EVENTOS COMPLEMENTARIOS: Dos eventos E1 y E2, son complementarios si el segundo es un subconjunto que contiene todos los puntos muestrales

del espacio muestral que no estn en el primero. Los eventos complementarios, son a su vez mutuamente excluyentes: S, representa el espacio muestral , es el complementario de E, es decir, es lo que le falta a E, para se igual a S. , se lee complementario de E No E La probabilidad del espacio muestral es 1;

EVENTOS INDEPENDIENTES: Dos eventos E1 y E2 son independientes cuando la ocurrencia o no ocurrencia de uno de ellos en una prueba, no afecta la probabilidad del otro en cualquier otra prueba. En el lanzamiento de una moneda la probabilidad de obtener cara es y la probabilidad de obtener otra cara en otra prueba, es tambin . Por lo que los dos eventos E1 y E2. La frmula para buscar la probabilidad de que E1 y E2, aparezcan cuando sean independientes es:

EJEMPLO: I. Se lanzan dos dados simultneamente. Uno verde y uno rojo. Cul es la probabilidad de que

Procedimiento: 1. Se construye el espacio muestral (en un diagrama cartesiano), sealando los puntos muestrales para cada dado. 2. Para el dado rojo existen 12 puntos muestrales, que resultan de la combinacin (1 y 2) con los puntos (1, 2, 3, 4, 5,6) del dado verde. 3. Para el dado verde existen 18 puntos muestrales al combinar los puntos (4, 5 y 6), con los (1, 2, 3, 4, 5, 6) del dado rojo. 4. Se calcula la probabilidad para cada evento:

5. Se sustituye en la frmula para eventos independientes:

6. Tambin se obtiene el mismo resultado dividiendo los puntos muestrales de la interseccin de los dos eventos, por la cantidad de puntos muestrales del espacio muestral.

7. Interpretacin: Si se lanzan dos dados simultneamente, uno rojo y otro verde, la probabilidad de que el verde muestre una cara con nmeros mayores o iguales a 4 y el rojo, menores o iguales a dos, es de 1/6. EVENTOS DEPENDIENTES: Dos o ms eventos son dependientes cuando el conocimiento de la verificacin de uno de ellos, altera la probabilidad de verificacin del o de los otros. La frmula para calcular la probabilidad de eventos dependientes, es, si los eventos son: E1 y E2:

EJEMPLOS: Una caja contiene 5 bolas blancas y 3 negras. Se hace una primera extraccin y sale una bola blanca. Cul es la probabilidad de que en una segunda extraccin sin reemplazo salga otra bola blanca? Procedimiento: 1.E1= Es el evento primera extraccin de una bola blanca. 2.E2= Es el evento segunda extraccin de una bola blanca. 3.Se calcula la probabilidad de extraer una bola blanca.

4.Se halla la probabilidad de sacar una bola blanca en una segunda extraccin dado que en la primera extraccin sali blanca y no hubo reemplazamiento. PROBABILIDAD CONDICIONAL: La probabilidad de que ocurra el evento E1, dado que el evento E2 ha ocurrido, se llama probabilidad condicional del evento E1. Se representa por y se lee probabilidad de E1 dado E2, y se determina a travs de la expresin:

Es la cantidad de puntos muestrales de la interseccin de E1 y E2. Es la cantidad de puntos muestrales del evento E2. EJEMPLOS: Con los datos del problema 2, calcular la probabilidad de que una alumna sea seleccionada dado que la persona seleccionada estudie segundo ao del C.B.C. del instituto en referencia. Procedimiento: 1.H: es el evento ser alumna. 2.E2: Es el evento ser estudiante de segundo ao. 3.Se pide la probabilidad de H dado E2:

4.Se aplica la frmula para probabilidad condicional.

5.Interpretacin: La probabilidad de que una alumna sea seleccionada dado de que sea de segundo ao, es igual a 5/12. EJEMPLO: De la aplicacin de una encuesta en una empresa de la Regin Central, se sabe que el 40% de los obreros son mujeres y que el 20% de todas las obreras han iniciado estudios medios. Qu probabilidad existe de que al seleccionar un obrero en forma aleatoria, hayan iniciado estudios medios, si se sabe que se selecciono una mujer? Procedimiento: 1.E1= Es el evento ser mujer 2.E2= Es el evento haber iniciado estudios medios. 3.La probabilidad de que la persona seleccionada haya iniciado estudios medios y sea mujer, es:

4.La probabilidad de que la persona sea mujer, es:

5.La probabilidad de que el obrero seleccionado haya iniciado estudios medios dado que es mujer, es:

6.Interpretacin: La probabilidad de que al seleccionar al azar un obrero que haya iniciado estudios medios dado que es mujer es de 0,5. AXIOMAS Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades. Fueron formulados porKolmogrov en 1933. Axiomas de Kolmogrov: Primer axioma: La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0 p(A) 1

Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5 Segundo Axioma: La probabilidad de que ocurra el espacio muestral d debe de ser 1. p(d) = 1 Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es "1". Tercer Axioma: Si A y B son eventos mutuamente excluyentes, entonces la, p(AB) = p(A) + p(B) Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de las probabilidades individuales de dichos sucesos. Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente excluyentes sumando las probabilidades de sus componentes. Generalizando: Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces; p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An) Ejemplo: Para el experimento aleatorio de tirar un dado, el espacio muestral es W = {1, 2, 3, 4, 5, 6}. En este espacio el conjunto de sucesos es P(W) = {, {1}, {2}, ...{1,2}, {1,3}, ...{1,2,3,4,5,6}}. Para establecer una probabilidad hay que asignar un nmero a todos esos sucesos. Sin embargo si se ha asignado a los sucesos elementales p({1})= p({2})= ...= p({6})= 1/6, por la propiedad ii), p.e. la probabilidad del suceso {1, 3} es p({1,3})= p({1})+ p({3})=2/6. Nota: El suceso {1} es: "el resultado de tirar el dado es la cara 1", el suceso {1, 3} es: "el resultado de tirar el dado es la cara 1, o la 3", el suceso {1, 3, 5} es: "el resultado de tirar el dado es una cara impar".

TEOREMAS TEOREMA 1. Si f es un evento nulo o vaco, entonces la probabilidad de que ocurra f debe ser cero. p(f)=0

Ejemplo : La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de que no sea varn". DEMOSTRACIN: Si sumamos a fun evento A cualquiera, como f y A son dos eventos mutuamente excluyentes, entonces p(Af)=p(A) +p(f)=p(A). LQQD TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A). DEMOSTRACIN: Si el espacio muestral d, se divide en dos eventos mutuamente exclusivos, A y Acluego d=AAc, por tanto p(d)=p(A) + p(Ac) y como en el axioma dos se afirma que p(d)=1, por tanto, p(Ac)= 1 - p(A) .LQQD TEOREMA 3. Si un evento A B, entonces la p(A) p(B). DEMOSTRACIN: Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A), por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se cumple que p(A)p(B). LQQD TEOREMA 4. La p( A \ B )= p(A) p(AB) DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \ B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD TEOREMA 5. Para dos eventos A y B, p(AB)=p(A) + p(B) p(AB). DEMOSTRACIN: Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) p(AB), por tanto, p(AB) = p(A) + p(B) p(AB). LQQD