Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Probabilidad condicionada e
independencia.
2.1.
Actualizaci
on de la informaci
on: probabilidad condicionada
Ejemplo 2.1.1 Supongamos que se efectua un sorteo para elegir un numero entre 00000 y
64999. En principio la confianza que tenemos en que suceda B = el resultado del sorteo es un
numero menor que 30000es
P (B) =
30000
= 0,4615
65000
(nuestro argumento para efectuar tal cuantificacion es que hay 65000 igualmente probables resultados del sorteo y de ellos 30000 se corresponden con numeros menores que 30000).
Supongamos que, sin decirnos cual ha sido el resultado del sorteo, alguien nos informa de que
la segunda cifra del numero elegido es un 7. Ahora sabemos que el resultado es uno de los 6000
numeros incluidos en el sorteo inicial cuyas primeras dos cifras son 07, 17, 27, 37, 47 o 57. De
esos 6000 numeros hay 3000 menores que 30000 (los que comienzan con las cifras 07, 17, o 27).
Por lo tanto nuestra confianza en que el resultado sea realmente un numero menor que 30000
pasa a ser 3000
= 0,5.
6000
14
B
C
A
D
P (A B)
.
P (A)
15
2.2.
Regla de multiplicaci
on. Experimentos en etapas sucesivas
La igualdad (2.1) puede ser reescrita de la siguiente forma: si A y B son dos sucesos de y
P (A) > 0 entonces
.
P (A B) = P (A)P B A .
Podemos obtener una expresion similar para la probabilidad de ocurrencia simultanea de 3 sucesos
A, B y C:
. .
P (A B) P (A B C)
B
C
P (A B C) = P (A)
= P (A)P
A P
AB .
P (A)
P (A B)
En general, la probabilidad de ocurrencia simultanea de n sucesos puede calcularse de forma analoga en terminos de probabilidades condicionadas. A esa propiedad, que enunciamos a
continuacion, se le conoce con el nombre de regla de multiplicacion:
Regla de multiplicaci
on: Si A1 , A2 , ..., An son sucesos de un espacio muestral tales que P (A1
A2 ... An1 ) > 0 entonces
. .
.
P (A1 A2 ... An ) = P (A1 )P A2 A1 P A3 A1 A2 P An A1 A2 ... An1
(2.2)
La igualdad (2.2) es muy u
til a la hora de construir modelos probabilsticos para experimentos
que de desarrollan en varias etapas. Podremos entender esto facilmente a traves de los siguientes
ejemplos.
Ejemplo 2.2.1 Supongamos que en un concurso el participante obtiene su premio escogiendo
una papeleta de una de dos urnas (etiquetadas A1 y A2 respectivamente). La urna es a su vez
elegida mediante un sorteo que tiene como resultado A 1 el 30 % de las veces. Las papeletas
16
que hay dentro de las urnas son de dos tipos B1 y B2 . Las de tipo B1 otorgan un premio de
1.000.000 euros y las de tipo tipo B2 nada. En la urna A1 hay 7 papeletas de tipo B1 y 3 de
tipo B2 , mientras que en la urna A2 hay 3 de tipo B1 y 7 de tipo B2 . Que probabilidad tiene
un participante en el concurso de llevarse el premio de un millon de euros?
Lo que queremos es calcular P (B1 ) y lo que sabemos es que P (A1 ) = 0,3, P (A2 ) = 0,7,
P (B1 |A1 ) = 0,7, P (B1 |A2 ) = 0,3. De ello se deduce que
.
P (A1 B1 ) = P (A1 )P B1 A1 = 0,3 0,7 = 0,21
.
P (A2 B1 ) = P (A2 )P B1 A2 = 0,7 0,3 = 0,21
y por lo tanto
P (B1 ) = P (A1 B1 ) + P (A2 B1 ) = 0,42.
Ejemplo 2.2.2 En las actas del Congreso de Estados Unidos se recoge la siguiente intervencion:
La mayor parte de la discusion sobre la iniciativa de defensa cocida como Guerra de las
Galaxias asume un sistema de defensa multi-estratificado, con tres o cuatro distintos niveles. La
idea que hay detras de tener diferentes niveles es que la la defensa total puede ser casi perfecta
de esta forma incluso si los niveles individuales son menos perfectos. Por ejemplo, si cada nivel
tiene una efectividad del 80 % (lo que significa que uno de cada cinco misiles puede atravesarlo)
una combinacion de tres de tales niveles tendra una efectividad global de mas del 99 %, lo que
significa que no mas de uno de cada 100 proyectiles alcanzara su objetivo
Supogamos que un misil encuentra sucesivamente los distintos niveles. El misil tiene probabilidad del 20 % de pasar el primer niveles sin ser desviado; superado el primer nivel la probabilidad
de superar el segundo es del 20 %; superados los dos primeros la probabilidad de superar el tercero
es del 20 %. Si Ei denota el suceso consistente en que el misil supere el nivel i, lo anterior, junto
a la regla de multiplicacion (2.2) nos dice que
. .
E
E
2
3
P (E1 E2 E3 ) = P (E1 )P
E1 P
E1 E2 = 0,2 0,2 0,2 = 0,008.
Por lo tanto la probabilidad de que el misil sea desviado del objetivo es, tal como se afirmaba,
1-0.008=0.992.
2.3.
Al introducir el concepto de probabilidad condicional incidimos en que esta era la probabilidad actualizada al disponer de informacion parcial. Conviene comprobar que, efectivamente la
aplicacion
P A : P()
R
(2.3)
P (BA)
B
7
P (A)
es una probabilidad sobre . Recogemos este resultado en el siguiente Teorema, cuya demostracion se propone como ejercicio:
17
entonces la aplicacion P
A definida por (2.3) es una probabilidad sobre .
2.4.
Independencia de sucesos.
Asociada de una manera natural a la idea de probabilidad condicionada esta la idea de independencia de sucesos para representar aquellas situaciones en las que el conocimiento de que ha
ocurrido un suceso no modifica la incertidumbre sobre la ocurrencia del otro.
Expresando esta idea en terminos formales, diremos que dos sucesos A y B son independientes
si
.
P B A = P (A)
siempre que P (B) > 0.
Aternativamente (y equivalentemente) se puede dar la siguiente definicion, en la que se observa
claramente que la independencia es una relacion recproca entre los sucesos.
Definici
on 2.4.1 Diremos que los sucesos A y B son independientes si
P (A B) = P (A) P (B).
La independencia de dos sucesos supone la independencia de sus complementarios: si saber que
ha ocurrido un suceso no me dice nada sobre la ocurrencia de otro tampoco me dira nada sobre
su no ocurrencia. Es un ejercicio sencillo comprobar formalmente que si A y A son independientes
entonces son tambien independientes
A y BC
AC y B
AC y B C .
P (A C) = P (A)P (C)
P (B C) = P (B)P (C).
(2.4)
Sin embargo estas tres condiciones no garantizan la independencia entre tres sucesos.
Ejemplo 2.4.2 Consideremos el experimento aleatorio consistente en el lanzamiento de dos
dados. Llamaremos A =Obtener resultado par con el primer dado, B =Obtener resultado
par con el segundo dado y C =La suma de los dos resultados es par. Obviamente estos tres
sucesos no son independientes: saber, por ejemplo, que han ocurrido A y B hace que sepamos que,
necesariamente, ha ocurrido C. Sin embargo, es facil comprobar que P (A) = P (B)P (C) = 1/2
y P (A B) = P (A C) = P (B C) = 1/4 lo que significa que A, B y C verifican las tres
igualdades (2.4).
18
Para que realmente la ocurrencia de alguno de los tres sucesos no aporte informacion sobre la
ocurrencia de los otros deberan darse mas condiciones. Por ejemplo, saber que han ocurrido A y B
no debera modificar el grado de confianza en C, es decir, debe ocurrir que P (C|A B) = P (C).
Esta condicion, junto con (2.4) nos dice que
P (A B C) = P (A)P (B)P (C).
No es difcil comprobar que esta condicion es la que faltaba para que los tres sucesos sean
independientes. En otras palabras, si los sucesos A, B y C verifican
P (A B)
P (A C)
P (B C)
P (A B C)
=
=
=
=
P (A)P (B)
P (A)P (C)
P (B)P (C)
P (A)P (B)P (C)
19
Ejemplo 2.4.5 (Fiabilidad de sistemas) Supongamos que un sistema esta formado por n componentes A1 , ..., An que funcionan independientemente. Denotemos por R i la fiabilidad del componente i, es decir, la probabilidad de que no este estropeado. Vamos a calcular la fiabilidad total
del sistema en dos situaciones distintas:
a) Sistema acoplado en serie (el sistema funciona si y solo si funcionan todos los componentes).
A1
An
A2
A1
A2
An
20
Es importante senalar que el hecho de que dos o mas sucesos sean independientes obedece
en muchas ocasiones a una necesidad fsica o funcional. Esto ocurre especialmente cuando nos
encontramos con un experimento organizado en varias etapas fsicamente independientes y estudiamos la independencia de sucesos cuya realizacion involucra a etapas diferentes para cada uno
de los sucesos. En estos casos la independencia sera algo obvio que no necesitara comprobacion.
Por el contrario, en otras ocasiones la independencia es fruto de una mera coincidencia numerica, a veces inesperada. En estos casos tendremos que recurrir necesariamente a las formulas para
su comprobacion. Veamos ejemplos de las dos situaciones.
Ejemplo 2.4.6 Se lanzan dos dados equilibrados. El espacio muestral asociado es el conjunto
de pares = {(1, 1), (1, 2), ..., (6, 6)} que consta de 36 puntos. Asumiendo que los dados estan
1
equilibrados la asignacion de probabilidades debe ser 36
para cada uno de esos 36 posibles resultados. Consideremos los sucesos A = {con el primer dado sale 1} y B = {con el segundo dado
sale 1}. Estos sucesos pueden considerarse fsicamente independientes en el sentido de que no
parece razonable esperar ningun tipo de relacion entre la ocurrencia de ambos al definirse cada
uno de ellos a partir del resultado de un dado diferente.
El Calculo de Probabilidades corrobora este hecho al resultar que
P (A B) = P {(1, 1)} =
P (A) P (B) =
1
,
36
6
6
1
= .
36 36
36
Ejemplo 2.4.7 Una empresa de servicios tiene clientes en tres zonas: rural (R), semiurbana (SU)
y urbana (U) en proporciones 0.1, 0.3 y 0.6 respectivamente. Entre los servicios que presta la
empresa, el servicio S es demandado de forma de manera desigual por los clientes segun la zona
de residencia. En la zona R el servicio es demandado por el 20 % de los clientes; en la SU por el
40 % y en la U por el 10 %. Si el experimento aleatorio consiste en escoger un cliente al azar, los
sucesos S (demandar el servicio S) y R (habitar en zona rural) son independientes.
Para comprobarlo vamos a calcular P (S):
P (S) = P (S R) + P (S SU ) + P (S U )
.
.
.
= P (R)P S R + P (SU )P S SU + P (U )P S U
= 0,1 0,2 + 0,3 0,4 + 0,6 0,1 = 0,2.
Tenemos entonces que P (S) = P (S|R) = 0,2, de modo que S y R son independientes.
2.5.
21
A1
A2
...
A3
An ...
Por la importancia que tienen estos dos sencillos resultados en el Calculo de Probabilidades
es habitual referirse a ellos con dos nombres particulares: Regla de la Probabilidad Total y Regla
22
de Bayes. Enunciamos a continuacion ambas reglas especificando las condiciones necesarias para
su validez.
S
Regla de las Probabilidades Totales. Si A1 , A2 , ..., An son sucesos tales que i Ai = ,
Ai Aj = si i 6= j y P (Ai ) > 0 y B es cualquier otro suceso, entonces
.
X
P (B) =
P (Ai )P B Ai
(2.5)
i
S
Regla de Bayes. Si A1 , A2 , ..., An son sucesos tales que i Ai = , Ai Aj = si i 6= j y
P (Ai ) > 0 y B es cualquier otro suceso tal que P (B) > 0, entonces
.
.
P (Ai )P B Ai
.
P Ai B = X
(2.6)
P (Aj )P B Aj
j
Ejemplo 2.5.1 Tres maquinas A, B, y C fabrican la misma pieza con una produccion aceptable
del 70 %, 80 % y 90 % respectivamente. Del total de la produccion, el 40 % de la produccion
corresponde a la maquina A, el 45 % a la B y el 15 % a la C. Calcular
a) la probabilidad de que una pieza elegida al azar sea aceptable.
b) la probabilidad de que una pieza defectuosa proceda de la maquina A.
Emplearemos la siguiente notacion: A, B o C representara el suceso consistente en que una
pieza elegida al azar haya sido producida por la maquina A, B o C respectivamente; D sera el
suceso la pieza es defectuosa. Estamos en la situacion descrita anteriormente: los sucesos A,
B y C forman una particion del espacio muestral y conocemos las siguientes probabilidades:
P (A) = 0,4, P (B) = 0,45, P (C) = 0,15 y
.
.
.
D
D
D
P
A = 0,3 P
B = 0,2 P
C = 0,1.
En a) nos piden calcular P (D C ). Con la Regla de la Probabilidad Total tenemos que
.
.
.
P (D) = P (A)P D A +P (B)P D B +P (C)P D C = 0,40,3+0,450,2+0,150,1 = 0,225,
con lo que P (D C ) = 0,775.
Lo que se pide en b) es calcular P (A|D). Aplicando la Regla de Bayes obtenemos esta
probabilidad:
.
.
P (A)P D A
.
.
.
P AD =
D
D
P (A)P
A + P (B)P
B + P (C)P D C
0,4 0,3
0,12
=
=
= 0,533
0,4 0,3 + 0,45 0,2 + 0,15 0,1
0,225
23
Ejemplo 2.5.2 Una maquina produce artculos que pueden ser defectuosos con probabilidad 0.1.
Para mejorar la calidad se somete la produccion a una inspeccion de tal manera que
1) un artculo defectuoso es detectado y rechazado con probabilidad 0.99.
2) un artculo no defectuoso es rechazado por error con probabilidad 0.02.
a) Determinar cual es la calidad final del producto, es decir, la probabilidad de que un artculo
sea no defectuoso despues de superada la inspeccion.
b) Determinar la probabilidad de que un artculo desechado por no superar la inspeccion sea
aceptable.
En el experimento consistente en seleccionar un artculo al azar denotaremos D =el artculo
es defectuoso, R =el artculo es rechazado por la inspeccion. Lo que se pide en el apartado a)
es calcular P (D C |RC ). Aplicando la Regla de Bayes tenemos que
.
C
C.
P (D C )P R D C
0,9 0,98
. =
.
P D RC =
= 0,9988.
C
C
0,1
0,01
+
0,9
0,98
C
R
R
C
P (D)P
D
D + P (D )P
Para el apartado b) lo que hay que calcular es P (D C |R). De nuevo usamos la Regla de Bayes:
.
C
R DC
.
P
(D
)P
0,9 0,02
C
D
.
. =
= 0,1538.
P
R =
0,1 0,99 + 0,9 0,02
P (D)P R D + P (D C )P R D C
2.6.
Existen situaciones en las que dos (o varios) sucesos son aparentemente independientes, pero
en realidad estan afectados por la accion de un factor de manera que, bajo un estado concreto de
ese factor, los sucesos mencionados son efectivamente independientes pero, sin tener en cuenta
la informacion proporcionada por este factor no son independientes. En este tipo de situaciones
hablaremos de independencia condicional.
Definici
on 2.6.1 Diremos que dos sucesos A y B son condicionalmente independientes dado un
tercer suceso C (que verifica P (C) > 0) si
.
. .
P AB C =P A C P B C .
Ejemplo 2.6.2 Supongamos que, en la situacion planteada en el Ejemplo 2.5.2, los artculos se
someten dos veces a inspeccion y se supone independencia entre las dos inspecciones. Determinar
la probabilidad de que un artculo sea defectuoso tras superar las dos inspecciones.
24
Esta claro que la independencia entre las dos inspecciones es condicionalmente tanto a que el
artculo sea defectuoso como a que sea no defectuoso, es decir, que, denotando por R i el suceso
el artculo es rechazado en la inspeccion i, i = 1, 2, lo que ocurre es que
.
. .
P R1 R 2 D = P R1 D P R2 D
.
.
.
P R1 R 2 D C = P R1 D C P R2 D C .
Logicamente se da la misma propiedad para los sucesos R 1C yR2C . La probabilidad que nos piden calcular es P (D C |R1C R2C ). Utilizando la Regla de Bayes y la independencia condicional
obtenemos
.
C
C
C.
P (D C )P R1 R2 D C
C
.
C
.
P D R1C R2C
=
C
C
C
R
R
R
R
P (D)P 1
2 D + P (D )P
1
2 DC
. .
C
C
P (D C )P R1 D C P R2 D C
. .
. .
=
C
C
C
C
P (D)P R1 D P R2 D + P (D C )P R1 D C P R2 D C
0,9 0,98 0,98
=
= 0,999988.
0,1 0,01 0,01 + 0,9 0,98 0,98
Tal como comentabamos al comentar la seccion puede ocurrir que dos sucesos A y B sean
condicionalmente independientes dado un tercer suceso C y y tambien dado su complementario,
C C , pero que, en realidad, no sean independientes.
Ejemplo 2.6.3 En cierta Licenciatura en Matematicas el 50 % de los alumnos de Calculo de
Probabilidades va asiduamente a clase (suceso C). Por los resultados de cursos anteriores se sabe
que un alumno que va habitualmente a clase tiene probabilidad 0.9 de resolver un problema de
examen de la asignatura y que hay independencia entre la resolucion de distintos problemas de
este tipo por tales alumnos. Algo parecido ocurre con los alumnos que no van a clase, pero
estos tienen probabilidad 0.1 de resolver cada problema. El examen consiste en dos problemas
de los mencionados. Elegimos un alumno al azar y consideramos los sucesos P 1 =resuelve
correctamente el primer problema y P2 =resuelve correctamente el segundo problema. Estudiar
la independencia de P1 y P2 .
Los sucesos P1 y P2 podran parecer, en principio, independientes, pero solo son condicionalmente independientes tanto respecto de C como de C C . Veamos que no son independientes. Por
una parte,
.
.
P (P1 P2 ) = P (C)P P1 P2 C + P (C C )P P1 P2 C C
. .
. .
C
P
P
1
2
= P (C)P
C P
C + P (C )P P1 C C P P2 C C
= 0,5 0,9 0,9 + 0,5 0,1 0,1 = 0,41,
25
mientras que
.
.
C
P
P
1
P (P1 ) = P (C)P
C + P (C )P 1 C C = 0,5 0,9 + 0,5 0,1 = 0,5 y
.
.
P (P2 ) = P (C)P P2 C + P (C C )P P2 C C = 0,5 0,9 + 0,5 0,1 = 0,5,
de modo que, P (P1 )P (P2 ) = 0,25 6= 0,41 = P (P1 P2 ). Efectivamente, los sucesos P1 y P2 no
son independientes.
Evidentemente, observar si el alumno resuelve bien o no el primer problema da informacion
sobre si va a clase y, por lo tanto, sobre las posibilidades de resolver bien el segundo problema.
Esto se refleja en la no independencia.
La posibilidad de que sucesos que son condicionalmente independientes tanto dado un suceso
como su complementario debe conducirnos a manejar con cierta precaucion la nocion de independencia. Vamos a concluir la seccion con otro ejemplo de situacion en la que la intuicion nos
puede llevar a conclusiones precipitadas.
Ejemplo 2.6.4 (Paradoja de Simpson) Dos medicamentos contra la misma enfermedad, a los
que nos referiremos como medicamento A y medicamento B, son sometidos a examen mediante
un ensayo clnico. De los 200 pacientes que fueron tratados con A 60 se curaron, mientras que
de los 1100 que recibieron el tratamiento B consiguieron la curacion 170.
De los datos recogidos por el ensayo clnico podemos concluir que, denotando A =el paciente
es tratado con A, B =el paciente es tratado con B y C =el paciente se cura(y centrandonos
en la poblacion que participo en el estudio)
.
60
= 0,3
P CA =
200
.
170
P CB =
= 0,1545,
1100
.
110
P C BM =
= 0,11,
1000
26
2.7.
Problemas.
2.1.- Se busca a un ladron que con probabilidad p se encuentra en un inmueble de siete pisos,
siendo igual la probabilidad de que se encuentre en cada uno de los pisos. Se ha buscado en
vano en los seis primeros pisos. Cual es la probabilidad de que se encuentre en el septimo?.
Si denotamos esta probabilidad por f (p), representa f (p) en funcion de p.
2.2.- Dos cazadores, A y B, divisan una pieza. Las probabilidades de acertarla estan en la
proporcion 2 a 1 favorable a A. Sabiendo que la probabilidad de que tirando los dos la
pieza sea abatida es de 5/8. Calcula
a) la probabilidad de que la pieza sea abatida por A.
b) la probabilidad de que la pieza sea abatida por B.
c) la probabilidad de que la pieza sea abatida por A y por B.
2.3.- Un deposito de agua tiene dos dispositivos de seguridad que impiden la llegada de mas agua
cuando esta alcanza un cierto nivel. Ambos dispositivos funcionan independientemente,
estimandose que el primero funciona el 90 % de las ocasiones y el segundo el 70 % de las
ocasiones. Calcula:
a) la fiabilidad del sistema de seguridad en conjunto.
b) la probabilidad de que solo funcione uno de los dispositivos.
2.7. Problemas.
27
2.4.- El sistema de refrigeracion de un reactor consta de cuatro bombas identicas que funcionan
independientemente, con una fiabilidad de 0.99 y con una capacidad de bombeo de 100 l/s.
Las normas de seguridad del reactor requieren que como mnimo lleguen 300 l/s. Hallar la
fiabilidad del sistema de seguridad.
2.5.- Los sistemas que se dibujan a continuacion estan formados por subsistemas identicos que
funcionan independientemente con fiabilidad R 0 . Obtener la fiabilidad de cada sistema.
A
C
B
A
E
F
D
C
E
B
A
D
E
2.6.- Se lanza una moneda sucesivas veces, hasta que por primera vez aparece el mismo resultado
dos veces seguidas. Describir el espacio muestral y calcular la probabilidad de los siguientes
sucesos:
a) El experimento finaliza antes de la sexta tirada.
b) Se necesitan para finalizar un numero par de tiradas.
2.7.- Se lanza una moneda n veces. Sea A el suceso salir al menos 2 cruces. Sea B el suceso
salir 1 o 2 caras. Demostrar que A y B son independientes cuando n = 3 pero no cuando
n = 4.
2.8.- Dos maquinas A y B fabrican la misma pieza, con una produccion aceptable del 70 % y
80 % respectivamente. Del total de la produccion el 40 % corresponde a la maquina A y el
resto a la B. Se elige una pieza al azar y resulta no ser aceptable. Calcular la probabilidad
de que haya sido producida por la maquina A.
28
2.7. Problemas.
29
2.15.- En una fabrica conservera mexicana se envasan 4 variedades de chile, a saber : serranos,
pasilla, habaneros y poblanos. La fabrica consta de 3 cadenas de produccion, 1, 2 y 3.
La 1 produce diariamente tres veces mas que cada una de las otras dos, que producen la
misma proporcion. En cada cadena de produccion se envasan las 4 variedades en diferentes
proporciones segun se detalla a continuacion:
serranos
1
10 %
2
30 %
3
40 %
pasilla habaneros
30 %
50 %
40 %
10 %
10 %
20 %
poblanos
10 %
20 %
30 %
a) De la produccion diaria se toma al azar una lata, calcular la probabilidad de que sea
de la variedad serrano o pasilla.
b) Si tomamos una lata al azar y sabemos que no es pasilla ni proviene de la planta
segunda, cual es la probabilidad de que provenga de la primera planta y sea de la
variedad habanero?
c) Supongamos que la primera planta produce un 10 % de conservas defectuosas, la segunda un 20 % y la tercera un 15 % y que se elige una conserva que resulta defectuosa.
Calcular la probabilidad de que provenga de la tercera planta. Calcular la probabilidad
de que esa conserva que ha resultado defectuosa sea pasilla.
2.16.- Un alumno va a realizar un examen oral consistente en exponer uno de los 6 primeros
temas de una asignatura. Para elegir el tema, el alumno propone lanzar un dado que el
mismo lleva. El profesor, sospechando que el dado pudiese estar trucado, propone renumerar
al azar los temas antes de lanzar el dado. Demostrar que de esta forma todos los temas
tienen la misma probabilidad de ser elegidos.
2.17.- Sean A y B sucesos de un espacio probabilstico (, P ). Se dice que el suceso A
esta atrado por el suceso B si P (A /B ) > P (A).
a) Probar que si A esta atrado por B entonces B esta atrado por A.
b) Probar que los sucesos A y B son mutuamente atrayentes si y solo si P (B /A ) >
P (B /Ac ) .
c) Probar que si A y B no son mutuamente atrayentes ni independientes entonces A y B c
son mutuamente atrayentes.
2.18.- Demuestra que si A1 , . . . , An son sucesos independientes entonces
P (A1 An ) = 1
n
Y
i=1
(1 P (Ai )).