Cálculo de Probabilidad

M. G. Fiestras-Janeiro

E.E.I.
Índice

Conceptos básicos

Probabilidad

Probabilidad condicionada

Independencia de sucesos aleatorios.

Teoremas fundamentales
Conceptos básicos
Experimento aleatorio: experimento que puede dar lugar a
varios resultados, sin que sea posible anunciar con certeza
cuál de ellos aparecerá en una realización del experimento.
Espacio muestral: conjunto de todos los posibles resultados

diferentes a que da lugar un experimento aleatorio; .

Un mismo experimento aleatorio puede dar lugar a di-
ferentes espacios muestrales.

Ejemplo:
Experimento: Elegir un tornillo de un lote.

=
Espacio muestral 1: 1 f correcto, defectuosog

=
Espacio muestral 2: 2 f diámetro (mm) de la cabezag
Los espacios muestrales podemos clasificarlos en:
 Discretos: El espacio muestral es un conjunto finito o
infinito numerable (sucesión).

1 es un espacio muestral discreto
 Continuos: El espacio muestral es un intervalo.

es un espacio muestral continuo:
=[ ]7; 8 3 / 40
Conceptos básicos
Suceso elemental: un subconjunto del espacio muestral
formado por un único elemento; ! 2 .

Suceso: cualquier subconjunto del espacio muestral; A  .

Ocurre el suceso A si observamos alguno de los suce-

sos elementales que lo forman.

Ejemplo:
Experimento: Lanzar un dado perfecto con seis caras diferentes.

=
Espacio muestral: f1; 2; 3; 4; 5; 6; g
=
Suceso elemental: fObtener un cincog f5g
= =
Suceso: A fobtener un número par o un 1g f2; 4; 6; 1g

4 / 40
Conceptos básicos

Dado un experimento aleatorio con espacio muestral ,

A; B  .

 A  B: siempre que ocurre el suceso A, también ocurre el

suceso B.
=
 A B: significa que A  B y que B  A.
 A [ B: ocurre el suceso A o el suceso B.
 A \ B: ocurren A y B a la vez.
=
 Ac A: ocurre siempre que no ocurre A. Se llama suceso
complementario del suceso A.

 : ocurre siempre. Se llama suceso seguro.

=
 A n B A \ Bc : ocurre A y no ocurre B.
=
 A \ B ;: nunca ocurren a la vez A y B. Son dos sucesos
incompatibles, disjuntos o mutuamente excluyentes.

=( ) ( )
 A B A [ B n A \ B : o bien ocurre A o bien ocurre B,
pero no ambos. (Diferencia simétrica).
( )=
 Ac c A.
=
 A \ ; ; y A [ ; A. =
 A\
= A, A [
=
, y A[A =
.
5 / 40
Conceptos básicos
Dado un experimento aleatorio con espacio muestral ,

A; B; C  .

 Propiedad conmutativa:
A\B = B \ A; y A[B = B [ A:
 Propiedad asociativa:
A\B\C = (A \ B) \ C y A[B[C = (A [ B) [ C:
 Propiedad distributiva:
(
A\ B[C ) = (A \ B) [ (A \ C) (
y A[ B\C ) = (A [ B) \ (A [ C):
 Leyes de De Morgan.
(A \ B)c = Ac [ Bc y (A [ B)c = Ac \ Bc
6 / 40
Conceptos básicos
Ejemplos:
1 Observamos una vez si funciona o no un circuito.
Espacio muestral:
= fF; Fg
Sucesos posibles: ;,
, fFg, fFg.
2 Observamos el consumo de un motor en funcionamiento.
Espacio muestral:
= [ 2; 8]
Algunos sucesos:
=
A fconsumo mayor o igual que 2:5g =[
2:5; 8 ]
=
B fconsumo menor que 3g 2; 3 ;=[ )
=
A \ B fconsumo mayor o igual que 2:5 y menor que 3g= [2:5; 3)
=
A [ B fconsumo mayor o igual que 2:5; o menor que 3g= [2; 8]
=
B fconsumo mayor o igual que 3g =[ ]
3; 8
¿Los sucesos A y B son incompatibles?


Obtén el suceso B A. ¿Qué representa?
7 / 40
Conceptos básicos
¿Podemos describir todos los sucesos de cualquier
experimento aleatorio?
Definition
Dado un experimento aleatorio con espacio muestral
llamamos
 álgebra, A, a una colección de sucesos que verifica:
 ; 2 A.
 Si A1 ; A2 ; : :1: es una familia numerable de sucesos de A,
entonces [= An 2 A.
n 1
 Si A 2 A, entonces Ac 2 A.
Ejemplos:

 Espacio muestral es discreto:  álgebra es la familia de

subconjuntos de .

= fF; Fg, A = f;; fFg; fFg;
g


Espacio muestral es continuo:  álgebra son los sucesos de

la  álgebra de Borel,  , contenidos en .

= [2; 8]; [2:5; 8]; f4g; (2:5; 3); (2:5; 4] 2 A 8 / 40
Conceptos básicos
Ejemplo:
Un lote con 4 artículos tiene 2 artículos defectuosos.
 Obtén el espacio muestral si elegimos 2 unidades con
reemplazamiento.
 Obtén el espacio muestral si elegimos 3 unidades sin
reemplazamiento.
 Si extraemos con reemplazamiento 3 unidades, escribe los
siguientes sucesos:
Se obtienen exactamente 3 unidades defectuosas.
Se obtiene exactamente una unidad correcta.
Se obtienen a lo sumo 2 unidades correctas.
Obtén la diferencia simétrica de los sucesos de los dos
apartados anteriores.
Se obtiene alguna unidad defectuosa.
Se obtiene una unidad correcta y 2 unidades defectuosas.

9 / 40
Conceptos básicos
Ejemplo:
El tiempo que necesita un corredor para finalizar una determinada
carrera varía entre 6 y 15 segundos. Consideramos los sucesos:
A =[ ) =(
6; 8 , B ] =[
8; 10 , C ] =[
8; 12 , D )
9; 14 .
 Describe con palabras los sucesos A, B y D.
 Indica que pares de sucesos son incompatibles.
 Si ocurre el suceso B, entonces ¿ocurre también el suceso C?
 Si ocurre el suceso C, entonces ¿ocurre también el suceso D?
 Obtén los siguientes sucesos indicando su significado.
A.


C D.
B \ A.
A [ B [ C.
(
A\ C[D . )
C \ D.

10 / 40
Probabilidad

Definición

Dado un espacio muestral y una  álgebra de sucesos, A,

asociada a un experimento aleatorio, llamamos función de
probabilidad o función de masa de probabilidad a una función P :

P: A ! R
A ! P (A)

verificando las siguientes condiciones:

 P (A)  0, para cualquier A 2 A.
 P (
) = 1.
 Para cualquier familia de sucesos fAn gn2N tal que Ar \ As = ;
para cualquier r 6= s, se verifica que
X
P (n2[NAn ) = P (An ):
2
n N

A la terna (
; A; P ) le llamaremos espacio probabilístico.
11 / 40
Probabilidad
Ejemplo:

Observamos una vez si funciona o no un circuito.

Espacio muestral:
= fF; Fg
Sucesos posibles: A= f;;
; fFg; fFgg.
P: A ! R
; ! P (;) = 0

! P (
) = 1
fFg ! P (fFg) = 31

F ! P (F ) = 23

12 / 40
Probabilidad
Ejemplo:

Observamos el número de defectos que puede tener una

pieza.
Espacio muestral:
= f0; 1; 2g
Sucesos posibles: A = f;;
; f0g; f1g; f2g; f0; 1g; f0; 2g; f1; 2gg.
P : A ! R
; ! P (;) = 0

! P (
) = 1
f0g ! P (f0g) = 0:8
f1g ! P (f1g) = 0:15
f2g ! P (f2g) = 0:05
f0; 1g ! P (f0; 1g) = 0:95
f0; 2g ! P (f0; 2g) = 0:85
f1; 2g ! P (f1; 2g) = 0:2

13 / 40
Probabilidad
(
; A; P ) espacio probabilístico.
Propiedades de la función de masa de probabilidad P :
 P (;) = 0:
 Aditividad para una familia finita de sucesos
incompatibles dos a dos.
fAigi
=1;:::;n tales que Ai \ Aj = ; si i 6= j con i; j = 1; : : : ; n.
Entonces,
X
n
P (i [n1Ai) =
=
P (Ai):
i=1

 P (Ac ) = 1 P (A), para cualquier suceso A 2 A.

 Monotonía.
A; B sucesos tales que A  B, entonces P A ( )  P (B).
 P (A n B) = P (A) P (A \ B).
 P (A)  1, para cualquier suceso A 2 A.

14 / 40
Probabilidad
(
; A; P ) espacio probabilístico.
Propiedades de la función de masa de probabilidad P :
 Regla general de adición. Consideremos dos sucesos
A; B 2 A, entonces

P (A [ B) = P (A) + P (B) P (A \ B):

Si A1 ; A2 ; : : : ; An 2 A, entonces
X
n X
n X
P (i [n1Ai) =
=
P (Ai) P (Ai\Aj)+: : :+( 1)n 1P (i \n1Ai):
+
=
i=1 i=1 j>i

15 / 40
Probabilidad
Ejemplo: Una industria del sector del autómovil cataloga los
defectos de producción en dos clases (A y B). El 10 % de los
automóviles presentan ambos defectos, mientras que el 50 % no
tiene ninguno de ellos. Además, el defecto A aparece tres veces más
que el defecto B. Calcule la probabilidad de que un automóvil:
 Tenga el defecto B.
 Tenga solamente el defecto B.
Resolución:
A = f vehículo con defecto Ag; B = f vehículo con defecto Bg.
A \ B = f vehículo tiene defecto A y tiene defecto Bg; P (A \ B) = 0:1,
A \ B = fvehículo no tiene defecto A ni tiene defecto Bg; P (A \ B) = 0:5,
P (A) = 3P (B).

16 / 40
Probabilidad
A = f vehículo con defecto Ag; B = f vehículo con defecto Bg.
A \ B = f vehículo tiene defecto A y tiene defecto Bg; P (A \ B) = 0:1,
A \ B = fvehículo no tiene defecto A ni tiene defecto Bg; P (A \ B) = 0:5,
P (A) = 3P (B).
a) Calcule la probabilidad de que un automóvil tenga el defecto B.
()
¿P B ?

P (A \ B) = 0:5
P (A \ B) = P (A [ B) = 1 P (A [ B)
= 1 (P (A) + P (B) P (A \ B))
= 1 3P (B) P (B) + 0:1
Por tanto,
0:5 =1 ( ) P (B) + 0:1
3P B
y
P (B) = 103 = 0:15
17 / 40
Probabilidad
A = f vehículo con defecto Ag; B = f vehículo con defecto Bg.
A \ B = f vehículo tiene defecto A y tiene defecto Bg; P (A \ B) = 0:1,
A \ B = fvehículo no tiene defecto A ni tiene defecto Bg; P (A \ B) = 0:5,
P (A) = 3P (B), P (B) = 103 = 0:15
b) Calcule la probabilidad de que un automóvil tenga solamente el
defecto B.
fvehículo tiene solamente el defecto Bg = B \ A;
¿P (B \ A) =?
B = (B \ A) [ (B \ A) siendo B \ A y B \ A sucesos
incompatibles. Por tanto,
P (B) = P (B \ A) + P (B \ A).
Sustituyendo y operando resulta
P (B \ A) = 0:05
18 / 40
Probabilidad
Ejemplo:
Consideramos tres plataformas digitales de entretenimiento A
(series), B (películas), y C (deportes). Los siguiente datos se refieren
a sus abonados en una región geográfica determinada. El 60 % de
los abonados están abonados a la plataforma A, el 40 % lo están a la
plataforma B y el 30 % lo están a la plataforma C. Además, el 20 % de
los abonados están abonados a las plataformas A y B, el 10 % lo
están a las plataformas A y C, y el 20 % lo están a las plataformas B y
C. Además, solamente el 5 % está abonado a las tres plataformas.
Elegimos al azar un ciudadano de esa región.
 Calcule la probabilidad de que esté abonado a algun tipo de
plataforma de los tipos seleccionados.
 Calcule la probabilidad de que ese ciudadano esté abonado
exactamente a uno de los tipos de plataformas elegidas.

19 / 40
Probabilidad

Regla de Laplace
Dado un espacio muestral
=
f!1; : : : ; !ng y la  álgebra A

de familia de subconjuntos de (tiene 2n elementos), podemos

definir una función de probabilidad como:

P: A ! R
A ! P (A) = jAj=n

Observación:
(
Si P f!i g )= ( )=
P f!jg 1=n, para cualesquiera !i; !j 2 ,

decimos que los sucesos elementales son equiprobables.

P (A) = jAn j = Número de casos favorables

número de casos posibles

Si A es un conjunto finito, jAj representa el número de elementos de A. Por ejemplo, si A = f0 1 2g, jAj = 3.
; ;

20 / 40
Probabilidad
(
; A).
P (A) = jAn j = Número de casos favorables
número de casos posibles

Ejemplo: En un sorteo se elige al azar un número natural

entre el 1 y el 6 mediante el lanzamiento de un dado perfecto
de seis caras diferentes.

= f1; 2; 3; 4; 5; 6g, P (fig) = 16 , i = 1; : : : ; 6.
I = fEl resultado del sorteo es un número imparg = f1; 3; 5g,
P (I ) = 36 = 12 .
Calcula la probabilidad de que el resultado del sorteo sea
mayor que 3.

La Regla de Laplace se basa en contar el número de

elementos de un suceso. Veamos algunas reglas de conteo.

21 / 40
Probabilidad

Principio fundamental de conteo.

Tenemos m experimentos, cada uno con un espacio muestral
finito.
=
Para cada i 1; : : : ; m, el experimento i da lugar a ni resultados
diferentes (sucesos elementales).
Número total de resultados: n1
n2
n3


nm

Reglas de conteo.
 Permutaciones de n elementos diferentes.

n ! = n
(n )
(n
1 )


1:
2

Convenio: 0 !=1
Ejemplo:
¿Cuántas ordenaciones diferentes tenemos si disponemos de 3
libros distintos?

3!=3
2
1=6 22 / 40
Probabilidad

Reglas de conteo.
 Variaciones sin repetición de tamaño m de n elementos

Vn;m = n
(n 1 )
(n 2)


(n m + 1) = (n n!m)! :
Grupos de m elementos diferentes donde importa el orden.
Si n = 5 y m = 3, las secuencias "1; 2; 3" y "2; 1; 3" son diferentes.
Si n = m, Vn n = n!
;

Ejemplo:
Si disponemos de 5 colores distintos, ¿cuántas banderas diferentes
con solo 3 colores distintos podemos fabricar?

V5;3 = 5
4
(5 3 + 1) = (5 5! 3)! = 60

23 / 40
Probabilidad

Reglas de conteo.
 Combinaciones (sin repetición) de tamaño m de n
elementos
!
Cn;m = n
m
= m!
(nn! m)! :
Grupos de m elementos diferentes donde no importa el orden.
Si n = 5 y m = 3, las secuencias "1; 2; 3" y "2; 1; 3" son iguales.
Ejemplo:
Si disponemos de 5 colores distintos, ¿cuántas combinaciones
diferentes de 3 colores podemos utilizar?

C5;3 = 3!
(55! 3)! = 10

24 / 40
Probabilidad

Reglas de conteo.
 Variaciones con repetición de tamaño m de n
elementos
=
Vnr;m n
n
n


(m
n nm : =
n posibilidades para la primera posición por n posibilidades para
la segunda posición, etc.
Grupos de m elementos donde importa el orden y puede haber
elementos repetidos.
Si n = 6 y m = 2, las secuencias "1; 1" y "2; 1" son posibles.
Ejemplo:
Si disponemos de las letras fa; b; cg, ¿cuántos grupos diferentes de 2
letras podemos formar?

V3r;2 = 32 = 9
fa; ag; fa; bg; fa; cg; fb; ag; fb; bg; fb; cg; fc; ag; fc; bg; fc; cg
25 / 40
Probabilidad condicionada
Ejemplo

Cara (c) Cruz (+)

= fcR; cN ; +R; +N g :
P (cR) = 61 ; P (cN ) = 26 = 31 ; P (+R) = 26 = 13 ; P (+N ) = 16 :
A = fObtener una bola negrag = fcN ; +N g. P (A) = 21 .
B = fResultado del lanzamiento ha sido carag = fcg. P (B) = 21 .
P (Aj fcg) = 23 :
26 / 40
Probabilidad condicionada
(
; A; P ) espacio probabilístico.
()
Tomamos un suceso B 2 A con P B > 0 y A 2 A.

Definición
Probabilidad de A condicionada por B:

P (AjB) = P (PA(\B)B) :

Es decir,
P (
jB) : A ! R
A ! P (AjB) = PPA\B B (
( )
)

Es una función de probabilidad, por tanto, cumple todas las

propiedades de las funciones de masa de probabilidad que
hemos visto.

27 / 40
Probabilidad condicionada
Ejemplo

Cara (c) Cruz (+)

= fcR; cN ; +R; +N g :
P (cR) = P (cN ) = 26 = 31 ; P (+R) = 26 = 13 ; P (+N ) = 16 :
1
6
;
A = fObtener una bola negrag = fcN ; +N g. P (A) = 21 .
B = fResultado del lanzamiento ha sido carag = fcg. P (B) = 21 .
P (Aj fcg) = 23 :
A \ B = fcN g, PPA\B B = = 32 :
1
( ) 3
( ) 1
2
28 / 40
Probabilidad condicionada
Observaciones:
 (
; A; P (
jB)) con P (B) > 0: espacio probabilístico
condicionado por el suceso B.
 P (
jB) es una función de probabilidad y verifica:
P (AjB) + P (AcjB) = 1:

 ( ) + P (AjBc) = 1:
No se cumple que P AjB
Ejemplo:
Consideramos el espacio muestral
=
f1; 2; 3g, la función
( )=
de probabilidad definida por P f1g 1=4, P f2g ( )=
1=2 y
( )= =
P f3g 1=4, y los sucesos A f1; 2g y B f1; 3g.=
Entonces
( )= (
P AjB 21 ; P AjBc 1: )=
29 / 40
Probabilidad condicionada

Teorema del producto.

Consideremos un espacio probabilístico (
; A; P ) y sean
A1 ; : : : ; An sucesos tales que P ( i\1 Ai) > 0: Entonces,
n 1
=

P (A1 \ : : : \ An) = P (A1)
P (A2jA1)


P (Anj ni \11 Ai):

=

Ejemplo:
( )
Si A1 ; A2 ; A3 con P A1 \ A2 > 0, entonces

P (A1 \ A2 \ A3) = P (A1)
P (A2jA1)
P (A3jA1 \ A2):

30 / 40
Independencia de sucesos aleatorios.

Definición
(
)
Consideremos un espacio probabilístico ; A; P . Dos
sucesos A; B 2 A son independientes si y sólo si

P (A \ B) = P (A) P (B):

Proposición
Consideremos un espacio probabilístico (
; A; P ). Sean
A; B 2 A.
1 ()
Si P A > 0, A y B son independientes si y solo si
( )= ( )
P BjA P B .
2 Si P (B) > 0, A y B son independientes si y solo si
P (AjB) = P (A).
31 / 40
Independencia de sucesos aleatorios.

Proposición
Consideremos un espacio probabilístico (
; A; P ) y A; B 2 A
independientes. Entonces,
 Ac y B son independientes.
 A y Bc son independientes.
 Ac y Bc son independientes.

Observación:
El concepto de independencia de sucesos no es equivalente al
concepto de sucesos incompatibles.

 ()
Si A y B son sucesos independientes con P A > 0 y
()
P B > 0, entonces no son sucesos incompatibles.
 ()
Si A y B son sucesos incompatibles con P A > 0 y
()
P B > 0, entonces no son sucesos independientes.

32 / 40
Independencia de sucesos aleatorios.

Definición
(
)
Consideremos un espacio probabilístico ; A; P . Sea F una
familia de sucesos. Decimos que es una familia de sucesos
independientes dos a dos si para cada par de sucesos
A; B 2 F se verifica que

P (A \ B) = P (A)
P (B):
Definición
(
)
Consideremos un espacio probabilístico ; A; P . Sea F una
familia de sucesos. Decimos que es una familia de sucesos
mutuamente independientes o independientes si para
cualquier colección finita de sucesos Ai1 ; : : : Aik 2 F se verifica
que
( )= ( ) ( )
P Ai1 \ : : : \ Aik P Ai1


P Aik :

33 / 40
Independencia de sucesos aleatorios.

Familia de sucesos independientes dos a dos no es equivalente a

familia de sucesos mutuamente independientes.

(
)
Consideremos un espacio probabilístico ; A; P y la familia
=
de sucesos F fA; B; Cg siendo
=
f1; 2; 3; 4g,
P (f1g) = P (f2g) = P (f3g) = P (f4g) = 41 ,
A = f1; 2g, B = f1; 3g y C = f1; 4g.
Veamos que esta familia de sucesos es una familia de sucesos
independientes dos a dos pero no es una familia de sucesos
mutuamente independientes.
P (A) = 12 ; P (B) = 12 ; P (C) = 12 ;
P (A \ B) = 41 = P (A) P (B); P (A \ C) = 14 = P (A) P (C);
P (B \ C) = 41 = P (B) P (C);
P (A \ B \ C) = 14 6= P (A) P (B) P (C): 34 / 40
Teoremas fundamentales

Teorema de las probabilidades totales.

Consideremos un espacio probabilístico (
; A; P ).
Sean A1 ; : : : ; An sucesos tales que [ Ai
n
=
y Ai \ Aj = ; si
=
i 6 j.
i=1

( )
Supongamos que P Ai > 0 para cualquier i = 1; : : : ; n.
Sea B un suceso. Entonces,
X
n
P (B) = P (BjAi)
P (Ai):
i=1

35 / 40
Teoremas fundamentales

Teorema o Regla de Bayes.

Consideremos un espacio probabilístico (
; A; P ).
Sean A1 ; : : : ; An sucesos tales que [ Ai
n
=
y Ai \ Aj = ; si
=
i 6 j.
i=1

( ) =
Supongamos que P Ai > 0 para cualquier i 1; : : : ; n.
()
Sea B un suceso tal que P B > 0. Entonces,

P (AjjB) = PnP (BjAj)
P (Aj) para cualquier j = 1; : : : ; n:

P (BjAi)
P (Ai)
i=1

36 / 40
Teoremas fundamentales
Ejemplo:
La plantilla de un taller de la Inspección Técnica de Vehículos posee
dos categorías de técnicos (A y B) en proporción 2/5 y 3/5. En base a
datos históricos se sabe que los técnicos de la categoría A dan por
buenos los coches que inspeccionan con probabilidad 3/4 y los de la
categoría B con probabilidad 2/3.
A = f técnico que realiza la inspección es del grupo Ag
B = f técnico que realiza la inspección es del grupo Bg
I = fel vehículo seleccionado pasa la inspeccióng
Datos del problema:
PA ( ) = 25 , P(B) = 35 , P(I jA) = 34 y P(I jB) = 23

37 / 40
Teoremas fundamentales
A = f técnico que realiza la inspección es del grupo Ag
B = f técnico que realiza la inspección es del grupo Bg
I = fel vehículo seleccionado pasa la inspeccióng
Datos del problema:
PA ( ) = 25 , P(B) = 35 , P(I jA) = 34 y P(I jB) = 23
a) Si un vehículo ha superado la inspección, ¿cuál es la
probabilidad de que haya sido inspeccionado por un técnico de
la categoría A ?

( ) = P(A)P(PI j(AA))+P(PI j(AB))P(I jB)

P AjI

con P(I ) = P(A)P(I jA) + P(B)P(I jB).

Por tanto,

PI( ) = 25  34 + 53  23 = 107 ; y

( ) = 5 7 4 = 37
2 3
P AjI
38 / 40
Teoremas fundamentales
A = f técnico que realiza la inspección es del grupo Ag
B = f técnico que realiza la inspección es del grupo Bg
I = fel vehículo seleccionado pasa la inspeccióng
Datos del problema:
PA ( ) = 25 , P(B) = 35 , P(I jA) = 34 y P(I jB) = 23
b) ¿Cuál es la probabilidad de que un vehículo no supere la
inspección o sea inspeccionado por un técnico de la categoría
B?
( ) = P(I ) + P(B)
P I[B (
P I\B )
siendo P(I \ B) = P(B)P(I jB):

(
P I\B ) = 35  13 = 15 ; y

(
P I[B ) = 103 + 35 1
5
= 107
39 / 40
Teoremas fundamentales
Ejemplo:
En una máquina que produce cierto tipo de piezas pueden ocurrir de
modo incompatible dos tipos de averías : A y B.
La avería A ocurre con probabilidad 0:2 y la avería B ocurre con
probabilidad 0:1. Además, si no se produce ni la avería A ni la avería
B, todas las piezas fabricadas son correctas, mientras que si ocurre
la avería A, una pieza es defectuosa con probabilidad 0:2 y con
probabilidad 0:8 si sufre la avería B.
La producción de las piezas se hace de modo independiente. Se
fabrican 4 piezas donde solamente la última es defectuosa. Calcula
la probabilidad de que ocurra este suceso.

40 / 40