,

PROBABILIDAD
Y APLICACIONES ESTADISTICAS

Paul L. Meyer
Departamento de Matemticas
Washington Stute Univcrsity

Versin en espmiol por

Carlos Prado Campos
Departamento de Estadistica
Instituto de Matemticas
Universidad Catlica de Chile

Con la colaboracin de
Germn Ardila C ullar
Departamento de Matemticas y Estadistica
Universidad Nacional de Colombia

ADDISON-WESLEY IBEROAMERICANA
Argentina Brasil Chile Colombia Ecuador Espal'\8
Estados Unidos Mxico Per Puerto Rico Venezuela
3 1.1 l'robllbllldd condlclmllll \'

Probabilidad condicional e independencia Cad:1 vez que calcularnos P(B 1A) estamos esencialmente calculando P(B)
11111 rcs~cto al espacio muestra/ reducido de A en vez del espacio muestra! origi-
n.tl ~ Consideremos el diagrama de Venn en la figura 3.1.
Cuando calculamos P(B) nos preguntamos qu tan probable es que estemos
, n 8, sabiendo que debemos estar en S, y cuando evaluamos P(B 1A) nos pre-
I(Untamos qu tan probable es que estemos en 8 , sabiendo que debemos estar
en A. (Esto es, el espacio muestra! se ha reducido de S a A.)
Pronto daremos una definicin formal de P(B 1 A). Por el momento, Sin cmbar-
ll" ~egui remos con nuestra nocin intuitiva de probabilidad condicional y con-
ltlcraremos un eJemplo:

EJEMPLO 3.1. Se lanza n dos dados normales y se anotan los resultados

3. 1 Probabilidad condiciona l .x 2 ) en donde x 1 es el resultado del i-simo dado i = l. 2. Por tanto. el espacio

l
(\ 1

muestra! S se puede representar por el siguiente cuadro de 36 resultados igu;l-

Consideremos de nuevo, la diferencia 4ue existe entre elegir al azar en un lote. mcnte posibles:

un articulo, con o sin sustitucin. En el ejemplo 2.4, el lote que considerbamos
tenia la siguiente composicin: 80 artculos sin defectos y 20 defectuosos. Supn- (1, 1) (l. 2)
( 1o 6)
gase 4ue eliJamo> do> artculo> de e> te lote: (a) con sustitucin: (b) sin sustitucin. S= (2,: 1) (2, 2) (2, 6)
Definamos los sucesos siguientes:
A = {el primer artculo es defectuoso}. (6, 1) (6, 2) (6, 6)
8 = {el segundo artculo es defectuoso}.
<'onsideremos los dos sucesos siguientes:
Si escogemos co11 sustitucin, P(A) = P(B) =lo% = ~-Cada vez que elegirnos.
en el lote hay 20 artculos defectuosos de un total de 1OO. Sin embargo, si elegi- A = {(x" x 2 ) 1 x. + X2 = 10}, 8 = {(x,, x2l 1 x , > x2}.
rnos sin sustitucin, los resu ltados no son completamente inmediatos. Todava As A = {(S, S), (4, 6), (6, 4) y B = {(2, 1), (3, 1), (3, 2), . (6. S)}. Por tanto,
es verdad, naturalmente, que P(A) = ~- Pero, i.cul es el valor de P(B)? Es evidente I'(A) = .6 y P(B) = ~. Adems P(B 1 A) = t, ya que el espacio muestra! es ahora
que con el fin de calcular P(B) deberamos conocer la composicin del lote, cua11do t, (que son tres resultados) y slo uno de ellos es consistente con el suceso B.
se escoge el segundo artculo. En otras palabras, deberamos saber si el suceso A nc una manera semejante, nosotros podemos calcular P(A l B) = .~ .
ocurri o no. Este eJemplo indica la necesidad de presentar el siguiente concepto Finalmente, calculemos P(A (') B). El suceso (A (') 8) ocurre, si y slo si la
importante. urna de los dos dados es 1O y el primer dado indica un valor mayor que el segun-
Sean A y 8 dos sucesos asociados con un experimento t. Indiquemos con do dado. Hay solamente un resultado y, por tanto P(A (') B) =-A. Si observamos
P(B 1A) la probabilidad condicio11al del suceso 8, dado que A ha ocurrido. ~uidadosamente los diversos nmeros que hemos calculado anteriormente, de-
En el ejemplo anterior. P(B I A) = ~3. Porque si A ha ocurrido. entonces al ducimos que se cumple lo siguiente:
sacar por segunda vez quedan slo 99 artculos. de los cuales 19 son defectuosos.
P(A 18) = P(A () B) P(A (') 8)
S
P(B)
y P(B 1 A) = P(A) .
A B
Sucede que esas relaciones no solamente aparecen en los eJemplos p;rticulares
4uc hemos considerado, sino que son completamente generales y nos dan un
medio de definir formalmente la probabilidad condicional.
Para justificar esta definicin volvamos al concepto de frecuencia relativa.
Supongamos que se ha repetido un experimento t n veces. Sean n,., n8 y n,.nB el
nmero respectivo de veces que los sucesos A, B, y A (') B han ocurrido en las n
repeticiones. cul es el significado de nAnB!nA? Representa la frecuencia relati-
va de B entre esos resultados en los que A ocurri. Esto es, nAnafnA es la frecuen-
FIGURA 3.1
cia relativa condicional de B, dado que A ocurri.
34
 .\!1 Prohahllldad nulldmutl ,. lnd~k:ndcnda 1.1 l'rol!abllld ad Cllndklonl 17
1.1

Podemos cscnb1 r n Mr/11,. como sigue: btoMPLO 3.2. Supngase que una oficina tiene 100 mquinas ca l culadora~.
Algunas de esas mquinas son elctricas (E). mientras que otras son manuales
IIA O H IIAOB(II }A O B
= = f,.
(.\f) Adems, algunas son nuevas (N). mientras las otras son usadas (U). Lata-
bla 3. 1 da el nmero de mquinas de cada categora. Una persona entra en la
en donde }40/J y f,. '>On las frecuencias relativas de los sucesos A ,...., B y A. rcs-
pec!J\,tmcntc. Como ya lo hemos indicado (y como lo demostraremos ms ade- TABLA 3.1
lante). si 11. el nmero de rcpellcioncs es grnde. f,.n 11 estar prximo a P(A ,...., B) E M
y r.. estar pr.\1111<1 a PI A). Por lo tanto. la relacin anterior sugiere que IIA O R ""
N 40 30 70
estar prxima a P(8 jA). As haccmo:. l.t siguiente definicin formal:

Definicin. u 20 ro 30
P(A n B)
P(8 A) dado que P(A) > O. (3.1) 60 40 100
P(A)

Obwrwdtlll<'' (a) h nnponante da~c cuenta de que lo anterior no es un teorema ollctna. escoge una mquina al azar. y descubre que cs. nu.cva. ,C~l es la pro-
(no demostramos nada). 111 tampoco un ax1oma. Simplemente prescnlamos la noc1n intuJtiv:t
babilidad de que sea elctrica'? En trminos de la notacton tntroduc1da deseamos
de probabilidad cond1cional y luego h1cimos la definicin formal de lo que enlendemos por
esta nocin. El hecho de que nues1r:1 definicin formal corresponde a nucslra nocin intuitiva calcularP(E I NJ. . . , .
est comprobado por el prr:1fo que precede a la delinicin. Slo considerando el espacio muestra! reductdo N (es dec1r. las 70 maq.utnas
nuevas), tenemos que: P(E I N)=~ = ~- Usando la definicin de probabilidad
(b) Es muy sencillo comprob.tr que P(B 1A) para un valor de A lijo. satisface los diversos
postu lado> de la probabilidad ecuacin ti.J). {Veo problema 3.22.) bw e,. tcncmo,: co ndiciona l, tenemos que:
P(E n N) 40/ 100 4
( 1') O <: J>(B I A) S I. P(E 1N) = P (N)- = 70/ 100 = 7.
(2') I'(S 1 A) l.
(3') P(B, u /h 1 A) 1'181 1 A) + P(B 2 1 A) si 81 r-. 8 2 = ~- La consecuencia ms importante de la delnicin de probabilidad condicio nal
(3.2)
(4') P(81u8,u lt1) I'(B 1 I A) + P(B~I A1+ si B 1 r-.8 1 = (l se obtiene escribindola de la manera siguiente:
para i t ).
P(A n B) = P(81 A)P(A)
(e) Si A S. P(8 1S) 1'(8 r-. S), P(Sl /'(8). lo que equivale a, (3.3a)
(d) Con C<1da suceso /J e: S podemo> <ISocmr dos nmeros. P(B). la probabilidad (no P(A n 8) = P(A i 8)P(8).
cond1cional) de 8 . y P!8 l A). la probabilidad condicional de B. dado que algn su~-cso A
(para el. cual P(A) 0) hu ocurndo. En general. esas dos medidas de probabilidad asignarn bto a veces se conoce como el teorema de nwltiP.Iicacin de P.robabilidadcs. .
probab111dadc> d"tmtas al suceso 8. como se md1c en los ejemplos prec.:edcnte>. En bree Podemos aplicar este teorema al clculo de la probJbilidad de la ocurrencta
estudtaremos un Importante c-Jso csx.>c1al en el cual P(B) y P(B A) son la misma >tmultnca de los dos sucesos A y 8.
(e) Ntese que la probabilidad cond1c1onal esl defimda en trminos de la medida de
probabilidad no condicional P hlo cs.'' conocemos P(B) para cada 8 e: S podemos calcular EJLMI'LO 3.3. Consideremos otra vez el lote discutido al comtcnLo de la
P(B A) para cada 8 e: S.
secctn 3.1. el cual consta de 20 artculos defectuosos y 80 sin defectos. Si esco-
As tenemos dos maneras de calcular la probabilidad condicional P(8 A): gemo> 2 artculos al azar. sin sustitucin, ,cul es la probabtltdad de que ambos
(a) Directamente considerando la probabilidad de 8 con respecto al espac1o artculos sean defectuosos'?
muestra! reducido A. Como ante!>. definimos los sucesos A y 8 como sigue:
(b) Usando la dclinic1n antenor. donde P(A "8) y P(A) se calculan con A = lcl primer artculo es defectuoso}, 8 = {el segundo artculo es defectuoso}.
respecto al e~pac10 muestra( onginal S.
Por Jo tanto. necesitamos P(An 8), que puede calcularse de acuerdo con la fr-
Ob~ertttdll . si A S. obtenernos P!B I S) "' P(8 r-. S), P(S) = P(BJ. puesto que PIS) 1 mula anterior. como P(8 1A)P(A). Pero P18l A) = ~ mientras que P(A) = !. Por
Y 8 ,.., S B. As debe ser. porque decJt que S ha ocurrido. slo indica que el experimento lo tanto
ha sido rca 1izado.
P( A n 8) = 4!/A
38 Probabilidad condicional e Independencia .1.1 l' robabllldMd condlclonMI JIJ

Observacin : se puede generalizar el anterior teorema de la multiplicacin a ms de Sea A algn suceso con respecto a S y sea B, B 2 , Bk una particin de S.
dos sucesos de la siguiente manera: Fl diagrama de Venn de la figura 3.3 ilustra esto para k = 8. Por tanto, podemos
escr ibir
P[A, nA, n nA.] = P(A ,)P(A 2 1 A ,)P(A 3 j A, A 2) P(A. j A, , A. - 1). (3.3b) A = A 1"1 B 1 u A 1"1 B 2 u u A 1"1 Bk

Consideremos por un momento si podemos hacer una afirmacin general J>or cierto que algunos de los conjuntos A 1"1 Bj pueden ser vacos, pero esto no
acerca de la magnitud relativa de P(A 1 B) y P(A). Consideremos los 4 casos ilus- mvalida la anterior descomposicin de JI. Lo importante es que todos los suce-
trados por los diagramas de Venn en la figura 3.2. Tenemos: sos A 1"1 B" , A 1"1 Bk son mutuamente excluyentes. Por lo tanto, podemos
aplicar la propiedad aditiva para este tipo de sucesos (ecuacin 1.3) y escribir:
(a) P(A 1 B) = O ~ P(A) puesto que A no puede ocurrir si B ha ocurrido.
(b) P(A 1 B) = P( A~"~ B)f (P(B) = [P(A)/ P(B)] ~ P(A), puesto que O ~ P(B) ~ l. P(A) = P(A 1"1 B) + P(A r. B 2 ) + .. + P(A 1"1 Bk).
(e) P(A 1 B) = P(A 1"1 B)/P(B) = P(B)/ P(B) = 1 ~ P(A).
(d) En este caso no podemos hacer ninguna afirmacin acerca de la magnitud Sin embargo, cada trmino P(A 1"1 B) se puede expresar como P(A 1Bj)P(B) y,
relativa de P(A 1B) y P(A) . por lo tanto, obtenemos el llamado teorema de la probabilidad total:
.----- --,s .--------.s s s P(A) = P(A 1 B,)P(B,) + P(A 1 B 2 )P(B2) + + P(A 1Bk)P(Bk). (3.4)

00
(a) A n B - IJ
C
(b) A eB
FtGURA 3.2
(e) B e A (d) Ninguno de estos casos
13ste resultado representa una relacin muy til , ya que frecuentemente cuando
se busca P(A) puede ser dificil calcularlo directamente. Sin embargo, con la in-
formacin adicional de que B ha ocurrido, podemos calcular P(A 1B) y enton-
ces usar la frmula anterior.

EJEMPLO 3.4. Consideremos (por ltima vez) el lote de 20 artculos defec-

tuosos y 80 sin defectos, de los cuales escogemos 2 artculos sin sustitucin. Nue-
Ntese que en dos de los casos anteriores P(A) ~ P(A 1 B). en un caso, P(A) ~ vamente definimos A y B:
P(A 1 B), y en el cuarto caso no podemos hacer ninguna clase de comparaciones.
Anteriormente, usamos el concepto de probabilidad condicional, con el fin de A = {el primer articulo elegido es defectuoso} ,
evaluar la probabilidad de la ocurrencia simultnea de los dos s ucesos. Podemos B = {el segundo artculo elegido es defectuoso} ,
aplicar este concepto de otra manera para calcular la probabilidad de un so lo
s uceso A. Necesitamos la siguiente definicin. podemos ahora calcular P(B) como sigue:

Definicin. Decimos que los sucesos B 1 , B 2 , , 8k I_epresentan una parti- P(B) = P(B 1A)P(A) + P(B 1A)P(A).
cin del espacio muestra! S si: -
(a) B1 1"1 Bj = ~ para todo i ,, j. Usando uno de los clculos ya hechos en el ejemplo 3.3 encontramos que
k
P(B) = ~ ! + ~ ~ !.
(b) UB 1 = S. =
i= l
Este resultado puede ser un poco sorprendente, particularmente si el lector
(e) P(B1) > O para todo i.
recuerda que al comienzo de la seccin 3.1 encontramos que P(B) = ! cuando
En otras palabras: cuando se efecta escogemos los artculos con sustitucin.
el experimento e, ocurre uno y slo
uno de los sucesos 8 1 EJEMPLO 3.5. Cierto artculo es manufacturado por tres fbricas, sean 1, 2 y 3.
FIGURA 3.3
Se sabe que la primera produce el doble de artculos que la segunda y que sta
(Por ejemplo. en el lanzamiento de un dado 8, = {l. 2). 8 2 = r3. 4. 5}. y B 3 = y la tercera producen el mismo nmero de artculos (durante un periodo de pro-
:6: representaran una particin del espacio muestra!. mientras que C, = duccin especificado). Se sabe tambin que el 2 por ciento de los artculos produci-
{1.2. 3, 4} y e,
= {4. 5. 6: no). dos por las dos primeras es defectuoso mientras que el4 por ciento de los manufac-
 40 trobahilidad condlcion11l e lrulct~<ndcncl
t~rados por la _tercera es defectuoso. Se colm:an juntos todos los artcu los produ-
Cidos en una fila y se escoge uno al a:wr. ,,Cul es la probabilidad de que este
artculo sea dcfcctuo~o'!
Definamos los siguientes sucesos:
A = (el artculo es defectuoso}, 8, = {el artculo proviene de 1},
81 = {el artculo proviene de 2}. B3 = (el artculo proviene de 3}.
Nosotros necesitamos P(A) y. usando el resultado anterior, podemos escribir:
Ahora P(~ ) = !. mientras que P(8 2 ) = P(8 3 ) = i. Tambin P(A 1 8.) = P(A IB1 )
= 0.02, mientras que P(A 1 BJ) = 0.04. Poniendo sus valores en la expresin an-
terior obtenemos P(A) 0.025.
Obsntacin. en qumtca se ha observad,, la siguiente analoga con el teorema de la
probabilidad total. Supngase que k matraces que contienen diferentes soluciones de la misma
sal, h~1cen un litro. Sea P(Br) el volumen del i-simo matraz y P(A J 8 1) la concentracin de la
soluctn en el i-simo matraz. Si combinamos todas las soluciones en un matraz y supone-
mos que P(A) indica la concentraci n de la solucin resultante, obtenemos:
P(A) I'(A j lJ 1)P(8 1) -t + P(A j B.)P(B.).
3.2 Teorema de Rayes
Podemos usar el ejemplo 3.5 para JUStificar otro resultado importante. Su-
pongamos que del depsito se escoge un artculo y se encuentra que es defectuo-
so. i.Cul es la probabilidad de que se produjese en la primera fbrica?
Usando la notacin. presentada previamente, necesitamos P(B 1 1 A). Podemos
calcular esta probabilidad como una consecuencia de la siguiente. Sean 8 1 _ B
una particin del espac1o muestra! S. Sea A un suceso asociado con S. Aplican-
do la definicin de probabilidad condicional. podemos escribir:
P(B,I A) = P(A 1B!)P(B,) _
i = 1, 2... ,k. (3.5)
:E~ t P(A j B) P( Bi)
Este resultado se conoce como teorema de Bayes. T ambin se le llama frmula
para la probabilidad de las "caus:~s''. Puesto que las B, son una particin del es-
pacio muestra). uno y slo uno de lo~ sucesos 8 1 ocurre. (Esto es, uno de los su-
cesos 8; debe ocurrir y solamente uno). Por lo tanto, la frmula anterior nos da
la proba?ilidad de u~ B1 particular (esto es, una "causa"), dado que el suceso A
ha ocumdo. Para aplicar este teorema. debemos conocer los valores de las P(B1).
Muy a menudo esos valores no son conocidos, y esto limita el uso del resultado.
Ha habido considerable con troversia acerca del teorema de Bayes. Matemtica-
1.2
mente es perfectamente correcto; slo la eleccin impropia para P(81) hace el
r~>ultado objetable.
Volvtcndo a la pregunta propuesta anteriormente y aplicando ahora la ecua-
nn (3.5). obtenemos:
- (0.02)( 1 2) - 4
P(B, 1 A)- (0.02)(1/2) + (0.02)(1 '4) + (0,04)(1 4) -O. O.
Ohwrwl'ion. otra vez podemos encontrar una analoga con el 1eorema de Ba)'C\. en
.uimica. En k matraces tenemos soluciones de la misma sal. pero de concenlractone\ dtre--
rcntc~. Supongamos que el volumen total de la soluc1n es un lttro. Indicando el volumen
de la >olucin en el t-simo matra1 por P(8.) e mdicando la conccntractn de la sal en ese
rntsmo matraz por P(A IB1). encontramos que la ecuacin (3.5) da la proporctn de la c-anttdad
completa de sal encontrada en el i-stmo matraz.
La siguiente ilustracin del teorema de Bayes nos dar una oportunidad de
presentar la idea de un diagrama de rbol. un mtodo muy til para anali1ar cier-
tos problemas.
Supngase que muchas cajas estn llenas de caramelos de dos tipos. diga
mos A y B. El tipo A contiene 70 por ciento dulce y 30 por ciento (leido. mientras
que en el tipo 8 dichos porcentajes son al revs. An ms, supngase que el 60
por cien to de todas las cajas de caramelos son del tipo A mientras que el resto
son del tipo B.
Ahora estamos ante el siguiente problema de decisin. Usted recibe una ca a
de dulces de tipo desconocido. Se le permite sacar una muestra de un caramelo
(una situacin ciertamente no real. pero que nos permite presentar las ideas im-
portantes sin mucha complicacin) y con esta informacin debe decir si cree que
el tipo A o el tipo B le ha sido ofrecido. El siguiente "diagrama de rbo l" (llama-
do as por las diversas trayectorias o ramas que aparecen) nos ayudar a ana li zar
el problema. (Sw y So indican la eleccin de un caramelo dulce o {tcido. rc~pccti
vamcn tc.)
Hagamos unos pocos clculos:
P(A) = 0,6; P(B) = 0.4; P(Sw 1 A) = 0.7;
P(So 1 A) = 0.3: P(Sw 1B) = 0,3; P(So 1 B) = 0.7.
42 l'rubabildod tiHidlciuuol e indep<>ndcncla
1'

Lo que realmente deseamos saber es P(..tl S..,), P(A 1S0 ) P(B 1Sw) y P(B 1S0 ). 1cncmos el caso, ya discutido anteriormente. en que B => A y, por lo tanto,
Esto es, supo niendo que realmente escogimos un caramelo dulce. Qu decisin /'(8 111) l.
estaramos ms inclinados a hacer? Comparemos P(A 1 Sw) y P(B 1 Sw). Utilizan- Fn cada uno de los casos anteriores, sabiendo que B ocurri. se nos dio una
do la frmula de Bayes tenemos 111rormacin precisa referente a la probabilidad de la ocurrencia de A. Sin embargo,
hay muchos casos en los cuales se sabe que si un suceso B ocurre, no tiene innuencia
PA IS _ P(Sw i A)P(A) ~~ <0:.:...7)..:.:(_:0,6,..;.)_ _ = 7 .1lguna en la ocurrencia o no ocurrencia de A.
( w) - P(Sw 1 A)P(A) + P(Sw 1 B)P(B) {0,7)(0.6) + (0,3)(0,4) 9.
L'IPLO 3.6. Supongamos que se lanza un dado normal dos veces. Defi-
Un clculo similar nos da P(B 1Sw) = 2/9. niremos los sucesos A y 8 como sigue:
As. con base en la evidencia que tenemos (es decir. la obtencin de un cara-
melo dulce) es 2! veces ms probable que estemos considerando un depsito A = {el pr imer dado muestra un nmero par},
del tipo A que del tipo B. Por lo tanto. decidiramos. posiblemente, que el cara me- B = {el segundo dado muestra un 5o un 6}.
lo se obtuvo de una C<lja tipo A. (Podramos estar equivocados. naturalmente.
Lo interesante del anlisis anterior es que elegimos la alternativa que parece Por intuicin sabemos que los sucesos A y B no estn relacionados. Saber que 8
ms probable con base en los datos limitados que tenemos.) ocurre. no proporciona informacin acerca de la ocurrencia de A . De hecho,
En trmin os del diagrama de rbol. lo que realmente necesitbamos (e hici- d s1guiente clculo lo pone de manifiesto. Tomando como nuestro espacio mues-
mos) en los clculos precedentes fu~.: un anlisis "hacia atrs". Esto es, dado lo tra! los 36 resultados igualmente posibles considerados en el ejemplo 3.1, encon-
que observamos. Sw en este caso. ;,qu tan probable era escoger el tipo A? traremos que P(A) = t~ = !-. P(B) = :\i = j, mientras que P(A f'l B) =A= t
Una si tuacin un poco ms interesante aparece si se nos permite elegir dos Por lo tanto
caramelos antes de decid ir si el tipo A o el tipo 8 es escogido. En este caso el dia-
grama de rbo l aparecer{ como sigue. P(A iB) = P(A n B) = L!J = ~.
P(B) ( t) 2

As encon tramos. como era de suponer, que la probabilidad no condicional

es igual a la probabili dad condicional P(AIB). De modo semeJante

P<BiA) = P(B nA)= W =1= P(B).

P(A) ( t) 3

Por lo tanto. podramos estar inclinados a decir que A y 8 son independientes

si y slo si P(BjA) = P(A) y P<BIA) = P(B). Aunque sera muy apropiado, hay
otro mtodo que evita la dificultad encontrada aqu, es decir que ambos P(A)
y P(B). deben ser diferentes de cero antes de que las igualdades anteriores sean
significativas.
Consideremos P(A n 8 ). suponiendo que las probabilidades condicionales
En el problema 3.26 se le pide decidir sobre uno de los dos tipos. A o B. que anteriores sean iguales a las probabilidades no condicionales correspondientes.
usted muestra. segn los tres resultados experimentales posibles que usted observa. Tenemos
P(A n B) = P(A 1B)P(B) = P(A)P(B).
3.3 S ucesos independientes P(A n B) = P(B 1A)P(A) = P(B)P(A).

Hemos considerado dos sucesos A y B que no pueden ocurrir simultnea- As encontramos que. como ni P(A) ni P(B) so n iguales a cero. las probabilidades
mente. esto es A n 8 =- !'). Tales sucesos se designaron mutuamente excluyentes. no condicionales son iguales a las probabilidades condicionales si y slo si
Indicamos previamente que si A y B son mutuamente excluyentes. entonces P(A f'l B) = P(A)P(B). Aqu hacemos la siguiente definicin formal. (Si P(A)
PIAIB) = O. porque la ocurrencia de B impide la ocurrencia de A. Por otra parte. o P(B)_es igual a cero, esta definicin es an vlida.] ---
4-1 Probabilidad condicional e independencia 3.3

Defmicio. A y B son sucesos independientes si y slo si =

P(A 1"1 8) = P(A)P(B).
Observacin: ~'Sta definicin es equivalente a la sugerida anteriormente, es decir. que
A y 8 son independientes si P(B i A} "' P(B} y P(A l B} - P(A). Esta ltima forma es ligera-
mente ms intuitiva. porque dice precisamente lo que hemos estado tratando de decir antes:
A y 8 son independientes si el conocimiento de la ocurrencia de A no influye de modo alguno
en la probabilidad de la ocurrencia de B.
Que la definicin formal adoptada tambin tiene un cierto carcter intu11ivo, puede verse
al considerar el siguiente ejemplo.
EJEMPLO 3.7. Veamos otra vez el ejemplo 3.2. Consideremos primero la
tabla siguiente slo con los valores marginales dados.
ror tndcp.:ndencta. P{E 1"1 N) = P(E)P(N) fo. Por lo tanto, la entrada en
In tabla que indica el nmero de mquinas elctricas nuevas est dada por el
(3.6) nmero 42. Las otras entradas se obtuvieron de un modo semejante.
En la mayor parte de las aplicaciones supondremos la independencia de los
dos sucesos A y 8 y luego usaremos esta hiptesis para calcular P(A 1"1 8). como
P(A)P(8). Generalmente, las condiciones lisicas bajo las cuales se realiza el ex-
rerimento harn posible determinar si tal suposicin es JUStificada o al menos
aproxi madamente justificada.
EJEMPLO 3.8. Consideremos un lote grande de artculos, digamos 10.000.
Su pongamos que el 1O por ciento de estos artculos es ddeetuoso y el90 por ciento
no. Se escogen dos artculos. Cul es la probabilidad de que ambos oo sean de-
lectuosos?
Definamos los sucesos A y B as:

E M A = {primer artculo no es defectuoso},

~[ l 70 B = {segundo articulo no es defectuoso}.
30
60 40 100 Si suponemos que el primer articulo se sustituye antes de escoger el segundo,
entonces se puede suponer que los suceso~ A y 8 son independientes y, por tanto
Esto es. hay 60 mquinas elctncas y 40 manuale~. Del total. 70 son nuevas mientras P(A 1"1 8) - (0.9)(0.9) = 0.81. Sin embargo. en forma ms real. el segundo artculo
que 30 son usadas. Hay muchas maneras de llenar los datos de la tabla, consis- se escoge sin sustituir el primero. En este caso,
tcntemente con los totales marginales dados. AbaJO anotamos algunas de esas
posibilidades. P(A r. 8) = P(8 1A)P(A) = &m (0,9)
E M E M E M
que es aproximadamente 0.81. As, aunque A y 8 no son independientes en el
f42 281
~~ ~~ ~~
N~70 N 70 segundo caso, la suposicin de independencia que simplifica considerablemente
U~30 U ~ ! ~ 30 los clculos, causa slo un error despreciable. (Recuerde el objetivo de un modelo
60 40 100 60 40 lOO 60 40 100 matemtico como el que se describi en la seccin 1.1). Si hubiese habido slo
(a) (b) (e) pocos artculos en el lote. digamos 30. la suposicin de independencia habra
producido un grao error. As, se hace importante verificar cuidadosamente las
Consideremos la tabla (a). Aqu 10das las mquinas elctricas son nuevas, condiciones bajo las cuales se realiza el experimento, a fin de establecer la validez
y todas las usadas son manuales. As hay una relacin obvia (no necesariamente de la suposicin de independencia entre varios sucesos.
causal) entre las caractersticas de ser elctricas y ser nuevas. Igualmente, en la
tabla (b) todas las mquinas manuales son nuevas y todas las usadas son elctricas. EJEMPLO 3.9. Supngase que un mecanismo est formado por dos compo-
Otra vez parece existir una relacin definida entre esas caractersticas. Sin embargo. nentes acoplados en serie, como se indica en la figura 3.4. Cada componente tiene
cuando observamos la tabla (e) el panorama es muy diferente. Aqu no existe una probabilidad p de no funcionar. i,Cul es la probabilidad de que el mecanismo
una relacin aparente. Por ejemplo, 60 por ciento de todas las mquinas son elc- funcione?
tricas y exactamente el60 por ciento de las mquinas usadas son elctricas. De modo
semejante, el 70 por ciento de todas las mquinas son nuevas, y exactamente el 70 FIGURA 3.4
por ciento de las mquinas manuales son nuevas, etc.... As, ninguna indicacin
nos muestra que las caractersticas de ser nuevas y Ser elctncas tengan alguna Es evidente que el mecanismo funcionar si y slo si ambos componentes
relacin entre s. Naturalmente, esta tabla fue elaborada precisamente de modo que funcionan. Por tanto
exhiba esta propiedad. Cmo se obtuvieron los datos de esta tabla? Simplemente
aplicando la ecuacin (3.6); es decir, como P(E) = ~y P(N) = lo% debemos tener. Prob. (Mecanismo funcione)= P rob. (C 1 funcione Y C2 funcione).
46 l'robbilidad condclonal t lndcpcndtnca

La informacin que hemos dado no nos permtte seguir. a menos que sepamos
(o supongamos) que los dos mecanismos trabajan independientemente. Esta
puede o no ser una suposicin realista, que depende de cmo se acoplan las dos
partes. Si suponemos que los dos mecanismos trabajan independientemente, ob-
tenemos para la probabilidad pedida (1 - p)l.
Ser muy importante para nosotros extender la nocin de independencia
a ms de dos sucesos. Consideremos primero tres sucesos asociados con un ex- EJEMPLO 3.11. La probabilidad de cerrar cada uno de los rels del circuito
perimento, digamos: A, 8. C. Si A y 8, A y C, 8 y C, son mutuamente independien- que se indica en la figura 3.5 est dada por p. Si to?os los rels funcionan inde-
tes (en el sentido dado anteriormente), entonces no se deduce, en general. que pcmhentemente ;.cul es la probabilidad de que extsta una comente en los ter-
no haya dependencia entre los tres sucesos A. 8 y C. El siguiente eJemplo (algo mmales 1 y D?
artificial) ilustra este punto. Sea A1 el suceso que representa {rel i e,t(t cerntdo}. i = l. 2. 3.4. Sea E el su-
~'\!so que representa {la corriente pasa <k 1 .1 /):. Por tanto E (A 1 n A 1l ~
EJEMPLO 3.10. Supongamos que lanzamos dos dados. Definamos los sucesos (AJ n A4 ). (Note que A 1 f"\ A 2 y A 3 n A 4 no son mutuamente excluyentes.) Ast
A. B y C. como sigue:
P(E) = P(A 1 f"\ A 2 ) + P(A 3 n A4) - P(A 1 n Az n A3 f"\ A4)
A = {el primer dado muestra un nmero par}, = pz + 11 z _ r4 = 2Pz _ p4.
8 = {el segundo dado muestra un nmero impar},
e= {ambos dados muestran nmeros pares o nmeros impares}.
Tenemos P(A) = P(8) = P(C) = l An ms, P(A n 8) = P(A n C) = P(8 n
C) = !. Por lo tanto, los tres sucesos son mutuamente independientes. Sin em-
bargo, P(A n 8 n C) = O ,. P(A)P(8)P(C).
Este ejemplo motiva la siguiente definicin.
FtGURA 3.6

Defmicin. Decimos que los tres sucesos A. 8 y e son muruamente indepen-

die/lles si y slo si todas las condiciones siguientes se mantienen: EJEMPLO 3.12. Supngase otra vez que en el circuito de la figura 3.6. la prc-
babilidad de que cada uno de los rels est cerrado es p y que todos los rels fun-
P(A n 8) = P(A)P(8), P(A n C) - P(A)P(C), c1onan independientemente. i.Cul es la probabilidad de que exista una corriente
(3.7)
P(8 n C) = P(8)P(C) P(A n 8 n e = P(A)P(8)P(C). entre los terminales 1 y D'?
Usando la misma notacin como en el eJemplo 3.11, tenemos que
Finalmente generalizaremos esta nocin a n sucesos. dando la siguiente de-
finicin. P(E) = P(A 1 n A 2) + P(A~) + P(A 3 n
A4) - P(A, n Az nAs)
- P(A 1 n A 2 n A 3 n A4)- P!As n A3 f"\ A4)
Defmicin. Los 11 sucesos A1 A 2 ,A. son mutuamente independientes
si y slo si tenemos para k = 2, 3. . n.
+ P(A 1 n A 2 f"\ A 3 n A4 nAs)
= pz + p + pz _ PJ _ p4 _ PJ + ps = p + 2pz _ 2pJ _ p4 + ps.
P(A 1, n A 1, n n A1,) = P(A 1,)P(A1,) P(A 1.). (3.8)
Para cerrar este capitulo indiquemos un;~ solucin muy comn, pero errnea.
(Hay 2" - 11 - 1 condiciones juntas anotadas; ver el problema 3- 18). del problema.

Observacin: en la mayor parte de las aplocacione~. no necesitamos verificar todas estas EJEMPLO 3.13. Suponga que entre sc1s pernos. dos son ms cortos que una
<'<lndiciones. porque generalmeme suponemos la independencia. (con base en lo que sabemos long1tud especthca. St ~e escogen dos pcrn<h al aLar. cul es la probabilidad de
a~-erca del experimento). Nosotros. entonces. u-amo> esta suposicin para calcular. digamos:
que lo~ dos ms cortos sean los escogido,' Sea A, el suceso {el -simo perno ele-
P(A, " A,, " " A;,) C(lmO P(A,,)P(A 1,) P(A 1,). gido es corto}, i = l. 2.
 48 l'robubilidd condlclonul e Independencia
1.~ ( onl\idl'rSIICiUil\'' t'"JU\'fnitirll\ 49

Por lo tanto queremos evaluar P(A 1 n A 2 ). La solucin correcta se obtierc. Supongamos ahora que deseamos calcular P(B 1 A). As slo necesitamos
naturalmente. al escribir
t'lllts1derar A; esto es. A' puede ignorarse en los clculos. Notemos que la propor-
P(A 1 n A2) - P(A 2I A t!P(A tl = ! ~ =k lin de 8 en A es 1/4. (Podemos verilicar esto tambin al aplicar Ec. (3.1): P(B 1A) =
/'(A n 8)/ P(A) = 0,1/0,4 = 1/ 4). Por lo tanto P(B' 1 A) = 3/4, y el diagrama que
La solucin comn pero incorrecra es escribir:
1cprcsenta esta probabilidad condicional estara dado por la ligura 3.9.
P(A 1 n Az) - P(A 2 )1'( , 11) =! ~ = fs .
Lo imporlantc. en realidad. e~ que aunque la respuesta es correcta. la identili- 1.0
cacin de ~con P(Az) es mcorrecta; ! reprc~nta P( A 2 1 A 1). Para evaluar P(Az)
en forma correcta. escnb1mo~
B' 0.15

3.4 Consideraciones esquemticas; probabilidad condicional e independencia 8 0.25 o FIGURA 3.9

La soluci n csqucmt ti c.t s1guicn te puede ser til para comprender el concepto
de probabilidad condicional. Supngase que A y B son dos sucesos asociados
con un espacio muestra! para el cual las distintas probabilidades se indican en
el diagrama de Venn que aparece en la ligura 3.7.
0.2 FIGURA 3.7
~--------------~
L-----A----~------~~A~'
N tese tambin que si se da A como ocurrido, todas las probabilidades (~s
decir 1) se deben asociar con el suceso A mientras que ninguna de las pr?babl-
hdades (es decir 0) est asociada con A' . An ms, ntese que en el reetan~ulo
11quierdo, que representa A, solamente las entradas individuales han camb1ado
de la ligura 3.8 a la ligura 3.9 (sumando 1 en vez de 0,4). S m em.bargo.~ propor-
\:iones dentro del rectngulo han permanectdo 1guales (es dectr , 3: 1).
- Ilustremos la nocin de independencia, usando la solucin esquemtica pre-
sentada anteriormente. Supngase que los sucesos A y 8 se dibujan en la figura 3.1 O.
ln ese caso las proporciones en los dos rectngulos, que representan A y A', son
las mismas: 3:1 en ambos casos. As tenemos P(B) = 0,1 + 0.15 0.25. Y
I'(H n A) = 0.1 /0.4 = 0,25.

Por lo tanto P(A n 8) = 0, 1, P(A) 0.1 + 0,3 = 0,4 y P(B) = 0,1 + 0.4 = 0.5. 06
En seguida. representemos las diversas probabilidades por las reas de los
rectngulos como en la ligura 3.8. En e<tda caso, las regiones sombreadas indican
el suceso 8 : en el rectilngulo de la izquierda representamos A n 8 y en el de la 0.4
derecha A' n B. 0.45 8'
06
B' 0.3
0.2 8'
0.4

u~ 0.15 8 F'tGURA 3. 10
B

81 0.3 A A'
0.4 8

8 ' 0.1 Finalmente, obsrvese que simplemente mirando la ligura 3.8 podemos calcu-
FIGURA 3.8 lar las otras probabilidades condicionales: P(A 18) = 1/5(puesto que 1/5 del
A A' rea total rectangular que representa 8 est ocupada por A). P(A 'I 8) = 4/ 5.
 50 l'robabllldnd condlci~mu l e lndept'lldcncia
PROBLEMAS
3.1. La urna 1 contiene x esferas blancas e y roJas. La urna 2 contiene: esferas blancas
y v roJas. Se escoge una csferu al a.tar de la urna 1 y se pone en la urna 2. Emonces se escoge
una esfera al azar de la urna 2. ,.Cul es la probabilidad de que esta esfera sea blanca'!
3.2. Dos tubos defectuosos \C confunden con dos buenos. Los tubos se prueban. uno
por uno. hasta encomrar los defectuosos.
(a) i.Cual es la probabolidad de encontrar el ltimo tubo defectuoso en la segunda prueba'!
(b) ~.Cu{ol es la probaboli.dad de encontrar el ltimo tubo defectuoso en la tercera prueba'!
(e) <.Cua 1 es la probabohdad de encontrar el ltomo tubo defectuoso en la cuan a prueba'!
(d) Agregue los nmeros obtenodos anteroormentc en (a). (b) y (e). i.Es sorpren<Jcntc el
rc,ultado'!
3.3. Una CaJa contoene 4 tubos malos y 6 hucnos. Se sacan dos a la ez. Se prueba uno
<le ellos Y se encuentra que es bueno. i.Cual es la probabolidad de que el otro tambin sea bueno'!
_3.4. En el problema anteroor los tubos se vcrofiean sacando uno al azar. se prueba y se
repote el proceso ha,la que se encuentran los cuatro tubos malos. i.Cuiol es la probabilidad
de encontrar el cuarlo 1ubo malo.
(a} en la quoma prueba'!
(b) en la dcima prueba?
. 3.5. Su~ngase que A y 8 son dos su~'CSOs indcper.dicntcs asociados con un expcrimcnlo.
So la prob~bolodad de que A o 8 ocurra es igua l a 0.6. mientras que la probabilidad de que A
ocurra es ogual a 0.4. determinar Id probabiliddd de que B ocurra.
3.6. Vcinlc arlculos. 12 de los cuales son defectuosos y 8 no defectuosos, se inspeccionan
uno despus de Olro. Si esos artculos se escogen al azar, ,cul es la probabil oJad de que:
(a) los dos primeros :trliculo~ inspeccoonados sean defectuosos?
(b) los do~ primeros a11cu los inspeccionados sean no dcfccluosos'l
(e) cn1re los dos primero~ arlculos inspeccionados haya uno defec1uoso y uno no de-
fectuoso?
3.7. Supngase que ICncmos 2 urna~. 1 y 2. cada una con dos caJOnes. La urna 1 1icne
una moneda de oro en un CaJn y una de plata en el otro. mientras que la urna 2 1iene una
mo~cda de oro en cada uno de los caJOnes. Se escoge una urna al azar; y de sta se escoge un
Cajor. al azar. La moneda cncomrada en este CUJn resulta -crdc oro. ,Cul es la probabilidad
de que la moneda provenga de la urna 2'1
3.8. Un bol<.o conloene !re; monedas. u n.o de las cuales esta acuada con dos c.oras moco-
Iras que las otras dos monedas son normales y no son sesgadas. Se escoge una moneda ;ol
aza~ ~el bolso Yse lanza cual ro ''-'CCS en forma succsova. Si cad<1 vez sale cara, ;.cul es la pro-
babohdad de que s1" -.ea l<t moneda con dos car.IS'!
3.9.. ~n una f{tbrica de pernos. las mquinas 4. 8 y C fabrican 25. 35 y 40 por ciento de la
produccoon IOial, re;.pectovamcnlc. De lo que pwducen. 5. 4 y 2 por ciento. respectivamente.
son pernos dcfectuo~os. Se e\C<lgc un perno al a1.ar y se encuentra que es defectuoso. ,Cul
es la probabolod"d que el perno provenga de la mquina A'/ 8'! Cl
. 3.10. Sean A y 8 do\ su~x:so~ asocoado~ con un experimento. Supngase que P(A) ~ 0.4
moentras que P(A v 8) 0.7. Scu P(8) p.
(a) ,Para qu eleccin de p ~on A y B mutuamente excluyentes?
(b) i.Para qu eleccin de p son A y 8 indepcndienles'!
3.11. Tres componcnlcs de un mecanismo, digamos e,e, y e 3 estn col=odos en serie
(rn una lnea recta). Supngase que esos mecanismos estn agrupados en un orden aleatorio.
sea R el suceso {C1est a la derecha de C.}. y sea S el suceso {el es1 a la derecha de e,.
1.Son ondependientes los sucesos R y S? i Por qu?
3.12. Se lanza un dado e, independientemente, se escoge al azar una carta de una bardja
normal. Cul es la probabilidad de que:
(a) el dado muestre un nmero par y la carta sea de un palo rOJO?
(b) el dado muestre un nmero par o la cana sea de un palo rojo?
3.13. Un nmero binario est compuesto slo de los dgitos cero y uno. (Por eJemplo,
1011, 1100, etc.) Esos nmeros juegan un papel imponante en el uso de los compuladores
electrnicos. Supngase que un nmero binario est formado por n dgitos. Supngase que
la probabilidad de que aparezca un dgito incorrecto es p y que los errores en dignos dtfc-
rentes son independientes uno de otro. Cul es la probabilidad de formar un ntmero inco-
rrecto?
3.14. Se lanla un dado n veces. Cul es la probabilidad de que 6>~ salga al menos una
vez en los n lanzamientos?
3.15. Dos personas lanzan tres monedas regulares cada una. Cul es la probabilidad
de que obtengan el mismo nmero de caras?
3.16. Se lanzan dos dados. Puesto que las caras muestran nmeros difercnles. ,cual
es la probabilidad de que una cara sea 4?
3. 17. En la fabricacin de cierto artculo se encuentra que se presenta un tipo de defectos
con una probabilidad de 0,1 y defectos de un segundo tipo con probabilidad 0,05. (Se supone
la independencia entre los tipos .de defectos). Cul es la probabilidad de que :
(a) un articulo no tenga ambas clases de defectos?
(b) un artculo sea defectuoso?
(e) suponiendo que un articulo sea defectuoso, tenga slo un lipo de defecto?
3.18. Verifique que el nmero de condiciones indicadas en la ecuacin (3.8) est dado
por 2" - n- l.
3.19. Probar que si A y B son sucesos independientes. tambin lo son A y 8, A y 8, A y B.
D
(a) (b)
FIGURA 3.11
3.20. En la figura 3.11 (a) y (b) se supone que la probabilidad de que cada rel est ce-
rrado es p y que cada rel se abre o se cierra independientemente de cualquier otro. Encon-
trar en cada caso la probabilidad de que la corriente pase de 1 a D.
 52 Probabilidad condldonal e indepcnd~ncla t>rohlcnu" !l.l

TABLA 3.2 3.27. Cada vc1 que 'e hace un experimento. la ocurrencia de un suceso particular A es
1ual a 0,2. El experimento se repite. indepcndcntcmente, ha;,ta que A ocurre. Calcule la pro-
ll.lbJhdad de que sea necesario realizar un cuarto experimento.
Nmero
de fallas o 2 3 4 5 6 3.28. Supngase que un mecanismo tiene N tubos. todos los cuales son necesarios para
u fuocJonamicnto. Para localizar el tubo que func1ona mal. se reemplaza sucesivamente
A 0.1 0.2 0.3 0.2 0.09 0.07 0.04 ~.1da uno de ellos pOr uno nuevo. Calcular la probabilidad de que sea necesario verilicar N
tubos si la probabilidad (constan te) es p de que un tubo est daado.
8 0.3 0.1 0.1 0.1 0.1 0.15 0.15 3.29. Probar : Si P(A 1B) > P(A) entonces P(8 1A) > P{8).
3.30. Un tubo al vaco puede provenir de uno cualquiera de tres fabricantes con pro-
3.2 1. Dos mquinas, A. B, que se accionan independientemente. pueden tener un cierto lmbilidadcs p1 0,25, p2 ~ 0,50 y p3 = 0,25. Las probabi lidades de que el tubo funcione
nmero de fa ll as cada da. La tabla 3.2 da la di~tribucin de probabi lidades de las fallas de ~orrectamen te durante un perodo de tiempo especilicado son iguales a 0.1, 0.2 y 0,4. respec-
cada una. Ca lcular las siguientes probabilidades: llvamente, para los tres fabricantes. Calcular la probabilidad de que un tubo elegido alcato-
(a) A y 8 tienen el mismo nmero de fallas. namenle funcione durante el perodo de tiempO especilic:tdo.
(b) El nmero de fallas es menor que 4; menor que 5. 3.31. Un sistema elctrico consta de dos interruptores del tipo A, uno del tipO B. y cuatro
(e) A t1ene ms fallas que B. del tipO C. conectados como aparece en la ligura 3.12. Calcule la probabilidad de que no sc
(d) 8 t1ene el doble de fallas que A. rueda elimmar una falla en el circuito. con la llave K slos mtcrruptores A. By C estn abiertos
(e) 8 tiene 4 fallas. cuando se sabe que 8 tiene pOr lo menos 2 fallas. (C> decir. fuera de servicio) con probabilidade' 0.3. 0.4. 0.2. respectivamente y si dlns fun-
(r) El nmero mnimo de fallas de las dos mtqumas es 3; es menor que 3. CIOnan independientemente.
(g) El nmero mximo de fallas de las mqumas es 3; es ms que 3.

3.22. Al vcrilicar la ecuacin (3.2), se observa que para A liJO. P(8 1 A) satisface los diver-
sos postulados de la probabi lidad.

3.23. Si cada uno de los elementos de un determ inante de segundo orden es cero o uno.
cu l es la p_robabilidad de que el valor del determinante sea positivo? (Supngase que las
entradas mdiVIduales del determmantc se escogen independientemente, se supone que cada
uno de los valores tiene probabilidad!.)

. 3.24. Verifique que el teorema de la multiplicacin P(A r1 B) = P(A 1 8)P(8), estable-

Cido para dos sucesos. se puede generalizar p.ra tres sucesos como sigue:

P(A rl B rl C) = P(A 1B r1 C)P(B 1C)P(C). fiGURA 3.12

3.25: Un conJunto electrnico consta de dos subsistemas. digamos A y B. A partir de

una sene de pruebas prev1as, se presupOnen las siguientes probabilidades: 3.32. La probabilidad de que un sistema se sollrecargue es 0.4 durante cada conJunto
de ensayos de un experimento. Calcule la probabi lidad de que el sistema deje de funciOnar
en tres ensayos independientes del experimento si las probabilidades de fallar en 1, 2 3 en-
P(A fa lle) = 0,20 sayos son iguales a 0,2, 0,5 y 0.8, respectivamente.
P(B slo falle) 0,15 3.33. Se em iten cuatro seales de rad io sucesivamente. Si la recepcin de cualquier seal
es independiente de la recepcin de otra y estas probabi lidldcs son 0.1; 0.2; 0.3 y 0.4 respec-
P(A y 8 fallen) 0,15
tivamente, calcule la probabilidad de que la seal k sea recibida por k = O, 1, 2. 3, 4.
Calcular las probabilidades siguientes. 3.34. Un aficionado usa el siguiente sistema para pronosticar el tiempO atmosfrico.
(a) P(A falle 18 haya fallado). Clasilica cada da como SCCO>> o <<mOJado y supone que la probabilidad de que cualquier
(b) P(A falle solamente). da dado sea igual al precedente est dada pOr una constante p(O < p < 1). Con base en ano-
taciones anteriores. se supOne que el 1 de enero tiene una probabhdad {J de ser seco. Su-
3.26. Finalice el anlisis del ejemplo dado en la seccin 3.2 decidiendo cul de los tipOS pOniendo que JJ. probabilidad (el n-simo da del ao es seco). obtener una expresin
de tarros de caramelos. A o B. es el escogido con base en el conocimiento de los dos cara- para P. en funcin de P y p. Evaluar tambin lim.-,.JJ. e mterpretar su resultado.
melos que fueron muestreados. (IndiCacin: expresar (1. en funcin de P.- 1).
 S4 Probabilidad condicional e independencia
3.35. En una ciudad se publican los peridicos A, B y C. Una encuesta reciente de lec-
tores indica lo siguiente: 20 por ciento lee A, 16 por ciento lee B, 14 por ciento lee C, 8 por
cien to lee A y B, 5 por cien to lee A y C, y 2 por ciento lee A, B y C. Para un adulto escogi-
do al azar, calcular la probabilidad de que (a) no lea ninguno de los peridicos (b) lea exac-
tamente uno de los peridicos (e) lea al menos A y B si se sabe que lee al menos uno de los
peridicos publicados.
3.36. Una moneda normal se lanza 2. veoes.
(a) Obtener la probabilidad de que haya un nmero igual de caras y sel los.
(b) Verificar que la probabilidad calculada en (a) es una funcin decreciente den.
3.37. Cada una de las urna 1, urna 2, , urna n, contiene a esferas blancas y p esferas
negras. Se pasa una esfera de la urna l a la urna 2 y luego se pasa una de la urna 2 a
la u rna 3, etc. Finalmente, se escoge una esfera de la urna n. Si la primera esfera que se pas
era blanca, cul es la probabilidad de que la ltima esfera elegida sea blanca? Qu sucede
cuando. n-+ oo? [Indicacin: sea p. = Prob (n-sima esfera pasada sea blanca) y exprese p.
en functn de p. _ 1.)
3.38. La urna 1 contiene a esferas blancas y P esferas negras mientras que una urna 2
con tiene a esferas blancas y Pnegras. Se escoge una esfera (de una de las urnas) y luego se de-
v~elve a esa urna. Si la esfera escogida es blanca, se escoge la esfera siguiente de la urna 1;
so la esfera escogtda es negra, se escoge la siguiente de la urna 2. Contine de esta manera.
Co,m o la primera esfera e~ogida proviene de la urna l , obtener Prob (n-sima esfera escogida
sea blanca) y tambtn el bmlte de esta probabilidad cuando n .... oo.
3.39. Una mquina impresora puede imprimir n letras, digamos a 1 , . , a . Esta te podramos mantener un registro de la curva trazada por el termgraro. 'Sin
mquina es operada por impulsos elctricos y cada letra es producida por un impulso diferente.
Supngase que exista. una probabilidad constante p de imprimir la letra correcta y tambin
suponga mdependenc1a. Uno de los n impulsos, escogido al azar, aliment la mquina dos
v~ces Y las. dos veces se imprimi la letra cx 1 Calcule la probabilidad de que el impulso esco-
gidO estuv1ese proyectado para imprimir cx 1
4
Variables aleatorias unidimensionales
4. 1 Nocin general de una variable aleatoria
Al describir el espacio muestra! de un experimento. no especificamos que un
resultado individual necesariamente tiene que se r un nmero. De hecho, hemos
citado varios ejemplos en los cuales el resultado del experi mento .no fue una
cantidad numrica. Por ejemplo, al clasificar un artculo manufacturado si m-
plemente podramos usar las categoras defectuoso y <<no defectuoso. En otro
caso. para observar la temperatura durante un perodo de 24 horas sencillamen-
em bargo, en muchas situaciones experimentales vamos a interesarnos en medir
algo y anotarlo corno un nmero. An en los casos citados anteriormente po-
dremos asignar un nmero a
cada uno de los resultados (no numricos) del
experimento. Por ejemplo, pudimos asignar el valor uno a artculos no defec-
tuosos y el valor cero a los defectuosos. Pudimos anotar la temperatura mxi-
ma del da, o la mnima, o el promedio de las temperaturas mxima y mnima.
Las ilustraciones anteriores son caractersticas de una clase muy general de
problemas. En muchas situaciones experi mentales deseamos asignar un nme-
ro rea l x a cada uno de los elementos s del espacio muestra! S. Esto es, x = X(s)
es el valor de una funcin X del espacio muestra! a los nmeros reales. Teniendo
esto presente, hagamos la siguiente definicin form al.
Defmicn. Sea un experimento ; y S el espacio muestra! asociado con el
experimento. Una funcin X que asigna a cada uno de los elementos
se S, un nmero rea 1 X(s), se llama variable aleatoria.
Observaciones: (a) La terminologa anterior es algo desarortunada. pero como es tan
universa lmente aceptada. nosotros no nos apartaremos de ell a. Hemos hecho lo ms claro
postble que X es unafuncilr y todava la llamamos variable (aleatori>l).
(b) Resulta que no toda runcin que se conciba puede ser considerada como una variable
aleatoria. Una exigencia (aunque no la ms general) es que para todo nmero real x el suceso
f X(s) = x} y para todo intervalo 1, el suceso {X(sJ E 1} tiene probabilidades bien definidas y
consecuentes con los axiomas bsicos. En la mayora de las aplicaciones no aparece esta difi-
cultad y no haremos rererencia posterior.
55