Parte 1- Probabilidad

Prof. Mara B. Pintarelli

PARTE 1 - PROBABILIDAD
1- Probabilidad
1.1 - Espacios muestrales y eventos.
La Teora de Probabilidades estudia los llamados experimentos aleatorios.
Ejemplos clsicos de experimentos aleatorios son los juegos de azar:
a) tirar un dado y observar el nmero en la cara de arriba.
b) tirar una moneda
c) lanzar una moneda cuatro veces y contar el nmero total de caras obtenidas.
d) lanzar una moneda cuatro veces y observar la sucesin de caras y cecas obtenidas.
Simbolizamos con a un experimento aleatorio.
Un experimento aleatorio tiene las siguientes caractersticas:
1-Se lo puede repetir bajo las mismas condiciones tantas veces como se desee.
2- No se puede predecir con exactitud el resultado de dicho experimento, pero se puede decir cules son los posibles resultados del mismo.
3- A medida que el experimento se repite, los resultados individuales parecen ocurrir en forma
caprichosa. Pero si el experimento se repite un gran nmero de veces, y registramos la proporcin
de veces que ocurre un determinado resultado, veremos que esa proporcin tiende a estabilizarse
en un valor determinado a medida que aumenta el nmero de veces que se repite el experimento.
Por ejemplo, consideremos el experimento de lanzar un dado y observar el nmero de la cara superior. Supongamos que tiramos el dado N veces, y sea n el nmero de veces que sale el nmero 5
n
en los N tiros del dado. Entonces
es la proporcin de veces que sale el nmero 5 en los N tiros.
N
n
Si el dado es normal a medida que N aumenta,
tiende a estabilizarse en un nmero que es 1/6.
N
Observacin: en los experimentos no aleatorios o deterministas se puede predecir con exactitud el
resultado del experimento, es decir, las condiciones en las que se verifica un experimento determinan el resultado del mismo. Por ejemplo, si colocamos una batera en un circuito simple, el modelo
matemtico que posiblemente describira el flujo observable de corriente sera I = E/R, que es la
ley de Ohm. El modelo predice el valor de I al dar E y R. O sea, si se repite el experimento anterior
cierto nmero de veces, empleando cada vez el mismo circuito, es decir manteniendo fijas E y R,
esperaramos observar el mismo valor de I.
A veces sucede que un experimento no es aleatorio estrictamente, pero resulta mucho ms sencillo
estudiarlo como si fuera aleatorio. Por ejemplo, si tiramos una moneda y observamos qu lado
queda hacia arriba, el resultado sera predecible conociendo en forma precisa las velocidades iniciales de traslacin y rotacin, y las elasticidades de los materiales del piso y de la moneda. Pero la
precisin con la que se necesitan conocer estos datos es casi imposible de obtener en la realidad,
por lo que es ms conveniente tratar al experimento como aleatorio.
El conjunto de todos los resultados posibles de un experimento aleatorio es el espacio muestral. Al
espacio muestral lo anotamos con la letra S.
Por ejemplo,

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

a) Si : tirar un dado y observar el nmero en la cara de arriba, entonces podemos tomar como espacio muestral a S = {1,2,3,4,5,6}
b) Si : tirar una moneda, entonces S = {c, s}
c) Si : lanzar una moneda tres veces y contar el nmero total de caras obtenidas entonces
podemos considerar S = {0,1,2,3}
d) Si : lanzar una moneda tres veces y observar la sucesin de caras y cecas obtenidas, entonces S = {(c, c, c ); (c, c, s ); (c, s, c); ( s, c, c); (c, s, s ); ( s, s, c); (c, s, c); ( s, s, s )}
e) Si : tirar un dado las veces necesarias hasta que sale un 6 por primera vez, y contar el
nmero de tiros realizados, entonces S = {1,2,3,4,.....} = N , donde N es el conjunto de los
nmeros naturales.
f) Si : medir el tiempo de vida de una lamparita elctrica, entonces S = {t R, t 0} donde
R es el conjunto de los nmeros reales.

Observaciones:
1- la eleccin de S no es nica, depende de lo que se quiera observar del experimento aleatorio.
2- El espacio muestral puede ser un conjunto finito, o infinito. A su vez si es infinito puede ser
infinito numerable o no numerable. En e) el conjunto S es infinito numerable, en f) el conjunto S es infinito no numerable.
Se llama evento o suceso a todo subconjunto del espacio muestral. Por ejemplo,
a) En el experimento dado en el ejemplo a), un evento de S sera A = {2,4,6} pues A S .
Podemos expresar al evento A con palabras de la siguiente manera A: sale un
nmero par
Tambin B = {1,2,3} es un evento al que podemos expresar verbalmente como
B: sale un nmero menor o igual que 3
b) En el experimento dado en el ejemplo d), un evento de S sera
C = {(c, c, c ); (c, c, s ); (c, s, c); ( s, c, c)} , el que en palabras se puede expresar como
C: salen por lo menos dos caras
c)
En el experimento dado en el ejemplo f), un evento de S sera D: la lamparita
dura ms de 1200 horas, en notacin de conjuntos D = {t R; t > 1200}
Observaciones:
1- en el ejemplo a) anterior, si al tirar el dado sale el nmero 2, entonces podemos decir que A
ocurri pues 2 A . Pero tambin B ocurri pues 2 B . En cambio si al tirar el dado sale el nmero 4, entonces el evento A ocurri pero B no ocurri , pues 4 B .
2- el conjunto es un evento (pues el conjunto est incluido en todo conjunto, en particular
S ). Es el evento que nunca ocurre.
El espacio muestral S es un evento (pues todo conjunto est incluido en s mismo), y S siempre
ocurre.
Las operaciones habituales entre conjuntos se pueden aplicar a los eventos, dando como resultado
nuevos eventos. Especficamente
1- Si A y B son eventos, entonces A B es otro evento. A B ocurre si y solo si ocurre A o si
ocurre B
2- Si A y B son eventos, entonces A B es otro evento. A B ocurre si y solo si ocurre A y ocurre B

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

3- Si A es un evento AC es un evento. AC ocurre si y solo si no ocurre A

Nota: recordar que las operaciones de unin, interseccin diferencia y complemento se definen de la siguiente manera:
1- A B es el conjunto formado por los elementos que
estn en A o en B (donde el o est en sentido inclusivo), en notacin de conjuntos
A B = {x; x A x B}
En la figura la zona en gris simboliza A B
2- A B es el conjunto formado por los elementos que estn
en A y en B, en notacin de conjuntos

A B = {x; x A x B}
En la figura la zona en gris simboliza A B

3- AC es el conjunto formado por los elementos que estn en el conjunto universal U y no estn en
A, en notacin de conjuntos
A C = {x; x U x A}
La zona en gris simboliza AC

4- A B es el conjunto formado por los elementos que estn en A y no estn en B, en notacin de

conjuntos A B = {x; x A x B},
La zona en gris simboliza A B
Notar que A B = A B C

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Es til recordar las siguientes propiedades sobre el lgebra de conjuntos:

1- Leyes de idempotencia
a) A A = A

b) A A = A

2- Leyes asociativas
a) A ( B C ) = ( A B) C

b) A ( B C ) = ( A B) C

3- Leyes conmutativas
a) A B = B A

b) A B = B A

4- Leyes distributivas
a) A ( B C ) = ( A B) ( A C )

b) A ( B C ) = ( A B) ( A C )

5- Leyes de identidad
b) A =
d) A U = A

a) A = A
c) A U = U
6- Leyes de complemento
a) A A C = U

( )

c) AC

b) A A C =
d) U

=A

= ,

=U

7- Leyes de De Morgan
a) ( A B ) = A C B C

b) ( A B ) = A C B C

La relacin de inclusin entre un conjunto y otro y las operaciones anteriores con conjuntos lleva
al siguiente
Teorema:
a)
b)
c)
d)
e)

A B
A B
A B
A B
A B

es equivalente a
es equivalente a
es equivalente a
es equivalente a
es equivalente a

A B = A
A B = B
B C AC
A B C = ,
B AC = U

Sean A y B dos conjuntos. El conjunto producto de A y B, expresado A B , est formado por todos los pares ordenados (a, b) donde a A y b B , es decir
A B = {(a, b); a A b B}
Se anota al producto A A = A2
Por ejemplo, si A = {1,2,3} y B = {7,8}, entonces A B = {(1,7); (1,8); (2,7); (2,8); (3,7); (3,8)}
El concepto de conjunto producto se extiende a un nmero finito de conjuntos en forma natural. El
conjunto producto de los conjuntos A1 , A2 ,..., An se anota A1 A2 .. An y es igual a

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

A1 A2 .. An = {(a1 , a 2 ,..., a n ), a i Ai , i = 1,2 ,...,n} , es decir es el conjunto de todas las n-uplas

(a1 , a2 ,..., an ) donde ai Ai para cada i.

Por ejemplo, si A = {1,2,3} , B = {2,4}, C = {3,4,5} , entonces un mtodo conveniente para hallar el
producto A B C es por medio del denominado diagrama de rbol que se muestra a continuacin, el cual se construye de izquierda a derecha.
A B C consta de todas las ternas (o 3-uplas) formadas al seguir cada camino del rbol

Por ejemplo el camino con

trazo ms grueso indicara la
terna
(1, 4, 4)

Las operaciones de unin e interseccin tambin se pueden generalizar a ms de dos conjuntos

Si A1 , A2 ,..., An son n conjuntos, entonces
n

a) la unin de todos ellos se anota A1 A2 .. An

o tambin

UA

y es igual a

i =1

A1 A2 .. An = {x; existe i tal que x Ai } , es decir un

A1 A2 .. An si x pertenece a alguno de los conjuntos Ai .

elemento

pertenece

De forma anloga se define la unin de una secuencia infinita de conjuntos A1 , A2 ,... , y se la anota

con el smbolo

UA

i =1

b) la interseccin de todos ellos se anota A1 A2 .. An

o tambin

IA

y es igual a

i =1
n

I A = {x;
i

x Ai para todo i} , es decir un elemento x pertenece a

i =1

IA

si x pertenece a todos

i =1

los conjuntos Ai

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

De forma anloga se define la interseccin de una secuencia infinita de conjuntos A1 , A2 ,... , y se

la anota con el smbolo

IA

i =1

Si A y B son dos eventos tales que A B = , se dice que son disjuntos o mutuamente excluyentes.
Es decir si A y B son mutuamente excluyentes no pueden ocurrir a la vez. Por ejemplo, si se tira un
dado y se observa el nmero de la cara superior, los eventos A = {1,3,5} y B = {2,4,6} son mutuamente excluyentes. Al tirar un dado sale un nmero par o un nmero impar, no pueden darse ambas cosas a la vez.
Los eventos con un solo elemento son eventos elementales o simples. Por ejemplo, volviendo al
experimento : tirar un dado y observar el nmero en la cara de arriba, y S = {1,2,3,4,5,6}, entonces los conjuntos unitarios {1} , {2} , {3}, {4}, {5}, {6} son eventos simples. Notar que dos eventos
simples cualesquiera son mutuamente excluyentes.

Dado un evento A asociado a un experimento aleatorio . Supongamos que se repite n veces el

experimento , y anotamos n A al nmero de veces que ocurre A en la n repeticiones de . Se den
fine la frecuencia relativa de A, y se simboliza f A , al cociente A . Es decir que f A es la proporn
cin de veces que ocurre A en las n repeticiones de .
La frecuencia relativa f A tiene las siguientes propiedades:
1- 0 f A 1
2- f A = 1 si y solo si A ocurre cada vez en las n repeticiones
3- f A = 0 si y solo si A no ocurre nunca en las n repeticiones
4- si A y B son dos eventos mutuamente excluyentes entonces f A B = f A + f B
Dado un evento A, se quiere asignar al mismo un nmero que indique qu tan probable es que A
ocurra. A ese nmero lo definiramos como la probabilidad de A. En ese sentido parecera que la
frecuencia relativa f A sera una buena eleccin. Pero nos encontramos con el siguiente problema,
cuntas veces deberamos repetir el experimento aleatorio para definir f A , es decir qu valor de n
tomaramos?
Por ejemplo en el experimento de tirar un dado consideremos el evento A: sale el nmero 4, si
lo lanzamos 100 veces podramos encontrar que n A = 14 , y si lo lanzamos nuevamente 100 veces
podra ocurrir que n A sea diferente del anterior por ejemplo podra A ocurrir 20 veces. Entonces,
tendramos dos valores diferentes para f A , 0.14 y 0.2
Se dijo antes que en un experimento aleatorio a medida que n aumenta la frecuencia relativa de A
tiende a estabilizarse en un nmero, pero no podemos en la prctica repetir el experimento infinitas
veces.
Se quiere asignar a cada evento A un nmero que no dependa de la experimentacin. Por este motivo procedemos como sigue:
6

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Definicin axiomtica de probabilidad.

Sea un experimento aleatorio y S un espacio muestral asociado con . Con cada evento A asociamos un nmero real llamado probabilidad de A, que anotamos P(A), el cual satisface las siguientes propiedades bsicas o axiomas
1- 0 P( A) 1
2- P(S ) = 1
3- Si A y B son eventos mutuamente excluyentes entonces P( A B) = P( A) + P( B)
4- Si A1 , A2 ,..., An , An+1 ,... es una secuencia de eventos tales que
Ai A j =

i =1

i =1

si i j , entonces P(U Ai ) = P( Ai )

La eleccin de estas propiedades est motivada por las caractersticas correspondientes de la frecuencia relativa.
Observacin: supongamos el experimento de lanzar una moneda y el espacio muestral S = {c, s} .
Notar que podemos escribir S = {c} {s} , es decir como unin de eventos simples. Por los axiomas 2 y 3 de la definicin de probabilidad tenemos que
1 = P( S ) = P({c}) + P({s})
Es decir 1 = P({c}) + P({s}) , lo que implica que P({c}) = 1 P({s}) . No podemos deducir el valor
de P({c}) ni el valor de P({s}) de las propiedades anteriores. Necesitamos informacin adicional,
por ejemplo si el dado es normal. De ser as podemos plantear que P({c}) = P({s}) , entonces
1 = P({c}) + P ({s})
P({c}) = P({s}) = 0.5
P({c}) = P({s})
Podemos deducir de los axiomas otras propiedades tiles para el clculo de probabilidades.
Propiedades de la probabilidad

1- P ( ) = 0
Dem.) Siendo A un evento cualquiera podemos escribir A = A
Adems A y son mutuamente excluyentes, por lo tanto por axioma 3
P( A) = P( A ) = P(A) + P( )
O sea que
P( A) = P(A) + P( ) P( ) = 0

2- Si AC es el evento complementario de A , entonces P( AC ) = 1 P( A)

7

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Dem.) Si A es un evento cualquiera, entonces podemos escribir A A C = S

Adems, por definicin de complemento de un conjunto, A y AC son mutuamente excluyentes.
Por lo tanto, por axioma 2 y por axioma 3
1 = P( S ) = P( A) + P( A C )
Despejando
P( A C ) = 1 P( A)

3-

Si A B entonces P( A) P( B)
B AC

Dem.) Sean A y B dos eventos tales que A B .

De la figura vemos que B = A ( B A C )
Y adems A y B AC son mutuamente
excluyentes. Entonces
P( B) = P( A) + P( B AC )
Y como por axioma 1 tenemos que P ( B A C ) 0 , entonces P( B) P( A)

4-

Si A B , entonces P( B A) = P ( B) P( A)

Dem.) Siguiendo los pasos de la demostracin anterior llegamos a

P ( B ) = P ( A) + P ( B A C ) , lo que implica que P ( B A C ) = P ( B ) P ( A)

Y como B A C = B A , entonces P( B A) = P ( B) P( A) .
Observacin: en general vale la siguiente propiedad P ( B A) = P ( B ) P ( A B )

BA

A B

5- Si A y B son dos eventos cualesquiera, entonces

P ( A B ) = P ( A) + P ( B ) P ( A B )

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Dem.) Escribimos a A B como unin de partes disjuntas de la siguiente manera, (observar la

figura)
A B

A B = B (A BC )

A BC

P ( A B) = P( B) + P( A B C ) (1)

Y por la observacin anterior

P( B AC ) = P ( B A) = P( B) P( A B) (2)
Por lo tanto, reemplazando (2)
P( A B) = P( B) + P( A) P( A B)

en

(1):

Con lo que queda demostrada la propiedad.

Observaciones:
1- La propiedad anterior se puede generalizar para expresar la probabilidad de tres eventos
P( A B C ) = P( A) + P( B) + P(C ) P ( A B) P( A C ) P( B C ) + P( A B C )
Se llega a la igualdad anterior escribiendo A B = D y aplicando la propiedad 5, es decir:
P ( A B C ) = P ( D C ) = P ( D ) + P (C ) P ( D C ) =
= P ( A B ) + P (C ) P (( A B ) C )

(3)

Nuevamente aplicamos 5: P( A B) = P( B) + P( A) P( A B)
Y adems, aplicando las leyes distributivas ( A B ) C = ( A C ) (B C )
Entonces:
P (( A B ) C ) = P (( A C ) ( B C )) = P ( A C ) + P ( B C ) P (( A C ) (B C ))
Como ( A C ) (B C ) = A B C , reemplazando en (3) se llega a :
P( A B C ) = P( A) + P( B) + P(C ) P ( A B) P( A C ) P( B C ) + P( A B C )
En general, se puede probar que si A1 , A2 ,..., An son n eventos cualesquiera entonces
n

i =1

i =1

P(U Ai ) = P( Ai ) P( Ai A j ) + P( Ai A j Ak ) ..... + (1) n 1 P( A1 A2 .... An )

i< j

i< j<k

2- Si A1 , A2 ,..., An son n eventos tales que Ai A j =

i =1

i =1

con i j entonces P(U Ai ) = P( Ai )

Notar que la igualdad anterior es una generalizacin del axioma 3.

Parte 1- Probabilidad

1.2

Prof. Mara B. Pintarelli

- El espacio muestral finito

Sea un experimento aleatorio y S un espacio muestral asociado a . Supongamos que S es un

conjunto finito al que anotamos S = {a1 , a 2 ,..., a n } , es decir consideramos que tiene n elementos.
Podemos escribir a S como unin de eventos elementales de la siguiente forma.
Si Ai = {a i } entonces S = A1 A2 ... An . Adems sabemos que P(S ) = 1 , por lo tanto tenemos el resultado:
P( A1 ) + P( A2 ) + ... + P( An ) = 1

(4)

Es decir: la suma de las probabilidades de los eventos elementales es igual a 1

Si ahora tomamos un evento cualquiera B de S, lo anotamos B = ai1 , a i2 ,..., a ik , entonces podemos escribir a B como unin de eventos simples: B = Ai1 Ai2 ... Aik . Por lo tanto
P ( B ) = P ( Ai1 Ai2 ... Aik ) = P ( Ai1 ) + P ( Ai2 ) + ... + P ( Aik )

Es decir para calcular la probabilidad de B se suman las probabilidades de los eventos elementales que lo componen.

Si asumimos que P ( A1 ) = P ( A2 ) = ... = P ( An ) = p , es decir todos los eventos elementales tienen la

misma probabilidad de ocurrir, entonces reemplazando en (4):
p + p + ... + p = 1 np = 1
14
4244
3

p=

n veces p

1
1
=
n #S

Donde el smbolo #S se lee: nmero de elementos de S, (en general #S indica el cardinal de S)

Cuando P( A1 ) = P( A2 ) = ... = P( An ) = p , se dice que S es equiprobable.

Si B es un evento cualquiera de S, lo anotamos B = ai1 , a i2 ,..., a ik ( o sea que #B = k), entonces

escribimos a B como unin de eventos simples: B = Ai1 Ai2 ... Aik , y nuevamente
P ( B ) = P ( Ai1 Ai2 ... Aik ) = P ( Ai1 ) + P ( Ai2 ) + ... + P ( Aik )

Como ya vimos que P ( Ai ) =

1
n

para todo i=1,2,,n,

P( B) = P( Ai1 ) + P( Ai2 ) + ... + P ( Aik ) =

se tiene que:

1 1
1 k #B
+ + ... + = =
n 44
n 244
n n #S
1
3
k veces

Es decir si B es un evento de un espacio muestral equiprobable entonces P( B ) =

#B
#S

10

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Ejemplos:
1- Supongamos que se tira una moneda normal tres veces, y se cuenta el nmero de caras obtenido
luego de los tres tiros. Tomemos como espacio muestral a S = {0,1,2,3}
Cul es la probabilidad de que salgan al menos dos caras?
En este caso S no es equiprobable, pues
el evento {0} ocurre de una sola forma: cuando en los tres tiros sale ceca
El evento {3} ocurre de una sola forma: cuando en los tres tiros sale cara
Pero el evento {1} ocurre cuando en los tres tiros sale una sola cara y eso puede darse de tres
formas distintas (c, s, s ); ( s, s, c) o (c, s, c)
Anlogamente para el evento {2} puede darse de tres formas distintas:
(c, c, s ); (c, s , c) o ( s, c, c)
Por lo tanto P({0}) = P ({3}) y
y
P({1}) = P({2}) . Si anotamos P({0}) = P({3}) = p
P({1}) = P({2}) = q entonces q = 3 p (5)
Adems se cumple P({0}) + P({1}) + P({2}) + P({3}) = 1 (6)
Entonces de (5) y (6)
q = 3p
q = 3p

1
3

p= , q =
p + q + q + p = 1 2 p + 2q = 1
8
8
De esta forma conocemos las probabilidades de todos los eventos elementales.

Si B: salen al menos dos caras , entonces B = {2,3}

Para calcular P(B) hacemos
P( B) = P({2}) + P({3}) =

3 1 4
+ = = 0 .5
8 8 8

Si tomamos como espacio muestral a

S = {(c, c, c ); (c, c, s ); (c, s, c); (s, c, c ); (c, s, s ); (s, s, c); (c, s, c); ( s, s, s )}

Entonces S es equiprobable pues cada resultado (cada terna) se de una sola forma.
En este caso podemos plantear directamente

P( B) =

#B 4
= = 0 .5
#S 8

2- En el caso de espacios muestrales equiprobables es necesario recordar las tcnicas de conteo

para calcular el nmero de elementos de un conjunto sin enumerar sus elementos.
Por ejemplo:
Se tiene una urna con 15 bolillas distinguibles (pueden estar numeradas), de las cuales 10 son
blancas y 5 son rojas. Se extraen al azar dos bolillas de la urna,
a) cul es la probabilidad de extraer todas blancas?
b) cul es la probabilidad de extraer exactamente una bolilla blanca?
c) cul es la probabilidad de extraer al menos una bolilla blanca?
Supongamos que se extraen las dos bolillas sin reemplazo y no importa el orden en que son
extradas.
11

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Al decir que se extraen al azar, se entiende que el espacio muestral del experimento es equiprobable.
Al decir que se extraen las bolillas sin reemplazo, significa que se extrae una bolilla y sin regresarla a la urna se extrae la siguiente.
El espacio muestral de este experimento se puede tomar como S = {{1,4}; {2,5}, {2,10},...} , es decir como el conjunto cuyos elementos son conjuntos, todos los conjuntos de dos elementos que
se puedan formar a partir de un conjunto de 15 elementos. Por ejemplo, el resultado {1,4} significa que se extrajeron las bolillas 1 y 4. Cuntos elementos tiene S?, recordando las tcnicas de
15
15!
conteo el nmero de elementos de S es igual al nmero combinatorio =
2 2!(15 2 )!
Para responder la pregunta a) anotemos A: las dos bolillas son blancas
#A
Entonces P( A) =
. Cuntos elementos tiene el conjunto A?, tantos como formas haya de
#S
10
10!
extraer dos bolillas blancas. Se tiene que # A = =
.
2 2!(10 2)!
10
10!

# A 2 2!(10 2)! 3
Por lo tanto P( A) =
=
=
=
15!
# S 15
7

2 2!(15 2)!
Veamos ahora el inciso b). Anotamos B: se extrae exactamente una bolilla blanca
Entonces
10 5

# B 1 1
P( B) =
=
#S
15

2
Y por ltimo el inciso c). Anotamos C: se extrae al menos una bolilla blanca
Podemos resolverlo de dos maneras:
La forma ms fcil es calcular P(C C ) donde C C : ninguna bolilla es blanca
5
5


2
2
#C
2 19

C
C
P(C ) =
=
P (C ) = 1 P (C ) = 1 = 1
=
15
15
#S
21
21




2
2
Otra forma de resolverlo podra ser la siguiente, escribimos C = C1 C 2 donde
C

C i :" se extraen i bolillas blancas exactamente" i = 1,2

Notar que C1 C 2 = . Por lo tanto P(C ) = P(C1 ) + P (C 2 )

10 5

# C1 1 1
P(C1 ) =
=
#S
15

2

10 5

# C 2 2 0
P(C 2 ) =
=
#S
15

2

12

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

10 5 10 5

1 1
2 0
10 9 19
Por lo tanto P(C ) = + =
+
=
15
15
21 21 21




2
2

3- Si en el ejemplo anterior importa el orden en que son extradas las bolillas, entonces
S = {(1,4); (2,5), (2,10),.(4,1); (5,2)....} , es decir que S es el conjunto de todos los pares (a, b) donde a b , por ejemplo (1,4) expresa el resultado: primero se extrajo la bolilla 1 y en segundo
trmino se extrajo la bolilla 2. El nmero de elementos de S es 15x14 = 210.
En este caso
10 9 3
P( A) =
= ;
15 14 7
Para calcular la probabilidad de B hay que distinguir si la bolilla blanca se extrae primero o se
extrae en segundo trmino:
10 5 + 5 10 2(10 5)
P( B) =
=
15 14
15 14
Para calcular la probabilidad de C nuevamente podemos pensarlo de dos formas, pero si consideramos C = C1 C 2 en cada caso hay que tener en cuenta el orden en que se extraen las bolillas.
5 4
Es mas prctico hacer P(C ) = 1 P(C C ) = 1
15 14
4- Si ahora importa el orden en que son extradas las bolillas y adems la extraccin se hace con
re emplazo (se extrae una bolilla y se la devuelve a la urna antes de extraer la siguiente), entonces S es el conjunto de pares (a,b) donde ahora puede ocurrir que a = b.
En este caso #S = 15 x 15, y calculamos
P( A) =

1.3

10 10
15 15

; P( B) =

10 5 + 5 10 2(10 5)
=
15 15
15 15

P(C ) = 1 P(C C ) = 1

55
15 15

- Espacios muestrales infinitos

Sea S un espacio muestral infinito numerable es decir S = {a1 ; a 2 ; a 3 ;KK}. Como en el caso finito, a cada ai asignamos un nmero pi = P({ai }) tal que

a) pi 0

b)

=1

i =1

La probabilidad P( A) de un evento A es entonces la suma de las probabilidades de los eventos

elementales que lo componen.
Los nicos espacios muestrales infinitos no numerables que consideraremos son aquellos de medida geomtrica finita m(S ) tales como longitud, rea o volumen, y en los cuales un punto se selecciona al azar. La probabilidad de un evento A, esto es aquella en la que el punto seleccionado
pertenece a A, es entonces la relacin entre m( A) a m(S ) , es decir

P( A) =

longitud de A
longitud de S

P ( A) =

rea de A
rea de S

P ( A) =

volumen de A
volumen de S

13

Parte 1- Probabilidad

Prof. Mara B. Pintarelli

Ejemplo:
En el interior de un crculo se selecciona un punto al azar. Hallar la probabilidad de que el punto
quede ms cercano al centro que a la circunferencia.
Tomamos como espacio muestral a S = {( x, y ), x 2 + y 2 r 2 }, entonces
2

r
A = ( x, y ), x 2 + y 2

S
2

r

rea de A
1
2
Por lo tanto P( A) =
= 2 =
rea de S
4
r

r/2

r
Observacin: si A = ( x, y ), x 2 + y 2 = ,

2
rea de A
0
=
= 0 , pero A
entonces P ( A) =
rea de S r 2
Por lo tanto si un evento tiene probabilidad 0 eso no implica que sea el evento vaco.
2

14