Calculo Probabilidades

Introduccin o
Espacios muestrales y eventos
Denicin de probabilidad o
Probabilidad condicional
Independencia
Denicin y Clculo de Probabilidades o a

Ignacio Vidal G.
Universidad de Talca, Chile.
Ignacio Vidal G.
Introduccin o
Independencia
Esquema
1 2
Introduccin o Espacios muestrales y eventos Eventos Algunas relaciones entre conjuntos Denicin de probabilidad o Interpretacin de probabilidad o Reglas bsicas para el clculo de probabilidades a a Tcnicas de conteo e Probabilidad condicional Regla de la multiplicacin o Teorema de Bayes Independencia
Ignacio Vidal G. Denicin y Clculo de Probabilidades o a
Introduccin o
Independencia
Queremos medir la posibilidad de que un evento aleatorio ocurra

La palabra probabilidad se usa frecuentemente de una manera informal, como por ejemplo: hay un 50 % de probabilidades de que el conicto estudiantil llegue a un acuerdo conforme para ambas partes, es probable que el precio medio del cobre aumente para nes de ao, etc. n En esta unidad daremos una forma de medir o cuanticar la frecuencia o posibilidades que tiene un evento aleatorio de ocurrir, a esta medida la llamaremos probabilidad. Con la metodolog que veremos podremos expresar en un lenguaje a ms preciso enunciados informales similares a los ya expresados. a Nuestro objetivo es introducir los temas de probabilidades que sern necesarios para resolver algunos problemas de inferencia a estad stica.
Introduccin o
Independencia
Pero antes debemos conocer algunos conceptos bsicos a

Denicin o Un experimento aleatorio es cualquier accin o proceso que genera o resultados aleatorios.
Ignacio Vidal G.
Introduccin o
Independencia

Denicin o Un experimento aleatorio es cualquier accin o proceso que genera o resultados aleatorios. Denicin o El espacio muestral de un experimento aleatorio lo denotaremos por , y es el conjunto de todos los posibles resultados aleatorios.
Ignacio Vidal G.
Introduccin o
Independencia

Denicin o Un experimento aleatorio es cualquier accin o proceso que genera o resultados aleatorios. Denicin o El espacio muestral de un experimento aleatorio lo denotaremos por , y es el conjunto de todos los posibles resultados aleatorios. Example El experimento ms sencillo en el cual se aplica la probabilidad es a el que tiene dos resultados posibles. Experimento: Seleccionamos a un individuo al azar de una poblacin y ste presenta un determinado gen o no. o e Espacio muestral: = {P, A}.
Introduccin o
Independencia
Algunos ejemplos sencillos

Example Si determinamos la presencia del gen a tres individuos seleccionados al azar, entonces los posibles resultados de este experimento son las secuencias de letras P y A de largo 3. Luego, = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA} .
Ignacio Vidal G.
Introduccin o
Independencia

Example Si determinamos la presencia del gen a tres individuos seleccionados al azar, entonces los posibles resultados de este experimento son las secuencias de letras P y A de largo 3. Luego, = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA} . Example Experimento: Comencemos a observar el sexo de cada recin e nacido hasta que observemos el primer varn. o = {V , MV , MMV , MMMV , . . .} . Aqu el espacio muestral es innito.
Introduccin o
Independencia
Example Experimento: Lanzar dos dados y (1, 1) (1, 2) (1, 3) (2, 1) (2, 2) (2, 3) (3, 1) (3, 2) (3, 3) = (4, 1) (4, 2) (4, 3) (5, 1) (5, 2) (5, 3) (6, 1) (6, 2) (6, 3)
observar el resultado. (1, 4) (2, 4) (3, 4) (4, 4) (5, 4) (6, 4) (1, 5) (2, 5) (3, 5) (4, 5) (5, 5) (6, 5) (1, 6) (2, 6) (3, 6) (4, 6) (5, 6) (6, 6)
Ignacio Vidal G.
Introduccin o
Independencia
Necesitaremos la probabilidad de un conjunto de resultados elementales
En realidad no slo estaremos interesados en los resultados o elementales de , sino tambin en cualquier subconjunto de e resultados de . Denicin o Un evento es cualquier subconjunto de . Se dice que el evento A ha ocurrido si ocurri cualquier resultado o contenido en A.
Ignacio Vidal G.
Introduccin o
Independencia
Seguimos con los ejemplos sencillos

Example (Presencia de un gen) Experimento: Determinamos la presencia de un determinado gen a tres individuos seleccionados al azar. Ya hab amos visto que = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}.
Ignacio Vidal G.
Introduccin o
Independencia

Example (Presencia de un gen) Experimento: Determinamos la presencia de un determinado gen a tres individuos seleccionados al azar. Ya hab amos visto que = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}. Algunos eventos son: E = {PPP} =los 3 individuos presentan el gen.
Ignacio Vidal G.
Introduccin o
Independencia

Example (Presencia de un gen) Experimento: Determinamos la presencia de un determinado gen a tres individuos seleccionados al azar. Ya hab amos visto que = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}. Algunos eventos son: E = {PPP} =los 3 individuos presentan el gen. A = {PAA, APA, AAP} =exactamente uno de los 3 individuos presenta el gen.
Ignacio Vidal G.
Introduccin o
Independencia

Example (Presencia de un gen) Experimento: Determinamos la presencia de un determinado gen a tres individuos seleccionados al azar. Ya hab amos visto que = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}. Algunos eventos son: E = {PPP} =los 3 individuos presentan el gen. A = {PAA, APA, AAP} =exactamente uno de los 3 individuos presenta el gen. B = {PPP, PPA, PAP, APP} =a lo sumo uno de los individuos no presenta el gen.
Ignacio Vidal G.
Introduccin o
Independencia

Example (Presencia de un gen) Experimento: Determinamos la presencia de un determinado gen a tres individuos seleccionados al azar. Ya hab amos visto que = {PPP, PPA, PAP, APP, PAA, APA, AAP, AAA}. Algunos eventos son: E = {PPP} =los 3 individuos presentan el gen. A = {PAA, APA, AAP} =exactamente uno de los 3 individuos presenta el gen. B = {PPP, PPA, PAP, APP} =a lo sumo uno de los individuos no presenta el gen. C = {PPP, AAA} =los 3 individuos presentan la misma caracter stica. Notemos que si ocurre el resultado {PPP}, entonces ocurren los eventos E , B y C , pero no A.
Introduccin o
Independencia
Example (Lanzamiento de dos dados) Experimento: Lanzar dos dados. Algunos eventos son: A = {(1, 2) , (2, 1)} =ambos dados suman 3.
Ignacio Vidal G.
Introduccin o
Independencia
Example (Lanzamiento de dos dados) Experimento: Lanzar dos dados. Algunos eventos son: A = {(1, 2) , (2, 1)} =ambos dados suman 3. B = {(1, 5) , (2, 4) , (3, 3) , (4, 2) , (5, 1)} =ambos dados suman 6.
Ignacio Vidal G.
Introduccin o
Independencia
Example (Lanzamiento de dos dados) Experimento: Lanzar dos dados. Algunos eventos son: A = {(1, 2) , (2, 1)} =ambos dados suman 3. B = {(1, 5) , (2, 4) , (3, 3) , (4, 2) , (5, 1)} =ambos dados suman 6. C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado.
Ignacio Vidal G.
Introduccin o
Independencia
Example (Lanzamiento de dos dados) Experimento: Lanzar dos dados. Algunos eventos son: A = {(1, 2) , (2, 1)} =ambos dados suman 3. B = {(1, 5) , (2, 4) , (3, 3) , (4, 2) , (5, 1)} =ambos dados suman 6. C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado. D = {(1, 1) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en el segundo dado.
Ignacio Vidal G.
Introduccin o
Independencia
Example (Hasta encontrar un varn) o Experimento: Observar el sexo de cada recin nacido hasta e obtener el primer varn. Algunos eventos son: o El evento que hay a lo sumo 3 nacimientos es A = {V , MV , MMV }.
Ignacio Vidal G.
Introduccin o
Independencia
Example (Hasta encontrar un varn) o Experimento: Observar el sexo de cada recin nacido hasta e obtener el primer varn. Algunos eventos son: o El evento que hay a lo sumo 3 nacimientos es A = {V , MV , MMV }. El evento que se observa un nmero par de nacimientos es u B = {MV , MMMV , MMMMMV , . . .}.
Ignacio Vidal G.
Introduccin o
Independencia
Las palabras claves son Y, O y NO

Utilizando operaciones lgicas, los eventos pueden combinarse para o obtener otros eventos distintos. Denicin o Si E y F son dos eventos cualesquiera deniremos a la unin de dos eventos E y F , o denotada por E F y que se lee E o F , al evento formado por todos los resultados que estn E a o en F o en ambos.
E F E F
Ignacio Vidal G.
Introduccin o
Independencia
Denicin o Si E y F son dos eventos cualesquiera deniremos a la interseccin de dos eventos E y o F , denotada por E F y que se lee E y F , al evento formado por todos los resultados que estn E y en F a la vez. a
E F
Ignacio Vidal G.
Introduccin o
Independencia
Denicin o
Ec
Si E es un evento cualquiera diremos que el complemento de E , denotado por E c , es el evento formado por todos los resultados de que no estn en E . a
Ignacio Vidal G.
Introduccin o
Independencia
Un ejemplo sencillo
Example (Lanzamiento de dos dados) Para el experimento del lanzamiento de dos dados: C D = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en algn u dado.
Ignacio Vidal G.
Introduccin o
Independencia
Un ejemplo sencillo
Example (Lanzamiento de dos dados) Para el experimento del lanzamiento de dos dados: C D = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en algn u dado. C D = {(1, 1)} =se obtiene el doble 1.
Ignacio Vidal G.
Introduccin o
Independencia
Un ejemplo sencillo
Example (Lanzamiento de dos dados) Para el experimento del lanzamiento de dos dados: C D = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en algn u dado. C D = {(1, 1)} =se obtiene el doble 1. A B = ya que dos dados no pueden sumar 3 y 6 a la vez.
Ignacio Vidal G.
Introduccin o
Independencia
A veces si un evento ocurre el otro no

A veces dos eventos no tienen resultados en comn de modo que u su interseccin es vac o a. Denicin o
Si E F = se dice que E y F son eventos mutuamente excluyentes o disjuntos.
Ignacio Vidal G.
Introduccin o
Independencia
Generalicemos un poco
Las operaciones de unin e interseccin se pueden extender a ms o o a de dos eventos. Para cualesquiera tres eventos E , F y G , el evento E F G es el conjunto de resultados contenidos en por lo menos uno de esos tres eventos, en tanto que E F G es el conjunto de resultados contenidos en los tres eventos a la vez.
Ignacio Vidal G.
Introduccin o
Independencia
Generalicemos un poco
Las operaciones de unin e interseccin se pueden extender a ms o o a de dos eventos. Para cualesquiera tres eventos E , F y G , el evento E F G es el conjunto de resultados contenidos en por lo menos uno de esos tres eventos, en tanto que E F G es el conjunto de resultados contenidos en los tres eventos a la vez. Dados los eventos E1 , E2 , E3 , . . ., se dice que estos eventos son mutuamente excluyentes (o disjuntos por pares) si no hay dos eventos que tengan algn resultado en comn. u u
Ignacio Vidal G.
Introduccin o
Independencia
El objetivo ser... a
Dado un experimento y un espacio muestral , el objetivo de la probabilidad es asignar a cada evento A un nmero P (A), que u recibe el nombre de probabilidad de A, que dar una medida a precisa de la probabilidad de que A ocurra.
Ignacio Vidal G.
Introduccin o
Independencia
Axiomas que debe cumplir la probabilidad

Una probabilidad es cualquier funcin P () que cumpla los o siguientes axiomas:
1
Para cualquier evento E , P (E ) 0.
Ignacio Vidal G.
Introduccin o
Independencia

1 2
Para cualquier evento E , P (E ) 0. P () = 1.
Ignacio Vidal G.
Introduccin o
Independencia

1 2 3
Para cualquier evento E , P (E ) 0. P () = 1. Axioma de aditividad: Si E1 , E2 , . . . , En es un conjunto nito de eventos mutuamente excluyentes, entonces
n
P (E1 E2 En ) =
i=1
P (Ei ) .
Axioma de aditividad: Si E1 , E2 , E3 , . . ., es un conjunto innito de eventos mutuamente excluyentes, entonces
P (E1 E2 E3 ) =
i=1
Ignacio Vidal G.
P (Ei ) .
Introduccin o
Independencia
Ejemplos sencillos
Example Experimento: Lanzar una moneda al aire. Luego, = {C , S}. De los axiomas 2. y 3. tenemos 1 = P () = P (C ) + P (S) . (1)
Ignacio Vidal G.
Introduccin o
Independencia
Ejemplos sencillos
Si creemos que la cara y el sello tienen las mismas probabilidades de ocurrir entonces P (C ) = P (S), y de (1) obtenemos P (C ) = P (S) = 1/2. (2)
Ignacio Vidal G.
Introduccin o
Independencia
Ejemplos sencillos
Si creemos que la cara y el sello tienen las mismas probabilidades de ocurrir entonces P (C ) = P (S), y de (1) obtenemos P (C ) = P (S) = 1/2. En general si P (C ) = p [0, 1], entonces P (S) = 1 p.
(2)
Introduccin o
Independencia
Ejemplos sencillos
Example (Hasta encontrar un varn) o Experimento: Observar el sexo de cada recin nacido hasta e obtener el primer varn. o Si suponemos que la probabilidad de que nazca un varn es 0,49, o entonces las probabilidades de los eventos elementales son P (V ) = 0,49, P (MV ) = (0,51) (0,49), P (MMV ) = (0,51)2 (0,49), etc.
Ignacio Vidal G.
Introduccin o
Independencia
Ejemplos sencillos
Example (Hasta encontrar un varn) o Experimento: Observar el sexo de cada recin nacido hasta e obtener el primer varn. o Si suponemos que la probabilidad de que nazca un varn es 0,49, o entonces las probabilidades de los eventos elementales son P (V ) = 0,49, P (MV ) = (0,51) (0,49), P (MMV ) = (0,51)2 (0,49), etc. En particular, como los eventos elementales son disjuntos y la unin de todos ellos es , de los axiomas 2. y 3. tenemos la o siguiente igualdad 1 = P () = P (V ) + P (MV ) + P (MMV ) + = 0,49 1 + 0,51 + (0,51)2 + (0,51)3 + .
Introduccin o
Independencia
Estamos demostrando una conocida identidad matemtica a
Example (Hasta encontrar un varn) o Sin embargo, por los axiomas de probabilidad se puede sustituir el valor 0,49, por cualquier otro valor de probabilidad p (0, 1) y en tal caso tendremos la identidad
1=p
x=0
(1 p)x ,
que es un resultado conocido de la suma de una serie geomtrica. e
Ignacio Vidal G.
Introduccin o
Independencia
Cmo le asignamos probabilidades a los resultados de un o experimento aleatorio?
Los dos ultimos ejemplos muestran que los axiomas de probabilidad no determinan por completo la asignacin de o probabilidades a los eventos. Los axiomas slo sirven para eliminar asignaciones inconsistentes o con nuestras nociones intuitivas de probabilidad.
Ignacio Vidal G.
Introduccin o
Independencia
Esta fue la primera nocin de probabilidad o

Probabilidad clsica: Si todos los resultados elementales de un a experimento aleatorio tienen igual probabilidad de ocurrir, entonces la probabilidad de que ocurra un evento E es P (E ) = nE , n
donde nE es el nmero de resultados elementales en el evento E y u n es la cantidad total de resultados elementales.
Ignacio Vidal G.
Introduccin o
Independencia
Esta fue la primera nocin de probabilidad o

Probabilidad clsica: Si todos los resultados elementales de un a experimento aleatorio tienen igual probabilidad de ocurrir, entonces la probabilidad de que ocurra un evento E es P (E ) = nE , n
donde nE es el nmero de resultados elementales en el evento E y u n es la cantidad total de resultados elementales. Esta interpretacin es util cuando tiene un nmero nito de o u elementos y consideramos que todos los resultados elementales tienen iguales posibilidades de ocurrir. Por ejemplo se utiliza en los juegos de azar: loter cartas, dados, etc. a,
Ignacio Vidal G.
Introduccin o
Independencia
y si no conocemos las probabilidades de los resultados elementales de un experimento?

Probabilidad frecuentista: Cuando un experimento se puede repetir en iguales condiciones, la probabilidad de un evento es la proporcin de ocasiones en las que aparece a largo plazo: o P (E ) = l m nE , n n
donde nE es el nmero de veces que el evento E ocurri y n es el u o nmero de veces que se repiti el experimento. u o
Ignacio Vidal G.
Introduccin o
Independencia
y si no conocemos las probabilidades de los resultados elementales de un experimento?

Probabilidad frecuentista: Cuando un experimento se puede repetir en iguales condiciones, la probabilidad de un evento es la proporcin de ocasiones en las que aparece a largo plazo: o P (E ) = l m nE , n n
donde nE es el nmero de veces que el evento E ocurri y n es el u o nmero de veces que se repiti el experimento. u o Esta interpretacin es util cuando un experimento puede ser o repetido muchas veces bajo condiciones similares. Se utiliza en establecer tasa de seguros, reportar ndices de curacin de o enfermedades, estudios sociolgicos, etc. o
Introduccin o
Independencia
Pero la mayor de los sucesos de la vida son irrepetibles a

Por ejemplo, cul es la probabilidad de que se llegue a un acuerdo a en el conicto estudiantil conforme para ambas partes? Para responder a esta pregunta no se pueden aplicar las interpretaciones clsica y frecuentista de probabilidad: a hay slo dos resultados elementales: acuerdo o desacuerdo, o pero no sabemos las posibilidades que stos tienen de ocurrir; e
Ignacio Vidal G.
Introduccin o
Independencia

Por ejemplo, cul es la probabilidad de que se llegue a un acuerdo a en el conicto estudiantil conforme para ambas partes? Para responder a esta pregunta no se pueden aplicar las interpretaciones clsica y frecuentista de probabilidad: a hay slo dos resultados elementales: acuerdo o desacuerdo, o pero no sabemos las posibilidades que stos tienen de ocurrir; e se han resuelto conictos similares anteriormente, pero no bajo las mismas condiciones sociales.
Ignacio Vidal G.
Introduccin o
Independencia

Por ejemplo, cul es la probabilidad de que se llegue a un acuerdo a en el conicto estudiantil conforme para ambas partes? Para responder a esta pregunta no se pueden aplicar las interpretaciones clsica y frecuentista de probabilidad: a hay slo dos resultados elementales: acuerdo o desacuerdo, o pero no sabemos las posibilidades que stos tienen de ocurrir; e se han resuelto conictos similares anteriormente, pero no bajo las mismas condiciones sociales. Probabilidad subjetiva: La probabilidad subjetiva es la valoracin o personal que hace una persona de las posibilidades de obtener un resultado.
Ignacio Vidal G.
Introduccin o
Independencia

Por ejemplo, cul es la probabilidad de que se llegue a un acuerdo a en el conicto estudiantil conforme para ambas partes? Para responder a esta pregunta no se pueden aplicar las interpretaciones clsica y frecuentista de probabilidad: a hay slo dos resultados elementales: acuerdo o desacuerdo, o pero no sabemos las posibilidades que stos tienen de ocurrir; e se han resuelto conictos similares anteriormente, pero no bajo las mismas condiciones sociales. Probabilidad subjetiva: La probabilidad subjetiva es la valoracin o personal que hace una persona de las posibilidades de obtener un resultado. Esta interpretacin se basa fundamentalmente en juicios de o expertos. Se utiliza en apuestas de eventos deportivos, estimar precios de acciones, etc.
Introduccin o
Independencia
A veces es ms fcil calcular la probabilidad del evento a a contrario al que queremos

Proposicin (Regla de la resta) o Para cualquier evento E , P (E ) = 1 P (E c ).
Ignacio Vidal G.
Introduccin o
Independencia

Proposicin (Regla de la resta) o Para cualquier evento E , P (E ) = 1 P (E c ). Demostacin o Como E y E c son mutuamente excluyentes, del axioma 3. tenemos que P (E ) + P (E c ) = P (E E c ) = P () = 1.
Ignacio Vidal G.
Introduccin o
Independencia

Proposicin (Regla de la resta) o Para cualquier evento E , P (E ) = 1 P (E c ). Demostacin o Como E y E c son mutuamente excluyentes, del axioma 3. tenemos que P (E ) + P (E c ) = P (E E c ) = P () = 1. Esta regla se utiliza muchas veces cuando queremos calcular probabilidades donde el evento de inters se puede expresar como e al menos... o a lo sumo..., etc. Aunque, no siempre es mejor aplicarla.
Introduccin o
Independencia
Un ejemplo menos sencillo

Example Si lanzamos 4 dados, cul es la probabilidad de obtener al menos a un nmero par? u Sea A =obtener al menos un nmero par en el lanzamiento de 4 u dados. Denotemos por S al evento que el dado mostr un nmero par en o u su cara superior. Entonces cada dado puede mostrar dos resultados posibles: S y S c , pero como hay 4 dados, tiene 24 = 16 resultados elementales. Notemos que Ac =no obtener un nmero par en el lanzamiento de u c S c S c S c }. Por tanto, P (Ac ) = 1/16 y 4 dados= {S P (A) = 1 P (Ac ) = 1
Ignacio Vidal G.
15 1 = . 16 16
Introduccin o
Independencia
Dos eventos mutuamente excluyentes no pueden ocurrir a la vez
Proposicin o Si E y F son mutuamente excluyentes, entonces P (E F ) = 0.
Ignacio Vidal G.
Introduccin o
Independencia
Dos eventos mutuamente excluyentes no pueden ocurrir a la vez
Proposicin o Si E y F son mutuamente excluyentes, entonces P (E F ) = 0. Demostacin o Como E F = , entonces (E F )c = . Luego, por la proposicin anterior P (E F ) = 1 P () = 0. o
Ignacio Vidal G.
Introduccin o
Independencia
Cmo calcular la probabilidad de la unin de dos eventos? o o

Proposicin (Regla de la suma) o Para dos eventos E y F cualesquiera, P (E F ) = P (E ) + P (F ) P (E F ) .
E F
F Ec
E F
F Ec
Ignacio Vidal G.
Introduccin o
Independencia
La demostracin se basa en la unin de eventos disjuntos y o o el axioma 3.

Demostacin o De la gura anterior podemos ver que E F = E (F E c ).
Ignacio Vidal G.
Introduccin o
Independencia

Demostacin o De la gura anterior podemos ver que E F = E (F E c ). Como E (F E c ) = , entonces P (E F ) = P (E ) + P (F E c ) . (3)
Ignacio Vidal G.
Introduccin o
Independencia

Demostacin o De la gura anterior podemos ver que E F = E (F E c ). Como E (F E c ) = , entonces P (E F ) = P (E ) + P (F E c ) . Por otro lado, de la gura anterior, F = (E F ) (F E c ), donde (E F ) (F E c ) = . Por tanto, P (F ) = P (E F ) + P (F E c ). (3)
Ignacio Vidal G.
Introduccin o
Independencia

Demostacin o De la gura anterior podemos ver que E F = E (F E c ). Como E (F E c ) = , entonces P (E F ) = P (E ) + P (F E c ) . Por otro lado, de la gura anterior, F = (E F ) (F E c ), donde (E F ) (F E c ) = . Por tanto, P (F ) = P (E F ) + P (F E c ). Sustituyendo esta ultima igualdad en (3), P (E F ) = P (E ) + P (F E c ) = P (E ) + [P (F ) P (E F )] .
(3)
Introduccin o
Independencia
Las operaciones de conjuntos son importantes

Example En cierta localidad residencial, el 60 % de las familias est suscrita a al diario El Mercurio, el 80 % est suscrita al diario El Centro, y el a 50 % de todas las familias est suscrita a ambos diarios. a Si se selecciona una familia al azar de esa localidad, cul es la a probabilidad de que est suscrita a e
1
al menos uno de los dos diarios, y
Ignacio Vidal G.
Introduccin o
Independencia

1 2
al menos uno de los dos diarios, y exactamente a uno de los dos diarios?
Ignacio Vidal G.
Introduccin o
Independencia

1 2
al menos uno de los dos diarios, y exactamente a uno de los dos diarios?
Sean M = {familia suscrita al Mercurio} y C = {familia suscrita al Centro}. De los datos tenemos P (M) = 0,6, P (C ) = 0,8 y P (M C ) = 0,5.
Introduccin o
Independencia

Example De la ultima proposicin tenemos que la probabilidad de que la o familia est suscrita a al menos uno de los dos diarios es e P (M C ) = P (M) + P (C ) P (M C ) = 0,6 + 0,8 0,5 = 0,9.
Ignacio Vidal G.
Introduccin o
Independencia

Example De la ultima proposicin tenemos que la probabilidad de que la o familia est suscrita a al menos uno de los dos diarios es e P (M C ) = P (M) + P (C ) P (M C ) = 0,6 + 0,8 0,5 = 0,9. Por otro lado, el evento de que la familia est suscrita slo al diario e o El Centro se puede escrbir como M c C (No Mercurio y s Centro).
M C
Mc C
Ignacio Vidal G.
Introduccin o
Independencia

Example De la gura anterior, vemos que 0,9 = P (M C ) = P (M) + P (M c C ) = 0,6 + P (M c C ) , de donde P (M c C ) = 0,3.
Ignacio Vidal G.
Introduccin o
Independencia

Example De la gura anterior, vemos que 0,9 = P (M C ) = P (M) + P (M c C ) = 0,6 + P (M c C ) , de donde P (M c C ) = 0,3. Anlogamente, P (M C c ) = P (M C ) P (C ) = 0,1. a
Ignacio Vidal G.
Introduccin o
Independencia

Example De la gura anterior, vemos que 0,9 = P (M C ) = P (M) + P (M c C ) = 0,6 + P (M c C ) , de donde P (M c C ) = 0,3. Anlogamente, P (M C c ) = P (M C ) P (C ) = 0,1. a De donde vemos que la probabilidad de que la familia est suscrita e a exactamente uno de los dos diarios es P (M c C ) + P (M C c ) = 0,3 + 0,1 = 0,4.
Ignacio Vidal G.
Introduccin o
Independencia
La probabilidad de la unin de ms de dos eventos se o a puede calcular de manera anloga. a

Proposicin o Para tres eventos E , F y G cualesquiera, P (E F G ) = P (E ) + P (F ) + P (G ) P (E F ) P (E G ) P (F G ) + P (E F G ) .
Ignacio Vidal G.
Introduccin o
Independencia
La probabilidad de la unin de ms de dos eventos se o a puede calcular de manera anloga. a

Proposicin o Para tres eventos E , F y G cualesquiera, P (E F G ) = P (E ) + P (F ) + P (G ) P (E F ) P (E G ) P (F G ) + P (E F G ) . La demostracin se obtiene de o analizar el siguiente diagrama de Venn.
G
Introduccin o
Independencia
Muchas veces necesitaremos las tcnicas de conteo e
En el caso de la interpretacin clsica de probabilidad necesitamos o a que los resultados sean igualmente probables. En este caso la probabilidad de un evento E es P (E ) = nE /n, donde para calcular nE y n tenemos que contar la cantidad de elementos que hay en los conjuntos E y . Las tcnicas de conteo son utiles cuando la cantidad de elementos e en los conjuntos E y es muy grande o cuando los elementos de cada uno de estos conjuntos no estn expl a citamente detallados a partir del experimento.
Ignacio Vidal G.
Introduccin o
Independencia
Tenemos que saber multiplicar

Para contar debemos saber sumar, y para sumar rpido es a fundamental saber multiplicar. Proposicin (Principio de la multiplicacin) o o Si un experimento tiene m posibles resultados y otro experimento tiene n posibles resultados, entonces hay mn posibles resultados al realizar los dos experimentos.
Ignacio Vidal G.
Introduccin o
Independencia
Tenemos que saber multiplicar

Para contar debemos saber sumar, y para sumar rpido es a fundamental saber multiplicar. Proposicin (Principio de la multiplicacin) o o Si un experimento tiene m posibles resultados y otro experimento tiene n posibles resultados, entonces hay mn posibles resultados al realizar los dos experimentos. Example En esta sala hay m hombres y n mujeres, cuntas parejas de a pololos podemos formar? Respuesta: mn parejas de pololos.
Introduccin o
Independencia
Ahora hay que multiplicar los resultados de varios experimentos
Proposicin (Principio de la multiplicacin extendido) o o Si hay p experimentos y cada uno tiene ni posibles resultados, i = 1, . . . , p, entonces hay n1 n2 np posibles resultados en la realizacin de los p experimentos. o
Ignacio Vidal G.
Introduccin o
Independencia
Aqu mostramos el concepto de permutacin o

Example En esta sala hay n sillas y k estudiantes (suponer n k), de cuntas maneras se hubiesen podido sentar ustedes? a El primer estudiante que entra a la sala tiene n sillas disponibles, el segundo tiene n 1, ..., el ultimo estudiante (el ksimo) tiene e n (k 1) sillas disponibles.
Ignacio Vidal G.
Introduccin o
Independencia
Aqu mostramos el concepto de permutacin o

Example En esta sala hay n sillas y k estudiantes (suponer n k), de cuntas maneras se hubiesen podido sentar ustedes? a El primer estudiante que entra a la sala tiene n sillas disponibles, el segundo tiene n 1, ..., el ultimo estudiante (el ksimo) tiene e n (k 1) sillas disponibles. De esta manera, hay n (n 1) (n 2) (n k + 1) posibles formas para ubicarse.
Ignacio Vidal G.
Introduccin o
Independencia
La seleccin de los objetos se hace sin reemplazo o
Denicin o Cualquier secuencia ordenada de k objetos tomados sin reemplazo de un conjunto de n objetos distintos se llama permutacin de o tamao k de los n objetos. n El nmero de permutaciones de tamao k que puede construirse u n de los n objetos es Pk,n = n (n 1) (n 2) (n k + 1) = n! . (n k)!
Ignacio Vidal G.
Introduccin o
Independencia
Un ejemplo de permutacin o
Example Hay 8 asistentes de enseanza para calicar trabajos en un curso n en particular. El primer examen consiste en 4 preguntas y el profesor desea seleccionar un asistente diferente para calicar cada pregunta (slo o un asistente por pregunta). En cuntas formas se pueden seleccionar los asistentes para a calicar el examen?
Ignacio Vidal G.
Introduccin o
Independencia
Un ejemplo de permutacin o
Example Hay 8 asistentes de enseanza para calicar trabajos en un curso n en particular. El primer examen consiste en 4 preguntas y el profesor desea seleccionar un asistente diferente para calicar cada pregunta (slo o un asistente por pregunta). En cuntas formas se pueden seleccionar los asistentes para a calicar el examen? Notemos que vamos a seleccionar a 4 asistentes diferentes para corregir las preguntas. Por tanto, el nmero de asignaciones diferentes para calicar las u preguntas es 8! P4,8 = = 1680. (8 4)!
Introduccin o
Independencia
De N objetos extraigamos k de ellos sin reemplazo, pero sin importar el orden

Example Supongamos que tenemos una bolsa con n caramelos, metemos la mano y sacamos k caramelos (n k). Cuntas muestras de k a caramelos podemos sacar? Este es un problema parecido al de los k estudiantes y las n sillas, pero en este caso no importa qu caramelo est al lado del otro. e a
Ignacio Vidal G.
Introduccin o
Independencia

Example Supongamos que tenemos una bolsa con n caramelos, metemos la mano y sacamos k caramelos (n k). Cuntas muestras de k a caramelos podemos sacar? Este es un problema parecido al de los k estudiantes y las n sillas, pero en este caso no importa qu caramelo est al lado del otro. e a En el problema de los k estudiantes y las n sillas el nmero de u posibilidades era n!/ (n k)!. Sin embargo, en ese resultado tenemos contado el orden en que se sentaron los k estudiantes.
Introduccin o
Independencia

Example Los diferentes rdenes de los k estudiantes es igual a k!. o Por tanto, lo que debemos hacer es dividir por esas k! permutaciones.
Ignacio Vidal G.
Introduccin o
Independencia

Example Los diferentes rdenes de los k estudiantes es igual a k!. o Por tanto, lo que debemos hacer es dividir por esas k! permutaciones. Finalmente, podemos extraer n! k! (n k)! muestras de k caramelos.
Ignacio Vidal G.
Introduccin o
Independencia
Ahora formalizamos el concepto
Denicin o Dado un conjunto de n objetos distintos, cualquier subconjunto no ordenado de tamao k de los objetos se llama combinacin. n o El nmero de combinaciones de tamao k que se pueden formar de u n n objetos distintos es n k = n! . k! (n k)!
Ignacio Vidal G.
Introduccin o
Independencia
Esta es la probabilidad de ganarse el Kino

Example Cul es la probabilidad de ganarse el premio mximo del Kino a a comprando un solo cartn? o En el Kino se seleccionan 14 nmeros de 25 posibles sin importar u el orden en que se seleccionan y un cartn tiene una sola de estas o combinaciones.
Ignacio Vidal G.
Introduccin o
Independencia
Esta es la probabilidad de ganarse el Kino

Example Cul es la probabilidad de ganarse el premio mximo del Kino a a comprando un solo cartn? o En el Kino se seleccionan 14 nmeros de 25 posibles sin importar u el orden en que se seleccionan y un cartn tiene una sola de estas o combinaciones. Por tanto, la probabilidad de ganarse el premio mximo con un a solo cartn es o 1
25 14
= =
11 10 9 8 7 6 5 4 3 2 1 14!11! = 25! 25 24 23 22 21 20 19 18 17 16 15 1 . 4 457 400

Introduccin o
Independencia
Cunto debemos esperar para ganar el Kino? a

Example Como una probabilidad se puede interpretar como una frecuencia, entonces para ganarse el premio mximo comprando un solo cartn a o debemos esperar aproximadamente 4 457 400 semanas.
Ignacio Vidal G.
Introduccin o
Independencia
Cunto debemos esperar para ganar el Kino? a

Example Como una probabilidad se puede interpretar como una frecuencia, entonces para ganarse el premio mximo comprando un solo cartn a o debemos esperar aproximadamente 4 457 400 semanas. Esto equivale a esperar 4 457 400 = 85 719.23077 aos como promedio, n 52 o sea, 85 719 aos y 3 meses, aproximadamente. n Recin ahora llegamos al ao 2011. e n
Ignacio Vidal G.
Introduccin o
Independencia
Un evento puede afectar la probabilidad de otro evento

Las probabilidades asignadas a varios eventos dependen de lo que se conozca acerca de la situacin experimental cuando se hace la o asignacin. o Ahora veremos la forma en que la informacin, ha ocurrido el o evento B, afecta la probabilidad asignada al evento A.
Ignacio Vidal G.
Introduccin o
Independencia
Un evento puede afectar la probabilidad de otro evento

Las probabilidades asignadas a varios eventos dependen de lo que se conozca acerca de la situacin experimental cuando se hace la o asignacin. o Ahora veremos la forma en que la informacin, ha ocurrido el o evento B, afecta la probabilidad asignada al evento A. Example Sea A =un individuo tiene una enfermedad en particular en presencia de ciertos s ntomas. Este individuo se realiza un test de diagnstico y denamos el o siguiente evento B =el test le result negativo. o Notemos que si ocurre el evento B la probabilidad de que este individuo tenga la enfermedad disminuye.
Introduccin o
Independencia
Esto es un ejemplo intuitivo

Utilizaremos la notacin P (E |F ) para representar a la o probabilidad condicional de E dado que el evento F ha ocurrido.
Ignacio Vidal G.
Introduccin o
Independencia

Utilizaremos la notacin P (E |F ) para representar a la o probabilidad condicional de E dado que el evento F ha ocurrido. Example (Lanzamiento de dos dados) Recordemos que A = {(1, 2) , (2, 1)} =ambos dados suman 3, y C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado. Es fcil ver que P (A) = 2/36 = 1/18. a
Ignacio Vidal G.
Introduccin o
Independencia

Utilizaremos la notacin P (E |F ) para representar a la o probabilidad condicional de E dado que el evento F ha ocurrido. Example (Lanzamiento de dos dados) Recordemos que A = {(1, 2) , (2, 1)} =ambos dados suman 3, y C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado. Es fcil ver que P (A) = 2/36 = 1/18. a Pero cmo cambia esta probabilidad si sabemos que en el primer o dado ocurri un 1?. o
Ignacio Vidal G.
Introduccin o
Independencia

Utilizaremos la notacin P (E |F ) para representar a la o probabilidad condicional de E dado que el evento F ha ocurrido. Example (Lanzamiento de dos dados) Recordemos que A = {(1, 2) , (2, 1)} =ambos dados suman 3, y C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado. Es fcil ver que P (A) = 2/36 = 1/18. a Pero cmo cambia esta probabilidad si sabemos que en el primer o dado ocurri un 1?. o En este caso, el espacio muestral se reduce al conjunto C , y por tanto P (A |C ) = 1/6.
Introduccin o
Independencia
El espacio muestral se reduce al evento que ya ocurri o

Notemos que la probabilidad condicional del ejemplo anterior la podemos escribir en funcin de dos probabilidades no condicionales: o P (A |C ) = 1 1/36 P (A C ) = = . 6 6/36 P (C )
Ignacio Vidal G.
Introduccin o
Independencia
El espacio muestral se reduce al evento que ya ocurri o

Notemos que la probabilidad condicional del ejemplo anterior la podemos escribir en funcin de dos probabilidades no condicionales: o P (A |C ) = 1 1/36 P (A C ) = = . 6 6/36 P (C )
La siguiente gura muestra la idea de que la probabilidad condicional se puede ver como una reduccin del espacio o muestral.
Ignacio Vidal G.
Introduccin o
Independencia
Esta es la denicin formal o

El ejemplo anterior es un caso muy sencillo que pudimos resolverlo de forma intuitiva. Cuando los experimentos son ms complicados la intuicin puede a o fallarnos, por lo que es mejor contar con una denicin formal que o a la vez coincida con nuestra intuicin. o
Ignacio Vidal G.
Introduccin o
Independencia
Esta es la denicin formal o

El ejemplo anterior es un caso muy sencillo que pudimos resolverlo de forma intuitiva. Cuando los experimentos son ms complicados la intuicin puede a o fallarnos, por lo que es mejor contar con una denicin formal que o a la vez coincida con nuestra intuicin. o Denicin o Para dos eventos E y F cualesquiera con P (F ) > 0, la probabilidad condicional de E dado que F ha ocurrido est denida por a P (E |F ) = P (E F ) . P (F )
Ignacio Vidal G.
Introduccin o
Independencia
Veamos un ejemplo sencillo

Example (Suscripcin a diarios) o Hab amos denido M = {familia suscrita al Mercurio} y C = {familia suscrita al Centro}. De los datos tenemos P (M) = 0,6, P (C ) = 0,8 y P (M C ) = 0,5. Cul es la probabilidad de que una familia suscrita al Mercurio a tambin est suscrita al Centro? e e
Ignacio Vidal G.
Introduccin o
Independencia

Example (Suscripcin a diarios) o Hab amos denido M = {familia suscrita al Mercurio} y C = {familia suscrita al Centro}. De los datos tenemos P (M) = 0,6, P (C ) = 0,8 y P (M C ) = 0,5. Cul es la probabilidad de que una familia suscrita al Mercurio a tambin est suscrita al Centro? e e P (C |M ) = P (C M) 0,5 = = 0,8 3. P (M) 0,6
O sea, un 83,3 % de los que compran el Mercurio tambin compran e el Centro.

Introduccin o
Independencia
Example (Suscripcin a diarios) o Anlogamente, a P (M |C ) = 0,5 P (M C ) = = 0,625. P (C ) 0,8
O sea, un 62,5 % de los que compran el Centro tambin compran e el Mercurio. Observemos que P (C |M ) = P (C ) y P (M |C ) = P (M).
Ignacio Vidal G.
Introduccin o
Independencia
Veamos un ejemplo menos sencillo

Example Una revista de noticias publica tres columnas tituladas Arte (A), Libros (B) y Cine (C ). Al seleccionar un lector al azar, ste lee regularmente las columnas e con las siguientes probabilidades P (A) = 0,14, P (B) = 0,23, P (C ) = 0,37, P (A B) = 0,08, P (A C ) = 0,09, P (B C ) = 0,13 y P (A B C ) = 0,05. Un resumen de estas probabilidades se muestra en el siguiente diagrama de Venn.
B A C
Ignacio Vidal G.
Introduccin o
Independencia

B A C
Ignacio Vidal G.
Introduccin o
Independencia

B A C
Ignacio Vidal G.
Introduccin o
Independencia

B A C
Ignacio Vidal G.
Introduccin o
Independencia
Example As tenemos: P (A |B ) = P (A B) 0,08 = = 0,348, P (B) 0,23
Ignacio Vidal G.
Introduccin o
Independencia
Example As tenemos: P (A |B ) = P (A B) 0,08 = = 0,348, P (B) 0,23
P (A |B C ) =
P (A (B C )) 0,04 + 0,05 + 0,03 = = 0,255, P (B C ) 0,47
Ignacio Vidal G.
Introduccin o
Independencia
Example P (A |lee al menos una ) = P (A |A B C ) = = P (A (A B C )) P (A B C ) 0,14 P (A) = = 0,286 P (A B C ) 0,49
Ignacio Vidal G.
Introduccin o
Independencia
Example P (A |lee al menos una ) = P (A |A B C ) = = y P (A B |C ) = 0,04 + 0,05 + 0,08 P ((A B) C ) = = 0,459. P (C ) 0,37 P (A (A B C )) P (A B C ) 0,14 P (A) = = 0,286 P (A B C ) 0,49
Ignacio Vidal G.
Introduccin o
Independencia
De la denicin de probabilidad condicional obtenemos la o regla de la multiplicacin o
Proposicin (Regla de la multiplicacin) o o Para cualquier par de eventos E y F se cumple P (E F ) = P (E |F ) P (F ) o P (E F ) = P (F |E ) P (E ) .
Ignacio Vidal G.
Introduccin o
Independencia
De la denicin de probabilidad condicional obtenemos la o regla de la multiplicacin o
Proposicin (Regla de la multiplicacin) o o Para cualquier par de eventos E y F se cumple P (E F ) = P (E |F ) P (F ) o P (E F ) = P (F |E ) P (E ) .
Esta regla es util cuando queremos encontrar P (E F ), pero es ms fcil saber los valores de P (E |F ) y P (F ), o P (F |E ) y P (E ). a a
Ignacio Vidal G.
Introduccin o
Independencia
Un ejemplo de la regla de la multiplicacin o
Example Cuatro individuos han ido a un banco de sangre para donar sangre, pero ellos desconocen su tipo de sangre. La unica informacin al respecto es que uno de ellos tiene sangre o tipo A+. Si el banco necesita sangre A+ y selecciona a los individuos al azar, cul es la probabilidad de que al menos en tres individuos a haya que determinar el tipo de sangre para obtener la sangre A+?
Ignacio Vidal G.
Introduccin o
Independencia

Example Sean B = {primer tipo no es A+} y A = {segundo tipo no es A+}. Por tanto, P (B) = 3 4 y 2 P (A |B ) = . 3
Ignacio Vidal G.
Introduccin o
Independencia

Example Sean B = {primer tipo no es A+} y A = {segundo tipo no es A+}. Por tanto, P (B) = 3 4 y 2 P (A |B ) = . 3
De donde P (se seleccionan al menos 3 individuos) = P (A B) = P (A |B ) P (B) 2 3 1 = = . 3 4 2

Introduccin o
Independencia
La regla de la multiplicacin es muy util cuando se realiza o un experimento en varias etapas sucesivas
Por ejemplo, si E representa el resultado de la primera etapa y F , el de la segunda, entonces P (E |F ) es la probabilidad de que ocurra E en la segunda etapa sabiendo el resultado de la primera etapa.
Ignacio Vidal G.
Introduccin o
Independencia
La regla de la multiplicacin es muy util cuando se realiza o un experimento en varias etapas sucesivas
Por ejemplo, si E representa el resultado de la primera etapa y F , el de la segunda, entonces P (E |F ) es la probabilidad de que ocurra E en la segunda etapa sabiendo el resultado de la primera etapa. Para tres etapas tendr amos: si Ei es el resultado de la etapa i = 1, 2, 3, entonces la probabilidad de que al nal de experimento ocurran los eventos E1 , E2 y E3 es P (E1 E2 E3 ) = P (E3 |E1 E2 ) P (E1 E2 ) = P (E3 |E1 E2 ) P (E2 |E1 ) P (E1 ) .
Ignacio Vidal G.
Introduccin o
Independencia
Utilicemos la ultima frmula o
Example (Tipo de sangre) La probabilidad de que en el tercer examen la sangre sea A+ es P (tercera sangre es A+) = P (tercera sangre es A + |A B ) P (A |B ) P (B) 1 2 3 1 = = . 2 3 4 4
Ignacio Vidal G.
Introduccin o
Independencia
Utilicemos la ultima frmula o
Example (Tipo de sangre) La probabilidad de que en el tercer examen la sangre sea A+ es P (tercera sangre es A+) = P (tercera sangre es A + |A B ) P (A |B ) P (B) 1 2 3 1 = = . 2 3 4 4 Cuando el experimento de inters est formado por una secuencia e a de varias etapas, es muy util representar las etapas en un diagrama de rbol. a
Ignacio Vidal G.
Introduccin o
Independencia
Ahora un ejemplo con tres eventos

Example Una tienda de video vende 3 marcas de videograbadoras (VCR). De sus ventas de VCR, 50 % son de la marca 1, 30 % son de la marca 2 y 20 % son de la marca 3. Cada fabricante ofrece un ao de garant n a. Se sabe que el 25 % de las VCR de la marca 1 requieren trabajo de reparacin en garant en tanto que los porcentajes o a, correspondientes a las marcas 2 y 3 son 20 % y 10 %, respectivamente.
Ignacio Vidal G.
Introduccin o
Independencia

Example Una tienda de video vende 3 marcas de videograbadoras (VCR). De sus ventas de VCR, 50 % son de la marca 1, 30 % son de la marca 2 y 20 % son de la marca 3. Cada fabricante ofrece un ao de garant n a. Se sabe que el 25 % de las VCR de la marca 1 requieren trabajo de reparacin en garant en tanto que los porcentajes o a, correspondientes a las marcas 2 y 3 son 20 % y 10 %, respectivamente. Sea Ai = {se compra una VCR de marca i}, para i = 1, 2, 3. Entonces de los datos tenemos P (A1 ) = 0,5, P (A2 ) = 0,3 y P (A3 ) = 0,2.
Ignacio Vidal G.
Introduccin o
Independencia

Example Una tienda de video vende 3 marcas de videograbadoras (VCR). De sus ventas de VCR, 50 % son de la marca 1, 30 % son de la marca 2 y 20 % son de la marca 3. Cada fabricante ofrece un ao de garant n a. Se sabe que el 25 % de las VCR de la marca 1 requieren trabajo de reparacin en garant en tanto que los porcentajes o a, correspondientes a las marcas 2 y 3 son 20 % y 10 %, respectivamente. Sea Ai = {se compra una VCR de marca i}, para i = 1, 2, 3. Entonces de los datos tenemos P (A1 ) = 0,5, P (A2 ) = 0,3 y P (A3 ) = 0,2. Si denimos B = {la VCR comprada usa la garant entonces de a}, los datos tenemos P (B |A1 ) = 0,25, P (B |A2 ) = 0,2 y P (B |A3 ) = 0,1.
Introduccin o
Independencia
El siguiente diagrama de rbol representa el experimento a

Example
|A 1 )=
B P( c b P (B |A1 ) = h hhhhh0,75 h h 0,5 = ) (A 1 P 0,2 )= |A 2 P (B P (A2 ) = 0,3 b b P ( B c r rr |A2 ) = 0,8 r P (A rr) = 3 r0,2 rr 0,1 @ |A ) = @@ r b@P (B@3 @ @ @ rr P (B rrc |A 3 r ) = 0,9 rr r
5 0,2
Introduccin o
Independencia
Una primera pregunta
Example Cul es la probabilidad de que un comprador seleccionado al azar a haya comprado una VCR de marca 1 que necesita reparacin o mientras est en garant a a?
Ignacio Vidal G.
Introduccin o
Independencia
Una primera pregunta
Example Cul es la probabilidad de que un comprador seleccionado al azar a haya comprado una VCR de marca 1 que necesita reparacin o mientras est en garant a a? La probabilidad de que un comprador seleccionado al azar haya comprado una VCR de marca 1 que necesita reparacin mientras o est en garant es a a P (A1 B) = P (B |A1 ) P (A1 ) = 0,125.
Ignacio Vidal G.
Introduccin o
Independencia
Esto se ve fcilmente en el diagrama de rbol a a

Example
A1 )=
B| P( c b P (B |A1 ) = h hhhhh0,75 h h 0,5 = ) (A 1 P 0,2 )= |A 2 P (B P (A2 ) = 0,3 b b P ( B c r rr |A2 ) = 0,8 r P (A rr) = 3 r0,2 rr 0,1 @ |A ) = @@ r b@P (B@3 @ @ @ rr P (B rrc |A 3 r ) = 0,9 rr r
5
0,2
P (B |A1 ) P (A1 ) = P (A1 B) = 0,125
Introduccin o
Independencia
Una segunda pregunta
Example Cul es la probabilidad de que un comprador seleccionado al azar a tenga una VCR que necesite reparacin mientras est en garant o a a?
Ignacio Vidal G.
Introduccin o
Independencia
Una segunda pregunta
Example Cul es la probabilidad de que un comprador seleccionado al azar a tenga una VCR que necesite reparacin mientras est en garant o a a? La probabilidad de que un individuo utilice la garant es a P (B) = P ((A1 B) (A2 B) (A3 B)) = P (A1 B) + P (A2 B) + P (A3 B) = P (B |A1 ) P (A1 ) + P (B |A2 ) P (A2 ) + P (B |A3 ) P (A3 ) = 0,125 + 0,06 + 0,02 = 0,205.
Ignacio Vidal G.
Introduccin o
Independencia
El siguiente diagrama de rbol representa el experimento a

Example
A1 )=
B| P( c b P (B |A1 ) = h hhhhh0,75 h h 0,5 = ) (A 1 P 0,2 )= |A 2 P (B P (A2 ) = 0,3 b b P ( B c r rr |A2 ) = 0,8 r P (A rr) = 3 r0,2 rr 0,1 @ |A ) = @@ r b@P (B@3 @ @ @ rr P (B rrc |A 3 r ) = 0,9 rr r
Ignacio Vidal G.
5
0,2
P (B |A1 ) P (A1 ) = P (A1 B) = 0,125
P (B |A2 ) P (A2 ) = P (A2 B) = 0,06
P (B |A3 ) P (A3 ) = P (A3 B) = 0,02 P (B) = 0,205
Introduccin o
Independencia
Finalmente, una tercera pregunta

Example Si un cliente regresa a la tienda con una VCR que necesita reparacin dentro del tiempo de garant cul es la probabilidad o a, a de que sea una VCR de la marca 1? O una VCR de la marca 2? O una VCR de la marca 3?
Ignacio Vidal G.
Introduccin o
Independencia

Example Si un cliente regresa a la tienda con una VCR que necesita reparacin dentro del tiempo de garant cul es la probabilidad o a, a de que sea una VCR de la marca 1? O una VCR de la marca 2? O una VCR de la marca 3? Por denicin de probabilidad condicional, si una VCR necesita o reparacin dentro del tiempo de garant la probabilidad de que o a, sea de la marca i {1, 2, 3} es P (A1 |B ) = P (A1 B) 0,125 = = 0,61, P (B) 0,205
Ignacio Vidal G.
Introduccin o
Independencia

Example Si un cliente regresa a la tienda con una VCR que necesita reparacin dentro del tiempo de garant cul es la probabilidad o a, a de que sea una VCR de la marca 1? O una VCR de la marca 2? O una VCR de la marca 3? Por denicin de probabilidad condicional, si una VCR necesita o reparacin dentro del tiempo de garant la probabilidad de que o a, sea de la marca i {1, 2, 3} es P (A1 |B ) = P (A1 B) 0,125 = = 0,61, P (B) 0,205 P (A2 B) 0,06 = = 0,29 P (B) 0,205
P (A2 |B ) =
Ignacio Vidal G.
Introduccin o
Independencia

Example Si un cliente regresa a la tienda con una VCR que necesita reparacin dentro del tiempo de garant cul es la probabilidad o a, a de que sea una VCR de la marca 1? O una VCR de la marca 2? O una VCR de la marca 3? Por denicin de probabilidad condicional, si una VCR necesita o reparacin dentro del tiempo de garant la probabilidad de que o a, sea de la marca i {1, 2, 3} es P (A1 |B ) = P (A1 B) 0,125 = = 0,61, P (B) 0,205 P (A2 B) 0,06 = = 0,29 P (B) 0,205
P (A2 |B ) = y
P (A3 |B ) = 1 P (A1 |B ) P (A2 |B ) = 0,1.

Ignacio Vidal G.
Introduccin o
Independencia
Reexin sobre este ejemplo o

Example Observemos que la probabilidad inicial de que la marca 1 haya sido comprada es 0,5, en tanto que una vez que se sepa que la VCR comprada us la garant la probabilidad posterior de que la marca o a, 1 haya sido comprada aumenta a 0,61. Esto es porque es ms probable que las VCR de marca 1 necesiten a reparacin en garant que las otras dos marcas. o a
Ignacio Vidal G.
Introduccin o
Independencia
Reexin sobre este ejemplo o

Example Observemos que la probabilidad inicial de que la marca 1 haya sido comprada es 0,5, en tanto que una vez que se sepa que la VCR comprada us la garant la probabilidad posterior de que la marca o a, 1 haya sido comprada aumenta a 0,61. Esto es porque es ms probable que las VCR de marca 1 necesiten a reparacin en garant que las otras dos marcas. o a Sin embargo, la probabilidad posterior de la marca 3 es P (A3 |B ) = 0,1, que es mucho menor que la probabilidad inicial P (A3 ) = 0,2.
Ignacio Vidal G.
Introduccin o
Independencia
El teorema de Bayes tiene una inesperada historia

El clculo de las probabilidades posteriores fue estudiado por a primera vez por el reverendo ingls Thomas Bayes (siglo XVIII). e El estaba interesado en las matemticas y trataba de encontrar a una frmula para poder obtener la probabilidad de que Dios exista, o basndose en evidencias a su alcance en la Tierra. a
Ignacio Vidal G.
Introduccin o
Independencia

El clculo de las probabilidades posteriores fue estudiado por a primera vez por el reverendo ingls Thomas Bayes (siglo XVIII). e El estaba interesado en las matemticas y trataba de encontrar a una frmula para poder obtener la probabilidad de que Dios exista, o basndose en evidencias a su alcance en la Tierra. a Recordemos que los eventos E1 , E2 , . . . , En son mutuamente excluyentes si no hay dos de ellos que contengan algn resultado u en comn. u
Ignacio Vidal G.
Introduccin o
Independencia

El clculo de las probabilidades posteriores fue estudiado por a primera vez por el reverendo ingls Thomas Bayes (siglo XVIII). e El estaba interesado en las matemticas y trataba de encontrar a una frmula para poder obtener la probabilidad de que Dios exista, o basndose en evidencias a su alcance en la Tierra. a Recordemos que los eventos E1 , E2 , . . . , En son mutuamente excluyentes si no hay dos de ellos que contengan algn resultado u en comn. u Adems, diremos que los eventos E1 , E2 , . . . , En son exhaustivos si a alguno de ellos ocurre, o sea si E1 En = .
Ignacio Vidal G.
Introduccin o
Independencia
Primero veremos una frmula util o
Proposicin (Ley de probabilidad total) o Sean E1 , E2 , . . . , En eventos mutuamente excluyentes y exhaustivos. Luego, para cualquier otro evento F , P (F ) = P (F |E1 ) P (E1 ) + + P (F |En ) P (En )
n
=
i=1
P (F |Ei ) P (Ei ) .
Ignacio Vidal G.
Introduccin o
Independencia
La demostracin es sencilla o
Como los Ei son mutuamente excluyentes y exhaustivos, si F ocurre debe ser en conjunto con al menos uno de los Ei . Esto es F = (E1 F ) (En F ), donde Ei F son mutuamente excluyentes. E1 E1 F E2 E2 F E3 E4
E3 F E4 F
Ignacio Vidal G.
Introduccin o
Independencia
La demostracin es sencilla o
Como los Ei son mutuamente excluyentes y exhaustivos, si F ocurre debe ser en conjunto con al menos uno de los Ei . Esto es F = (E1 F ) (En F ), donde Ei F son mutuamente excluyentes. E1 E1 F E2 E2 F E3 E4
E3 F E4 F
Por tanto,
n n
P (F ) =
i=1
P (Ei F ) =
i=1
Ignacio Vidal G.
P (F |Ei ) P (Ei ) .
Introduccin o
Independencia
En la pregunta 2. del ejemplo de las marcas de VCR usamos la ley de probabilidad total
Teorema (Teorema de Bayes) Sean E1 , E2 , . . . , En eventos mutuamente excluyentes y exhaustivos. Entonces para cualquier otro evento F para el que P (F ) > 0, P (Ek |F ) = donde k = 1, . . . , n. P (Ek F ) = P (F ) P (F |Ek ) P (Ek ) , n i=1 P (F |Ei ) P (Ei )
Ignacio Vidal G.
Introduccin o
Independencia
En la pregunta 2. del ejemplo de las marcas de VCR usamos la ley de probabilidad total
Teorema (Teorema de Bayes) Sean E1 , E2 , . . . , En eventos mutuamente excluyentes y exhaustivos. Entonces para cualquier otro evento F para el que P (F ) > 0, P (Ek |F ) = donde k = 1, . . . , n. Demostracin. o La primera igualdad se obtiene de aplicar la denicin de o probabilidad condicional. El numerador del ultimo cociente se debe a la regla de la multiplicacin y el denominador, a la ley de probabilidad total. o
P (Ek F ) = P (F )
P (F |Ek ) P (Ek ) , n i=1 P (F |Ei ) P (Ei )
Introduccin o
Independencia
Ahora veremos un ejemplo muy famoso

Un ejemplo del uso del teorema de Bayes es la pregunta 3. del ejemplo de las marcas de VCR. Example (Paradoja del falso positivo) Supongamos que por experiencia un mdico sabe que una extraa e n enfermedad afecta a uno de cada 1000 habitantes de una poblacin, o sea, al seleccionar al azar a una persona de esa o poblacin la probabilidad subjetiva de que est enferma es o e P (E ) = 0,001. La letra E signica que el individuo seleccionado est enfermo. a
Ignacio Vidal G.
Introduccin o
Independencia
Las pruebas de diagnstico ayudan objetivamente a los o mdicos e

Example (Paradoja del falso positivo) Supongamos que existe una prueba able, pero no infalible, para detectar la enfermedad: La prueba resulta positiva en un 99 % de los enfermos, o sea, P (+ |E ) = 0,99. El signo + signica que el individuo seleccionado obtuvo un resultado positivo.
Ignacio Vidal G.
Introduccin o
Independencia

Example (Paradoja del falso positivo) Supongamos que existe una prueba able, pero no infalible, para detectar la enfermedad: La prueba resulta positiva en un 99 % de los enfermos, o sea, P (+ |E ) = 0,99. El signo + signica que el individuo seleccionado obtuvo un resultado positivo. La prueba tambin produce falsos resultados positivos en un e 2 % de los casos, o sea, P (+ |S ) = 0,02. La letra S signica que el individuo seleccionado est sano. a
Ignacio Vidal G.
Introduccin o
Independencia

Example (Paradoja del falso positivo) Supongamos que existe una prueba able, pero no infalible, para detectar la enfermedad: La prueba resulta positiva en un 99 % de los enfermos, o sea, P (+ |E ) = 0,99. El signo + signica que el individuo seleccionado obtuvo un resultado positivo. La prueba tambin produce falsos resultados positivos en un e 2 % de los casos, o sea, P (+ |S ) = 0,02. La letra S signica que el individuo seleccionado est sano. a Si bajo las condiciones anteriores tu recibes un resultado positivo de la prueba (un dato objetivo), cul es la probabilidad de que a tengas la enfermedad?
Introduccin o
Independencia
Basta con aplicar el teorema de Bayes

Example (Paradoja del falso positivo) Lo que tenemos que calcular es la probabilidad de que un individuo seleccionado al azar de esta poblacin est enfermo si ya sabemos o e que la prueba le result positiva, o sea, P (E |+ ). o
Ignacio Vidal G.
Introduccin o
Independencia
Basta con aplicar el teorema de Bayes

Example (Paradoja del falso positivo) Lo que tenemos que calcular es la probabilidad de que un individuo seleccionado al azar de esta poblacin est enfermo si ya sabemos o e que la prueba le result positiva, o sea, P (E |+ ). o Por el teorema de Bayes tenemos P (E |+ ) = P (+ |E ) P (E ) P (+ |E ) P (E ) + P (+ |S ) P (S) 0,99 0,001 = (0,99) (0,001) + (0,02) (1 0,001) = 0,04721.
Ignacio Vidal G.
Introduccin o
Independencia
Este resultado parece contraintuitivo

Example (Paradoja del falso positivo) La prueba de diagnstico parece tan precisa que esperamos que o alguien con un resultado positivo tenga una alta probabilidad de tener la enfermedad. Sin embargo, P (E |+ ) = 0,04721. La razn para este resultado aparentemente paradjico es que, o o debido a que la enfermedad es rara y la prueba no es tan precisa, la mayor de los resultados positivos son debido a errores de la a prueba ms bien que de individuos enfermos. a La probb. de estar enfermo aument de 0,001 a 0,04721 despus o e de un resultado positivo de la prueba, pero para que este aumento sea mayor se necesita una prueba de diagnstico ms precisa. o a Por otro lado, si la enfermedad no fuera tan rara, las tasas de error de la prueba de diagnstico utilizada dar mejores diagnsticos. o an o
Introduccin o
Independencia
La dependencia entre eventos es un concepto muy importante

La denicin de probabilidad condicional nos hace posible o modicar la probabilidad P (E ) originalmente asignada a E , cuando nos informan que ha ocurrido otro evento F , la nueva probabilidad de E es P (E |F ). Lgicamente, si P (E |F ) = P (E ) entonces el evento F tiene o inuencia en la probabilidad de que ocurra E .
Ignacio Vidal G.
Introduccin o
Independencia

La denicin de probabilidad condicional nos hace posible o modicar la probabilidad P (E ) originalmente asignada a E , cuando nos informan que ha ocurrido otro evento F , la nueva probabilidad de E es P (E |F ). Lgicamente, si P (E |F ) = P (E ) entonces el evento F tiene o inuencia en la probabilidad de que ocurra E . Denicin o Dos eventos E y F son independientes si P (E |F ) = P (E ) y son dependientes si P (E |F ) = P (E ).
Ignacio Vidal G.
Introduccin o
Independencia

La denicin de probabilidad condicional nos hace posible o modicar la probabilidad P (E ) originalmente asignada a E , cuando nos informan que ha ocurrido otro evento F , la nueva probabilidad de E es P (E |F ). Lgicamente, si P (E |F ) = P (E ) entonces el evento F tiene o inuencia en la probabilidad de que ocurra E . Denicin o Dos eventos E y F son independientes si P (E |F ) = P (E ) y son dependientes si P (E |F ) = P (E ). Ejercicio Si E y F son independientes demuestre que los siguientes pares de eventos tambin lo son: (E c y F ), (E y F c ) y (E c y F c ). e
Introduccin o
Independencia
Si dos dados no estn amarrados los resultados de sus a lanzamientos son independientes
Example (Lanzamiento de dos dados) Recordemos que C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado, y D = {(1, 1) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en el segundo dado. Es fcil ver que P (D) = 6/36 = 1/6 = P (C ). a Pero Cul es la probabilidad de que en el segundo dado salga un 1 a si en el primero sali un 1? o
Ignacio Vidal G.
Introduccin o
Independencia
Si dos dados no estn amarrados los resultados de sus a lanzamientos son independientes
Example (Lanzamiento de dos dados) Recordemos que C = {(1, 1) , (1, 2) , (1, 3) , (1, 4) , (1, 5) , (1, 6)} =se obtiene 1 en el primer dado, y D = {(1, 1) , (2, 1) , (3, 1) , (4, 1) , (5, 1) , (6, 1)} =se obtiene 1 en el segundo dado. Es fcil ver que P (D) = 6/36 = 1/6 = P (C ). a Pero Cul es la probabilidad de que en el segundo dado salga un 1 a si en el primero sali un 1? o P (D |C ) = P (D C ) 1/36 1 = = = P (D) . P (C ) 1/6 6
Por tanto, los eventos C y D son independientes y la probabilidad de que en el segundo dado salga 1 es independiente de que en el primero haya salido un 1.
Introduccin o
Independencia
Si dos eventos son mutuamente excluyentes, sern a dependientes
Observacin o Sean E y F dos eventos mutuamente excluyentes con P (E ) > 0 y P (F ) > 0. Entonces P (E |F ) = P (E F ) = 0 = P (E ) . P (F )
Ignacio Vidal G.
Introduccin o
Independencia
La siguiente identidad caracteriza a dos eventos independientes

Proposicin o Los eventos E y F son independientes si y slo si o P (E F ) = P (E ) P (F ) .
Ignacio Vidal G.
Introduccin o
Independencia

Proposicin o Los eventos E y F son independientes si y slo si o P (E F ) = P (E ) P (F ) . Demostracin. o Por la regla de la multiplicacin tenemos o P (E F ) = P (E |F ) P (F ) = P (E ) P (F ) . La segunda igualdad se debe a que E y F son independientes.
Ignacio Vidal G.
Introduccin o
Independencia

Proposicin o Los eventos E y F son independientes si y slo si o P (E F ) = P (E ) P (F ) . Demostracin. o Por la regla de la multiplicacin tenemos o P (E F ) = P (E |F ) P (F ) = P (E ) P (F ) . La segunda igualdad se debe a que E y F son independientes. La proposicin anterior es muchas veces ms cmoda para evaluar o a o independencia entre eventos que propia la denicin. o
Introduccin o
Independencia
Un ejemplo con dos eventos independientes

Example Se sabe que el 30 % de las lavadoras de cierta compa requiere na servicio cuando estn todav en garant en tanto que slo 10 % a a a, o de las secadoras necesitan ese servicio. Si alguien compra una lavadora y una secadora hechas por esta compa cul es la probabilidad de que ambas mquinas na, a a necesiten servicio dentro de la garant a? Sean A = {lavadora necesita garant y a} B = {secadora necesita garant a}. Del enunciado tenemos P (A) = 0,3 y P (B) = 0,1.
Ignacio Vidal G.
Introduccin o
Independencia
Aqu estamos usando un resultado del ejercicio pendiente
Example Si se supone que las dos mquinas funcionan de manera a independiente, la probabilidad deseada es: P (A B) = P (A) P (B) = 0,3 0,1 = 0,03.
Ignacio Vidal G.
Introduccin o
Independencia
Aqu estamos usando un resultado del ejercicio pendiente
Example Si se supone que las dos mquinas funcionan de manera a independiente, la probabilidad deseada es: P (A B) = P (A) P (B) = 0,3 0,1 = 0,03. Por otro lado, la probabilidad de que ninguna de las dos mquinas a necesite servicio es: P (Ac B c ) = P (Ac ) P (B c ) = 0,7 0,9 = 0,63.
Ignacio Vidal G.
Introduccin o
Independencia
Cmo denir independencia para ms de dos eventos? o a

Para extender la denicin de independencia a ms de dos eventos o a es ms cmodo utilizar la caracterizacin de independencia. a o o
Ignacio Vidal G.
Introduccin o
Independencia
Cmo denir independencia para ms de dos eventos? o a

Para extender la denicin de independencia a ms de dos eventos o a es ms cmodo utilizar la caracterizacin de independencia. a o o Denition Los eventos E1 , . . . , En son mutuamente independientes si para toda k = 2, 3, . . . , n y todo subconjunto de ndices i1 , i2 , . . . , ik , P (Ei1 Ei2 Eik ) = P (Ei1 ) P (Ei2 ) P (Eik ) . O sea, n eventos son mutuamente independientes si y slo si la o probabilidad de la interseccin de cualquier subconjunto de esos n o eventos es igual al producto de las probabilidades individuales.
Ignacio Vidal G.
Introduccin o
Independencia
Este es un ejemplo comn en la prctica u a

Example Un sistema consta de 4 componentes, como se muestra en la gura. O sea, dos subsistemas en paralelo que tienen dos componentes en serie cada uno de ellos.
rr r
1 3
2 4
r rr
Figura: Sistema de componentes
Si los componentes funcionan o fallan de modo independiente uno de otro y si cada uno funciona con probabilidad 0,9, cul es la a probabilidad de que todo el sistema funcione (coeciente de conabilidad del sistema)?
Introduccin o
Independencia
El valor 0,9 puede ser sustitu por cualquier valor do p (0, 1)

Example Sea Ai el evento de que el isimo componente funcione. e Por tanto, la probabilidad de que todo el sistema funcione es: P [(A1 A2 ) (A3 A4 )] = P (A1 A2 ) + P (A3 A4 ) P [(A1 A2 ) (A3 A4 )] = P (A1 ) P (A2 ) + P (A3 ) P (A4 ) P (A1 ) P (A2 ) P (A3 ) P (A4 ) = (0,9)2 + (0,9)2 (0,9)4 = 0,9639.
Ignacio Vidal G.

Calculo Probabilidades

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Calculo Probabilidades

Transféré par

Droits d'auteur :

Formats disponibles

Introduccin o

Espacios muestrales y eventos

Denicin y Clculo de Probabilidades o a

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Espacios muestrales y eventos

Queremos medir la posibilidad de que un evento aleatorio ocurra

Espacios muestrales y eventos

Pero antes debemos conocer algunos conceptos bsicos a

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Pero antes debemos conocer algunos conceptos bsicos a

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Pero antes debemos conocer algunos conceptos bsicos a

Espacios muestrales y eventos

Algunos ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Algunos ejemplos sencillos

Espacios muestrales y eventos

Algunos ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Necesitaremos la probabilidad de un conjunto de resultados elementales

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Seguimos con los ejemplos sencillos

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Las palabras claves son Y, O y NO

Denicin y Clculo de Probabilidades o a

Espacios muestrales y eventos

Las palabras claves son Y, O y NO