You are on page 1of 24

1

Prof.: David Becerra Rojas


PROBABILIDADES
Prof.: David Becerra Rojas
CONCEPTOS BSICOS
1. Experimento: Proceso de realizar una
observacin o una medicin.
2. Experimento Aleatorio ( E ): Experimento en
que son posibles ms de un resultado, los cuales
pueden ser indicados con anterioridad, y se
puede repetir muchas veces bajo las mismas
condiciones
3. Espacio Muestral ( S ): Conjunto de todos los
posibles resultados de un experimento aleatorio.
Prof.: David Becerra Rojas
Ejemplos de Espacio Muestral:
E1: Se lanza un dado y se cuenta el nmero de
puntos que aparecen en la cara superior.
S
1
: { 1 , 2 , 3 , 4 , 5 , 6 }
2
Prof.: David Becerra Rojas
Ejemplos de Espacio Muestral:
E2: Se lanza una moneda 4 veces y se cuenta
el nmero de sellos obtenidos.
S
2
: { 0 , 1 , 2 , 3 , 4 }
Prof.: David Becerra Rojas
Ejemplos de Espacio Muestral:
E3: Se enciende una ampolleta y se anota el
tiempo que transcurre hasta que se quema.
S
3
: { t |R / t > 0 }
Prof.: David Becerra Rojas
Ejemplos de Espacio Muestral:
E4: Se lanza una moneda dos veces, se
registra el signo que aparece.
S
4
: { CC , CS , SC , SS }
3
Prof.: David Becerra Rojas
Ejemplos de Espacio Muestral:
E5: Salen artculos en una lnea de produccin.
Se cuenta el nmero de artculos defectuosos
producidos.
S
5
: {0, 1 , 2, 3, 4, . . . . . . n }
n: Total de artculos producidos
Prof.: David Becerra Rojas
Ejemplos de Espacio Muestral:
E6: Una caja contiene 10 fichas, de las cuales 3 son
verdes. Se extrae al azar una ficha despus de
otra y se cuenta el nmero de fichas sacadas de la
caja , despus de haber obtenido:
a.- La ltima ficha verde
S
6a
= { 3, 4, 5, 6, 7, 8, 9, 10}
S
6b
= { 1, 2, 3, 4, 5, 6, 7, 8}
b.- La primera ficha verde
Prof.: David Becerra Rojas
SUCESO EVENTO
Sea E un Experimento y sea S un espacio
muestral asociado a E, entonces A es un
suceso si y solo si A se define como un
conjunto de posibles resultados del
experimento aleatorio, es decir un
subconjunto del espacio muestral S.
4
Prof.: David Becerra Rojas
Observacin:
1.- Sean A y B dos suceso asociados a un mismo
experimento E , entonces:
A B: Es un nuevo suceso que ocurre si y solo si
ocurre A , ocurre B o ambos.
A B: Es un nuevo suceso que ocurre si y solo si
ocurre A y ocurre B.
2.- Sean A
1
, A
2
,.......A
k
, sucesos asociados a un
mismo experimento, entonces:
A
1
A
2
. A
k
: Es un nuevo suceso que ocurre
si y solo si ocurre al menos un A
i
.
A
1
A
2
..... A
k
: Es un nuevo suceso que ocurre
si y solo si ocurren todo los A
i
a la vez.
Prof.: David Becerra Rojas
SUCESOS MUTUAMENTE
EXCLUYENTES(SME)
Sean A y B dos sucesos asociados a un
mismo espacio muestral S, se dice A y B
son sucesos Mutuamente excluyentes si no
pueden ocurrir ambos a la vez. Es decir si la
interseccin es vaca .
Si A B = C A y B son SME
Prof.: David Becerra Rojas
FRECUENCIA RELATIVA
Sea E un experimento, y sea A un suceso asociado
a E. Supongamos que el experimento E se realiza
n veces, y que n
A
son las veces que ocurre el
suceso A, entonces se define Frecuencia
Relativa al suceso A como:
n
n
f
A
A
=
5
Prof.: David Becerra Rojas
FRECUENCIA RELATIVA
Propiedades:
1.- 0 s
A
s 1
2.-
A
= 1 Si cada vez que se realiza el
experimento ocurre A.
3.-
A
= 0 Si A nunca ocurre.
4.- Sean A, B SME , entonces
AUB
=
A
+
B
e.d. Si A B = C
AUB
=
A
+
B
Prof.: David Becerra Rojas
FRECUENCIA RELATIVA
Propiedades:
5.- Si E se repite muchas veces, digamos
infinitas, entonces
A
tiende a la
probabilidad de A ( P(A) )

A
P(A)
n
Intuitivo
Prof.: David Becerra Rojas
Probabilidad
Definicin:
Sea E un experimento y sea S un espacio
muestral asociado a E, entonces a todo suceso
A, le asociaremos un nmero P(A), que
llamaremos, la probabilidad de que el suceso
A ocurra, y que tiene las siguientes
propiedades:
6
Prof.: David Becerra Rojas
Propiedades:
1. 0 s P(A) s 1
2. P(S) = 1
3. Sean A, B SME , es decir
A B = C P(A B) = P(A) + P(B)
4. Sean A
1
, A
2
,...A
k
SME de a pares, entonces:
P(A
1
.. A
k
) = P(A
1
)+....+P(A
k
)
P( A
i
) = E P(A
i
)
Prof.: David Becerra Rojas
Teoremas Bsicos:
1.- P(C) = 0
2.- Si A es el suceso complementario de A,
entonces: P(A) = 1 P(A)
3.- Si A c B entonces P(A) s P(B)
4.- Sean A y B sucesos cualesquiera,
entonces:
P(A B) = P(A) + P(B) - P(AB)
Prof.: David Becerra Rojas
Teoremas Bsicos:
5.- Sean A, B, C sucesos cualesquiera,
entonces:
P(ABC) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P( A B C )
7
Prof.: David Becerra Rojas
Ejercicio 1
Sea ; P( A ) = x
P( B ) = y
P( AB ) = z
Determine:
_
1.- P( A B ) =
_ _
2.- P ( A B ) =
Prof.: David Becerra Rojas
Ejercicio 2
Sea ;
P(A)=P(B)=P ( C ) = , P(AB)= P(AC)= 1/8 y
P(BC)= 0 , Determine: P(A B C)=
Respuesta: Segn Teo. 5 , Tenemos:
P(ABC) = P(A) + P(B) + P(C) - P(A B) - P(A C) - P(B C) + P( A B C )
Luego;
P( A B C ) = 1/4 + 1/4 + 1/4 1/8 - 1/8 0 + 0 = 1/2
Prof.: David Becerra Rojas
A
B
C
S
1/4 1/4
1/4
1/8
1/8
8
Prof.: David Becerra Rojas
Espacios Muestrales Finitos
Sea E un experimento y sea S = { s
1
,s
2
,....s
k
} un
espacio muestral finito, entonces, a cada suceso de la
forma s
i
= {s
i
} : lo llamaremos suceso elemental.
(el formado por un solo elemento), y le asociaremos
un nmero p
i
, que llamaremos, la probabilidad que el
suceso {s
i
} ocurra ( p
i
=P({s
i
}) ) y que cumple con las
Siguientes condiciones:
1.- p
i
> 0 i= 1,2,......k
2.- p
i
= 1
Prof.: David Becerra Rojas
Espacios Muestrales Finitos
Sea A c S un suceso cualesquiera talque:
A={s1 , s2 ,----, sr} ; r s k
luego;
A = {s1 }{s2 } ---- {sr }
P(A) = P(s
1
) + P(s
2
) + --- + P(s
r
)
por lo tanto; P(A) = p
1
+ p
2
+ ----- + p
r Prp. 4
Prof.: David Becerra Rojas
Espacios Muestrales Finitos
Ejemplo:
Supongamos que solo son posibles 3
resultados en un experimento aleatorio, de
tal manera que S = {s
1
, s
2
, s
3
}. Supongamos
adems que la ocurrencia de s
1
, es dos veces
ms probable que s
2
, y que s
2
es dos veces ms
probable que s
3
. cul es el valor de p
1
, p
2
y p
3
?
9
Prof.: David Becerra Rojas
Sea P({s
i
}) = p
i
i, i = 1,2,3
Tenemos que : p
1
= 2p
2
p
2
= 2p
3
Luego p
1
= 2(2p
3
) = 4p3
Pero p
1
+ p
2
+ p
3
= 1
por lo tanto:
4p
3
+ 2p
3
+ p
3
= 1
luego:
p
3
= 1/7 , p
2
= 2/7 , p
1
= 4/7
Prof.: David Becerra Rojas
Sucesos Equiprobables
Dos sucesos se dicen que son equiprobables
si tienen igual probabilidad.
Sea S= {s
1
,s
2
,------s
k
} y
sea p
1
,p
2
,....,p
k
sus probabilidades
respectivas, si los sucesos elementales son
equiprobables.
Prof.: David Becerra Rojas
Puesto que:
Si S = { s
1
,s
2
,......s
k
}, y como los {s
i
} son
equiprobables entonces, p
1
= p
2
= ......= p
k
= p
Luego como:

= =
= = = =
k
i
k
i
i
k
p kp p p
1 1
1
1
10
Prof.: David Becerra Rojas
Sucesos Equiprobables
De igual manera si A es un suceso cualesquiera tal que:
A = {s
1
,s
2
,------sr}
Donde, p
1
,p
2
,....,pr sus probabilidades respectivas, y
equiprobables entonces:
P(A) = p
1
+ p
2
+ - - - - - + p
r
= r p
y como p = 1/k , entonces:
P(A) = r / k
Prof.: David Becerra Rojas
Sucesos Equiprobables
Observacin:
Si S es un espacio muestral, donde sus
sucesos elementales son equiprobables y
A c S entonces:
P(A) = #A / #S = r / k
#A: Nmeros de elementos que tiene A y se
lee el cardinal de A.
(Casos favorables/Casos Posibles)
Prof.: David Becerra Rojas
Ejemplo
Sea E : se lanza un dado equilibrado y se cuenta el nmero
de puntos que aparecen en la cara superior. Determine:
a.- El espacio muestral
b.- Sea A: sale un nmero par
B: sale el dos o el tres
Determine:
_ _
P(A) , P(B) , P(AB) , P(AB)
11
Prof.: David Becerra Rojas
1.- El espacio muestral es : S = { 1,2,3,4,5,6}
2.- A = { 2,4,6 }
Luego #A = 3
B = { 2,3} Luego #B = 2
Por lo tanto ;
P(A) = 3/6 = 1/2
P(B) = 2/6 = 1/3
_
P(A B) =
_
P(A B) = 5/6
2/6 = 1/3
Prof.: David Becerra Rojas
Mtodos de Enumeracin
1.- Principio de Adicin: ( Regla del o )
E
1
n
1
E
2
n
2
} E
1
o E
2
n
1
+n
2
Ejemplo:
P Q
Valpso. Stgo.
E
1
:Areo
E
2
:Tierra
Luego: n
1
+ n
2
Avin
Helicptero
Bus
Auto
Moto
Prof.: David Becerra Rojas
Mtodos de Enumeracin
2.- Principio de Multiplicacin: ( Regla del y )
E
1
n
1
E
2
n
2
} E
1
y E
2
n
1
x n
2
Ejemplo:
P Q
Chile Europa
R
Brasil
E
1
:n
1
E
2
:n
2
Luego: n
1
x n
2
A
M
T
M
A
A
M
A
M
Diagrama del rbol
12
Prof.: David Becerra Rojas
Mtodos de Enumeracin
3.- Permutacin:
Si tenemos n objetos distintos, y queremos
ordenarlos tomando r de ellos. El nmero de
formas de hacer esta operacin, esta dado por:
)! (
!
r n
n
P
n
r

=
Prof.: David Becerra Rojas
Mtodos de Enumeracin
4.- Combinacin:
Si tenemos n objetos y queremos escoger r de ellos
sin que nos importe el orden. El nmero de maneras
de hacer esta operacin, esta dado por:
! )!* (
!
r r n
n
C
n
r

=
Prof.: David Becerra Rojas
Mtodos de Enumeracin
Observacin:
1.- n! : Se lee n-factorial, y esta dado por:
n! = n x (n-1) x (n-2) x ......x 3 x 2 x1
= n x (n-1)!
2.- 0! = 1
Ejemplo : 5! = 5 x 4 x 3 x 2 x 1 = 120
= 5 x 4! = 120
13
Prof.: David Becerra Rojas
Ejercicio
1.-Supongamos que una oficina cuenta con 18 personas;
determine:
a.- Cuntas comisiones de 3 se pueden formar?
b.-Cuntas directivas con un presidente, un secretario y un
tesorero, se pueden formar?
c.- Si en la oficina hay 10 mujeres.
c1.- Cuntas comisiones de 3 persona se pueden formar,
cuando debe haber una mujer por lo menos?
c2.- Cuntas directivas de 3 personas se puede formar, si
solo una mujer puede pertenecer?
Prof.: David Becerra Rojas
Tarea N__
1.-Demostrar:
a.-
b.-
n
r n
n
r
C C

=
1 1
1

+ =
n
r
n
r
n
r
C C C
2.- Si en una oficina de 15 persona 8 son mujeres, y se eligen
al azar 4 para un trabajo. Cual es la probabilidad de que:
a.- dos sean mujeres?
b.- al menos dos sean mujeres?
Prof.: David Becerra Rojas
Ejemplo:
Se lanza una moneda dos veces, se registra el
signo que aparece; determine:
1.- El espacio muestral S.
2.- La probabilidad de que salga a lo menos
un sello.
3.- La probabilidad de que salgan ms caras
que sello.
14
Prof.: David Becerra Rojas
Ejercicio
Una oficina cuenta con 18 personas, 10 de ellas
mujeres. Se seleccionan al azar dos, una despus
de otra, y se clasifican segn el sexo. Determine:
a.- El espacio muestral
b.- La probabilidad de que, al menos una sea mujer
c.- La probabilidad de que, hallan mas hombres que
mujeres.
Prof.: David Becerra Rojas
Probabilidad Condicional
Supongamos que tenemos 100 artculos, 20
de ellos defectuosos. Se escogen al azar 2,
uno despus del otro, y se definen los
siguientes eventos:
A = el primer artculo es defectuoso
B = el segundo artculo es defectuoso.
Determinar la probabilidad de A y B
cuando el experimento se realiza:
a.- con devolucin
b.- sin devolucin.
Prof.: David Becerra Rojas
a.- Con devolucin:
P(A) =
20/100 = 1/5
P(B) =
20/100 = 1/5
b.- Sin devolucin:
P(A) =
20/100 = 1/5
P(B) =
19/99 si ocurri A
_
20/99 si ocurri A
{
15
Prof.: David Becerra Rojas
Probabilidad Condicional
Notacin:
P(B/A): Probabilidad de B dado que
ocurri el suceso A.
En nuestro caso:
_
P(B/A) = 19/99 y P(B/A) = 20/99
Prof.: David Becerra Rojas
Probabilidad Condicional
Ejemplo: Se lanza un dado dos veces, el evento se
anota ( X
1
, X
2
) donde, Xi es el resultado del
lanzamiento i ( i = 1,2):
1.- Determine: El espacio muestral S
Si se definen: A = {(X1 , X2) / X1 + X2 =8 }
B = {(X1 , X2) / X1 > X2 }
2.- Determine:
P(A), P(B), P(A B), P( B/A), P(A/B)
Prof.: David Becerra Rojas
1.- S = { (1,1) ; (1,2) ; ..........; (1,6)
(2,1) ; (2,2) ;...........; (2,6)
-----------------------------
(6,1) ; (6,2) ;...........; (6,6) }
2.- A= {(2,6);(3,5);(4,4);(5,3);(6,2)} #A = 5
B = {(2,1)
(3,1);(3,2)
(4,1);(4,2);(4,3) #B = 15
(5,1);(5,2) (5,3);(5,4)
(6,1);(6,2);(6,3);(6,4),(6,5)}
Luego #S = 36
16
Prof.: David Becerra Rojas
Por lo tanto: P(A) = 5 / 36
P(B) = 15 / 36 = 5 / 12
Luego P(B/A) = 2 / 5
P(A/B) = 2 / 15
P(A B) = 2 / 36 = 1 / 18
Observemos que:
P(B/A) x P(A) = 1/18
P(A/B) x P(B) = 1/18
P(AB)
} =
y como: (A B) = {(5,3);(6,2)} # (A B) = 2
Prof.: David Becerra Rojas
Probabilidad Condicional
Definicin:
) (
) (
) / (
B P
B A P
B A P

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

=
Prof.: David Becerra Rojas
Ejemplo:
Supongamos que en una oficina hay 100 computadores
personales, 40 conectados a Internet, de los cuales solo 14
tienen lector de disco compacto (CD), el total de
computadores con (CD) es de 30. Se extrae uno del
total de computadores al azar determine la probabilidad
de que:
1.- este conectado a Internet.
2.- tenga lector de CD y este conectado a Internet
3.- si esta conectado a Internet, tenga lector de CD.
4.- si se extraen al azar 4 computadores, cul es la
probabilidad de que al menos dos tengan CD ?
17
Prof.: David Becerra Rojas
Desarrollo:
Sea A = El computador esta conectado a Internet.
B = El computador tiene lector de CD.
Luego tenemos:
A A Total
B 14 16 30
B 26 44 70
Total 40 60 100
Luego; 1.- P(A) = 40 / 100 = 2/5
2.- P(AB) = 14 / 100 = 7/50
3.- P( B/A) = 14 / 40 = 7/20
Prof.: David Becerra Rojas
Ejemplo 2:
De una caja que originalmente contiene
2 fichas azules y una ficha blanca, se extraen tres
al azar, en cada extraccin, se saca una, se registra
el color y luego se devuelve a la caja junto con dos
fichas del mismo color. Calcule la probabilidad
de que:
a.- Se obtengan dos fichas azules si hay al menos
una ficha blanca.
b.- Solo dos fichas sean blancas.
c.- Al menos dos fichas sean azules.
Prof.: David Becerra Rojas
Sea A: la ficha es azul
B: la ficha es blanca.
A
B
2/3
1/3
Diagrama del rbol
S = {AAA ,AAB, ABA, BAA, ABB, BAB, BBA, BBB}
A
B
A
B
A
B
A
B
A
B
A
B
4/5
1/5
2/5
3/5
6/7
1/7
4/7
4/7
3/7
3/7
2/7
5/7
2 A
1 B
18
Prof.: David Becerra Rojas
a.- Se obtengan dos fichas azules si hay al menos
una ficha blanca.
b.- Solo dos fichas sean blancas.
c.- Al menos dos fichas sean azules.
a.- ( 2/3 x 4/5 x 1/7 ) + ( 2/3 x 1/5 x 4/7 ) + ( 1/3 x 2/5 x 4/7 ) =
8 /105 + 8/105 + 8/105 = 24 / 105=8/35
b.- ( 2/3 x 1/5 x 3/7 ) + (1/3 x 2/5 x 3/7 ) + ( 1/3 x 3/5 x 2/7 ) =
6/105 + 6/105 + 6/105 = 18 / 105=6/35
c.- ( 2/3 x 4/5 x 1/7 ) + ( 2/3 x 1/5 x 4/7 ) + ( 1/3 x 2/5 x 4/7 ) +
(2/3 x 4/5 x 6/7 ) = 8/105 + 8/105 + 8/105 + 48/105 = 72 / 105
= 24/35
Prof.: David Becerra Rojas
Definicin: Sean B
1
,B
2
,......B
k
sucesos asociados
a un espacio muestral S. Si se cumplen
las siguientes condiciones:
i.- B
i
B
j
= C i = j = 1,2,...,k
ii.- B
i
= S
iii.- P( B
i
) > 0 i ; i = 1,2,...,k
Entonces diremos que B
1
,B
2
,....B
k
forman
una Particin del espacio muestral S
Prof.: David Becerra Rojas
Sea A un suceso asociado a un espacio muestral S
y si B1,B2,....Bk una particin de S:
Luego A = (AB
1
) (AB
2
) ........... (AB
k
)
an cuando algn AB i = C i i = 1,2,...,k por lo tanto
P(A) = P((AB
1
) (AB
2
) ..... (AB
k
))
nos queda
P(A) = P(AB
1
) + P(AB
2
)+....................+ P (AB
k
)
Como;
Luego tenemos;
P(A) = P(A/B
1
) x P(B
1
) + P(A/B
2
) x P(B
2
) +......+ P(A/B
k
) x P(B
k
)
Esto se conoce como, Teorema de Probabilidad Total
) (
) (
) / (
B P
B A P
B A P

=
) ( * ) / ( ) ( B P B A P B A P =
19
Prof.: David Becerra Rojas
El Teorema de Probabilidad Total tambin se puede
Escribir como:

=
=
k
i
i i
B P B A P A P
1
) ( * ) / ( ) (
Prof.: David Becerra Rojas
Ejemplo:
Cierto artculo es manufacturado por tres fbricas: F
1
, F
2
, F
3
.
Se sabe que la F
1
, produce el doble de artculos que F
2
y que esta
y F
3
, producen el mismo nmero de artculos.
Tambin se sabe que el 2% de los artculos producidos por cada una
de las dos primeras (F
1
y F
2
), son defectuosos, mientras que el 4%
de los producidos por F
3
, es defectuoso. Se ponen todos los artculos
juntos, de las tres fbricas, y se elige uno al azar ; Determine:
1. Cul es la probabilidad de que el artculo escogido sea defectuoso?
2. Si el artculo escogido es defectuoso, Cul es la probabilidad de
que sea de F
1
?
Prof.: David Becerra Rojas
Sean los siguientes sucesos:
A= { el artculo es defectuoso}
B
i
= { el artculo proviene de la F
i
} i = 1, 2, 3
Luego tenemos: B
1 B
2
B
3
P(A) = P( (AB
1
) (AB
2
) (AB
3
) )
A
S
= P(A/B
1
) P(B
1
) + P (A/B
2
) P(B
2
) + P (A/B
3
) P(B
3
)
20
Prof.: David Becerra Rojas
Sea n
i
: nmero de artculos que produce la F
i
y n = n
1
+ n
2
+ n
3
Por lo tanto como :
n
1
= 2 n
2
n
2
= n
3
entonces
n
1
= 2 n
3
y poniendo todo en funcin de n
3
, tenemos:
n = 2 n
3
+ n
3
+ n
3
= 4 n
3
Luego P(B
1
) = n
1
/n = 2n
3
/ 4 n
3
= 1/2
P(B
2
) = n
2
/n = n
3
/ 4 n
3
= 1/4
P(B
3
) = n
3
/n = n
3
/ 4 n
3
= 1/4
Prof.: David Becerra Rojas
Por otro lado tenemos:
P(A/B
1
) = 0.02
P(A/B
2
) = 0.02
P(A/B
3
) = 0.04
Por lo tanto:
P(A) = P(A/B
1
) P(B
1
) + P (A/B
2
) P(B
2
) + P (A/B
3
) P(B
3
)
= 0.02 x 1/2 + 0.02 x 1/4 + 0.04 x 1/4 = 1/40 =0.025
y 2.- la probabilidad de que sea de la F1 dado que es defectuoso ser
P(B
1
) =
P(B
2
) =
P(B
3
) =
Prof.: David Becerra Rojas
Podemos decir que:

=
=
3
1
1 1
1
) ( * ) / (
) ( * ) / (
) / (
j
j j
B P B A P
B P B A P
A B P
4 . 0
4 / 1 * 04 . 0 4 / 1 * 02 . 0 2 / 1 * 02 . 0
5 . 0 * 02 . 0
) /
1
( =
+ +
= A B P
21
Prof.: David Becerra Rojas
Generalizando tenemos:
Sea E un experimento, S un espacio muestral, B
1
.B
k
.
una particin de S, y A un suceso cualesquiera, Entonces:
k i
B P B A P
B P B A P
A B P
k
j
j j
i i
i
... 1 ;
) ( * ) / (
) ( * ) / (
) / (
1
= =

=
Esto se conoce como Teorema de Bayes
Prof.: David Becerra Rojas
Sucesos Independientes
Sean Ay B dos sucesos asociados a un espacio muestral S
Diremos que son Independientes, cuando la ocurrencia de
uno no afecta la ocurrencia del otro.
A y B son sucesos Independientes, si y solo si
) ( ) / (
) ( ) / (
B P A B P
A P B A P
=
=
Prof.: David Becerra Rojas
Ejercicio
1. Si A est incluido en B, entonces B es
independiente de A?
2. Si A y B son sucesos Mutuamente
Excluyentes, entonces son
Independientes?
22
Prof.: David Becerra Rojas
Sucesos Independientes
Ejemplo: Se lanza un dado dos veces, el evento se
anota ( X
1
, X
2
) donde, Xi es el resultado del
lanzamiento i ( i = 1,2):
Si se definen: A = {(X
1
, X
2
) / X
1
es par }
B = {(X
1
, X
2
) / X
2
es 4 o 5 }
2.- Determine:
P(A), P(B), P(A B), P( B/A), P(A/B)
Prof.: David Becerra Rojas
A = { (2,1), (2,2), (2,3), (2,4), (2,5), (2,6)
(4,1), (4,2), (4,3), (4,4), (4,5), (4,6)
(6,1), (6,2), (6,3), (6,4), (6,5), (6,6) }
#A=18
B={(1,4), (1,5)
(2,4), (2,5)
(3,4), (3,5)
(4,4), (4,5)
(5,4), (5,5)
(6,4), (6,5) }
#B=12
P(A)= #A / #S = 18/ 36 = 1/2
Sabemos que el #S = 36
P(B) = #B / #S = 12 / 36 = 1/3
AB = {(2,4), (2,5)
(4,4), (4,5)
(6,4), (6,5) }
# AB = 6
P(AB ) = # AB /#S = 6 / 36 = 1/6
2 / 1
3 / 1
6 / 1
) (
) (
) / ( = =

=
B P
B A P
B A P
3 / 1
2 / 1
6 / 1
) (
) (
) / ( = =

=
A P
B A P
A B P
) ( * ) ( ) ( B P A P B A P =
) (A P =
) (B P =
Prof.: David Becerra Rojas
Definicin
Sean Ay B dos sucesos asociados a un espacio muestral S
Diremos que son Independientes si y solo si:
) ( * ) ( ) ( B P A P B A P =
23
Prof.: David Becerra Rojas
Suponga que 192 de 960 trabajos en una universidad son de alta
prioridad; de stos, 128 son propuestos por estudiantes. y 64 por
el cuerpo docente. Del total, 640 trabajos son de los estudiantes y
320 de docentes. Si se selecciona un trabajo al azar. Determine:
a.- La probabilidad de que sea de alta prioridad y propuesto por
un estudiante.
b.-La probabilidad de que sea de alta prioridad, dado que
sabemos que fue propuesto por un estudiante.
c.- Es Independiente que el trabajo sea de alta prioridad, con que
sea propuesto por un estudiante?
Ejercicio:
Prof.: David Becerra Rojas
R Q
Ejercicio
Supongamos que la probabilidad de que un
rel se cierra independientemente, es de p.
Determine la probabilidad de que la
corriente pase de R a Q
1
2
3
4
Prof.: David Becerra Rojas
Ejercicio
Tres agencias de aduanas A, B y C pretenden
exportar 5.000 cajas de manzanas cada una. Se
sabe que 1/5 de las cajas de A, y 1/4 de las de
B, estn en mal estado. Se juntan todas las
cajas ( de las tres agencias) , se selecciona una y
se observa que est en mal estado, Cul es la
probabilidad que sea de la agencia A?.
24
Prof.: David Becerra Rojas
Ejercicio
La probabilidad de que un vehculo tenga un accidente en
Santiago es de 4/9, y la probabilidad de que un vehculo
tengan accidente en Buenos Aires es 8/15. Se elijen al azar un
Vehculo simultneamente en cada ciudad, determine la probabilidad
de que tengan accidentes:
a.- Ambos
b.- Al menos uno
c.- Solo el de Buenos Aires
d.- Solo uno
Prof.: David Becerra Rojas
Ejercicio
Si A y B son sucesos Independientes,
entonces, A y B son Independientes?
Prof.: David Becerra Rojas
F I N
Nos vemos en Variables Aleatorias