cuantas
palabras de tres letras pueden formarse. d) Cuantas palabras de tres letras
pueden formarse con una o mas letras repetidas.
Denicion clasica de probabilidad 28
Denicion 1.4.5 Una permutacion de m elementos, de notada por P
m
, es
una variacion de m elementos tomados todos a la vez. Es decir,
P
m
= m!.
Ejercicio 1.4.7 (a) De cuantas maneras diferentes se pueden arreglar las cua-
tro letras de la palabra MATH, empleando cada letra una vez en cada arreglo.
(b) Un club contiene diez miembros, que desean elegir una mesa directiva for-
mada por un presidente, un vicepresidente y un secretario. Cuantas mesas
directivas son posibles. (c) Cuantas ordenaciones pueden formarse con las le-
tras A, B, C, p, r, q de manera que: comiencen con una may uscula; comiencen y
terminen con may uscula. (d) De cuantas maneras pueden ordenarse las letras
de la palabra vinals, si las letras i, a deben ocupar lugares pares.
Denicion 1.4.6 Dado m objetos distintos entre si
a
1
a
2
a
3
a
m
.
Se llaman agrupaciones con repeticion de m elementos tomados n a la vez,
a las agrupaciones de n terminos que pueden formarse con los m elementos,
entendiendo que cada uno de ellos puede aparecer repetido. Observe que n m.
Ejemplo 1.4.8 Las agrupaciones con repeticion de los elementos a, b y c toma-
dos dos a la vez, son los siguientes
aa ab ac ba bb bc ca cb cc.
Teorema 1.4.3 El n umero de arreglos con repeticion de m elementos tomados
de n en n es m
n
.
Demostracion. Considere el siguiente esquema, el cual representa las colo-
caciones para un arreglo de n elementos que formaremos con los m elementos
a
1
, ..., a
m
.
Coloc
1
Coloc
2
Coloc
3
Coloc
n1
Coloc
n
Denicion clasica de probabilidad 29
Observe que cada colocacion puede ser considera como un procedimiento y ser
ocupada por cualquiera de los elementos a
1
, ..., a
m
. Es decir, cada colocacion
puede realizarse de m maneras diferentes. Por PFC, se tiene que el n umero de
arreglos con repeticion de m elementos tomados de n en n es
m m m m
. .
n-veces
= m
n
.

Denicion 1.4.7 Dado m objetos distintos entre si

a
1
a
2
a
3
a
m
.
Llamaremos combinaci on de orden n de esos m objetos, a toda agrupacion no
ordenada de n objetos tomados de dichos m.
Comentario 1.4.2
En una combinacion no podemos tomar mas de lo que tenemos. Por ello,
n m.
Como toda combinacion es una agrupacion no ordenada, se tiene que dos
combinaciones son iguales si estan formadas por los mismos elementos.
Ejemplo 1.4.9 (a) Las combinaciones de tres letras que se pueden formar con
las letras a, b, c, d son
abc abd acd bcd.
(b) Con cinco personas P
1
, P
2
, P
3
, P
4
, P
5
podemos formar los siguientes grupos
de tres personas
P
1
P
2
P
3
P
1
P
3
P
4
P
1
P
4
P
5
P
1
P
2
P
4
P
1
P
2
P
5
P
2
P
3
P
4
P
2
P
3
P
5
P
2
P
4
P
5
P
3
P
4
P
5
P
5
P
2
P
1
.
Denicion clasica de probabilidad 30
Comentario 1.4.3 Observe que las agrupaciones no ordenadas de orden dos
que podemos formar con los objetos A, B y C, son las siguientes
AB AC BC.
Ademas, para cada agrupacion, anterior, podemos obtener la agrupacion orde-
nada correspondiente. Es decir,
AB AC BC

BA CA CB.
Seg un el Ejemplo 1.4.4, todas las agrupaciones anteriores representan las agru-
paciones ordenadas de orden dos tomadas de los objetos A, B y C. Si consi-
deramos las agrupaciones ordenadas de orden tres que podemos formar con los
objetos A, B y C, tendramos la siguiente agrupacion no ordenada
ABC.
A partir de la agrupacion anterior, podemos construir las siguientes agrupa-
ciones ordenadas
ABC
ACB BAC BCA CBA CAB.
Seg un el Ejemplo 1.4.5, todas las agrupaciones anteriores representan las agru-
paciones ordenadas de orden tres tomadas de los objetos A, B y C.
El n umero de combinaciones de orden n de m objetos o el n umero de
combinaciones de m objetos tomados n a la vez lo denotaremos por C
m,n
y
podra calcularse directamente mediante el siguiente teorema.
Teorema 1.4.4 El n umero de combinaciones de orden n de m objetos viene
dada por
C
m,n
=
m!
n! (mn)!
.
Denicion clasica de probabilidad 31
Demostracion. Consideremos los siguientes m objetos
a
1
, a
2
, . . . , a
m
.
Ahora consideremos solo los objetos a
1
, . . . , a
n
, n m. Una colocacion o agru-
pacion no ordenada de esos n objetos es la siguientes
a
1
a
2
a
3
a
n1
a
n
a
n
a
n1
a
n3
a
2
a
1
,
la cual puede obtenerse si seleccionamos todos los n objetos al mismo tiempo.
Sea C el n umero de colocaciones sin orden de los n objetos que podemos formar
a partir los m objetos. Observe que, C = C
m,n
. Por otro lado, para cada colo-
cacion arbitraria y no ordenada de n objetos, en particular para la colocacion
a
1
a
2
a
n1
a
n
,
se tiene que el n umero de colocaciones ordenadas es P
n
= n!. Considere el
siguiente diagrama
coloc. no ordenada de n objetos
C
coloc. ordenadas correspondientes
n!
Por el PFC, se tiene que el total de colocaciones ordenadas de n objeto tomados
de dichos m es C n!. En consecuencia,
C n! = V
m,n
.
Es decir,
C
m,n
= C =
V
m,n
n!
=
m!
n! (mn)!
.

Ejemplo 1.4.10 Cuantos grupos de cuatro personas se pueden hacer con tres
hembras y cuatro varones de modo que cada grupo contenga al menos dos
varones.
Denicion clasica de probabilidad 32
Ejemplo 1.4.11 Un supermercado ofrece seis marcas de durazno enlatados y
ocho marcas de maz enlatados. Una compradora desea probar dos marcas dife-
rentes de durazno y tres marcas distintas de maz. De cuantas maneras puede
escoger las cinco latas.
Ejemplo 1.4.12 De cuantas maneras se pueden dividir a seis personas en dos
equipos de tres miembros cada uno.
Ejemplo 1.4.13 Un grupo consta de doce mujeres y diez hombres. Se va ele-
gir un comite integrado por tres mujeres y cuatro hombres. Cuantos comites
diferentes son posibles.
Ejercicio 1.4.8 (a) Usando la notacion
C
n,r
=
_
n
r
_
=
n!
r! (n r)!
..
Demuestre que
1.
_
n
r
_
=
_
n
n r
_
.
2.
_
n
r
_
=
_
n 1
r 1
_
+
_
n 1
r
_
.
3.
_
n
r
_
=
r+1

i=1
_
n i
r i + 1
_
.
4.
_
n
r
_
=
n r + 1
r
_
n
r 1
_
.
Denicion clasica de probabilidad 33
5.
_
n
r
_
=
n
n r
_
n 1
r
_
.
6. n
_
n 1
r
_
= (r + 1)
_
n
r + 1
_
.
(b) Usando que
(x + y)
n
=
n

r=0
_
n
r
_
x
nr
y
r
,
para cada entero positivo n. Demuestre que
7.
n

r=0
_
n
r
_
= 2
n
.
8.
n

r=0
(1)
r
_
n
r
_
= 0.
9.
n

r=0
_
n
r
_
(a 1)
r
= a
n
.
10.
n

r=0
r
_
n
r
_
= n2
n1
.
1.4.2 Calculo de Probabilidades Usando los Principios
Basicos de Conteo
Hemos comentado que al tener espacios muestrales con resultados igual-
mente probables o igualmente factibles, las tecnicas de conteo, estudiadas en la
seccion anterior, nos permitiran obtener la probabilidad de cualquier evento A.
Para ello, bastara con determinar el n umero de elementos del espacio muestral
S, car(S), y del evento A, car(A), donde la probabilidad del evento A viene
Denicion clasica de probabilidad 34
dada por
IP(A) =
car(A)
car(S)
.
Observe que, car(S) es el n umero de maneras posibles, toda igualmente facti-
bles, que pueden ocurrir los resultados del experimento aleatorio.
Ejemplo 1.4.14 Considere el experimento aleatorio construir placas de au-
tomoviles, las cuales constan de dos letras distintas seguidas de tres dgitos
donde el primero no es cero. Determine la probabilidad de que una placa tenga
como primer dgito un n umero par.
Ejemplo 1.4.15 Considere el experimento aleatorio formar n umeros de tres
dgitos no repetidos con los dgitos 2, 3, 5, 6, 7, 9. Determine la probabilidad de
obtener un n umero cuyo primer dgito sea par. Determine la probabilidad de
obtener un n umero cuyo primer dgito sea impar. Determine la probabilidad
de obtener un n umero par. Determine la probabilidad de obtener un n umero
m ultiplos de 5. Determine la probabilidad de obtener un n umero menor que
400.
Ejemplo 1.4.16 Considere el experimento aleatorio tomar, simultaneamente,
dos objetos de una urna que contiene los objetos A, B y C, los cuales son
indistinguibles. Cual es la probabilidad de que el objeto A sea seleccionado.
Ejemplo 1.4.17 Considere el experimento aleatorio sentar tres ni nos y dos
ni nas en una la .(a) Cual es la probabilidad de que los ni nos se sienten juntos
y las ni nas tambien. (b) Cual es la probabilidad de que solo las ni nas se sienten
juntas.
Ejemplo 1.4.18 (a) Considere el experimento aleatorio seleccionar tres letras,
simultaneamente, de una urna que contiene las letras a, b, c, d, las cuales son
indistinguibles. Determine la probabilidad de que la letra c sea seleccionada. (b)
Considere el experimento aleatorio seleccionar grupos de tres con las personas
P
1
, P
2
, P
3
, P
4
, P
5
. Cual es la probabilidad de que la persona P
3
sea seleccionada.
Denicion clasica de probabilidad 35
Ejemplo 1.4.19 Considere el experimento aleatorio seleccionar cinco latas, si-
multaneamente, de un grupo de seis latas de durazno y ocho de maz. Cual es
la probabilidad de obtener dos latas de durazno y tres de maz.