Está en la página 1de 22

ALGUNOS TPICOS SOBRE CONJUNTOS

La teora de conjuntos es de mucha utilidad en el desarrollo de las probabilidades, y


es por ello que se debe revisar los conocimientos sobre las operaciones de conjuntos como
lo son: la unin, la interseccin, el complemento de un conjunto, etc.
Consideraremos a como el conjunto universal el cual posee todos los elementos
posibles, as el conjunto A es un subconjunto de si todos los elementos de A son
elementos de , y se denota:
A si para todo xA, x
.- Sean A y B dos conjuntos cuales quiera entonces:
la unin se define como: C = A B = { x / xA o xB};
la interseccin se define como: C = A

B = { x / xA y xB};
el complemento se define como: A
c

El conjunto que no posee elementos se denomina conjunto vaco y se denota por .
(Notemos que A

A
c
= )
Diremos que A y B son disjuntos o mutuamente excluyente si: A

B=
Para resolver algunos problemas de probabilidades es necesario conocer el nmero
de elementos que posee cierto conjunto y el conjunto universal, denominado, en
probabilidades, espacio muestral, es por ello que se debe saber como determinar el nmero
de elementos de cualquier conjunto, tarea que puede ser algo complicado, sin embargo en
algunos casos esto se puede realizar y por ello es que es importante el aprender a calcular
este nmero.
TECNICAS DE CONTEO
En muchas situaciones estaremos interesados solo en el nmero de elementos que
tiene un espacio muestral o un evento particular, en tales situaciones acudiremos a las
tcnicas de conteo:
1. PRINCIPIO DE MULTIPLICACION: El principio de multiplicacin se enuncia
como sigue:
TEOREMA 1.1.- Si un experimento aleatorio (u operacin) E
1
ocurre de n
1
formas y
si para cada una de estas, un experimento (u operacin) E
2
ocurre de n
2
formas,
entonces los dos experimentos juntos ocurren de n
1
n
2
formas.
Ejemplo 1: Cuntos elementos tiene el espacio muestral del experimento aleatorio
lanzar una moneda y un dado simultneamente?
Ejemplo 2: Una persona puede viajar de una ciudad A a otra ciudad B de 5 formas y de
B a C de 6 formas. De cuantas formas puede ir de A a C pasando por B?.
TEOREMA 1.2.- Si un experimento aleatorio (u operacin) E
1
ocurre de n
1
formas y
si para cada una de estas, un experimento (u operacin) E
2
ocurre de n
2
formas, y
para cada una de las dos primeras se puede efectuar un tercer experimento E
3
ocurre de
n
3
formas y as sucesivamente, la secuencia de k experimentos (u operaciones) se
realizar de n
1
n
2
n
k
formas diferentes.
Ejemplo 3: Un producto se arma en tres partes, para la primera etapa se tienen
disponibles 5 lneas de armado, para la segunda 4 y para la tercera 6 lneas de armado.
De cuntas maneras puede moverse el producto en el proceso de armado?.
Ejemplo 4: Cuntos nmeros pares de 3 dgitos se pueden formar con los dgitos
1,2,5,6,7,8,9. s cada dgito puede emplearse una sola vez?
2. PRINCIPIO DE ADICION: El principio de adicin se enuncia de la siguiente
manera:
TEOREMA 2.1.- Si un experimento (u operacin) E
1
ocurre de n
1
formas y un
segundo experimento (u operacin) E
2
ocurre de n
2
formas, entonces el experimento
(u operacin) E, que consiste en realizar E
1
E
2
(o en el sentido de exclusin, es decir
E
1
y E
2
no pueden ocurrir juntos) ocurre de n
1
+ n
2
formas, siempre que los espacios
muestrales
2 1
y asociados a E
1
y E
2
respectivamente sean disjuntos.
Ejemplo 5: Consideraremos el experimento de lanzar una moneda o un dado. De
cuntas formas ocurre?
Ejemplo 6: Una persona puede viajar de A a B por va area o por va terrestre y tiene a
su disposicin 5 lneas areas, 6 lneas terrestres. De cuntas formas puede hacer el
viaje?

TEOREMA 2.2.- Si un experimento (u operacin) E
1
ocurre de n
1
formas, E
2
ocurre
de n
2
formas, y asi sucesivamente hasta un experimento (u operacin) E
k
ocurre de
n
k
formas; entonces el experimento (u operacin) E, que consiste en realizar E
1
E
2

.. E
k
(la partcula o en el sentido excluyente). Es decir, los experimentos E
1
,
E
2
, ., E
k
no pueden realizarse juntos juntos) ocurre de n = n
1
+ n
2
+ .+ n
k
formas, siempre que los espacios muestrales sean disjuntos dos a dos; es decir:
k. 1,2,...., j i para
j ii .
Ejemplo 7: Un producto se vende en 3 mercados; en el primer mercado se tienen
disponibles 5 tiendas, en el segundo 4 y en el tercer mercado, 6 tiendas. De cuntas
maneras puede venderse el producto?
En general, si A
1
, A
2
, ., A
k
son conjuntos disjuntos dos a dos, entonces:

]
]
]

k
i
i
K
I
I
A N A N
1 1
) (
3. PERMUTACION: Es un arreglo de todos o parte de un conjunto de objetos.
Interesa el orden.
FACTORIAL DE UN NUMERO.- Sea n un nmero entero positivo, el factorial de n,
se denota por n! y se define como el producto de todos los enteros consecutivos de 1
hasta n inclusive.
TEOREMA 3.1.- El nmero de permutaciones de n objetos diferentes es:
! n nPn P
n
n

Ejemplo 8: Un inspector visita 6 mquinas diferentes durante el da. A fin de impedir a
los operadores que sepan cuando inspeccionar, vara el orden de las visitas. De
cuantas maneras puede hacerlo?
Ejemplo 9: En una competencia automovilstica, intervienen 40 participantes. De
cuntas formas distintas se pueden adjudicar los lugares de largada a los 40
competidores de la competencia?
Ejemplo 10: De cuntas maneras se pueden colocar 10 chicas en una fila, de manera
que dos chicas, en particular, queden juntas?
TEOREMA 3.2.- El nmero de permutaciones de n objetos diferentes tomados de r a r
es:
)! (
!
Pr
r n
n
n P
r
n


En general, si el conjunto tiene n elementos. Una permutacin de los n elementos, es
una n-upla ordenada; y el nmero de permutaciones de los n elementos es el nmero
de n-uplas ordenadas que se forman con los n elementos sin repeticin.
Las permutaciones de los n-elementos tomados r a r, son r-uplas ordenadas que se
pueden formar con los n elementos sin repeticin.
Ejemplo 11: Un grupo est formado por 5 personas y desean formar una comisin
integrada por presidente y secretario. De cuntas maneras puede nombrarse esta
comisin?
Ejemplo 12: Encontrar el numero total de enteros positivos que pueden formarse
utilizando los dgitos: 1,2,3,4; si ningn dgito ha de repetirse cuando se forma un
nmero.
TEOREMA 3.3.-El nmero de permutaciones de n objetos distintos alrededor de un
crculo es:
)! 1 ( n P
n
c
Ejemplo 13: De cuntas formas diferentes pudieron sentarse, en la ltima cena,
alrededor de la mesa, Jesucristo y los 12 apstoles?
4. PERMUTACION CON REPETICION:
Hasta ahora hemos permutado objetos diferentes (esto, es, se pueden distiguir). Sin
embargo, este no siempre es el caso. Supongamos por ejemplo, que estamos interesados
en el numero de permutaciones distinguibles uno de otro, que se pueden formar con las
letras de la palabra AMAR.
Si usramos la palabra AMOR en vez de AMAR, la permutacin estudiada es
aplicable directamente y dara el numero de permutaciones distinguibles
4
P
4
= 4!=24.
Sin embargo esperamos que la respuesta al presente problema sea menor que 24, pues
tenemos letras repetidas. As, la permutacin MAOR y MOAR corresponden a las
permutaciones distinguibles MAAR en nuestro problema. Luego, a cada permutacin
de las letras de AMAR le corresponde permutaciones de AMOR que aparecen
como permutaciones de las letras
{ O A,
, as:
OMAR AMOR MAOR MOAR AOMR OAMR
RAOM ROAM
MROA MRAO MORA MARO ORMA ARMO
AROM ORAM
RMOA RMAO ROMA RAMO OMRA AMOR
AORM OARM
Reemplazando A por O vemos que cada uno de estos pares se vuelve indistinguible en el caso
de la palabra AMAR. Por lo tanto, hay:
12
! 2
! 4
2 2
4 4

P
P
permutaciones distinguibles que se pueden hacer con la palabra AMAR.
Un ejemplo simple es el siguiente. Consideremos un conjunto con cuatro elementos diferentes
{ d c b a , , ,
. Luego hay 4!=24 permutaciones distintas. Supongamos ahora que:
a=b=x y c=d=y.
Entonces, se puede listar solo las siguientes permutaciones distinguibles:
XXYY, XYXY, YXXY, YXYX, XYYX, YYXX.
Es decir, tenemos:
6
! 2 !* 2
! 4
*
2 2 2 2
4 4

P P
P
Permutaciones distinguibles.
TEOREMA 4.1.- El nmero de permutaciones distintas de n objetos de los cuales n1 son de una
clase, n2 de una segunda clase,, nk de una k-sima clase y todos los dems objetos de clase1,
se denota por:
k
n n n
n
P
,...., ,
2 1
Y est dado por:
! !... !
!
2 1
,...., ,
2 1
k
n n n
n
n n n
n
P
k

Ejemplo 14.- Un estante de una librera tiene capacidad para 10 libros de Matemticas que tiene
pasta verde, 8 de Fsica de pasta roja y 7 de Qumica de pasta azul. De cuntas maneras
pueden colocarse los libros segn los colores?
5. PARTICION DE UN CONJUNTO
A menudo se necesita contar el nmero de formas de particionar un conjunto de n
objetos diferentes en r subconjuntos llamados celdas. La particin se hace teniendo en
cuenta los siguientes criterios:
Los r subconjuntos son disjuntos dos a dos.
La unin de todos los subconjuntos es igual al conjunto original.
El orden de los elementos dentro de cada celda no tiene importancia.
Empezaremos considerando un ejemplo simple. Sea el conjunto
{ e d c b a , , , ,
. Las
posibles particiones en dos celdas, en las que la primera celda contenga cuatro
elementos y la segunda slo un elemento, son:
{ { { { { { { { { { { { { { { a e d c b b e d c a c e d b a d e c b a e d c b a , , , , ; , , , , ; , , , , ; , , , , ; , . . .
Vemos que hay 5 formas distintas de hacer una particin de un conjunto de cinco
elementos en dos celdas (o subconjuntos) que contenga cuatro elementos en la primera
y uno en la segunda. El numero de particiones para este ejemplo se puede escribir as:
5
! 1 !* 4
! 5

Ejemplo 15.- Suponga que un hombre tiene 8 bonos financieros diferentes de 8 compaas
distintas, y que piensa regalarlos a sus hijos de la siguiente manera: a su hijo mayor, 3; a su
segundo hijo, 3; y al menor,2. En cuntas formas puede repartir los bonos?
TEOREMA 5.1.- El nmero de formas posibles, que n objetos diferentes pueden
dividirse en r grupos distinguibles conteniendo n
1,
n
2
,., n
r
objetos respectivamente
donde n = n
1
+ n
2
+ .+ n
k, es
! !.... !
!
n ., , n , n
2 1 k 2 1 r
n n n
n
n

,
`

.
|

6. COMBINACIN:
En muchos casos estaremos interesados en el nmero de formas de seleccionar r objetos
de n, sin importar el orden. Estas selecciones se llaman combinaciones.
DEFINICION.- Un subconjunto de r elementos de un conjunto que tienen r elementos
diferentes, se llama una combinacin de los n elementos tomados de r a r.
Determinaremos ahora, el nmero de combinaciones de r elementos que se pueden
formar con los n objetos diferentes de un conjunto. Este nmero se denota por:
) , ( r n C C
r
n
En general con un conjunto que tiene n elementos se formar:
a) n combinaciones de un elemento (combinaciones de los n elementos tomados uno a
uno); es decir:
n C
n

1
b) n combinaciones de n-1 elementos (combinaciones de los n elementos tomados de
n-1 a n-1); es decir:
n C
n
n


1
c) Una combinaciones de los n elementos (combinaciones de los n elementos tomados
de n a n); es decir:
1
1

n
n
C
TEOREMA 6.1.- El nmero de combinaciones de n objetos diferentes tomados r a la
vez, es:
)! ( !
!
r n r
n
r
n
C
r
n

,
`

.
|

Ejemplo 16.- Se extraen dos cartas de una baraja de 52 cartas. De cuntas maneras se
puede hacer esto?
Ejemplo 17.- Un estudiante tiene que contestar 8 de 10 preguntas en un examen.
a) De cuntas maneras puede el estudiante escoger las 8 preguntas?
b) Si las tres primeras son obligatorias, De cuntas maneras puede hacerlo?
c) Si tiene que contestar 4 de las 5 primeras. De cuntas formas puede hacerlo?
Ejemplo 18.- De cuantas maneras puede seleccionarse una partida de 4 ms
personas, si hay 10 personas disponibles?
Ejemplo 19.-Suponga que queremos formar comisiones de cuatro miembros de un
grupo de 4 hombres R,S,T,U y 5 mujeres V,W,X,Y,Z. Si adems se especifica que R y
S no pueden estar en la misma comisin a menos que la comisin est formado por lo
menos por una mujer. Cul es el nmero de comisiones que se puede formar?

7. NOTAS SOBRE MUESTREO CON Y SIN REEMPLAZO:
Suponga un conjunto con n objetos. Considere el problema anterior de extraer r objetos
de este conjunto. Puede no interesar el orden en que se extraen los objetos. Tambin la
extraccin se puede hacer con o sin reemplazamiento.
DEFINICION 7.1.- Si al extraer los r objetos del conjunto de n objetos, se considera el
orden en que son seleccionados los objetos; el conjunto de los r objetos extrados, se
llama una muestra ordenada de tamao r.
DEFINICION 7.2.- Cuando un objeto se extrae y se reemplaza antes de extraer el
siguiente objeto, se dice que el muestreo es con reemplazamiento.
Calculemos ahora, el nmero de formas de extraer una muestra ordenada de tamao r
de un conjunto de n objetos, si el muestreo es con reemplazamiento.
La primera extraccin ocurre de n formas, uno por cada objeto; la segunda extraccin
tambin ocurre de n formas, ya que el muestreo es con reemplazamiento. Entonces, el
nmero de formas de extraer dos objetos con reemplazamiento ser: n. n=n
2
.
Igualmente para la extraccin de 3 objetos el nmero de formas es: n
2
. n=n
3
y para
cualquier numero r de extracciones, el nmero de formas ser n
r
.
DEFINICION 7.3.- Si al extraer un objeto no se reemplaza, para extraer el siguiente, se
dice que el muestreo es sin reemplazamiento.
El nmero de formas de extraer muestras ordenadas de tamao r de un conjunto de n
objetos, si el muestreo es sin reemplazamiento se obtiene as: la primera extraccin
ocurre de n formas, la segunda extraccin ocurre de n-1 formas. Entonces, el nmero de
formas de extraer dos objetos sin reemplazamiento es n(n-1). Similarmente para la
tercera extraccin hay n-2 formas. Luego, el numero de formas de extraer 3 objetos es
n(n-1)(n-2). As sucesivamente, el nmero de formas de extraer una muestra de tamao
r, sin reemplazamiento es:
)! (
!
) 1 )...( 2 )( 1 (
r n
n
r n n n n

+
El cual es equivalente a
r
n
P , nmero de permutaciones de n objetos tomados r a r. Si
no interesa el orden en que se extraen los elementos de la muestra. El nmero de
maneras de escoger r objetos de los n, esta dado por:

,
`

.
|

r
n
C
r
n
Ejemplo 20.- Considere las placas de automviles que tiene tres letras seguidas de tres
dgitos. Si pueden emplearse todas las combinaciones posibles, Cuntas placas
diferentes pueden formarse?
Una vez que sabes determinar el nmero de elementos de un conjunto podrs calcular las
probabilidades de los sucesos que se te pueden presentar, calculando el nmero de sucesos
simples presentes en el espacio muestral y tomando el cociente entre los casos favorables y
los posibles.
INTRODUCCIN A LA PROBABILIDAD
En el estudio de la probabilidad, necesitamos la presentacin de algunos trminos como
experimento aleatorio, espacio muestral, evento, etc.
Experimento aleatorio Resultados del experimento
Lanzar una moneda Cara, sello
Tirar un dado 1, 2, 3, 4, 5, 6
Jugar un partido de ftbol Ganar, perder, empatar
Seleccionar una parte para inspeccionarla Defectuosa, no defectuosa
Contestar tres preguntas de un cuestionario,
sin haber estudiado. Cada pregunta con cuatro
alternativas de respuestas. aaa, aab, aba,, ddd
Se considera como experimento aleatorio a un proceso que genera resultados que no se
pueden predecir con certeza. Aun, cuando no podemos predecir los resultados con certeza,
s es posible describir el conjunto de resultados posibles En cualquier repeticin de un
experimento aleatorio, ocurrir uno y slo uno de los posibles resultados experimentales.
Espacio muestral
Espacio muestral, es el conjunto de todos los resultados de un experimento aleatorio.
Cada resultado de un experimento aleatorio se conoce como punto muestral.
Asi, los espacios muestrales para el primero y quinto de los experimentos propuestos como
ejemplos, son:
{cara, sello}
{aaa, aab, aba, baa, , ddd}
Cara es un punto muestral del primer espacio y, aba, es un punto muestral del segundo
espacio.
Evento
Un evento es un subconjunto de un espacio muestral.
Ejemplo: Si consideramos el experimento aleatorio de lanzar un dado que tiene como
espacio muestral a:
S = {1, 2, 3, 4, 5, 6}
Algunos eventos son:
A = {1, 3} B = { 2, 4, 6} C = {3, 4, 5, 6}
Otro ejemplo: Un proyecto tiene como objetivo aumentar la capacidad de generacin de
una de las plantas de una empresa. El proyecto se divide en dos etapas sucesivas: La etapa 1
(diseo) y la etapa 2 (construccin). Si bien cada etapa se programar y controlar tan
cuidadosamente posible, la direccin no puede predecir el tiempo exacto para terminarla.
Un anlisis de proyectos similares de construccin ha demostrado que los tiempos de
terminacin de la etapa de diseo son 2, 3 o 4 meses, y los de terminacin para la etapa de
construccin son 6, 7 u 8 meses. Adems, como la necesidad de energa elctrica adicional
es crtica, la direccin ha establecido una meta de 10 meses para terminar todo el proyecto.
Considerando los tiempos de terminacin para cada etapa, formule el espacio muestral para
la duracin del proyecto. Escriba los eventos:
A: la etapa 1 del proyecto dure 2 meses
B: la etapa 2 del proyecto dure 8 meses
C: el proyecto se termine exactamente en 10 meses
D: el proyecto se termine antes de los 10 meses
E: el proyecto no se concluya dentro del plazo establecido.
El espacio muestral puede construirse con ayuda del diagrama de rbol:
El espacio muestral es el conjunto universal en el estudio de conjuntos en tanto que, el
evento, es un subconjunto.
Complemento de un evento
Dado el evento A, el complemento de A se define como el evento formado por todos los
puntos muestrales que no estn en A. El complemento de A se representa con A.
Unin de dos eventos
La unin de A y B es el evento que contiene todos los puntos muestrales que pertenecen a
A o a B, o a ambos. La unin de A y B se representa con A B.
Interseccin de dos eventos
La interseccin de A y B es el evento que contiene los puntos muestrales que pertenecen
simultneamente a A y a B, y se representa como A B
Evento imposible y evento cierto
El conjunto vaco

es el evento imposible y el conjunto S es el evento cierto.


1
2
3
4
6
7
8
6
7
8
6
7
8
DISEO CONSTRUCCION
Eventos mutuamente excluyentes
Se dice que dos eventos son mutuamente excluyentes si no tienen puntos muestrales en
comn. Esto es, los eventos A y B son mutuamente excluyentes si, cuando ocurre uno, el
otro no puede ocurrir. Se puede expresar A B =

Probabilidad de un evento
Es una medida numrica de la posibilidad de que ocurra un evento.
Veremos tres mtodos de asignar probabilidades a los resultados de un experimento: el
clsico, de frecuencia relativa y el mtodo subjetivo. Sin importar el mtodo que se emplee,
las probabilidades asignadas deben satisfacer dos requerimientos bsicos de la
probabilidad:
1. La probabilidad asignada a cada resultado experimental debe estar entre 0 y 1,
inclusive. Si denotamos con E
i
el i-simo resultado experimental y P(E
i
) es su
probabilidad, entonces este requerimiento se puede escribir como
0 P(E
i
) 1 para toda i
2. La suma de las probabilidades para los resultados experimentales debe ser igual
a uno. Para n resultados experimentales, tenemos:
) ( P
n
1 i
i E

= 1
La probabilidad de un evento es la suma de las probabilidades asignadas a los resultados
experimentales del evento.
S
A
B
A y B eventos mutuamente excluyentes
Mtodo Clsico
Este mtodo es apropiado cuando los resultados experimentales son equiprobables. Si son n
resultados experimentales, una probabilidad de 1/n es la que corresponde a cada resultado
experimental.
Por ejemplo, consideremos el experimento de lanzar un dado,
P({1}) = P({2}= . . . = P({6}) =
6
1
La probabilidad del evento A = {2, 4, 6} es
P(A) = P({2}) + P({4}) + P({6}) =
6
1
+
6
1
+
6
1
=
6
3
La probabilidad de un evento, segn este mtodo, es el cociente del nmero de elementos
del evento y el nmero de elementos del espacio muestral. As podemos escribir:
P(A) =
) S ( n
) A ( n
En el proyecto de las dos etapas sucesivas, cules son las probabilidades de los eventos A,
B, C, D, E, B , A B, A B y B A .
Mtodo de frecuencia relativa
Es apropiado cuando se cuenta con datos para estimar la proporcin de veces en que
ocurrir un resultado experimental si el experimento se repite un nmero grande de veces.
Por ejemplo, si al lanzar un dado 360 veces en 64 oportunidades aparece el nmero cinco,
la frecuencia relativa 64/360 puede asumirse como la probabilidad de que ocurra el
nmero cinco. Si el evento A ocurre en n
A
veces cuando el experimento se repite n veces,
la probabilidad del evento A es la frecuencia relativa:
P(A) =
n
nA

Mtodo Subjetivo
Expresa el grado de creencia de que ocurrir un resultado experimental. Es personal. Se
puede pensar que personas diferentes asignan probabilidades diferentes al mismo resultado
experimental.
Axiomas de probabilidad
Es posible construir un sistema til de teoremas de probabilidad a partir de definiciones y
tres axiomas, llamados axiomas de probabilidad.
Axioma 1. Sea S el espacio muestral de un experimento:
P(S) = 1
Axioma 2. P(A) 0 para cualquier evento A de S.
Axioma 3. Sean A
1
, A
2
, A
3
, . . . una coleccin finita o infinita de eventos mutuamente
excluyentes, entonces
P(A
1

A
2

A
3
.. .) = P(A
1
) + P(A
2
) + P(A
3
) + . . .
Algunos teoremas que se pueden demostrar a base de estos tres axiomas son:
Teorema. Si

es el evento imposible entonces P(

) = 0
Teorema. Sea A el complemento del evento A con probabilidad P(A) entonces
P( A) = 1 P(A)
Teorema. Si A
1
y A
2
son dos eventos cualesquiera de S entonces
P(A
1

A
2
) = P(A
1
) + P(A
2
) P(A
1

A
2
)
Teorema. Si A
1
, A
2
y A
3
son tres eventos cualesquiera de S
P(A
1

A
2

A
3
) = P(A
1
) + P(A
2
) + P(A
3
) P(A
1

A
2
) P(A
1

A
3
) P(A
2

A
3
) + P(A
1

A
2

A
3
)
Ejemplos:
1.- Sea P(A) = 0.6, P(B) = 0.4 y P(A B) = 0.2, Se pide:
a) P( A) b) P(A

B) c) P(A
B ) d) P( A

B) e) P( B A )
Solucin:
a) P( A) = 1- P(A) = 1 0.6 = 0.4
b) P(A B) = P(A) + P(B)- P(A B) = 0.6 + 0.4 0.2 = 0.8
c) P(A) = P(A B ) + P(A B) de donde P(A B ) = P(A) P(A B) =
0.6-0.2 = 0.4
d) P( A

B)= P(B)- P(A

B) = 0.4 0.2 = 0.2


e) P( B A ) = P( ) B A = 1 P(A B) = 1 0.8 = 0.2
2.- La probabilidad que Dennos apruebe el curso de fsica es de 0.38, de que
apruebe el curso de matemtica es de 0.47 y de que apruebe al menos uno de los dos
cursos es de 0.7, cul es la probabilidad de que Dennos
a) no apruebe el curso de fsica
b) apruebe slo el curso de fsica
c) apruebe slo el curso de matemtica
d) apruebe ambos cursos
e) no apruebe los dos cursos
Solucin:
Sea F el evento apruebe el curso de fsica
M el evento apruebe el curso de matemtica
Se tiene:
P(F) = 0.38 P(M) = 0.47 P(F M) = 0.7
Entonces:
a) P( F) = 1- P(F) = 1 0.38 = 0.62
b) P(F M) = P(F) P(F M) = 0.38 P(F M)
c) P( F M) = P(M) P(F M) = 0.47 P(F M)
d) P(F M) = P(F) + P(M) P(F M) = 0.38 + 0.47 0.70 = 0.15
e) P( F M) = 1 P(F M) = 1- 0.70 = 0.30
Ejercicios:
1.- Escriba el espacio muestral de cada uno de los siguientes experimentos
aleatorios:
a) Lanzar una moneda tres veces sucesivamente
b) Observar cuatro artculos producidos para ver si son defectuosos o no.
c) Lanzar primero una moneda. Si sale cara lanzar un dado, si sale sello
lanzar nuevamente la moneda.
d) En la carta de un restaurante figuran tres platos de entrada: sangresita,
tamales, papa a la huancaina; cuatro platos de fondo: cabrito, arroz con pato,
tallarines, cau cau; tres postres: gelatina, leche asada, pie de limn. Se trata
de elegir al azar un men integrado por un plato de entrada, un plato de
fondo y un postre.
e) Con las personas a, b, c, d, e, f. se trata de elegir un directorio formado por
presidente, secretario y vocal.
f) La biblioteca de una universidad tiene cinco ejemplares de un cierto
texto en reserva. Dos ejemplares (1 y 2) son primeras impresiones, y los
otros tres (3, 4 y 5) son segundas impresiones. Un estudiante examina
estos libros en orden aleatorio detenindose slo cuando se selecciona
una segunda impresin. Un posible resultado es 5, y otro es 213. Escriba
el espacio muestral y escriba los eventos:
A: exactamente un libro debe ser examinado;
B: el libro 5 sea el seleccionado
C: no se examina el libro 1
2.- Para el ejercicio 1 a), obtener los eventos y hallar sus probabilidades:
a) en el primer lanzamiento ocurre cara.
b) en el tercer lanzamiento ocurre cara
c) en el primer lanzamiento o en el tercer lanzamiento ocurre cara
d) en el primer lanzamiento ocurre cara y en el tercer lanzamiento
ocurre cara.
3.- Para el ejercicio 1d), escribir los eventos y obtener sus probabilidades:
a) el primer plato elegido sea sangresita
b) el segundo plato elegido sea arroz con pato
c) el tercer plato elegido sea leche asada
d) el primer plato elegido sea sangresita y el segundo plato sea arroz
con pato.
e) el segundo plato elegido sea arroz con plato y el tercero sea
gelatina.
f) el primer plato elegido sea sangresita o el tercer plato elegido sea
gelatina.
4.- La probabilidad de que Teodosio vaya a misa los domingos es 0.32, de
que vaya de paseo es de 0.45 y de que vaya a misa o vaya de paseo es de
0.60.
Cul es la probabilidad de que Teodosio:
a) No vaya de paseo
b) Vaya a misa y de paseo
c) No vaya de misa y vaya de paseo
d) Vaya a misa y no vaya de paseo
e) No vaya a misa o no vaya de paseo.
5.- Los trabajadores de una empresa se clasifican por su edad y su lugar de
procedencia:
Lugar de procedencia
Edad Costa Sierra Selva
22-<28 32 20 18
28-<36 48 22 12
36-<44 26 15 6
44-<52 14 5 4
Se elige un trabajador al azar, cul es la probabilidad de que:
a) Proceda de la costa
b) Tenga entre 22-< 28 aos de edad
c) Proceda de la costa y tenga entre 22-< 28 aos de edad
d) Proceda de la costa o tenga entre 22-< 28 aos de edad
e) Tenga menos de 36 aos
f) No sea de la costa
g) Tenga menos de 36 aos y no sea de la costa.
6.- Segn una encuesta de una oficina de negocios, 14% de los adultos crea
muy posible un colapso burstil durante 1998, y 43% lo crea poco probable.
Si se preguntara a un adulto al azar,cul es la probabilidad de que responda
que no es probable un colapso burstil durante 1998?
7.- Una encuesta entre suscriptores indic que 45.8% haban rentado un
automvil durante los 12 ltimos meses por motivos de negocios, 54% por
motivos personales y 30% por motivos de negocios y personales a la vez.
a. Cul es la probabilidad de que un suscriptor rente un automvil
durante los 12 ltimos meses por motivos de negocios o personales?
b. Cul es la probabilidad de que un suscriptor no rente un
automvil durante los ltimos 12 meses por motivos de negocios o
personales?
8.- La experiencia muestra que el 25% de las quejas concernientes a las
lneas telefnicas domsticas se origina por la presencia de esttica en la
lnea. En 50% de los casos, hay deterioro de la lnea. En 35% slo ocurre tal
deterioro. Cul es la probabilidad de que
a. una queja seleccionada aleatoriamente comprenda ambos
problemas?
b. no abarque alguno de los dos?
9.- Se ha observado que 80% de los accidentes en fundidoras se debe a
errores humanos, y 40%, a falla de equipos. En 35% participan ambos
problemas. Se investiga un accidente en una fundidora. Cul es la
probabilidad de que slo haya resultado de errores humanos?
10.- Pruebe que P(A B) = P(A) + P(B) P(A B) siendo A y B dos
eventos cualesquiera de S.
Probabilidad Condicional
Muchas veces es de inters determinar la probabilidad de que ocurra un evento B dado que
ha ocurrido el evento A. Por ejemplo, de que salga 6 en el segundo lanzamiento de un dado
sabiendo que en el primer lanzamiento sali un nmero par, o de que se pida como
segundo plato cabrito dado que como primer plato se pidi papa a la huancaina. A la
probabilidad de que ocurra el evento B dado que ocurri el evento A se la denota P(B/A) y
se define como:
P(B/A) =
) A ( P
) B A ( P
donde P(A) > 0
Anlogamente,
P(A/B) =
) B ( P
) B A ( P
donde P(B) > 0
Por ejemplo, al lanzar tres veces una moneda: la probabilidad de que en tercer lanzamiento
salga cara dado que en el primer lanzamiento sali cara es
A: salga cara en el primer lanzamiento de la moneda
A = {ccc, ccs, csc, css } P(A) =
8
4
B = salga cara en el tercer lanzamiento
B = {ccc, scc, csc, ssc}
A B = {ccc, csc} P(A
) B
=
8
2
Asi
P(B/A) =
) A ( P
) B A ( P
=
8 / 4
8 / 2
=
2
1
La probabilidad que se obtenga exactamente una cara dado que se obtiene al menos una
cara:
S: se obtiene exactamente una cara S = {css, scs, ssc}
R: se obtiene al menos una cara R = {css, scs, ssc, ccs, csc, scc, ccc}
Entones
P(S/R) =
) R ( P
) S R ( P
=
8 / 7
8 / 3
= 3/7
En el ejercicio 1 d), cul es la probabilidad de elegir cabrito como segundo plato dado que
se eligi sangresita como primer plato?
Ley de la Multiplicacin
De las definiciones de probabilidad condicional
P(B/A) =
) A ( P
) B A ( P
y P(A/B) =
) B ( P
) B A ( P
Se obtienen:
PA
) B
= P(A) P(B/A) y P(A
) B
= P(B) P(A/B)
Si se extiende a tres eventos:
P(A
) C B
= P(A)P(B/A) P(C/(A
) B

P(A
) C B
= P(A)P(C/A)P(B/(A
) C
P(A
) C B
= P(B)P(A/B)P(C/(A
) B
Escriba las tres expresiones restantes de P(A
) C B
Ejemplos.
1. La probabilidad de que un avin se retrace por fallas mecnicas en el aeropuerto El
Saucesito es de 0.35, la probabilidad de que el avin se retrace por nubosidad del cielo
dado que tuvo fallas mecnicas es de 0.40, y la probabilidad que se retrace por fallas
mecnicas o nubosidad del cielo es de 0.63. Cul es la probabilidad de que el avin se
retrace por:
a) fallas mecnicas y nubosidad del cielo?
b) slo por nubosidad del cielo?
Sean los eventos
A: el avin se retrace por fallas mecnicas
B: el avin se retrace por nubosidad del cielo
Se tiene que
P(A) = 0.35
P(B/A) = 0.40
P(A
) B
= 0.63
Entonces
a) P(A
) B
= P(A)P(B/A)
= 0.35x 0.40 = 0.14
b) P( A

B) = P(B) P(A
) B
= 0.42 0.14 = 0.28
2.- Una urna contiene cuatro fichas blancas y seis fichas rojas. Se eligen dos fichas al azar
sin reposicin. Cul es la probabilidad de que
a) la primera ficha elegida sea blanca
b) la segunda ficha elegida sea roja dada que la primera fue roja
c) ambas fichas sean rojas
d) la segunda sea roja
Sea B
1
: la primera ficha elegida sea blanca
B
2
: la segunda ficha elegida sea blanca
R
1:
la primera ficha elegida sea roja
R
2
: la segunda ficha elegida sea roja
Entones
a) P(B
1
) =
10
4
b) P(R
2
/R
1
) =
9
5
c) P(R
1

R
2
) = P(R
1
) P(R
2
/R
1
) =
10
6
x
9
5
=
3
1
d) P(R
2
) = P[(B
1

R
2
)U(R
1

R
2
) = P (B
1


R
2
) + P(R
1


R
2
) =?
3.- Se sabe que en un lote de 200 componentes 10 son defectuosos y el resto son buenos. Se
extraen al azar tres componentes sin reposicin. Cul es la probabilidad de que
a) las tres sean defectuosos?
b) exactamente dos sean defectuosos?
c) por lo menos uno sea defectuoso?
Denotemos con:
D
1
: el primer componente elegido sea defectuoso
D
2
: el segundo componente elegido sea defectuoso
D
3
: el tercer componente elegido sea defectuoso.
Entonces:
a) P(D
1


D
2
D
3
) = P(D
1
) P(D
2
/D
1
) P(D
3
/(D
1

D
2
) =
200
10
x
199
9
x
198
8
=?
b) P(D
1

D
2

B
3
) + P(D
1

B
2

D
3
) +P(B
1

D
2

D
3
) =?
c) P(D
1

D
2

D
3
) = 1 P(B
1

B
2

B
3
) = ?
Eventos Independientes
Dos eventos A y B son independientes si y slo si P(A/B) = P(A) o P(B/A) = P(B)
Utilizando la Ley Multiplicativa, dos eventos A y B son independientes si

P(A B) = P(A) P(B)
La Ley Multiplicativa se puede extender a ms de dos eventos independientes:
Los eventos A, B, C y D son independientes si
P(A B C D) = P(A) P(B) P(C) P(D)
Teorema. Si los eventos A y B son independientes entonces:
a) los eventos A y B son independientes
b) los eventos A y B son independientes
c) los eventos A y B son independientes.
Ejemplos:
1.- El experimento aleatorio consiste en extraer una carta de una baraja de naipes. Sean los
eventos:
A : salga carta alta (10, 11, 12, 13, as)
B : salga una carta de diamantes
Son los eventos A y B independientes?
Se tiene:
P(A) =
52
20
=
13
5
P(B) =
52
13
P(A B) =
52
5
P(A/B) =
) B ( P
) B A ( P
=
52
13
52
5
=
13
5
= P(A)
Luego los eventos A y B son independientes.
2.- Durante un lanzamiento espacial, el sistema de cmputo primario est respaldado por
dos sistemas secundarios. Funcionan uno con independencia de los otros y cada uno es 90%
confiable.Cul es la probabilidad de que los tres sistemas sean funcionales en el momento
del lanzamiento?
Sean los eventos:
A
1
: el sistema principal funciona
A
2
: el primer sistema de respaldo funciona
A
3
: el segundo sistema de respaldo funciona
Se sabe que P(A
1
) = P(A
2
) = P(A
3
) = 0.9
Puesto que se supone que estos eventos son independientes, se tiene:
P(A
1

A
2

A
3
) = P(A
1
) P(A
2
) P(A
3
) = 0.9x0.9x0.9 = 0.729
3.- La probabilidad de que Dionisio viva 20 aos ms es 0.7, y la probabilidad de que
Domitila viva 20 aos ms es 0.80. Si se supone independencia para ambos, cul es la
probabilidad de que:
a) Slo Dionisio viva 20 aos ms?
b) Ninguno viva 20 aos ms?
Sean los eventos:
A
1
: Dionisio viva 20 aos ms
A
2
: Domitila viva 20 aos ms
a) P(A
1
2
A
) = P( A
1
) P( 2
A
) = 0.7x 0.20 = 0.140
b) P(
2 1
A A ) = p(
1
A ) P(
2
A ) =?. Por qu?
Teorema de la Probabilidad Total
Problema. La urna 1 contiene 4 bolillas blancas y seis bolillas negras, la urna 2 contiene 3
bolillas blancas y 5 bolillas negras. Se extrae al azar una bolilla de la urna 1 y se deposita
en la urna 2, luego de la urna 2 se extrae al azar una bolilla. Cul es la probabilidad de que
la bolilla extrada de la urna 2 sea blanca?
Sean los eventos:
A
1
: la bolilla extrada de la urna 1 sea blanca
A
2
: la bolilla extrada de la urna 1 sea negra
B : la bolilla extrada de la urna 2 sea blanca
Se pide:
P(B) = [(A
1

B)

(A
2

B)] = P(A
1

B) + P(A
2

B)
= P(A
1
) P(B/A
1
) + P(A
2
) P(B/A
2
) =
10
4
x
9
4
+
10
6
x
9
3
=
90
18
90
16
+
=
90
34
= ?
Teorema. Sea A
1
, A
2
, A
3
, . . ., A
n
una particin de S y B otro evento de S, entonces
P(B) = P(A
1
) P(B/A
1
) + P(A
2
) P(B/A
2
) + P(A
3
) P(B/A
3
) + . . . P(A
n
) P(B/A
n
)
= ) / ( ) (
1
i
n
i
i
A B P A P

Teorema de Bayes. Bajo las condiciones de la probabilidad total


P(A
k
/ B) =
) (
) (
B P
B A P
k

=
) (
) / ( ) (
B P
A B P A P
k k
=

n
i
i i
k k
A B P A P
A B P A P
1
) / ( ) (
) / ( ) (
A la probabilidad P(A
i
) se le llama probabilidad a priori y a la probabilidad
P(A
i
/B) se le llama probabilidad aposteriori o la probabilidad de A
i
conocida o dada la
ocurrencia de B.
Ejemplo. La probabilidad de que la bolilla extrada de la urna 1 sea blanca sabiendo que de
la segunda urna sali blanca es:
P(A
1
/B) =
) (
) / ( ) (
1 1
B P
A B P A P
=
90
34
9
4
10
4
x
=
34
16
=?
Ejemplo. La polica planea reforzar los lmites de velocidad mediante el uso de un sistema
de radar en cuatro diferentes puntos dentro de la ciudad. Las trampas de radar en cada uno
de los sitios L
1
, L
2
, L
3
, L
4
operan 40%, 30%, 20% y 30% del tiempo, y si una persona que
maneja a gran velocidad cuando va a su trabajo tiene de probabilidades de 0.2, 0.1, 0.5 y
0.2, respectivamente, de pasar por esos lugares,
a) cul es la probabilidad de que reciba una multa por conducir con exceso de
velocidad?
b) si la persona es multada por conducir con exceso de velocidad en su camino al
trabajo, cul es la probabilidad de que pase por el sistema de radar que se ubica en L
2
?
Se tienen los eventos:
A
1
: persona que maneja a gran velocidad pasa por L
1
A
2
: persona que maneja a gran velocidad pasa por L
2
A
3
: persona que maneja a gran velocidad pasa por L
3
A
4
: persona que maneja a gran velocidad pasa por L
4
B: persona recibe multa por exceso de velocidad
y las probabilidades:
P(A
1
) = 0.2, P(A
2
) = 0.1, P(A
3
) = 0.5, P(A
4
) = 0.2
P(B/A
1
) = 0.40, P(B/A
2
) = 0.30, P(B/A
3
), P(B/A
3
) = 0.20, P(B/A
4
) = 0.30
entonces:
a) P(B) = P[(A
1

B)

(A
2

B)

(A
3

B)

(A
4

B)]
= P(A
1
) P(B/A
1
) + P(A

) P(B/A
2
) + P(A
3
) P(B/A
3
) + P(A
4
) P(B/A
4
)
= ?
b) P(A
2
/B) = ?
Ejercicios:
1.- En un experimento para estudiar la relacin de la hipertensin arterial y los
hbitos de fumar en 200 personas se resumen en la tabla:
No Fumadores Fumadores
. Fumadores moderados empedernidos
Con hipertensin 23 41 33
Sin hipertensin 50 30 23
Si se selecciona una de las personas al azar, cul es la probabilidad de que.
a) Sufra de hipertensin?
b) Sea fumador empedernido?
c) Sufra hipertensin dada que la persona es un fumador empedernido?
d) Sea un fumador dado que no sufre de hipertensin
2.- Un lote de 80 circuitos integrados contiene 15 defectuosos. Se eligen dos al azar,
sin reemplazo, del lote.
a) Cul es la probabilidad de que el primero en ser seleccionado sea
defectuoso?
b) Cul es la probabilidad de que el segundo sea defectuoso dado que el
primero es defectuoso?
c) Cmo cambia la respuesta del inciso b) si los circuitos se toman con
reemplazo antes de la siguiente seleccin?
3.- Un lote de 400 contenedores para jugo de naranja congelado contiene cinco que
estn defectuosos. Se toman del lote dos al azar, sin reemplazo.
a) Cul es la probabilidad de que el segundo contenedor sea defectuoso
sabiendo que el primero lo fue?
b) Cul es la probabilidad de que los dos contenedores sean defectuosos?
c) Cul es la probabilidad de que ambos contenedores sean aceptables?
4.- La probabilidad de que un automvil al que se llena el tanque de gasolina
tambin necesite un cambio de aceite es 0.25, la probabilidad de que necesite un
nuevo filtro de aceite es de 0.40 y la probabilidad que necesite cambio de aceite y
filtro es 0.14,
a) Si se tiene que cambiar el aceite, cul es la probabilidad de que se
necesite un nuevo filtro?
b) Si necesita un filtro de aceite nuevo, cul es la probabilidad de que se
tenga que cambiar el aceite?
5.- En un estudio de las causas de interrupciones del abasto de energa elctrica, se
recopilaron los datos siguientes:
- Se debe a falla de transformadores en 5%
- Resulta de dao en las lneas de alimentacin en 80%
- Se involucra a ambos problemas en 1%
A partir de estos porcentajes, calcule la probabilidad aproximada de que una
interrupcin del abasto de energa elctrica comprenda:
a) dao de las lneas dado que el dao proviene de los transformadores
b) dao de transformadores, dado que el dao est en las lneas
c) dao en los transformadores sin dao en las lneas
d) dao en transformadores dada la ausencia de dao en las lneas
e) dao en transformadores o en las lneas
6.- Suponga que existe 50% de probabilidad de dao de disco duro de una
computadora si la lnea de alimentacin elctrica a la que est conectada es
alcanzada por una tormenta elctrica. Existe una probabilidad de 5% de que ocurra
tormenta elctrica en cualquier da de verano en un rea dado. Si la probabilidad de
que la tormenta elctrica afecte a la lnea es de 0.1%, cul es la probabilidad de que
la tormenta alcance la lnea y ocurra dao del disco duro durante la siguiente
tormenta elctrica en el rea?
7.- Una ciudad tiene dos carros de bomberos que operan de forma independiente. La
probabilidad de que un carro especfico est disponible cuando se le necesite es
0.92.
a) Cul es la probabilidad de que ninguno est disponible cuando se le
necesite?
b) Cul es la probabilidad de que un carro de bombero est disponible
cuando se le necesite?
8.- La probabilidad de que un paciente se recupere de una delicada operacin de
corazn es de 0.78, cul es la probabilidad de que:
a) exactamente dos de los siguientes tres pacientes que tienen esta operacin
sobrevivan?
b) los tres pacientes siguientes que tengan esta operacin sobrevivan?
9.- Suponga que el 2% de los rollos de tela de algodn son defectuosos, al igual que
el 3% de lo rollos de tela de nylon. De los rollos utilizados por un fabricante, 70%
son de algodn y 30% son de nylon. Cul es la probabilidad de que al seleccionar
al azar uno de los rollos ste sea defectuoso?
10.- Las muestras de vidrio de un laboratorio se colocan en empaques pequeos y
ligeros o en empaques pesados y grandes. Suponga que el 2% y el 1% de las
muestras enviadas empaques pequeos y grandes, respectivamente, se rompen
durante el trayecto a su destino. Si el 60% de las muestras se envan en empaques
grandes, y el 40% en empaques pequeos en empaques pequeos,Cul es la
probabilidad de que muestras se rompern durante el envo?
11.- Un centro de cmputo tiene tres impresoras A, B y C, que imprimen a
velocidad distinta. Los programas se envan a la primera impresora disponible. Las
probabilidades de que un programa se enve a las impresoras A, B y C son de 0.01,
0.03 y 0.1, respectivamente. En ocasiones, los impresos se atoran en la impresora y
se destruyen. Las probabilidades de que se atore el papel en las impresoras A, B y
C son de 0.01, 0.05 y 0.04, en el mismo orden. Un programa escrito por usted se
destruye al atorarse el papel en la impresora. Cul es la probabilidad de que ello
haya ocurrido en la impresora A? De que haya ocurrido en la impresora B? De
que haya ocurrido en la impresora C?
12.- Suponga que la probabilidad de que los frenos de aire de los camiones fallen en
un descenso particularmente largo es de 0.001. Suponga tambin que los frenos de
emergencia de esos camiones pueden detenerlos en el tipo de descenso mencionado
con probabilidad de 0.8. Estos sistemas de frenado funcionan independientemente
uno respecto del otro, Calcule la probabilidad de que:
a. los frenos de aire fallen y los de emergencia detengan al camin
b. los frenos de aire fallen y los de emergencia no pueden detener al camin
c. los frenos de emergencia no puedan detener al camin, dado que fallaron
los frenos de aire.