PROBABILIDAD
Y APLICACIONES ESTADISTICAS
Paul L. Meyer
Departamento de Matemticas
Washington Stute Univcrsity
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:
l
(\ 1
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.
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 1.2
t~rados por la _tercera es defectuoso. Se colm:an juntos todos los artcu los produ- mente es perfectamente correcto; slo la eleccin impropia para P(81) hace el
Cidos en una fila y se escoge uno al a:wr. ,,Cul es la probabilidad de que este r~>ultado objetable.
artculo sea dcfcctuo~o'! Volvtcndo a la pregunta propuesta anteriormente y aplicando ahora la ecua-
Definamos los siguientes sucesos: nn (3.5). obtenemos:
Nosotros necesitamos P(A) y. usando el resultado anterior, podemos escribir: 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
Ahora P(~ ) = !. mientras que P(8 2 ) = P(8 3 ) = i. Tambin P(A 1 8.) = P(A IB1 ) completa de sal encontrada en el i-stmo matraz.
= 0.02, mientras que P(A 1 BJ) = 0.04. Poniendo sus valores en la expresin an-
terior obtenemos P(A) 0.025.
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-
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 tos problemas.
sal, h~1cen un litro. Sea P(Br) el volumen del i-simo matraz y P(A J 8 1) la concentracin de la Supngase que muchas cajas estn llenas de caramelos de dos tipos. diga
soluctn en el i-simo matraz. Si combinamos todas las soluciones en un matraz y supone- mos A y B. El tipo A contiene 70 por ciento dulce y 30 por ciento (leido. mientras
mos que P(A) indica la concentraci n de la solucin resultante, obtenemos: 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
P(A) I'(A j lJ 1)P(8 1) -t + P(A j B.)P(B.).
son del tipo B.
Ahora estamos ante el siguiente problema de decisin. Usted recibe una ca a
3.2 Teorema de Rayes 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-
Podemos usar el ejemplo 3.5 para JUStificar otro resultado importante. Su- portantes sin mucha complicacin) y con esta informacin debe decir si cree que
pongamos que del depsito se escoge un artculo y se encuentra que es defectuo- el tipo A o el tipo B le ha sido ofrecido. El siguiente "diagrama de rbo l" (llama-
so. i.Cul es la probabilidad de que se produjese en la primera fbrica? do as por las diversas trayectorias o ramas que aparecen) nos ayudar a ana li zar
Usando la notacin. presentada previamente, necesitamos P(B 1 1 A). Podemos el problema. (Sw y So indican la eleccin de un caramelo dulce o {tcido. rc~pccti
calcular esta probabilidad como una consecuencia de la siguiente. Sean 8 1 _ B vamcn tc.)
una particin del espac1o muestra! S. Sea A un suceso asociado con S. Aplican-
do la definicin de probabilidad condicional. podemos escribir:
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
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
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
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
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 3.11. 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.
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
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?
una esfera al azar de la urna 2. ,.Cul es la probabilidad de que esta esfera sea blanca'!
3.12. Se lanza un dado e, independientemente, se escoge al azar una carta de una bardja
3.2. Dos tubos defectuosos \C confunden con dos buenos. Los tubos se prueban. uno
por uno. hasta encomrar los defectuosos. normal. Cul es la probabilidad de que:
(a) i.Cual es la probabolidad de encontrar el ltimo tubo defectuoso en la segunda prueba'! (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?
(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'! 3.13. Un nmero binario est compuesto slo de los dgitos cero y uno. (Por eJemplo,
(d) Agregue los nmeros obtenodos anteroormentc en (a). (b) y (e). i.Es sorpren<Jcntc el 1011, 1100, etc.) Esos nmeros juegan un papel imponante en el uso de los compuladores
rc,ultado'! electrnicos. Supngase que un nmero binario est formado por n dgitos. Supngase que
3.3. Una CaJa contoene 4 tubos malos y 6 hucnos. Se sacan dos a la ez. Se prueba uno la probabilidad de que aparezca un dgito incorrecto es p y que los errores en dignos dtfc-
<le ellos Y se encuentra que es bueno. i.Cual es la probabolidad de que el otro tambin sea bueno'! rentes son independientes uno de otro. Cul es la probabilidad de formar un ntmero inco-
rrecto?
_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 3.14. Se lanla un dado n veces. Cul es la probabilidad de que 6>~ salga al menos una
de encontrar el cuarlo 1ubo malo. vez en los n lanzamientos?
(a} en la quoma prueba'! 3.15. Dos personas lanzan tres monedas regulares cada una. Cul es la probabilidad
(b) en la dcima prueba? de que obtengan el mismo nmero de caras?
. 3.5. Su~ngase que A y 8 son dos su~'CSOs indcper.dicntcs asociados con un expcrimcnlo. 3.16. Se lanzan dos dados. Puesto que las caras muestran nmeros difercnles. ,cual
So la prob~bolodad de que A o 8 ocurra es igua l a 0.6. mientras que la probabilidad de que A es la probabilidad de que una cara sea 4?
ocurra es ogual a 0.4. determinar Id probabiliddd de que B ocurra.
3. 17. En la fabricacin de cierto artculo se encuentra que se presenta un tipo de defectos
3.6. Vcinlc arlculos. 12 de los cuales son defectuosos y 8 no defectuosos, se inspeccionan con una probabilidad de 0,1 y defectos de un segundo tipo con probabilidad 0,05. (Se supone
uno despus de Olro. Si esos artculos se escogen al azar, ,cul es la probabil oJad de que: la independencia entre los tipos .de defectos). Cul es la probabilidad de que :
(a) los dos primeros :trliculo~ inspeccoonados sean defectuosos? (a) un articulo no tenga ambas clases de defectos?
(b) los do~ primeros a11cu los inspeccionados sean no dcfccluosos'l (b) un artculo sea defectuoso?
(e) cn1re los dos primero~ arlculos inspeccionados haya uno defec1uoso y uno no de- (e) suponiendo que un articulo sea defectuoso, tenga slo un lipo de defecto?
fectuoso?
3.18. Verifique que el nmero de condiciones indicadas en la ecuacin (3.8) est dado
3.7. Supngase que ICncmos 2 urna~. 1 y 2. cada una con dos caJOnes. La urna 1 1icne por 2" - n- l.
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
3.19. Probar que si A y B son sucesos independientes. tambin lo son A y 8, A y 8, A y B.
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 D
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 (a) (b)
es la probabolod"d que el perno provenga de la mquina A'/ 8'! Cl FIGURA 3.11
. 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. 3.20. En la figura 3.11 (a) y (b) se supone que la probabilidad de que cada rel est ce-
(a) ,Para qu eleccin de p ~on A y B mutuamente excluyentes? rrado es p y que cada rel se abre o se cierra independientemente de cualquier otro. Encon-
(b) i.Para qu eleccin de p son A y 8 indepcndienles'! 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!.)
3.38. La urna 1 contiene a esferas blancas y P esferas negras mientras que una urna 2 Al describir el espacio muestra! de un experimento. no especificamos que un
con tiene a esferas blancas y Pnegras. Se escoge una esfera (de una de las urnas) y luego se de- resultado individual necesariamente tiene que se r un nmero. De hecho, hemos
v~elve a esa urna. Si la esfera escogida es blanca, se escoge la esfera siguiente de la urna 1; citado varios ejemplos en los cuales el resultado del experi mento .no fue una
so la esfera escogtda es negra, se escoge la siguiente de la urna 2. Contine de esta manera. cantidad numrica. Por ejemplo, al clasificar un artculo manufacturado si m-
Co,m o la primera esfera e~ogida proviene de la urna l , obtener Prob (n-sima esfera escogida plemente podramos usar las categoras defectuoso y <<no defectuoso. En otro
sea blanca) y tambtn el bmlte de esta probabilidad cuando n .... oo. caso. para observar la temperatura durante un perodo de 24 horas sencillamen-
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. em bargo, en muchas situaciones experimentales vamos a interesarnos en medir
Supngase que exista. una probabilidad constante p de imprimir la letra correcta y tambin algo y anotarlo corno un nmero. An en los casos citados anteriormente po-
suponga mdependenc1a. Uno de los n impulsos, escogido al azar, aliment la mquina dos dremos asignar un nmero a
cada uno de los resultados (no numricos) del
v~ces Y las. dos veces se imprimi la letra cx 1 Calcule la probabilidad de que el impulso esco- experimento. Por ejemplo, pudimos asignar el valor uno a artculos no defec-
gidO estuv1ese proyectado para imprimir cx 1
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.