PROBABILIDAD

CAPITULO 3
1) INTRODUCCIÓN
Decisiones frente a la incertidumbre.
Cual es la probabilidad de que este dispositivo funcione más de 100 horas?
En la mayoría de los problemas hay que tomar decisiones con base en experimentos: Experimentoas
aleatorios
EXPERIMENTO ALEATORIO
Los experimentos u operaciones reales o hipotéticos pueden dividirse en dos:

DETERMINÍSTICOS NO DETERMINÍSTICOS

Si los resultados del experimento están Si los resultados del experimento no puede
completamente determinados y puede predecirse con exactitud antes de realizar
escribirse por una formula matemática, el experimento
llamado también modelo determinísticos
Aspectos comunes de los experimentos:

- Cada experimento puede repetirse indefinidamente sin cambiar esencialmente las condiciones
- Cada experimento es no determinístico

- Cada experimento tiene varios resultados posibles que pueden describirse de antemano con
precisión

El conjunto estará dado por {cara, sello}

El conjunto estará dado por {1,2,3,4,5,6}

2) EXPERIMENTOS ALEATORIOS
Son experimentos que tienen las tres propiedades descritas anteriormente.

3) ESPACIO MUESTRAL

El espacio muestral asociado a un experimento aleatorio Ɛ, al conjunto de todos los resultados posibles
de dicho experimento aleatorio y se lo denota con el símbolo Ω

Ω = {cara, sello} Ω = {1,2,3,……}

Ω = {1,2,3,4,5,6}
Existen 2 tipos de experimentos aleatorios:

SIMPLE COMPUESTO

Este consiste de dos o más experimentos simples sucesivos o simultáneos

Es fácil determinar su
espacio muestral, E.j,
todos loa anteriores “O”
Un experimento compuesto Ɛ, se
dice que es una O combinación de
los experimentos simples Ɛ1 y Ɛ2,
solo si el experimento Ɛ ocurre,
cuando el experimento Ɛ1 ó el Ɛ2
ocurre (pero no ambos)
“Y”
Un experimento compuesto Ɛ, se dice
que es una Y combinación de los
experimentos simples Ɛ1 y Ɛ2, si y
solamente si, el experimento Ɛ ocurre,
cuando ambos experimentos Ɛ1 y Ɛ2
ocurren

El espacio muestral asociado a Ɛ El espacio muestral asociado a Ɛ es el

es la unión de los espacios producto cartesiano de los espacios
muestrales Ω1 y Ω2 muestrales Ω1 y Ω2 correspondientes a
correspondientes a Ɛ1 y Ɛ2, es Ɛ1 y Ɛ2, es decir, Ω= Ω1 X Ω2
decir, Ω= Ω1 U Ω2
Ejemplo:

Ɛ : Lanzar un dado o una moneda. Hallar el espacio de muestral.

Lanzar el dado: Ɛ1 = Ω1 = {1,2,3,4,5,6}

Ω = {1,2,3,4,5,6, C,S}
Lanzar la moneda: Ɛ2 = Ω2 = {C,S}

Ɛ : Lanzar una moneda 3 veces. Hallar el espacio de muestral.

Ɛ1 = El primer lanzamiento Ω1 = {C,S} Ω = {(x, y, z)/x, y, z= C,S}

Ɛ2 = El primer lanzamiento Ω2 = {C,S}
Ω = {CCC, CCS,CSC,SCC,CSS,SCS,SSC,SSS }
Ɛ2 = El primer lanzamiento Ω2 = {C,S}

Tabla de 2 entradas 2° M C S
1° M
Esta sirve para el caso de 2 C CC CS
experimentos simples S SC SS
Ɛ : Lanzar 2 dados simultáneamente y observar las caras superiores. Hallar el espacio de muestral.
1 2 3 4 5 6
1 (1,1) (1,2) (1,3) (1,4) (1,5) (1,6)
2 (2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
3 (3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
4 (4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
5 (5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
6 (6,1) (6,2) (6,3) (6,4) (6,5) (6,6)

(1,1) (1,2) (1,3) (1,4) (1,5) (1,6)

(2,1) (2,2) (2,3) (2,4) (2,5) (2,6)
(3,1) (3,2) (3,3) (3,4) (3,5) (3,6)
Ω=
(4,1) (4,2) (4,3) (4,4) (4,5) (4,6)
(5,1) (5,2) (5,3) (5,4) (5,5) (5,6)
(6,1) (6,2) (6,3) (6,4) (6,5) (6,6)
Se tiene una caja con 10 artículos diferentes, se extraen 4 artículos de uno en uno, con reemplazamiento.
Describir el espacio muestral asociado a este experimento.
Los artículos de la caja serían a1,a2,a3,…,a10

Ω1 = {a1,a2,a3,…,a10} Ω1 = Ω2 = Ω3 = Ω2
Ω2 = {a1,a2,a3,…,a10} Ω = Ω1 X Ω2 X Ω3 X Ω2
Ω3 = {a1,a2,a3,…,a10}
Ω = Ω4
Ω4 = {a1,a2,a3,…,a10}
Ω = {(u,v,x,y) / u,v,x,y = a1,a2,a3,…,a10

Diagrama de árbol
Este también sirve para hallar
en espacio muestras de un
experimento aleatorio
compuesto
Ej.) Los artículos provenientes de una línea de producción se clasifican en defectuosos “D” y no
defectuosos “N” se observan los artículos y se anota su condición. Este proceso se continúa hasta
observar dos defectuosos consecutivos o hasta que se observen tres artículos no defectuosos. Describir el
espacio muestral asociado a este experimento.(10)
ESPACIO MUESTRAL DISCRETO

Estos constan de un número finito o infinito numerable de elementos.

i) Finitos: i) Infinitos:

Cuando puede establecerse una

correspondencia uno a uno con el conjunto
de los enteros positivos de modo que pueda
ser enumerado como 1,2,3....
Ej. Lanzar la moneda hasta que ocurra cara

C C C C

S S S S ………
.
ESPACIO MUESTRAL CONTINUO

Se dice que un espacio muestral es continuo, si tienen un número no numerable de elementos. Es decir,
cuyos elementos son todos los puntos de algún intervalo.

Ej.) Elegir un punto dentro del intervalo cerrado [0,1]

Observar el tiempo de vida de un artefacto eléctrico

En un laboratorio químico el volumen producido por día para un producto particular varia entre un valor
mínimo a y un valor máximo b, los cuales corresponden a la capacidad. Se escoge un día aleatoriamente y
se observa la cantidad producida. Escribir el espacio muestral.

Ω = {x ϵ ℝ /a ≤ x ≤ b}
EVENTOS

Dentro del espacio muestral existen subconjuntos y elementos, por lo tanto un evento es cualquier
subconjunto del espacio muestral, y se lo denotara con A,B,C,D……
𝐴 ⊂ Ω
Un evento es cualquier elemento de P(Ω)
SUCESO Es todo elemento de un espacio muestral y se lo denotara por: w,x,y….
𝑥 ∈ Ω
Un evento con un solo elemento, es un evento elemental: A= {w} es un evento elemental

Un evento {w} no es lo mismo que el suceso w

Ejemplo: A: “Ocurre número par” A: “se extrae un artículo defectuoso

A={2,4,6} A={D}

Ω = {1,2,3,4,5,6}
Experimento aleatorio de lanzar cuatro monedas simultáneamente. Definimos los eventos siguientes:
A1 : Todas las monedas muestran el mismo lado A1 = {CCCC, SSSS}

A2 : Ocurren por lo menos 2 caras

A2 = {CCCC, CCCS, CCSC, CSCC, SCCC, CCSS, CSCS, CSSC, SCCS, SCSC, SSCC }

A3 : Ocurre sello en el tercer lanzamiento

A3 = {CCSC, CSSC, CSSS, SCSC,SCSS,SSSS, CCSS, SSSC}

Lanzar una moneda hasta que salga cara

A : Se necesita más de cuatro lanzamientos A= { SSSC, SSSSSC,SSSSSSC,………..

(Φ)= conjunto vacío, ya que pueden solicitar eventos imposibles.

 4) ALGEBRA DE EVENTOS
Sub Eventos: Dado dos eventos, A y B se dice que A esta contenido en B o A es sub evento de B y denotado
por “A⊂B”, si todo suceso favorable a A, es favorable a B. Es decir, si ocurre el evento A ocurre el evento B

A⊂B, si w ϵ A wϵB

Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.

A: Se necesita por lo menos 20 lanzamientos

B: Se necesita más de 5 lanzamientos

Ω = {1,2,3,…….}
A = {20,21,22,23,…….}
A⊂B
B= {5,6,7,8……..}
Igualdad de eventos

Se dice que dos eventos A y B son iguales y se anota A=B si A⊂B y B⊂A.

Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.

A: Se necesita a lo más 10 lanzamiento

B: Se necesita menos de 11 lanzamientos

Ω = {1,2,3,…….}
A = {1,2,3,4,5,6,7,8,9,10}
A=B
B = {1,2,3,4,5,6,7,8,9,10}
 Unión de eventos

Dado 2 eventos A y B, se llama unión de A con B y se denota con A U B al evento formado por los sucesos
que pertenecen a A ó a B ó a ambos, es decir si ocurre el evento A ó B ó ambos

A U B = { w ϵ Ω/ w ϵ A v w ϵ B}

Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos

Ω = {1,2,3,…….}
A = {2,4,6,8,10,12,14,…..}
A U B = {2,4,6,8,10, 11, 12, 13….}
B = {11,12,13,14,15,16,…..}

Ocurre el evento ‫=𝑖𝑛ڂ‬1 𝐴𝑖 si y solo si ocurre al menos uno de los eventos 𝐴𝑖

 Intersección de eventos

Dado 2 eventos A y B, se llama intersección de de A con B y se denota con A ∩ B ó “AB” al evento formado
por todos los sucesos favorables a A y a B, es decir, ambos eventos A y B ocurren (la ocurrencia conjunta de
A y B)
A ∩ B = AB { w ϵ Ω/ w ϵ A Ʌ w ϵ B}

Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos

Ω = {1,2,3,…….}
A = {2,4,6,8,10,12,14,…..}
A ∩ B = {10,12,14,16,18…..}
B = {11,12,13,14,15,16,…..}

Ocurre el evento ‫=𝑖𝑛ځ‬1 𝐴𝑖 si y solo si ocurren todos los eventos 𝐴𝑖

Diferencia de eventos

Dado 2 eventos A y B, se llama diferencia de A con B y se denota con A - B al evento formado por los
sucesos favorables a A que no son favorables a B

A - B = { w ϵ Ω/ w ϵ A Ʌ w ∉ B}

Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos

Ω = {1,2,3,…….}
A = {2,4,6,8,10,12,14,…..}
A - B = {2,4,6,8,10}
B = {11,12,13,14,15,16,…..} B - A = {11,13,15,17,……}
Complemento de eventos

Si A es un evento del espacio muestral Ω , se llama complemento de A y denotado por A’ o 𝐴ҧ al evento

formado por todos los sucesos que no pertenecen a A, es decir, no ocurre el evento A

ҧ Ω – A = {w ϵ Ω/w ∉ A}
A’ = 𝐴=

Ej.: Lanzar una moneda hasta que ocurra cara y contar el número de lanzamientos de la moneda.
A: Se necesita un número par de lanzamientos
B: Se necesita mas de 10 lanzamientos
Ω = {1,2,3,…….}
A’ = 𝐴ҧ = 1,3,5,7…...}
B’ = 𝐵ത = {1,2,3,4,5,6,7,8,9,10}
B⊂A
Leyes distributivas
TAREA

Producto cartesiano

Leyes de De Morgan

𝐴 ∪ 𝐵 = 𝐴ҧ ∩ 𝐵ത

𝐴 ∩ 𝐵 = 𝐴ҧ ∪ 𝐵ത
EVENTOS MUTUAMENTE EXCLUYENTES Y COLECTIVAMENTE EXHAUSTIVOS

Dos eventos A y B definidos en el mismo espacio muestral, se dice que son mutuamente excluyentes si no
pueden ocurrir juntos, es decir, la ocurrencia de uno excluye la ocurrencia del otro
A∩B=Φ

Ej,: Se lanza un dado 2 veces. Sean los eventos

A: La suma de dos puntos obtenidos en los dos lanzamientos es 7

B: En los 2 dados se obtienen el mismo número

A y B son eventos mutuamente excluyentes, pues el evento A es el conjunto

A = {(3,4), (4,3), (1,6), (6,1) (5,2), (2,5)}
A∩B=Φ
B = {(1,1),(2,2),(3,3),(4,4),(5,5),(6,6)}
Una colección de eventos A1 ,A2 …An, definidos sobre un mismo espacio muestral se dice que son
mutuamente excluyentes, si la ocurrencia de uno de ellos excluye la ocurrencia de los otros, es decir,

𝐴𝑖 ∩ 𝐴𝑗 = Φ ⩝ 𝑖 ≠ 𝑗; 𝑖, 𝑗 = 1,2, … . 𝑛

Se dice que una colección de n eventos A1 ,A2 …An, definidos sobre el mismo espacio muestral son
colectivamente exhaustivos si la unión es igual al espacio muestral, es decir,

A1 U A2 U A3……U An=‫=𝑖𝑛ڂ‬1 𝐴𝑖 = Ω
 5) TÉCNICAS DE CONTEO
En muchos casos solo estaremos interesados en el número de elementos que tienen un espacio muestral o un
evento en particular, en estas situaciones se recurrirá a las técnicas de conteo.

PRINCIPIO DE MULTIPLICACIÓN
TEOREMA: Si un experimento aleatorio (u operación) E1 ocurre de n1 formas, y si para cada una de estas, un
experimento u operación E2 ocurre de n2 formas, entonces los dos experimentos juntos ocurren de n1n2
formas.
Ejemplo: Cuantos elementos tiene el espacio muestral del experimento aleatorio “lanzar una moneda y un
dado simultáneamente?

Moneda n1= 2 dado n2= 6 n1n2 = 12

Ejemplo: Una persona puede viajar de una ciudad A a otra B de 5 formas, y de B a C de 6 formas ¿de cuantas
formas puede ir de A a C pasando por B?

De A a B n1= 5 De B a C n2= 6 n1n2 = 30

TEOREMA: Si un experimento u operación E1 ocurre de n1 formas, y para cada uno de estos, un experimento u
(operación) E2 ocurre n2 formas, y para cada una de las dos primeras se puede efectuar un tercer experimento
(u operación) E3 de n3 formas y así sucesivamente, la secuencia de k experimentos (u operaciones) se realizara
de n1 n2…nk formas diferentes.

Ejemplo: Un producto se arma en tres etapas, para la primera etapa se tiene disponible 5 líneas de armado,
para la segunda 4 y para la tercera 6 líneas de armado. ¿De cuantas maneras puede moverse el producto en el
proceso de armado?
5 * 4 * 6 = 120

1) Los siguientes resultados son consecuencias obvias del principio de multiplicación.

Si n1=n2=….nk Entonces la secuencia de los K experimentos (u operaciones) ocurre de 𝑛𝑘

Ejemplo: Se lanza una moneda sucesivamente 6 veces ¿ de cuantas formas ocurre?

n1 = n2 =…= n6 n= 2 26 = 64
2) Sea N(A) denota el número de elementos de un conjunto A, supongamos que N(A) = m y N(B) = n. Entonces
el número de formar de seleccionar un elemento de A y un elemento de B es igual a mn

N(A x B) = N(A) x N(B) = mn

3) En general se cumple n(A1 x A2….x Ak) = N(A1)N(A2)…N(Ak)

PRINCIPIO DE ADICIÓN

TEOREMA: Si un experimento (u operación) E1 puede ocurrir de n1 formas y un segundo experimento (u

operación) E2 de n2 formas, entonces el experimento (u operación) E, que consiste en realizar E1 ó E2 (E1 y
E2 no pueden ocurrir juntos) ocurre de n1 + n2 formas, siempre que los espacios muestrales Ω1 y Ω2
asociados a E1 y E2 respectivamente sean disjuntos.

Ejemplo: Lanzar una moneda o un dado ¿de cuantas formas ocurre?

E1: Lanzar una moneda : n1= 2 E2: Lanzar un dado : n2= 6

n1 + n2 = 8
Ejemplo: Una persona puede viajar de A a B vía aérea o por vía terrestre y tienen a su disposición 5 líneas
aéreas, 6 líneas terrestres ¿ De cuantas formas puede hacer el viaje?
E1: Vía aérea : n1= 5 E2: vía terrestre: n2= 6
n1 + n2 = 11

TEOREMA: Si un experimento (u operación) E1 puede ocurrir de n1 formas y un segundo experimento (u

operación) E2 de n2 formas, Ek de nk formas, entonces en experimento E que consiste en realizar E1 ó E2…. o Ek
(los experimentos E1, E2 ….Ek no pueden ocurrir juntos) ocurre de n = n1 = n2 .... nk formas, siempre que los
correspondientes espacios muestrales sean disjuntos.
Ωi ∩ Ωj = Φ i ≠ j = 1,2,….,k
Ejemplo: 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 cuantas maneras puede venderse el producto?
5 + 4 + 6= 15
N(A U B)= N(A) + N(B)
1) El resultado siguiente es una
consecuencia inmediata del principio de En general, si A1, A2…Ak son conjuntos
adición. Si A y B son conjuntos disjuntos disjuntos dos a dos:
dos a dos
N[‫=𝑖𝑘ځ‬1 𝐴𝑖 ] = σ𝑘𝑖=1 𝑁(𝐴𝑖 )
PERMUTACIÓN

Una permutación es un
arreglo de todos o parte de
un conjunto de objetos.

Factorial de un número: Se define como el numero de todos los enteros consecutivos de 1 hasta “n” inclusive,
es decir:
n! = n (n-1)

Si n = 0 n! = 1

nPn ó P(n,n) = Número de permutaciones de n objetos tomados de n a n

Número de permutaciones de n objetos diferentes

TEOREMA: En número de permutaciones de n objetos diferentes es:

𝑃𝑛𝑛 P(n,n) n!
 TEOREMA: El número de permutaciones de
n objetos diferentes tomados de r a r es:

𝑛!
𝑃𝑛𝑟 = nPr =
𝑛−𝑟 !

El orden de los elementos es importante.

Si el conjunto tiene n elementos. Una permutación de los n elementos, es una n-upla ordenada; y el número de
permutaciones de los n elementos es el número de n-uplas ordenadas que se forman con los n elementos sin
repetición.
Las permutaciones de los n-elementos tomados de r a r , son r-uplas ordenadas, y el número de permutaciones
de los n elementos tomados r a r, es el número de r-uplas ordenadas que se pueden formar con los n elementos
sin repetición.
 Permutaciones circulares

Son las permutaciones que ocurren por

arreglos de objetos formando ( o alrededor de
un círculo). En estas agrupaciones no hay
primero ni último elemento, por hallarse todos
en una línea cerrada.

Para determinar el número de permutaciones, basta con fijar una posición de cualquiera de ellos, los (n-1)
restantes se podrán cambiar de lugar, de (n-1)! Formas diferentes tomando todas las posiciones sobre la
circunferencia relativa del primer punto

𝑃𝑐𝑟 = (n-1)!
PERMUTACIÓN CON REPETICIÓN

TEOREMA: El número de permutaciones distintas de n objetos de los cuales n1 son de una clase, n2 de una
segunda clase, ….. nk de una k-ésima clase y todo lo demás objetos de clase 1, se denota por 𝑃𝑛𝑛1,𝑛2,…..𝑛𝑘 y está
dado como: 𝑛!
𝑛1,𝑛2,…..𝑛𝑘
𝑃𝑛 =
𝑛1 ! 𝑛2 ! … … 𝑛𝑘 !

PARTICIÓN DE UN CONJUNTO
A menudo se necesita contar el número de formas de particionar un conjunto de n objetos diferentes en r
subconjunto , que se llaman celdas.

La partición se hace tomando en cuenta los siguientes criterios:

1. Los r subconjuntos son disjuntos 2 a 2
2. La unión de todos los subconjuntos es igual al conjunto original
3. El orden de los elementos dentro de cada celda no tiene importancia
A un conjunto con n elementos y a r subconjuntos, tal que el primero tenga n1 elementos, el segundo n2 y el
r-ésimo subconjunto nr elementos (n1+n2+…nr = n), el número de divisiones está dado por:

𝑛 𝑛!
=
𝑛1 , 𝑛2 , … 𝑛𝑟 𝑛1 ! 𝑛2 ! … … 𝑛𝑟 !

Donde el número superior representa el número total de elementos del conjunto y los números inferiores
representan al número de elementos asignados a cada celda.

TEOREMA. El número de formas posibles, que n objetos diferentes pueden

dividirse en r grupos distinguibles conteniendo n1,n2,…,nr objetos
respectivamente donde n1+n2+…nr = n, es:

𝑛 𝑛!
=
𝑛1 , 𝑛2 , … 𝑛𝑟 𝑛1 ! 𝑛2 ! … … 𝑛𝑟 !
COMBINACIÓN
Una combinación es el número de formas de seleccionar r objetos de n, sin importar el orden.

Definición

Un subconjunto de r elementos de un conjunto que tiene n elementos diferentes.

𝐶𝑛𝑟 o C(n,r)

Un conjunto que tiene n elementos se formará:

a) n combinaciones de un elemento (combinaciones de los n elementos tomados de uno a uno); es decir

𝐶𝑛1 = 𝑛

b) n combinaciones n-1 elementos (combinaciones de los n elementos tomados de n-1 a n-1); es decir
𝐶𝑛𝑛−1 = 𝑛

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

𝐶𝑛𝑛 = 1
 El problema será calcular el número de combinaciones de los n elementos de r a r, o sea 𝐶𝑛𝑟 , con:
r ≠1, n-1, n
Para esto se puede utilizar la siguiente ecuación:

Este número en 𝑛 𝑛!
𝑛! =
𝐶𝑛𝑟 = matemática tiene un 𝑟 𝑟! 𝑛−𝑟 !
𝑟! 𝑛−𝑟 !
símbolo especial

Llamado coeficiente binomial, porque aparece como coeficiente en el desarrollo del binomio (a+b)n

Una combinación de n elementos distintos tomados de a r, en realidad es una partición del conjunto en dos
subconjuntos (o celdas), donde una de ellas contiene r objetos y la otra las n-r restantes. Por lo tanto, el
número de tales combinaciones será el número de particiones, es decir:
𝑛 𝑛!
=
𝑟, 𝑛 − 1 𝑟! (𝑛 − 𝑟)!

TEOREMA: El número de combinaciones de n objetos diferentes tomados r a la vez es:

𝑛 𝑛!
𝐶𝑛𝑟 = 𝑟
=
𝑟! 𝑛−𝑟 !
5) PROBABILIDAD
DEFINICIÓN CLÁSICA
Esta fue dada por Laplece, esta se basa en el supuesto de que todos los resultados posibles de un
experimento aleatorio son igualmente probables, es decir, cada uno de los elementos del espacio muestral
tienen la misma probabilidad de salir.

“La probabilidad de un evento es la razón entre el número de casos (sucesos) favorables y el número total
de casos (sucesos) posibles, siempre que nada obligue a creer que algunos de estos sucesos debe tener
preferencia a los demás, lo que hace que todos sean igualmente posibles”.

𝑁𝐴 𝑛𝐴 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 𝑎𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝐴

P[A] = = =
𝑁Ω 𝑛 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠

Observaciones

1. La probabilidad de un evento cualquiera A esta comprendido entre 0 y 1. En efecto: nA y n son enteros

positivos y 0 ≤ nA ≤ 1.
0 ≤ P[A] ≤ 1.
 0
2. Si a A es un evento imposible P[A] = 0 En efecto: A = Φ, entonces nA = 0, luego P[A] = = 0
𝑛
𝑛
3.P[A]= 1 si A es un evento seguro En efecto: A = Ω, entonces nA = n, luego P[A] = = 1
𝑛

1
4. Puesto que todos los elementos de Ω={w1, w2,…,wn} son igualmente probables, se tiene 𝑃 {𝑤𝑖} = , i=
𝑛
𝑛
1,2,…n y P[Ω] = σ𝑖=1 𝑃 𝑤𝑖 = 1

Si A es un evento de Ω, entonces: P[A]= σ𝑤𝑖 ∈𝐴 𝑃 𝑤𝑖 =1

DEFINICIÓN DE PROBABILIDAD POR FRECUENCIA RELATIVA

“Si un experimento bien definido se repiten n

veces (n grande); sea nA < n el número de veces
que el evento A ocurre en los n ensayos,
entonces la frecuencia relativa de veces que
"𝑛 "
ocurre el evento A 𝐴 es la estimación de la
𝑛
probabilidad que ocurra el evento A, o sea
𝑛
P[A]= 𝐴
𝑛
 Observaciones
1. La frecuencia relativa de un evento, esta comprendido entre 0 y 1. Por lo tanto: 0 ≤ P[A]≤ n.
𝑛𝐴
2. = 0, si y solo si, en las n repeticiones del experimento el evento A no ocurre.
𝑛
0 𝑛
En efecto: Si A no ocurre nA = 0, = 0 inversamente 𝐴 = 0, entonces 𝑛𝐴 = 0, por lo tanto,
𝑛 𝑛
luego P[A] = 0 si y solo si A no ocurre en las n repeticiones del experimento.

𝑛𝐴 𝑛Ω
3. = 1, si y solo si el evento A ocurre en las n repeticiones del experimento = 1.
𝑛 𝑛

En efecto: Si A ocurre en las n veces que se repite el experimento:

𝑛 𝑛 𝑛
nA =n, así 𝐴 = = 1 inversamente 𝐴 = 1, si 𝑛𝐴 = n, , lo que significa que el evento A ocurre
𝑛 𝑛 𝑛
en todas las repeticiones del experimento, por lo tanto, P[A] = 1 si y solo si A ocurre en todas
las repeticiones del experimento.
DEFINICIÓN DE PROBABILIDAD SUBJETIVA
Se trata de calcular cuando los sucesos son casos únicos y que no
se han producido antes. No hay forma en que se pueda
interpretar tales probabilidades como una frecuencia relativa o
como una probabilidad clásica.
El enfoque subjetivo de la probabilidad es pues adecuado en casos en que solo una oportunidad de ocurrencia
del evento y ocurrirá o no ocurrirá esa sola vez.
Definición:
“ Dado un experimento determinado, la probabilidad de un evento A es el grado de creencia asignado a la
ocurrencia de este evento por un individuo particular, basado en toda la evidencia a su disposición, con las
siguientes exigencias:
1)P[A] = 0, Representa la certeza que el evento A no ocurrirá
2)P[A] = 1, Representa la certeza que el evento A si ocurrirá

3) 0 < P[A] < 1, Representa la certeza que el evento A ocurrirá

Ya que la probabilidad de ocurrencia del evento A es asignado por un individuo en base a la evidencia con
la que cuenta el mismo, otra persona puede asignarle otro valor de acuerdo a la evidencia con la que
cuenta esta.
 PROBABILIDAD FRENTE A APUESTAS

Cuando se dicen que las apuestas son 3 a 1, que un

X ganará, significa que 3 posibilidades de 4 que
gane.

Sea A un evento cualquiera, si las apuestas son a:b a

favor del evento A entonces la probabilidad de que
ocurra dicho evento es:

𝑎
𝑃𝐴 =
𝑎+𝑏
𝑏
𝑃𝐴 =
La probabilidad de que A 𝑎+𝑏
Además, decir que las apuestas son no ocurrirá estará dada
a:b a favor del evento A es lo mismo por:
decir que las apuestas son b:a en
contra de A 𝑃 𝐴 = [1 − 𝑃 𝐴 ]
Probabilidad en espacios muestrales finitos

Otra opción es asignarle la probabilidad Pi a cada resultado wi, o sea, 𝑃𝑖 = 𝑃 𝑤𝑖 Tal que
1) Pi > 0, i= 1,2,3….,n

2) σ𝑛𝑖=1 𝑃𝑖 = σ𝑛1=1 𝑃 𝑤𝑖 =1

La suma de las probabilidades asignados a los puntos del espacio muestral es la unidad.

Se debe tener en cuenta que los posibles resultados w1,w2,….wn son mutuamente excluyentes y
colectivamente exhaustivos.

La probabilidad de un evento A es la suma de las probabilidades asignadas a los puntos muestrales

pertenecientes al evento A, es decir:

𝑃𝐴 = ෍ 𝑝𝑖 = ෍ 𝑃 𝑤𝑖
𝑖/𝑤𝑖 ∈𝐴 𝑤𝑖 ∈𝐴
6) AXIOMAS DE PROBABILIDAD Y PROPIEDADES

Indiferente de las definiciones, esta toma los siguientes axiomas, que son consecuencia inmediata de la
definición.

AX. 1 0 ≤ P[A] ≤ 1. para cada evento A en (Ω)

AX. 2 𝑃Ω =1

𝑘 𝑘
AX. 3
𝑃 ራ 𝐴𝑖 = ෍ 𝑃 𝐴𝑖
𝑖=1 𝑖=1

La consecuencia inmediata de este axioma, si A y B son 2

P[AUB)] = P[A] + P[B]
eventos mutuamente excluyentes en Ω es:
∞ ∞
En teoría más avanzada de 𝑃 ራ 𝐴 𝑖 = ෍ 𝑃 𝐴𝑖
probabilidad, en vez del tercer P[A1 U A2 U……B)] = P[A1] + P[A2]….. ó
𝑖=1 𝑖=1
axioma se usa el siguiente:
Definición: Sea Ω un espacio muestral asociado a un experimento E. La probabilidad P, es la función que
asigna a cada evento A( A Ꞓ P(Ω)), un número P[A], llamado la probabilidad del evento A, tal que cumple los
axiomas anteriores.
En teoría más avanzada de probabilidad, se considera una calase de subconjuntos de V, ( no necesariamente a
todo P(Ω), que cumplen ciertos axiomas llamados σ-Algebra.

TEOREMA: Si Φ es el evento imposible, entonces P[Φ] = 0

TEOREMA: Para evento A se cumple que:

𝑃 𝐴ҧ = 1 − 𝑃 𝐴 ó 𝑃 𝐴 = 1 − 𝑃 𝐴ҧ
TEOREMA: Si A y B son eventos tales que A ⊂ B, entonces:
P[A] ≤ P[B]
TEOREMA: Si A y B son eventos tales en Ω entonces:
P[A U B] = P[A] + P[B] – P[A∩B]
La consecuencia importante de este teorema es la siguiente: P[A U B] ≤ P[A] + P[B], ya que P[A ∩ B] ≥ 0

Además: ҧ ҧ = P[B] – P[AB]

P[B - A] = P[𝐴𝐵]
P[B] = P[AB] + P[𝐴𝐵] y
TEOREMA: Si A, B y C son tres eventos cualesquiera en Ω entonces:

P[A U B U C] = P[A] + P[B] + P[C] – P[A∩B] - P[A∩C] – P[C∩B] + P[A∩B ∩C]

TEOREMA: Si A1,A2,….Ak es una colección de eventos cualesquiera en Ω entonces:

P[A1 U A2 U …Ak] = σ𝑘𝑖=𝑖 𝑃 𝐴𝑖 − σ𝑘𝑖<𝑗=2 𝑃 𝐴𝑖 ∩ 𝐴𝑗 + σ𝑘𝑖>𝑗>𝑟=3 𝑃[𝐴𝑖 ∩ 𝐴𝑗 ∩ 𝐴𝑟 + … … + −1 𝑘+1

𝑃[𝐴1 ∩ 𝐴2 ∩ ⋯ … ∩ 𝐴𝑘 ]
12

7) PROBABILIDAD CONDICIONAL, REGLA DE MULTIPLICACIÓN

P[A/ Ω] Que se ley, La probabilidad del evento A dado que ha ocurrido Ω

Frecuentemente estaremos interesados en obtener la probabilidad de un evento, donde dicho evento esta
condicionado a la ocurrencia de un subconjunto del espacio muestral. Es decir, Se da que el evento B a
ocurrido, y se quiere saber la probabilidad que ocurra el evento A.

Evidentemente, la probabilidad de un evento A es diferente cuando tenemos la información que ha ocurrido

ya el subconjunto B de Ω.
La probabilidad del evento A dado que a ocurrido B, denotado por P[A/B],
igual a la razón del área A∩B al área B visualizados como probabilidades:
𝑃[𝐴 ∩ 𝐵]
𝑃[𝐴\B] = Si P[B] > 0
𝑃[𝐵]
𝑃 𝐴∩Ω
Así 𝑃 𝐴\Ω = = 𝑃[𝐴]
𝑃Ω
Definición
Sea el evento B con P[B]>0, la probabilidad condicional de que ocurra el evento A, dado que ha ocurrido B,
denotado P[A\B] se define como sigue:
𝑃[𝐴 ∩ 𝐵]
𝑃[𝐴\B] =
𝑃[𝐵]
NOTA: P[A\B] no esta definida si P[B] = 0 La probabilidad condicional es una probabilidad
calculada en un espacio muestral reducido, B,
𝑃 𝐴∩𝐵 𝑁(𝐴 ∩ 𝐵)/𝑛 𝑁(𝐴 ∩ 𝐵) pues a partir de la información sabemos con
𝑃 𝐴\B = = = probabilidad 1 que el evento B ya ocurrió.
𝑃𝐵 𝑁(𝐵)/𝑛 𝑁(𝐵)
 Si B Es un evento tal que P[B] > 0, P[ \B] satisface los tres axiomas:

AX. 1 0 ≤ P[A\B] ≤ 1

AX. 2 P[Ω\B] = 1
𝑟 𝑘
AX. 3 P[A1 U A2 U….U An\B]= P[A1\B] + P[A2\B] …..+ P[An\B] 𝑃 ራ 𝐴𝑖 \B = ෍ 𝑃[𝐴𝑖 \B]
𝑖=1 𝑖=1

Para una secuencia de n eventos, A1, A2,…An, mutuamente excluyentes (Ai ∩ Aj = Φ Ɐ i≠ j)

∞ ∞
En general, para una secuencia numerable de eventos A1, A2,…An 𝑃 ራ 𝐴𝑖 \B = ෍ 𝑃 𝐴𝑖 \B
mutuamente excluyentes, se tiene:
𝑖=1 𝑖=1

TEOREMA: P[Φ\B] = 0
TEOREMA: Para evento A se cumple que:
ҧ
𝑃 𝐴\B = 1 − 𝑃 𝐴\B ó ҧ
𝑃 𝐴\B = 1 − 𝑃 𝐴\B
TEOREMA: Si A ⊂ C, entonces: P[A\B] < P[C\B]

TEOREMA: P[A U C\B]= P[A\B] + P[C\B] - P[A ∩ C\B]

a) REGLA DE MULTIPLICACIÓN
De la definición de probabilidad condicional, obtenemos una fórmula para hallar la probabilidad de la
intersección ( o producto) de los eventos A y B, esto es:
Esta expresa la probabilidad de que ocurra los eventos A y B es igual a la probabilidad de ocurrencia de uno de
ellos multiplicado por la probabilidad de que ocurra el segundo, dado que el primero ha ocurrido, es decir:
𝑃[𝐴 ∩ 𝐵] 𝑃[𝐴 ∩ 𝐵]
𝑃[𝐴\B] = Si P[B] > 0 𝑃[𝐵\A] = Si P[A] > 0
𝑃[𝐵] 𝑃[𝐴]

Multiplicando la primera ecuación por P[B] y la segunda por P[A], se obtiene:

P[A ∩ B]= P[B] P[A\B] = P[AB] P[A ∩ B]= P[A] P[B\A] = P[AB]

A este producto en probabilidad se denomina REGLA DE MULTIPLICACIÓN o probabilidad de la intersección

(probabilidad conjunta).
TEOREMA: Si A, B, y C son eventos de Ω, tales que P[A] ≠ 0 y P[A ∩ B] ≠ 0, entonces:

P[A ∩ B ∩ C] = P[A] P[B\A] P[C\A∩B]

TEOREMA: Si generalizamos el teorema anterior.

Si A1, A2, ……… An son eventos de un espacio muestral finito y P[ A1 ∩ A2 ,……… ∩ An-1] ≠ 0, entonces:
P[A1 ∩ A2 ….. ∩ An ] = P[A1 ] P[A1 \ A2] P[A3 \A1∩ A2]…….P[An\ A1 ∩ A2 ∩ ….. ∩ An-1

8) TEOREMA DE BAYES
a) Partición de un espacio muestral
Definición: Se dice la que la colección de eventos B1, B2, ……… Bk del espacio muestral Ω, si cumple las
siguientes condiciones:
b) Los eventos B1, B2, …… Bk son colectivamente
a) Los eventos B1, B2, ……… Bk son mutuamente
exhaustivos.
excluyentes.
𝑘
En símbolos Bi ∩ Bj = Φ i≠ j, i,j= 1,2,3,…..,k
ራ 𝐵𝑖 = Ω
c) P[Bi] > 0, i= 1,2,…k 𝑖=1
b) Teorema de Probabilidad Total

TEOREMA: Sea B1, B2, ……… Bk una partición del espacio muestral Ω, entonces para cualquier evento A en Ω,
se cumple: 𝑘

𝑃 𝐴 = ෍ 𝑃 𝐵𝑖 𝑃 𝐴\𝐵𝑖 = 𝑃 𝐵𝑖 𝑃 𝐴\𝐵𝑖 + 𝑃 𝐵2 𝑃 𝐴\𝐵2 + ⋯ + 𝑃 𝐵𝑘 𝑃[𝐴\𝐵𝑘 ]

𝑖=1

El diagrama de árbol de probabilidad, para experimentos sucesivos da una visión esquemática del teorema de
probabilidad total.
𝑃 𝐴\𝐵1 A …….B1A
ҧ 1
𝑃 𝐴\𝐵
B1 𝐴ҧ …….B1𝐴ҧ
P[B1] 𝑃 𝐴\𝐵2 A …….B2A
P[B2] B2
ҧ 2
𝑃 𝐴\𝐵 𝐴ҧ …….B2𝐴ҧ

P[Bk] 𝑃 𝐴\𝐵𝑘 A …….BkA

Bk ҧ 𝑘
𝑃 𝐴\𝐵 𝐴ҧ …….Bk𝐴ҧ
 𝑘 𝑘
Entonces:
𝑃 𝐴 = 𝑃[ራ 𝐵𝑖 𝐴] = ෍ 𝑃 𝐵𝑖 𝑃[𝐴\𝐵𝑖 ]
𝑖=1 𝑖=1

Colorario 1: Si B es un evento en Ω tal que 0 < P[B] <1, entonces para cualquier evento A en Ω

ത 𝑃[𝐴\𝐵]
P[A] = P[B] P[A\B] + P[𝐵] ത

A …….BA
B 𝐵ത
A
𝑃𝐵 B ത
𝐴ҧ … . . . 𝐵A
A AB 𝐴𝐵ത

𝐵ത
𝑃 𝐵ത 𝐴ҧ
TEOREMA DE PROBABILIDAD TOTAL, DE LA PROBABILIDAD CONDICIONAL: Sean B1, B2, ……… Bk eventos que
forman una partición del espacio muestras Ω, y sean A y E eventos, entonces:

𝑃 𝐸\𝐴 = 𝑃 𝐵1 \A 𝑃 𝐸\𝐵1 𝐴 + 𝑃 𝐵2 \A 𝑃 𝐸\𝐵2 𝐴 + … … + 𝑃 𝐵𝐾 \A 𝑃[𝐸\𝐵𝐾 𝐴]

De donde: 𝑃 𝐸\𝐴 = ෍ 𝑃 𝐵𝑖 \A 𝑃[𝐸\A𝐵𝑖 ]

𝑘=1

𝑃 𝐸\𝐴𝐵1 E …….AB1E

B1 𝐸ത
P[B1\A] 𝑃 𝐸\𝐴𝐵2 E …….AB2E
B2
𝐸ത
A

P[Bk\A ]
𝑃 𝐸\A𝐵𝑘 E …….ABkE
Bk
c) Teorema de Bayes

TEOREMA: Si los eventos B1, B2, ……… Bk forman una partición del espacio muestral Ω y A es un evento
cualquiera de Ω, entonces:

𝑃 𝐵𝑅 𝑃[𝐴\𝐵𝑟 ] Es el teorema de multiplicación

𝑃 𝐵𝑟 \𝐴 = 𝐾
σ𝑖=1 𝑃 𝐵𝑖 𝑃[𝐴\𝐵𝑖 ] Es el teorema de probabilidad total

Colorario 2: Si A y B son eventos en Ω tales P[A] > 0 y que 0 < P[B] <1, entonces:

𝑃 𝐵 𝑃[𝐴\B]
𝑃 𝐵𝑟 \𝐴 =
𝑃 𝐵 𝑃 𝐴\B + 𝑃 𝐵ത 𝑃[𝐴\𝐵]
ത
9) EVENTOS INDEPENDIENTES Y SECUENCIA DE EXPERIMENTOS INDEPENDIENTES
Hay muchos casos donde los eventos están totalmente sin conexión, y la ocurrencia de uno de ellos no
cambia la probabilidad de la ocurrencia del otro, en este caso se dicen que son eventos independientes.

Es decir, los eventos A y B son independientes, , si la ocurrencia de uno de ellos no afecta la probabilidad de
la ocurrencia del otro. En sim bolos significa:

P[A\B] = P[𝐴] Si P[B] > 0

P[B\A] = P[𝐵] Si P[A] > 0

En general , de la primera igualdad y regla de la multiplicación se tiene:

P[A ∩ B] = P[B] P[A\B] = P[B] P[A]

Y de la segunda igualdad y la regla de multiplicación se tiene el mismo resultado:

P[A ∩ B] = P[A] P[B\A] = P[A] P[B]

Definición:
Los eventos A y B en Ω son independientes si, y solamente si se cumple una de las siguientes condiciones:
i) P[A ∩ B] = P[B] P[A]

ii) P[A\B] = P[𝐴] Si P[B] > 0

iii) P[B\A] = P[𝐵] Si P[A] > 0

En otro caso se dice que los eventos A y B son dependientes

Los eventos independientes son llamados algunas veces, Estadísticamente independientes, estocásticamente
independientes o independientes en el sentido probabilístico.

TEOREMA: Si A y B en Ω son eventos independientes, entonces:

ഥ son independientes
i) A y B

ഥ y B son independientes
ii) A

ഥyB
iii) A ഥ son independientes
 NOTA: En la práctica existen muchas situaciones donde no se puede con facilidad determinar si dos eventos
son independientes; sin embargo en muchos casos los requerimientos puede justificarse intuitivamente de
la consideración física del experimento.

Consecuencia: Si A y B son eventos cualesquiera, en Ω independientes, entonces:

P[A U B] = P[A] + P[B] - P[A]P[B]

TEOREMA: Si A y B son eventos cualesquiera en Ω independientes, entonces:

P[A U B] = 1 - P[𝐴]ҧ P[𝐵]
ത P[A U B] = 1 – {[ 1 - P[A]] [ 1 - P[B] ]}
Definición: Tres eventos A, B y C en Ω se dicen que son mutuamente independientes, si y solamente si,
cumplen las siguientes condiciones:

i) Ellos son independientes por pares, P[A B] = P[A]P[B]

es decir:
P[B C]= P[B]P[C]

P[A C] = P[A]P[C]

ii) P[A B C] = P[A]P[B]P[C]

Definición: Los eventos A1 , A2 ……….An En Ω son independientes si y solo si:

P[Ai Aj] = P[Ai]P[Aj] Para i ≠ j

P[Ai Aj Ak ] = P[Ai]P[Aj] P[Ak] Para i ≠ j Para j ≠ k Para i ≠ k

P[‫=𝑖𝑛ځ‬1 𝐴𝑖 ] = ς𝑛𝑖=1 𝑃[𝐴𝑖 ]

 Consecuencia: Si A, B, y C son eventos cualesquiera en Ω independientes:

P[A U B U C] = P[A] + P[B] + P[C] - P[A]P[B] - P[A]P[C] - P[B]P[C] + P[A] P[B] P[C]

TEOREMA: Si A1, A2, …..An son n eventos en Ω independientes, entonces:

P[‫=𝑖𝑛ڂ‬1 𝐴𝑖 ] = 1 − ς𝑛𝑖=1 𝑃[𝐴ҧ𝑖 ]

P[‫=𝑖𝑛ڂ‬1 𝐴𝑖 ] = 1 − {[1 −P[𝐴1 ]] [1- P[𝐴2 ]]…. [1-P[𝐴𝑛 ]]}

CONFIABILIDAD: La confiabilidad de un sistema “Cs” se define como la probabilidad que el sistema funciona
satisfactoriamente para un intervalo de tiempo especificado en las mismas condiciones.
a) Para un sistema en serie, consideraremos los siguientes eventos:
P1 P2 P3

E: El sistema funciona satisfactoriamente

Ei: La componente Pi del sistema funciona satisfactoriamente

Entonces el evento E es la intersección de los eventos E1 , E2 y E3.

La Confiabilidad del sistema en serie es: Cs= P[E] = P[E1 ∩ E2 ∩ E3]
Asumimos que el funcionamiento es satisfactorio o insatisfactorio de cada componente es independiente del
funcionamiento de las otras componentes, es decir:
Cs= P[E] = P[E1] P[E2] P[E3]
Si Ci, representa la confiabilidad de la respectiva componente Pi, e i= 1,2,3, entonces:
Cs= P[E1] P[E2] P[E3] = C1 C2 C3
b) En un sistema en paralelo, la confiabilidad Cs puede calcularse de dos maneras:

1° Método: Se definen los siguientes eventos:

P1 E: El sistema funciona satisfactoriamente
Ei: La componente Pi del sistema funciona satisfactoriamente, i= 1,2

El sistema funciona correctamente, si al menos uno de los

P1 componentes funciona correctamente, , entonces el evento E , es la
unión de los eventos E1 E2, es decir, la confiabilidad Cs del sistema
en paralelo es:
Cs= P[E] = P[E1 U E2]
Cs= P[E1] + P[E2] - P[E1 ∩ E2]
 2° Método:
Cs = 1 − {[1 −P[𝐸1 ]] [1- P[𝐸2 ]]}

Cs = 1 −P[𝐸ത1 ]P[𝐸ത2 ]

10. PROBABILIDAD EN ESPACIO MUESTRAL INFINITO NUMERABLE Y CONTINUO

En este tipo de casos no tiene sentido el calcular nA/n ya que el espacio muestral tiene infinitos elementos. Sin
embargo la definición de probabilidad en un espacio muestral infinito se puede asignar probabilidades Pi a
todos los posibles sucesos wi, i= 1,2,…..; es decir:

Pi = P[{wi}], tal que: 1) Pi > 0 i= 1,2

2) σ∞
1=1 𝑃𝑖 = 1

La probabilidad de un evento A en Ω estará definida por:

Obsérvese que la sumatoria está tomada
P[A] = σ𝑤𝑖 ∈𝐴 𝑃[ 𝑤𝑖 ] = σ𝑖/𝑤𝑖 ∈𝐴 𝑃𝑖 sobre todos los sucesos favorables a A
10.1. ESPACIO MUESTRAL CONTINUO
Ninguna de las definiciones dadas de probabilidad es aplicable en este caso.

En los espacios muestrales discretos, todos los subconjuntos de llaman eventos, y se les puede asignar
probabilidades. Pero en el espacio muestral continuo, pueden construirse subconjuntos de un espacio
muestral que no son eventos, por lo tanto cualquier asignación de probabilidad que se les haga es
inconsistente con los axiomas de probabilidad.

El tipo de espacio muestral continuo que tiene sus elementos de la misma verosimilitud, es decir, la
probabilidad que un punto ocurre en un subconjunto de Ω es proporcional a la longitud del sub intervalo.

Definición: La probabilidad de un espacio muestral continuo es la razón entre la longitud del evento “lA” y
la longitud del espacio muestral “l Ω” ó “l(Ω) ”
𝑙𝐴
𝑃𝐴 =
𝑙Ω

El término de longitud representa un concepto más amplio; según el 𝑚𝐴

𝑃𝐴 =
caso puede ser: longitud misma, área, volumen, etc., más apropiado es 𝑚Ω
hablar de la medida del evento “m Ω” y “m(A)”