Académique Documents
Professionnel Documents
Culture Documents
Edgar Acua
Captulo 4
91
S1 1,2,3,4,5,6
S 2 CC , CX , XC, XX
S3 VVV ,VVN ,VNV , NVV ,VNN , NNV , NVN , NNN
S 4 1,2,3,4,5,6,...
s5 t : t 0 0,
Los espacios muestrales cuyos elementos resultan de hacer conteos son llamados
espacios muestrales discretos y por lo general son subconjuntos de los nmeros enteros.
Algunos de estos espacios muestrales tienen un nmero finito de elementos y otros no.
De los espacios muestrales mencionados anteriormente S1 , S 2 y S 3 son espacios
muestrales discretos finitos, en tanto que S 4 es un espacio muestral discreto infinito.
Los espacios muestrales cuyos elementos resultan de hacer mediciones son llamados
espacios muestrales continuos y por lo general son intervalos en la recta Real. S 5 es
un espacio muestral continuo.
Edgar Acua
Captulo 4
92
4.1.2. Eventos
Un Evento es un resultado particular de un experimento aleatorio. En trminos de
conjuntos, un evento es un subconjunto del espacio muestral. Por lo general se le
representa por las primeras letras del alfabeto. A continuacin daremos ejemplos de
eventos correspondientes a los experimentos aleatorios definidos anteriormente.
A: Que salga un nmero par al lanzar un dado.
A 2,4,6
B: Que salga por lo menos una cruz.
B CC , CX , XC , XX
C: Que el vendedor de enciclopedias venda a lo ms una de ellas.
D 1,2,3,4,5,6,7,8
E: Que haya que esperar ms de 10 minutos para ser atendidos.
E t : t 10 10,
Evento Nulo: Es aqul que no tiene elementos. Se representa por .
El espacio muestral tambin puede ser considerado como un evento y es llamado el
Evento Seguro.
En lo que estaremos interesados es en calcular la probabilidad de ocurrencia de
eventos, y para esto lo ms importante es determinar el nmero de elementos que hay en el
evento ms que describir todos los elementos del mismo. En la Seccin 5 veremos el uso
de tcnicas de anlisis combinatorio para determinar el nmero de elementos de un
espacio muestral y de eventos.
S
A
Edgar Acua
Captulo 4
93
i 1
A B
i 1
ocurre si
Edgar Acua
Captulo 4
94
2. Propiedad Asociativa
A ( B C ) ( A B) C
A ( B C ) ( A B) C
3. Propiedad Distributiva
A ( B C ) ( A B) ( A C )
A ( B C ) ( A B) ( A C )
4. Leyes de De Morgan
a) A B A B
b) A B A B
Todas estas propiedades se pueden aplicar a ms de dos eventos.
La parte a) de la ley de De Morgan significa que lo opuesto a que Al menos uno de
los eventos A y B ocurra es que Ninguno de los dos eventos ocurra.
La parte b) significa que ambos eventos no ocurren simultneamente si al menos
uno de ellos no ocurre.
Las generalizaciones de las leyes de De Morgan para una coleccin de eventos
A1 , ... , An , son las siguientes:
a)
b)
i 1
i 1
Ai Ai
n
i 1
i 1
Ai Ai
Edgar Acua
Captulo 4
95
Es decir, lo opuesto a que al menos un evento ocurra es que ninguno ocurra, y lo opuesto a
que todos los eventos ocurran simultneamente es que al menos uno de ellos no ocurra.
i 1
i 1
i 1
i 1
Propiedad 1 P 0
Propiedad 2 P( A ) 1 P( A)
Propiedad 3. Si A B entonces P A PB
Considerando B S , se concluye de la propiedad 3 que P(A) < 1 para cualquier evento A
de S.
Edgar Acua
Captulo 4
96
A B
AB
AB
P( A B)
P( A B)
P (B )
P( A B )
P ( A)
P( A B )
P(B )
P(A )
Ejemplo 4.1. Juan y Luis estn solicitando ser admitidos en una universidad. La
probabilidad de que Juan sea admitido es 0.7 y la probabilidad de que Luis sea admitido es
0.6. La probabilidad de que ambos sean admitidos es .45.
a) Cul es la probabilidad de que solamente uno de ellos sea admitido?
b) Cul es la probabilidad de que al menos uno de ellos sea admitido?
c) Cul es la probabilidad de que ninguno de los dos sea admitido?
Solucin:
An cuando podemos aplicar las propiedades anteriores, el problema puede ser resuelto de
dos maneras:
i)Usando un diagrama de Venn:
Edgar Acua
Captulo 4
97
es
En este caso se llenan las celdas de una tabla de doble entrada, cada entrada de la
tabla representa la probabilidad de ocurrencia de un evento. En este caso sera
.45
.25
.7
.15
.15
.3
.6
.4
1.0
Las celdas que aparecen en claro fueron datos del problema, las que aparecen en gris se
llenaron aplicando propiedades.
S
J
.25
.15
.45
.15
Ejemplo 4.2. Una empresa tiene dos maneras A y B de presentar un nuevo producto al
mercado. Si presenta el producto de la manera A la probabilidad de que el producto sea
exitoso es 0.44 y si lo presenta de la manera B la probabilidad de xito se reduce a 0.29.
La probabilidad de que el producto fracase con ambas maneras de presentacin es 0.37.
Cul es la probabilidad de que el producto sea exitoso con ambas formas de
presentacin?
Solucin:
Sean los eventos A: Que el producto sea exitoso con la manera A y B: que el producto sea
exitoso con la manera B. Tenemos que hallar P( A B) . Por la ley de De Morgan se
Edgar Acua
Captulo 4
98
A
.10
.34
.44
.34
A
.19
.37
.56
.10
.29
.71
1.0
.19
.37
Ejemplo 4.3. Rosa, Carmen y Alberto estudian juntos para un examen. La probabilidad
de que Rosa pase es 0.65, de que Carmen pase es 0.75 y de que Alberto pase es 0.50. La
probabilidad de que Rosa y Carmen pasen es 0.55, de que Carmen y Alberto pasen es 0.35
y de que Rosa y Alberto pasen es 0.25. La probabilidad de que los tres pasen es 0.20.
Cul es la probabilidad de que:
a)
b)
c)
d)
e)
Solucin:
La mejor manera de resolver el problema es hacer un diagrama de Venn para l mismo y
determinar la probabilidad de ocurrencia de cada regin, esto se muestra en Figura 4.7.
Edgar Acua
Captulo 4
99
.05
.05
.35
.20
.05
.15
.10
.05
Luego,
a) P( R C A) .95
b) P( R C A ) P( R C A ) P( R C A) .05 .05 .10 .20
c) P( R C A) .15
d) P((C R) A ) .05 .35 .05 .45
e) P( R C A ) .15
4.2.2. Mtodo Clsico
Un espacio muestral finito S {w1 ,..., wn }se dice que es Equiprobable si cada uno
1
de sus elementos tiene la misma probabilidad de ocurrencia, es decir P( wi ) para todo
n
i 1,..., n .
Ejemplo 4.4. Se lanza un par de dados legales y distinguibles, entonces su espacio
muestral dado por:
S RR, RN , NR, NN
S tiene 4 resultados posibles los cuales no ocurren con la misma probabilidad por
haber distintos nmeros de bolas de cada color. Ms adelante se ver que PRR 25 64 ,
PNN 9 64 y PRN PNR 15 64 .
Edgar Acua
Captulo 4
100
# ( A)
# (S )
Ejemplo 4.6. Cul es la probabilidad de que salga suma mayor que 7 al lanzar un par de
dados?
Solucin:
El evento A: Suma mayor que 7, incluye los resultados que dan suma 8, 9, 10, 11 12 y
stos ocurren de 5, 4, 3, 2 y 1 maneras repectivamente. Luego # A 15 . En el Ejemplo
5 se vi que # S 36 , por lo tanto P A 15 36 .
Ejemplo 4.7. Un oficial de matrcula asigna 2 estudiantes: A y B a 4 secciones:
S1, S 2, S 3, S 4 de un curso son asignados al azar. Cul es la probabilidad de que:
a) Los dos estudiantes sean asignados a la misma seccin?
b) Ningn estudiante sea asignado a la seccin S3?
c) Al menos un estudiante sea asignado a la seccin S1?
Solucin:
La siguiente tabla representa el espacio muestral del experimento
S1
A
A
A
AB
B
S2 S3 S4
B - B
- B
- AB - AB AB
A
-
S1
B
B
-
S2
A
A
B
B
-
S3
A
B
A
A
B
S4
A
B
A
B
-
# ( A) 4
# ( S ) 16
Edgar Acua
Captulo 4
P B
101
# ( B) 9
# ( S ) 16
# (C ) 7
# ( S ) 16
E2 E3
B C
C B
A C
C A
A B
B A
Sea el evento A: Que los carros A y B quedan estacionados uno detrs del otro. Luego,
P A 4 6 0.666 .
Ejemplos ms complicados requieren la aplicacin de tcnicas de conteo para
determinar el nmero de maneras como puede ocurrir el experimento y el evento deseado.
Estas tcnicas son descritas en detalle en la Seccin 5 de este captulo.
4.2.3 Mtodo Frecuencial
Si un experimento se repite n veces y n A de esas veces ocurre el evento A,
n( A)
entonces la frecuencia relativa de A se define por f A
.
n
Se puede notar que:
a) f S 1
b) f A 0
c) Si A y B son eventos disjuntos entonces f AB f A f B
Es decir f A satisface los axiomas de probabilidad.
Definicin. La probabilidad del evento A es el valor al cual se aproxima f A cuando
el experimento se ha repetido un gran nmero de veces. O sea:
n( A)
P( A)
n
Edgar Acua
Captulo 4
102
Nacimientos
3,159,958
3,159,958
3,144,198
3,167,788
3,326,632
3,333,279
3,494,398
3,612,258
3,629,238
Frecuencia relativa de
0.5133340
varones
3,326,632
0.5133340
0.5130513
0.5127982
0.5128058
0.5128266
0.5126110
0.5128692
0.5125792
0.5128058 3,629,238
Edgar Acua
Captulo 4
103
los guardamos en la columna C2 y luego 100 resultados posibles del segundo dado y los
guardamos en C3. Tambin se puede generar 200 datos y guardarlos en C2 y C3 (100 en
cada una). Hay que tener presente que la cajita correspondiente a Sample with
replacement debe estar marcada ya que las muestras van a ser sacadas con reposicin.
La ventana de dilogo se muestra en la figura 4.8
Figura 4.8. Ventana de dilogo para la opcin Samples from columns del men Random Data.
El prximo paso es calcular la suma de los dos dados. Esto se obtiene eligiendo la
opcin Row Statistics del men Calc. De todas las medidas que aparecen se elige Sum y
se guardan los resultados en la columna C4.
La ventana de dilogo es mostrada en la figura 4.9.
Edgar Acua
Captulo 4
104
Count Percent
3
3.00
8
8.00
9
9.00
19
19.00
10
10.00
14
14.00
13
13.00
13
13.00
2
2.00
7
7.00
2
2.00
100
Edgar Acua
Captulo 4
Nmero de
Repeticiones
100
500
1000
2000
5000
105
Probabilidad Estimada de
obtener Suma 7
.1400
.1820
.1710
.1580
.1692
Se puede estimar la probabilidad de sacar suma 7 como 0.16 que est bastante cerca del
valor exacto.
4.2.5 Mtodo Subjetivo
Algunas personas de acuerdo a su propio criterio generalmente basado en su
experiencia, asignan probabilidades a eventos, stas son llamadas probabilidades
subjetivas. Por ejemplo:
La Probabilidad de que llueva maana es 40%.
La Probabilidad de que haya un terremoto en Puerto Rico antes del 2000 es casi
cero.
La Probabilidad de que el caballo Camionero gane el clsico del domingo es 75%.
Puesto que las probabilidades subjetivas dependen de la persona que las hace se
vuelven bien imprecisas y algunas veces puede haber una gran disparidad en las
probabilidades que las personas asignan al mismo evento, especialmente cuando es poco o
bastante probable que ocurra.
Sin embargo probabilidades subjetivas son usadas frecuentemente en Estadstica
Bayesiana, en donde la probabilidad de ocurrencia de un evento se va modificando segn
la informacin que uno recoge acerca de otros eventos que puedan afectarlo. Para entender
mejor como se hace esta modificacin necesitamos introducir el concepto de probabilidad
condicional.
La probabilidad
P( A B)
P( B)
Edgar Acua
Captulo 4
106
A B
# ( A B)
# ( B)
A Favor
12
10
22
En contra
28
15
43
Abstenidos
8
12
20
Total
48
37
85
Total
10
15
2
12
Edgar Acua
Captulo 4
107
PR1 R2 3 7 2 6 1 7
PR2 PR1 R2 PB1 R2 3 7 2 6 4 7 3 6 18 42 3 7
PR1 B2 PB1 R2 3 7 4 6 4 7 3 6 24 42 4 7
Edgar Acua
Captulo 4
Segunda Bola
Primera Bola
R2
108
P( R1 R2 ) 3 / 7 x2 / 6 1 / 7
2/6
R1
3/7
B2
4/6
B1
P( R1 B2 ) 3 / 7 x4 / 6 2 / 7
R2
P( B1 R2 ) 4 / 7 x3 / 6 2 / 7
B2
P( B1 B2 ) 4 / 7 x3 / 6 2 / 7
3/6
4/7
3/6
Ejemplo 4.15. Segn la Comisin Electoral de un pas, el 90 por ciento de las esposas
votan si sus esposos lo hacen, y el 20 por ciento vota si su esposo no lo hace. Adems el
70 por ciento de los hombres casados votan. Se elige al azar un matrimonio. Cul es la
probabilidad de que:
a) ambos esposos voten?
b) slo uno de los esposos vote?
c) vote la esposa?
d) al menos uno de los esposos vote?
Solucin:
Sean los eventos V1: Que vote el esposo y V2: Que vote la esposa. El problema puede ser
representado por el siguiente diagrama de rbol.
Esposo Vota
Esposo Vota
V2
P(V1V2)=(.7)(.9)=.6.3
V2
P(V1 V2
)=(.7)(.1)=.07
.9
V1
.7
.1
V1
V2
P( V1 V2)=(.3)(.2)=.06
.2
.3
.8
V2
P( V1 V2 )=(.3)(.8)=.24
Edgar Acua
Luego,
a)
b)
c)
d)
Captulo 4
109
muestral S esto es
i 1
entonces:
n
P( A) P( Bi ) P( A / Bi )
i 1
Edgar Acua
Captulo 4
110
Notar que
P( A) P( B) P( A / B) P( B ) P( A / B )
La siguiente figura ilustra la regla de la probabilidad total para una particin en 5 eventos.
B1
B2
A
B3
B5
B4
Ejemplo 4.17. El 70 % de los pacientes de un hospital son mujeres y el 20% de ellas son
fumadoras. Por otro lado el 40 % de los pacientes hombres son fumadores. Se elige al
azar un paciente del hospital. Cul es la probabilidad de que sea fumador?
Solucin:
Sean los eventos F: Que el paciente sea fumador, H: Que el paciente sea hombre y M: Que
el paciente sea mujer. Claramente,
PF PM PF / M PH PF / H
Del enunciado del problema se tiene que PM .7 , PH .3 , PF / M .2 y
PF / H .4 , sustituyendo estos valores en la frmula anterior se obtiene que
PF .7 .2 .3 .4 .26 . En la Figura 4.14 se muestra el diagrama de rbol
correspondiente al problema.
Edgar Acua
Captulo 4
Sexo del
Paciente
Condicin
de Fumar
P( MF ) .7 .2 .14
P(MF ) .7 .8 .56
P( HF ) .3 .4 .12
P( HF ) .3 .6 .18
111
.2
M
.8
.7
H
.3
.4
.6
PD P APD / A PB PD / B PC PD / C
Sustituyendo los datos del problema se tiene que
Edgar Acua
Captulo 4
Planta
112
Defectuoso
P( AD ) .5 .03 .015
D
.03
A
.50
D
.02
B
.30
P( AD ) .2 .05 .010
D
.20
.05
Ejemplo 4.19. En un hospital el 98% de los bebs nacen vivos. Por otro lado, 40% de
todos los partos son por cesrea y de ellos el 96% sobreviven al parto. Se elige al azar una
mujer a la que no se va practicar cesrea. Cul es la probabilidad de que su beb viva?
Solucin:
Sean los eventos V: que el bebe nazca vivo, C: que el parto sea por csarea. Del
enunciado del problema PV .98 , PC .40 y PV / C .96 . Se desea hallar
P(V / C ) .
Cesarea
Beb Vive
.96
C
.40
.04
C
P(V / C )
P(CV ) .6 P(V / C )
.60
V
Figura 4.16. Diagrama de rbol para Ejemplo 4.19.
Por la regla de la probabilidad total P(V ) P(C) P(V / C) P(C ) P(V / C ) , de donde:
Edgar Acua
Captulo 4
113
.596
.993 . Un diagrama de rbol para el
.60
P( B j / A)
P( B j ) P( A / B j )
n
P( B ) P( A / B )
i
i 1
P ( B j A)
y aplicando la regla
P( B)
del producto en el numerador y probabilidad total en el denominador se obtiene la regla de
Bayes. La frmula permite calcular fcilmente probabilidades condicionales, llamadas
probabilidades a posteriori siempre y cuando se conozca las probabilidades a priori P( B j )
y las probabilidades condicionales P ( A / B j ) .
Ejemplo 4.20. Una prueba para diagnosticar cncer lo detecta en el 95% de personas que
efectivamente tienen la enfermedad y en el 1% de las personas que no tienen la
enfermedad. Por estudios previos se ha determinado que slo el .5% de las personas
sometidas a la prueba tienen efectivamente cncer. Si la prueba da un diagnstico
positivo, Cul es la probabilidad de que la persona tenga realmente cncer?
Solucin:
Sean los eventos C: La persona tiene cncer y D : La persona da un diagnstico positivo
de cncer.
Hay que hallar P C / D PC P D / C P D , donde
P D PC P D / C PC P D / C .
Edgar Acua
Captulo 4
Cncer
?
Diagnstico
114
.95
C
.005
.05
.01
.995
D
D
.99
D
Figura 4.17. Diagrama de rbol para Ejemplo 4.20
Ejemplo 4.21. Suponga que los chips de un circuito integrado son probados con cierto
instrumento y la probabilidad de que se detecten los defectuosos es .99. Por otro lado hay
una probabilidad de .95 de que un chip sea declarado como bueno si efectivamente lo es.
Si el 1% de todos los chips son defectuosos. Cul es la probabilidad de que un chip que
es declarado como defectuoso sea en realidad bueno?
Solucin:
Sean los eventos M: Que el chip sea declarado defectuoso por el instrumento, D: Que el
chip sea realmente defectuoso y B: Que el chip sea realmente bueno.
De los datos del problema se tiene que PM / D .99 y PM / B 1 .95 .05 , adems
PD .01. Lo que debemos calcular es PB / M PB PM / B PM . Pero,
PM PDPM / D PB PM / B = .01.99 .99.05 .0099 .0495 .0594 ,
por lo tanto PB / M .0495 .0594 .833 . El diagrama de rbol de la Figura 4.18
representa el problema.
Condic
i
Deteccion
.99
D
.01
.01
B
.99
.05
M
Figura 4.18. Diagrama de rbol para Ejemplo 4.21
Edgar Acua
Captulo 4
115
Ejemplo 4.22. Una urna I contiene 4 bolas rojas y 2 blancas y una urna II contiene 3
bolas rojas y 2 blancas. Se saca una bola de la urna I y se la coloca en la urna II, luego se
saca una bola de sta la cual resulta ser roja, Cul es la probabilidad de que la bola
pasada de I a II haya sido blanca?
Solucin:
Sean los eventos B1: Que la bola extrada de la urna I sea blanca, R1: Que la bola extrada
de la urna I sea roja, B2: Que la bola extrada de la urna II sea blanca, R2: Que la bola
extrada de la urna II sea roja. Hay que hallar P( B1 / R2 ) P( B1 R2 ) / P( R2 ) . Puesto
que P( B1 ) 1 / 3 , P( R1 ) 2 / 3 , P( R2 / B1 ) 3 / 6 1 / 2 y P( R2 / R1 ) 4 / 6 2 / 3 , se
tiene que P( R2 ) P( R1 ) P( R2 / R1 ) P( B1 ) P( R2 / B1 ) 22 36 11 18 , de donde sigue que
P( B1 / R2 ) 1 6 11 18 3 11 .42 . El diagrama de rbol de la Figura 4.19 representa
el problema.
Bola Urna II
Bola Urna I
B2
1/2
B1
1/3
R2
1/2
R1
1 1 1
P( B1 R2 )
3 2 6
B2
1/3
2/3
2/3
R2
P( R1 R2 )
2 2 4
3 3 9
P A / B P A o PB / A PB
De la definicin de probabilidad condicional se obtiene la siguiente definicin
equivalente:
Edgar Acua
Captulo 4
116
P A 18 36 1 2 , PB 12 36 1 3 , y P A B 6 36 1 6 .
Luego P A B P( A) P( B) y los eventos A y B son independientes.
A yB
Prueba:
a) Como A ( A B) ( A B ) se tiene por independencia de A y B que
P( A) P( A) P( B) P( A B ) , luego P( A B ) P( A)(1 P( B)) P( A) P( B ) .
b) y c) se dejan como ejercicios.
Ejemplo 4.24. Un tirador hace dos disparos a un blanco. La probabilidad de que acierte
en el blanco es .8, independientemente del disparo que haga. Cul es la probabilidad de
que el tirador:
a)
b)
c)
d)
Solucin:
Sean los eventos Ai: Que el tirador da en el blanco en el disparo i (i =1, 2). Por aplicacin
directa de la propiedad 5 se obtiene que:
a)
P A1 A2 P A1 P A2 .8.8 .64
Edgar Acua
b)
c)
d)
Captulo 4
117
Ejemplo 4.25. Un avin tiene 3 motores los cuales funcionan independientemente uno
del otro y fallan con probabilidad igual a .001 para cada uno de ellos. El avin hace un
vuelo exitoso si por lo menos uno de sus motores funciona. Cul es la probabilidad de
que el avin tenga un vuelo exitoso?
Solucin:
El avin no tiene un vuelo exitoso si todos sus motores fallan, por independencia esto
3
ocurre con probabilidad .001 . Luego, por complemento, la probabilidad de un vuelo
exitoso ser 1 .001 .
3
Ejemplo 4.26. Una persona lanza repetidamente un par de dados. Cuntas veces debe
lanzar el par de dados si se desea que la probabilidad de obtener suma igual a 7, al menos
una vez, sea por lo menos .95?
Solucin:
P(Sacar al menos una vez suma igual a 7) = 1 - P(Nunca sacar suma igual a 7) .95. 0
sea, P(Nunca sacar suma igual a 7) .05. Hay que encontrar el nmero n de veces que se
debe lanzar el par de dados para que esto ocurra. La probabilidad de sacar suma igual a 7
en una tirada de un par de dados es 6 36 1 6 , por lo tanto no se saca suma igual a 7 con
probabilidad 5 6 . Como hay independencia entre las n tiradas del dado, la probabilidad
n
de no sacar suma igual a 7 en n tiradas ser 5 . Luego, el n se obtiene resolviendo la
6
n
5
.05 , tomando logaritmos en ambos lados se obtiene
desigualdad
6
n log 5 log.05 , de donde .079n 1.301 y n 1.301
16.46 , es decir, basta
6
.079
Edgar Acua
Captulo 4
118
Solucin:
a)
36 36 36 36 36 36 366 2,176,782,336
b)
10 10 10 10 10 10 106 1,000,000
c)
Por complemento, 366 106 2,175,782,336
Ejemplo 4.29. Una caja contiene n bolas numeradas desde el 1 hasta la n. Se escogen al
azar dos bolas. Cul es la probabilidad de que los nmeros en las bolas sean
consecutivos
a) Si las bolas se escogen sin reposicin?
b) Si las bolas se escogen con reposicin?
Solucin:
Sea el evento A: Que las dos bolas tengan nmeros consecutivos. Si son consecutivos, en
orden ascendente, la primera bola debe tener un nmero desde el 1 hasta el n-1 y la
Edgar Acua
Captulo 4
119
segunda slo tendra una posibilidad (por ejemplo 12, 56 etc.). Como tambin pueden ser
consecutivos en orden descendente hay el doble de posibilidades. Por lo tanto
# A 2n 1 .
a)
4.5.2 Permutaciones
Una permutacin es un arreglo ordenado de objetos distintos. Por ejemplo, las
permutaciones de tamao 2 que se pueden hacer con las letras A, B y C son: AB, AC,
BC, BA, CA y CB.
Haciendo uso de la regla multiplicativa del anlisis combinatorio se desprende que:
i) El nmero de permutaciones de n objetos tomados todos a la vez est dado por
Pn, n n! nn 1n 2...1
ii) El nmero de permutaciones de n objetos distintos tomados de r en r est dado
por:
Pn, r nn 1... n r 1
n!
n r !
Recordar que 0! = 1.
Ejemplo 4.30. Ocho atletas compiten en la final olmpica de los 110 metros con vallas.
Asumiendo que ellos cruzan la meta en distintos instantes. Cuntas maneras distintas
hay para entregar las medallas de oro, de plata y de bronce?
Solucin:
El primer premio puede ser entregado de 8 maneras, el segundo de 7 y el tercero de 6,
luego por la regla multiplicativa hay 8 7 6 336 maneras distintas de entregar los
8!
premios. Claramente, esto es P8,3 .
5!
Ejemplo 4.31. Diez personas de diferentes estaturas posan en fila para una foto.
Edgar Acua
Captulo 4
120
Solucin
El espacio muestral puede ocurrir de # S 4 3 5! 12! maneras distintas.
a) Sea el evento A: Que los de la misma nacionalidad queden sentados juntos.
Hay 3 ! maneras de ordenar los tres grupos de nacionalidades, 4! maneras de ordenar el
grupo de peruanos, 3 ! maneras de ordenar el grupo de chilenos y 5 ! maneras de ordenar el
grupo de mejicanos, como se quiere que todo esto ocurra al mismo tiempo, por la regla
multiplicativa hay # A 3! 4! 3! 5! maneras de ocurrencia del evento A. Luego
3! 4! 3! 5!
.
P A
12!
b) Sea el evento B: que los 4 peruanos queden sentados juntos. Hay que ordenar 9
objetos compuestos de los 3 chilenos, 5 mejicanos y el bloque de los 4 peruanos (dentro
del cual se pueden hacer permutaciones). Luego, hay # B 4! 9! maneras como ocurre
4! 9!
B y P B
.
12!
Ejemplo 4.33. Cuatro turistas llegan a un pueblo que tiene 6 hoteles. Si los turistas
eligen al azar el hotel donde se van a alojar. Cul es la probabilidad de que:
a) Todos ellos se hospeden en hoteles distintos?
b) Por lo menos dos de ellos se hospeden en el mismo hotel?
Edgar Acua
Captulo 4
121
Solucin:
Cada uno de los 4 turistas tiene 6 maneras distintas de hospedarse por lo tanto, el
experimento puede ocurrir de # S 6 4 maneras.
a)
Sea el evento A: Que los 4 turistas se hospeden en distintos hoteles. Esto puede
360 5
ocurrir de # A 6 5 4 3 maneras. Por lo tanto P A 4 .
18
6
b) Sea el evento B: Por lo menos dos turistas se alojen en el mismo hotel. Este
13
evento es simplemente el complemento del evento A. Luego PB 1 P A .
18
4.5.3
Combinaciones
Una combinacin es una seleccin de objetos donde el orden en que estos han sido
escogidos no interesa. Por ejemplo, las combinaciones que se pueden hacer con los
objetos: A, B y C elegidos de dos en dos son: AB, AC y BC. Observe que el nmero de
permutaciones obtenidas anteriormente fue el doble.
El nmero de combinaciones de n objetos tomado de r en r est dado por:
n
P(n, r )
n!
r!
r r!(n r )!
Ejemplo 4.34.
15 15! 11 12 13 14 15
3003
120
10 10!5!
Propiedad 5.
n n
r
n
Edgar Acua
Captulo 4
122
Prueba.
Algebricamente esto es obvio. Desde el punto de vista de anlisis combinatorio el lado
izquierdo equivale a elegir r objetos de un total de n que salen fuera, y el lado derecho
equivale a elegir n-r objetos que se quedan.
10 10
Por ejemplo .
7 3
Ejemplo 4.35. De un grupo de 4 mujeres y 6 hombres se va a elegir un comit de 5
mienbros.
a) Cuntos comits se pueden elegir?
b) Cuntos comits se pueden elegir si deben haber 3 hombres?
c) Cuntos comits se pueden elegir si debe haber al menos una mujer?
Solucin:
10
a) Hay 252 comits posibles.
5
b) Si hay que elegir 3 hombres y el comit tiene 5 integrantes entonces hay que elegir
4 6
tambin dos mujeres. Por lo tanto hay 120 maneras de elegir el comit.
2 3
c) Lo opuesto a que el comit tenga al menos una integrante mujer es que no haya mujeres
en el comit, es decir que los 5 integrantes sean hombres. Por lo tanto, usando
10 6
complemento, hay 246 posibles comits.
5 5
Ejemplo 4.36. Una seora tiene 8 amigas y desea invitar a 5 de ellas a una fiesta. De
cuntas maneras puede hacerlo si dos de ellas estn enojadas entre si y no pueden ser
invitadas juntas?
Solucin:
6
Hay 20 invitaciones posibles donde las dos personas en disputa pueden ser
3
8
invitadas juntas, y hay un total de 56 invitaciones que se pueden hacer.
5
Luego, usando complemento hay 56 20 36 invitaciones donde las dos personas
enemistadas no aparecen juntas.
Edgar Acua
Captulo 4
123
a) Sea el evento A: Salgan elegidos 2 argentinos y dos chilenos. Los otros dos
5 3 4
representantes pueden ser elegidos de los 4 restantes. Luego, # A 180 y
2 2 2
180
.
P A
924
b) Sea el evento B: Salga elegido por lo menos un peruano. Por complemento
10
210 714
.
Luego
b) Sea B: Que tenga por lo menos 4 buenas. Hay que sumar las maneras de obtener 4 y 5
7 3 7
126
buenas. Luego # ( B) 126 y PB
.5 .
252
4 1 5
Ejemplo 4.39. El juego de la LOTTO de Puerto Rico consiste en acertar 6 nmeros entre
el 1 y el 46. El primer premio se otorga a los que aciertan los 6 nmeros, el segundo
Edgar Acua
Captulo 4
124
premio a los que aciertan 5 de los 6, y el tercer premio a los que aciertan 4 de los 6. Si
una persona compra un boleto de la LOTTO. Cul es la probabilidad de que se gane:
a) El primer premio?
b) El segundo premio?
c) El tercer premio?
Solucin:
Sea # S : Total de maneras como puede salir el nmero premiado. Claramente, como el
46
orden no importa # S 9,366,819 .
6
a) Sea el evento A: Sacarse el primer premio. Slo hay una manera como puede ocurrir
esto, y es cuando los 6 nmeros elegidos en el sorteo son los que el jugador tiene. O sea,
6
1
.0000001 .
# A 1 y en consecuencia P A
9,366,819
6
b) Sea el evento B: Sacarse 5 de los 6 nmeros. Uno de los 6 nmeros del apostador NO
6 40
240
.0000256 .
es sacado en el sorteo, luego # B 240 y PB
9,366,819
5 1
c) Sea el evento C: Sacarse 4 de los 6 nmeros. En este caso, dos de los 6 nmeros del
6 40
apostador NO salen en el sorteo, luego # C 11700 y
4 2
11700
PC
.00124 .
9,366,819
Edgar Acua
Captulo 4
125
216
.
2401
b) Sea el evento B: Que todas las 4 bajen en el mismo piso, puesto que hay 7 maneras de
1
elegir el piso donde bajan las personas se tiene que # B 7 y PB 3 .
7
c) Sea el evento C: Que dos personas bajan en un mismo piso y las otras dos tambin.
7
4
Hay 21 maneras de elegir los 2 pisos donde bajan las personas, hay 6
2
2
2
maneras de elegir las dos personas que bajan en un piso, y 1 manera de elegir las
2
126
dos personas que bajan en el otro. En consecuencia # C 126 y PC
.
2401
Ejemplo 4.41. Un estacionamiento para carros tiene 8 lugares disponibles colocados en
lnea. Cinco carros de diferentes modelos arrivan al estacionamiento. Cul es la
probabilidad de que:
a) Los 5 carros se estacionen todos juntos sin dejar lugar vacio entre ellos?
b) Los 3 lugares vacos queden juntos?
Solucin:
Hay # S P8,5 6720 maneras de efectuar el experimento.
a) Sea el evento A: Que los 5 carros queden juntos. Hay que permutar 4 objetos: los 3
lugares vacios y el bloque de los 4 carros. Esto se puede hacer de 4! 5! 3! 480
480
maneras, luego P A
.
6720
b) Sea el evento B: Que los 3 lugares vacios queden juntos. Hay que permutar 6 de los 5
carros y el bloque de lugares vacos. Esto se puede hacer de 6! 720 maneras, luego
720
.
P B
6720
Ejemplo 4.42. Doce policas recin graduados de la academia son asignados al azar a 6
pueblos uno de los cuales es Mayagez. Cul es la probabilidad de que:
a) 4 de los policas sean asignados a Mayagez?
b) 2 de los pueblos reciban 3 policas, otros dos reciban 2 policas y los restantes
dos uno cada uno?
Edgar Acua
Captulo 4
126
Solucin:
El experimento se puede efectuar de # S 612 maneras.
a)
Sea el evento A: Que 4 de los 12 policas sean asignados a Mayagez, esto se puede
12 8
5
4
12 8
efectuar de # A 5 maneras. Por lo tanto P(A)= P A 12
.
6
4
b) Sea el evento B: Que dos pueblos reciban 3 policas, dos reciban 2 policas y los
restantes 2 uno cada uno. Esto se puede efectuar de:
6 12 9 4 6 4 2 2 1
2 3 3 2 2 2 2 1 1
Los tres primeros elementos del producto representan las maneras de elegir dos pueblos y
luego asignar 3 policas en ellos, los prximos tres elementos representan las maneras de
elegir otros dos pueblos y luego asignar dos policias en ellos y los ltimos 3 elementos son
las maneras de elegir los dos pueblos restantes y asignar un polica en cada uno.
Tambin se puede resolver usando permutaciones con elementos repetidos y en este caso:
6!
12!
2!2!2! 3!3!2!2!1!1!
6 /(2!) 312! /(3!) 2 (2!) 2
Luego PB
.
612
Edgar Acua
Captulo 4
127
EJERCICIOS
1.
2.
3.
4.
5.
60 nios de segundo grado son asignados al azar en dos clases de 30 cada uno.
Cinco de ellos: Diana, Ana, Sofa, Gabriela y Paula son amigas ntimas:
a) Cul es la probabilidad de que todas ellas sean asignadas a la misma clase?
b) Cul es la probabilidad de que exactamente 4 de ellas sean asignadas a la
misma clase?
c) Cul es la probabilidad de que Diana est en una clase y sus amigas en la otra?
6.
7.
Una Urna A contiene 3 bolas rojas y dos bolas blancas y, una Urna B tiene 2 bolas
rojas y 5 blancas. Se lanza una moneda legal y si sale cara se extrae una bola de la
Urna A, en caso contrario la bola es sacada de B.
a) Cul es la probabilidad de que la bola extrada sea roja?
a) Si la bola extrada fue roja, Cul es la probabilidad de que la moneda haya
salido cara?
8.
9.
Edgar Acua
Captulo 4
128
b) Cul es la probabilidad de que ambas sean nias dado que una de ellas es
nia?
10.
En una ciudad el 1.5% de personas sufren de Daltonismo. Por otro lado, 55% de la
poblacin son mujeres y el .5% de ellas sufre de Daltonismo. Si se elige al azar una
persona y se encuentra que sufre de Daltonismo; Cul es la probabilidad de que sea
hombre?
11.
Una urna contiene 3 bolas rojas y dos blancas. Se extrae una bola, se observa su
color y luego se devuelve a la urna junto con otra bola del mismo color, luego se
extrae una segunda bola:
a)
Cul es la probabilidad de que la segunda bola extrada sea blanca?
b)
Si la segunda bola extrada fue blanca; Cul es la probabilidad de que la
primera bola extrada haya sido roja?
12.
Una compaa de seguros clasifica a sus clientes como de alto, mediano y bajo
riesgo, ellos reclaman el pago de un seguro con probabilidades .02, .01 y .0025
respectivamente. El 10% de los clientes son de alto riesgo, el 20% de mediano y el
70% de bajo riesgo. Si uno de los clientes reclama el pago de un seguro; Cul es la
probabilidad de que sea uno de bajo riesgo?
13.
Se tienen 3 tarjetas iguales excepto que una tiene ambos lados rojos, otra ambos
lados negros, y la tercera un lado rojo y otro negro. Se elige al azar una tarjeta y se
muestra uno de sus lados que resulta ser rojo; Cul es la probabilidad de que el otro
lado de la tarjeta sea tambin rojo?
14.
Una caja tiene 3 monedas, una de ellas tiene dos caras, la otra dos cruces y la tercera
cara por un lado y cruz por el otro. Se escoge una moneda al azar y se muestra uno
de sus lados que resulta ser cara; Cul es la probabilidad de que el otro lado de la
moneda sea tambin cara?
15.
16.
Una fbrica tiene tres turnos El 1% de los artculos producidos en el primer turno
son defectuosos, 2% de los artculos del segundo turno son defectuosos y el 5% de
los artculos del tercer turno tambin son defectuosos. Si en todos los turnos se
produce la misma cantidad de artculos, Qu porcentaje de los artculos producidos
en un da son defectuosos?
Si un artculo sali defectuoso, Cul es la probabilidad de que haya sido producido
en el tercer turno?
Edgar Acua
Captulo 4
129
17.
Una urna contiene 10 bolas numeradas del 1 al 10. Se extraen 4 de estas bolas sin
reposicin. Cul es la probabilidad de que la segunda de ellas en orden ascendente
de magnitud sea 4?
18.
19.
El 60 por ciento de los estudiantes de una escuela no usan ni anillo ni cadena. Por
otro lado el 20 por ciento usan anillos y el 30 por ciento usan cadenas. Se elige un
estudiante al azar, Cul es la probabilidad de que est usando:
a) Anillo y cadena?
b) Solamente una de las dos prendas?
20.
Decidido
Indeciso
Promedio Academico
2.0 -2.99 3.0-3.49 3.5-4.00
50
100
150
350
250
100
22.