GUA

ASIGNATURA
CARRERA
NIVEL
TEMA
FECHA

: N 7
: ESTADSTICA
: CONSTRUCCIN CIVIL
: IV SEMESTRE
: INTRODUCCIN A LAS PROBABILIDADES
:

_________________________________________________________________

Pgina 1 de 24

INDICE

1
2
3
4
5

Introduccin....................................................................................................................3
Experimento aleatorio.....................................................................................................4
Espacio muestral.............................................................................................................4
Suceso.............................................................................................................................4
Funciones de distribucin...............................................................................................5
Definicin........................................................................................................................5
6
Operaciones con sucesos:................................................................................................7
7
Sucesos compatibles e incompatibles.............................................................................8
8
Suceso contrario..............................................................................................................8
9
Diferencia de sucesos......................................................................................................9
10
Leyes de De Morgan.................................................................................................10
11
Teorema 1. Propiedades bsicas................................................................................11
12
Teorema de la suma...................................................................................................11
13
Sistema completo de sucesos....................................................................................11
14
Regla de Laplace.......................................................................................................12
15
Probabilidad condicionada........................................................................................12
15.1 Definicin 1. Probabilidad condicionada..............................................................15
15.2 Teorema de la multiplicacin o Regla del producto..............................................15
15.3 Teorema 2. Probabilidad total...............................................................................16
15.4 Sucesos dependientes............................................................................................16
15.5 Sucesos independientes.........................................................................................16
16
Probabilidades a posteriori. Teorema de Bayes........................................................16
16.1 Teorema de Bayes o de las probabilidades a posteriori........................................19
17
Ejercicios...................................................................................................................20

Pgina 2 de 24

1 Introduccin
Laplace, eminente matemtico francs de la ltima mitad del siglo XVIII y principios del
XIX, describa la teora de la probabilidad como el sentido comn reducido al clculo.
Veamos como la siguiente ancdota justifica esta descripcin.
Dos estudiantes de Instituto intentan ponerse de acuerdo en como pasar una tarde.
Acuerdan que tomarn su decisin lanzando una moneda. Si sale cara irn al cine, si sale
cruz saldrn a tomar una coca-cola y si la moneda cae de canto, estudiarn.
La historia no es tan trivial como pueda parecer, con ella podemos aprender mucho. El
sentido comn, basando su juicio en la experiencia, nos indica que los estudiantes
quieren saltarse la necesidad de estudiar. En otras palabras sabemos intuitivamente que
la moneda no caer de canto, que lo har sobre la cara o sobre la cruz. Ms an, si la
moneda es legal, tenemos la certeza moral de que las posibilidades de que salga cara o
cruz son las mismas.
Pues bien la teora de la probabilidad se basa en la asuncin que hacemos de cuestiones
tales como estas: Cul es la probabilidad de que una moneda caiga sobre el borde?
Cul es la probabilidad de que salga cara? Cul es la probabilidad de que salga cruz?
Para poder tratar estas cuestiones desde un punto de vista matemtico, es necesario
asignar valores numricos a cada una de las probabilidades involucradas.
Supongamos por el momento que denotamos por p el valor numrico de la probabilidad
de que al lanzar una moneda, salga cara. Puesto que es igualmente posible que al lanzar
la moneda, salga cruz, la probabilidad de que salga cruz tambin debe tener asignado el
valor p.
Como tenemos la certeza de que saldr cara o cruz sigue que 2p debe ser el valor
asignado al suceso seguro, el que ocurrir siempre que lancemos una moneda al aire.
Podemos elegir cualquier valor que nos plazca para el suceso seguro. Es costumbre
elegir el valor 1. Esto es: asumimos que 2p=1. Entonces la probabilidad de que la
moneda muestre cara es: 1/2 ; la probabilidad de que muestre cruz es: 1/2; y la
probabilidad de que salga cara o cruz es:

Si analizamos detalladamente el ejemplo, podemos apreciar:

Un experimento aleatorio, lanzar una moneda al aire
Unos resultados puntuales, sale cara o sale cruz y no podemos tener la certeza de
antemano de que sea cara o sea cruz.
Unas asignaciones de probabilidad a cada uno de los resultados, que se basan en el
sentido comn y en nuestra experiencia previa.
Vamos a definir de manera ms precisa cada uno de los elementos que intervienen:

Pgina 3 de 24

2 Experimento aleatorio
Es el experimento que se caracteriza porque su desarrollo no es previsible con certidumbre.

3 Espacio muestral
Asociado a un experimento aleatorio es el conjunto de todos los resultados que se pueden
obtener al realizar el experimento. Lo designamos con la letra E y colocamos sus
elementos entre llaves y separados por comas.

4 Suceso
De un experimento aleatorio es cada uno de los subconjuntos del espacio muestral E. Los
designamos por letras maysculas: A,B,C,..., ponemos sus elementos entre llaves y
separados por comas.
Observacin:
Un resultado concreto de un experimento es un elemento del espacio muestral asociado
al experimento, conceptualmente suceso y resultado son dos cosas distintas. Los
resultados de un experimento aleatorio se suelen representar con letras minsculas, los
sucesos con letras maysculas.

Pgina 4 de 24

En el ejemplo anterior, el suceso A ocurre siempre que el resultado del experimento sea el
elemento 2, el elemento 4 o el elemento 6.
La confusin entre suceso y resultado se debe a que cuando el suceso es: " que al lanzar
un dado salga 2" y el resultado:"sale un dos al lanzar el dado", slo ocurre el suceso
cuando el resultado es 2.
Suceso: "Sale un dos" es el subconjunto {2} del espacio muestral
Resultado: "Sale un dos" es el elemento 2 del espacio muestral

5 Funciones de distribucin
El paso siguiente es asignar (distribuir) probabilidades. Las definiciones que siguen estn
motivadas por el ejemplo del lanzamiento de una moneda, recordamos que en ese ejemplo a
cada resultado del espacio muestral le asignbamos un nmero no negativo tal que la suma
de todos los nmeros asignados a cada resultado deber ser 1.

Definicin
Sea X una variable que representa a los posibles resultados de un experimento aleatorio,
en principio vamos a asumir que este experimento tiene slo un nmero finito de posibles
resultados. Sea E, el espacio muestral del experimento. Una funcin de distribucin para X
es una funcin real f cuyo dominio es E y que satisface:

Ejemplo:
Sean tres equipos de futbol, a, b y c que se presentan a un torneo de verano, slo uno
ganar el torneo. El espacio muestral es el conjunto de tres elementos, E={a,b,c}, donde
cada elemento corresponde al triunfo de cada uno de los equipos. Suponemos que a y b
tienen las mismas posibilidades de ganar y c tiene solamente la mitad de las posibilidades
de ganar que a. Debemos asignar probabilidades de modo que:

Pgina 5 de 24

Sea el suceso A, "gana el trofeo el equipo a; el suceso B, "gana el trofeo el equipo b" y el
suceso C, "gana el trofeo el equipo c". En el lenguaje de la teora de conjuntos:

Pgina 6 de 24

En este ltimo caso se puede apreciar como un suceso se puede describir en trminos de
otros sucesos utilizando las construcciones standards de la teora de conjuntos.
Las representaciones grficas de las construcciones de la teora de conjuntos se llaman
diagramas de Venn. En ocasiones es muy conveniente para resolver un problema de
probabilidad hacer la representacin grfica del espacio muestral y de los sucesos
(subconjuntos del espacio muestral) que intervienen en el problema.

6 Operaciones con sucesos:

Pgina 7 de 24

7 Sucesos compatibles e incompatibles

8 Suceso contrario
Dado un suceso A, se llama suceso contrario de A a un suceso que se verifica cuando no
se verifica A.

Pgina 8 de 24

9 Diferencia de sucesos

Pgina 9 de 24

10 Leyes de De Morgan
Se pueden comprobar grficamente.

Pgina 10 de 24

11 Teorema 1. Propiedades bsicas

Las probabilidades asignadas a cada suceso por una funcin de distribucin definida sobre
un espacio muestral E de un experimento aleatorio, verifican las siguientes propiedades:

12 Teorema de la suma
Pascal dio a entender implcitamente que saba cmo calcular los casos favorables de un
suceso A si conoca los casos favorables de unos Aj disjuntos cuya unin es A (es decir, si
los Aj son una particin de A). Jakob Bernoulli tambin fue consciente de ello, y fue ms
all al darse cuenta de que la probabilidad de la unin no es la suma de las
probabilidades si los sucesos no son disjuntos, aunque no supo dar la razn.
Previamente, Cardano haba expresado un resultado similar en trminos de casos en vez
de probabilidades. No fue ninguno de ellos quien formul finalmente el teorema de la
suma de las probabilidades, sino el reverendo ingls Thomas Bayes (17021761), cuyo
trabajo fue ledo pstumamente, en 1763. En esta obra, Bayes da la primera definicin
explcita de sucesos disjuntos l los llam inconsistentes y enunci la frmula ahora
conocida:

Si A y B son subconjuntos de E, entonces:

13 Sistema completo de sucesos.

Pgina 11 de 24

14 Regla de Laplace.
Si en un experimento aleatorio todos los sucesos elementales son equiprobables, la
probabilidad de un suceso A se obtiene dividiendo el nmero de resultados que forman el
suceso A entre el nmero de resultados posibles.
Si llamamos casos favorables a los resultados que forman el suceso A y casos posibles a los
resultados posibles del experimento, tenemos:

15 Probabilidad condicionada
En un concurso de televisin, se dispone de 20 coches, para premiar al concursante, de
las marcas y colores que se indican en la siguiente tabla:

Rojo
SeatPanda
SeatToledo
Totales

2
7
9

Azu
l
8
3
11

Totales
10
10
20

Los coches estn colocados aleatoriamente, tras 20 puertas, de forma que el concursante
no ve el coche que hay detrs de cada puerta.
El concursante elige un nmero, entre 1 y 20, y si acierta la marca y el color del coche que
hay en la puerta elegida, gana, en caso contrario pierde.
El concurso lo podemos considerar como un experimento aleatorio. Cada resultado es el
coche elegido.
Para describir fcilmente todo el proceso vamos a considerar:

Suceso P :
Suceso T :
Suceso R :
Suceso A :

El coche es un Seat Panda

El coche es un Seat Toledo
El coche es de color rojo
El coche es de color azul

Pgina 12 de 24

As el suceso: "Seat Toledo de color rojo" lo representamos por: T R y la probabilidad de

este suceso, sigue de la tabla:

Rojo
SeatPanda
SeatToledo
Totales

2
7
9

Azu
l
8
3
11

Totales
10
10
20

P( T R ) = 7/20
La probabilidad de que el coche sea un Seat Toledo es:

Rojo
SeatPanda
SeatToledo
Totales

2
7
9

Azu
l
8
3
11

Totales
10
10
20

P(T)=10/20 = 1/2
Qu ocurre si, una vez que el concursante ha elegido puerta, el presentador, le da la
pista de que el coche que hay tras la puerta es rojo?. Tendremos que cambiar la
probabilidad al suceso T y al suceso P. A la probabilidad del suceso T cuando se sabe
que ha ocurrido R, le llamamos probabilidad condicionada de T, sabiendo que ha
ocurrido R y escribimos:

P(T/R)
Para asignar las nuevas probabilidades hemos de ser consecuentes con las propiedades
que debe cumplir toda asignacin de probabilidades. El nuevo espacio muestral es el
sealado en rojo en la tabla siguiente. Por tanto asignamos as las probabilidades:

Rojo
SeatPanda
SeatToledo
Totales

2
7
9

Azu
l
8
3
11

Totales
10
10
20

P(T/R) = 7/9 ; P(P/R) = 2/9

De la tabla anterior, siguen fcilmente las siguientes relaciones:

Pgina 13 de 24

Consideremos ahora el siguiente experimento : Dos urnas, A y B ,la urna A, contiene 3

bolas verdes y 2 bolas rojas, la urna B contiene 2 bolas verdes y 3 bolas rojas.
Se realiza el experimento en dos tiempos, primero se selecciona urna por un
procedimiento aleatorio y posteriormente de la urna elegida se extrae una bola.
Para representar, de forma muy adecuada, este tipo de experimentos, se realiza un
esquema, llamado: rbol de probabilidades

Cada flecha del diagrama se denomina rama del rbol; a cada rama, asignamos la
probabilidad que le corresponde. Un recorrido, desde el comienzo del experimento hasta
el final, se llama un camino.
Si sabemos que ha ocurrido el suceso A, tenemos que volver a asignar probabilidades a
los distintos caminos; todos los caminos que comienzan por el suceso B, tendrn
probabilidad 0 y los que empiezan por el suceso A:

Pgina 14 de 24

Hay que aceptar por tanto las mismas relaciones entre probabilidades a las que habamos
llegado en el experimento anterior:

Para concretar tenemos que admitir la siguiente definicin:

15.1 Definicin 1. Probabilidad condicionada

De un suceso R sabiendo que ha ocurrido otro A

Y dos teoremas:

15.2 Teorema de la multiplicacin o Regla del producto

De la definicin 1, despejando, sigue que:

Del mismo modo, el teorema de la multiplicacin de probabilidades era conocido por casi
todos los estudiosos a travs de clculos particulares. Sin embargo, fue Abraham De

Pgina 15 de 24

Moivre (16671754) el primero que los enunci con autoridad. En la introduccin a su

obra Doctrina de las Posibilidades de 1711, De Moivre present el importante concepto de
independencia de sucesos aleatorios; as, escribi: Diremos que dos sucesos son
independientes, si uno de ellos no tiene ninguna relacin con el otro y procedi a definir
los sucesos dependientes: Dos sucesos son dependientes si estn ligados el uno al otro
y la probabilidad de ocurrencia de uno de ellos influye en la probabilidad de ocurrencia del
otro. Una vez hecho esto, De Moivre lo aplic al clculo de probabilidades: la
probabilidad de ocurrencia de dos sucesos dependientes es igual a la probabilidad de
ocurrencia de uno de ellos dividida por la probabilidad de que el otro ocurra si el primero
ya ha ocurrido. Esta regla puede generalizarse para varios sucesos . El caso de varios
sucesos lo describa as: Se necesita elegir uno de ellos como el primero, otro como el
segundo, y as. Luego, la ocurrencia del primero debe considerarse independiente de
todas las dems; el segundo debe considerarse con la condicin de que el primero ha
ocurrido: el tercero con la condicin de que tanto el primero como el segundo han
ocurrido, y as. De aqu, la probabilidad de las ocurrencias de todos los sucesos es igual
al producto de todas las probabilidades. O en notacin moderna:

De Moivre acompa sus afirmaciones con ejemplos resueltos. Tambin fue consciente
de que lo verdaderamente difcil de este teorema es descubrir cundo dos sucesos son o
no independientes.

15.3 Teorema 2. Probabilidad Total

Si A y B forman un sistema completo de sucesos , la probabilidad de cualquier otro suceso
R es:

15.4 Sucesos dependientes

Dos sucesos son dependientes si el resultado de uno influye en el otro. Los sucesos A y B
son dependientes si y slo si P(A) es distinto de P(A/B) y P(B) es distinto de P(B/A)

15.5 Sucesos independientes

Dos sucesos son independientes si el resultado de uno no influye en el resultado del otro.
Los sucesos A y B son independientes si y slo si P(A)=P(A/B) y P(B)=P(B/A).

Pgina 16 de 24

16 Probabilidades a posteriori. Teorema de Bayes.

Vamos a considerar de nuevo, el experimento de las urnas A y B, que contienen bolas
verdes y rojas:

Si sabemos que ha salido una bola roja, los caminos posibles en el rbol de
probabilidades, quedan reducidos a dos, los sealados en rojo en la imagen anterior;
tenemos que reasignar probabilidades, todos los caminos que terminan en bola verde,
debern tener probabilidad 0. Cmo asignamos probabilidades a los caminos que
conducen a bola roja?

Pgina 17 de 24

Pgina 18 de 24

En resumen, podemos enunciar el siguiente resultado:

16.1 Teorema de Bayes o de las probabilidades a posteriori

El trabajo de De Moivre obtuvo una gran difusin, as que el mrito de Bayes no fue tanto
la originalidad sino expresar la probabilidad condicional en funcin de la probabilidad de la
interseccin:

Adems, el honor del teorema que lleva su nombre no es completamente suyo, ya que l
no estaba en condiciones de formular con probabilidades totales. Fue PierreSimon
Laplace (17491827) quien desarroll la mayor parte del teorema de Bayes en su
Experiencia en la Filosofa de la Teora de la Probabilidad (1812). Sea A un suceso que
ocurre en conjuncin con uno y slo uno de los n sucesos disjuntos B1,,Bn. Si se sabe
que el suceso A ha ocurrido, cul es la probabilidad de que el suceso Bj tambin?
Laplace respondi de la siguiente manera: La probabilidad de existencia de una de esas
causas es igual a una fraccin con un numerador igual a la probabilidad del suceso que

Pgina 19 de 24

se sigue de esta causa y un denominador que es la suma de las probabilidades similares

relativas a todas las posibles causas. Si estas diferentes causas a priori no son
equiprobables, entonces en lugar de tomar la probabilidad del evento que sigue a cada
causa, se toma el producto de esta probabilidad veces la probabilidad de la causa. Esta
enrevesada receta puede escribir en notacin moderna:

FORMULA DE BAYES

Laplace aplic el teorema a problemas de la mecnica celeste, la estadstica mdica e,

incluso, a la jurisprudencia.
Al igual que los otros dos teoremas, el Teorema de Bayes ya se usaba anteriormente,
aunque nunca haba sido formulado.

17 Ejercicios
1.
Se tiene una urna con 5 fichas negras y 5 fichas rojas. Si el experimento
aleatorio consiste en: se extraen 3 fichas (una tras otra), se anota el color y se retorna
a la urna.
Calcular la probabilidad de:
a.- La primera ficha extrada sea roja.
b.- La segunda ficha extrada sea roja.
c.- La primera y la segunda ficha extrada sean negras.
d.- La tercera ficha no sea roja.
e.- Las fichas extradas no sean negras.
f.- La primera ficha extrada sea roja o negra.
g.- La segunda ficha extrada sea roja y negra.
2.

Sean A y B, eventos independientes y P(B)= .

Pgina 20 de 24

Calcular la P(A) si P(AB) =.

3.
Dos jugadores Pedro y Javier tiran una sola vez un mismo dado, las 6 caras del
lado tienen la misma probabilidad de salir, el jugador que gana es el que saca un
nmero estrictamente superior al del otro. La partida es nula si los dos jugadores
sacan el mismo nmero. Calcular:
a.- La probabilidad de que no gane Pedro.
b.- La probabilidad de que gane Pedro.
c.- La probabilidad de que gane Javier sabiendo que Pedro sac un 4.
4.
De un grupo de 40 personas, 26 leen el Diario Oficial, 18 leen el Mercurio, estas
cifras incluyen a 10 personas que leen ambos diarios. Si se elige a una persona al azar
cual es la probabilidad que:
a.- Lea el Diario Oficial.
b.- Lea el Mercurio.
c.- Lea el Diario Oficial y el Mercurio.
d.- No Lea el Diario Oficial y el Mercurio.
e.- Son independientes los eventos leer el Diario Oficial y el Mercurio.
f.- Lea el diario oficial o el Mercurio.
5.
Se extraen, sin reemplazo, dos cartas de una baraja (La baraja de 52 cartas
tiene 4 ases).
Cul es la probabilidad de que ambas sean ases?

6.
El n de postulantes a las universidades chilenas segn sexo se muestra en la
siguiente tabla:
Sexo
Femenino
Masculino
Total

Postula
Si
30
50
80

Total
No
10
30
40

40
80
120

a.- Si se elige una persona al azar cual es la probabilidad que:

a.1.- Sea de sexo masculino.
a.2.- No haya postulado a la Universidad.
a.3.- Haya postulado y sea de sexo masculino.
a.4.- No haya postulado y sea de sexo femenino.
b.- Son independientes los eventos postula a la universidad y ser de sexo femenino.
c.- Si se elige al azar 2 personas consecutivamente y sin reposicin, cul es la probabilidad
de que:?
Pgina 21 de 24

c.1. al menos 1 sea de sexo femenino.

c.2. Los 2 hallan postulado a la universidad.
c.3. Ninguno sea de sexo femenino.
d.- Calcule la probabilidad de que la persona sea hombre dado que postulo a la universidad.
e.- Calcule la probabilidad de que la persona elegida haya postulado dado que es mujer.
f.- Calcule la probabilidad de que la persona elegida haya postulado a la universidad o no
haya postulado dado que es hombre.
7.
En una sala se encuentran el siguiente grupo de personas: 5 hombres mayores
de 21 aos, 4 hombres menores de 21 aos, 6 mujeres mayores de 21 aos, 3 mujeres
menores de 21 aos. Una persona es elegida al azar y se definen los siguientes eventos:
A: la persona es mayor de 21 aos.
B: la persona es menor de 21 aos.
C: la persona es hombre.
D: la persona es mujer.
Se pide calcular:
a.- P(BD)
b.- P(AC)
c.- P(AcCc)
d.- P(BcD)
e.- P( (BC)c )
f.- Si se elige una persona de la sala y resulta ser hombre, cual es la probabilidad que la
persona sea mayor de 21?.
g.- Si la persona elegida fue mujer, cul es la probabilidad de que sea mayor de 21 o
menor de 21?.
h.- Si la persona elegida fue mujer,cul es la probabilidad de que sea mayor de 21 o sea
hombre?.
8.

La probabilidad de que un hombre viva dentro de 25 aos es

probabilidad de que su esposa viva dentro de de 25 aos es

3
y la
5

2
.
3

Hallar la probabilidad de que:

a.- ambos vivan dentro de 25 aos.
b.- viva solamente el hombre.
c.- viva solamente la mujer.
d.- viva al menos uno.
9.
Se tiene un grupo de 100 personas de las cuales 20 son ingenieros, 20
arquitectos, 20 constructores civiles y 40 obreros. Se eligen 3 personas al azar, sin
sustitucin. Se pide calcular la probabilidad de:
a.- los tres sean ingenieros.
b.- al menos dos sean ingenieros.
Pgina 22 de 24

10.
Una agencia automotriz recibe un embarque de 20 automviles nuevos. Entre
stos, 2 tienen defectos. La agencia decide seleccionar aleatoriamente, 2 autos de entre
los 20 y aceptar el embarque si ninguno de los 2 vehculos seleccionados tienen
defectos.
Cul es la probabilidad de aceptar el embarque?
11.
En una caja hay cien pernos de la misma medida. Se sacan al azar 20 de ellos,
se los marca de una manera determinada y se los devuelve a la caja. En otra
oportunidad se sacan tres pernos sin reposicin. Se pide calcular la probabilidad de
que:
a.- todos estn marcados.
b.- al menos dos estn marcados.
c.- ninguno est marcado.
12.
En un C.F.T. de Chile el 4% de los hombres y el 1% de las mujeres tienen mas
de 1,7 mts. de estatura. Adems el 60% de los estudiantes son mujeres. Si se selecciona
al azar un estudiante y mide mas de 1,7 mts., entonces se pide calcular:
a.- Cul es la probabilidad de que sea mujer?.
b.- Cul es la probabilidad de que sea hombre?
13.
Cierto artculo es manufacturado por tres fbricas, la 1, 2 y 3. Se sabe que la
primera produce el doble de artculos de la segunda y que sta y la tercera producen
el mismo nmero de artculos (durante un perodo de produccin especificado). Se
sabe tambin que el 2% de los artculos producidos por las dos primeras fbricas es
defectuoso mientras que el 4% de los manufacturados por la tercera es defectuoso. Se
colocan juntos los artculos producidos en una fila y se escoge uno al azar:
a.- cual es la probabilidad de que este artculo sea defectuoso?
b.- Supongamos que tomamos un artculo del total y resulta defectuoso, cul es la
probabilidad que provenga de la fbrica 1?
14.
La empresa de Technique produce televisores en dos fbricas. Se sabe que el
10% de los televisores producidos por la fbrica A se envan con defectos, mientras
que el 5% de los producidos por la fbrica B salen as mismo con defectos. Si la
fbrica A produce 100.000 televisores por ao y la fbrica B produce 50.000 televisores
por ao:
a.- Cual es la probabilidad de que Ud. compre un televisor defectuoso?.
b.- Si Ud. compra un televisor y resulta ser defectuoso, cul es la probabilidad de que haya
sido hecho por la fbrica A?.
15.
Si la probabilidad de que La Catlica gane los play off de la liga de ftbol de
Chile es de 0,25 y la probabilidad de que lo obtenga Colo Colo es de 0,20. Adems, la
Pgina 23 de 24

probabilidad de que el Campen de la Liga Chilena de Ftbol gane la Copa

Libertadores de Amrica (Versin 2006) es de 0,45; 0,55 o 0,35, dependiendo de si La
Cato, Colo Colo o algn otro equipo gana el campeonato.
a.- Cul es la probabilidad de que un equipo de la Liga Chilena gane la Copa Libertadores
de Amrica?.
b.- Si un equipo de la Liga de Ftbol de Chile gana la Copa Libertadores de Amrica, cul
es la probabilidad de que sea La Catlica?.
c.- Si un equipo de la Liga de Ftbol de Chile gana la Copa Libertadores de Amrica, cul
es la probabilidad de que sea el Colo?.
16.
Una planta recibe reguladores de voltaje de 2 diferentes proveedores:
Siemmens y Allen Bradley. El 75% de los reguladores se compran a Siemmens y el
resto a Allen Bradley. El % de reguladores defectuosos que se reciben de Siemmens es
de un 8% y el de Allen Bradley es de un 10%.
Calcular la probabilidad de que funcione un regulador de voltaje de acuerdo con las
especificaciones.

Pgina 24 de 24