Probabilidades

CAPITULO III
PROBABILIDAD
Los genes no son decisivos
Puede la hija de una mujer que muri de cncer Establecer el modelo probabilstico.
de mama ser portadora de un gen defectuoso que
la haga contraer tambin el padecimiento?. Tal Establecer y discutir las reglas
vez, pero lo ms probable es que no. Todos bsicas de las probabilidades y la
(hombres y mujeres) nacemos con dos genes manera como se asignan proba-
llamados CM1 y CM2; una mutacin en
bilidades.
cualquiera de los dos podra tener por
iz
consecuencia la aparicin de la enfermedad.
La probabilidad de que una mujer presente una Establecer y discutir el concepto de
l
mutacin en uno de esos genes es de slo uno en probabilidad condicional y de eventos

800, pero si su madre padeci de cncer de independientes.
.V
mama y tena una mutacin heredada en el CM1

o en el CM2, el riesgo de haber heredado
tambin la mutacin es de 50 por ciento.
Introducir el Teorema de Bayes.
C
Sin embargo, aunque sea portadora de ese gen,

no por fuerza va a contraer cncer; los CM slo
son genes de propensin a la enfermedad.
Cmo saber si una mujer portadora padecer o
no cncer? "Por desgracia, no hay manera de
averiguarlo. Es un juego de ruleta estadstico,
seala la doctora Bernardine Healey, de la
Universidad Estatal de Ohio.
Revista "Selecciones"
3.1. INTRODUCCION
Los modelos que se usan en el estudio de los conjuntos de datos que son objeto de la Estadistica; es decir
los que tienen variabilidad, son tratados por la teora de la Probabilidad. Estos modelos se llaman modelos
aleatorios y su caracterstica principal es que describen los patrones que rigen los resultados pero no los
58 P r o b a b i l i d a d . Carlos Vliz Capuay.
resultados en si. No es posible tener un modelo de este tipo que, mediante una frmula, indique cul es el
resultado al lanzar una moneda; pero si se puede argumentar, por ejemplo, que la moneda es equilibrada;
esto es, que existe igual posibilidad de obtener cara o sello.
En general, la Probabilidad tiene que ver con la descripcin matemtica (la modelacin) de la
incertidumbre, con la construccin de modelos que describen situaciones reales en donde no solo existe
variabilidad en los resultados sino que adems stos sean imprevisibles. La modelacin en este caso
consistir en listar los resultados, asignndoles a cada uno de ellos una ponderacin que indique de alguna
manera la posibilidad que tiene de aparecer. De este modo se puede establecer un cierto patrn que
permita predecir con un cierto grado de seguridad los resultados futuros.
Los modelos que se presentan en la teora de la Probabilidad tambin se usan para evaluar resultados que
son inciertos. Este tipo de resultados se presentan a menudo en la Estadstica cuando, a partir de muestras
aleatorias, se realizan estimaciones de los parmetros que resumen caractersticas de una poblacin.
Lo expresado justifica el siguiente desarrollo.
3.2. EL MODELO PROBABILISTICO
3.2.1. Experimento aleatorio
Un experimento aleatorio, es todo proceso que se puede repetir indefinidamente obtenindose

iz
resultados imprevisibles.
l
Existen experiencias cuyos resultados son imprevisibles pero que no pueden repetirse cuantas veces se
.V
desee; tal es el caso del experimento consistente en observar si para cierto da llover o no en un lugar
determinado a las 8 a.m. An cuando esta experiencia no se puede repetir cuantas veces se desee, el
C
mismo da y en la misma hora, podemos imaginar que se trata de la primera de una serie ilimitada de
experiencias semejantes. Las experiencias con resultados imprevisibles pero que no pueden repetirse
cuantas veces se desee, tambin son consideradas como experimentos aleatorios por aquellos que suelen
llamarse subjetivistas, en contraposicin con los frecuentistas, quienes aceptan como experiencias
aleatorias aquellas que son repetibles cuantas veces se desee y con resultados imprevisibles.
Los principios generales de la Teora de la Probabilidad que se estudian pueden aplicarse a partir de
cualquiera de las dos posiciones antes indicadas; pero si interesa que la experiencia pueda repetirse
muchas veces para de este modo construir un modelo que permita, en base a sus propiedades, tomar
decisiones, respecto al proceso que se experimenta.
Los siguientes experimentos son aleatorios:
La eleccin de una familia, para luego anotar el nmero de hijos que tiene.
La produccin de un artculo por una determinada mquina, para luego anotar si es bueno o
defectuoso.
La llegada de un autobs a un paradero para luego anotar el tiempo de llegada.
La observacin de un sistema de informacin para ver si funciona o no.
La medicin de la resistencia de una viga al aplicar una fuerza para luego anotar el resultado
correspondiente.
Carlos Vliz Capuay P r o b a b i l i d a d . 59
3.2.2. Espacio muestral
Se llama espacio muestral al conjunto formado por todos los resultados posibles de un
experimento aleatorio.
El espacio muestral se denota con .
Ejemplo. Variabilidad de los resultados de un negocio.

Un negocio se observa hasta que el resultado es exitoso (e). El espacio de este experimento aleatorio
est formado por los siguientes resultados en donde f indica fracaso:
e, el negocio es exitoso en la primera realizacin,

fe, el negocio es exitoso en la segunda realizacin,
ffe, el negocio es exitoso en la tercera realizacin,
... ...
etc.
Nota
Si el negocio solo se observa para ver si es exitoso o no, el espacio muestral es {e, f}.
De acuerdo a esta observacin el espacio muestral depende del propsito de la experiencia

ms que de la experiencia en si.
iz
Ejemplo. Variabilidad de los resultados de un sistema de comunicacin.
l
Un sistema de comunicacin tiene dos componentes. Si el sistema se observa para anotar luego
el nmero de componentes que funcionan correctamente, el espacio muestral es el conjunto {0,
.V
1, 2}.
C
Si el sistema se observa para luego anotar las componentes que funcionan se tendr que el
espacio muestral es {(0, 0), (1, 1), (0,1), (0, 1)} en donde 0 indica que la componente no
funciona y 1 que la componente funciona.
Ejemplo. Midiendo la variabilidad de la resistencia de un metal.

La dureza de un metal puede medirse imprimiendo una punta de acero o diamante a la superficie a
probarse para luego medir la profundidad de la penetracin. La resistencia del metal indica el grado de su
dureza. Si se mide la dureza de varias piezas de metal del mismo lote de fabricacin, los resultados
conforman el espacio muestral de las mediciones y se puede expresar como [0, a], en donde a puede ser
un nmero como 100, 110, 110.45, 120,... . No sabiendo a ciencia cierta cul ser el valor a, conviene
tomar como espacio muestral al intervalo [0, +[ .
3.2.3. Evento. Operaciones con eventos
Un evento de un experimento aleatorio E, es cualquier subconjunto de su espacio muestral.
En particular, el espacio muestral, , y el conjunto vaco, , son eventos, pues son subconjuntos de .
De manera equivalente, un evento queda determinado por las proposiciones que describen sus elementos.
Ejemplo. Experiencias con dos resultados posibles.

Al lanzar una moneda, el espacio que se obtiene es = {c, s}, donde c corresponde a cara y s
corresponde a sello.
Los eventos que se pueden obtener son: {c}, {s}, y .
El lector puede encontrar una serie de experiencias aleatorias que se parecen al lanzamiento de una
moneda.
Si al realizar un experimento aleatorio el resultado pertenece a un evento A se dice que el resultado

favorece al evento A o que el evento A se realiza. Si al lanzar un dado se obtiene un nmero par, entonces
el evento A = {2, 4, 6} se realiza. El espacio muestral se llama tambin suceso siempre cierto, siempre
se realiza, mientras que se llama suceso imposible, nunca se realiza.
Si con cada elemento del espacio muestral se forman subconjuntos unitarios, se tendrn los eventos
llamados eventos elementales.
Si la ocurrencia de un evento excluye la ocurrencia de otro evento ambos se llaman eventos excluyentes.
Si A y B son eventos excluyentes entonces A B = .
Operaciones con eventos

Entre los eventos de un espacio muestral, se pueden definir operaciones tales como, la
iz
Las
operaciones interseccin de eventos, reunin de eventos y complemento de un evento.
l
con eventos
son las Para los eventos A y B, la interseccin de A y B, denotada con A B, es el evento
mismas
.V
operaciones formado por los elementos comunes a A y B. Figura 3.1 a).

que se
C
realizan con El evento A B se realiza si A y B se realizan a la vez.

los
conjuntos.
Si A B = , se dice que A y B son mutuamente excluyentes o disjuntos.
La reunin o unin de A y B, que se denota con A B, es el evento formado por los

elementos del espacio muestral que estn en A, en B o en ambos eventos a la vez.
El evento A B se realiza si al menos uno de los eventos A o B se realiza.
a) A B b) A B c) A
Figura 3.1
El complemento de A, que se denota con A , es el evento formado por los elementos de que no estn
en A. Figura 3.1. c). El evento A se realiza cuando el evento A no se realiza.
Ejemplo. Telefona sin hilos.

Un sistema de telefona sin hilos consta de tres canales. Un experimento aleatorio consiste en observar el
sistema para luego anotar el nmero de canales que estn ocupados o desocupados.
El espacio muestral puede describirse usando triadas en donde la posicin indica el canal, 1 indica que el
canal no esta ocupado y 0 indica que el canal est ocupado.
{(0, 1, 1), (1, 0, 1), (1, 1, 0), (0, 0, 1), (1, 0, 0), (0, 1, 0), (0, 0, 0), (1, 1, 1)}.
Por ejemplo, (0, 1, 1) indica que el canal 1 esta ocupado, que los canales 2 y 3 estn desocupados.
El evento A, descrito con al menos dos canales estn desocupados es
{(0, 1, 1), (1, 0, 1), (1, 1, 0), (1, 1, 1)}.
El evento B, descrito con el primer canal esta desocupado es {(1, 1, 1), (1, 0, 0), (1, 1, 0), (1, 0, 1)}
La interseccin A B es {(1, 1, 1), (1, 1, 0), (1, 0, 1)}
La unin A B es {(1, 1, 1), (1, 0, 0), (1, 1, 0), (1, 0, 1), (0, 1, 1), (1, 1, 1)}.
iz
El complemento de A es {(0, 0, 0), (0, 1, 0), (0, 0, 1), (1, 0, 0)}
l
.V
3.2.4. La probabilidad
C
Como los eventos de un experimento estn constituidos por resultados imprevisibles ser preciso
introducir una funcin que mida la incertidumbre de la ocurrencia de tales conjuntos. Histricamente, para
medir lo incierto se us el concepto clsico de probabilidad. Este concepto, ideado por Laplace, tuvo su
origen en los juegos de azar y se aplica a experiencias "aleatorias" para las cuales el espacio muestral es
finito y con resultados igualmente posibles. As se defini la probabilidad de un evento A como el
cociente
Nmero de resultados que favorecen al evento A

Nmero de resultados posibles
Al lanzar un dado equilibrado, la probabilidad de que aparezca un nmero par es igual al cociente:
Nmero de eventos que favorecen a que el resultado sea para 3

= = 0.5 .
Nmero de resultados posibles 6
Por mucho tiempo se manejo este concepto clsico de probabilidad;

sin embargo, no inclua situaciones como por ejemplo, la
probabilidad de que un foco dure entre 100 y 200 horas. El Historia
La teora de Probabilidad fue
presentada como teora por primera
vez en el siglo XIX por Pierre
Simon, marqus de Laplace. Aos
antes, Jacob Bernoulli (1654-1705),
Abraham de Moivre (1667-1754), el
reverendo Thomas Bayes (1702-
1761) y Joseph Lagrange (1736-
1813), desarrollaron una serie de
frmulas y tcnicas para el clculo de
la probabilidad.
matemtico ruso Andrei Kolmogorov (1903 - 1987) ampli este concepto mediante una serie de axiomas
consistentes con los conceptos mencionados anteriormente y que de manera racional resuelven el
problema de medir la incertidumbre, an cuando el nmero de resultados posibles de la experiencia sea
infinito. Estos axiomas se comprenden si se toma en cuenta lo siguiente:
El espacio muestral es el evento seguro, el que siempre se realiza, de ah que si se desea determinar una
medida o ponderacin para este evento, sta debe ser mxima. En oposicin, el evento vaco debe tener la
menor ponderacin, pues ste es el que nunca se realiza. Si decidimos que la ponderacin de debe ser 1
y que la de debe ser 0, se tendr, en forma natural, que para cualquier evento A, la ponderacin debe ser
un nmero entre 0 y 1 y ms seguridad existir que ocurra este evento cuando la ponderacin est ms
cercana de 1.
Definicin de probabilidad
Formalmente se define la probabilidad de un evento, de la siguiente manera:
La probabilidad de un evento A se denota con P(A) y se define como el nmero que

cumple con los siguientes axiomas, introducidos por Andrei Kolmogorov.:
1. Es un nmero no negativo: P( A) 0
2. La probabilidad del espacio muestral o evento siempre cierto es igual a 1: P( ) = 1
3. Si A1 y A2 son eventos mutuamente excluyentes; esto es, si A1 A2 = , entonces, la

iz
probabilidad de la unin de los dos eventos es la suma de las probabilidades de cada uno
de ellos.
l
Simblicamente: P( A1 A2 ) = P ( A1 ) + P ( A2 ) .
.V
Las siguientes propiedades se deducen de los axiomas.

C
4. La probabilidad del evento vaco es igual a 0.
5. La probabilidad es un nmero entre 0 y 1.
6. La probabilidad del complemento de un evento A es igual a 1 - P(A).
7. Si A1 ,... An son eventos mutuamente excluyentes; esto es, si Ai A j = , para i j, entonces,

la probabilidad de la unin de los eventos es la suma de las probabilidades de cada uno de ellos.
Simblicamente: P( A1 .... An ) = P( A1 ) + ... + P( An ) .
8. Si A B entonces P( A) P( B)
Ejemplo. Modelando y evaluando la demanda de electricidad y agua potable.

La demanda de potencia elctrica que necesita una residencia en un determinado sector de la ciudad puede
ser 4 o 8 unidades, mientras que la demanda de agua potable puede ser 1.5 o 2 unidades. El espacio
muestral de la demanda conjunta es {(4, 1.5), (4, 2), (8, 1.5), (8, 2)}.
Cierta informacin indica que la probabilidad de cada uno de los elementos del espacio muestral es
Resultados Probabilidades
E1: (4, 1.5) 0.2
E2: (4, 2) 0.1
E3: (8, 1.5) 0.3
E4: (8, 2) 0.4
Tabla 4.1. Modelando el consumo de electricidad y agua
Si denotamos con
A: la demanda de la energa es 8 unidades y
B: la demanda de agua es 1.5 unidades se tiene que,
La probabilidad de que la demanda de la energa sea de 8 unidades es P[A] = P[(8, 1.5), (8, 2)] = 0.7.
La probabilidad de que la demanda de energa sea de 8 o que la demanda de agua sea de 1.5 unidades es
P( A B ) = P( A) + P ( B) P( A B) = 0.7 + 0.5 P( E 3) = 0.7 + 0.5 0.3 = 0.9 .
Asignacin de Probabilidades
iz
l
Los axiomas y propiedades estudiadas no indican como deben asignarse, en general, las
probabilidades a los diversos resultados de una experiencia aleatoria en particular; solamente
.V
establecen las limitaciones de las formas en que esto puede hacerse. Algunas veces la
asignacin antelada es posible como en el caso del lanzamiento de un dado equilibrado, en
C
donde a cada resultado se le asigna 1/6 de probabilidad. Otras veces; sin embargo, tal
asignacin previa es imposible, por lo que es necesario lanzar el dado varias veces, digamos
200, y asignar a cada resultado su respectiva frecuencia relativa. Estas probabilidades pueden
ser mejoradas observando un mayor nmero de lanzamientos. En general se puede asignar
probabilidades provisionales para luego afinarlas a partir de una mayor informacin de la
experiencia que se estudia.
ASIGNACIN DE PROBABILIDADES PARA UN ESPACIO MUESTRAL CON n RESULTADOS
Cuando el espacio muestral tiene n resultados, a cada resultado wi se le asigna como probabilidad el
nmero no negativo pi , de tal manera que la suma de todos los valores asignados sea igual a 1.
Si a cada elemento del espacio muestral se le asigna la misma probabilidad, p i = 1/n, entonces se le llama
equiprobable. En este caso, la probabilidad de un evento A es igual a
N mero de casos favorables a A

P ( A) = .
N mero de casos posibles
La frmula corresponde a la definicin clsica de Probabilidad o tambin llamada definicin de Pascal.

A las experiencias cuyos resultados son equiprobables se les llama "experiencias al azar". As, "elegir una
persona al azar" de un grupo de n personas equivale a asignar igual probabilidad a la eleccin de cada
persona. En general, elegir m objetos al azar de un conjunto, significa que cada uno de los conjuntos
formados con m elementos tienen la misma probabilidad de ser elegidos.
Como resumen de lo desarrollado podemos derivar las siguientes recomendaciones en la resolucin de

problemas relacionados con probabilidades:
a) Planteada la experiencia aleatoria, se debe identificar de manera apropiada el espacio muestral,

indicando sus elementos de manera exhaustiva y sin ambigedades.
b) Asignar a cada elemento del espacio muestral las probabilidades, de manera consistente con los
axiomas. La asignacin de las probabilidades se hace en base a estimaciones, a supuestos o a
cuidadosos anlisis previos.
c) Identificar los eventos que interesan para luego, usando los axiomas y propiedades, calcular las
probabilidades respectivas.
Ejemplo. Asignacin de probabilidades para el control de calidad.

En un almacn hay 10 artculos: n1, n2, ..., n6, d1..., d4,, de los cuales d1..., d4 son defectuosos. Si se
eligen cuatro artculos al azar, cul es la probabilidad de que en el conjunto elegido no exista ninguno
que sea defectuoso?
Solucin
El espacio muestral de la experiencia, , est formado por conjuntos de cuatro elementos tomados de un
conjunto que tiene diez elementos. Algunos de estos conjuntos son:
iz
l
{n1, n2, n3, n4}, {n1, n2, d2 , n3}, {n2, d1, n3, d3}, {n2, n3, d1, d2}, {n1, n2, n3, d1}.
.V
El evento A que interesa y cuya probabilidad se desea conocer, est formado por conjuntos de cuatro
artculos y en donde no aparecen defectuosos. Algunas de stas combinaciones son:
C
{n1, n2, n3, n4}, {n1, n2, n4, n5}, {n1, n3, n4, n6}, etc.,
N mero de casos favorables a A 15

Se sigue que P ( A) = = = 0.071.
N mero de casos posibles 210
El lector puede resolver el caso en donde la eleccin de los artculos se hace de uno en uno y con
restitucin. Tambin, si la eleccin se hace de uno en uno sin restitucin.
Ejemplo. Asignacin de probabilidades en la transmisin de seales.

Se transmiten seales al azar, las cuales pueden ser ceros o unos. Si se transmiten 4 seales; cul es la
probabilidad de que slo 2 de ellas sean ceros?
Solucin
El espacio muestral de esta experiencia aleatoria tiene 2 4 elementos y la probabilidad del evento descrito
por de 4 seales, 2 son ceros, es igual a 6/ 2 4 =0.3750.
FRECUENCIA RELATIVA Y PROBABILIDAD

Se puede asignar probabilidades de manera aproximada a un evento A, observando hacia que valor se
acerca la frecuencia relativa del evento en una serie prolongada de experimentos repetidos y bajo las
mismas condiciones.
Este concepto fue estudiado por Jacques Bernoulli (1654 - 1705) y publicado posteriormente con el
nombre de la ley dbil de los grandes nmeros (tambin se conoce como teorema de Bernuolli).
Bsicamente esta ley indica que
"Cuando una experiencia aleatoria se realiza un nmero grande de veces, es muy

probable que la frecuencia relativa de un evento tienda a la probabilidad de que suceda
el evento".
Si despus de realizar n veces un experimento aleatorio, se observa que el evento A sucedi n A veces
entonces la probabilidad se aproxima con n A / n . A esta probabilidad se le llama probabiliadad
frecuencial
El valor exacto de la probabilidad frecuencial se obtiene al hacer tender n hacia infinito.
La introduccin de las tablas de frecuencia en la primera parte del curso resulta as importante en la
bsqueda del modelo para estudiar la variabilidad.
Ejemplo. Asignacin de probabilidades a los resultados de una moneda equilibrada.

Al lanzar N veces una moneda, la frecuencia relativa del evento cara tiende a una constante, si N crece
indefinidamente. Esta constante puede asignarse como probabilidad al evento cara. Cuando la moneda
iz
es equilibrada, la constante es igual a 0.5. As se puede escribir P("cara") = P("sello") = 0.5.
l
Ejemplo. Modelando el nmero de hijos de las familias.

.V
Si al tomar una muestra representativa de las familias de un pas, observamos que la frecuencia relativa
del nmero de hijos es como indica la siguiente tabla
C
Nmero de hijos 0 1 2 3 4 5 o ms
Frecuencia relativa 0.05 0.10 0.30 0.25 0.15 0.15
Tabla 3.2. Modelando el nmero de hijos en la familia
Podemos escribir: P(tener un hijo) = 0.10, P(tener dos hijos) = 0.30, etc.
Ejemplo. Probabilidad geomtrica

Para un experimento aleatorio cuyo espacio muestral es un conjunto contenido en el plano y de rea
diferente de cero, se define la probabilidad geomtrica de un evento A contenido en , como el nmero
Area( A)
P( A) =
Area()
Como puede comprobarse, la funcin P as definida es efectivamente una probabilidad,.

Ejemplo. Evaluacin de la eleccin de un punto de un crculo.

2 2
Se escoge al azar un punto del crculo C definido por x + y 4 . Hallar la probabilidad de que el punto
escogido est en el crculo D con centro el origen y radio 1.
Solucin
El espacio muestral corresponde al crculo C y la probabilidad de que el punto elegido est en el crculo
D es
Area( D )
P( D) = = = 0.25 .
Area ( ) 4
Ejemplo. Encuentros.
Federico y Vania acuerdan encontrarse en cierto lugar entre las 8 a.m. y las 9 a.m. de un da determinado
y convienen en que cada uno de ellos debe esperar al otro a lo ms 10 minutos. Hallar la probabilidad de
que se encuentren.
Solucin
Denotaremos con x al tiempo transcurrido hasta la llegada de Federico y con y el tiempo transcurrido
hasta la llegada de Vania. Cada valor x e y varan en el intervalo [0, 60].
El espacio muestral est formado por los pares (x, y) del cuadrado cuyos lados son iguales al segmento
[0, 60].
El evento expresado con "Federico lleg primero y se encontr con Vania" se indica con la siguiente
iz
relacin:
l
x y x + 10
El evento expresado con "Vania lleg primero y se encontr con Federico" se indica con la siguiente
.V
relacin:
C
y x y + 10
El evento "Vania y Federico se encuentran" se determina con
A = {( x, y ) / y x y + 10 o x y x + 10} .
60 60
Y A
10
60
10
X
Figura 3.2
Area de A 60 60 50 50 11
La probabilidad de A es P( A) = = = .
Area de 60 60 36
ANDREI KOLMOGOROV
Andrei Kolmogorov naci en Rusia, el 25 de abril de 1903. Muy joven ingres a la

universidad estatal de Mosc y se gradu en 1925.
Kolmogorov revolucion las Probabilidades introduciendo los axiomas que definen la

Probabilidad de un evento. Estos axiomas permitieron la amplia aplicacin de las
Probabilidades a diferentes campos como la Fsica, Qumica, Biologa e Ingeniera. Sin
embargo, sus aportes tambin se produjeron en el campo de las Ecuaciones Diferenciales
en donde diferentes propiedades llevan su nombre.
Entre los trabajos realizados por Kolmogorov se encuentran discusiones sobre el

desarrollo de las Matemticas desde sus inicios hasta los tiempos modernos.
Como miembro de la Facultad de Matemticas desarroll diversos cargos importantes en

la Universidad Estatal de Mosc.
Su aporte a las Matemticas no slo se circunscribi al campo universitario pues tambin

se interes en las Matemticas escolares promoviendo diferentes programas de
entrenamiento para los profesores de esta rea.
iz
Andrei Kolmogorov muri el 20 de Octubre de 1987 cuando an era profesor de la
Universidad Estatal de Mosc.
l
.V
3.3. EJERCICIOS
C
1. Indicar el espacio muestral de los siguientes experimentos aleatorios:
a) E1: Eleccin de tres personas de una en una y sin restitucin para luego anotar si cada una es ocupada, O o
desocupada, D.
b) E2: Eleccin de un automvil producido por una fbrica para luego anotar el espacio recorrido despus de
consumir un galn de gasolina.
Rpta. a) {(O,O,O), (O,O,D), (O,D,O), (D,O,O), (O,D,D), (D,O,D), (D,D,O), (D,D,D)}. b) [ 0,+[
2. Un experimento consiste en seleccionar al azar 4 personas y observar si su sangre tiene el factor RH+ o el factor RH-
.
a) Indicar el espacio muestral.

b) Enumerar los elementos de los sucesos que se describen a continuacin:
A: "Por lo menos tres personas tienen sangre con RH+".

B: "A lo ms dos personas tienen sangre con RH+".
3. El seor Prez debe pasar por tres entrevistas consecutivas para ingresar a trabajar en una compaa. Las personas
encargadas de las entrevistas son: Hugo, Paco y Luis, en ese orden. Sean los eventos descritos por las proposiciones
que se indican.
A: el veredicto de Hugo es favorable.

B: el veredicto de Paco es favorable.

C: el veredicto de Luis es favorable.
Usando A, B y C, escribir los eventos descritos por
a) "Ninguno de los veredictos es favorable".

b) "Todos los veredictos son favorables".
c) "Por lo menos dos veredictos son favorables".
d) "El veredicto de Hugo es favorable".
Rpta. a) A B C c) ( A B C ) ( A B C ) ( A B C ) ( A B C ).
4. En una mesa hay cuatro cartas con sus respectivos sobres. Se introducen al azar las cuatro cartas, una en cada sobre.
a) Usando una notacin adecuada, describir el espacio muestral.

b) Describir cada uno de los siguientes eventos:
A: "slo una carta se introdujo correctamente".

B: "dos cartas se introdujeron correctamente".
Rpta. a) El espacio muestral est formado por las permutaciones o arreglos de las cartas 1, 2, 3, 4. El arreglo (1, 2, 3, 4) indica
que la carta 1 ha sido introducida en el sobre 1, la carta 2 se ha introducido en el sobre 2, la carta 3, en el sobre 3, etc.
5. Se escoge una persona al azar de un grupo de 100. Sean los eventos descritos por:
E1: la persona escogida es hombre,

E2: la persona escogida es mujer,
E3: la persona escogida tiene educacin superior,
E4: la persona escogida proviene de un colegio estatal.
Qu significan los siguientes eventos:
iz
A = E1 E2?, B = E2 E3 E4?, C = (E1 E3 E4) (E2 E3 E4)?.
l
Rpta. B: La persona elegida es mujer con educacin superior y proviene de un colegio estatal.
.V
6. Se tienen 5 computadoras de tipo A y 6 de tipo B. Si se eligen al azar y de una sola vez 4 computadoras,
a) Cul es el nmero de elementos que tiene el espacio muestral ?

C
b) Cul es el nmero de elementos que tiene el evento cuyos elementos estn formados por dos computadoras de
tipo A y dos de tipo B.
Rpta. a) El espacio muestral est formado por el nmero de combinaciones de 5 elementos que se pueden formar con los
elementos de un conjunto de 10 elementos. b) 150.
7. Una estacin de bombeo puede quedar fuera de servicio por falla en la bomba, por fuga o por falla y fuga a la vez.
Para dos estaciones de bombeo se tiene lo siguiente:
Para la estacin 1: P(falla en la bomba) = 0.07, P(fuga) = 0.10 y P(falla y fuga) = 0.06.
Para la estacin 2: P(falla en la bomba) = 0.09, P(fuga) = 0.12 y P(falla y fuga) = 0.06
Cul estacin tiene la mayor probabilidad de quedar fuera de servicio?
8. La probabilidad de que Juan vaya a una determinada cita es 0.4, de que Pedro vaya a la misma cita, 0.6 y de que
ambos vayan a la cita, 0.2. Cul es la probabilidad de que Juan o Pedro vayan a la cita?
Rpta. 0.8.
9. La probabilidad de ganar el primer premio en una juego es 2/5 y la de ganar el segundo premio, 3/8. Si la
probabilidad de ganar al menos uno de los dos premios es 3/4, hallar la probabilidad de ganar ambos premios.
Rpta. 4/9.
10. Un dado es fabricado de tal manera que cuando se lanza, el 1, el 2 y el 3 tienen el doble de probabilidad de
aparecer que el 4, el 5 o el 6. Calcular la probabilidad de que al lanzar el dado el resultado sea par.
Rpta. 3/36.
11. Si se lanzan dos dados equilibrados, el espacio muestral est formado por 36 resultados.
a) Indique el espacio muestral

b) Si los dados se lanzan, cul es la probabilidad de que la suma de los resultados sea 3 o menos?.
12. Cul es el mayor valor que puede tomar la probabilidad de la interseccin de dos eventos si la probabilidad de la
reunin es 0.4?
13. La probabilidad de que Jos apruebe el primer examen del curso AYB es 0.8 y que la probabilidad de que apruebe
el segundo examen del mismo curso es 0.6. Si el 50% de los alumnos aprueban ambos exmenes, cul es la
probabilidad de Jos apruebe slo uno de los dos exmenes?.
14. Diez personas de diferentes tallas llegan de manera aleatoria para hacer cola en una ventanilla. Hallar la
probabilidad de que
a) el ms alto est al inicio de la cola.

b) el ms alto y el ms bajo estn en los extremos de la cola
c) el ms alto y el ms bajo estn juntos.
15. Un alumno de la universidad UU debe llevar en el segundo ciclo de estudios los cursos de Filosofa, Matemticas y
Lengua. Si la probabilidad de aprobar el curso de Filosofa es 0.7, el de Lengua, 0.55, el de Matemticas, 0.5, el de
Filosofa y Matemticas, 0.3, el de Filosofa y Lengua, 0.35, el de Matemticas y Lengua, 0.3 y los tres a la vez,
0.2; calcular,
a) la probabilidad de aprobar por lo menos dos cursos,

b) la probabilidad de aprobar por lo menos un curso
c) la probabilidad de no aprobar curso alguno.
iz
Rpta. a) 0.55 b) 0.9.
l
16. Una caja contiene 100 vacunas. La probabilidad de que al menos una no sea efectiva es 0.05 y de haya al menos
dos no efectivas es 0.01. Cul es la probabilidad de que la caja contenga
.V
a) todas las vacunas efectivas?

C
b) exactamente una no efectiva?

c) a lo ms una no efectiva?
17. En una lista de electores, 3 son del partido A, 8 del partido B y 13 del partido C. Otra lista tiene 5 electores del
partido A, 7 del partido B y 6 del partido C. Una persona de cada lista es elegida al azar, cul es la probabilidad de
que ambas personas sean del mismo partido?
Rpta. 0.3449
18. El tiempo de duracin de una llamada que llega a una central telefnica est entre 3 y 5 minutos. Cul es la
probabilidad de que una llamada que llega a la central dure entre 3.5 y 4.5 minutos?
Rpta. 0.5.
19. Puede un evento diferente del vaco tener probabilidad igual a 0?
20. La produccin de camisas de una determinada marca presenta el 2% de defectuosas. Si de un lote de 200 camisas se
eligen al azar y de una sola vez 30 de ellas, cul es la probabilidad que de las camisas escogidas, 3 sean
defectuosas?
Rpta. 0.0107.
21. La gerencia opina que de cada seis personas que ven un anuncio de sus productos en la televisin, uno comprar el
producto. Se seleccionan al azar cuatro personas. Cul es la probabilidad de que todas compren el producto?
22. Si la probabilidad de un evento A es p, entonces se define "la posibilidad o chance de que ocurra A"
como la razn de p a 1 - p. A menudo las posibilidades se expresan como cocientes de dos factores
que no tienen un factor comn y si es ms probable de que no ocurra un evento, se acostumbra dar las
posibilidades de que no ocurra en lugar de las que s ocurra, Cules son las posibilidades a favor o
en contra de la ocurrencia de un evento si su probabilidad es a) 3/8; b) 0.07; c) 0.4.
23. En una caja hay n balotas numeradas del 1 al n. Las balotas se sacan de una en una sin reemplazo. Si la balota r se
saca en la r - sima extraccin se considera un xito. Hallar la probabilidad de obtener al menos un xito.
Rpta. 1/1! 1/2! + 1/3! - ... ( 1)n 11 / n! .
24. Probar que
a) P ( A B ) = P ( A) P ( A B )
b) P ( A B ) P ( A) + P ( B ) 1 .
La propiedad b) se llama de Bonferroni y puede generalizarse para n eventos:
n
P( A1 A2 ... An ) P( Ai ) (n 1)
i =1
iz
3.4. PROBABILIDAD CONDICIONAL Y EVENTOS INDEPENDIENTES
l
3.4.1. Probabilidad condicional.

.V
C
Para el clculo de la probabilidad de un evento no se asumen condiciones especiales aparte de las que
definen el experimento. Algunas veces; sin embargo, se requiere revisar la probabilidad de un evento a la
luz de otro evento ya realizado. As, la probabilidad de que una resistencia, elegida de un lote producido,
dure menos de 100 horas puede ser calculada a partir de la informacin adicional de que el lote fue
fabricado en el turno de la tarde. De este modo, el espacio muestral queda reducido al conjunto de las
resistencias fabricadas en el turno de la tarde. La probabilidad de que una resistencia dure menos de 100
horas, sabiendo que fue fabricada en el turno de la tarde es una probabilidad condicional.
La probabilidad del evento A, sabiendo que el evento B ha sucedido, se llama probabilidad

condicional de A dado el evento B, se denota con P(A | B) y se define como
P( A B)
P( A | B ) = , si P ( B ) 0
P( B)
Cuando P(B) = 0 se define P(A|B) = 0.
La probabilidad condicional cumple con los axiomas de probabilidad. Es una probabilidad.
De la definicin de probabilidad condicional se obtienen la siguiente regla de multiplicacin

P( B) P( A | B) si P( B) 0,
P( A B) =
P( A) P( B | A) si P( A) 0.
Ejemplo. Distribuciones condicionales.

Se eligieron 200 resistencias fabricadas y usadas en diferentes procesos bajo las mismas
condiciones, con la finalidad de estudiar la relacin que poda existir entre el turno de
fabricacin y el hecho de que duran menos de 100 horas. La distribucin que se obtuvo de
acuerdo a estos dos factores fue la siguiente:
Turno
Duracin Maana Tarde Noche Total
Hasta 100 h. 3 4 6 13
Ms de 100 h. 97 56 34 187
Total 100 60 40 200

Tabla 3.3.
Si de las 200 se elige una al azar, la probabilidad de que sta dure menos de 100 horas es
13/200 = 0.065.
Si de las 200 resistencias se elige una al azar y resulta que sta fue producida en el turno de
iz
la tarde, entonces la probabilidad de que dure menos de 100 horas es
l
4 / 200
.V
p = P(dure menos de 100 horas | es del turno de la tarde) = = 0.066.

60 / 200
C
Ejemplo. Chips defectuosos.

En una caja existen 2000 chips elaborados por la compaa A y 500 elaborados por la compaa B. El 8%
de los chips elaborados por A y el 5% de los chips elaborados por B son defectuosos. Al elegir un chip al
azar de la caja se observa que es defectuoso, cul es la probabilidad que provenga de A?.
Si denotamos con A al evento descrito por el chip proviene de A y con D denotamos el evento descrito
por el chip es defectuoso, se tendr que
P( A D) [(0.08)(2000)] / 2500 160

P( A | D) = = = = 0.864
P( D) [(0.08)(2000) + (0.05)(500)] / 2500 185
En este caso, conocimiento de la ocurrencia del evento D incrementa la probabilidad de ocurrencia de A.
Ejemplo.
A partir de un censo se ha determinado que
El 20% de los administradores tienen maestra.

El 70% de los profesionales son administradores.
El 40% de los profesionales tienen maestra.
Cul es la probabilidad de que un profesional que no es administrador tenga maestra?
Solucin
Indiquemos los siguientes eventos:
A: El evento formado por los profesionales que tienen maestra.

B: El evento formado por los profesionales que son administradores.
Se sabe que: P(A) = 0.4, P(B) = 0.7 y P(A|B) = 0.2.
Para calcular P( A| B ) , supondremos, para simplificar, que el espacio muestral , formado por todos los
profesionales es un rectngulo de rea igual a 1 y que los eventos A y B son como se indican. De este
modo las reas de cada regin en la siguiente figura y que representa a los eventos son iguales a su
probabilidad.
P( A B)
Como 0.2 = P( A| B) = , x y A
P( B) x
B
se tiene que
Figura 3.3
x = P ( A B ) = 0.2 P ( B ) = 0.2(0.7) = 014
. .
iz
Luego, P ( A | B ) = P ( A B ) = y
=
0 .4 x 0 .4 0 .14 0 .26 26 13
= = = = .
l
P(B ) 1 P ( B ) 1 0 .7 0 .3 0 .3 30 15
.V
3.4.2. Eventos independientes

C
Si la probabilidad del evento A no depende de la realizacin del evento B se dice que A es independiente
de B. Formalmente,
Se dice que dos eventos A y B son independientes si P(A | B) = P(A).
Si la probabilidad de que una persona contraiga una enfermedad E es igual a la probabilidad de que la
persona contraiga la enfermedad sabiendo que sta es mujer, entonces los eventos que indican el riesgo de
contraer la enfermedad y que la persona sea mujer son independientes.
De la definicin de probabilidad condicional, se deduce que una manera de calcular la probabilidad de la

interseccin de dos eventos es
P(A B) = P(B|A).P(A) o equivalentemente P(A B) = P(A|B).P(B),
de donde resulta la siguiente propiedad:
Si los eventos A y B son independientes, P(A B) = P(A)P(B).

En efecto, P(A B) = P(A | B)P(B) = P(A)P(B).
Esta propiedad se extienda para tres o ms eventos.
PROPIEDAD
Si A y B son independientes entonces A y B tambin lo son.
Ejemplo. Estudiando las inundaciones.

La probabilidad de que en una determinada regin suceda una inundacin cada ao es 0.025. Si las
inundaciones suceden de manera independiente, cul es la probabilidad de que la primera inundacin
suceda dentro de 6 aos?
Solucin
Ai indica el evento: sucede una inundacin en el i-simo ao.
La probabilidad de que no suceda una inundacin cada ao es 0.975. Luego, la probabilidad pedida es
P( A1 ... A5 A6 ) = P( A1 ) P( A2 )... P( A5 ) P( A6 ) = (0.9755)(0.025) = 0.0220.
Ejemplo. Reemplazando un puente.

Cada ao i un puente puede ser reemplazado por dos nicas razones: por la ocurrencia de alguna
iz
inundacin con probabilidad p o por aumento de la demanda de agua con probabilidad ki .
l
Si
.V
Ai representa al evento el puente colapsa por inundacin en el ao i y

C
Bi representa al evento el puente debe ser reemplazado en el ao i ,
y se supone que ambos eventos ocurren de manera independiente, entonces se tendr que para cada ao i,
P(reemplazar al puente) = P( Ai Bi ) = P( Ai ) + P ( Bi ) P( Ai Bi )
= P ( Ai ) + P( Bi ) P( Ai ) P( Bi ) = p + ri ( p )(ri )
La probabilidad de que el puente sea reemplazado dentro de 10 aos es
[ p + r1 ( p )(r1 )][ p + r2 ( p )(r2 )]...[ p + r9 ( p)(r9 )][1 { p + r10 ( p )(r10 )}] .
Ejemplo. SISTEMAS EN SERIE Y SISTEMAS EN PARALELO
Un sistema de n componentes se dice que est en serie si sus componentes estn conectadas de la
siguiente manera
A C1 C2 Cn
B
...
Figura 3.4. Sistemas en serie
En un sistema de informacin de n componentes en serie la informacin pasa del punto A al punto B si la

seal es transmitida por todas las componentes.
Un sistema de n componentes se dice que est en paralelo si sus componentes estn conectadas de la
siguiente manera
C1
C2
A B
...
Cn
Figura 3.5.
En un sistema de informacin de dos componentes en paralelo la informacin pasa del punto A al punto B
si la seal es transmitida por alguna de las componentes.
Si las n componentes actan de manera independiente, entonces la probabilidad R de que la seal pase de
iz
A a B es R = 1 [(1 R1 )(1 R2 )...(1 R n )] .
l
.V
3.5. EJERCICIOS
C
1. Dados P( A) = 0.5, P ( B) = 0.7 y P( A B ) = 0.15, decir si los eventos A y B son independientes.

Rpta. No.
2. Para dos eventos A y B se indic P(A) = 0.65, P(B) = 0.80, P(A|B) = P(A), P(B|A) = 0.85. Es correcta la asignacin
de probabilidades?
3. En un estudio para introducir una nueva revista semanal se ha determinado que de 200 personas encuestados, 30 leen
la revista A, 35 leen la revista B, 40 leen la revista C, 8 leen las revistas A y C, 12 leen las revistas A y B, 15 leen las
revistas B y C y 6 leen las revistas A, B y C. Si con A denotamos al evento formado por todos los lectores de la
revista A, con B denotamos al evento formado por todos los lectores de la revista B y con C denotamos al evento
formado por todos los lectores de la revista C, hallar
P( A | B), P( B | A), P( A B | C ),
P( A | B C ) y P( A B | A C ).
Rpta. P( A| B) = 12 / 35, P( B| A) = 12 / 30.
4. Se ha determinado que las probabilidades de que un televidente vea los programas A, B, o C son: 0.5, 0.4 y 0.7,
respectivamente. Cul es el porcentaje de televidentes que ven por lo menos dos de los programas?. Se asume que
cada persona ve los programas independientemente uno del otro.
Rpta. 0.55.
5. El 3% de la poblacin en general padece de la enfermedad E. De ellos solamente el 40% lo saben. Si se selecciona al

azar una persona, cul es la probabilidad de que padezca E pero no sea consciente de padecerla?.
Rpta. 0.012.
6. Para que un postulante sea admitido a una escuela superior debe pasar con xito al menos dos exmenes
consecutivos de los tres a que es sometido en forma alternada ante dos personas A y B. Se supone que los exmenes
son independientes. Por experiencia se sabe que el 40% de los postulantes aprueban el examen con A, mientras que
slo el 35% aprueban el examen con B. Si a cada postulante se le permite escoger a la persona con quien iniciar los
exmenes; qu recomendar al postulante, iniciar con A o con B?.
Rpta. Con B.
7. a) Probar que si A y B son independientes, A y B tambin son independientes.

b) Probar P(B|A) = 1 - P ( B | A) .
7. En la siguiente tabla se presenta la distribucin de 125 hogares de acuerdo con los ingresos de sus jefes de
familia y con el hecho de ser propietarios de telfonos y de aparatos de televisin.
Hogares con ingresos de Hogares con ingresos de ms

$1000 o menos de $1000
con telfono sin telfono con telfono sin telfono
Con TV 27 20 18 10
Sin TV 18 10 12 10
Tabla 3.4.
iz
a) Cul es la probabilidad de elegir un hogar con TV?
l
b) Si una familia con ingresos de ms de $1000 tiene telfono, cul es la probabilidad de que tenga TV?
c) Cul es la probabilidad de elegir a una familia que tenga TV, dado el hecho que tiene telfono?
.V
d) Son independientes los eventos "tener TV" y tener telfono?

e) Son independientes los eventos "ingresos de menos de $1000" y "ser propietario de TV"?.
C
Rpta. 7. a) 0.60, b) 0.60 .
9. Doscientas personas estn distribuidas de acuerdo a su sexo y lugar de procedencia de la siguiente manera: 130 son
varones, 110 son capitalinos, 30 son mujeres y del interior. Si se eligen dos personas al azar, cul es la probabilidad
a) de que ambos sean varones y del interior?

b) de que al menos una de las dos personas sea mujer?
Rpta. a) 0.0889, b) 0.5786 .
10. La probabilidad de que un alumno apruebe el primer examen de un curso es 0.8 y que apruebe el siguiente examen
es 0.6.
a) Si los eventos anteriores no guardan relacin entre s, con qu probabilidad un alumno aprobar alguno de los
exmenes?
b) Si el 50% de alumnos aprueba ambas evaluaciones, con qu probabilidad ocurrir que alguien apruebe slo un
examen? Cul es la probabilidad de que alguien desapruebe el segundo examen si aprob el primero?
11. Con la finalidad de determinar la efectividad de una prueba de sangre para detectar cierta enfermedad se realiz un
estudio sobre 100 personas. De las 100 personas elegidas al azar, las pruebas convencionales determinaron que 10
de ellas padecan la enfermedad y 90 de ellas no la tenan. En el grupo que no la padecan, 86 individuos resultaron
con pruebas negativas y 4 resultaron con pruebas positivas. En el grupo de las personas que tenan la enfermedad
se encontraron tres individuos con pruebas negativas y siete con positivas. A partir de los datos, cul es la
probabilidad de que una persona con prueba positiva padezca la enfermedad?
12. En un grupo de 50 personas hay 4 que tienen sangre con el factor RH negativo, (RH-) y el resto con
el factor RH positivo (RH+). Hallar la probabilidad de que escogidos 5 personas al azar y de una sola
vez, dos de ellas tengan el factor RH- y tres con el factor RH+.
13. La compaa de telfonos asegura que la fiabilidad del servicio es tal que cuando se marca correctamente el
nmero deseado se tienen 19 chances sobre 20 de obtener tono al otro lado de la lnea.
a) Cul es la probabilidad de obtener tono al otro lado de la lnea en tres intentos a lo ms si se supone que cada
vez se marca el nmero correcto?.
b) Si se estima que en el primer intento existe un chance sobre 10 de marcar un nmero equivocado (error de
manipulacin), para el segundo intento existe 1 chance sobre 100 de equivocacin y para el tercer intento existe
1 chance sobre 1000 de equivocacin, cul es la probabilidad de obtener tono al otro lado de la lnea en tres
ensayos a lo ms?
Rpta. a) 0.9998, b) 0.9996.
14. Un comerciante tiene tres tiendas A, B y C con probabilidades de dar utilidades de 0.8, 0.3 y 0.5, respectivamente.
Cada tienda opera con independencia. Halle la probabilidad de que el comerciante tenga prdidas; que tenga prdida
en su mejor tienda si tuvo prdida en dos tiendas.
15. En una ciudad hay 20 distritos y en cada uno hay 300 hogares. Se elige un distrito al azar y luego, en el distrito
seleccionado se toman 30 hogares al azar y sin reemplazo.
a) Hallar la probabilidad de que un distrito especfico sea seleccionado.

b) Hallar la probabilidad de que un hogar especfico sea seleccionado.
Rpta. a) 1/20
16. Con el fin de probar la efectividad de un test para detectar enfermedades renales en pacientes con hipertensin, se
escogieron 200 pacientes hipertensos obtenindose los siguientes resultados: 56 pacientes tenan afecciones renales,
iz
en 55 pacientes con enfermedad renal el test result positivo, en 13 pacientes sin enfermedad renal el test result
positivo.
l
a).Hallar la "tasa falsa positiva" del test. Esto es, la probabilidad que el test resulte negativo dado que el paciente
.V
sufre de afecciones renales.

b). Hallar la "tasa falsa negativa" del test. Esto es, la probabilidad que el test resulte positivo dado que el paciente
C
no sufre de afecciones renales.

17. Existe el 70% de probabilidad de que la Universidad VV cree la Maestra de Robtica. Si sta se crea,
Juan tiene el 80% de probabilidad de ingresar a dicha maestra. Cul es la probabilidad de que Juan
ingrese a estudiar la maestra de Robtica?.
18. Una persona est expuesta al riesgo en 1000 ocasiones independientes. Si la probabilidad de que
ocurra un accidente es 1/1000 cada vez, hallar la probabilidad de que un accidente ocurra en una o
ms ocasiones.
Rpta. 0.6323.
19. Decir si las siguientes afirmaciones son verdaderas (V) o falsas (F).
a) Si A y B son mutualmente excluyentes y ambos son independientes entonces P ( A ) = 0 o P ( B ) =

0.
b) Si A y B son independientes y los eventos B y C son independientes entonces A y C son
independientes.
c) Si los eventos A y B son independientes entonces A y B son independientes.
20. Una persona tiene tiempo para jugar la ruleta cuatro veces. Gana o pierde $1 en cada juego. La persona comienza
con $2 y parar de jugar antes de los cuatro juegos si pierde todo su dinero o gana $3 (o sea, si termina con $5).
Hallar el nmero de maneras cmo pueden ocurrir los juegos. Hallar la probabilidad de ganar $2 despus de 4
juegos.
21. Un nmero binario de n dgitos es transmitido a travs de una seal. (Un nmero binario de n dgitos consta de
n dgitos 0 y 1). La transmisin se realiza digito por digito y de manera independiente. Hallar la probabilidad de
que el nmero binario transmitido sea incorrecto si la probabilidad de transmitir errneamente cada digito es p.
Rpta. (1 p) n
22. En una urna hay dos bolas rojas y una negra. Hugo, Paco y Luis (en ese orden) deben sacar, uno despus del otro,
una bola sin restituirla posteriormente. Cul de las tres personas tiene mayor probabilidad de sacar la bola
negra?.
Rpta. Todos tienen igual probabilidad .
23. Un ingeniero mecnico ha ideado una maquina para detectar soldaduras imperfectas. Segn los
estudios que ha realizado detecta el 80% de las soldaduras imperfectas pero tambin indica
incorrectamente soldaduras defectuosas en el 5% de las soldaduras perfectas. La experiencia del
ingeniero le indica que el 10% de las soldaduras son imperfectas. Cul es la probabilidad de que una
soldadura que es defectuosa sea en realidad defectuosa?
3.6. EL TEOREMA DE BAYES
La probabilidad de un evento depende muchas veces de los resultados de otros eventos que se realizan en
condiciones mutuamente excluyentes. La consideracin de estas situaciones facilita el clculo de la
probabilidad del evento. As, la probabilidad de que una persona compre un seguro de vida depender,
entre otros factores, de que la persona sea hombre o mujer. El teorema de las probabilidades totales
muestra como calcular la probabilidad de un evento en funcin de las probabilidades de otros eventos en
condiciones mutuamente excluyentes.
iz
3.6.1. Teorema de las probabilidades totales
l
Si A1, ... , An, son eventos disjuntos cuya reunin es igual al espacio muestral , entonces se
.V
cumple que para cualquier evento A,
P( A) = P ( A | A1 ) P( A1 ) + ... + P( A | An ) P( An )
C
A A A
1 2 ... n
Figura 3.6
Si A denota el evento de que una persona compre un seguro de vida, y si H y M son los eventos hombre y
mujer, respectivamente, segn el teorema de las probabilidades totales podremos escribir:
P ( A) = P ( A H ) + P ( A M ) = P ( A | H ) P ( H ) + P ( A | M ) P ( M )
Si el 60% son hombres y la probabilidad de que un varn compre un seguro es igual a 0.3, mientras que
en el caso de las mujeres, la probabilidad es 0.2, se tendr que
P(A) = (0.3)(0.6) + (0.2)(0.4) = 0.26.

Las experiencias aleatorias excluyentes, como la del ejemplo, pueden representarse con los llamados
rboles de probabilidades, como el de la siguiente figura, en donde cada rama representa un resultado
parcial de la experiencia y cada nudo terminal, un punto del espacio muestral. Sobre algunas ramas del
rbol se ha escrito la probabilidad condicional del resultado que representa dada la experiencia anterior.
La probabilidad de cada nudo terminal se obtiene multiplicando los nmeros escritos sobre las ramas que
conducen a l.
S * P ( S |M )P ( M ) = (0.20)(0.40)
0.20
M -
S
0.40
-
PERSONA H S
0.60 P ( S | H ) P ( H ) =( 0.30)(0.60)
0.30 S *
Figura 3.7. Los nodos terminales que indican el resultado S estn marcados con *.
Ejemplo. Colapso de una represa.
Existen varios motivos por los cuales una represa puede colapsar; sin embargo, para simplificar e ilustrar,
supondremos que una represa puede colapsar solamente por una fuerte avenida de agua o por sabotaje y
que estos eventos suceden de manera independiente.
Se ha determinado que las probabilidades de que ocurra una fuerte avenida es 0.0001 y de que ocurra un
sabotaje es 0.002. Por otro lado, la probabilidad de que el puente colapse por una fuerte avenida es 0.40,
mientras que la probabilidad de que colapse por sabotaje es 0.80.
Si se denota con
iz
D : el puente colapsa
l
A : sucede una fuerte avenida

B : sucede un acto de sabotaje.
.V
C : no sucede ni sabotaje ni una fuerte avenida

C
Se tiene que la probabilidad de que el puente colapse es
p = P[ D | A]P[ A] + P[ D | B ]P[ B ] + P[ D | C ]P[C ]

= 0.40*0.0001 + 0.80*0.002 + 0*0.9979.
3.6.2. El teorema de Bayes
Un candidato al parlamento puede recibir informacin indicndole que tiene el 60% de probabilidad de
ganar las elecciones. Esta probabilidad puede ser revisada a la luz de informacin adicional, como por
ejemplo un sondeo de opinin, para luego tomar una mejor decisin (realizar mayor propaganda). En
general, cualquier persona que tenga que realizar decisiones en condiciones de incertidumbre tratar de
incorporar informacin que le permita revisar o modificar las probabilidades que en principio conoce. El
teorema de Bayes2 es una herramienta muy poderosa que permite revisar probabilidades a priori, a la
luz de cierta informacin, sin utilizar grandes cantidades de datos para tomar mejores decisiones.
2 El teorema de Bayes se le atribuye al reverendo Thomas Bayes (1702 - 1761) de origen ingls.
Enunciado
Con las mismas hiptesis del teorema de las probabilidades totales, se cumple :
P( A| Ai ) P( Ai ) P( A| Ai ) P( Ai )
P( Ai | A) = = , para i = 1,..., n .
P( A) n
P( A| Ak ) P( Ak )
k =1
Ejemplo. Comunicacin binaria.

Un canal de comunicacin binaria transmite dos tipos de seal que se denotan con 1 y 0. Como
consecuencia del ruido que se mezcla con la seal, no siempre se recibe la seal que se transmite. De
acuerdo a los datos analizados, el 1 se transmite correctamente en el 95% de las veces mientras que el 0 se
transmite correctamente en el 90% de las veces. Si el 0 se transmite en el 60% de las veces, hallar
a) La probabilidad de que se reciba el 1.

b) La probabilidad de que se halla transmitido el 1 dado que se recibi el 1
c) La probabilidad de que ocurra un error
Si con Ri se denota el evento se recibi el nmero i y con Ti se denota el evento se transmiti el el

nmero i, se tendr;
a) Que la probabilidad de recibir el nmero 1 es
P[ R1] = P[ R1 | T 1]P[T 1] + P[ R1 | T 0]P[T 0] = (0.95)(0.40) + (0.10)(0.60) = 0.44 .

iz
b) Que la probabilidad de haber transmitido el 1 dado que se recibi el 1 es
l
P[ R1 | T 1]P[T 1] (0.95)(0.40)
.V
P[T 1 | R1] = = = 0.8636 .

P[ R1] 0.44
C
c) P[" error" ] = P[ R 0 | T 1]P[T 1] + P[ R1 | T 0]P[T 0] = (0.05)(0.40) + (0.10)(0.60) = 0.08 .
Ejemplo. Ladrillos defectuosos.

El encargado de la construccin de un edificio ha determinado que, segn su experiencia, el lote de
200000 ladrillos que se ha recibido puede tener el 5% de defectuosos con probabilidad 0.6, el 6% de
defectuosos con probabilidad 0.3 y 7% con probabilidad 0.1.
Para revisar las probabilidades indicadas por el encargado el lote se somete a una inspeccin por muestreo,
tomando 20 ladrillos al azar. De los 20 ladrillos observados ninguno es defectuoso.
Usando las siguientes notaciones:
A : El 5% de los ladrillos son defectuosos.

B : El 6% de los ladrillos son defectuosos.
C : El 7% de los ladrillos son defectuosos.
I : Los 20 ladrillos elegidos no son defectuosos.
y a la luz de los resultados del muestreo se tienen las siguientes probabilidades revisadas:
P[ I | A]P[ A] 0.95 200.60

P[ A | I ] = = = 0.5390
P[ I ] 0.95 0.60 + 0.94 20 0.30 + 0.93200.1
20
P[ I | B]P[ B] 0.94 20 0.30

P[ B | I ] = = = 0.3633
P[ I ] 0.95 0.60 + 0.94 20 0.30 + 0.93200.1
20
P[ I | C ]P[C ] 0.93200.10
P[C | I ] = = = 0.0977.
P[ I ] 0.95 200.60 + 0.94 20 0.30 + 0.9320 0.1
Al parecer y a la luz de los resultados podramos decir que el administrador si tiene experiencia al
respecto.
Ejemplo. Dosaje etlico.

Un laboratorio somete a los choferes que cometen accidentes de trnsito a un test de "dosaje etlico".
Cul es la probabilidad de que un chofer de esta poblacin est ebrio, dado que el resultado del dosaje
etlico fue positivo?, si se ha determinado que:
- cuando un chofer est ebrio, el test proporciona resultado positivo en el 95% de los casos.
- cuando un chofer no est ebrio, el test proporciona resultado negativo en el 94% de los casos.
- el 2% de los conductores que cometen accidentes manejan ebrios.
Solucin
El espacio muestral est formado por todos los choferes que cometen accidentes.
iz
Sean los eventos: E, descrito por "el chofer est ebrio" y T, descrito por "el test es positivo".
l
Por el teorema de Bayes se tiene que a partir de la informacin adicional T, la probabilidad corregida de E
es
.V
P(T | E ) P ( E ) (0.95)(0.02)
P( E | T ) = = = 0.2442.
C
P (T | E ) P( E ) + P (T | E ) P ( E ) (0.95)(0.02) + (1 0.94)( 0.98)
En cada uno de los siguientes ejemplos, el lector indicar el espacio muestral correspondiente.
Ejemplo. Control de calidad.

Dos fabricantes A y B proveen de transistores para la fabricacin de radios. Los transistores que fabrica A
tienen la probabilidad 0.05 de ser defectuosos. Los de B tienen la probabilidad 0.10 de ser defectuosos. Los
fabricantes de radios reciben una remesa de 15 transistores y al no saber si provienen de A o de B optan por
revisar toda la remesa. Se desea indicar las probabilidades que el lote provenga de cada de los proveedores
sabiendo que en la remesa no se encontr ningn transistor defectuoso y que a priori se asigna igual
probabilidad de el lote provenga de A o de B.
Con D denotaremos al evento de hallar 0 defectuosos en los 15 revisados.
Se tiene que
P( D | A) = 0.9515 = 0.4633. y P( D | B) = 0.9015 = 0.2059 .
Usando la frmula de Bayes,

0.5 0.4633
P ( A | D) = = 0.6923
0.5 0.46333 + 0.5 0.2059
0.5 0.4633
P ( A | D) = = 0.3076.
0.5 0.46333 + 0.5 0.2059
A la luz de la revisin de toda la remesa se puede indicar que es ms posible que la remesa provino de A.
Ejemplo. Las mujeres fumadoras versus los hombres fumadores.

Segn una encuesta realizada,
-el 90% de los hombres (H) que tienen cncer pulmonar (C) son fumadores (F).
-el 70% de mujeres (M) que tiene cncer pulmonar son fumadoras.
-la frecuencia de cncer pulmonar es 410 - 4 para los hombres y de 10 - 4 para las mujeres.
-la proporcin relativa de fumadores es 5 veces ms elevada en los hombres que en las
mujeres.
Se puede concluir que una mujer fumadora tiene ms propensin de contraer cncer
pulmonar que un hombre fumador?
Solucin
Los datos nos indican que:
P( F H C)
iz
P(F|H C) = 0.9; es decir, = 0.9 ,
P( H C)
l
P( F M C)
P ( F |M C ) = 0.7 ; esto es, = 0.7 y
P( M C)
.V
P( F H ) P( F M )
C
P(F|H) = 5P(F|M ); es decir, =5 .

P( H ) P( M )
P (C| M F )
Para responder afirmativamente la pregunta es suficiente probar que > 1.
P ( C| H F )
P (C| M F ) P(C M F ) P( H F )
Usando las relaciones anteriores, se tiene: =
P ( C| H F ) P( M F ) 0.9 P( H C )
4
0.7 10 5 P( F | M ) 3.5
= = .
P ( F | M ) 0.9 4 x10 4 3.6
Como 3.5/3.6 es menor que 1, la respuesta es negativa; sin embargo, este valor es muy cercano
a 1; lo que indica que una mujer fumadora tiene, prcticamente la misma probabilidad de
contraer cncer pulmonar que un hombre fumador.
Ejemplo. Aplicacin a la medicina. Los tests diagnsticos

Se sospecha que un paciente puede padecer cierta enfermedad E, la cual tiene una incidencia (probabilidad
de que una persona padezca de la enfermedad) de 0.03. Como ayuda al diagnstico se le hace pasar una
prueba o test, que da como resultado: Positivo, T+, (la evidencia a favor de que el paciente est enfermo es
alta en funcin de esta prueba).
Sobre el test utilizado, se tiene la siguiente informacin:
La sensibilidad (probabilidad de que el test de positivo en una persona que sabemos que padece la
enfermedad) es P[T + | E ] = 0.95.
La especifidad (la probabilidad de que el test de negativo de una persona que no la padece) es
P[T | E ] = 0.99.
Se concluye, por ejemplo, que el ndice predictivo de verdaderos positivos (la probabilidad de que el
paciente este realmente enfermo dado que el test dio positivo), de acuerdo al teorema de Bayes, es
P[T + | E ].P[ E ] 0.95 0.03

P[ E | T + ] = = = 0.7460.
+
P[T | E ].P[ E ] + P[T + | E ].P[ E ] 0.95 0.03 + (1 0.99) 0.97
3.7. EJERCICIOS
1. La probabilidad de que un alumno estudie para su examen de Matemticas es 0.8. Si estudia, la probabilidad de que
apruebe el examen es 0.90. Si el alumno no estudia, la probabilidad de que no apruebe el examen es 0.85. Cul es la
iz
probabilidad de que el alumno apruebe el examen?
l
Rpta. 0.75
.V
2. El 40% de las resistencias que se utilizan en una fbrica son de la marca A y el resto son de la marca B. El 1% de las
resistencias de la marca A y el 0.5 % de la marca B son defectuosas. Si de un lote de tales resistencias adquiridas por
la fbrica se elige una al azar, cul es la probabilidad de que sta resulte defectuosa?
C
Rpta. 0.007.
3. En una urna hay 3 esferas rojas y x negras. De la urna se sacan al azar, dos esferas de una en una y sin
reposicin. Si la probabilidad de sacar una esfera roja en la segunda extraccin es 6/10, hallar x.
Rpta . 2.
4. Una compaa est estudiando la posibilidad de construir una granja en un cierto sector agropecuario. La compaa
considera de gran importancia la construccin de un reservorio en las cercanas del lugar. Si el gobierno aprueba
este reservorio la probabilidad de que la compaa construya la granja es 0.9, de otra manera la probabilidad es de
slo 0.2. El presidente de la compaa estima que hay una probabilidad de 0.6 de que el reservorio sea aprobado.
a) Hallar la probabilidad de que la compaa construya la granja.
b) Si la granja fue construida, hallar la probabilidad de que el reservorio haya sido aprobado.
Rpta a) 0.6200 b) 0.8709
5. Un ingeniero tiene la posibilidad de intervenir en una de tres licitaciones diferentes: A, B y C, con probabilidades
0.5, 0.3 y 0.2, respectivamente. El ingeniero sabe que si interviene en la licitacin A tiene el 80% de posibilidad de
obtener dictamen favorable, si interviene en la licitacin B, el dictamen puede ser favorable con probabilidad 0.4 y
si interviene en la licitacin C, el dictamen le puede favorecer con probabilidad 0.6. Si el ingeniero ha recibido un
dictamen favorable, cul es la probabilidad de que haya intervenido en la licitacin B?
6. Al contestar una pregunta de "opcin mltiple" y con 5 distractores (posibles respuestas) de los cuales
slo uno es la respuesta correcta, puede ocurrir que la persona que responda correctamente conozca
realmente la respuesta o responda al azar. La probabilidad que conozca la respuesta es 0.6 y que
recurra al azar, 0.4. Si un estudiante marc correctamente la respuesta, cul es la probabilidad de que
conozca la respuesta?
Rpta. 0.882.
7. Un poltico ha llegado a la conclusin de que si hay cambios en el ndice principal de la bolsa, esto tendr efecto en
su partido de ganar o perder escaos en el senado. Si el ndice sube 2%, las probabilidades de que su partido pierda
ms de 10 escaos y que gane o pierda entre 6 y 8 escaos son 0.65 y 0.35, respectivamente. Si el ndice baja 2%,
las probabilidades respectivas son: 0.4 y 0.6. Si el ndice baja menos del 2%, las probabilidades son: 0.3 y 0.7,
respectivamente. Si el partido del poltico gan 7 escaos, cul es la probabilidad de que el ndice haya subido ms
del 2%?.
8. Con la finalidad de realizar un estudio acerca de la manera como los Jueces de Paz administran justicia en los
distritos del pas, se ha constituido una muestra en la cual 93 son jueces de la costa, 207 son de la sierra y 74 son de
la selva. Se ha determinado tambin que en la costa el 60% de los jueces son abogados, en la sierra el 20% y en la
selva, el 10%. Si de la muestra se elige un juez es elegido al azar, cul es la probabilidad de que ste sea abogado?
Si el juez elegido es abogado, cul es la probabilidad de que sea de la selva?
9. La compaa Kancio est considerando comercializar una computadora. La probabilidad de que la compaa tenga
xito es 0.8 si una firma competidora no introduce un producto similar en el mercado, en tanto que la probabilidad
de xito es slo 0.4 si la firma competidora introduce un producto similar. Kancio estima en 0.3 la probabilidad de
0.3 de que la firma competidora comercialice el producto. Si Kancio no tuvo xito, cul es la probabilidad de que
la competencia haya lanzado su producto?
10. Un lote de chips contiene 2% de defectuosos. Cada chip es probado antes de ser enviados para su venta. El
inspector de calidad no es totalmente confiable: la probabilidad de que el inspector diga que el chip es bueno dado
que realmente esta bueno es 0.95 y la probabilidad de que el inspector diga que el chip es defectuoso dado que est
defectuoso es 0.94.
iz
Si el inspector indica que un chip esta bueno, cul es la probabilidad de que ste sea defectuoso?
l
11. Una empresa recibe billetes de tres bancos: A, B y C. De A recibe el 60% de todos los billetes, de B, el 30% y el
resto de C. Se ha determinado que la proporcin de billetes falsos que provienen de A es 0.1%, de B, 0.2% y de C,
.V
0.1%. En cierta ocasin al recibir una cantidad de billetes, resulto que uno era falso; de qu banco se puede
sospechar que proviene el billete falso?
C
12. Para conminar a sus deudores una compaa utiliza: el telfono, visita personal y correo. De los datos
registrados se sabe que al 20% se les sugiere que paguen va telefnica, 20% son visitados
personalmente y al resto se les enva una carta. Las probabilidades de recibir respuesta positiva al
aplicar estos mtodos son: 0.6, 0.8 y 0.4, respectivamente. Si acaban de informar que un cliente acaba
de hacer efectivo el pago de una deuda, cul es la probabilidad de que se le haya visitado
personalmente.
13. Una prueba para la hepatitis ( E ) tiene la siguiente exactitud
Sensibilidad = 0.90 y Especifidad = 0.99.
Un paciente desea que le realicen la prueba porque tiene ciertos sntomas sospechosos, segn el
mdico. Si el resultado de la prueba del paciente es positivo, cul es la probabilidad de que tenga
hepatitis, sabiendo que la incidencia de la hepatitis es 0.15?
14. Una compaa de seguros clasifica a las personas en una de tres categoras respecto al riesgo: bueno,
promedio o malo. Sus registros indican que la probabilidad de que una persona se vea involucrada en
un accidente en el lapso de un ao es de 0.05, 0.15, y 0.30, respectivamente. Si 20% de las personas
estn clasificadas como de riesgo bueno, 50% como promedio y 30% como malo, qu proporcin de
las personas tienen accidentes durante un ao?. Si el poseedor de una pliza no tiene un accidente
durante un ao, cul es la probabilidad de que haya sido clasificado como de riesgo promedio?
15. Se va a perforar un pozo de petrleo en cierto lugar. El terreno ah es roca con probabilidad 0.53,
arcilla con probabilidad 0.21 o arena con probabilidad 0.26. Un examen geolgico da un resultado
positivo con una exactitud del 35% en el caso de que sea roca, con una exactitud del 48% si es
arcilla y con 75% si es arena. Cul es la probabilidad de que sea roca si la prueba resulta positiva?,
cul es la probabilidad de que sea arcilla?, cul es la probabilidad de que el terreno sea arena?
Rpta. a) 7/18.
16. Una eleccin tiene lugar para elegir a uno de los candidatos A y B por mayora y a dos vueltas. En la
primera vuelta, 15% de los electores inscritos votaron en blanco, 40% de los electores votaron por A
y 45% votaron por B. Se estima que todos los electores que votaron en la primera vuelta lo harn en
la segunda vuelta, pero una encuesta indica que en razn de las declaraciones contradictorias de los
candidatos, 20% de los que votaron por A en la primera vuelta votarn por B en la segunda vuelta y
30% de los que votaron por B votarn por A. La misma encuesta indica que 2/3 de los que votaron
en blanco en la primera vuelta votarn en la segunda, a razn de 40% por A y 60% por B. Si la
encuesta es fiable, quin saldr elegido en la segunda vuelta?
Rpta. A tendr el 49.5% de los votos y B el 5%.
17. Respecto del partido de ftbol que protagonizarn el da de maana los equipos A y B, el Veco
piensa lo siguiente: De todas maneras se abrir el marcador y cualquiera de los dos equipos tiene
igual probabilidad de hacerlo. Si A anota el primer gol la probabilidad de que el prximo tambin
sea de A es 2/3 contra 1/3 que sea de B; en cambio si es B el que anota el primer gol habr un
segundo gol que puede ser con igual probabilidad para cualquier bando. Si el marcador llega a
ponerse 2-0 a favor de cualquier equipo la desmoralizacin de uno y la apata del otro impedirn
que haya ms goles; en cambio si llega a ponerse 1-1, puede ocurrir tres cosas con iguales
probabilidades: que A anote y gane 2-1, que B anote y gane 2-1 o que no haya ms goles. Use un
diagrama de rbol para contestar lo siguiente: Cul es, de acuerdo a lo anterior, la probabilidad de
que
a) B gane?
iz
b) B gane dado que abri el marcador?
c) A haya abierto el marcador dado que B gan?
l
Rpta. a) 7/18.
.V
18. Una sociedad de beneficencia pretende lanzar al mercado la venta de una lotera, tal como lo haca en aos
anteriores. Los beneficios dependen de la proporcin de personas que la compren: Puede suponerse que la
C
demanda de la lotera puede ser alta (1), media (2 ) o baja (3) y que los beneficios que la sociedad puede
esperar son: 5, 1 y 3 millones de pesos, respectivamente. La informacin inicial de la sociedad permite suponer
que p(1) = 0.2, p(2) = 0.5 y p(3) = 0.3. Un equipo de marketing ofrece a la sociedad disminuir la
incertidumbre, respecto de la demanda. La encuesta puede aconsejar el lanzamiento (x = 1) o no (x = 0).
Suponiendo que p ( x = 1 | 1 ) = 0.9 , p ( x = 1 | 2 ) = 0.5 y p ( x = 1 | 3 ) = 0.2 , calcular el precio mximo
que debe pagarse por la encuesta.
19. En una fbrica se usan tres procedimientos para hacer pistones: A, B y C. La distribucin es como sigue.
Proced. A B C
p 0.2 0.5 0.3
Tabla 3.6.
Se ha detectado que el 15% de los pistones son defectuosos. Cul es el porcentaje de pistones
defectuosos que se fabrican con el procedimiento A si el 11% de los pistones fabricados con el proceso B
son defectuosos mientras que para el proceso C es el 13%?
20. Un mdico tiene duda entre tres enfermedades E1, E2, y E3, posibles en un paciente.
Observando el estado general del paciente, al mdico le parece que la probabilidad de que suceda la
enfermedad E1 es el triple de la probabilidad de que suceda cada una de las otras dos enfermedades. Sin
embargo, ordena un examen de sangre el que se sabe resulta positivo en el 10% de los casos cuando E1
es la causa de la dolencia, en el 90% de los casos cuando la causa de la dolencia es E2 y en el 60% de
los casos cuando la causa de la dolencia es E3. Si el resultado del anlisis fue positivo cul es la
probabilidad final de cada enfermedad? A la luz de los resultados, se puede afirmar que la probabilidad
de que suceda la enfermedad E1 es el triple de la probabilidad de que suceda cada una de las otras dos
enfermedades?
21. Al contestar una pregunta de opcin mltiple y con 5 distractores (posibles respuestas) de los cuales solo uno es
la respuesta correcta, puede ocurrir que la persona que responda correctamente conozca la respuesta o responda al
azar. La probabilidad que conozca la respuesta es 0.6 y que recurra al azar, 0.4. Si un estudiante marc
correctamente la respuesta, cul es la probabilidad de que conozca la respuesta?
iz
l
.V
C

Probabilidades

Hochgeladen von

Dokumentinformationen

Originalbeschreibung:

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Probabilidades

Hochgeladen von

Copyright:

Verfügbare Formate

CAPITULO III

Los genes no son decisivos

mutacin en uno de esos genes es de slo uno en probabilidad condicional y de eventos

mama y tena una mutacin heredada en el CM1

Sin embargo, aunque sea portadora de ese gen,

Lo expresado justifica el siguiente desarrollo.

3.2. EL MODELO PROBABILISTICO

3.2.1. Experimento aleatorio

Un experimento aleatorio, es todo proceso que se puede repetir indefinidamente obtenindose

Los siguientes experimentos son aleatorios:

3.2.2. Espacio muestral

El espacio muestral se denota con .

Ejemplo. Variabilidad de los resultados de un negocio.

e, el negocio es exitoso en la primera realizacin,

De acuerdo a esta observacin el espacio muestral depende del propsito de la experiencia

Ejemplo. Midiendo la variabilidad de la resistencia de un metal.

3.2.3. Evento. Operaciones con eventos

Un evento de un experimento aleatorio E, es cualquier subconjunto de su espacio muestral.

Ejemplo. Experiencias con dos resultados posibles.

Los eventos que se pueden obtener son: {c}, {s}, y .

Si al realizar un experimento aleatorio el resultado pertenece a un evento A se dice que el resultado

Operaciones con eventos

operaciones formado por los elementos comunes a A y B. Figura 3.1 a).

realizan con El evento A B se realiza si A y B se realizan a la vez.

La reunin o unin de A y B, que se denota con A B, es el evento formado por los

El evento A B se realiza si al menos uno de los eventos A o B se realiza.

Ejemplo. Telefona sin hilos.

El evento A, descrito con al menos dos canales estn desocupados es

{(0, 1, 1), (1, 0, 1), (1, 1, 0), (1, 1, 1)}.

La interseccin A B es {(1, 1, 1), (1, 1, 0), (1, 0, 1)}

Nmero de resultados que favorecen al evento A

Nmero de eventos que favorecen a que el resultado sea para 3

Por mucho tiempo se manejo este concepto clsico de probabilidad;

La probabilidad de un evento A se denota con P(A) y se define como el nmero que

2. La probabilidad del espacio muestral o evento siempre cierto es igual a 1: P( ) = 1

3. Si A1 y A2 son eventos mutuamente excluyentes; esto es, si A1 A2 = , entonces, la

Las siguientes propiedades se deducen de los axiomas.

4. La probabilidad del evento vaco es igual a 0.

5. La probabilidad es un nmero entre 0 y 1.

6. La probabilidad del complemento de un evento A es igual a 1 - P(A).

7. Si A1 ,... An son eventos mutuamente excluyentes; esto es, si Ai A j = , para i j, entonces,

Simblicamente: P( A1 .... An ) = P( A1 ) + ... + P( An ) .

Ejemplo. Modelando y evaluando la demanda de electricidad y agua potable.

E1: (4, 1.5) 0.2

E2: (4, 2) 0.1

E3: (8, 1.5) 0.3

E4: (8, 2) 0.4

Tabla 4.1. Modelando el consumo de electricidad y agua

A: la demanda de la energa es 8 unidades y

B: la demanda de agua es 1.5 unidades se tiene que,

P( A B ) = P( A) + P ( B) P( A B) = 0.7 + 0.5 P( E 3) = 0.7 + 0.5 0.3 = 0.9 .

ASIGNACIN DE PROBABILIDADES PARA UN ESPACIO MUESTRAL CON n RESULTADOS

N mero de casos favorables a A

La frmula corresponde a la definicin clsica de Probabilidad o tambin llamada definicin de Pascal.

Como resumen de lo desarrollado podemos derivar las siguientes recomendaciones en la resolucin de

a) Planteada la experiencia aleatoria, se debe identificar de manera apropiada el espacio muestral,

Ejemplo. Asignacin de probabilidades para el control de calidad.

N mero de casos favorables a A 15

Ejemplo. Asignacin de probabilidades en la transmisin de seales.

FRECUENCIA RELATIVA Y PROBABILIDAD

"Cuando una experiencia aleatoria se realiza un nmero grande de veces, es muy

El valor exacto de la probabilidad frecuencial se obtiene al hacer tender n hacia infinito.

Ejemplo. Asignacin de probabilidades a los resultados de una moneda equilibrada.

Ejemplo. Modelando el nmero de hijos de las familias.

Ejemplo. Probabilidad geomtrica

Ejemplo. Evaluacin de la eleccin de un punto de un crculo.

Ejemplo. Distribuciones condicionales.