Ejercicios TP N° 7:

1 – 2 – 3 a) d) e) f) – 5 – 6 a) –
7 b) c) – 11 – 13 – 15 b) d) –
18 – 12
… en ESTADÍSTICA:

Experimento
cualquier proceso que genere datos

Aleatorio
Determinístico
Tiene un
Tiene un ÚNICO CONJUNTO DE
RESULTADO RESULTADOS
posible. posibles y no se
conocen de
antemano (con
certeza) cuál de
ellos ocurrirá
 … en ESTADÍSTICA:

Experimento
cualquier proceso que genere datos

Ej: un dado equilibrado, con sus caras pintadas de

blanco y numeradas de 1 a 6, se lanza al aire
repetidas veces

Ej: el dado
equilibrado se lanza al Ej: el dado equilibrado se
aire repetidas veces y lanza al aire repetidas
se observa el color veces y se observa el
que muestra la cara número que muestra la
superior cara superior

Experimento Determinístico o
algunos conceptos relacionados con EXPERIMENTO ALEATORIO:

ESPACIO MUESTRAL:
Conjunto de todos los resultados
posibles del experimento aleatorio.
Se simboliza con la letra “S”.

EVENTO O SUCESO:
Subconjunto del espacio muestral.
Se simboliza con letra imprenta
mayúscula, por ejemplo “A”.
Ejemplo 1:
EXPERIMENTO ALEATORIO:
Se lanza al aire un dado legal y se observa el
número de la cara superior
ESPACIO MUESTRAL:
S= 1, 2, 3, 4, 5, 6
EVENTO O SUCESO:
A: Se observa n° par.
A= 2, 4, 6
Algunos
B: Se observa n° menor a 5. ejemplos
B=  1, 2, 3, 4 
EVENTOS O SUCESOS:
 simboliza el Conjunto vacío y representa al
evento imposible.
 Ac simboliza el Complemento de “A” y
representa al evento que ocurre cuando NO
ocurre “A”. Está formado por todos los
elementos de “S” que no están en“A”

También se puede expresar: Ac: NO se observa n° par.

EVENTOS O SUCESOS:
Sean A y B dos eventos definidos en un mismo
espacio muestral S:
 A ∩ B simboliza la ocurrencia conjunta de los
eventos A y B. Está formado por los elementos
comunes a los eventos A y B.
 A  B simboliza la ocurrencia de al menos uno
de los eventos A y B. Está formado por todos
los elementos de“A”más los elementos de “B”
En el Ejemplo 1: A: Se observa n°
A∩B: Se observa n° par y menor a 5. par.
A ∩ B = {2, 4} = A y B A= {2, 4, 6}
A  B: Se observa n° par o menor a 5. B: Se observa n° < 5.
A  B = { 1, 2, 3, 4, 6 } = A o B B= { 1, 2, 3, 4 }
EVENTOS MUTUAMENTE EXCLUYENTES
(SUCESOS DISJUNTOS)

A y B son mutuamente excluyentes

si y sólo si (A  B) = Ø

Ø Conjunto vacío

A y B NO pueden ocurrir juntos

A B S
En el Ejemplo 1:
EXPERIMENTO ALEATORIO:
Se lanza al aire un dado legal y se observa el número de
la cara superior
ESPACIO MUESTRAL: S
S= 1, 2, 3, 4, 5, 6
A B
EVENTO O SUCESO: 2
A: Se observa n° par. 1
6 4
3
A= 2, 4, 6 5
B: Se observa n° menor a 5.
B=  1, 2, 3, 4  A  B =  2, 4 
A y B NO son mutuamente excluyentes
¿A y AC son mutuamente excluyentes? Rta??
 EVENTOS COMPLEMENTARIOS

A y B son complementarios
si y sólo si (A  B) = Ø y (A  B) = S

Ø Conjunto vacío A
S Espacio muestral

el COMPLEMENTO de A consta de todos los

elementos del espacio muestral S que no están en A.
Se simboliza Ac o A
A U Ac = S
A ∩ Ac = Ø
¿Cuál es el COMPLEMENTO del espacio
muestral S?

Sc debe ser tal que:

S U Sc = S y S ∩ Sc = 

S =
c

Pues: S U  = S y S ∩ = 
En el Ejemplo 1:
EXPERIMENTO ALEATORIO:
Se lanza al aire un dado legal y se observa el
número de la cara superior
AUB?
T O de
ESPACIO MUESTRAL: LEM EN de B ?
P O
COM EN T
S= 1, 2, 3, 4, 5, 6 M PLEM
CO
EVENTO O SUCESO:
(AUB)c: No se observa n° par
A: Se observa n° par. y tampoco nº menor a 5.
A= 2, 4, 6 (AUB)c =  5
B: Se observa n° menor a 5.
B=  1, 2, 3, 4 
Bc: se observa n° que No es menor a 5
Bc=  5, 6
Ejemplo: EVENTOS
COMPLEMENTARIOS
¿VERDADERO O FALSO?
Si se seleccionan al azar tres personas
desconocidas y se les pregunta el día de la
semana en que nacieron, el evento
complementario a “las tres personas
nacieron un día lunes” es “ninguna persona
nació un día lunes”.
 Experimento Aleatorio
en cada repetición existe un conjunto de
resultados posibles

Antes de realizarlo, sólo se puede hablar

en términos probabilísticos de la
ocurrencia de alguno de esos resultado

¿CUÁL ES LA PROBABILIDAD DE QUE UN

DETERMINADO EVENTO OCURRA?
¿CÓMO SE DETERMINA UNA
PROBABILIDAD?
…En Pág 143 de Anderson:

No es lo mismo que EVENTO

 DEFINICIÓN AXIOMÁTICA
DE PROBABILIDAD
Una distribución de probabilidad sobre un espacio
muestral S es una especificación de números P(A)
que satisfacen los axiomas:
Axioma 1:
Para cualquier suceso A definido en S, P(A) ≥ 0
Axioma 2: P(S) = 1
Axioma 3:
Para cualquier sucesión infinita de sucesos disjuntos
A1, A2,…, definidos en S,
P(A1 U A2 U… ) = P(A1) + P(A2) +…
…En Pág 148 de Anderson:

suma finita
 INTERPRETACIONES DE LA
PROBABILIDAD
 FRECUENCIALISTA

 CLÁSICA

 SUBJETIVA
Para el sorteo de la quiniela de hoy, una
persona apuesta $500 al número 35 porque
sabe que éste es el número que más sorteos
lleva sin salir premiado; cree que su
probabilidad de ganar hoy es muy alta.

 ¿Está Ud. de acuerdo con ella?

 Si el número 35 hubiera salido premiado en la
última semana, ¿Ud.cree que esta persona
cambiaría su apuesta a otro número?

¿La probabilidad de ganar de esta

persona cambia en ambas situaciones?
 Interpretación FRECUENCIALISTA
La probabilidad de obtener algún resultado
específico es interpretada como la frecuencia
relativa con la que se obtendría ese resultado si
el proceso se repitiera un número grande de
veces en condiciones similares.

Inconvenientes:
• ¿qué tan grande debe ser el número de repeticiones del
proceso?
• No especifica un límite para la variación posible del
resultado de la frecuencia relativa.
• Las condiciones en las que se realiza el proceso repetidas
veces, no siempre pueden ser completamente idénticas
Regularidad estadística:
La PROPORCIÓN de veces que un evento
aleatorio aparece en una sucesión muy
larga de observaciones realizadas al azar,
se acerca a un valor límite estable a medida
que el número de observaciones tiende a
infinito;
el valor límite de la frecuencia relativa es la
probabilidad del evento aleatorio.
Frecuencia absoluta
del evento A

Nro de repeticiones del

experimento aleatorio
En un programa de T.V. el animador le ofrece
ganar un importante premio.
Ud. debe elegir entre los sig. juegos:
 Juego 1: Lanzar una moneda y sacar cara.

 Juego 2: Lanzar un dado y obtener el

número 6.
 Juego 3: Lanzar dos monedas y sacar
lados iguales.
¿Qué juego elegiría?
 Interpretación CLÁSICA
Si el resultado de algún proceso debe ser uno de
n resultados diferentes, todos ellos igualmente
verosímiles, entonces la probabilidad de cada
resultado es 1 y la probabilidad de un evento es:
n
n°casos favorables DEFINICIÓN CLÁSICA
P  A  DE PROBABILIDAD
n casos posibles
(de Laplace)
Inconvenientes:
• El concepto de resultados igualmente verosímiles se
basa en esencia en el concepto mismo de probabilidad.
• No se proporciona un método sistemático para asignar
probabilidades a resultados que no son igualmente
verosímiles.
• No es aplicable cuando el número de casos posibles es
infinito
1) ¿Cuál es la probabilidad de que mañana
llueva en algún momento del día en la ciudad
de Santa Fe?
2) ¿Cuál es la probabilidad de que mañana
llueva en algún momento del día en la ciudad
de San Salvador de Jujuy?
3) ¿Cuál es la probabilidad de que el día 25 de
diciembre de este año llueva en algún
momento del día en la ciudad de Santa Fe.

¿Cree que sus estimaciones coincidirán

con las de un meteorólogo?
 Interpretación SUBJETIVA
La probabilidad que una persona asigna a uno
de los posibles resultados de un proceso
representa su propio juicio sobre la
verosimilitud de que se obtenga el resultado.

Inconvenientes:
La asignación de una probabilidad que hace una
persona puede no coincidir con la que hace otra
persona.
Probabilidad del EVENTO IMPOSIBLE

Ø es Conjunto Vacío  P(Ø)=0

p r o co
Demostración: r ec í
El c i er t o
es
Para cualquier suceso A, NO
A = A  Ø siendo (A  Ø) = Ø
P(A) = P(A  Ø)
P(A) = P(A) + P(Ø) …por qué?
P(A) - P(A) = P(Ø)  0 = P(Ø)
Si A  B  P(A)  P(B)
Si dos eventos A y B definidos en un mismo
espacio muestral son tales que A está incluido
en B, entonces la probabilidad de que ocurra A
no supera a la probabilidad de que ocurra B
S
Demostración: B
AB
A
B = A  (Ac  B)
P(B) = P[A  (Ac  B)]
P(B) = P(A) + P(Ac  B) ≥ P(A)
por Ax 1 P(Ac  B) ≥ 0
A y (Ac  B) disjuntos
 Si A  B  P(A)  P(B)
Si dos eventos A y B definidos en un mismo
espacio muestral son tales que A está incluido
en B, entonces la probabilidad de que ocurra A
no supera a la probabilidad de que ocurra B
En el Ejemplo 1: S

5 6
Se lanza al aire un dado legal y se B
observa el número de la cara 3 1
superior 4
2
C

C: Se observa n° menor a 3.
C= 1, 2 CB
B: Se observa n° menor a 5.
B=  1, 2, 3, 4 
P(C)=2/6 < P(B)=4/6
Para cualquier
A: 0 ≤ P(A) ≤ 1
suceso
Para dos sucesos cualesquiera A y B,
P(A U B) = P(A) + P(B) - P(A  B)
demostrarlo!!
A B A = (A  B)  (A  Bc)
A∩Bc A∩B
Ac∩B
B = (A  B)  (Ac  B)

A y B se expresan como UNIÓN

de eventos disjunto

A U B = (A  B)  (A  Bc)  (Ac  B)

disjuntos
P(A U B) = P(A) + P(B) - P(A  B)
Demostración: A B

A = (A  B)  (A  Bc) A∩Bc A∩B

Ac∩B
P(A) = P(A  B) + P(A  Bc)

B = (A  B)  (Ac  B)
P(B) = P(A  B) + P(Ac  B)  P(Ac  B) = P(B) - P(A  B)

A U B = (A  B)  (A  Bc)  (Ac  B)
P(A U B) = P(A  B) + P(A  Bc) + P(Ac  B)
P(A U B) = P(A) + P(B) - P(A  B)
da paso
car ca
i
Justif
TP 7: Ejercicio 2

TP 7: Ejercicio 5
 EVENTOS COLECTIVAMENTE
EXHAUSTIVOS
Dos (o más) eventos A y B definidos en un
mismo espacio muestral S son colectivamente
exhaustivos si y sólo si la unión entre ellos es el
espacio muestral

Si dos o más eventos son colectivamente

exhaustivos, por lo menos uno de ellos debe
ocurrir cuando se realiza el experimento
aleatorio.

A y B son colectivamente exhaustivos

si y sólo si (A  B) = S
Ejemplo 1:
EXPERIMENTO ALEATORIO:
Se lanza al aire un dado legal y se observa el
número de la cara superior
ESPACIO MUESTRAL:
S= 1, 2, 3, 4, 5, 6
EVENTO O SUCESO:
A: Se observa n° par. ¿A y B son
A= 2, 4, 6 Colectivamente
B: Se observa n° menor a 5. exhaustivos?
B=  1, 2, 3, 4  ¿AUB=S?

A  B =2, 4, 6, 1, 3 ¿Rta?
 EVENTOS INDEPENDIENTES
Dos eventos A y B son independientes
cuando la ocurrencia de un evento no
afecta la ocurrencia del otro.

A y B independientes si y sólo si:

P ( A  B ) P ( A). P ( B )
Ejemplo 1:
EXPERIMENTO ALEATORIO:
Se lanza al aire un dado legal y se observa el
número de la cara superior
ESPACIO MUESTRAL:
S= 1, 2, 3, 4, 5, 6 ¿Rta?
EVENTO O SUCESO: ¿A y B son
Independientes?
A: Se observa n° par.
A= 2, 4, 6 ¿ P(A ∩ B) = P(A) . P(B) ?
B: Se observa n° menor a 5. 2 1
P( A  B)  
B=  1, 2, 3, 4  6 3
3 4 1
P ( A). P ( B )  . 
6 6 3
Independencia de varios eventos
Ejemplo:
A , B y C son independientes si y sólo si:
 P( A  B ) P ( A). P ( B )
 P( A  C ) P( A). P(C )


 P (C  B ) P (C ). P( B)

 P( A  B  C ) P( A). P( B). P(C )
 EVENTOS INDEPENDIENTES
Si los eventos A y B son independientes,
entonces sus complementos también lo son.

A y B independientes  Ac y Bc independientes
O C O S
R EC ÍPR o s! !
Lo s vál i d
n s o n
Además: t am b i é

A y B independientes  A y Bc independientes

A y B independientes  Ac y B independientes

demostrarlo!!
 A y B independientes  A y Bc independientes
Demostración:
( A  B )  ( A  B c ) 

A  ( A  B)  ( A  B c )  P( A)  P( A  B)  P( A  B c )
A y B indep:
Í P ROCO
C !!
el RE es válido P( A  B ) P ( A).P ( B )
am b ién
t
c
P ( A  B ) P ( A) - P ( A  B ) 
P( A) - P( A).P( B) 
A B
A∩Bc A∩B P( A) . 1 - P( B)  
c c
P( A) . P( B )  A y B
independientes
 A y B independientes  Ac y Bc independientes
Demostración:
( A  B )  ( A c  B c ) S  P ( A  B )  P ( Ac  B c ) P ( S )
( A  B )  ( Ac  B c )  Í P ROCO
C !!
el RE es válido
m b ién
P ( Ac  B c ) 1  P( A  B)  t a

1   P( A)+ P( B)  P( A  B)  
A y B indep: 1   P( A)+ P( B)  P( A).P( B)  
P( A  B ) P ( A).P ( B )
1   P( A)  P( B).1  P( A)   
A B 1  P( A)  P( B).P( Ac ) 
A∩B
P( Ac )  P( B).P( Ac ) 
Ac∩Bc
P( Ac ) . 1  P( B)  P( Ac ).P( B c )
 Ac y B c independientes
 EVENTOS INDEPENDIENTES
Ejemplo 2:

Una computadora está contaminada por un virus y tiene

cargados dos programas «anti-virus» que actúan
independientemente uno del otro. El PROGRAMA 1
detecta la presencia del virus el 90% de las veces y el
PROGRAMA 2 detecta el virus con una probabilidad de
0,8.
a) ¿Cuál es la probabilidad de que el virus sea
detectado por ambos programas?
b) ¿Cuál es la probabilidad de que el virus sea
detectado por sólo uno de los programas?
c) ¿Cuál es la probabilidad de que el virus no sea
detectado?
A y B independientes  P( A  B) P( A). P( B)
Ejemplo 2:
A: El PROGRAMA 1 detecta la presencia del virus
B: El PROGRAMA 2 detecta la presencia del virus
P (A) = 0,9 P (B) = 0,8
a) A y B independientes  P(A∩B)= 0,9. 0,8 = 0,72

A B probabilidad de que el
virus sea detectado
A∩Bc A∩B Ac∩B por ambos programas

b) P(Ac ∩ B) + P(A ∩ Bc) = P(AUB) - P(A∩B) =

= P(A) + P(B) – 2 . P(A∩B) = 0,9+0,8 – 2. 0,9.0,8 = 0,26
probabilidad de que el virus sea
detectado por sólo uno de los programas
A y B independientes  P( A  B) P( A). P( B)
Ejemplo 2:
A: El PROGRAMA 1 detecta la presencia del virus
B: El PROGRAMA 2 detecta la presencia del virus
P (A) = 0,9 P (B) = 0,8

A B

A∩Bc A∩B Ac∩B

Ac∩Bc

c) P(Ac ∩ Bc) = P[(A U B)c] = 1 - P(AUB) =

= 1 - [P(A) + P(B) - P(A∩B)] = 1 – (0,9 + 0,8 – 0,72) = 0,02
probabilidad de que el
virus NO sea detectado
 EVENTOS CONDICIONADOS
Se lanza un dado legal dos veces.
Sean los sucesos:
A: “se obtiene 5 en el primer lanzamiento”
B: “se obtiene 1, 2, 3 o 4 en el segundo lanzamiento”
C: “se obtiene Nro par en ambos lanzamientos”
Si se sabe que se obtuvo Nro par en ambos
lanzamiento, ¿cuál es la probabilidad de que se
obtenga 1, 2, 3 o 4 en el segundo lanzamiento?
1 2 3 4 5 6

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6
 EVENTOS CONDICIONADOS
B: “se obtiene 1, 2, 3 o 4 en el segundo lanzamiento” P(B)= 24/36 = 2/3
1 2 3 4 5 6

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

C: “se obtiene Nro par en ambos lanzamientos” P( C)= 9/36 = 1/4

1 2 3 4 5 6

1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6 1 2 3 4 5 6

Si se sabe que se obtuvo Nro par en ambos lanzamiento,

¿cuál es la probabilidad de que se obtenga 1, 2, 3 o 4 en
el segundo lanzamiento?

P(B/C)= 6/9= 2/3

 PROBABILIDAD CONDICIONAL
es la probabilidad de que ocurra un
evento determinado, dado que otro
evento ya ha ocurrido.

La probabilidad de que ocurra el evento

A dado que el evento B ha ocurrido es:

P( A  B)
P( A B)  si P( B) 0
P( B)
Regla general de la multiplicación

si P( B) 0 :
P( A  B)
P( A B)   P ( A  B) P( A B ).P( B)
P( B)

si P( A) 0 :
P( A  B)
P ( B A)   P ( A  B) P( B A).P( A)
P ( A)
 PROBABILIDAD CONDICIONAL

 Si A y B independientes:

P( A  B) P( A).P( B)
P( A B)   P( A)
P( B) P( B)
si P( B) 0

P( A  B) P( A).P( B)
P ( B A)   P ( B )
P ( A) P ( A)
si P( A) 0
TP 7: Ejercicio 7
Ejemplo 3:
Una urna contiene 3 monedas acuñadas con dos caras, 4
monedas acuñadas con dos cruces y 2 monedas legales.
(X ; X)
(C ; C) (C ; X)
(X ; X)
(C ; C) (C ; X)
(X ; X)
(C ; C)
(X ; X)
Se selecciona al azar una moneda de la urna y se lanza
al aire
a) ¿Cuál es la probabilidad de que la moneda sea legal?
b) Si la moneda seleccionada es legal, ¿cuál es la
probabilidad de que la moneda muestre cara?
c) ¿Cuál es la probabilidad de que la moneda muestre
cara?
d) Si la moneda muestra cara, ¿cuál es la probabilidad
de que la moneda seleccionada sea legal?
Ejemplo 3:

Moneda Moneda con Moneda

Probab Total
con 2 caras 2 cruces legal
Cara 0
Cruz 0
Total 3/9 4/9 2/9 1
Moneda Moneda con Moneda
Probab Total
con 2 caras 2 cruces legal
Cara 3/9 0 1/9 4/9
Cruz 0 4/9 1/9 5/9
Total 3/9 4/9 2/9 1
Rtas?
Ejemplo 3: a)¿Cuál es la probabilidad de que la moneda sea legal?

3 monedas
con 2 caras
9 monedas en la urna

3/9

4 monedas Rta?
con 2 cruces

4/9

2 monedas
legales

2/9
Ejemplo 3: b) c) d)

muestra cara 1*3/9 = 3/9

3 monedas
con 2 caras
9 monedas en la urna

NO muestra cara 0*3/9 = 0

3/9

muestra cara 0*4/9 = 0

4 monedas
con 2 cruces
NO muestra cara 1*4/9 = 4/9
4/9

muestra cara 0,5*2/9 = 1/9

2 monedas
legales
NO muestra cara 0,5*2/9 = 1/9
2/9
Rtas?
Ejemplo 3:
En el espacio muestral S pueden considerarse los
siguientes sucesos disjuntos: ¿Por qué?
A1: La moneda tiene 2 caras
Colectivamente
A2: La moneda tiene 2 cruces exhaustivos

A3: La moneda es legal

3 P(C A1) 1
P( A1) 
9
P(C A2 ) 0
4
P ( A2 ) 
9 1
P(C A3 ) 
2 2
P( A3 ) 
9

C: se obtiene cara en el lanzamiento

Ejemplo 3:
2
a) P( A3)  probabilidad de que la moneda sea legal
9
2 1
b) P C A3   
probabilidad de obtener cara dado que
4 2 la moneda seleccionada es legal

c) C (C  A1)  (C  A2 )  (C  A3 )
P C   P(C  A1)  P(C  A2 )  P(C  A3 )
Por qué?
 P( A1).P(C A1)  P( A2 ). P(C A2 )  P( A3 ).P(C A3 )

3 4 2 1 4 probabilidad de que la
 .1  .0  .   P C  moneda muestre cara
9 9 9 2 9
probabilidad de que
2 1 la moneda sea legal
P(C  A3) 9 . 2 1
d) P  A3 C     dado que se obtiene
P C  4 4 cara en el
9 lanzamiento
 PROBABILIDAD TOTAL:

P( A) P( A B1 ). P( B1 )  P( A B2 ). P( B2 )  ...  P( A Bk ). P( Bk )

TEOREMA DE BAYES:

P ( A Bi ). P ( Bi )
P ( Bi A) 
P ( A B1 ). P ( B1 )  P ( A B2 ). P ( B2 )  ...  P ( A Bk ). P( Bk )

Siendo: B1 , B2 , ... ,Bi , ...Bk

eventos mutuamente excluyentes y
colectivamente exhaustivos
 TEOREMA DE BAYES:
En el espacio muestral S se consideran los sucesos
disjuntos y colectivamente exhaustivos: B1; B2; … ; Bk

A S
A ( A  B1 )  ( A  B2 ) ...  ( A  Bk ) B2
B1
P( A  Bi )
P( Bi A) 
P  A B3
Bk
…
P( A  Bi )
P( Bi A) 
P( A  B1 )  P( A  B2 )  ...  P( A  Bk )

P( A Bi ). P( Bi )
P( Bi A) 
P( A B1 ). P( B1 )  P( A B2 ). P( B2 )  ...  P( A Bk ). P( Bk )
¿Por qué?
TP 7: Ejercicio 10
 Probabilidad
previa o “a priori”
posterior o “a posteriori”
se debe considerar si es
determinada antes o después de
realizar el experimento (antes o
después de tomar la muestra)
 FRECUENCIAS
¿se determinan antes o después de realizar el
experimento (antes o después de tomar la
muestra)?

ANTES DESPUÉS
“Frecuencias teóricas “Frecuencias empíricas
o ideales o a priori” o experimentales o a
Se basan en todos los posteriori”
resultados que podrían Se basan en lo
obtenerse si se obtenido al realizar
realizara el experimento un experimento
En el ejemplo 3:

Las probabilidades:
P(C A1) 1 ; P(C A2 ) 0 ; P(C A3) 0, 5
son “previas” o “a priori” pues son determinadas
antes de realizar el experimento (antes de
seleccionar la moneda)

Las probabilidades:
P( A1 C ) 0, 75 ; P( A2 C ) 0 ; P( A3 C ) 0, 25
son “posteriores” o “a posteriori” pues se
obtuvieron teniendo en cuanta la información de la
ocurrencia del evento C (C: se obtiene cara en el
lanzamiento)
Ejercicios TP N° 7:

11 – 13 – 15 – 8 – 12
 Ejercicios TP N° 7:

1 – 3 a) d) e) f) – 6 a) – 18