Professional Documents
Culture Documents
Gua de estudio
1. Definiciones bsicas
2. Funcin de probabilidad
3. Tcnicas de conteo
4. Probabilidad condicional
5. Ejercicios
holgerb@server.epn.edu.ec
holgerben@hotmail.com
agosto 2007
1. Definiciones bsicas
Conjunto muestral
Un experimento aleatorio es el proceso mediante el cual se obtiene al azar una observacin o medicin de un
fenmeno. El conjunto muestral es aquel que contiene todos los resultados posibles del experimento y se lo
denota por .
Ejemplo 1: Cada vez que lanzamos un dado y observamos el nmero de la cara superior estamos realizando un
experimento aleatorio. En cada lanzamiento no conocemos con certeza el nmero que obtendremos, aunque
sabemos que los resultados posibles son seis: cualquiera de los nmeros del 1 al 6. Luego, el conjunto
muestral de este experimento es = {1, 2, 3, 4, 5, 6}, donde cada elemento de representa uno de los
nmeros que se obtendran al realizar el experimento.
Evento
Un evento es cualquier subconjunto del conjunto muestral.
Hay dos eventos que siempre estarn presentes: el conjunto vaco por ser subconjunto de cualquier
conjunto y, el mismo conjunto muestral que es subconjunto de s mismo.
Se conoce como cardinal de un conjunto al nmero de elementos que tiene dicho conjunto.
Si el cardinal de un evento es uno, se dice que es un evento simple o un evento elemental. As, si w es un
resultado cualquiera del experimento, {w} es un evento simple.
Se dice que un evento tiene lugar o sucede en un experimento si el resultado observado en el experimento
pertenece al evento.
Si dos eventos son disjuntos (no tienen elementos en comn), se dice que son mutuamente excluyentes o
incompatibles.
- Supongamos que lanzamos este momento un dado y sale el nmero 3, entonces el evento simple D ={3}
ha sucedido. Tambin el evento sale un nmero impar habr sucedido, ya que el resultado 3 es un
elemento del evento B ={1, 3, 5}.
- Los eventos: sale un nmero par, E ={2, 4, 6}, y sale un nmero impar, B ={1, 3, 5}, son disjuntos, pues
no tienen elementos en comn y nunca podrn suceder los dos al mismo tiempo.
- El conjunto muestral es ={ (cara, cara), (cara, sello), (sello, cara), (sello, sello)}, donde el primer
trmino de cada dupla indica el lado de la moneda obtenido en el primer lanzamiento, y el segundo
trmino el lado obtenido en el segundo lanzamiento. Si utilizamos la abreviacin c para cara, y s para
sello, el conjunto muestral se escribe ={ (c, c), (c, s), (s, c), (s, s)}.
- El evento se obtiene a lo mucho una cara, es A= { (c, s), (s, c), (s, s) }.
Ejemplo 4: Supongamos que de un curso de 25 estudiantes nos interesa observar el nmero de estudiantes que
llegan atrasados a una clase, entonces:
Ejemplo 5: Despus de fabricado un foco se somete a una prueba de duracin y se deja funcionando hasta que
falle. Interesa observar el tiempo de funcionamiento en horas hasta el momento de la falla.
El evento, el foco dura ms de 24.4 horas pero no sobrepasa las 40, es el intervalo A=]24.4; 40].
El evento anterior A es disjunto con el evento, el foco sobrepasa las 100 horas de funcionamiento,
representado por B= ]100; + [ = {t: t>100}.
Definicin
Una funcin de probabilidad P es cualquier funcin definida sobre un conjunto muestral , que otorga a
cada evento un nico nmero real entre 0 y 1, y que adems, cumple con las dos condiciones siguientes:
2- Si tenemos una secuencia numerable de eventos mutuamente excluyentes A1, A2, A3..., entonces la
probabilidad de la unin de todos los eventos es igual a la suma de sus probabilidades:
Para expresar una probabilidad se utiliza el lenguaje de los conjuntos. Por ejemplos:
P(AB): se lee la probabilidad de que suceda el evento A o suceda el evento B. Para que suceda el
evento unin (AB), basta que suceda uno de los eventos.
P(AB): se lee la probabilidad de que suceda el evento A y suceda el evento B. Para que suceda el
evento interseccin (AB), tienen que suceder los dos eventos al mismo tiempo.
Para asignar probabilidades a los eventos de un conjunto muestral se recurre a cualquiera de las dos reglas
siguientes, cuidando de verificar que las condiciones requeridas se cumplan:
En el caso en que el cardinal de sea N y todos los resultados tengan la misma probabilidad de ocurrir;
entonces, para cualquier evento A de cardinal n se tiene que:
P(A) = n/N
Entonces, por la segunda condicin de la funcin probabilidad, ya que los eventos simples son
mutuamente excluyentes, tendremos que:
En otras palabras, la probabilidad del evento A es igual a la suma de las probabilidades de los resultados
posibles que lo conforman considerados como eventos simples.
Ejemplo 6: Consideremos nuevamente el lanzamiento de un dado legal. En este experimento, todos los posibles
resultados tienen la misma probabilidad de ocurrir y el conjunto muestral contiene 6 resultados posibles.
- La probabilidad del evento G={2,4,6}, sale un nmero par, es P(G)= 3/6 (3 resultados favorables de
6 posibles).
Ejemplo 7: Ahora, el experimento es lanzar 2 monedas, una moneda roja y una moneda azul, y nos interesa
observar el nmero de caras que se obtienen.
Si nos fijamos, en este caso los resultados no son equiprobables. Al lanzar las dos monedas podemos
obtener cualquiera de estos 4 resultados: (s,s), (s,c), (c,s) y (c,c), donde el primer trmino de la dupla indica
el lado obtenido en la moneda roja y el segundo trmino el lado que muestra la moneda azul. Sin embargo,
estos 4 resultados no son los que buscamos, lo que nos interesa contar es el nmero de caras y no la manera
como se presentan las caras y los sellos. Luego, el conjunto muestral que nos interesa es:
= {0, 1, 2}
donde, cada resultado indica el nmero de caras obtenidas. Las probabilidades de ocurrencia de los
resultados es:
- Obtenemos 0 caras si ambas monedas indican sellos: (s,s), lo que sucede en una de 4 ocasiones.
- Obtenemos 1 cara si solo una de las monedas presenta una cara: (s,c) o (c,s), lo que ocurre en 2 de 4
oportunidades.
- Obtenemos 2 caras si ambas monedas muestran caras: (c,c), lo que pasa en una de 4 ocasiones.
Por tanto, la funcin de probabilidad de este experimento es: P({0})=1/4, P({1})=2/4 y P({2})=1/4.
Adems, observemos que la funcin de probabilidad sera la misma sin pintar las monedas.
P(A) = 1 P(A)
3- Para dos eventos cualquiera, A y B, la probabilidad de que suceda A o suceda B, est dada por:
Si estamos seguros que los eventos A y B son disjuntos, la probabilidad de que suceda A o suceda B,
por la primera propiedad se simplifica a P(AB) = P(A) + P(B), ya que en este caso, AB= .
4- Para tres eventos cualquiera, A, B y C, la probabilidad de que suceda A o suceda B o suceda C, es:
Ejemplo 8: Para un cierto experimento el conjunto muestral es ={3, 4, 5, 6, 7, 8, 9, 10}, con funcin de
probabilidad dada por:
k 3 4 5 6 7 8 9 10
P({k}) 0.15 0.10 0.10 0.05 0.15 0.20 0.15 0.10
- Ya que A y B son eventos disjuntos, el evento sucede A o sucede B tiene por probabilidad:
Cuando el cardinal de es pequeo, es fcil determinar el total de resultados posibles. Sin embargo, en
ciertas ocasiones, el cardinal de puede ser tan grande que un conteo directo resultara tedioso y difcil,
siendo aqu, donde se utiliza las tcnicas de conteo.
Principios de conteo
1. Si una actividad puede realizarse en t pasos, donde el paso 1 se puede efectuar de n1 formas, el paso 2
de n2 formas, y as, hasta el paso t que puede efectuarse de nt formas; entonces, el nmero total de
maneras de realizar la actividad es n1 n2 ... n t.
A1 A2 ... Am = A1 + A2+...+Am
Si no tenemos la certeza de que los conjuntos son mutuamente excluyentes, el cardinal de la unin de dos
o tres conjuntos debemos calcularlo mediante:
A B = A + B-A B
Ejemplo 9: Una comisin de 6 personas conformado por Alicia, Benjamn, Clara, Adolfo, Edgardo y Francisco
debe escoger una directiva formada por un presidente, un secretario y un tesorero.
Consideremos que la actividad que tenemos que ejecutar es escoger la directiva. La actividad la
podemos realizar en 3 pasos: elegir el presidente, elegir el secretario y elegir el tesorero.
- Al presidente lo podemos escoger de cualquiera de los 6 miembros (6 formas de realizar el
primer paso)
- Una vez elegido el presidente, podemos seleccionar al secretario de cualquiera de los 5
miembros restantes (5 formas de realizar el segundo paso)
- Por ltimo, elegimos al tesorero de cualquiera de los 4 miembros que quedan (4 formas de
realizar el tercer paso).
Por tanto, por el primer principio de conteo, el nmero total de directivas distintas es 6*5*4 = 120.
- Primero entreguemos un cargo a Edgardo, lo podemos hacer de 3 formas; una vez realizado
esto, nos quedan 2 cargos por repartir.
- El primer cargo vacante lo puede ocupar cualquiera de las otras 5 personas.
- El segundo cargo vacante, cualquiera de las 4 personas restantes.
Por tanto, la respuesta es 3*5*4=60.
- Definamos el conjunto A={ directivas con Adolfo como presidente}, este conjunto tendr 5*4
directivas, pues si Adolfo es presidente, solo tenemos que elegir secretario y tesorero.
- Definamos el conjunto B={ directivas con Alicia como presidenta}, este conjunto tendr 5*4
directivas, pues si Alicia es presidenta, solo tenemos que elegir secretario y tesorero.
Como ambos conjuntos son disjuntos, ya que Adolfo y Alicia no pueden ser presidentes al mismo
tiempo, el total de directivas buscadas ser AB = A+B = 5*4 + 5*4= 40.
Permutaciones y combinaciones
n! Pn
C nr = = r
(n r )!r! r!
Un detalle importante que ayuda a plantear problemas es que en las permutaciones importa el orden de los
elementos, mientras que en las combinaciones no. Por ejemplo, cosa es una permutacin de 4 letras
tomada del alfabeto, y, {c, o, s, a} es una combinacin de 4 letras tomada del alfabeto. Otra permutacin
de 4 letras diferente a la anterior es asco, ya que en las palabras el orden de las letras es importante para
mantener su significado as sean las mismas letras; mientras que, {a, s, c, o} es la misma combinacin
anterior, pues en los subconjuntos no importa el orden en que se presenten sus elementos con tal que sean
los mismos. Entonces, a las permutaciones las podemos asociar con palabras y a las combinaciones con
subconjuntos.
Ejemplo 10: Consideremos el conjunto A={a, b, c, d}. El nmero de permutaciones distnintas de 3 elementos que
se pueden formar son P34 = 24, y son las siguientes:
En este ejemplo tenemos que la relacin entre el nmero de combinaciones y el nmero de permutaciones es
3!* C 3 = P34 , por lo que el total de permutaciones es 3! =6 veces mayor que el total de combinaciones. El
4
siguiente diagrama indica como 6 permutaciones estn relacionadas con solo una combinacin:
Ejemplo 11: Consideremos el conjunto Z={A, B, C, D, E, F}. Cuntas permutaciones contienen la palabra DEF
en este orden?
Este planteamiento es equivalente a contar las palabras diferentes que se pueden formar con el conjunto
W= { A, B, C, DEF }, donde DEF se considera como una sola letra. Por tanto, para la primera letra de la
palabra tenemos 4 candidatas, para la segunda 3 candidatas, para la tercera 2 candidatas y para la cuarta
letra 1 candidata; luego, por el primer principio de conteo, existirn 4*3*2*1 = 4! palabras o
permutaciones con la palabra DEF en este orden.
Ejemplo12: Se tiene un lote de 100 artculos, Cuntas muestras distintas de 10 artculos se pueden extraer?
Ejemplo 13: Una caja contiene 90 tornillos buenos y 10 malos. Se toman 40 tornillos de una vez. Cul es la
probabilidad de sacar 38 tornillos buenos?
Calculemos la probabilidad, razonando bajo el esquema de casos favorables sobre casos posibles.
Los casos favorables son las muestras de tamao 40 que contengan exactamente 38 tornillos buenos.
Para tener una muestra de este tipo, deberamos tomar 38 tornillos del grupo de los buenos y 2 tornillos
del grupo de los malos:
El total de maneras de tomar 38 tornillos de los 90 buenos es C3890 .
10
El total de formas de tomar 2 tornillos de los 10 malos es C 2 .
Por el principio de conteo, el nmero total de maneras de tomar los 38 tornillos buenos y los 2
malos, es C3890 C 210 .
90
Luego, la probabilidad pedida, casos favorables sobre casos posibles, es: C38 100
C 210 / C40 .
Para encontrar lo pedido, razonemos de tal manera que podamos aplicar el primer principio de conteo:
- En la baraja hay 13 montones de 4 cartas, uno por denominacin (un montn de 4 ases, un montn de 4
dos, etc.). Escojamos ahora los 3 montones que participarn en la conformacin de la mano. El total de
formas en que podemos escoger 3 montones de los 13 montones es C313 .
- De los 3 montones seleccinados debemos escoger de cual de ellos vamos a sacar una sola carta, lo que
3
podemos hacerlo de 3 formas diferentes, C1 . Una vez elegido este montn, de los otros dos montones
sacaremos una pareja de cartas de cada uno.
4
- Del montn del que vamos a sacar una carta, podemos elegir la carta de 4 formas distintas, C1 .
- De cualquiera de los montones, de los que necesitamos sacar una pareja de cartas, podemos obtener
C 24 parejas distintas.
Por tanto, el nmero total de manos que contienen dos parejas es C313 *3*4* C 24 * C 24 .
Ejemplo15: Cuntas palabras diferentes de ocho letras se pueden formar con las letras del conjunto
M={P,A,P,A,N,A,T,A}?
- Las maneras posibles de escoger 2 espacios de 8 para llenarlos con las letras P, es C 28 .
- Al poner las letras P, quedarn 6 espacios vacos. De esos 6 espacios, existirn C46 formas de escoger 4
espacios para llenarlos con las letras A.
- Al situar las letras P, quedarn 2 espacios vacos. Luego, para poner la letra N habr 2 elecciones
posibles.
- Colocada la letra N, quedar solamente una alternativa para la letra T.
Por el primer principio de conteo, el total de palabras distintas ser igual a C 28 * C46 *2*1.
Ejemplo 16: Se dispone de por lo menos de 6 libros de clculo, de 6 libros de fsica y de 6 libros de historia. De
cuntas maneras se pueden elegir 6 libros?
Por ejemplo, tomar 4 libros de clculo, ninguno de fsica y 2 de historia, es una de las maneras que tenemos
que contabilizar. Esta eleccin la representaremos mediante el diagrama:
donde los asteriscos representan los libros tomados y las barras son las que se necesita para dividir las 3
asignaturas. Entonces, cualquier manera buscada puede representarse mediante este diagrama; por
ejemplo, si se toman 2 libros de clculo, 1 libro de historia y 3 libros de fsica, la representacin
correspondiente es:
As, el total de maneras de tomar los 6 libros coincide con el total de permutaciones distintas que podemos
lograr con los 6 asteriscos y las 2 barras, esto es, C 28 .
La probabilidad condicional P(A/B), indica la probabilidad de que ocurra el evento A cuando se da por
hecho que el evento B ha ocurrido.
Consideremos los eventos: A={e1, e4, e6} y B={e3, e4, e5, e6, e7}.
Calculemos la probabilidad condicional P(A/B). Como conocemos las probabilidades de los eventos
simples, tenemos que:
La probabilidad de que ocurra el evento B, es P(B)=0.70.
La interseccin de los eventos A y B, es AB={ e4, e6}, que tiene una probabilidad igual a 0.25.
Entonces, aplicando la definicin de probabilidad condicional, tenemos:
Ejemplo 18: Una universidad tiene 3 carreras: ciencias, administracin e ingeniera. Ningn estudiante sigue
dos o tres carreras a la vez. Del registro de inscripcin se obtuvo la informacin siguiente:
Para revisar conceptos, supongamos que seleccionamos al azar un estudiante, calculemos algunas
probabilidades:
- La probabilidad de que estudie ingeniera es igual al nmero de casos favorables (250 estudiantes)
sobre el nmero de casos posibles (1000 estudiantes), 250/1000= 0.25.
- La probabilidad de que estudie ciencias y sea mujer es 100/1000= 0.1. Aqu, los casos favorables
estn en la interseccin de la columna ciencias y la fila mujeres.
- La probabilidad de que estudie ciencias o ingeniera, es: 350/1000 + 250/1000 = 0.6, porque la
interseccin es vaca ya que no existen estudiantes que estn en ciencias y en ingeniera.
Directo: como sabemos que es mujer, los casos posibles son 200 mujeres. De estas, 50 son las que
estudian ingeniera. Luego, los casos favorables sobre los casos posibles nos da 50/200 = 0.25.
- La probabilidad de que sea hombre conociendo que estudia ciencias es igual a 0.25/0.35 = 0.714.
Ejemplo 19: Se dispone de una urna con 10 bolas negras y 6 bolas rojas. Se extrae una bola y se la vuelve a
depositar junto con 3 bolas adicionales del mismo color. Luego se hace una segunda extraccin.
Calcular la probabilidad de que en la segunda extraccin la bola sea negra.
La probabilidad pedida no se la puede calcular directamente ya que, el nmero de bolas negras y rojas
disponibles en la segunda extraccin depende de la bola obtenida en la primera extraccin.
Los casos en que las bolas extradas resulten rojas estn implcitamente considerados en los eventos
complementarios de los eventos definidos A y B:
El evento B se puede poner como la unin de dos eventos disjuntos: B= (AB) (AB). Esto es la
representacin simblica de lo que diramos con palabras:
Para que la segunda bola sea negra debemos considerar solo dos casos: la primera bola fue negra y
la segunda bola es negra, o, la primera bola fue roja y la segunda bola es negra.
Si hallamos las probabilidades de (AB) y (AB), tendremos la probabilidad buscada de que ocurra el
evento B, ya que P(B)= P(AB)+ P(AB).
Para hallar las probabilidades de las intersecciones que necesitamos, realizaremos dos pasos: encontrar
una probabilidad condicional fcil de calcular y que tenga la interseccin buscada en el numerador, y
luego, despejar la probabilidad de la interseccin.
La probabilidad de que la segunda bola sea negra dado que la primera fue negra es P(B/A)= 13/19;
ya que si la primera bola fue negra, se deposito esta bola y 3 bolas negras adicionales. Entonces,
para la segunda extraccin habra 19 bolas, 13 negras y 6 rojas; luego, la probabilidad de que la
segunda bola sea negra en estas condiciones es 13/19.
Como P(B/A)= P(AB)/P(A), despejando obtenemos que P(AB)= P(A)* P(B/A). Ahora, la
probabilidad de que la primera bola sea negra se puede calcular directamente, ya que para la
primera extraccin existen 10 bolas negras y 6 rojas, por tanto, P(A)= 10/16. Entonces, la
probabilidad de que A y B sucedan al mismo tiempo es P(AB)=(10/16)* (13/19)= 0.428.
La probabilidad de que la segunda bola sea negra dado que la primera fue roja es P(B/A)= 10/19;
ya que si la primera bola fue roja, se deposito esta bola y 3 bolas rojas adicionales. Entonces, para la
segunda extraccin habra 19 bolas, 10 negras y 9 rojas; luego, la probabilidad de que la segunda
bola sea negra en estas condiciones es 10/19.
Como P(B/A)= P(AB)/P(A), despejando obtenemos que P(AB)= P(A)* P(B/A). Como la
probabilidad de que la primera bola sea roja es P(A)= 6/16, resulta que la probabilidad de que A y
B sucedan a la vez es P(AB)=(6/16)* (10/19)= 0.197.
Independencia
Si los eventos A y B son independientes, se tiene que P(A/B)= P(A). En otros trminos, el hecho de que
haya sucedido o no el evento B, no influye sobre la probabilidad de ocurrencia del evento A.
De similar manera, si los eventos A y B son independientes, tambin se tiene que P(B/A)=P(B).
P(AB)= P(A)P(B)
P(AC)= P(A)P(C)
P(BC)= P(B)P(C)
P(ABC)= P(A) P(B) P(C)
Si tenemos dos eventos disjuntos no implica que los eventos sean independientes. Dos eventos son
disjuntos cuando no tienen resultados en comn, una definicin de conjuntos; mientras, que la
independencia es un concepto probabilstico.
El conjunto muestral tiene 36 resultados posibles, que los podemos representar por duplas, donde la
primera componente indica el resultado del primer lanzamiento y la segunda componente el resultado
del segundo lanzamiento; adems, los resultados son equiprobables.
- Al evento A le corresponden 18 duplas, las que tienen en la primera componente el 2, el 4 o el 6, y
cualquiera nmero en la segunda, por lo que, P(A)=18/36.
- Al evento B le corresponden 6 de esas duplas, las que tienen en la primera componente cualquier
nmero y el nmero 3 en la segunda componente; de donde, P(B)=6/36.
- La interseccin de estos eventos contiene las duplas con el 2, el 4 o el 6 en la primera componente, y
el 3 en la segunda componente; por lo que, P(AB)=3/36.
Ejemplo 21: Se lanza un dado 2 veces y se observa la suma de los nmeros que salen. Sea A el evento en el
primer dado sali el 5 y sea B el evento la suma de los dos dados es 7. Veamos algunos resultados:
Particin
Los m eventos A1, A2, ..., Am del conjunto muestral constituyen una particin del mismo, si son
mutuamente excluyentes, de probabilidad distinta de cero y su unin reproduce al conjunto muestral.
Para asimilar la definicin de particin, podemos relacior el conjunto muestral con un rompecabezas de
200 fichas. Las 200 fichas constituyen una particin del conjunto muestral.
Dada una particin A1, A2, ..., Am, de , para cualquier evento B del conjunto muestral, se tiene que:
P(B) = P(A1) P(B / A1) + P(A2) P(B / A2) + .... + P(Am) P(B / Am)
Dada una particin A1, A2, ..., Am, de , para cualquier evento B con P(B)>0, se tiene que:
P( Ak ) P( B / Ak )
P( Ak / B) =
P( A1 ) P( B / A1 ) + P( A2 ) P( B / A2 ) + ... + P( Am ) P( B / Am )
Ejemplo 22: Existen dos mtodos C y D para ensear a los trabajadores cierta habilidad industrial. El porcentaje
de fracasos es 20% para C y 10% para D. Sin embargo, D cuesta ms y por esto se utiliza solamente en el
30% de los entrenamientos (se utiliza C en el otro 70%). El jefe de operaciones descubre que el desempeo
de un trabajador indica un mal entrenamiento. Cul es la probabilidad de que haya recibido el
entrenamiento con el mtodo C?
Antes de aplicar la regla de Bayes tenemos que identificar sus componentes. El conjunto muestral est
constituido por todos los trabajadores entrenados, de donde, la particin la constituyen los trabajadores
entrenados con el mtodo C y los entrenados con el mtodo D. El evento B, es el trabajador mal
entrenado. Entonces, la probabilidad de que se haya utilizado el mtodo C sabiendo que el trabajador
est mal entrenado es:
P (C ) P ( B / C ) 0.70 * 0.20
P (C / B ) = = = 0.82
P (C ) P ( B / C ) + P ( D ) P ( B / D ) 0.70 * 0.20 + 0.30 * 0.10
La probabilidad condicional y la frmula de Bayes son la base de una rama de la Estadstica, conocida
como Estadstica Bayesiana. Una de las principales aplicaciones de la Estadstica Bayesiana se tiene en la
toma de decisiones en condiciones de incertidumbre, cuando necesitamos elegir un curso de accin bajo
factores externos que escapan de nuestro control, tales como condiciones sociopolticas, estados de
tiempo, preferencia de los consumidores, huelgas, cambios tecnolgicos, medio ambiente, etc. Aunque
todava es muy temprano para adentrarnos en este campo, veamos un ejemplo simplificado.
Ejemplo 23: A las 6 horas del 6 de octubre de 1999, la probabilidad de que el Guagua Pichincha expulse una
cantidad de ceniza que afecte a la ciudad de Quito era de 0.35, por lo que era ms probable que no exista
ninguna emisin de ceniza en ese da. A las 12 horas del mismo da, los instrumentos indicaron que habra
una emisin de cenizas. Los instrumentos del Geofsico de la EPN utilizados para monitorear el volcn
tienen una confiabilidad del 95%; esto es, los instrumentos en ocasiones pasadas han acertado un 95% de
las veces en detectar emisiones de ceniza, y tambin, han acertado el 95% de las veces que indicaban que no
habra emisin de ceniza. Cul era la probabilidad de que en lo que restaba del da tenga lugar una
emisin de cenizas?
Ahora utilicemos la informacin disponible a las 12 del da para construir la siguiente tabla:
A las 12 del da los instrumentos indicaban una emisin de ceniza. Por el dato de la confiabilidad de los
instrumentos, se saba que la probabilidad de que indiquen una emisin de ceniza cuando en realidad
esta sucede, era P(D/E1 )= 0.95, y que, la probabilidad de equivocarse, indicando una emisin de ceniza
cuando en realidad no aconteci dicha emisin, era P(D/E2 )= 0.05.
A esta altura, los volcanlogos estuvieron en la capacidad de pronosticar el nuevo estado del volcn,
pues podan calcular la nueva probabilidad de que el volcn emita ceniza dado que los instrumentos as
lo indicaban, mediante la definicin de probabilidad condicional:
La nueva probabilidad de que el volcn no emita ceniza a pesar de que los instrumentos as lo indicaban,
es 1-0.911= 0.089, que tambin se la puede calcular con la definicin de probabilidad condicional:
Observemos como la nueva informacin de los instrumentos recogida a las 12 del da, origina que la
probabilidad de una emisin de ceniza pase del 35%, a las 6 de la maana, a una probabilidad del
91.1% a las 12 del da.
Como se dijo al inicio, esta es una ejemplificacin sencilla de la manera en que las probabilidades
pueden ayudar a mejor nuestro conocimiento de acontecimientos futuros con el fin de que las acciones
que emprendamos en el presente tengan el mnimo de inconvenientes posteriores.
5- a- A y B son eventos mutuamente excluyentes. Se sabe que P(A)=0.20 y P(B)=0.30. Cul es la probabi-
lidad de que no suceda A y no suceda B?
b- A y B no son eventos mutuamente excluyentes. Si P(A)=0.20, P(B)=0.30 y P(AB)= 0.10. Cul es la
probabilidad de que ninguno de los dos eventos suceda?
c- Si P(A)=0.20 P(B)=0.30 y P(AB)= 0.10. Cul es la probabilidad de que solamente uno de los dos
eventos ocurra?
6- Una compaa manufacturera tiene dos expendios al menudeo. Se sabe que el 30% de los clientes
compran productos slo en la tienda 1, el 50% solo compra en la tienda 2, el 10% compra en las tiendas 1
y 2, y el 10% de los consumidores no compra en ninguna de las dos. Sea A el evento de que un cliente
potencial, seleccionado al azar, compre en la tienda 1 y B el evento de que el cliente compre en la tienda
2. Calcular la probabilidad de que:
a- el cliente compre en cualquiera de las dos tiendas. [0.9]
b- el cliente no compre en la tienda 1 o no compre en la tienda 2. [0.9]
c- el cliente no compre en la tienda 1 y no compre en la tienda 2. [0.1]
d- el cliente compre solo en la tienda 1 o compre solo en la tienda 2, pero no en ambas tiendas. [0.8]
8- Cuntos arreglos de 8 bits comienzan en 101 o tienen el cuarto bit igual a 1? [25+27-24]
12
10- De cuntas maneras se puede seleccionar un equipo de 9 personas de un grupo de 12? [ C9 ]
13- Una urna contiene bolillas numeradas del 0 al 9. Se saca sucesivamente al azar 5 bolillas. Se busca la
probabilidad de que colocando los nmeros en el orden de extraccin resulte el nmero 21453.
a- Calcular la probabilidad si las extracciones se realizan con reposicin. [10-5]
b- Calcular la probabilidad si las extracciones se realizan sin reposicin. [1/(10*9*8*7*6)]
14- Se tiene una baraja de 52 cartas donde hay 4 ases. Se reparte la baraja a 4 personas, 13 cartas a cada una.
Qu probabilidad hay de que a cada persona le toque un as? [ 4! C1248 C1236 C1224 / {C1352 C1339 C1326 } ]
15- De cuntas formas se puede asignar 9 vendedores a 3 locales, de tal manera que, 3 vendedores vayan al
local 1, 2 vendedores al local 2 y 4 vendedores al local 3? [ C39 C26 ]
16- Se conoce como una mano a cualquier conjunto de 5 cartas tomadas de una baraja de 52 cartas. Cuntas
manos distintas pueden repartirse que contengan:
a- Cinco cartas de un mismo palo? [ 4* C513 ]
b- Cinco cartas consecutivas de un mismo palo, no incluyendo el 10, la jota, la reina, el rey y el as? [16]
c- Una escalera real? (10, jota, reina, rey y as del mismo palo) [4]
18- Una urna contiene 9 bolas numeradas del 1 al 9. Considere los 3 eventos: A={1,2,7}, B={3,4,7} y
C={5,6,7}. Son los 3 eventos independientes?
19- Una universidad tiene 3 carreras: ciencias, administracin e ingeniera. Del registro de inscripcin se
obtuvo la informacin siguiente:
20- Se dispone de una urna con 10 bolas negras y 10 bolas rojas. Se extrae una bola y se la vuelve a depositar
junto con 5 bolas adicionales del mismo color. Si se extrae una segunda bola:
a- Cul es la probabilidad de que la segunda bola sea negra sabiendo que la primera fue negra?
b- Cul es la probabilidad de que la primera y segunda bola sean negras?
c- Cul es la probabilidad de que la primera bola sea negra y la segunda bola sea roja?
d- Cul es la probabilidad de que una y solo una de las bolas sea negra?
e- Cul es la probabilidad de que la segunda bola sea roja?
21- En una fbrica de pernos las mquinas A, B y C, son responsables respectivamente del 25%, 35% y 40%
del total producido. Considerando las producciones individuales, el 5%, 4% y 2%, respectivamente, son
defectuosos. Se toma al azar un perno de la produccin total y se encuentra que es defectuoso. Cul es la
probabilidad de que haya sido fabricado por la mquina A? [0.362]
23- Un estudio de comportamiento despus del tratamiento de un gran nmero de drogadictos, sugiere que la
probabilidad de reincidencia o no, dentro de los seis meses siguientes al trmino del tratamiento poda
depender del nivel de educacin del transgresor. Las proporciones resultantes del estudio fueron:
Supngase que se escoge al azar una persona que ha culminado el tratamiento, y se definen los eventos:
A: El transgresor tiene educacin secundaria
B: El transgresor reincide dentro del perodo de seis meses siguientes al tratamiento
Calcular la probabilidad de P[(AB)] y P(B/A).