8

1
 !
" !
# $
% $
&'
(
( )
( )
( # * +
( , * +
- % . %
/
%
0 1 . 2
 * 3 $$ ,4 & 5 - 6 & 4 & 78/0 -/ - 0-& -/ (&
, 4 -% 5 9
:8 8 ' ;
<95 = =

# *% 1
# , =

1
/ -/5 > 8 (-0 -/?7- > #85 /-@-
# #'% =
0 <95 = =

/ A
8 @- 8 B /4 @ B 8//8/-
5 & 8 =

5 C <
0-& -D > 8 8//- 0E8& @
> / -& 5 > 5 (-@ E/5 8& -0

AD /E, -0 0-& -/ (&

- & = FG G =A )+$ ! G )+! +
<95 = =9& % $$!
Estadística y probabilidad 1
Introducción
En el anterior fascículo aprendimos las definiciones de Probabilidad y los
teoremas básicos de la Probabilidad. En el presente fascículo aprenderé-
mos dos Teoremas de la Probabilidad: el Teorema de la Partición o
también conocido como Ley de Probabilidad Total y el Teorema de Bayes.

Adicionalmente, con la ayuda del diagrama de árbol estudiaremos reglas de

conteo como las Permutaciones y las Combinaciones. Por otra parte se
abordarán los números índices que describen el comportamiento de unas
variables económicas, sociales, de salud y de educación.

En Colombia, uno de los índices más revisado y polémico es el índice de

desempleo, el cual se calcula cada mes y muchas veces por ciudad o
departamento. En el ámbito mundial, el índice más consultado es el ÍNDICE
BURSÁTIL MUNDIAL DOW JONES.

Para familiarizarse con los indicadores de índices es importante leer sobre las
tasas de interés, razones que frecuentemente aparecen en los noticieros
económicos, en las publicaciones de revistas, en informes del Banco de la
República o del Departamento Administrativo Nacional de Estadística
(DANE).

Conceptos previos
Para abordar las temáticas de este fascículo, es importante que el
estudiante repase las reglas de los números factoriales. Además, debe
observar un noticiero económico para identificar los nombres de los
índices económicos en las bolsas de valores. Finalmente, busque en la
página del Banco de la Republica los índices nacionales y analice cómo
afectan el ámbito económico de la empresa donde trabaja o en una
empresa de su región.

Fascículo No. 8 Estadística y

probabilidad
Semestre 3
 Estadística y probabilidad

Mapa conceptual fascículo 8

OTRAS SON
PROBABILIDADES

TEOREMA DE LA Y el TECNICAS DE
ÍNDICES Clasifican en
PARTICIÓN CONTEO Pueden ser

TEOREMA DE ÍNDICES
PERMUTACIONES
BAYES SIMPLES Que es
O

PONDERADO DE
COMBINACIONES PRECIOS
y

LASPEYRES
PAASCHE
FISHER

Logros

Al finalizar el estudio del presente fascículo el estudiante estará en capacidad

de:

 Establecer la Probabilidad haciendo uso del Teorema de la Partición y del

Teorema de Bayes.
 Identificar las reglas de conteo.
 Aplicar los números índices con la cotidianidad.

Teorema de la Partición o Ley de Probabilidad Total

Si tenemos varias opciones - máquinas que hagan una producción - y
éstas producen elementos que pueden ser defectuosos u óptimos,
necesitando hallar la probabilidad de los unos u otros, entonces utilizamos
este teorema.

El Teorema General de la Partición está definido por: dados unos con-

juntos de eventos A, B, C… que son mutuamente excluyentes y exhaus-
tivos y un evento D, como una característica de los eventos A, B, C…

Fascículo No. 8
Estadística y
probabilidad
2 Semestre 3
Estadística y probabilidad

Así pues, la probabilidad del evento D es igual a:

P(D) = P(A)*P(S/A)+ P(B)*P(S/B)+ P(C)*P(S/C)+ P(E)*P(S/E)…+ P(Z)*P(S/Z)

Ejemplo 1
La empresa de tornillos GAMA tiene 3 tornos encargados de la producción.
El torno 1 produce el 42% de la producción y tiene una tasa de elementos
defectuosos del 2%; el torno 2 produce el 35% de la producción y tiene
una tasa de elementos defectuosos del 3% y el torno 3 produce el 23% de
la producción y tiene una tasa de elementos defectuosos del 4.5%. Si se
escoge un tornillo a azar, determinar la probabilidad que:

 El tornillo sea defectuoso

 El tornillo sea óptimo.

Con base en esto, primero se definen los eventos, así:

A es la producción del torno 1 y la probabilidad de A es P (A) = 0.42
B es la producción del torno 2 y la probabilidad de B es P (B) = 0.35
C es la producción del torno 3 y la probabilidad de C es P(C) = 0.23
D es la probabilidad de que un tornillo sea defectuoso
E es la probabilidad de que un tornillo sea óptimo.

Ahora se realiza el diagrama de árbol (figura 8.1). En el diagrama de árbol

la probabilidad de defectuoso de A se puede llamar como P (D/A) - se lee
la probabilidad de defectuoso dado que es producido por el torno 1 -, esta
probabilidad de defectuosos producidos por A es igual a 0.02 y lo mismo
ocurre con el evento B, cuya probabilidad de defectuosos se puede
determinar cómo P (D/B) y es igual a 0.03. Similar situación se presenta
con el evento C, cuya probabilidad de defectuosos se puede determinar
como P (D/C) y es igual a 0.045. Con estas probabilidades el diagrama de
árbol queda así:

Fascículo No. 8
Semestre 3 3 Estadística y
probabilidad
 Estadística y probabilidad

Figura 8.1
Diagrama de árbol ejemplo 1.

En cada nodo la probabilidad tiene que ser igual a 1, y cada torno produce
tornillos óptimos y defectuosos, entonces.

Los tornillos buenos del evento A es igual 1- defectuosos de A y es igual a:

P (E/B)=1-P (D/A) = 1-.0.02 = 0.9800

Los tornillos buenos del evento B es igual 1- defectuosos de B y es igual a:

P (E/B)=1-P (D/B) = 1-.0.03 = 0.9700

Los tornillos buenos del evento C es igual 1- defectuosos de C y es igual

a:
P (E/C)=1-P (D/C) = 1-.0.045 = 0.95

Fascículo No. 8
Estadística y
probabilidad
4 Semestre 3
Estadística y probabilidad

Figura 8.2
Diagrama de árbol 2 ejemplo 1.

La probabilidad de ocurrencia de un tornillo defectuoso se puede obtener

con la siguiente ecuación:
P (D) = P (A)*P (D/A) + P (B)*P (D/B) + P(C)*P (D/C)

Reemplazando los valores de las probabilidades se tiene que:

P (D) = P (A)*P (D/A) + P (B)*P (D/B) + P(C)*P (D/C)
P (D) = P (0.42)*P (0.02) + P (0.35)*P (0.03) + P (0.23)*P (0.045)
P (D) = 0.0293 es la probabilidad de un tornillo defectuoso

La probabilidad de que un tornillo sea óptimo se puede obtener con la

siguiente ecuación, se reemplaza el óptimo por E y con el teorema de la
partición es:
P (E) = P(A)*P (E/A) + P (B)*P (E/B) + P(C)*P (E/C)

Reemplazando los valores de las probabilidades se tiene que:

P (E) = P (0.42)*P (0.98) + P (0.35)*P (0.97) + P (0.23)*P (0.95)
P (E) = 0.9707 es la probabilidad de un tornillo óptimo.

Fascículo No. 8
Semestre 3 5 Estadística y
probabilidad
 Estadística y probabilidad

Otra forma de determinar la probabilidad de que un tornillo sea óptimo es

por complemento, por cuanto sólo hay dos opciones: óptimos y defec-
tuosos. Si conocemos la probabilidad de defectuosos y a 1 le restamos
esta probabilidad, entonces sabremos la de los tornillos óptimos.
P (E) = 1- P (D)
P (E) = 1- P (0.0293) = 0.9707.

El siguiente teorema que estudiaremos es el de Bayes, por el nombre de

su creador el Monje Alemán Thomas Bayes (1702-1761), y el cual es una
aplicación de la probabilidad condicional.

Teorema de Bayes
Como se dijo anteriormente, este teorema fue desarrollado por el
reverendo Thomas Bayes y a primera vista no es más que una aplicación
de las probabilidades condicionales, sin embargo, ha sido clave en el
desarrollo de la inferencia estadística.

Sea A, B, C,…el conjunto de subpoblaciones mutuamente excluyentes y

exhaustivas con probabilidad a priori P(A), P(B), P(C)… Si ocurre un
evento D, la probabilidad a posteriori de D dado A es la probabilidad
condicional. Este teorema se representa como:
P(A/D) = P(A)* P (D/A) / ∑ P(A)* P (D/A)+ P (B)* P (D/B) + P(C)* P (D/C)

Ejemplo 2
La empresa de tornillos Gama tiene 3 tornos encargados de la producción:
el torno 1 produce el 42% de la producción y tiene una tasa de defectuoso
del 2%; el torno 2 produce el 35% de la producción y tiene una tasa de
defectuoso del 3%; el torno 3 produce el 23% de la producción y tiene una
tasa de defectuoso del 4.5%. Se escoge un tornillo al azar y se debe
determinar la probabilidad que:
 Si el tornillo es defectuoso sea producido por el torno 1

Fascículo No. 8
Estadística y
probabilidad
6 Semestre 3
Estadística y probabilidad

 Si es el tornillo es óptimo sea producido por el torno 2

Basados en la anterior información, inicialmente se deben definir los

eventos de la siguiente forma:
A es la producción del torno 1 y la probabilidad de A es P(A) = 0.42
B es la producción del torno 2 y la probabilidad de B es P(B) = 0.35
C es la producción del torno 3 y la probabilidad de C es P(C) = 0.23
D es la probabilidad de que un tornillo sea defectuoso
E es la probabilidad de que un tornillo sea óptimo.

Por otra parte, ya conocemos la probabilidad de tornillo defectuoso, es

decir, P(D) = 0.0293 y la probabilidad de tornillo óptimo P(E) = 0.9707,
en consecuencia, el diagrama de árbol queda así:
P(D) = 0.0293
P(E) = 0.9707.

Figura 8.3
Diagrama de árbol ejemplo 2.

Fascículo No. 8
Semestre 3 7 Estadística y
probabilidad
 Estadística y probabilidad

Según el requerimiento del ejemplo 2, para conocer si el tornillo defec-

tuoso es producido por el torno 1, según el teorema de Bayes es proba-
bilidad de A dado D: P(A/D), entonces:
P(A/D) = P(A)* P(D/A) / P(A)* P(D/A)+ P(B)* P(D/B) + P(C)* P(D/C)

Reemplazamos por el valor de las probabilidades:

P(A/D) = P(0.42)* P(0.02) / P(0.42)* P(0.02)+ P(0.35)* P(0.03) +
P(0.23)* P(0.045) = 0.2872 es la probabilidad que un tornillo defectuoso
sea producido por el torno 1.

En lo relacionado con el requerimiento del ejemplo 2 de si el tornillo

óptimo es el producido por el torno 2, para este caso el teorema de Bayes
es probabilidad de B dado E: P (B/E)
P (B/E) = P (B)* P (E/B) / P(A)* P (E/A)+ P (B)* P (E/B) + P(C)* P (E/C)

Reemplazamos por el valor de las probabilidades, así:

P(B/E) = P(0.350)* P(0.970) / P(0.420)* P(0.980)+ P(0.350)* P(0.970) +
P(0.230)* P(0.955) = 0.3497 es la probabilidad que un tornillo óptimo sea
producido por el torno 2.

8.1

Con los datos del ejercicio anterior determine la probabilidad que:

 Si el tornillo es defectuoso sea producido por el torno 2
 Si es el tornillo es óptimo sea producido por el torno 1
 Si el tornillo es defectuoso sea producido por el torno 3
 Si es el tornillo es óptimo sea producido por el torno 3

Por otra parte, para calcular las probabilidades de varios eventos es

necesario contar el número de resultados posibles de un experimento, o
contar el número de resultados que son favorables a un evento dado, en
este sentido, el proceso de conteo puede simplificarse mediante el empleo
de técnicas de conteo.

Fascículo No. 8
Estadística y
probabilidad
8 Semestre 3
Estadística y probabilidad

Técnicas de conteo
Uno de los problemas que debe considerarse e intentar evaluarse en
Estadística es el elemento de posibilidad asociado con la ocurrencia de
ciertos eventos cuando se lleva a cabo un experimento, para esto se
tendrán en cuenta las siguientes reglas:

La regla de m*n
Consideremos un evento realizado en dos etapas: la primera etapa se
logra de m maneras, la segunda etapa se lleva a cabo de n modos o
formas, entonces hay m*n formas de llevar a cabo dicho evento.

Ejemplo 3
Las bicicletas que se venden en un almacén tienen 5 colores ( repre-
sentados por m) rojo, azul, blanco, negro y amarillo y tiene 3 estilos
(representados por n) de acuerdo con las ruedas. Para determinar cuántas
opciones están disponibles aplicamos la siguiente fórmula:
m*n = 5*3 = 15

Es decir, 15 son las opciones disponibles de bicicletas. Esto significa que

una persona interesada en comprar una bicicleta tiene 15 estilos diferentes
de bicicletas para escoger.

Ejemplo 4
Las pizzas se ofrecen en cuatro modalidades (representadas por m)
hawaiana, carnes, vegetariana, champiñones y se puede presentar en 3
tamaños (representados por n):
m*n = 4*3 = 12

Así pues, 12 son las opciones disponibles para que una persona compre
pizza.

Fascículo No. 8
Semestre 3 9 Estadística y
probabilidad
 Estadística y probabilidad

Permutaciones
Una permutación de n objetos diferentes tomados de r en r, es una
ordenación de r objetos entre los n dados y atendiendo a la situación de
cada objeto en la ordenación. El número de permutaciones de n objetos
tomados de r en r se representa por nPr y es igual a:

n Pr = n¡ /(n-r)¡

Reemplazando en la ecuación con la información del ejemplo 4 se obtiene

que:
n¡ = n*(n-1)* (n-2) *(n-3) *(n-4)….1 ejemplo
4¡ = 4*(4-1)* (4-2) *(4-3) = 4*3*2*1 = 24
5¡ = 5*(5-1)* (5-2) *(5-3)*(5-4) = 5*4*3*2*1 = 120

Ejemplo 5
El número de permutaciones de las letras a ,b ,c, tomadas de 2 en dos
son 3P2

3 P2 = 6 y son ab, ba, ac ,ca, bc, cb

Combinaciones
Una combinación de n objetos diferentes tomados de r en r es una
selección de r objetos sin atender a la ordenación de los mismos. El
número de combinaciones de n objetos tomados de r en r se representa
por ncr y viene dado por:

n Cr = n¡ / r¡(n-r)¡.

Ejemplo 6
Identificar de cuántas formas se pueden dividir 10 objetos en grupos de 4,
respectivamente.
n = 10 r=4

10 C4 = 10¡ / 4¡ (10-4)¡ = 10¡ / 4¡ *6¡ = 210

210 es el número de grupos de 4 objetos que se pueden formar con 10
objetos.

Fascículo No. 8
Estadística y
probabilidad
10 Semestre 3
Estadística y probabilidad

Ahora es importante revisar los números índices, un ejemplo de éstos es el

índice de precios para el consumidor.

Números índices
Un número índice es una medida estadística diseñada para mostrar los
cambios en una variable o grupo de variables relacionadas con respecto al
tiempo, situación geográfica u otra característica como renta o profesión.
El número índice es una cifra relativa, expresada en términos porcentuales.
Es útil para indicar las variaciones que sufre una variable con respecto a un
valor de la misma, la cual es tomada como punto de referencia,
denominado base.

Igualmente, el uso de números índices puede proporcionar a quienes

toman las decisiones, un panorama más preciso del comportamiento de
las variables económicas a través del tiempo o hacer comparaciones a
través de períodos significativos. Un número índice relaciona un valor en
un periodo de tiempo, denominado período base, con un valor en otro
período llamado período de referencia o actual.

Índices simples
Es el número índice que se obtiene dividiendo cada precio, cantidad o
valor de un periodo (anual, mensual, semanal) por el precio, cantidad o
valor de un periodo fijo considerado base, multiplicándolo luego por cien,
como se expresa a continuación:
Iio = ( Xi / XO ) *100
Precio = P
Iio = ( Pi / PO ) *100
Cantidad = q
Iio = ( qi / qO ) *100
Así mismo, se puede calcular el índice manteniendo fijo o constante el

Fascículo No. 8
Semestre 3 11 Estadística y
probabilidad
 Estadística y probabilidad

precio base, permaneciendo inalterado durante el período objeto de

análisis.

Ejemplo 7
Para ilustrar lo anterior, tomaremos como base el precio del barril de
petróleo en dólares presentado en la tabla 8.1.

Tabla 8.1

Fuente:
Banco de la República.

Ahora bien, es necesario determinar el índice de precios tomando como

base los meses de enero de los años 2008 y 2009 de la tabla 8.1.
Así, se presentan los resultados en la siguiente tabla 8.2:
(US$ por
barril)
Promedio

Índice enero Índice enero

2008 2009 2008 2009
Ene. 82,02 32,27 100,00 100,00
Feb. 84,78 33,65 103,36 104,28
Mar. 97,10 46,39 118,39 137,88
Abr. 102,84 44,77 121,30 96,51
May. 115,89 53,86 119,35 120,31
Jun. 126,18 67,43 122,70 125,19
Jul. 121,25 60,36 104,62 89,51
Ago. 106,64 N.D 84,51

Fascículo No. 8
Estadística y
probabilidad
12 Semestre 3
Estadística y probabilidad

Sep. 92,75 N.D 76,49

Oct. 65,32 N.D 61,25
Nov. 48,34 N.D 52,12
Dic. 34,13 N.D 52,25
Tabla 8.2

Los cálculos de los valores se obtienen de la siguiente manera:

Tabla 8.3

Por último, los resultados indican que en el mes de enero el número índice
es el 100%; en el mes de febrero es 103.36, lo cual muestra que hubo un
incremento en el precio del petróleo del 3,36% con respecto a enero.
Igualmente en el mes de marzo es 118.39, lo cual muestra que hubo un
incremento en el precio del petróleo del 18,39 con respecto a enero.

8.2

Determine el índice de desempleo tomando como base el mes de

enero de los años 2008 y 2009. Consulte los datos en el Banco de la
República.

Índices ponderados de precios

En los índices de precios, las ponderaciones peso o importancia de cada
elemento dentro del conjunto están dadas por las cantidades, y de acuer-
do a la manera como éstas se tomen dan origen a diferentes fórmulas,
como se muestra a continuación.

Índice de Laspeyres
El índice de precios de Laspeyres puede interpretarse como la relación
existente entre el valor que se obtiene al comprar a los precios actuales, la
misma cantidad de mercancías del precio base y el valor de tales artículos
en el año base.

Fascículo No. 8
Semestre 3 13 Estadística y
probabilidad
 Estadística y probabilidad

Este índice se expresa como:

LI = (∑Pt qo / ∑Po qo ) *100
Pt = Precio del año que se investiga
Po = Precio del año base
qo = Cantidades del año base
qt = Cantidades del año que se investiga

Ejemplo 8
Para ilustrar lo relacionado con el índice de Laspeyres, se van a abordar
las tablas 8.3 y 8.4, las cuales contienen el precio externo de venta del
petróleo colombiano por barril en dólares, las cantidades en exportación y
el precio externo de la venta de café colombiano US$ Libra.
PRECIO EXTERNO DE VENTA DEL PETRÓLEO COLOMBIANO 1/
(US$ por barril)
Promedio
2009 Barriles exportados miles
Ene. 32,27 2130
Feb. 33,65 3120
Mar. 46,39 3200
Abr. 44,77 3650
May. 53,86 3980
Jun. 67,43 3850
Jul. 60,36 3975
Tabla 8.3

Fuente:
Banco de la República

Tabla 8.4.
Precio externo de la venta de café colombiano US$ Libra.

Fuente:
Banco de la República.

Fascículo No. 8
Estadística y
probabilidad
14 Semestre 3
Estadística y probabilidad

Frente al ejemplo 8, se debe determinar el índice de precios de Laspeyres

para el mes de julio tomando como base enero en cuanto a los precios del
petróleo y del café de las tablas 8.3 y 8.4.

LI = (∑Pt qo / ∑Po qo ) *100 Reemplazando los valores de las tablas

anteriores se tiene que:
LI =((60.36*2130)+(1.91*7890) / (32.27*2130)+(1.31*7890))*100 =
181.67
Esto indica que los precios se han incrementado en un 81,67% con
referencia al mes de enero.

Índice de Paasche
Permite determinar las variaciones en los precios para un periodo con
relación a un periodo base manteniendo constante como ponderaciones,
las cantidades del periodo que se investiga.
PI = (∑Pt qo / ∑Po qt ) *100 Reemplazando con los valores
PI = ((60.36*39.75)+(1.91*10690) / (32.27*39.75) + (1.31*10690))*100 =
183.00
Esto indica que los precios se han incrementado en un 83% con referencia
al mes de enero.

Índice de Fisher
Este índice se obtiene al calcular la media geométrica entre los índices de
precios de Laspeyres y Paasche.
Fi = √ LI* PI = √(∑Pt qo / ∑Po qo )* (∑Pt qo / ∑Po qt )*100
Fi = √ (181.67)* (183.00) *100 = 182.34
Esto indica que los precios se han incrementado en un 82,34% con
referencia al mes de enero.

Fascículo No. 8
Semestre 3 15 Estadística y
probabilidad
 Estadística y probabilidad

8.3

Determine el índice de precios de Laspeyres, Paasche y Fisher para el

mes de junio tomando como base el mes de febrero de las tablas 8.3 y
8.4.

Reúnase con dos compañeros, determinen la tasa de desempleo en Colombia

con los datos de las ciudades de Medellín, Cali y Bogotá y compárenlos entre sí.
Socialicen los resultados de la actividad con el tutor.

En este fascículo estudiamos los teoremas de la Partición y el de Bayes y

su aplicación tanto en la administración como en las finanzas.

Posteriormente continuamos con el estudio de las técnicas de conteo en

las que por medio de las permutaciones y combinaciones se determina
una parte de la estadística de aplicación en la economía como son los
números índices, los cuales pueden ser simples o de base fija, Laspeyres,
Paasche y Fisher.

MENDENHALL, William. Probabilidad y Estadística, Editorial Cengage

Learning. 2008 (Texto guía)
LOPES, Paulo A. Probabilidad & Estadística, Editorial Pearson. 2000
(Texto guía)
MANSON Y LIND. Estadística para Administración y Economía, Editorial
Alfa y Omega. 2001
MARTINEZ BENCARDIO, Ciro. Estadística y muestreo, editorial Ecoe
Ediciones, Décimo segunda edición. Año 2008

Fascículo No. 8
Estadística y
probabilidad
16 Semestre 3
Estadística y probabilidad

Seguimientoal autoaprendizaje

Estadística y probabilidad - Fascículo 8

Nombre_________________________________________________________
Apellidos ________________________________ Fecha: _________________
Ciudad __________________________________ Semestre: _______________

La empresa DATALIFE tiene un listado de cartera de la forma como los clientes

pagan sus compras: El 33% paga a 30 días, el 45% paga a 60 días y el resto a 90
días; los bancos devuelven los cheques en un 3.5%, 4% y un 2%, respec-
tivamente. Determine la probabilidad con la anterior información de que: (tache la
respuesta correcta)

1. Un cheque no sea devuelto

1. 0.0335
2. 0.9661
3. 0.9545
4. 0.0450
5. 0.0511

2. La probabilidad de que un cheque devuelto sea de un cliente que pagó a 30

días su compra

1. 0.3568
2. 0.3918
3. 0.3402
4. 0.3320
5. 0.1319

3. La probabilidad de que un cheque bueno sea de un cliente que pagó a 90

días su compra

1. 0.1568
2. 0.2450
3. 0.2105
4. 0.2232
5. 0.1319

4. Determinar el índice de precios de los meses de enero a junio tomando como

base el mes de enero del año 2009 de la tabla 8.5 - presentada a continuación
- del precio del café del precio externo.

Fascículo No. 8
Semestre 3 17 Estadística y
probabilidad
 Estadística y probabilidad

Tabla 8.5
Fuente: Banco de la República

Fascículo No. 8
Estadística y
probabilidad
18 Semestre 3