1.

Nociones básicas de teoría de conjuntos

1.1. Conjuntos y elementos

Un conjunto es una colección bien denida de objetos, se debe hacer énfasis en que debe estar bien denido
expresiones como el conjunto de todos los entes o el conjunto de todos los conjuntos no dan lugar a verdaderos
conjuntos. Se dice que un elemento x pertenece a un conjunto A y la notación para esta situación es la siguiente:
x∈A. (1)

Dos conjuntos son iguales si y solo si tienen los mismos elementos: A = B ≡ (∀x : x ∈ A ⇔ x ∈ B).
Si B es subconjunto A se denota como
B ⊂ A, (2)

léase B está contenido en A. Si B es un subconjunto propio (es decir, no es A, hay elementos de A que no
están en B ), entonces se denota como
B ( A. (3)

Denición de un conjunto por listado: Cuando el conjunto es nito y existe una manera de simbolizar
cada elemento este puede denir como una lista no ordenada entre llaves. Por ejemplo, el conjunto V de las
vocales en el alfabeto latino es:

V = {a, e, i, o, u} = {e, i, o, a, u} = {e, e, a, e, i, o, u} . (4)

Note como no importa el orden y que los elementos repetidos en la lista no se cuentan como elementos nuevos.
Denición de un conjunto como subconjunto con cierta propiedad: Otra manera de denir un conjunto
es tomar un conjunto madre y especicar la propiedad denitoria de un conjunto. Por ejemplo, sea N =
{0, 1, 2, 3, . . .} el conjunto de todos los números naturales. El conjunto P será de todos los números naturales
pares y se puede denir mediante la siguiente notación:

P = {x ∈ N : x es divisible por 2} . (5)

Esta expresión se lee como el conjunto de todos los números naturales que son divisibles por 2. Este conjunto
se podría escribir en forma de listado como P = {0, 2, 4, 6, . . .}.

1.2. Operaciones básicas y sus nociones asociadas

La intersección de dos conjuntos A y B se describe como:

A ∩ B = {x : x ∈ A ∧ x ∈ B} , (6)

que se leería como el conjunto de todos los x tales que x pertenece a A y (símbolo ∧) x pertenece a B. Note
entonces que la intersección está estrechamente relacionada con la operación lógica llamada conjunción.
La unión de dos conjuntos A y B se describe como:

A ∪ B = {x : x ∈ A ∨ x ∈ B} , (7)

que se leería como el conjunto de todos los x tales que x pertenece a A o (símbolo ∨) x pertenece a B . Note
entonces que la unión está estrechamente relacionada con la operación lógica llamada disyunción. Recuerde la
operación lógica basíca es una disyunción inclusiva (si las dos proposiciones son ciertas, entonces la disyunción
también es cierta).
El complemento de un conjunto A se describe como:
A0 = {x : x ∈
/ A} = {x : ¬ (x ∈ A)} , (8)

que se leería como el conjunto de todos los x que no (símbolo ¬) pertenenecen a A. Note entonces que el
complemento está estrechamente relacionado con la operación lógica llamada negación. Note que para que el
complemento tenga sentido se debe estar dentro de un conjunto universo E, es decir, debería escribirse como
A0 = {x ∈ E : x ∈
/ A}.
Un conjunto muy especial es el conjunto vacío y se denota como ∅, se trata del único conjunto que no tiene
elementos. Entonces para todo elemento x, sea cual fuere, x∈
/ ∅. El conjunto vacío también se podría describir
como ∅ = {}.
Otra noción que es muy importante es cuando dos conjuntos A y B son disjuntos. Esto se cumple si y solo si
A ∩ B = ∅, es decir, cuando los conjuntos no comparte ni un solo elemento.
Finalmente, existe la noción de conjunto producto o producto cartesiano. Para entenderla primero se debe
entender el concepto de pareja ordenada que se escribe como (x, y). El producto entre A y B se escribe como:
A × B = {(x, y) : x ∈ A ∧ y ∈ B} .
Observación: El producto cartesiano no es conmutativo, es decir, no siempre se cumple que A × B sea igual
a B × A. Por ejemplo, si A = {1, 2, 3} y B = {0, 1} entonces (0, 1) ∈ B × A, sin embargo, (0, 1) ∈
/ A × B.

1
1.3. Conjuntos y aritmética
Se llama cardinalidad o tamaño del conjunto A al número de elementos que tiene el conjunto y se denota
como |A|. Hay una relación entre las operaciones y nociones antes dichas y este concepto más numérico. Por
ejemplo, |∅| = 0. Además si A y B son nitos con cardinalidad m y n respectivamente, entonces |A × B| = mn
(el producto cartesiano está relacionado con la multiplicación ). Además, si A y B son disjuntos, entonces
|A ∪ B| = m + n (la unión está relaciona con la adición ). Si los conjunto A y B no son disjuntos (pero siguen
siendo nitos) entonces se cumple que:

|A ∪ B| = |A| + |B| − |A ∩ B| . (9)

1.4. Ejercicios
Se tienen los siguientes conjuntos A = {0, 2, 4, 6, 8}, B = {1, 3, 5, 7, 9}, el conjunto C = {0, 1, 2, 3, 4, 5} y
el conjunto D = {3, 4, 5, 6, 7, 8}. Supondremos que en este caso el conjunto universal son los dígitos E =
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9}.
1. Solucionaremos las siguientes operaciones:
a. A ∩ B = ∅
b. (A ∩ C) ∪ D = {0, 2, 4} ∪ {3, 4, 5, 6, 7, 8} = {0, 2, 3, 4, 5, 6, 7, 8}
c. B ∩ D0 = {1, 3, 5, 7, 9} ∩ {0, 1, 2, 9} = {1, 9}
d. (B ∪ C)0 = {0, 1, 2, 3, 4, 5, 7, 9}0 = {6, 8}
e. (C 0 ∩ D) ∪ B = ({6, 7, 8, 9} ∩ {3, 4, 5, 6, 7, 8}) ∪ {1, 3, 5, 7, 9} = {6, 7, 8} ∪ {1, 3, 5, 7, 9} = {1, 3, 5, 6, 7, 8, 9}
f. A ∩ C ∩ D0 = (A ∩ C) ∩ D0 = {0, 2, 4} ∩ {0, 1, 2, 9} = {0, 2}
2. Conrmaremos una regla general de la suma. Nótese que A tiene 5 elementos y C tiene 6 elementos. En
cambio, la unión A ∪ C = {0, 1, 2, 3, 4, 5, 6, 8} tiene 8 elementos y la intersección A ∩ C = {0, 2, 4} tiene 3
elementos. Entonces se cumple lo predicho:

8 = |A ∪ C| = 5 + 6 − 3 = |A| + |C| − |A ∩ C|

3. Las operaciones de conjuntos (cuando estos están dentro de un universo E ) siguen cierta álgebra. Esa álgebra
se llama álgebra Booleana. Por ejemplo,
i. A ∪ ∅ = A
ii. A ∩ ∅ = ∅
iii. A ∪ E = E
iv. A ∩ E = A
v. E 0 = ∅ y ∅0 = E
vi. (A0 )0 = A (propiedad involutiva del complemento).
vi. A ∪ A0 = E y A ∩ A0 = ∅
viii. A ∪ B = B ∪ A y A ∩ B = B ∩ A (propiedad conmutativa)
ix. (A ∩ B) ∩ C = A ∩ (B ∩ C) y (A ∪ B) ∪ C = A ∪ (B ∪ C) (propiedad asociativa)
Las propiedades antes descritas son bastante claras a partir de los conceptos. Las siguientes cuatro, en cambio,
no se podrían considerar tan obvias:
x. Reglas de Morgan: (A ∪ B)0 = A0 ∩ B 0 y (A ∩ B)0 = A0 ∪ B 0 .
xi. Propiedad distributiva: A ∩ (B ∪ C) = (A ∩ B) ∪ (A ∩ C) y A ∪ (B ∩ C) = (A ∪ B) ∩ (A ∪ C).
4. Ejemplo de aplicación del álgebra Booleana. Se puede mostrar mediante diagramas de Venn que:
0 0
(A ∩ B) ∪ (A ∩ C 0 ) = (A ∩ B ∩ C) (10)

La demostración de forma algebraica sería como sigue: La idea es ir cambiando el lado izquierdo hasta obtener
el derecho según las reglas algebraicas. Hagamos el primer paso:

0
(A ∩ B) ∪ (A ∩ C 0 ) = A0 ∪ B 0 ∪ (A ∩ C 0 )
Este primer paso se justica por reglas de Morgan. Luego aplicamos propiedad distributiva:

A0 ∪ B 0 ∪ (A ∩ C 0 ) = (A0 ∪ B 0 ∪ A) ∩ (A0 ∪ B 0 ∪ C 0 ) = E ∩ (A0 ∪ B 0 ∪ C 0 ) = A0 ∪ B 0 ∪ C 0

El segundo paso se justica porque A0 ∪ A ∪ B = E ∪ B = E (E es el conjunto universo). Finalmente se vuelve

aplicar a regla de Morgan,
0
A0 ∪ B 0 ∪ C 0 = (A ∩ B ∩ C) . (11)

2
2. Conjuntos y probabilidad

Ya teniendo claras las nociones elementales de teoría de conjuntos, podemos hablar del concepto de espacio
de probabilidad. Este concepto tiene tres partes esenciales: un conjunto universo U que llamaremos espacio
muestral, una familia E de subconjuntos del universo que llamaremos familia de eventos, y una función de
probabilidad p : E → [0, 1] que asigna a cada evento un número real entre 0 y 1. Pero se deben cumplir ciertas
propiedades:
I. La probabilidad del universo es 1:
p (U ) = 1 (12)

II. (regla de la suma) Si A y B son eventos disjuntos entonces la probabilidad de su unión es la suma de
probabilidades:
Si A∩B =∅ entonces: p (A ∪ B) = p (A) + p (B) (13)

III. (completez de la familia de eventos) La familia de eventos E debe incluir toda intersección, unión y
complemento de eventos (es una σ -álgebra). O sea, si A y B son eventos A ∩ B , A ∪ B , A0 y B0 son también
eventos. Técnicamente, las intersecciones o uniones pueden ser de toda una familia de eventos siempre y cuando
seacontable.
Comentario: Muchas veces, si el espacio muestral U es nito y tiene tamaño
a cada N = |U |, evento atómico
1
Ai = {xi } (evento de un solo elemento) se le asigna una misma probabilidad de
N . Además, todos los sub-
conjuntos del espacio muestral son considerados eventos. En este caso, en general, la probabilidad de cualquier
evento B viene dada por:
|B| NB
p (B) = = . (14)
|U | N

Algunas consecuencias directas básicas de los axiomas de la probabilidad

Proposición 1: La probabilidad del evento vacío es cero. Es decir:
p (∅) = 0 . (15)

Demostración: Esto se puede deducir de los axiomas I y II. En primer lugar nótese que el evento vacío ∅ es
disjunto con el universo U, porque U ∩ ∅ = ∅. Entonces aplica la propiedad del axioma II, es decir,

p (U ∪ ∅) = p (U ) = p (U ) + p (∅) (16)

como el axioma I nos dice que p (U ) = 1, entonces se tiene que 1 = 1 + p (∅); por consiguiente, p (∅) = 0.
Proposición 2 (probabilidad del complemento): Si A es un evento con probabilidad p (A) y A0 es el evento
complemento entonces:
p (A0 ) = 1 − p (A) . (17)

Demostración: Esto también se deduce de los axiomas I y II y se parece mucho a la demostración anterior,
0 0
pero más general. Nótese que los conjuntos A y A son disjuntos. Además, nótese que A ∪ A = U. Entonces,
aplicando los axiomas I y II se ve que:

p (U ) = p (A ∪ A0 ) = p (A) + p (A0 ) = 1 (18)

Que es literalmente la ecuación que se quiere demostrar pero pasando la probabilidad p (A) a restar.
Proposición 3 (regla de la suma generalizada): Si A y B son dos eventos cualesquiera (no necesariamente
disjuntos), entonces se cumple:
p (A ∪ B) = p (A) + p (B) − p (A ∩ B) (19)

Demostración: La manera más fácil de demostrar esto es a través de un concepto conocido como la diferencia
0
de conjuntos, la cual se escribe como A−B =A∩B . Se puede demostrar que:

A ∪ B = (A − B) ∪ (B − A) ∪ (A ∩ B)
y que estos tres conjuntos (A − B , B − A y A ∩ B ) son disjuntos entre sí. Entonces, aplica la fórmula del axioma
II:
p (A ∪ B) = p (A − B) + p (B − A) + p (A ∩ B) . (20)

Finalmente, también se puede demostrar que p (A) = p (A − B) + p (A ∩ B) y una fórmula análoga para B . Esto
signica que p (A − B) = p (A) − p (A ∩ B) y p (B − A) = p (B) − p (A ∩ B), aplicando estas dos fórmulas en el
ecuación (20) se obtiene,

p (A ∪ B) = p (A) − p (A ∩ B) + p (B) − p (A ∩ B) + p (A ∩ B)
y de este ecuación se deduce lo que se quería demostrar.

3
2.1. Ejemplo 1
El hecho de lanzar un dado se puede pensar como un espacio de probabilidad U = {1, 2, 3, 4, 5, 6} con eventos
atómicos cada uno de los seis posibles resultados. Si cada evento atómico tiene la misma probabilidad, entonces
1
cada uno de ellos tiene una probabilidad de
6 . Pensemos en otros eventos no atómicos posibles: evento A = {3, 6}
de sacar un múltiplo de seis, B = {1, 3, 5} de sacar un número impar, evento C = {4, 5, 6} de sacar un número
mayor que tres, etc. Calculemos las probabilidades de algunos de estos eventos:
a. p (C) = |C| 3
|U | = 6 = 50 %.
b. p (A ∩ (C ∪ B)) = |{3,6}∩{1,3,4,5,6}|
6 = p (A) = 2
6 = 1
3.

2.2. Ejemplo 2 (Diapositiva 11)

Supongamos dos eventos A (invertir en fondos libres de impuestos) y B (invertir en fondos comunes de
inversión). La probabilidad de A es p (A) = 0, 6 y p (B) = 0, 3. También se sabe que p (A ∩ B) = 0, 15.
a) ¾Cuál es la probabilidad de la unión A ∪ B ?
Respuesta: Aplicamos la regla de la suma generalizada:
p (A ∪ B) = p (A) + p (B) − p (A ∩ B) = 0, 6 + 0, 3 − 0, 15 = 0, 75 . (21)

b) ¾Cuál es la probabilidad del conjunto A0 ∩ B 0 ?

Respuesta: Este conjunto es el complemento de la unión porque A0 ∩ B 0 = (A ∪ B)0 , por lo tanto,
p (A0 ∩ B 0 ) = 1 − p (A ∪ B) = 1 − 0, 75 = 0, 25 .

La situación se puede resumir en el siguiente diagrama de Venn con probabilidades:

2.3. Ejemplo 3
Se tiene una encuesta que pregunta a las personas si les gusta dos platillos distintos A y B. El 20 % de las
personas respondió que no le gustaba ninguno de los platillos. También, otro 20 % de las personas respondió
que le gustaba los dos platillos.
a) Si a 55 % le gusta el platillo A, ¾a qué porcentaje de personas le gusta el platillo B?
Respuesta: La respuesta es 45 %. Tenemos que p (A0 ∩ B 0 ) = p (A ∩ B) = 20 % y que p (A) = 55 %. Entonces
p (A ∩ B 0 ) = 35 %. Esto implica necesariamente que p (B ∩ A0 ) = 25 % porque los cuatro subconjuntos disjuntos
A ∩ B , A ∩ B 0 , B ∩ A0 y A0 ∩ B 0 particionan al universo de eventos (su unión es el universo y son disjuntos).
Entonces,
p (B) = p (A ∩ B) + p (B ∩ A0 ) = 20 % + 25 % = 45 %.
b) Supongamos que en la encuesta también se agregó una pregunta sobre el platillo C y 15 % de las personas
respondieron que les gusta los tres platillos A, B y C. Además, se sabe que solo a 5 % de la gente no les gusta

4
ninguno de los tres platillos y que p(A ∩ C) = 35 % y p(B ∩ C) = 25 %. ¾Cuál es la probabilidad de que a una
persona le guste el platillo C?
Respuesta: La respuesta es 60 %.

El razonamiento se resume en el diagrama de Venn anterior.

3. Probabilidad Condicional

La denición matemática de probabilidad condicional es relativamente sencilla, sean dos eventos A y B de un

espacio de probabilidad. Se dene la probabilidad condicional del evento B dado el evento A (evento condición)
como:
p (B ∩ A)
p (B|A) ≡ . (22)
p (A)
Probabilidad de la intersección dividida en la probabilidad de la condición.
Independencia probabilística: Los eventos A y B se considerarán independientes si y solo si se cumple
cualquiera de las siguientes condiciones (todas son equivalentes entre sí):

1. Se cumple la regla del producto: p (A ∩ B) = p (A) p (B)

2. La probabilidad de A no cambia si B ocurre o no: p (A|B) = p (A) = p (A|B 0 ).
3. La probabilidad de B no cambia si A ocurre o no: p (B|A) = p (B) = p (B|A0 ).
4. Los eventos B0 y A0 son independientes.

3.1. Regla de Bayes

Existe otra forma de relacionar las dos probabilidades condicionales p (A|B) y p (B|A) y es mediante la regla
de Bayes:
p (B|A) p (A)
p(A|B) = (23)
p (B)
Cada uno de estos términos visto desde la regla de Bayes tiene una intepretación interesante. A p (A) se le
conoce como prior p (B|A)se le conoce como verosimilitud. A p (B) se le
o probabilidad previa. Al término
conoce como probabilidad de la evidencia. Y a p (A|B) como posterior. Un ejemplo de aplicación que clarica
esa nomenclatura sería imaginar a A como el tener una enfermedad y B el resultado positivo de un examen
que indica la presencia de esa enfermedad. La regla de Bayes da un punto de vista muy interesante de cómo las
creencias de una persona (o el modelo de una máquina con inteligencia articial) se pueden actualizar cuando
aparece nueva evidencia que apoya o pone en duda la verdad de un evento (en este caso el evento A).
La evidencia merece un comentario adicional. Normalmente dentro del modelo probabilístico o teoría
detrás de p (B|A) (probabilidad de un positivo correcto) también se conoce el valor de p (B|A0 ) (probabilidad
de falso positivo). Ese caso es muy frecuente; entonces, en esa situación, p (B) se calcula como:

p (B) = p (B|A) p (A) + p (B|A0 ) p (A0 ) . (24)

5
3.2. Ejemplo 1
Supongamos que los trabajadores de la salud en una ciudad tienen una probabilidad del 13 % de tener COVID-
19. Existe un examen rápido que se hace con cierta regularidad en esos trabajadores. Desafortunadamente, el
examen no es tan decisivo y tiene un 20 % de probabilidades de dar un falso positivo y 15 % de probabilidad de
dar un falso negativo.
a. Si una trabajadora de la salud obtiene un resultado positivo, ¾cuál es la probabilidad de que tenga COVID?
b. Si el resultado dio negativo, ¾cuál es la probabilidad de que no tenga COVID?
Solución
El universo U es ser trabajador de la salud . Llamemos al evento A el hecho de tener COVID-19 y al evento
B el hecho de salir positivo en el examen rápido. Entonces sabemos que p (A) = 13 %. Las probabilidades de
falsos positivos y falsos negativos son en realidad probabilidades condicionales. En particular, el falso positivo
es la probabilidad de que el examen salga positivo aun cuando no se tiene COVID-19, esto se denotará como
p (B|A0 ) = 20 %. Por otro lado, un falso negativo es la probabilid de que el examen salga negativo aun cuando sí
0 0
se tiene, p (B |A) = 15 %. Si queremos calcular la probabilidad conjunta p (B ∩ A ) podemos utilizar la denición
de probabilidad condicional y multplicar:

p (B ∩ A0 )
p (B|A0 ) = =⇒ p (B ∩ A0 ) = p (B|A0 ) p (A0 ) = 20 % × 87 % = 17, 4 % (25)
p (A0 )
Esto quiere decir que, en un diagrama de árbol, para obtener la probabilidad del siguiente nodo se multiplica
la probabilidad del nodo anterior por la probabilidad condicional de la rama. El diagrama de árbol completo se
presenta a continuación:

Y el respectivo diagrama de Venn es:

a. En este caso nos están preguntando p (A|B). Se sabe que p (B) = 28, 45 % y que p (A ∩ B) = 11, 05 %.
Siguiendo la denición tenemos como resultado:

p (A ∩ B) 11, 05 %
p (A|B) = = = 38, 84 % (26)
p (B) 28, 45 %

6
b. En este caso nos están preguntando p (A0 |B 0 ). Se sabe que p (B 0 ) = 71, 55 % y que p (A0 ∩ B 0 ) = 69, 6 %.
Siguiendo la denición tenemos como resultado:

p (A0 ∩ B 0 ) 69, 6 %
p (A0 |B 0 ) = 0
= = 97, 27 % (27)
p (B ) 71, 55 %

3.3. Ejemplo 4.51 en diapositivas

Llamemos A al apuntarse a clases de lectura y el evento B el apuntarse a clases de de matemáticas. Tenemos
p (A) = 40 % y p (B) = 50 %. Además, p (B|A) = 30 %.
a. Esto quiere decir que p (A ∩ B) = p (B|A) p (A) = 30 % × 40 % = 12 %.
Con esto ya podemos hacer un diagrama Venn:

b. Lo que se pregunta es p (A|B) = p(A∩B) 12 %

p(B) = 50 % = 24 %.
c. Esta probabilidad es p (A ∪ B) = p (B) + p (A) − p (A ∩ B) = 50 % + 40 % − 12 % = 78 %.
d. Se puede usar cualquiera de los múltiples criterios de independencia:
Por condicional de B: Notemos que p (B|A) = 30 % pero p (B) = 50 %, Como estas probabilidades son
diferentes entonces los eventos no son independientes.
Por condicional de A: Notemos que p (A|B) = 24 % 6= p (A) = 40 %. Como estas probabilidades son
diferentes, los eventos son dependientes.
Por regla del producto: Calculemos el producto de probabilidades p (A) p (B) = 40 % × 50 % = 20 % y
tengamos en cuenta que la probabilidad de la intersección es p (A ∩ B) = 12 %. Como estos dos números
son diferentes, los eventos son dependientes.

3.4. Ejemplo 4.52 de diapositivas

Nuestro universo U son los nuevos clientes potenciales a los que llamamos. Llamaremos A al evento de que
esas personas se conviertan en nuevos clientes y por lo tanto p (A) = 15 %. El evento B será que la persona a la
que se llamó ya había utilizado servicios de la competencia en el último año. Si se lee bien los datos suministrados
se interpretación p (B|A) = 80 % y que p (B) = 60 %. Responderemos a más preguntas que la que está planteada
en el enunciado.
a. ¾Cuál es la probabilidad de que una persona contactada al azar se vuelva nuevo cliente y a su vez haya tenido
servicios con la competencia?
Respuesta. Por denición de probabilidad conjunta: p (A ∩ B) = p (B|A) p (A) = 80 % × 15 % = 12 %.
b. ¾Qué probabilidad hay de que, si una persona utilizó los servicios de la competencia, entonces se convierta
en nuevo cliente?
Respuesta. Siguiendo la fórmula de probabilidad conjunta, básicamente usando ya el teorema de Bayes,
p (B|A) p (A) 80 % × 15 % p (A ∩ B) 12 %
p (A|B) = = = = = 20 % .
p (B) 60 % p (B) 60 %

c. ¾Son los eventos A y B independientes? Justique matemáticamente.

Respuesta. No son independientes, porque p (B|A) = 80 % 6= 60 % = p (B).
d. Realice un diagrama de árbol y un diagrama de Venn de la situación.
Respuesta:

7
3.5. Ejemplo 4.48 de diapositivas
Nuestro universoU son los delegados. Llamaremos el A1 a los que asistieron a la conferencia de carteras,
mientras que A2 es la asistencia a la conferencia de chartismo, esta nomenclatura sirve para notar que A1 ∩A2 = ∅
(eventos excluyentes). Tenemos también un tercer evento A3 que son los delegados que no estuvieron en ninguna
de las conferencias de chartismo o cartera. Tenemos que p (A1 ) = 40 %, p (A2 ) = 50 % y p (A3 ) = 10 %.
Llamaremos al evento C el evento de asistir a la charla de la tarde con p (C) = 80 %.
a. Esta pregunta corresponde a p (A1 ∪ A2 ) = p (A1 ) + (A2 ) − p (A1 ∩ A2 ) = 90 %.
b. Acá se pregunta por p (A1 ∪ C) = p (A1 ) + p (C) − p (A1 ∩ C) = p (A1 ) + p (C) − p (A1 ) p (C). Con esto se
obtiene,
p (A1 ∪ C) = 40 % + 80 % − 40 % × 80 % = 88 % .
c. Nos están diciendo que p (C|A2 ) = 75 %. Sin embargo, esta condición entraría a la larga en contradicción con
lo demás que nos han dicho antes. Entonces para hacer un resultado consistente, cambiaremos ese dato
a p (C|A2 ) = 90 %. En este caso no están preguntado:

p (A2 ∪ C) = p (A2 ) + p (C) − p (A2 ∩ C) = p (A2 ) + p (C) − p (C|A2 ) p (A2 )

Por lo tanto, la respuesta es,

p (A2 ∪ C) = 50 % + 80 % − 90 % × 50 % = 130 % − 45 % = 85 %

d. Hagamos un diagrama de árbol y un diagrama de Venn con todo los descrito anteriormente:

e. Nótese que aunque A1 es independiente de C, esto no es cierto para A2 y A3 ; porque p (C) 6= p (C|A2 ) y
tampoco p (C) 6= p (C|A3 ).
f. Observemos ahora cómo se vería el diagrama de árbol inverso. El cual se ramica primero según C y luego
según los eventos Ai :

8
Se puede conrmar que las probabilidades condiciones en la segunda ramicación están bién calculadas.