CAPITULO I PROBABILIDADES Introduccin En el mdulo anterior se presentaron algunos mtodos para describir un conjunto de datos.

Si el nico propsito del estudio es describir los resultados de un experimento concreto, tales mtodos pueden considerarse suficientes. No obstante, si lo que se pretende es utilizar la informacin obtenida para extraer conclusiones generales sobre todos los individuos de una poblacin de inters, entonces lo visto anteriormente constituy solamente el principio del anlisis. Para obtener conclusiones vlidas y hacer predicciones correctas acerca de una poblacin a partir de una parte de ella, debe recurrirse a mtodos de inferencia estadstica. Estos mtodos implican el uso inteligente de la teora de probabilidades. La teora de la probabilidad es una rama de las matemticas que se ocupa de los fenmenos que se producen al azar, o fenmenos aleatorios. La teora de probabilidades es un tema muy extenso. Nuestro propsito aqu es presentar algunas tcnicas fundamentales y los conceptos necesarios para comprender la inferencia estadstica. Algunos tpicos sobre Conjuntos. La teora de conjuntos es de mucha utilidad en el desarrollo de las probabilidades, y es por ello que se debe revisar los conocimientos sobre las operaciones de conjuntos como lo son: la unin, la interseccin, el complemento de un conjunto, etc.

Consideraremos a como el conjunto universal, como aquel conjunto que posee todos los elementos posibles de inters, y al conjunto A como un subconjunto de si todos los elementos de A son elementos de , y se denota: A , es decir, si para todo x A, x Sean A y B dos conjuntos cualesquiera entonces: La unin se define como: C = A B = { x / x A o x B}; La interseccin se define como: C = A B = { x / x A y x B}; El complemento se define como: Ac = { x / x A }, La diferencia se define como C = ABc = A B = { x / x A y x B} El conjunto que no posee elementos se denomina conjunto vaco y se denota por . (Notemos que A Ac = . ) Diremos que A y B son disjuntos o mutuamente excluyente si: A B = .

Al conjunto universal, se le denomina, en probabilidades, espacio muestral y a los subconjunto de ste eventos o sucesos. Al conjunto vaco se le denomina evento imposible y al espacio muestral evento seguro. Al conjunto con slo un elemento evento elemental. Llamaremos espacio muestral asociado a un experimento aleatorio , al conjunto de todos los resultados posibles de ste (un experimento es aleatorio s los resultados del experimento no pueden predecirse con exactitud antes de realizar el experimento). Ejemplo 1.- Determinar el espacio muestral de los siguientes experimentos aleatorios: (a) Lanzar una moneda y observar su cara superior.

(b) Lanzar un dado y observar su cara superior. (c) Contar el nmero de autos que pasan por una esquina, hasta que se produzca un
accidente. Para resolver algunos problemas de probabilidades es necesario conocer el nmero de elementos del espacio muestral y/o de algn subconjunto de este, es por ello que se debe saber como determinar el nmero de elementos de cualquier conjunto, tarea que puede ser algo complicada, sin embargo, en algunos casos esto se puede realizar en forma fcil; si el experimento es simple podemos enumerar cada uno de los elementos del conjunto (como en los ejemplos anteriores). No obstante si el experimento es ms complejo, estos mtodos son incmodos y requieren de mucho tiempo, luego habr que desarrollar mtodos alternativos para contar el nmero de elementos de un conjunto. Algunos de estos mtodos son las llamadas tcnicas de conteo. Tcnicas de Conteo Principio de Multiplicacin: Si una operacin puede realizarse de n1 formas y si para cada una de stas se puede realizar una segunda operacin en n2 formas y para cada una de las dos primeras se puede realizar una tercera operacin en n3 formas y as sucesivamente, entonces la serie de k operaciones se puede realizar de n1*n2*n3*...*nk formas. Ejemplo 2.- Cuntos elementos tiene el espacio muestral formado por el lanzamiento siimultaneo de una moneda y el lanzamiento de dos dados? Definicin 1: Una permutacin es un arreglo ordenado de todos o parte de un conjunto de objetos. Definicin 2: El nmero de permutaciones de n objetos diferentes est dado por:

donde

n!= 1 * 2 * 3 * 4 * .... * n

n Pn = n!

Ejemplo 3.- De cuntas formas se pueden ordenar 10 nias en una fila? Definicin 3: Cada k-upla que se puede formar usando n smbolos diferentes, se llama una permutacin de los n objetos tomando k a la vez. (k < n) El nmero de permutaciones de n objetos tomados k a la vez es

k Pn =

n! (n k )!

Ejemplo 4.- Un grupo est formado por 5 personas y desean formar una comisin integrada por un presidente y un secretario. Definicin 4: El nmero de permutaciones de n objetos, de los cuales ni son de tipo i, i=1,2,...,k es

n Pn 1 , ..., nk =

n! n1!n2!...nk !

Ejemplo 5.- Un estante tiene capacidad para 10 libros de matemticas que tiene tapa verde, 8 de fsica de tapa roja y 7 de qumica de tapa azul. De cuntas maneras pueden colocarse los libros segn los colores? Definicin 5.- Se llama combinacin de n objetos, tomando k a la vez, a la seleccin de objetos con independencia de su ordenamiento. O es el nmero de subconjuntos de k objetos elegidos de entre los n. El nmero de combinaciones que pueden formarse con n objetos distintos eligiendo k a la vez es

n n! n Ck = = k k!( n k )!

k n

Observacin. El nmero total de eventos que puede definirse en un espacio muestral de n elementos es 2n Ejemplo 6.- Un grupo est formado por 5 personas y desean formar una comisin integrada por 2 personas De cuntas formas distintas puede formar esta comisin? Interpretacin de las probabilidades. Cuando a las personas le formulan la pregunta Conoce usted algo sobre probabilidades? la mayora de ellas responde que no!. Aunque generalmente tenemos una idea intuitiva de que es una probabilidad, porque estamos acostumbrado a diario a or afirmaciones que llevan implcito el concepto de probabilidades tales como: los pronsticos meteorolgicos que nos sealan la probabilidad de lluvia; los mdicos nos dicen que probabilidad hay de que nuestras enfermedades se curen con determinado tratamiento; los investigadores educacionales especulan sobre la posibilidad de xito de los alumnos de enseanza media en la universidad; los encuestadores polticos nos dicen que oportunidad tiene nuestro candidato favorito en ganar la eleccin; etc. Resumiendo, la interpretacin de probabilidades puede sintetizarse de la siguiente forma: Las probabilidades son nmeros comprendidos entre 0 y 1 ambos inclusive, que reflejan las expectativas con respecto a que un suceso determinado se produzca. Probabilidades prximas a 1 indican que es de esperar que ocurran los sucesos de inters. No indican que el suceso vaya a producirse, solo que es un tipo de suceso que generalmente se produce. Probabilidades prximas a 0 indican que no es de esperar que tal suceso ocurra. No indica que el suceso no vaya a ocurrir, solo que este tipo de suceso se considera raro. Probabilidades prximas a indican que es tan probable que el suceso se produzca o no.

Qu podemos considerar como una probabilidad grande o pequea? La interpretacin de las probabilidades es un tanto subjetiva, y la interpretacin dada puede depender de

las consecuencias de estar equivocado. Una probabilidad que se considera grande en un entorno puede ser pequea en otro. Por ejemplo supongamos que est invitado a un paseo al aire libre el domingo y escucha que la probabilidad que llueva es de 0,1. Podra considerar que esta probabilidad es pequea y concluir que es probable que no llueva. Si se equivoca, solo estar un poco incomodo, o sencillamente se vuelve a su hogar. Sin embargo, suponga que es el primer civil seleccionado para descender al fondo del ocano en un nuevo minisubmarino y que la probabilidad de que el vehculo falle es de 0,1. Yo no ira!. Tenemos que en el primer caso una probabilidad de 0,1 se considera pequea, mientras que en el segundo caso, parece grande. Para asignar probabilidades a uno u otro suceso generalmente se utilizan uno de los tres mtodos siguientes: la estimacin personal, la estimacin por frecuencias relativas, la estimacin clsica. El uso de cada una de ellas tiene sus ventajas y sus inconvenientes. Probabilidad personal o subjetiva. Por ejemplo planteamos la siguiente pregunta Cul es la probabilidad que el presidente de la Repblica vete cierta ley? Cul es la probabilidad que una expedicin desembarque en el planeta Marte en la prxima dcada? Cul es la probabilidad que en el prximo examen de estadstica usted obtenga un 5? Son eventos nicos, que no han ocurrido antes. Luego es preciso establecer un juicio de valor para resolverlas. En estos casos la probabilidad que se asigne a cada uno de estos sucesos es una apreciacin personal. Una de las ventajas de este tipo de probabilidades es que siempre es aplicable. Cualquiera puede establecer una apreciacin personal de lo que sea. Su inconveniente es obvio: su acierto depende de lo correcta que sea la informacin de que dispone y la capacidad de la persona para evaluarla. Probabilidad por frecuencia relativa. La probabilidad por frecuencia relativa es aplicable a cualquier situacin en la que el experimento pueda repetirse varias veces y sus resultados puedan ser observados. La probabilidad aproximada de que se produzca un suceso determinado est dada por

Nmero de veces que ocurre el suceso Nmero de veces que se realiza el exp erimento
El inconveniente de este mtodo es que puede que el experimento no se lleve a cabo siempre en las mismas condiciones; la experiencia debe ser repetible. La ventaja de este mtodo sobre la aproximacin personal es que usualmente es ms precisa, porque se basa en la observacin real del experimento. Ejemplo 7.- Un investigador trabaja en un nuevo frmaco para insensibilizar a las personas frente a las picaduras de abejas. De 200 sujetos sometidos a la prueba, 180 presentaron una disminucin de los sntomas tras sufrir una picadura, despus de ser sometido al tratamiento. Determinar la probabilidad aproximada de efectividad de este tratamiento. Probabilidad clsica Esta probabilidad se basa en que todos los resultados posibles de un experimento sean equiprobables. En este caso la probabilidad que ocurra un suceso est dada por:

nmero de veces que puede producirse el evento nmero de resultados que puede dar el experimento
Este mtodo tiene tambin sus ventajas y desventajas. Su principal desventaja es que no siempre es aplicable; se necesita que los resultados posibles sean equiprobables. Su mayor ventaja es que, si es aplicable, la probabilidad obtenida es exacta. Por otra parte, no exige la realizacin de experiencias ni recoger datos y es de fcil uso. Ejemplo 8.- Cul es la probabilidad de que un nio nacido de una pareja, donde cada uno de ellos tiene genes para ojos castaos y para ojos azules, tenga los ojos castaos? Axiomas de probabilidad Definicin 6.- Sea un espacio muestral asociado a un experimento . La probabilidad P, es una funcin que asigna a cada evento A (AP()), un nmero P(A), llamado probabilidad del evento A, tal que cumple los siguientes axiomas: (P:A donde A es un conjunto de subconjunto de ) Ax1: P( ) = 1 Ax2: A A, P( A ) 0 Ax3: P(

Ai ) =

P( A ) ,
i i

A iAj =

,i

j.

Los teoremas siguientes son consecuencias inmediatas de estos axiomas. Teorema 1. Sean A y B dos eventos arbitrarios, entonces P( )=0 P( A C ) = 1 P( A ) Si A B, entonces P( A ) P( B ) Si A B, entonces P( B A ) = P( B ) P ( A ), donde A B = A B C. Si A y B son eventos cualquiera P(A B) = P(A Bc) = P(A) P(A B) Corolario. Para todo evento A, 0 P( A ) 1 Teorema 2. Para dos eventos arbitrarios y B se tiene que P( A B ) = P( A ) + P( B ) - P( A B) El resultado anterior se generaliza a la unin de tres o ms eventos: P(A B C ) = P(A) + P(B) + P(C) - P( A B) - P(A C) - P(B C) + P(A B C) Teorema 3:
k i= 1

Dado un espacio muestral

y cualquier evento A

P(A = P ( A i ) )
donde Ai es un conjunto de eventos elementales distintos y A =

Ai .

i =1

El teorema anterior da una caracterizacin de cualquier evento mediante eventos elementales, lo que facilita en gran medida el clculo de la probabilidad asignada a cada evento. En particular si el espacio muestral tiene un nmero finito n, de elementos y se puede suponer que cada resultado tiene la misma probabilidad de ocurrir (resultados equiprobables), entonces para cualquier evento.

P ( A) = P ( Ai ) =
I =1

n 1

i =1n

k = n

=
O sea P( A ) =

Nmero de resultados favorables Nmero de resultados posibles del exp erimento

n( A) , donde n(A) es el nmero de elementos de A y n( ) es el nmero n ( )

de resultados posibles del experimento. Ejemplo 9.- Se sabe que el 18% de los estudiantes de pregrado sufren de depresin en algn periodo de su carrera (A), que el 2% pierde la carrera y el 19% sufre de depresin o pierde la carrera. a) Cul es la probabilidad que un estudiante elegido al azar sufra de depresin y pierda la carrera? b) Cul es la probabilidad que solo sufra de depresin? c) Cul es la probabilidad que solo pierda la carrera? d) Cul es la probabilidad que no pierda la carrera y no sufra de depresin? Ejemplo 10.- De una caja que contiene 2 bolas blancas y 3 rojas se extraen: 1: 2 bolas con reposicin 2: 2 bolas sin reposicin En ambos casos responda: a) Cul es la probabilidad de que se extraiga al menos una bola roja? b) Cul es la probabilidad de que la primera sea roja y la segunda blanca?

Probabilidad Condicional e Independencia de eventos. En general, la probabilidad asociada a un evento, depende de la informacin disponible respecto del experimento de inters. Por ejemplo, si queremos apostar por la ocurrencia del nmero 2 al lanzar un dado. Entonces el evento es A = {2} y su probabilidad est dada por: P(A) = 1

Supongamos ahora que alguien que observ el resultado obtenido nos ayuda y nos dice que es un nmero par, es decir, que ocurri el evento B={2, 4, 6}. Con esta informacin, el espacio muestral se nos reduce al evento B y la probabilidad de A es por lo tanto: P* (A dado que se sabe que ocurri B ) = 1 .

Si todos los resultados del experimento son igualmente probables, el mtodo anterior de considerar el espacio muestral reducido es a veces suficiente. Para situaciones ms generales se hace necesario una definicin ms amplia de una probabilidad condicional. Definicin 7.- Sean A y B dos eventos, la probabilidad condicional de que A ocurra, dado que ha ocurrido B, se define y denota como P( A / B ) =

P (A B ) , si P( B ) > 0 y definimos P( B)
,si P(B) = 0.

P( A / B ) = 0

Observacin. Las probabilidades condicionales satisfacen los axiomas de probabilidad. Ejemplo 11.- En la ciudad de Concepcin, la probabilidad que llueva el da primero de junio es 0,5 y la probabilidad que llueva el 1 y 2 de junio es 0,4. Dado que llovi el 1 de junio, cul es la probabilidad que llueva el da 2 de junio? Regla de la multiplicacin En la prctica, en muchos casos interesa ms determinar la probabilidad de la interseccin de dos eventos, usando la probabilidad condicional como dato. De la definicin de probabilidad condicional se tiene que P( A B ) = P( A )P( B / A )=P( B )P( A / B ) Ejemplo 12.- Una caja contiene 5 bolas blancas y seis negras; se extrae al azar sucesivamente y sin reposicin (con reposicin) dos bolas, cul es la probabilidad que las dos resulten blancas? Esta propiedad puede extenderse a cualquier nmero finito de intersecciones de eventos. P(
k 1 i =1

i =1

Ai

) = P(A 1) P( A 2 / A 1 ) P( A 3/A1 A 2 ).... P( A k /

A )
i

Esta frmula se conoce como regla de la multiplicacin de probabilidades.

Ejemplo 13.- Una caja contiene cinco bolas blancas y seis negras; se extrae al azar sucesivamente y sin reposicin (con reposicin) tres bolas, cul es la probabilidad que las tres resulten blancas? Otro resultado de gran utilidad para las aplicaciones es la Regla de Probabilidad Total. Supongamos que los eventos A1, A2, ... Ak forman una particin del espacio muestral , entonces para cualquier evento E se tiene que P( E ) = P( E / A1)P( A1 )+ P( E / A2 ) P( A2)+ ...+ P( E / Ak ) P( Ak ) Ejemplo 14.- En una lnea de produccin hay dos procesos, A y B. En el proceso A hay un 20% de defectuosos y en B hay un 25%. En una muestra de 300 productos hay 200 del proceso A y 100 del proceso B. Si se extrae al zar un producto, hallar la probabilidad que sea defectuoso. De esta propiedad y de las anteriores se deduce el Teorema 4 (teorema de Bayes). Bajo las mismas condiciones de la regla anterior, se tiene que P(Ai / E) =

P( E / A i )P( A i ) P( E / A 1 )P(A1 ) + P( E / A 2 ) P(A 2 ) + ... + P( E / A k ) P( A k )

Ejemplo 15.- En el ejemplo 14. Si al extraer el producto result ser defectuoso, hallar la probabilidad de que sea del proceso A. Definicin 8: Dos eventos A y B son independientes si P( A / B ) = P( A ) y P( B / A ) = P( B). De manera equivalente se dice que dos eventos A y B son independientes si y slo si P( A B ) = P( A ) P( B ) Teorema 2.3.1 Si A y B en son eventos independientes, entonces: A y Bc son eventos independientes Ac y B son eventos independientes Ac y Bc son eventos independientes Ejemplo 16.- En un estudio de cncer al pulmn se examinan 10000 personas mayores de 60 aos. Se determina que 4000 de estas personas de este grupo son fumadores. Entre los fumadores 1800 padecen de cncer al pulmn. Entre los no fumadores 500 padecen de cncer al pulmn. Son los eventos fumadores y cncer al pulmn independientes?

EJERCICIOS

1) Sean A y B dos sucesos disjuntos tales que P(A)=0.3 y P(B)=0.6. Calcular las probabilidades de los siguientes sucesos: Ac , B c , A I B, A U B, Ac I Bc , Ac U Bc . 2) Sean A, B y C tres sucesos de un espacio probabilstico tales que P(A)=0.4,
P(B)=0.2, P(C)=0.3, P(AB)=0,1 y (AB) C=. Calcular las probabilidades de los siguientes sucesos: a) Ocurre A, pero no ocurren B ni C. b) Los tres sucesos ocurren c) Ocurren A y B, pero no C. d) Por lo menos dos ocurren e) Ocurren dos y no ms f) No ocurren ms de dos g) Ocurre por lo menos uno h) Ocurre slo uno i) No ocurre ninguno 3) El seor Prez est considerando invertir su capital en una empresa de servicio sanitario. La valoracin de las probabilidades del seor Prez correspondientes a las tasas de rentabilidad de este capital durante el prximo ao se recogen en la siguiente tabla. Sea A el suceso la tasa de rentabilidad ser mayor del 10% y sea B el suceso la tasa de rentabilidad ser negativa.
TASA DE RENTABILIDAD menos del -10% entre 10% y 0% entre 0% y 10% entre 10% y 20% ms del 20% PROBABILIDAD 0.04 0.14 0.28 0.33 0.21

a) b) c) e) 4)

Calcular la probabilidad que ocurra el sucesos A. Calcular la probabilidad que ocurra el sucesos B. Describir el complemento del suceso A y calcular su probabilidad. d) Describir el suceso interseccin de los sucesos A y B y obtener su probabilidad. Describir el suceso unin de los sucesos A y B y obtener su probabilidad. Se ha cargado un dado para que la probabilidad de cada cara sea proporcional a la puntuacin de la misma. cul es la probabilidad de que no salga el seis? y la de que salga par

5) Un colegio desea disear la pgina WEB. Esta pgina debe contener 5 tipos diferentes de fotografas. El editor de esta pgina poda escoger entre 4 fotografas de grupos de profesores, 10 fotografas de eventos deportivos del colegio, 7 salas de clases, 8 de todo el colegio y 5 de actividades extraprogramticas. Cuntos proyectos de pginas diferentes puede presentar el editor a la direccin del colegio?

6) Una actividad extraprogramtica esta constituida por 12 alumnos de sptimo bsico. Ellos desean elegir una directiva constituida por: un presidente, un vicepresidente, un secretario, y un tesorero. Todos son elegibles y desean ser elegidos.De cuntas formas se puede elegir tal directiva? 7) Quince estudiantes de enseanza media aprobaron un curso de lder. De estos semifinalistas se escogern seis para ir al congreso a defender la nueva reforma educacional. Cuntos grupos diferentes se pueden formar con estos semifinalistas? 8) Un profesor tiene 8 estudiantes y desea sentarlos en la primera fila, pero en esa fila solo tiene 5 asientos. De cuntas maneras diferentes se pueden distribuir en los 5 asientos los 8 alumnos? 9) Durante las vacaciones una familia que vive en Talca desea visitar consecutivamente Santiago, Via del Mar y La Serena. Existen tres rutas distintas de Talca a Santiago, tres de Santiago a Via del Mar y dos de Via del Mar a La Serena. De cuntas maneras diferentes pude viajar la familia de Talca a La Serena? 10) Se extrae una carta de una baraja espaola de 48 cartas. Calcular: a) La probabilidad que sea una figura o una copa b) La probabilidad que sea una figura pero no espada. c) La probabilidad que sea figura o oro 11) En una ciudad se publican tres peridicos A, B, C. El 30% de la poblacin lee A, el 20% lee B, el 15% el C, el 12% lee A y B, el 9% lee A y C y el 6% lee B y C, el 3% lee A , B y C. Calcular: a) b) c) d) El porcentaje de personas que leen al menos un peridico. El porcentaje de personas que leen solo A. El porcentaje de personas que leen B o C, pero no A El porcentaje de personas que leen A o bien no leen B ni C

12) Una fbrica tiene tres mquinas independientes que producen cierto tipo de pieza. La mquina 1 produce el 20% de las piezas con un 1% de piezas defectuosas. La mquina 2 produce el 30% de las piezas con un 2% de piezas defectuosas. La mquina 3 produce el 50% de las piezas con un 5% de piezas defectuosas. Si se selecciona al azar una de estas piezas producidas por la fbrica, a) Cul es la probabilidad que haya sido producida por la mquina 2? b) Si la pieza result defectuosa, cul es la probabilidad de que proceda de la mquina 2? c) Si no result defectuosa, cul es la probabilidad de que proceda de la mquina 3? 13) Si la probabilidad de padecer de cierta enfermedad es del 1% y existe un examen para saber si se tiene o no tal enfermedad confiable en un 90%, a) Cul es la probabilidad de tener la enfermedad si el test predice que se tiene? b) Si el test resulta confiable en un 99%, cul es entonces esta probabilidad?

14) En una universidad hay estudiantes de ingeniera, ciencias de la salud y letras. Terminan la carrera de ingeniera el 5%, el 10% de ciencias y el 20% de letras. Se sabe que el 20% estudian ingeniera, el 30% estudian ciencias de la salud y el 50% letras. Se elige un estudiante al azar, calcular: a) La probabilidad de que sea de ingeniera y haya terminado la carrera. b) La probabilidad de que sea de ingeniera si ha terminado la carrera. c) La probabilidad que sea de ciencias de la salud o sea de letras 15) Dos profesores comparten el mismo nmero de telfono. De las llamadas que llegan, 2/5 son para A y 3/5 son para B. Sus horas de aula lo separan de este telfono, de modo que A est fuera el 50% del tiempo y B el 25%. Calcular la probabilidad de que no est nadie para responder el telfono y las probabilidades fe que este presente el profesor cuando lo llamen. 16) En un curso el 40% de los alumnos aprobaron filosofa y un 50% aprobaron matemticas. Se sabe que la probabilidad de aprobar filosofa si se ha aprobado matemticas es de 0,6. a) Qu porcentaje de alumnos aprobaron ambas asignaturas? b) De los alumnos que aprobaron filosofa Qu porcentaje aprob matemticas? 17) Se les pregunt a los estudiantes de una clase de estadstica cules eran las notas que esperaban obtener en el curso y si haban o no tratado de resolver problemas aparte de los asignados por el profesor. En la tabla se recogen las proporciones correspondientes a cada uno de los ocho grupos resultantes.
SOBRESALIENTE 0.12 0.13 NOTA ESPERADA NOTABLE APROBADO 0.06 0.12 0.21 0.26 REPROBADO 0.02 0.08

PROB ADIC SI NO

a) Calcular la probabilidad de que un estudiante elegido al azar haya tratado de resolver problemas adicionales. b) Calcular la probabilidad de que un estudiante elegido al azar espere una nota de sobresaliente c) Calcular la probabilidad de que un estudiante elegido al azar, que haya realizado problemas adicionales, espere una nota de sobresaliente d) Calcular la probabilidad de que un estudiante elegido al azar, que espere un sobresaliente, haya realizado problemas adicionales e) Calcular la probabilidad de que un estudiante elegido al azar, que haya tratado de resolver problemas adicionales, espere un notable. f) Son los sucesos ha realizado problemas adicionales y espera un notable independientes estadsticamente?

18) Un analista que est tratando de predecir las ganancias de una compaa cree
que stas son muy sensibles al nivel de los tipos de inters. En particular, sostiene que si los tipos de inters medios durante el prximo ao son un 1% ms altos que este ao, la probabilidad de un crecimiento significativo de las ganancias es de 0,1. Si los tipos de inters medios son un 1% ms bajos que este ao, la probabilidad es de 0,8 y, finalmente, si dichos tipos de inters se encuentran en el intervalo restante, cree que la probabilidad es de 0,5. Adems, el analista estima

que la probabilidad de que los tipos de inters medios el prximo ao sean un 1% ms altos que este ao es de 0,5 y que la probabilidad de que sean un 1% ms bajos es de 0,15.
a) Cul es la probabilidad estimada de que los tipos de inters sean un 1% ms

altos y, adems, se produzca un crecimiento significativo de las ganancias? b) Cul es la probabilidad de que esta empresa experimente un crecimiento significativo de las ganancias? c) Si la empresa experimenta un crecimiento significativo, cul es la probabilidad de que los tipos de inters medios hayan sido un 1% ms bajos que en el presente ao?