Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2 Bases de la probabilidad
Objetivos
• corriente frecuencial
• corriente clásica
• corriente subjetiva
• corriente bayesiana
Definición 2.1
Un modelo matemático es una representación simbólica de un fenómeno cualquiera, realizada
Definición 2.2
Cuando se realiza un modelo matemático de un fenómeno y en él se pueden manejar los factores
que intervienen en su estudio con el propósito de predecir sus resultados, se le llama modelo
determinístico.
60
Gran cantidad de fenómenos son del tipo determinístico, pero existen muchos
más en los cuales no es posible controlar los factores que intervienen; por tanto
Definición 2.3
Cuando se realiza el modelo matemático de un fenómeno en el cual no se pueden controlar los
factores que intervienen en su estudio, y si dichos factores ocurren de manera que no es posible
predecir sus resultados, se llama no determinístico, probabilístico1 o estocástico.
Ejemplo 2 1. Se desea conocer el lugar donde caerá un satélite que salió de su órbita y se dirige a la
Tierra. No es posible predecir el lugar donde caerá, puesto que no se tiene control de
su movimiento; por tanto, sólo es posible indicar un área o región donde se cree caerá,
con un valor numérico que represente la aseveración.
2. No es posible establecer la posición de un electrón en un determinado momento. Por
lo aprendido en cursos de física se sabe que un electrón no tiene posición fija, sino
que cambia constantemente sin reglas en su movimiento. En tal caso sólo es posible
suponer, con un cierto valor numérico, un área en la que el electrón puede estar.
3. Se lanza diez veces una moneda con el fin de obtener cinco caras águila. Este modelo
es probabilístico, puesto que no se puede predecir sus resultados.
1
Sobre la definición de probabilidad, ver la sección siguiente.
61
Definición 2.4
Al proceso por el cual se describen los resultados que no se conocen y no se pueden predecir, se
le llama experimento aleatorio o probabilístico.
Ejemplo 3 1. Se lanza una moneda tres veces y se hace el conteo referente a la cantidad de soles que
aparecen.
2. Se lanza un dado para observar la cara superior resultante.
3. Se lanzan dos dados y se hace el conteo a partir de la suma de las caras superiores
resultantes.
4. Se observa la cantidad máxima y mínima de gotas de lluvia que caen durante un día
en un área de diez centímetros cuadrados.
5. Se observa la cantidad de artículos defectuosos en un lote de 50 objetos, en el cual
existen nueve defectuosos. Se toman al azar (sin reemplazo) los artículos y se anotan
los resultados hasta obtener el último defectuoso.
6. Se lanza un dado hasta obtener tres caras iguales consecutivas. Se lanza el dado y se
anotan los resultados hasta obtener tres resultados iguales.
Definición 2.5
Al proceso por el cual se describen los fenómenos cuyos resultados se pueden predecir, se le llama
experimento determinístico.
Ejemplo 4 1. Tiempo de caída libre de un objeto. Si se conoce la altura y no existen fuerzas externas,
se puede predecir el tiempo de caída por medio de la expresión analizada en el curso
de física experimental o en el de cinemática
1 2
h gt
2
Definición 2.6
Al conjunto de todos los resultados posibles de un experimento probabilístico se le llama espacio
muestral 3 del experimento y se simboliza por S. A los elementos de un espacio muestral se les
llama puntos muestrales.
2
El concepto de conjunto fue estudiado en el curso de álgebra superior, en el que se determinó que por conjunto
se entiende una colección de objetos bien definida, por medio de alguna o algunas propiedades en común. Por
objeto se entiende no sólo cosas físicascomo discos, computadoras, etc., sino también abstractas, como números,
letras, etc. A los objetos que forman el conjunto, se les llama elementosdel conjunto.
3
Este concepto se empleó en la sección 2.3, junto con las propiedades de conjuntos; por ahora es suficiente
su definición.
62
Ejemplo 5 1. Se lanza una moneda tres veces y se anotan los resultados. El espacio muestral está
representado águila por a y sol por s
2. Se lanza una moneda tres veces y se anota la cantidad de caras águila que aparecen.
El espacio muestral está representado por cero para la ausencia de caras águila, uno
para la presencia de una y así sucesivamente.
S = {0, 1, 2, 3}
S = {1, 2, 3, 4, 5, 6}
4. Se lanzan dos dados y se anota la suma que resulte de ambos. El espacio muestral está
formado por
S = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
Definición 2.7
Dado un experimento aleatorio y su espacio muestral S, se le llama evento a un conjunto de
posibles resultados de S. Un evento es un subconjunto de un espacio muestral.
Definición 2.8
Al evento que consta de un solo elemento se le llama evento simple.
Ejemplo 6 Retomando los ejemplos anteriores, se determina el evento indicado en los espacios
muestrales:
1. Se lanza una moneda tres veces y se anotan los resultados. Dado el evento
E: “aparece sólo una cara águila”, representado águila por a y sol por s
E = {ssa, sas, ass}
2. Se lanza un dado. Dado el evento E: “el número de la cara superior que sea
menor o igual a cuatro”
E = {1, 2, 3, 4}
3. Se lanzan dos dados y se hace la suma de sus resultados. Dado el evento E: “la
suma de las carasque sean mayores que cuatro”
E = {5, 6, 7, 8, 9, 10, 11, 12}
Ejercicio 1
1. Se lanzan tres monedas y se anota la cantidad de veces que caen caras águila.
2. Se lanzan tresmonedas
tres monedas y se observan las combinaciones de resultados con lastres
las tres
monedas.
Algunas de las dificultades por las que atraviesa esta corriente de probabilidad son
probabilidad está basada, como su nombre lo indica, en la frecuencia relativa,4 con la que
se obtiene E si el experimento se repite una gran cantidad deveces, en condiciones similares
(no idénticas, puesto que en este caso el proceso no sería aleatorio).
Por ejemplo, se lanza una moneda tres veces y se anota la cantidad de caras sol que
aparece. Dado el evento E: “obtención de dos caras sol en los tres lanzamientos”, ¿cuál es
la probabilidad de que ocurra el evento E?
Desde el punto de vista frecuentista, el experimento se debe realizar una gran
cantidad de veces. Considerando que el experimento se repite mil veces en condiciones
similares y el resultado es igual a 400 casos con dos caras sol, la probabilidad de que
ocurra E es 400/ 1 000=0.4.
Ahora bien, si el experimento se repite cien mil veces, de las cuales 38 mil resultan
con dos caras sol, la probabilidad de que ocurra E es 38 000/ 100 000 = 0.38.
De esta forma, el experimento podría repetirse tantas veces como se quiera y
obtener una frecuencia relativaparala probabilidad del evento E. Pero, ¿por quédiferentes
resultados para un mismo evento? La respuesta está en la interpretación de lo que se
entiende por “repetir el experimento una gran cantidad de veces”. ¿Qué se entiende por
una gran cantidad de veces? y ¿cuál sería la cantidad de repeticiones?Estas condiciones
son muy vagas para servir de base para una definición científica de probabilidad. En
combinación con esto, en muchos de los fenómenos no es posible realizar gran cantidad
de repeticiones, por ejemplo
4
Ver la definición de frecuencia relativa en la unidad 1.
66
1. Evento por comprensión A ={x| x es el lado que queda arriba al lanzar un dado}.
2. Evento por extensión A = {1, 2, 3, 4, 5, 6}.
67
Definición 2.9
Al evento que tiene como resultado una cantidad determinada al contar sus elementos, se le llama
evento .
Por ejemplo
1. A: “esun número par”, resultado del lanzamiento de un dado, esto esA = {2, 4, 6}.
2. A: “al menos se observan cuatro caras sol en seis lanzamientos de una moneda”,
esto es A ={4, 5, 6}.
Definición 2.10
Al evento que no contiene ningún elemento, es decir, no existe algún resultado del experimento que
cumpla sus condiciones, se le llama evento vacío (no realizable).
Por ejemplo
A: “lanzamiento de un par de dados y que la suma de sus lados sea mayor a trece”;
esto es, A = { }, el evento A no tiene ningún elemento. La máxima suma de las caras en el
lanzamiento de dos dados es doce. El evento vacío se simboliza por Ø.
Definición 2.11
Al evento en el cual el proceso de conteo de resultados no termina, se le llama .
Por ejemplo
Definición 2.12
Al evento A que tiene entre sus elementos y el conjunto de los números naturales N o algún
subconjunto de éste, una correspondencia en la cual a cada elemento del evento A le corresponde
uno y sólo un elemento de N o algún subconjunto de N y, además, a cada elemento de N le
corresponde un elemento de A se le llama numerable o contable.
Con esta definición se puede verificar que cualquier evento finito es numerable.
Estos conceptos, aunque sencillos, requieren de gran cuidado en su aplicación. En los
casosde loseventos infinitos se presentan dificultades para encontrar la correspondencia
que nos indique si son o no numerables, si a eso se agrega que los eventos infinitos no
siempre son numerables y que su demostración no siempre es sencilla, surgen muchas
dificultades para distinguir entre eventos numerables y no numerables, además de que es
necesario introducir algunos otros conceptos que están fuera del objetivo del libro. Por
ejemplo, cualquier evento cuyos elementos son los puntos del intervalo (a, b) con a b,
no es numerable.
68
Ejemplo 7 Los siguientes incisos son ejemplos de eventos infinitos numerables (los eventos finitos
siempre son numerables).
0
–1 –3
–2 etcétera
Sobre la notación
0 , de manera similar –1 –1 le
corresponde el , etcétera.
–8
–6 2
– etcétera
–2
Cuando se trabaja con eventos se observa que entre sus elementos pueden existir algunas
relaciones. Por ejemplo, la igualdad entre éstos, o como se verá al final de la subsección, el
caso contrario, es decir, cuando los eventos no tienen elementos en común.
Definición 2.13
Los eventos A y B correspondientes a un mismo experimento son iguales si cualquier resultado de
A es también elemento de B, y viceversa
donde
Una relación muy particular entre los eventos consiste en estudiar los casos en que
todos los elementos de un evento están contenidos en otro.
Definición 2.14
Sean los eventos A y B correspondientes a un mismo experimento, se dice que A es subevento
de B si cualquier elemento que esté en A está en B. Se simboliza
A B
es decir, A B; si a A, entonces a B.
69
Anteriormente se indicó que entre los elementos de dos o más eventos puede ser
que no exista alguna propiedad en común, en dicho caso se dice que ambos se excluyen
o que son mutuamente excluyentes.
Definición 1.15
Los eventos A y B, correspondientes a un mismo experimento, se llaman mutuamente excluyentes
si no tienen resultados comunes. Esto es, para cualquier a A, entonces a B; igualmente, para
todo b B, entonces b A (ver conjuntos ajenos o disjuntos).
Esposible generalizar que el evento vacío con cualquier otro evento son mutuamente
excluyentes.
A B
Nota Los profesoreshan observado que muchosestudiantes, al realizar operaciones entre even-
tos, cometen el error de indicar como resultado de estas operaciones los elementos sin
formar un evento. Las operaciones entre eventos siempre deben dar como resultado otro
evento.
70
A B
A B
71
A B
El complemento del evento A es otro evento formado por los resultados del experimento
que pertenecen al espacio muestral, pero queno pertenezcan al evento A. El complemento
del evento A se simboliza por Ac o A' (complemento de A).
Ejemplo 8 Dados el espacio muestral S= Z (el conjunto de losnúmeros enteros) y los eventosA = {2, 3,
5, 7, 11, 13, 17}; B = {5, 6,..., 30}; C = {0, 1, 2, 3, 4, 5, 6, 7, 8, 9}, y D = {–6, –4,..., 10, 12};
se realizan las operaciones A B; A B; C A; C D; A – B; C – A, y A D
Definición 2.17
Al conjunto cuyos elementos son todos eventos se le llama familia de eventos. Para diferenciar en
la notación de un simple evento a la familia de eventos, se representará por las letras A , B, etcétera.
Por ejemplo, A = {A1, A2,..., An}, donde A1, A2,..., An son eventos, es una familia
de eventos.
• {{1, 2, 3}, {2, 3, 5, 7}, {4, 8, 12, 16}} sí es una familia de eventos, ya que sus tres
elementos son eventos
• {1, 2{1, 2, 3}, {2, 3, 5, 7}} no es una familia de eventos, ya que de sus cuatro
elementos, 1 y 2 no son eventos
• { , {1, 2, 3}, {2, 3, 5, 7}, {4, 8, 12, 16}} sí es una familia de eventos, ya que sus
cuatro elementos son eventos
73
Dados los eventos A1, A2,..., An, es posible generalizar las operaciones de unión e inter-
sección entre ellos de la siguiente manera
n
A1 = A1 A2, ..., An = {x| existe una i I n tal que x Ai} (unión).
i 1
n
A1 = A1 A2, ..., An = {x| x Ai para toda i In} (intersección).
i 1
donde se denota por I el conjunto de todos los números naturales, menores o iguales a n.
n
Ejemplo 10 Dados los eventos A1={1, 2, 3, 4, 5, 6, 7, 8, 9}; A2={3, 5, 7, 9, 11}; A3={2, 4, 6, 8, 10};
A4={1, 4, 7, 10, 13, 16, 19, 22}, y A5={0, 1, 2,..., 9}, se encuentran su unión e intersección
5
Unión Ai = {0, 1, 2,..., 10, 11, 13, 16, 19, 22}
i 1
5
Intersección Ai =
i 1
En el estudio de los eventos y sus operaciones surgen familias que debido a sus propie-
dades son de gran importancia en la formalización del desarrollo de la teoría de las
probabilidades; dichas familias se llaman particiones.
Particiones
Dado A como un evento y A1, A2,..., An subeventos de A, los cuales forman una familia
A = { A1, A2,..., An}, de eventos, se dice que A forma una partición del evento A, si los
subeventos dados cumplen con
Ejemplo 11 Dado el evento A = {1, 2,..., 100}, se indica si los eventos siguientes, del mismo experi-
mento, forman una partición de A
Los tres eventos son subeventos de A, con los cuales la segunda condición de
una partición se cumple, ya que A = A1 A2 A3; sin embargo, la tercera
condición no se cumple, puesto que A2 A3 y A2 A3 ; por tanto, dichos
eventos no forman una partición del evento A.
2. A1 = {10, 11,..., 19}, A2 = {20, 21,..., 29},..., A9 = {90, 91,..., 100} y A10 = {0, 1, 2,..., 9}.
3. A1 = {10, 11,..., 19}, A2 = {20, 21,..., 29},..., A9 = {90, 91,..., 100} y A10 = {1,..., 9}.
Estos eventos sí forman una partición del evento A, ya que se cumplen las tres
con-diciones. A = A1 A2 ... A10 y todos los eventos son mutuamente
excluyentes.
4. A 1 = {10, 11,..., 19}, A 2 = {20, 21,..., 29},..., A 9 = {90, 91,..., 100}, A 10 = {1,..., 9},
A 11 = {10, 11,..., 19}.
Estos eventos sí forman una partición del evento A, ya que se cumplen las tres
condiciones: A = A1 A2 ... A11, y los eventos 1, 2,..., 10 son mutuamente
excluyentes y el evento 11 es igual al evento 1.
5. A = R.
Dados Sel espacio muestral y A una familia de eventos en él, con A, B y C, eventos
cualesquiera en S, que pertenecen a A , se llaman leyesdel álgebra de eventosa las contenidas
en el siguiente cuadro
Con ayuda de estas leyesse pueden efectuar demostraciones sobre la igualdad entre
eventos y para el cálculo de probabilidades, como se verá en la siguiente sección.
Ejercicio 2
3. Dado el espacio muestral S= {0, 1,... 20}, los eventos A = {2, 4, 5, 6, 7, 8, 9, 11, 12,
13, 15}, B = {0, 2,..., 20} y C = {2, 3, 5, 7, 11}, encuentra
a) Ac Bc
b) (Ac Bc) C
c) A – (B C)
d) (B – C)c – A
e) (A – C)c B
Definición 2.18
Dado un experimento con espacio muestral S y una familia de eventos A , tal que sus elementos
cumplen con las leyes del álgebra de eventos, se llama probabilidad axiomática a la función
numérica P, cuyo dominio es A y rango el intervalo [0, 1], tal que los valores P(E), para cualquier
evento E en A , cumplen con los siguientes tres axiomas, llamados axiomas de Kolmogorov para
Axioma 3 A , E1, E2 ,
E3 , ..., En , se cumple
n n
P Ek P E1 P E2 P En P Ek
k 1 k 1
Nota Cabe aclarar que esta definición axiomática de probabilidad no se contrapone a otras,
puesto que después de asignada una probabilidad para el evento E, por medio de alguna
de lasinterpretacionesestablecidas, la probabilidad P(E) se trata como un valor numérico
y, por tanto, se pierde en los axiomas su origen; esto es, los axiomas se basan en valores
numéricos que cumplen con las propiedades establecidas, no con la forma de asignación
de éstos. En conclusión, las dificultades que se tienen en la asignación de probabilidades
a un evento no contradicen los axiomas de Kolmogorov.
En particular, la asignación de probabilidades, según las corrientesde probabilidad
mencionadas, cumplen con los axiomas de Kolmogorov.
Teorema 2.4 Si A y B son eventos dentro de un mismo espacio muestral, tales que A B,
entonces P(A) P(B).
Teorema 2.5 Para dos eventos cualesquiera A y B, dentro de un mismo espacio muestral se
cumple P(A B) = P(A) + P(B) – P(A B).
Teorema 2.6 Para k eventos cualesquiera A1, A2,..., Ak, dentro de un mismo espacio muestral,
se cumple
k k
P( A1 A2 Ak ) P( A i ) P( A i Aj )
i 1 i j 2
k
P( A i Aj Ar ) ( 1)k 1P( A1 A2 Ak )
i j r 3
Ejemplo 12 1. Dados los eventos A y B correspondientes a un mismo espacio muestral, tales que
P(Ac) = 0.6, P(Bc) = 0.7 y P(A B) = 0.2, se calcula P(A B).
Empleando el teorema 2.2, se tiene
de igual manera,
P(A B) = 1 – P((A B)c) = 1 – 0.2 = 0.8
despejando P(B)
A B
0.3
79
4. En un juego se toman al azar (sin repetición) de una urna, que tiene cinco esferas
numeradas del uno al cinco, dos de ellas. La persona gana si las dos esferas extraídas
tienen número par. Se calcula la probabilidad de que la persona gane.
S = {1– 2, 1 – 3, 1 – 4, 1 – 5, 2 – 3, 2 – 4, 2 – 5, 3 – 4, 3 – 5, 4 – 5}
donde las parejas i – j significan que se extrajeron las esferas i con las j, con i j e i, j
desde 1 hasta 5.
Dado el evento E: “las dos esferas extraídas tienen número par”, donde
E = {2 – 4}
Ejercicio 3
1. Dados A y B como dos eventos en un mismo espacio muestral, tales que P(A) = 0.3,
P(B) = 0.3 y P(A B) = 0.4, calcula a) P(A B) y b) P(Ac Bc).
2. Dados los eventos A y B en un mismo espacio muestral, tales que P(A) = P(B) = 0.5
y P(A B) = 0.4, calcula a) P(Ac B) y b) P(Ac – B).
80
3. Dados A y B como dos eventos en un mismo espacio muestral, tales que P(A) = 0.7,
P(A B) = 0.9 y P(B) = 0.6, calcula P(Ac Bc).
4. Dados A y B como dos eventos mutuamente excluyentes, tales que P(A) = 0.4 y
P(B) = 0.2, calcula P(Ac B).
5. Se lanzan tres monedas y se anota la cantidad de caras águila que resultan.
Encuentra los puntos muestrales de este experimento y
a) asigna una probabilidad razonable a cada punto. ¿Son los puntos igualmente
probables?
b) dado el evento A: “observar exactamente una vez cara águila” y el evento B:
“observar al menos una cara águila”, encuentra los puntos muestrales de A y B, y
calcula P(Ac B)
Ejercicios propuestos
1. Dado el espacio muestral S= {0, 1,..., 20}, los eventos A = {2, 4, 5, 6, 7, 8, 9, 11, 12,
13, 15}, B = {0, 2,..., 20} y C = {2, 3, 5, 7, 11}, calcula
a) Ac Bc
b) (Ac B)c C
2. Se lanza un dado una vez y si sale un número par se lanza una moneda; si el
lanzamiento del dado no resulta par, entonces se lanza por última vez el dado. ¿Son
equiprobables los puntos muestrales?
3. Dados los eventos A y B en un mismo espacio muestral, tales que P(A) = 0.7,
P(Bc) = 0.6 y P(A B) = 0.9, calcula
a) P(Ac B)
b) P(Ac Bc)
4. Dados A y B como eventos mut uamente excluyentes, t ales que P(A) = 0.4 y
P(B) = 0.2, calcula P((A B)c).
5. Se lanzan tres monedasy se anota la cantidad de caraságuila que resultan. Establece
los puntos muestrales y asigna una probabilidad razonable a cada punto. Dados los
eventos A: “una cara águila” y el B: “por lo menos una cara águila”, calcula P(A B).
6. Dados A y B como eventos mut uamente excluyentes, t ales que P(A) = 0.3;
P(Bc) = 0.6, calcula
a) P(Ac Bc)
b) P(Ac – B)
81
7. Dos ajedrecistas (I y II) tienen la misma capacidad y juegan el uno contra el otro
una serie de cinco partidas. En cada partida no podrá haber tablas; para evitarlas
se jugarán partidas de cinco minutos hasta obtener un ganador registrando el
resultado de cada partida. Dado el evento A: “el ajedrecista I gane la serie”; en caso
de que gane tres partidas la serie se termina. Calcula P(A).
8. Se tienen cuatro billetes de 200 pesos, cada uno, de los cuales dos son falsos. Se va a
pagar una cuenta con dos de tales billetes; la cuenta la cobra el encargado tomando
dos de los cuatro billetes al azar. Calcula la probabilidad de que el encargado tome
por lo menos uno de los billetes falsos.
9. Dados los eventos A, B y C del espacio muestral S, tales que A y B forman una par-
tición de C, P(Cc) = 0.2 y P(C) = 4P(A); calcula
a) P(A)
b) P(B)
c) P(C)
Autoevaluación
1. Se lanzan tres monedas y se anota la cantidad de caras águila que resultan; establece
los elementos del espacio muestral de este experimento.
a) A B A yA B B
b) A–B A
c) A–B B
d) A A–B
3. Dados los eventos A y B mutuamente excluyentes, con P(Ac) = 0.6 y P(Bc) = 0.7;
calcula P(A B).
a) 0.70
b) 0.58
c) 0.07
d) 0
4. Dados A y B como dos eventos en un mismo espacio muestral, tales que P(A) = 0.7;
P(A B) = 0.9 y P(B) = 0.6; calcula P(Ac B).
a) 0.9
b) 0.1
c) 0.4
d) 0.7
82
5. Dados los eventos A y B en un mismo espacio muestral, tales que P(A) = 0.2, P(B) =
0.3, P(A B) = 0.4; calcula P(Ac Bc).
a) 0.1
b) 0.6
c) 0.2
d) 0.9
6. Se lanzan dos dados, calcula la probabilidad de que la suma de las caras del dado
que quedan hacia arriba sumen cinco.
1
a)
18
5
b)
36
1
c)
9
1
d)
12
a) 0.60
b) 0.70
c) 0.10
d) 0.33
a) P(A B) = P(A)
b) P(A B) P(A)
c) P(A B) P(A)
d) P(Ac) = P(A) – 1
a) bayesiana
b) clásica
c) frecuentista
d) subjetiva
83
Ejercicio 1
1.
a) {0, 1, 2, 3}
b) A = {1, 2, 3}
2.
a) {sss, ssa, sas, ass, saa, asa, aas, aaa}
b) {ssa, sas, ass, saa, asa, aas, aaa}
4. {(V1, V2), (V2, V1), (V1, V3), (V3, V1), (V2, V3), (V3, V2)}
5. {(1, 1), (1, 2), (1, 3), (1, 4), (1, 5), (1, 6), (2, s), (2, a),
(3, 1), (3, 2), (3, 3), (3, 4), (3, 5), (3, 6), (4, s), (4, a),
(5, 1), (5, 2), (5, 3), (5, 4), (5, 5), (5, 6), (6, s), (6, a)}
Ejercicio 2
2.
a) numerable
b) numerable
c) numerable
d) no numerable
e) no numerable
3.
a) {1, 3, 17, 19}
b) {1, 2, 3, 5, 7, 11, 17, 19}
c) {4, 5, 6, 7, 8, 9, 11, 12, 13, 15}
d) {1, 3, 17, 19}
e) {0, 2, 10, 14, 16, 18, 20}
4.
a) sí
b) sí
5.
a) se pueden construir varias
b) se pueden construir varias
84
Ejercicio 3
1.
a) 0.2
b) 0.8
2.
a) 0.1
b) 0.4
3. 0.1
4. 0.6
5.
a) no
1
b) A = {1} y B = {1, 2, 3} y P(Ac B) =
2
6. 0.3
7. 0.6
2. no
3.
a) 0.2
b) 0.1
4. 1
3
5. P(A B) =
8
6.
a) 0.3
b) 0.3
7. 0.5
5
8.
6
85
9.
a) P(A) = 0.2
b) P(B) = 0.6
c) P(C) = 0.8
Respuestas de la autoevaluación
1. d)
2. b)
3. a)
4. d)
5. b)
6. c)
7. b)
8. c)
9. d)