Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Dijimos que dos sucesos son independientes si el hecho de conocer que ocurrió uno de
ellos no afecta la probabilidad de que ocurra el otro.
Hoy Argentina y Brasil jugarán un partido de fútbol, y con nuestro conocimiento
futbolístico llegamos a la conclusión de que la probabilidad de que Argentina le gane hoy
a Brasil es de 0,6.
En ese momento miramos por la ventana y nos damos cuenta de que hoy hay luna llena.
¿Eso modificará nuestra creencia de que la probabilidad de que Argentina le gane a Brasil
es 0,6? Es decir, la probabilidad de que gane Argentina en una noche que hay luna llena,
¿podríamos decir que es distinta de la probabilidad de que gane Argentina en una noche
cualquiera? Probablemente no, a menos que seamos expertos en astrología y “sepamos”
que los astros afectan el desempeño de los futbolistas de distintos países.
Dicho de otra forma, P(A) = 0,6 y además P(A/B) = 0,6 (porque el hecho de saber que
ocurrió B no afecta la probabilidad de que ocurra A).
Vemos que P(A) = P(A/B) es una forma matemática de expresar lo que dijimos antes de
que dos sucesos son independientes si el hecho de conocer que ocurrió uno de ellos no
afecta la probabilidad de que ocurra el otro.
Supongamos que la historia hubiera sido distinta: Sabemos que la cuarta parte de los días
hay luna llena, y entonces P(B) = 0,25. Si alguien nos pregunta: “¿cuál es la probabilidad
de que el 26 de abril de 1982 haya habido luna llena?”, responderemos: “0,25”. Luego la
persona nos dice: “¿Estás seguro? Mirá que ese día Argentina le ganó a Brasil”.
¿Modificaremos entonces nuestra respuesta? Probablemente no, a menos que a la luna le
guste ponerse llena cuando Argentina le gana a Brasil.
Dicho de otra forma, P(B) = 0,25 y además P(B/A) = 0,25 (porque el hecho de saber que
Argentina le ganó a Brasil no afecta la probabilidad de que haya habido luna llena).
Observamos entonces que en este ejemplo también vale P(B) = P(B/A). Y si hacemos las
correspondientes cuentas, también veremos que se verifica P(A ∩ B) = P(A) . P(B)
Daremos a continuación la definición y luego demostraremos las equivalencias:
Pasando a los sucesos C y D, aún sin saber mucho de economía nos imaginamos que debe
haber una cierta relación entre los precios y la cantidad de compradores. No nos resultaría
extraño que la probabilidad de que se reduzca la cantidad de compradores de autos nuevos
en un país donde ha aumentado el costo de los autos nuevos sea mayor que en un país
cualquiera en el cual no sabemos si aumentó o no aumentó el costo de los autos nuevos.
Supongamos que del anuario de la sociedad internacional de automóviles sacamos los
siguientes datos:
En el año 1995, en el 25% de los países se redujo la cantidad compradores de autos
nuevos. En el 30% de los países subió el costo de los autos nuevos. Y en el 80% de los
países en los cuales subió el costo, bajó la cantidad de compradores. Es decir:
P(D/C) = 0,8
P(D) = 0,25
P(C) = 0,3
Vemos que P(D/C) ≠ P(D) por lo tanto los sucesos C y D no son independientes, por lo
tanto tampoco se cumplen las otras dos definiciones y entonces P(C/D) ≠ P(C) y también
P(C ∩ D) ≠ P(C) . P(D)
A continuación hagamos los diagramas de Venn de los dos ejemplos dados:
Independientes No independientes
(se cumplen las definiciones) (no se cumplen las definiciones)
• Sucesos disjuntos:
Si los sucesos son disjuntos, el hecho de que ocurra uno implica que el otro no ocurre. Es
decir, en el caso de que sean disjuntos, el hecho que un suceso ocurra no solamente afecta
la probabilidad de que el otro ocurra, sino que además la hace directamente cero. Por lo
tanto los sucesos son fuertemente dependientes.
Si el suceso R es que una persona sea rubia y el suceso M es que sea morocha, R ∩ M =
∅, y por lo tanto si se sabe que una persona es rubia la probabilidad de que sea morocha
es cero y también si se sabe que una persona es morocha, la probabilidad de que sea rubia
es cero. Vemos que por tratarse de sucesos disjuntos, el hecho de que ocurra uno hace que
la probabilidad no solamente sea afectada sino que además la hace valer cero.
No independientes No independientes
Los sucesos disjuntos no pueden ser Si un suceso está incluído en otro no pueden
independientes. ser independientes
Resolución:
a) Podemos suponer que son independientes, porque no parece que si ocurre una cosa se
vea afectada la probabilidad de que ocurra la otra.
c) Podemos suponer que no son independientes, porque hay una relación entre el peso de
la lata y la cantidad de arvejas que contiene, y como los sucesos "la lata pesa más de 200
g" y "la lata contiene más de 300 arvejas" son condiciones impuestas sobre esas
cantidades relacionadas, no pueden ser independientes.
d) Podemos suponer que son independientes. En principio no hay ninguna relación entre
una cosa y la otra. Pero si tuviésemos más información (por ejemplo, que una tía siempre
nos llama para recordarnos que cerremos las ventanas porque que se ha largado a llover)
nuestra respuesta podría ser diferente, porque en ese caso el hecho de que ha comenzado a
llover incrementa la probabilidad de que suene el teléfono en los próximos 5 minutos
porque puede ser la tía avisándonos que está lloviendo.
g) Los suponemos independientes por las mismas razones que en a), o también porque el
suceso del dado es el complemento de un suceso que era independiente del de la moneda,
entonces también es independiente.
Resolución:
a) P(A) . P(B) = 0,3 . 0,2 = 0,06 ≠ 0,05 = P(A ∩ B), por lo tanto no son independientes
b) P(A ∩ BC) + P(A ∩ B) = P(A) = 0,3 = P(A/B), por lo tanto son independientes
Resolución:
Debemos suponer que el suceso de que hoy llueva y el de que se me acabe la tinta son
independientes (si no, no se podría resolver). Nos dicen que la probabilidad de que llueva
es 0.2, por lo cual la probabilidad de que no llueva es 0.8. Además la probabilidad de que
se acabe la tinta es 0.6, por lo cual la probabilidad de que no se acabe la tinta es 0.4.
Resolvemos:
a) Sabemos que cuando dos sucesos son independientes, la probabilidad de que ocurran
simultáneamente es el producto de las probabilidades de que ocurran individualmente.
Es decir, los sucesos A y B son independientes <=> P(A ∩ B) = P(A) . P(B)
Si tomamos A: "que llueva" y B: "que se me acabe la tinta" entonces:
P(A ∩ B) = P(A) . P(B) = 0.2 . 0.6 = 0.12
Resolución:
a) Consideraremos a los dados independientes. Y entonces tomamos los sucesos:
A: que no salga un 1 en el primer dado.
B: que no salga un 1 en el segundo dado.
Y queda:
P(A ∩ B) = P(A) . P(B) = 5/6 . 5/6 = 0.694
También lo podríamos haber pensado de acuerdo a lo que vimos cuando estudiamos
multiplicación de probabilidades. Tomando los mismos sucesos A y B, lo que estamos
buscando es P(A ∩ B), lo cual según vimos se puede escribir como P(A) . P(B/A). En este
caso particular, por considerarlos independientes, P(B/A) termina siendo P(B), y entonces
llegamos al mismo resultado que con el otro planteo es decir P(A) . P(B) = 0.694
Resolución:
Si aplicamos el mismo enfoque que en los anteriores, asumiremos que los 5 intentos son
independientes y haremos:
A: acertar el primero
B: fallar el segundo
C: acertar el tercero
D: acertar el cuarto
F: fallar el quinto
P(A ∩ B ∩ C ∩ D ∩ F) = P(A) . P(B) . P(C) . P(D) . P(F) = 0.6 . 0.4 . 0.6 . 0.6 . 0.4 =
0.03456
Lo cual es correcto. Podríamos haberlo pensado con multiplicación de probabilidades,
con lo cual el resultado habría sido P(A) . P(B/A) . P(C/ B∩A) . .... y las condiciones
habrían desaparecido porque los sucesos son independientes, y llegaríamos al mismo
resultado que antes.
También podríamos hacer:
A: probabilidad de acertar un disparo
P(A ∩ AC ∩ A ∩ A ∩ AC) = P(A) . P(AC) . P(A) . P(A) . P(AC) = 0.6 . 0.4 . 0.6 . 0.6 .
0.4 = 0.03456
Y obtenemos el mismo resultado. Esto se debe a que luego de cada intento, la
probabilidad de acertar sigue siendo la misma (se mantiene constante) y cada sucesivo
disparo se lleva a cabo en las mismas condiciones que el primero.
6) Se tiene una cierta moneda cargada, para la cual la probabilidad de sacar cara es 0.7. Si
un experimento consiste en tirar dicha moneda 2 veces, calcule la probabilidad de:
a) sacar primero cara y después ceca
b) sacar primero ceca y después cara
c) sacar una cara y una ceca
Resolución:
a) A: sacar cara al tirar la moneda
P(A) = 0.7
Como vimos en el ejemplo anterior, consideramos los dos intentos independientes y
hacemos:
P(sacar cara en la primera y ceca en la segunda) = P(A ∩ AC) = 0.7 . 0.3 = 0.21
c) "Sacar una cara y una ceca" es equivalente a "Sacar cara y después seca, o sacar ceca y
después cara". Entonces si el suceso A es "sacar cara", la probabilidad es:
P(sacar una cara y una ceca) = P((sacar cara y después ceca) o (sacar ceca y después
cara)) = P((A ∩ AC) ∪ (AC ∩ A))
Aplicamos la fórmula para la probabilidad de la unión y obtenemos:
P((A ∩ AC) ∪ (AC ∩ A)) = P(A ∩ AC) + P(AC ∩ A) - P((A ∩ AC) ∩ (AC ∩ A))
P(A ∩ AC) y P(AC ∩ A) ya estaban calculadas antes
P((A ∩ AC) ∩ (AC ∩ A)) = P(A ∩ AC ∩ AC ∩ A) = P(A ∩ AC) = P(∅) = 0
Lo cual es lógico porque no puede salir cara y no salir cara al mismo tiempo.
Entonces queda:
P((A ∩ AC) ∪(AC ∩ A)) = P(A ∩ AC) + P(AC ∩ A) = 0.21 + 0.21 = 0.42
Vemos que no importa el orden en el sentido de que todas las formas de ordenar tienen la
misma probabilidad, pero si queremos tomar la probabilidad de que ocurra, y ocurra en
cualquier orden, la probabilidad será, lógicamente, mayor, ya que será la unión de todos
los órdenes posibles en los que puede ocurrir.