Captulo 2

Analisis Combinatorio
Recuerde de la Seccion 1.2 que un espacio de probabilidad simetrico con s puntos es el modelo
utilizado para escoger un punto al azar de un conjunto S que tiene s puntos. En adelante, cuando
hablemos de escoger un punto al azar de un conjunto nito S, querremos decir que la probabilidad
asignada a cada conjunto de un solo punto es s
1
.
Sea que N(A) denote el n umero de puntos en A. Como P(A) = N(A)/s, el problema de calcular
P(A) es equivalente a calcular N(A). El procedimiento para encontrar P(A) es contar el n umero de
puntos en A y despues dividir por el n umero total de puntos s, sin embargo, algunas veces el proceso
se efect ua a la inversa. Si por alg un motivo conocemos P(A), entonces podemos encontrar N(A) por la
formula N(A) = sP(A). Este procedimiento inverso sera utilizado frecuentemente en lo subsiguiente.
El calculo de N(A) es facil si A cuenta solamente con pocos puntos, ya que en este caso basta
con enumerar todos los puntos en A- Pero a un si A tiene solo una cantidad moderada de puntos, a
veces el metodo de la enumeracion directa se vuelve intratable, y requerimos de algunas reglas simples
para contar. Nuestro proposito en este captulo es el presentar una discusion no sistematica de las
tecnicas elementales y de amplia aplicacion. Este tema se vuelve difcil muy rapidamente, as que
limitaremos nuestro tratamiento a aquellas partes que mas se utilizan en la teora de la probabilidad.
Las primeras cuatro secciones en este captulo contienen el material esencial, mientras que las cuatro
ultimas secciones contienen material opcional y un poco mas difcil.
2.1. Muestras ordenadas
Supongase que tenemos dos conjuntos S y T. Si S tiene m puntos distintos s1, s2 . . . , sm y T tiene
n puntos distintos t1, t2 . . . , tn entonces el n umero de parejas (si, tj) que podemos formar tomando
un punto del conjunto S y un segundo punto del conjunto T es mn. Esto es claramente porque cada
elemento del conjunto S puede ser asociado con cualquiera de los n elementos que tiene el conjunto T.
Ejemplo 1 Si S = {1, 2} y T = {1, 2, 3}, entonces hay seis pares: (1, 1),(1, 2),(1, 3),(2, 1),(2, 2),(2, 3).
Note cuidadosamente que la pareja (1, 2) es distinta de la pareja (2, 1).
Mas generalmente, suponga que tenemos n conjuntos S1, S2, . . . , Sn teniendo s1, s2, . . . , sn puntos
distintos respectivamente. Entonces el n umero de n-tuples (x1, x2, . . . , xn) que se pueden formar, donde
xi Si i {1, 2, . . . , n} es s1s2 . . . sn =

n
i=1
si. Esta es una extension casi obvia del caso para n = 2
discutido arriba. (Una prueba formal de que el n umero de n-tuples es

n
i=1
si podra llevarse a cabo
por induccion sobre n).
Un caso especial sumamente importante ocurre cuando cada uno se los conjuntos Si, 1 i n, es
el mismo conjunto S con s puntos distintos. Entonces hay s
n
n-tuples (x1, x2, . . . , xn) donde cada xi
es un punto perteneciente a S.
Ejemplo 2 S = {1, 2} y n = 3. Entonces hay 8 n-tuples: (1, 1, 1), (1, 1, 2),(1, 2, 1), (1, 2, 2), (2, 1, 1),
(2, 1, 2), (2, 2, 1), (2, 2, 2).
El caso especial cuando los conjuntos Si, 1 i n son el mismo conjunto puede ser aproximado desde
un punto de vista distinto. Suponga que una caja tiene s bolas distintas etiquetadas 1, 2, . . . , s, una
bola se extrae de la caja, se anota su n umero y es regresada a la caja. Este proceso se efect ua n veces.
Cada una de las n extracciones resulta en un n umero del 1 al s, el resultado de las n extracciones puede
ser descrito como un n-tuple (x1, x2, . . . , xn), donde x1 es el n umero de la primera bola, x2 el n umero
de la segunda bola, etc. En total, hay s
n
posibles n-tuples. Llamamos a este proceso muestreo con
reemplazo de una poblacion de s objetos distintos. El resultado (x1, x2, . . . , xn) se llama un muestra
de tama no n extrada de una poblacion de s objetos con reemplazo. Hablamos de muestreo aleatorio
con reemplazo si asumimos que cada una de las s
n
posibles muestras posee la misma probabilidad
o, en lenguaje tradicional, tienen la misma oportunidad de ocurrencia.
Ejemplo 3 Una moneda perfectamente balanceada se lanza n veces. Encuentre la probabilidad de que
al menos un lanzamiento resulte aguila.
Probablemente el decir que la moneda esta perfectamente balanceada implica que la probabilidad de
que en un lanzamiento dado obtengamos un aguila es de 1/2. Si esto es as, y si asumimos que el lanzar
una moneda n veces es equivalente a extraer una muestra aleatoria de tama no n de una poblacion de
dos objetos {A, S} entonces cada uno de los 2
n
resultados es igualmente posible. Sea A el evento en
el cual hay al menos una aguila, y sea Ai el evento en el cual el i-esimo lanzamiento resulte en una
aguila, entonces A =

n
i=1
Ai, pero
P(A) = 1 P(A
c
)
= 1 P
__
n
_
i=1
Ai
_
c
_
= 1 P
_
n
_
i=1
A
c
i
_
y

n
i=1
A
c
i
ocurre si y solo si todos los n lanzamientos caen sol. Por lo tanto P (

n
i=1
A
c
i
) = 2
n
as que
P(A) = 1 2
n
.
Sea que S denote a un conjunto con s objetos distintos. Seleccionamos un objeto de S y anotamos
que objeto es, pero ahora supongamos que no lo regresamos al conjunto. Si repetimos este proceso
tendremos que hacer ahora una seleccion de los restantes (s 1) objetos. Supongamos que repetimos
este proceso n 1 veces adicionales, de tal manera que se seleccionan n objetos en conjunto. (Obvia-
mente, debemos tener n s en este caso.) Una vez mas podemos almacenar el resultado como un
n-tuple (x1, x2, . . . , xn), pero esta vez los n umeros x1, x2, . . . , xn deben ser distintos; no puede haber
repeticiones en nuestra muestra. El primer objeto puede ser cualquiera de los s objetos del conjunto, el
segundo puede ser cualquiera de los restantes s 1 objetos, el tercero puede ser elegido de cualquiera
de los s 2 objetos etc., por lo tanto hay (s)n = s(s 1) . . . (s n + 1) resultados diferentes para
el experimento. Este proceso se dice ser muestreo sin reemplazo n veces de una poblacion de s
objetos distintos. Hablamos de muestra aleatoria de tama no n extrada de una poblacion de
s objetos sin reemplazo si asumimos que cada uno de estos (sn) resultados es igualmente posible.
Hemos denotado el producto s(s 1) . . . (s n + 1) por el smbolo (s)n. en particular (s)s = s(s
1) . . . 1 = s!. Ahora, el extraer una muestra de tama no s de una poblacion de s objetos distintos
es equivalente a escribir los n umeros 1, 2, . . . , s en alg un orden. Entonces s! representa el n umero de
ordenamientos distintos (o permutaciones) de s objetos.
Suponga que una muestra aleatoria de tama no n se escoge de un conjunto de s objetos con reemplazo.
Buscamos la probabilidad del evento A en el cual ning un punto aparezca dos veces. El problema se
resuelve facilmente. El n umero de muestras de tama no n con reemplazo es s
n
. De estas s
n
,muestras
aleatorias, el n umero en las cuales ning un punto aparece dos veces es el mismo que el n umero de
muestras de tama no n extrada de un conjunto de s objetos sin reemplazo,i.e., (sn). Por lo tanto, ya
que todas las s
n
muestras son igualmente posibles, encontramos que la probabilidad requerida es
(2.1)
(sn)
s
n
=
s(s 1) . . . (s n + 1)
s
n
=
_
1
1
s
__
1
2
s
_
. . .
_
1
n 1
s
_
.
Ejemplo 4 Una aplicacion novedosa y algo sorprendente de (2.1) es el llamado problema del cum-
plea nos. Asumamos que los cumplea nos de las personas son igualmente posibles de ocurrir entre los
365 das del a no. (Aqu ignoramos los a nos bisiestos y el hecho de que las tazas de nacimiento no son
exactamente uniformes a lo largo del a no), encuentre la probabilidad de que en un grupo de n personas,
cualesquiera dos personas no cumplan a nos el mismo da.
En este problema, s = 365, as que aplicando (1) vemos que
p =
_
1
1
365
__
1
2
365
_
. . .
_
1
n 1
365
_
.
Las consecuencias numericas son demasiado inesperadas. A un para n tan peque no como 23, p < 1/2,
y para n = 56, p =0.1. Esto signica que en un grupo de 23 personas, la probabilidad de que al menos
dos personas cumplan a nos el mismo da excede 1/2. En un grupo de 56 personas, es casi seguro que
dos personas tengan el mismo da de cumplea nos.
Si tenemos una poblacion de s objetos, existen s
n
muestras de tama no n que pueden ser extradas con
reemplazo y (sn) muestras de tama no n que pueden ser extradas sin reemplazo. Si s comparado con
n es grande, hay una peque na diferencia entre el muestreo aleatorio con estas dos tecnicas. de hecho,
observamos por (2.1) que para cualquier n ja,
(2.2) lm
s
(s)n
s
n
= lm
n
_
1
1
s
_
. . .
_
1
n 1
s
_
= 1.
(Ver ejercicio 12 para estimaciones mas precisas.)
2.2. Permutaciones
Suponga que se tienen n cajas distintas y n bolas distintas. El n umero total de maneras a distribuir
las n bolas dentro de las n cajas de tal manera que cada caja tenga exactamente una bola es n!. El decir
que estas n bolas estan distribuidas aleatoriamente entre las n cajas con una bola por caja signica
que asignamos probabilidad de 1/n! a cada una de estas posibles maneras. Supongamos que este es el
caso. Cual es la probabilidad de que una bola especca, digamos la bola i, se encuentre en una caja
en especco, digamos la caja j? Si la bola i se encuentra en la caja j esto nos deja (n 1) cajas y
(n 1) bolas a ser distribuidas en ellas tal que exactamente una bola este en cada caja. Esto puede
hacerse en (n 1) maneras, por lo tanto la probabilidad requerida es (n 1)/n! = 1/n!.
Otra manera de ver este resultado es la siguiente. Si tenemos n objetos distintos y los permutamos
entre ellos aleatoriamente, entonces la probabilidad de que un objeto en especco se encuentre en una
posicion especca es 1/n!. De hecho, aqu las posiciones pueden ser identicadas con las cajas y los
objetos con las bolas.
Las consideraciones anteriores son facilmente extendidas de 1 a k 1 objetos. Si n objetos son
permutados entre ellos de manera aleatoria, la probabilidad de que k objetos especcos se encuentren
en k posiciones especcas es (n k)!/n!. Dejamos la prueba de este hecho al lector.
Los problemas que envuelven permutaciones aleatorias toman una gran variedad de formas cuando
se formulan verbalmente. Aqu hay dos ejemplos:
(a)Un mazo de cartas etiquetadas 1, 2, . . . n se baraja y las cartas se reparten una a la vez. Cual
es la probabilidad de que para alg un i en especco, la i-esima carta repartida sea la carta etiquetada
como i?
(b)Suponga que 10 parejas llegan a una esta. Los ni nos y las ni nas hacen parejas al azar. Cual es
la probabilidad de que exactamente k ni nos en especial terminen con su propia pareja?
Un problema mas sosticado que envuelve permutaciones aleatorias es el encontrar la probabilidad
de que ocurran exactamente k coincidencias . Para usar nuestro pintoresco ejemplo de distribuir
bolas en cajas, el problema es encontrar la probabilidad de que la bola i se encuentre en la caja i para
exactamente k valores distintos de i. El problema de coincidencias puede ser resuelto en una amplia
variedad de formas. Posponemos la discusion de este problema hasta la Seccion 2.6.
2.3. Combinaciones
Una mano de poker consiste en cinco cartas extradas de un mazo de 52 cartas. Desde el punto de
vista del la discusion previa, habra (52)5 de tales manos. Sin embargo, al llegar aqu contando de esta
manera, diferentes ordenamientos de las mismas cinco cartas son considerados como manos distintas.
Esto es, la mano 2,3,4,5,6 de espadas en este orden es considerada distinta de la mano 2,4,3,5,6 de
espadas en ese orden. Desde el punto de vista del juego de cartas, estas manos son las mismas. De
hecho todas las 5! permutaciones de las mismas cartas son equivalentes. De las(52)5 manos posibles,
exactamente 5! de ellas son solo permutaciones de estas mismas 5 cartas. De manera similar, para
cualquier conjunto dado de cinco cartas hay 5! permutaciones distintas. Por lo tanto el n umero total
de manos de poker, no importando el orden en el cual la carta aparece, es (52)5/5!. En este nuevo conteo
dos manos se consideran distintas si y solo si dieren como conjunto de objetos,i.e., tienen al menos
un elemento distinto. Por ejemplo, entre las (52)5/5! manos de poker que hay, las manos (2,3,4,5,6) de
espadas y (3,2,4,5,6) de espadas son las mismas, pero las manos (2,3,4,5,7) de espadas y (2,3,4,5,6) de
espadas son distintas.
Mas generalmente, supongamos que tenemos un conjunto S con s objetos distintos. Entonces, como
ya se explico anteriormente, hay (s)r distintas muestras de tama no r que se pueden extraer de S sin
reemplazo. Cada subconjunto distinto {x1, . . . , xr} de r objetos de S puede ser ordenado (re-arreglado)
en r! maneras distintas. Si ignoramos el orden en el cual los objetos aparecen en la muestra, entonces
estos r! reordenamientos de (x1, . . . , xn) se consideran como el mismo. Por lo tanto hay (s)r/r! muestras
diferentes de tama no r que pueden ser extradas sin reemplazo y sin importar el orden de un conjunto
de s objetos distintos.
La cantidad (s)r/r! usualmente se escribe en terminos del smbolo del coeciente binomial
(s)r
r!
=
_
s
r
_
.
Observe que para r = 0, 1, 2, . . . , s
_
s
r
_
=
(s)r
r!
=
s!
r!(s r)!
.
Remarcamos que de ahora en adelante
_
a
r
_
esta bien denido para cualquier n umero real a y cualquier
entero no negativo r por
(2.3)
_
a
r
_
=
(a)r
r!
=
a(a 1) . . . (a r + 1)
r!
,
donde 0! y (a)0 se denen como 1.
Ejemplo 5
_

3
_
=
()(1)(2)
3!
=
(+1)(+2)
3!
.
Observe que si a es un entero positivo, entonces
_
a
r
_
= 0 si r > a. Adoptaremos la convencion de que
_
a
r
_
= 0 si r es un entero negativo. Por lo tanto
_
a
r
_
esta denido para todo n umero real a y para todo
entero r.
Como previamente se observo, cuando s es un entero positivo y r es un entero no negativo, es util
pensar en
_
s
r
_
como el n umero de maneras en las que podemos extraer una muestra de tama no r de
una poblacion de s objetos distintos sin reemplazo y sin importar el orden en el cual cada uno de estos
r objetos se eligieron.
Ejemplo 6 Considere el conjunto de n umeros {1, 2, . . . , n}. Entonces, si 1 r n, hay exactamente
_
n
r
_
elecciones de n umeros i1, i2, . . . , ir tal que 1 i1 i2 . . . ir n. De hecho, cada una de
las (n)r elecciones de r n umeros distintos de 1 a n tiene r! reordenamientos, con exactamente un
reordenamiento que satisface este requisito. Luego el n umero de elecciones distintas de n umeros que
satisfacen este requisito es el mismo que el n umero de subconjuntos distintos de tama no r que pueden
ser extrados del conjunto {1, 2, . . . , n}.
Ejemplo 7 Miembros del comite. El departamento de matematicas consiste de 25 profesores de tiem-
po completo, 15 profesores asociados y 35 profesores asistentes. De la facultad del departamento se
selecciona al azar un comite de 6 personas. Encuentre la probabilidad de que todos los miembros del
comite sean profesores asistentes.
En total hay 75 miembros de la facultad. El comite de 6 puede ser elegido de estas 75 personas en
_
75
6
_
maneras. Hay 35 profesores asistentes y los 6 del comite pueden ser elegidos de los 35 en
_
35
6
_
maneras. Por lo tanto la probabilidad requerida es
_
35
6
_
/
_
75
6
_
. Los calculos dan aproximadamente un
valor de 0.01; luego el personal de arrendamiento (profesores asociados y de tiempo completo) no debe
preocuparse indebidamente de no tener representacion alguna.
Ejemplo 8 Considere una mano de poker de 5 cartas. encuentre la probabilidad de obtener cuatro de
un solo tipo (i.e., cuatro cartas con el mismo valor) asumiendo que las cinco son elegidas al azar.
Podemos resolver este problema como sigue.
Hay
_
52
5
_
manos distintas, las cuales tienen la misma probabilidad de ser elegidas. Entonces
tendra
_
52
5
_
puntos. Para que acontezca el evento deseado debemos tener cuatro cartas del mis-
mo valor. Hay 13 distintas opciones para el valor que las cuatro cartas deberan tener, a saber
2,3,4,5,6,7,8,9,10,J,Q,K,A. Para cada una de tales opciones (que determina cuatro de las cinco cartas
de la mano deseada) hay otras 48 cartas de las cuales podemos elegir a la quinta carta de la mano. Ya
que cualquiera de las 13 opciones de la mano de cuatro cartas iguales puede ser apareada con cualquiera
de las 48 opciones de la quinta restantes en total hay (13)(48) maneras posibles de obtener una mano
de poker con cuatro de las cinco cartas iguales. La probabilidad deseada es, por lo tanto
(13)(48)
_
52
5
_ 2,40 10
4
.
Ejemplo 9 Suponga que n bolas se distribuyen en n cajas de tal manera que cada uno de los n
n
posibles arreglos sea equiprobable. Calcule la probabilidad de que solo la caja 1 este vaca.
El espacio de probabilidad en este caso consiste de n
n
puntos equiprobables. Sea A el evento en el
cual solo la caja 1 este vaca. Esto puede ocurrir solamente si las n bolas se encuentran en las n 1
cajas restantes, de manera que ninguna de estas este vaca. Por lo tanto, exactamente una de estas
(n 1) cajas debe contener dos bolas, y las restantes (n 2) cajas deben contener exactamente una
bola. Sea Bj el evento en el que la caja j, j = 2, 3, . . . , n tenga dos bolas, la caja 1 no tenga ninguna
bola y que las restantes (n 2) cajas tengan cada una exactamente una bola. Entonces los Bj son
disjuntos y A =

n
j=2
Bj. Para calcular P(Bj) observamos que las dos bolas colocadas en la caja j
pueden ser elegidas de las n bolas en
_
n
2
_
maneras. Las (n 2) bolas en las (n 2) cajas restantes
pueden ser reordenadas en (n 2)! maneras. Por lo tanto el n umero de formas distintas en las que
podemos poner dos bolas en la caja j, ninguna bola en la caja 1 y exactamente una bola en cada una
de las cajas restantes es
_
n
2
_
(n 2)!. Por lo tanto
P(Bj) =
_
n
2
_
(n 2)!
n
n
y como consecuencia
P(A) =
(n 1)
_
n
2
_
(n 2)!
n
n
=
_
n
2
_
(n 1)!
n
n
.
2.4. Particiones
Una amplia variedad de problemas combinatorios que involucran muestras no ordenadas son del
siguiente tipo. Una caja tiene r bolas rojas y b bolas negras. Una muestra aleatoria de tama no n se
extrae de la caja sin reemplazo. Cual es la probabilidad de que dicha muestra contenga exactamente
k bolas rojas (y por lo tanto n k bolas negras)?
Para resolver el problema discutimos como sigue. Estamos interesados solamente en el n umero total
de bolas rojas y negras en la muestra y no en el orden en el cual estas son extradas. Esto es, estamos
tratando con muestreo sin reemplazo y sin importar el orden. Por lo tanto, para este problema podemos
tomar nuestro espacio de probabilidad a ser la coleccion de todas las
_
b+r
n
_
de tama no n que pueden
ser extradas de esta manera de las b +r bolas de la poblacion. Cada una de estas
_
b+r
n
_
muestras tiene
asignada la misma probabilidad
_
_
b+r
n
_
_
1
. Ahora debemos calcular el n umero de formas en la cuales
se puede extraer una muestra de tama no n que tenga exactamente k bolas rojas. Las k bolas rojas
pueden ser elegidas de las r bolas rojas totales en
_
r
k
_
maneras sin importar el orden, y las n k bolas
negras pueden ser elegidas de las b bolas negras sin importar el orden en
_
b
nk
_
maneras. Ya que se
puede aparear cada eleccion de k bolas rojas con cada eleccion de n k bolas negras, hay un total de
_
r
k
__
b
nk
_
opciones posibles. Por lo tanto la probabilidad deseada es
_
r
k
__
b
nk
_
_
r+b
n
_ .
La esencia de este tipo de problema es que la poblacion (en este caso las bolas) es particionada en
dos clases (bolas rojas y negras), Una muestra aleatoria de un cierto tama no se toma y requerimos la
probabilidad de que la muestra contenga un n umero especco de objetos de cada una de estas clases.
En algunos problemas de este tipo las dos clases no son especicadas explcitamente, pero pueden ser
reconocidas cuando se analiza el lenguaje del problema.
Ejemplo 10 Una mano de poker tiene 5 cartas extradas de un mazo ordinario de 52 cartas. Encuentre
la probabilidad de que la mano de poker tenga exactamente 2 reyes.
Para resolver el problema notemos que hay
_
52
5
_
manos de poker. En el mazo hay 4 reyes y otras
48 cartas. Esto parte las cartas en dos clases, reyes y no-reyes, teniendo cada una 4 y 48 elementos
respectivamente. La mano de poker es una muestra de tama no 5 extrada sin reemplazo y sin importar
el orden de estas 25 cartas. El problema entonces es el hallar la probabilidad de que en la muestra halla
2 miembros de la primera clase y 3 miembros de la segunda. Luego, la probabilidad requerida es
_
4
2
__
52
5
_
_
52
5
_ 3,99 10
2
.
Ejemplo 11 Un mazo para jugar a las cartas tiene 4 grupos de 13 cartas cada uno, a saber treboles,
diamantes, corazones y espadas.
(a)Cual es la probabilidad de que en una mano de 5 cartas halla exactamente 3 treboles?
(b)Cual es la probabilidad de que en una mano de 5 cartas halla exactamente 3 del mismo grupo?
Para resolver el problema (a) notemos que las condiciones del problema parten al mazo de 52 cartas
en dos clases, siendo la primera la clase de los treboles , teniendo 13 miembros, y siendo la segunda
la de otras excepto treboles, teniendo 39 miembros. Las 5 cartas constituyen una muestra de tama no
5 de una poblacion de 52 cartas, y el problema exige que 3 de estas 5 sean de la primera clase. Por lo
tanto la probabilidad requerida es
p =
_
13
3
__
39
2
_
_
52
5
_ 8,15 10
2
.
Para resolver (b), sea A1 el evento en el cual exactamente 3 cartas sean treboles, A2 el evento en el
cual exactamente 3 sean diamantes, A3 el evento en el cual exactamente 3 sean corazones y por ultimo
A4 el evento en el que exactamente 3 sean espadas. Entonces, como en la mano solamente hay 5 cartas,
los eventos A1, A2, A3 y A4 son mutuamente disjuntos. Su union, A1 A2 A3 A4 es el evento en
el cual exactamente 3 de las 5 cartas en la mano son del mismo grupo. Por lo tanto la probabilidad
requerida es 4p.
Ejemplo 12 Considere nuevamente una mano de poker de 5 cartas. Cual es la probabilidad de que
sea casa llena? (i.e., un par de cartas con el mismo valor y un trio de cartas con el mismo valor).
Asuma que las cartas se extraen aleatoriamente del mazo.
Para resolver este problema nuevamente notamos que hay
_
52
5
_
manos de poker posibles, siendo cada
una igualmente probable. De estas debemos calcular el n umero de maneras en las cuales podemos tener
un par y un trio. Considere el n umero de maneras en las cuales podemos escoger un trio particular,
digamos, 3 ases, y un par particular digamos 2 reyes. El trio tiene 3 cartas que seran extradas de los
cuatro ases sin observar el orden, y esto puede hacerse en
_
4
3
_
maneras. El par tiene dos cartas, las
cuales seran extradas de los cuatro reyes sin importar el orden. Podemos hacer esto de
_
4
2
_
maneras.
Entonces el n umero total de maneras de extraer una mano con un trio de ases y un par de reyes es
_
4
3
__
4
2
_
/
_
52
5
_
= p.
Claramente, esta probabilidad sera la misma para cualquier par especco y para cualquier trio en
especco. Ahora, el valor de las cartas del trio puede ser cualquiera de 13 posibles, y el valor de las
cartas en el par puede ser cualquiera de los 12 restantes. Ya que cada uno de los 13 valores del trio
puede asociarse con cada uno de los 12 valores del par, hay (13)(12) de tales opciones. Cada una de
estas opciones constituye un evento disjunto con probabilidad p, por lo tanto la probabilidad requerida
es
(13)(12)p =
(13)(12)(4)(6)
_
52
5
_ .
Ejemplo 13 En una mano de poker, Cual es la probabilidad de obtener exactamente dos pares? Aqu,
una mano como (2,2,2,2,x) no cuenta como dos pares, sino como una mano de cuatro cartas iguales.
Para resolver el problema notamos que si una mano tiene dos pares, entonces dos de las cartas tienen
un mismo valor x, otras dos cartas tienen otro valor en com un y, y = x, y la quinta carta tiene un
valor distinto de x y de y. Ahora, tenemos 13 valores distintos. Los valores de los dos pares pueden
ser elegidos de
_
13
2
_
maneras. La otra carta puede tener cualquiera de los restantes 11 valores. Las dos
cartas con valor x pueden ser elegidas de las 4 cartas de ese valor en
_
4
2
_
maneras y analogamente las
dos con valor y. La carta restante de valor z puede ser elegida de las cuatro cartas de ese valor en
_
4
1
_
= 4 maneras. Por lo tanto el n umero de opciones es
_
13
2
_
(11)
_
4
2
__
4
2
_
(4) y as, la probabilidad deseada
es
_
13
2
_
(11)
_
4
2
__
4
2
_
(4)
_
52
5
_ 4,75 10
2
En algunos problemas que involucran particiones, como el siguiente, las clases son imaginadas.
Ejemplo 14 Suponga que una caja contiene r bolas numeradas del 1 al r. Se extrae una muestra
aleatoria de tama no n sin reemplazo y se anotan los n umeros de las bolas as obtenidas. Estas bolas se
regresan a la caja, y se extrae una segunda muestra aleatoria de tama no m sin reemplazo. Encuentre
la probabilidad de que las dos muestras tengan exactamente k bolas en com un.
Para resolver este problema podemos distinguir como sigue. El efecto del primer muestreo es el
partir las bolas en dos clases,viz., aquellas n seleccionas y aquellas r n no seleccionadas. (Podemos
imaginar que las n bolas seleccionadas en la primer muestra se pintaron de rojo antes de ser devueltas a
la caja). El problema es entonces el encontrar la probabilidad de que la muestra de tama no m contenga
exactamente k bolas de la primera clase, as la probabilidad deseada es
_
n
k
__
rn
mk
_
_
r
m
_ .
Si el argumento se da a la inversa y si pensamos en que el segundo muestreo es el que marca las bolas,
encontraramos que la probabilidad es
_
m
k
__
rm
nk
_
_
r
n
_ .
Dejamos como ejercicio el mostrar que estas dos expresiones son iguales.
Podemos extender facilmente nuestra consideracion de partir una poblacion en dos clases a partirla en
m 2 clases. Suponga que tenemos un conjunto de r objetos tal que cada objeto sea de uno de m
tipos posibles. La poblacion consiste de r1 objetos del tipo 1, r2 objetos del tipo 2,. . . rm objetos del
tipo m, donde r1 + r2 + . . . + rm = r. Si se extrae una muestra aleatoria de tama no n sin reemplazo
de la poblacion de estos r objetos, Cual es la probabilidad de que la poblacion contenga exactamente
k1 objetos del tipo 1,. . .,km objetos del tipo m, donde k1 + k2 + . . . + km = n?
Una vez mas, el espacio de probabilidad es la coleccion de todas las
_
r
n
_
muestras equiprobables de
tama no n de esta poblacion. Los ki objetos del tipo i en la muestra pueden ser elegidos de los ri objetos
de dicho tipo sin importar el orden en
_
ri
ki
_
maneras. Por lo tanto la probabilidad de elegir la muestra
con dicha composicion es
_
r1
k1
__
r2
k2
_
. . .
_
rm
km
_
_
r
n
_ .
Ejemplo 15 En una mano de 13 cartas escogidas de un mazo ordinario, encuentre la probabilidad de
que este compuesta exactamente de 3 treboles, 4 diamantes, 4 corazones y 2 espadas.
en este problema r = 52, n = 13. Sea la clase 1 la de treboles, la clase 2 los diamantes, la tercera
los corazones y la clase 4 las espadas. entonces m = 4, k1 = 3, k2 = 4, k3 = 4 y k4 = 2, por lo tanto,
la probabilidad deseada es
_
13
3
__
13
4
__
13
4
__
13
2
_
_
52
13
_ .
Ejemplo 16 Problema del comite. En el problema del comite discutido con anterioridad, encuentre
la probabilidad de que el comite de 6 este compuesto por 2 profesores de tiempo completo, 3 profesores
asociados y 1 profesor asistente.
Utilizando el mismo metodo que arriba, encontramos que la respuesta es
_
25
2
__
15
3
__
35
1
_
_
75
6
_ .
2.5. Uni on de eventos*
Considere nuevamente la permutacion aleatoria de n objetos distintos. Decimos que ocurre un em-
parejamiento en la i-esima posicion si el i-esimo objeto se encuentra en la i-esima posicion. Sea
Ai el evento en el cual se halla un emparejamiento en la posicion i. Entonces A =

n
i=1
Ai es el evento
en el cual existe al menos un emparejamiento. Podemos calcular P (

n
i=1
Ai) para n = 2 por la ecuacion
(1.10) del Captulo 1, la cual establece que
P(A1 A2) = P(A1) + P(A2) P(A1 A2).
Es posible el utilizar esta formula para encontrar una similar para n = 3. Sean A1, A2 y A3 tres eventos
y pongamos B = A1 A2. Entonces
P(A1 A2 A3) = P(B A3) = P(B) + P(A3) P(B A3).
Ahora
(2.4) P(B) = P(A1 A2) = P(A1) + P(A2) P(A1 A2)
Como B A3 = (A1 A2) A3 = (A1 A3) (A2 A3) se sigue que
(2.5) P(B A3) = P(A1 A3) + P(A2 A3) P(A1 A2 A3).
Sustituyendo (2.4) y (2.5) en la expresion para P(A1 A2 A3) vemos que
P(A1 A2 A3) = [P(A1) + P(A2) P(A1 A2)] + P(A3)
[P(A1 A3) + P(A2 A3) P(A1 A2 A3)]
= [P(A1) + P(A2) + P(A3)]
[P(A1 A2) + P(A1 A3) + P(A2 A3)]
+ P(A1 A2 A3)
Para expresar mejor esta formula, hacemos
S1 = P(A1) + P(A2) + P(A3)
S2 = P(A1 A2) + P(A1 A3) + P(A2 A3)
S3 = P(A1 A2 A3).
Entonces
(2.6) P(A1 A2 A3) = S1 S2 + S3.
Existe una generalizacion de (2.6) que es valida para todo entero positivo n. Sean A1, A2, . . . , An
eventos. Denimos los n umeros Sr, 1 r n por
Sr =

1i1<<irn
P(Ai1
Air
).
Entonces, en particular
S1 =
n

k=1
P(Ak),
S2 =
n1

i=1
n

j=i+1
P(Ai Aj),
.
.
.
Sn = P(A1 An).
La formula deseada para P (A =

n
i=1
Ai) esta dada por:
(2.7) P
_
A =
n
_
i=1
Ai
_
=
n

r=1
(1)
r1
Sr = S1 S2 + + (1)
n1
Sn.
El lector puede comprobar facilmente que esta formula es compatible con (2.6) si n = 3 y con la
ecuacion (1.10) del Captulo 1 si n = 2. La demostracion de (2.7) procede por induccion, pero es muy
similar a la de (2.6). Omitiremos los detalles de la demostracion.
La suma S1 tiene n terminos, la suma S2 tiene
_
n
2
_
terminos, y en general, la suma Sr tiene
_
n
r
_
terminos. Para ver esto, note que la r-esima suma es solo la suma de los n umeros P(Ai1
Air
)
sobre todos los valores de los ndices i1, i2, . . . , ir tales que i1 < i2 < . . . < ir. Los ndices toman
valores entre 1 y n. Por lo tanto el numero total de valores distintos que pueden tomar estos ndices es
el mismo n umero con el que podemos r n umeros distintos de n sin reemplazo y sin importar el orden.
2.6. Problemas de emparejamientos*
Ahora podemos facilmente resolver el problema del n umero de emparejamientos. Sea Ai que denote el
evento en el cual ocurra un emparejamiento en la i-esima posicion y sea pn que denote la probabilidad de
que no ocurra ninguno. Para calcular 1pn = P (

n
i=1
Ai), necesitamos calcular P(Ai1
Ai2
. . .Air
)
donde i1, . . . , ir son r n umeros distintos de {1, 2, . . . , n}. Pero esto es solo la probabilidad de que halla
un emparejamiento en las posiciones {1, 2, . . . , n}, y ya hemos hallado que la probabilidad de que esto
suceda es (n r)/n!. Ya que la r-esima suma Sr tiene exactamente
_
n
r
_
terminos, vemos que
P(A1 An) =
n

r=1
_
n
r
_
(n r)!
n!
(1)
r1
=
n

r=1
(1)
r1
n!
r!(n r)!
(n r)!
n!
=
n

r=1
(1)
r1
r!
;
esto es,
(2.8) (1 pn) = 1
1
2!
+
1
3!
+
(1)
n1
n!
.
Utilizando (2.8) vemos que la probabilidad pn de que no ocurra emparejamiento alguno es
(2.9) pn = 1 1 +
1
2!

1
3!
+ +
(1)
n
n!
=
n

k=0
(1)
k
k!
.
Pero el lado izquierdo de (2.9) solo son los primeros (n+1) terminos de la expansion en serie de Taylor
de e
1
. Por lo tanto, podemos aproximar pn por e
1
. Resulta ser que esta aproximacion es notablemente
buena a un para valores peque nos de n. En la tabla de abajo calculamos los valores de 1 pn para
varios valores de n.
n 3 4 5 6
1 pn .667 .6250 .6333 .6320
Por lo tanto tenemos el resultado notable de que la probabilidad de que al ocurra al menos un
emparejamiento entre n objetos aleatoriamente permutados es practicamente independiente de n.
El problema de los emparejamientos puede ser replanteado en una amplia variedad de formas, siendo
una de las mas famosas la siguiente.
Dos mazos de cartas equivalentes son bien barajados y aparejados uno contra el otro. Cual es la
probabilidad de que halla al menos un emparejamiento?
Para resolver este problema solo necesitamos observar que el primer mazo puede ser utilizado para
determinar las posiciones (cajas). Entonces, sin perdida de generalidad podemos asumir que las cartas
en el primer mazo estan en el orden usual 1,2,. . . , n. Las cartas en el segundo mazo (las bolas) son
aparejadas en contra de las posiciones determinadas por el primer mazo. Un emparejamiento ocurre
en la posicion i si y solo si la i-esima carta extrada del segundo mazo es la carta n umero i.
Ahora que sabemos como calcular la probabilidad pn de que no ocurra emparejamiento alguno,
podemos encontrar facilmente la probabilidad n(r) de que halla exactamente r emparejamientos. Para
resolver este problema primero calculamos la probabilidad de que halla exactamente r emparejamientos
y que estos ocurran exactamente en los primeros r lugares. Esto pasa solo si en los (n r) lugares
restantes no hay ning un emparejamiento. La probabilidad de que no halla ning un emparejamiento
entre j objetos aleatoriamente permutados es pj, por lo tanto, j!pj es el n umero de formas en que j
objetos pueden ser permutados entre ellos sin que halla emparejamiento alguno. (Porque?) ya que
solo hay una manera de tener r emparejamientos en las primeras r posiciones, el n umero de maneras
en las cuales podemos tener exactamente r emparejamientos en las primeras r posiciones y ninguna
coincidencia en las (n r) posiciones restantes es (n r)!pnr. Por lo tanto la probabilidad requerida
es
r =
(n r)!
n!
pnr.
La probabilidad de que halla exactamente r emparejamientos y que ellos ocurran en cualesquiera r
posiciones especcas es la misma para todas las especicaciones, a saber, r.
Para resolver el problema de que halla exactamente r emparejamientos, todo lo que se necesita hacer
ahora es el observar que los eventos exactamente r emparejamientos en las posiciones i1, . . . , ir son
disjuntos para las variadas elecciones de i1, . . . , ir. Tal n umero de elecciones es
_
n
r
_
. Por lo tanto, la
probabilidad requerida es
_
n
r
_
r. Por lo tanto, si n(r) es la probabilidad de que existan exactamente
r emparejamientos entre n objetos permutados aleatoriamente, encontramos que
(2.10)
n(r) =
n!r
r!(n r)!
=
n!
r!(n r)!
(n r)!pnr
n!
=
pnr
r!
=
r
r!
_
1 1 +
1
2!
+ +
(1)
nr
(n r)!
_
.
Utilizando la aproximacion de que pnr es aproximadamente e
1
(la cual es demasiado buena para
n r moderadamente grande) encontramos que
(2.11) n(r)
e
1
r!
.
Como una ilustracion nal de estas ideas, calcularemos la probabilidad de que halla un emparejamiento
en el j-esimo lugar, dado que hubo exactamente r emparejamientos.
Para resolver este problema, sea Aj el evento en el cual ocurra un emparejamiento en el lugar j, y
sea Br el evento en el que exactamente r emparejamientos hallan ocurrido. La probabilidad deseada
es P(Aj|Br). De (2.10), P(Br) = pnr/r!, por lo tanto necesitamos calcular P(Aj Br). Ahora, el
evento Aj Br ocurre si y solo si hay un emparejamiento en el j-esimo lugar y exactamente (r 1)
emparejamientos entre los restantes (n1) lugares. El n umero de maneras en las cuales podemos tener
exactamente (r 1) emparejamientos en los restantes (n 1) lugares es (n 1)!n1(r 1). Por lo
tanto
P(Aj Br) =
(n 1)!n1(r 1)
n!
=
pnr
(r 1)!n
Por lo tanto
P(Aj|Br) =
pnr
n(r 1)!
r!
pnr
=
r
n
.
2.7. Problemas de ocupaci on*
Una gran variedad de problemas probabilsticos combinatorios son equivalentes al problema de dis-
tribuir n bolas distintas en r cajas diferentes. Ya que cada una de las n bolas puede estar en cualquiera
de las r cajas, en total hay r
n
maneras distintas de distribuir las bolas en las cajas. Asumiendo que las
bolas son distribuidas al azar en las cajas, cada una de estas r
n
maneras tiene probabilidad r
n
. Por lo
tanto, el espacio de probabilidad subyacente tiene r
n
puntos igualmente probables. En los problemas
que envuelven la distribucion de las bolas, impondremos varias condiciones en la ocupacion de las
cajas y pediremos la probabilidad de que ocurra nuestra situacion estipulada. Considere el siguiente
problema como primer ejemplo.
Si n bolas son distribuidas al azar en r cajas, Cual es la probabilidad de que ninguna caja tenga
mas de una bola?
Para resolver este problema debemos notar primero que la probabilidad requerida es 0 si n > r, por
lo tanto asumamos que n r. Entonces (pensando en distribuir las bolas de una en una) la primer
bola puede ir en cualquiera de las r cajas, la segunda en cualquiera de las restantes (r 1), etc., luego,
en total hay (r)n maneras distintas. La probabilidad requerida es entonces (r)n/r
n
.
Esta probabilidad es exactamente la misma que la de extraer una muestra de tama no n con reemplazo
de una poblacion de r objetos y siendo todos los objetos de la muestra distintos. Tambien note que r
n
es
el n umero de muestras de tama no n de una poblacion de r objetos distintos. Esto no es un accidente.
El efectuar muestreo aleatorio n veces con reemplazo es formalmente lo mismo que la distribucion
aleatoria de n bolas en r cajas. Para ver esto solo piense en distribuir las bolas en las cajas como
sigue. Primero tomamos una muestra aleatoria de tama no n de un conjunto de r objetos, y si el i-
esimo elemento de la muestra fue el j-esimo objeto colocamos la bola i en la caja j.Algunas veces es
conveniente el pensar de esta manera el muestreo aleatorio con reemplazo,i.e., como la distribucion
aleatoria de bolas en cajas (vea el problema del cupon al nal del captulo).
Considere la distribucion aleatoria de n bolas en r cajas. Cual es la probabilidad de que una bola
en especco, digamos la bola j, se encuentre en una caja en especco, digamos, la caja i?. Si la bola
j esta en la caja i entonces tenemos (n 1) bolas mas a distribuir en las r cajas sin restriccion alguna
sobre el lugar a donde vallan. La bola j puede ser puesta en las r cajas de r
n1
maneras. Por lo tanto
la probabilidad requerida es r
n1
/r
n
= r
1
.
Traducido al lenguaje del muestreo aleatorio vemos que en una muestra aleatoria de tama no n
extrada con reemplazo de una poblacion de r objetos es igualmente probable que el j-esimo elemento
en la muestra sea cualquiera de los r objetos.
Las consideraciones anteriores se extienden facilmente de una caja en especco a k cajas, 1 k r.
Dejamos como ejercicio el probar que la probabilidad de que k bolas especcas se encuentren en k
lugares especcos es justamente r
k
.En el lenguaje del muestreo aleatorio esto dice que si una muestra
de tama no n es extrada con reemplazo de una poblacion de r objetos, entonces la probabilidad de que
los elementos j1-esimo, . . ., jk- esimo en la muestra sean k objetos prescritos es r
k
.
Sea Aj(i) el evento en le cual el j-esimo elemento en la muestra sea el i-esimo elemento. Luego,
hemos dicho que para cualquier eleccion j1 < j2 < . . . < jk, 1 k n,de los elementos en la muestra
(i.e, bolas) y cualquier eleccion i1, i2, . . . , ik de objetos (i.e., cajas),
P(Aj1
(i1) Aj2
(i2) Ajk
(ik)) = r
k
.
Ya que P(Aj(i)) = r
1
para cualquier j e i, vemos que
(2.12) P(Aj1
(i1) Aj2
(i2) Ajk
(ik)) = P(Aj1
(i1)) P(Ajk
(ik)).
ya que esto es cierto para toda k y para todas las elecciones de j1, . . . , jk, vemos que para cualesquiera
i1, i2, . . . , in los eventos A1(i1), . . . , An(in) son mutuamente independientes.
Si pensamos en extraer una muestra aleatoria de tama no n de un conjunto de r objetos distintos
como una repeticion de n veces del experimento de elegir un objeto al azar de un conjunto de r
objetos distintos, entonces podemos ver que la declaracion de que los eventos A1(i1), . . . , An(in) son
independientes dice que el resultado de un experimento no tiene inuencia en el resultado de los otros.
Esto, desde luego, esta en buen acuerdo con nuestra nocion intuitiva de muestreo aleatorio.
Ejemplo 17 Suponga que n bolas se distribuyen al azar en r cajas. Encuentre la probabilidad de que
halla exactamente k bolas en las primeras r1 cajas.
Para resolver este problema observe que la probabilidad de que una bola dada este en una de las
primeras r1 cajas es r/r1. Piense en la distribucion de las n bolas como una repeticion de n-veces del
experimento de colocar una bola en una de las r cajas. Considere el experimento un exito si la bola
se coloca en una de las primeras r1 cajas, y un fracaso si ocurre lo contrario. entonces por nuestros
resultados en la Seccion 1.5, vemos que la probabilidad de que las primeras r1 cajas tengan exactamente
k bolas es
(2.13)
_
n
k
_
r1
r
k
_
1
r1
r
_
nk
.
2.8. N umero de cajas vacas*
Regresamos de nuevo a considerar la distribucion aleatoria de n bolas en r cajas y buscamos la
probabilidad pk(r, n) de que exactamente k cajas esten vacas.
Para comenzar a resolver el problema, sea Ai el evento en el cual la i-esima caja este vaca. Para
que ocurra este evento, todas las n bolas se deben encontrar en las (r 1) cajas restantes, y esto puede
ocurrir en (r 1) maneras. Por lo tanto P(Ai) = (r 1)
n
/r
n
= (1 1/r)
n
.
De manera similar, si 1 i1 < i2 < < ik r, entonces el evento Ai1
Ai2
Aik
ocurre si y solo si todas las bolas se encuentran en las (r k) cajas restantes. Consecuentemente,
P(Ai1
Ai2
Aik
) = (r k)
n
/r
n
= (1 k/r)
n
. Ahora podemos aplicar (2.7) para calcular la
probabilidad de A1 An, el cual es el evento en el cual al menos una caja este vaca. En esta
situacion Sk =
_
r
k
_
(1 k/r)
n
, as que utilizando (2.7) encontramos que
P(A1 Ar) =
r

k=1
(1)
k1
Sk =
r

k=1
(1)
k1
_
r
k
__
1
k
r
_
n
.
Por lo tanto la probabilidad p0(r, n) de que todas las cajas esten ocupadas es
(2.14)
p0(r, n) = 1 P(A1 Ar)
= 1

j = 1
r
(1)
j1
_
r
j
__
1
j
r
_
n
=
r

j=0
(1)
j
_
r
j
__
1
j
r
_
n
.
Como siguiente paso, calcularemos la probabilidad k(r, n) de que exactamente k cajas especcas
(digamos las primeras k) esten vacas. Este evento puede pasar solo si las n bolas se encuentran en
las (r k) cajas restantes y si ninguna de estas (r k) cajas esta vaca. El n umero de maneras en
las cuales podemos distribuir n bolas en r k cajas de tal manera que ninguna caja este vaca es
(r k)
n
p0(r k, n). La probabilidad requerida es, por lo tanto
(2.15) k(r, n) =
(r k)
n
p0(r k, n)
r
n
=
_
1
k
r
_
n
p0(r k, n).
Ahora podemos facilmente calcular las probabilidades pk(r, n). Para cada eleccion de
k n umeros distintos i1, i2, . . . , ik de un conjunto de n umeros {1, 2, . . . , n}, el evento
{exactamente k cajas i1, i2, . . . , ik vacas } tiene probabilidad k(r, n) y estos eventos son mutuamente
disjuntos. Hay
_
r
k
_
de tales eventos y su union es justamente el evento {exactamente k cajas vacas}.
Por lo tanto
(2.16) pk(r, n) =
_
r
k
__
1
k
r
_
n
p0(r k, n).
Utilizando la expresion para p0(r, n) dada en (2.13) vemos que
(2.17) pk(r, n) =
_
r
k
_rk

j=0
(1)
j
_
r k
j
__
1
j + k
r
_
n
.
As como el problema de emparejamientos, los problemas de ocupacion tienen varias reformulaciones.
Mencionamos abajo una de las mas famosas de estas.
Problema del cupon. En das actuales se colocan cupones o juguetes dentro de las cajas de cereal
para tentar a los jovenes compradores. Suponga que hay r tipos distintos de cupones o juguetes, y
que cualquier paquete es igualmente probable de contener cualquiera de ellos. Si se compran n cajas,
encuentre la probabilidad de
(a)Haber colectado al menos uno de cada tipo
(b)haber perdido exactamente k de los n tipos.
Ejercicios
1.-El codigo genetico especica un aminoacido por una sucesion de tres nucleotidos. Cada nucleotido
puede ser uno de cuatro tipos T,A,C o G, con repeticiones permitidas (Timina, Adenina, Citocina y
Guanina). Cuantos aminoacidos se pueden codicar de este modo?
2.-El codigo Morse consiste de una sucesion de puntos y guiones con repeticiones permitidas.
(a)Cuantas letras pueden ser codicadas utilizando exactamente n smbolos?
(b)Cual es el n umero de smbolos que se pueden codicar utilizando n o menos smbolos?
3.- Un hombre tiene exactamente n llaves de las cuales solo una abre un seguro.

El prueba las llaves
una a la vez, escogiendo en cada ensayo de las llaves que no ha probado anteriormente. Encuentre la
probabilidad de que la r-esima llave probada sea la correcta
4.-Un bus comienza con 6 personas y se detiene en 10 paradas distintas. Asumiendo que los pasajeros
tienen la misma probabilidad de bajarse en cualquier parada, encuentre la probabilidad de que no se
bajen dos pasajeros del bus al mismo tiempo.
5.-Suponga que se tienen r cajas. Las bolas se colocan al azar una a la vez dentro de las cajas hasta
que, por primera vez, alguna caja tenga dos bolas. Encuentre la probabilidad de que esto ocurra con
la n-esima bola.
6.-Una caja tiene r bolas etiquetadas 1,2,. . . , r. N bolas (donde N r) se seleccionan al azar de la
caja, se anotan sus n umeros y las N bolas son regresadas a la caja. Si este procedimiento es hecho r
veces, Cual es la probabilidad de que ninguna de las N bolas originales sea duplicada?
7.-Si Sam y Peter se encuentran entre n hombres formados al azar en una la, Cual es la probabilidad
de que halla exactamente k hombres parados entre ellos?
8.-Un domino es un bloque rectangular dividido en dos subrectangulos iguales como se ilustra abajo
Cada subrectangulo tiene un n umero en el, sean estos x y y (no necesariamente distintos). Ya que
x y
cada bloque es simetrico, la cha (x, y) es la misma que la (y, x). Cuantas chas de domino distintas
pueden crearse utilizando n n umeros distintos?
9.-Considere el problema de emparejar n objetos y sean i y r que denoten distintas posiciones
especcas.
(a)Cual es la probabilidad de que ocurra un emparejamiento en la posicion i y de que no ocurra en
la posicion r?
(b)Dado que no hay emparejamiento en la posicion r, Cual es la probabilidad de que halla un
emparejamiento en la posicion i?
10.-Suponga que n bolas se distribuyen en n cajas.
(a)Cual es la probabilidad de que exactamente una caja este vaca?Sugerencia:Utilize el resultado
del Ejemplo 9.
(b)Dado que la caja 1 esta vaca, Cual es la probabilidad de que solamente una caja este vaca?
(c)Dado que solamente una caja esta vaca, Cual es la probabilidad de que la caja 1 este vaca?
11.-Si n bolas se distribuyen al azar en r cajas, Cual es la probabilidad de que la caja 1 tenga
exactamente j bolas, 0 j n?
12.-Muestre que
_
1
n 1
s
_
n1

(s)n
s
n

_
1
1
s
_
n1
.
13.-Una caja tiene b bolas negras y r bolas rojas. Las bolas son extradas de la caja una a la vez
sin reemplazo. Encuentre la probabilidad de que la primer bola negra seleccionada se extraiga en el
n-esimo intento.
El siguiente problema pertenece a manos de poker. Un mazo tiene 52 cartas. Estas cartas consisten
de 4 grupos llamados treboles, diamantes, corazones y espadas. Cada grupo tiene 13 cartas etiquetadas
2,3,. . . ,10,J,Q,K,A. Una mano de poker consiste de 5 cartas extradas del mazo sin reemplazo y sin
importar el orden. Se considera que los siguientes tipos de manos de poker estan en sucesion:A,2,3,4,5;
2,3,4,5,6; . . .; 10,J,Q,K,A.
14.-Calcule la probabilidad de que ocurra cada una de las siguientes manos de poker:
(a)Royal ush((10,J,Q,K,A) del mismo grupo);
(b)Straight ush(cinco cartas del mismo grupo en sucesion);
(c)Four of a kind (valores de la forma (x, x, x, x, y) donde x y y son distintos);
(d)Full house (Valores de la forma (x, x, x, y, y) donde x y y son distintos);
(e)Flush (cinco cartas del mismo grupo)
(f)Straight (cinco cartas en sucesion sin importar el grupo);
(g)Three of a kind (valores de la forma (x, x, x, y, z), donde x, y y z son distintos);
(h)Two pairs (Valores de la forma (x, x, y, y, z), donde x, y y z son distintos);
(i)One pair (valores de la forma (w, w, x, y, z)) donde w, x, y y z son distintos).
15.-Una caja tiene 10 bolas etiquetadas 1, 2, . . . , 10. Suponga que se selecciona una muestra aleatoria
de tama no 3. Encuentre la probabilidad de que las bolas 1 y 6 se encuentren entre las tres bolas
seleccionadas.
16.-Se reparten cartas de un mazo ordinario para jugar a cartas una a la vez hasta que aparece el
primer rey. Halle la probabilidad de que ocurra esto cuando se reparte la n-esima carta.
17.-Suponga que se toma una muestra de tama no n de una poblacion de r elementos. encuentre la
probabilidad de que ninguno de k elementos prescritos se encuentre en la muestra si el metodo utilizado
es
(a)muestreo sin reemplazo;
(b)muestreo con reemplazo.
18.-Suponga que se extrae una muestra de tama no n de una poblacion de r objetos sin reemplazo.
Encuentre la probabilidad de que k objetos dados se encuentren en dicha muestra.
19.-Suponga que n objetos se permutan al azar entre ellos. Pruebe que la probabilidad de que k
objetos especcos ocupen k posiciones especcas es (n k)!/n!.
20.-Con referencia al Ejemplo 14, muestre que
_
n
k
__
rn
mk
_
_
r
m
_ =
_
m
k
__
rm
nk
_
_
r
n
_
21.-Una caja contiene 40 fusibles buenos y 10 malos. Si se seleccionan 10 fusibles, Cual es la
probabilidad de que todos sean buenos?
22.-Cual es la probabilidad de que una mano de bridge junta de norte a sur (un total de 26 cartas)
contenga exactamente 3 ases?
23.-Cual es la probabilidad de que si se extraen 4 cartas de un mazo, 2 sean negras y 2 sean rojas?
24.-Encuentre la probabilidad de que una mano de poker de 5 cartas no contenga carta alguna menor
a 7, dado que contienen al menos 1 carta mayor que 10, donde los ases se tratan como cartas altas.
25.-Si tienes 3 boletos para una lotera para la cual se vendieron n boletos y se entregaran 5 premios,
Cual es la probabilidad de que ganes al menos 1 premio?
26.-Una caja de 100 arandelas contiene 5 defectuosas. Cual es la probabilidad de que 2 arandelas
seleccionadas al azar de la caja (sin reemplazo) sean buenas?
27.-Dos cajas tienen r bolas etiquetadas 1, 2, . . . , r. Se extrae una muestra aleatoria de tama no n r
con reemplazo de cada caja. Encuentre la probabilidad de que las muestras contengan exactamente k
bolas que tengan los mismos n umeros en com un.