Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
INTRODUCCION:
En nuestra comunicacin diaria nos hemos acostumbrado a hacer y a or afirmaciones que llevan implcito el
concepto de probabilidades:
a.
b.
c.
d.
La inferencia estadstica, parte de la estadstica que incluye la mayor parte de tcnicas, se basa en los
fundamentos de la teora de la Probabilidad, rama de las matemticas que se ocupan de los fenmenos que varan
por efectos del azar, o fenmenos aleatorios. Es decir, la probabilidad es un argumento matemtico usado para
medir la posibilidad de ocurrencia de los fenmenos aleatorios.
EXPERIMENTOS, ESPACIOS MUESTRALES Y SUCESOS O EVENTOS.
La probabilidad trata formalmente con experimentos aleatorios y sus resultados, por tanto se presenta una
descripcin de la terminologa relacionada que facilite la comprensin de dicha tcnica.
INCERTIDUMBRE:
Todo proceso que puede conducir a 2 ms resultados posibles; se denomina proceso incierto.
EXPERIMENTO ALEATORIO:()
Es todo proceso que se puede repetir indefinidamente y que conduce a un resultado de los dos o ms
resultados posibles que genera el experimento.
EJEMPLO 1:
De un conjunto de "n" probetas ensayadas para determinar si cumplen con las epecificaciones de calidad, se
determina el nmero de probetas que cumplen con la especificacin de diseo.
EJEMPLO 2:
Fabricar artculos hasta producir 5 defectuosos y contar el nmero total de artculos fabricados.
EJEMPLO 3.
Poner en funcionamiento una lmpara elctrica hasta que falla y registrar el tiempo de vida
Previo a la realizacin del Experimento (), no podemos precisar cual ser el valor observado, pero si podemos
asumir un conjunto de resultados posibles (incertidumbre).
Despus de la realizacin del experimento un slo valor aparece y desaparece la incertidumbre.
ESPACIO MUESTRAL ():
Es el conjunto que incluye como elementos todos los resultados posibles que se pueden generar al realizar un
experimento aleatorio. Cada uno de los resultados se denomina punto muestral.
EJEMPLO 4: El espacio muestral asociado al Experimento del ejemplo 1 sera denotado de la manera siguiente:
= { 0,1,2,...,n}; n= Tamao de muestra.
EJEMPLO 5: El espacio muestral asociado al experimento del ejemplo 3. Sera denotado de la siguiente manera:
= { x / tm< x < tM ; xR }
1
EJEMPLO 6: Si de una componente se registra el tiempo de funcionamiento hasta que falla y el (%) de cobre usado en
su fabricacin, el espacio muestral podra ser:
= {(x,y)/ Pm< x < PM (%), Tm< y < TM miles de hrs}
- El espacio muestral del ejemplo 1 se denomina espacio muestral finito, unidimensional, discreto, porque la variable
que define sus valores es discreta.
- El espacio muestral del ejemplo 5 es denominado espacio muestral infinito, unidimensional, continuo, por que la
variable es continua.
- El espacio muestral del ejemplo 6, se denomina espacio muestral bidimensional, puesto que de la unidad
experimental se registra 2 caractersticas variables.
EVENTO: A un subconjunto de los posibles resultados de un experimento se le denomina evento.
Notacin: Un evento se denota por : A, B, C, D, E, etc. y sus elementos con letras minsculas subindicadas: 1; 2;...
- EVENTO SIMPLE:
Viene a ser un slo resultado del experimento, es decir, un slo punto muestral, denominado tambin suceso
- EVENTO COMPUESTO: Es el conjunto formado por 2 ms puntos muestrales.
EJEMPLO
Sea el experimento: lanzar un dado normal y observar el nmero que aparece en la cara superior.
- El espacio muestral asociado a este experimento es:
= { 1, 2, 3, 4, 5, 6 }
Unin de Eventos. Si A y B son dos eventos definidos en , entonces (AUB) es el evento que ocurre si A B
ambos ocurren.
Interseccin de Eventos. Si A y B son dos eventos definidos en , entonces (AB) es el suceso que ocurre si A y
B ocurren simultneamente.
Inclusin de Eventos. Si A y B son dos eventos definidos en , si (AB) y si B ocurre entonces A tambin ocurre.
2
EJEMPLO. (Ejercicio).
Un Ingeniero est dando inicio a tres nuevos proyectos, existe alguna incertidumbre acerca del tiempo para completar cada
proyecto. En un ao cada proyecto puede ser: Definitivamente completado, definitivamente incompleto.
Denotamos estos eventos inciertos con: C, I.
a)
b)
c)
EJEMPLO:
a).
Consideremos ahora el espacio muestral de RAy RB ( es decir, todos los posibles valores de RA y RB); en este caso,
algn par de valores de RA y RB tal que RA+ RB= 100 pertenecen al espacio muestral, el cual es mostrado en la (fig.
c)..
(Fig.c )
3
b)
Si la carga puede ser situada en cualquier parte a lo largo de la viga el espacio muestral de Ra, puede ser
representada por la lnea entre 0 y 100 (fig. d) y definido:
= { x/ 0 x 100 Lb }
Donde el correspondiente espacio muestral de Ra y Rb es la lnea recta mostrada en la (fig. e).
(Fig. d )
(Fig. e )
Podemos definir el evento que Ra estar entre, digamos, 20 y 60 que el evento ( Ra + Rb ) estar entre
(20, 80 ) y (40 , 60).
EJEMPLO:
Suponga que se define el experimento "", espacio muestral "" y evento "A", como sigue:
= Se lanzar un dado normal insesgado una vez y se registrar el nmero que aparece en la cara superior.
= { 1,2,3,4,5,6 }
Sea A: aparece un nmero par, entonces A={2,4,6}
P(A) = ?
n = 6, nA= 3; si asumimos resultados igualmente probables
P(A) = nA/n = 3/6 = 0.5
P(A) = 50%
B)
C)
Cuando no se puede determinar la probabilidad de ocurrencia de un evento utilizando los dos criterios
anteriores, se recurre a la determinacin en base al criterio de una persona experta dentro de un campo especfico;
as por ejemplo:
Un ingeniero de suelos opina que, a 20 pies de profundidad en una superficie especfica, la probabilidad de
que predomine arcilla es igual a la probabilidad de que predomine arena, y que, si ninguno de estos dos tipos de
suelo predomina, el predominio ser de roca slida con doble posibilidad de arcilla. Hallar la probabilidad de cada
uno de estos sucesos.
SOLUCION.
5
- AXIOMA 2
P() = 1.
- AXIOMA 3:
- GENERALIZACION:
Si A1, A2, A3,..., An son eventos mutuamente excluyentes definidos en ; entonces:
P( U in=1 Ai ) = in=1 p( Ai )
Particularmente:
= { 1, 2, 3,..., n }; i puntos muestrales
Si i j = 1,...,n; son mutuamente excluyentes
= U in=1 i
P( ) = P( U in=1 i) = 1n p( i) = 1
ASIGNACION DE PROBABILIDADES.
Si un experimento se realiza n veces bajo las mismas condiciones y el espacio muestral consiste
nicamente de los sucesos elementales e1, e2,....en
Por Axioma 3 se tiene:
P(e1) + P(e2) + ... + P(en) = 1
(*)
- Entonces podemos asignar cualquier nmero arbitrario no negativo para las probabilidades de stos
sucesos simples siempre que satisfaga (*)
PROBABILIDAD DE UN EVENTO:
" La probabilidad de un evento es la suma de las probabilidades asignadas a los puntos muestrales con
los cuales el evento est asociado".
As sea A un suceso tal que:
A = { a1, a2,...,ak }
P(A) = P(a1) + P(a2) + ... + P(ak)
6
i= 1,k
B
c
AB
AB
-TEOREMA 5.
Sean A y B dos sucesos cualesquiera definidos en , tal como se muestra en el diagrama siguiente:
Ao
AB
Bo
1)
2)
GENERALIZACION:
Si A, B y C son tres eventos cualesquiera entonces:
P(AUBUC) = P(A) + P(B) + P(C) - P(AB) - P(AC) - P(BC)+ P(ABC)
Sean A1, A2, ..., Ak , sucesos cualesquiera entonces:
a)
b)
c)
PROBABILIDAD CONDICIONAL
La probabilidad de ocurrencia de un evento A puede depender de la ocurrencia (o no ocurrencia) de
otro evento B. Si esta dependencia existe, la probabilidad asociada es una probabilidad condicional, se
denota por P(A/B) significa la probabilidad de ocurrencia de A dado que ya ocurri el evento B, y se define
como sigue:
P(A/B) = P(AB)/P(B); P(B) > 0
.
AB
EJEMPLO.
Los resultados de 266 muestras de aire se clasifican de acuerdo con la presencia de molculas raras.
Sean A: el evento formado por todas las muestras en las que se encuentra presente la molcula rara 1, y B: el
evento formado por todas las muestras de aire donde est presente la molcula 2. Al utilizar los resultados que
aparecen en la tabla, se tiene que:
Molcula 2
Presente
No (B)
Si (B )
Total
Molcula 1 Presente
No ( A )
212
18
230
Total
Si (A )
24
12
36
236
30
266
p(A/B)= 12/30
p(B/A)= 12/36
En este caso p(A) y P(A/B) son las probabilidades del mismo evento, pero calculadas bajo dos diferentes
estados de conocimiento, de manera similar las probabilidades p(B) y P(B/A).
Los mismos resultados se pueden obtener mediante un diagrama de rbol:
EJEMPLO.
Componentes complejos son ensamblados en una planta que utiliza dos lneas diferentes de produccin, A y
c
c
A . La lnea A utiliza un equipo menos moderno que A , por lo que es un poco ms lenta y menos confiable.
Supongamos que, en un da determinado, la lnea A ha ensamblado 8 componentes, dos han sido identificados
c
c
como defectuosos (B) y seis como no defectuosos (B ), mientras que A ha producido un componente
9
A
c
A
Total
N ( A)
N
8
=0.44
18
Condicin
c
B
6
9
15
Total
8
10
18
Sin embargo, si el componente seleccionado resulta defectuoso ha ocurrido el evento B, despus que ha
ocurrido B,
2
P( A B) 18 2
P(A/B) =
3 3
P( B)
18
La probabilidad condicional se expresa como una relacin de probabilidades incondicionales:
REGLA DE LA MULTIPLICACION DE EVENTOS:
De la definicin de probabilidad condicional, obtenemos una frmula para hallar la probabilidad de la
interseccin (o producto) de los eventos A y B, esto es, de:
La ecuacin P(A/B) = P(AB)/P(B); p(B)>0.
P(B/A) = P(AB)/P(A); p(A)>0.
Se deduce que la probabilidad de ocurrencia del evento conjunto AB es:
P(AB) = P(A/B)P(B), o tambin
P(AB) = P(B/A)P(A)
Teorema.
Teorema.
Si A1, A2, ..., An son eventos definidos en finito y p(A1A2 ...An) >0, entonces:
P(A1A2 ...An ) = P(A1)P(A2/A1)...P(An/A1A2...An-1)
INDEPENDENCIA ESTADISTICA:
Se dice que dos eventos A y B son independientes si, y slo si, cualquiera de las siguientes
proposiciones es verdadera:
(1)
P(A/B) = P(A)
(2)
P(B/A) = P(B)
(3)
P(AB) = P(A) P(B)
EJEMPLO 1:
consideremos una carretera de 100 Km y asumimos que las condiciones del
camino y volmen del trfico son uniformes a lo largo de toda la va, de esta
10
0
20
60
100
Esta probabilidad condicional es:
P(A/B) = 10/40 = (10/100)/(40/100) = 0.25
En este caso P(AB) = 10/100, y
P(B) = 4/100
EJEMPLO 2:
Se ha observado que para vehculos que se aproximan a cierta
interseccin en una direccin dada, la probabilidad de que continen hacia
adelante en lnea recta es el doble de hacerlo girando a la derecha, tambin
giran a la izquierda con la mitad de probabilidad de los que lo hacen a la
derecha.
Asumir que estas condiciones son vlidas para algn vehculo que se
aproxima a la interseccin en la direccin indicada podemos formular las
siguientes preguntas:
a)
Cules son todas las alternativas (es decir, las diferentes direcciones que
puede seguir el vehculo)?
Hacia adelante en lnea recta = A
Girar a la derecha = B
Girar a la izquierda = C
b)
P(B) = 2/7
P(C) = 1/7
11
c)
voltear en
la interseccin la
a)
A
B
--------------------------====
Las posibles condiciones de los dos cimientos son como sigue:
AB A asienta, B asienta
A'B A no asienta, B asienta
AB' A asienta, B no asienta
A'B' A no asienta, B no asienta.
b)
c)
INTERPRETACION:
En el 4% de construcciones, diseadas bajo las mismas especificaciones,
ocurrir un asentamiento diferencial.
Ejemplo.
De un lote de 12 artculos, 4 de los cuales son defectuosos (D) y el resto buenos (B), se selecciona
aleatoriamente 3 artculos secuencialmente i)sin sustitucin ii) con sustitucin, y de cada uno se registra su
12
a
b
c
d
condicin. Determinar:
El espacio muestral que genera este experimento.
La probabilidad de que ningn artculo sea defectuoso.
La probabilidad de que a lo ms un artculo de los tres seleccionados sea defectuoso.
La probabilidad de que los dos primeros artculos seleccionados sean defectuosos.
Solucin
a)
= {B1B2B3,B1B2D3,B1D2B3,D1B2B3,B1D2D3, D1B2D3,D1D2B3,D1D2D3}
p(B1) =8/12
p(B2/B1) =7/11
p(B3/B1B2)=6/10
eventos dependientes.
Donde:
Bi = El i-simo artculo seleccionado es bueno.
Di = El i-simo artculo seleccionado es defectuoso.
Definimos los siguientes eventos:
b)
c.
Bi Bj = ; i j.
B1 B2 ...Bn =.
P(Bi )> 0, i.
Entonces si A es un evento definido en , tenemos:
A = A = A[B1UB2U...UBn]
= (AB1)U(AB2)U...U(ABn)
donde:
ABi, i, son eventos mutuamente excluyentes como se puede observar en el siguiente grfico:
A
B1
B2
AB1
AB2
B3
AB3
. . .
Bn
. . .
ABn
Por tanto la probabilidad del evento A cuando se conoce las probabilidades de B1, B2, ..., Bn. y las
probabilidades condicionales p(A/B1),P(A/B2), ...,p(A/Bn), ser:
P(A) = P(AB1) + P(AB2) + ... + P(ABn)
y aplicando la regla de la multiplicacin de eventos dependientes, a p(A/Bi), i=1,...n., tendremos:
P(A) = P(A/B1)P(B1) + P(A/B2)P(B2) + ...+ P(A/Bn)P(Bn)
TEOREMA DE BAYES
Hace referencia a aquellas situaciones donde una vez producido un suceso A. se trata de calcular si el mismo es
debido a una causa B1, B2, ..., Bn.
Consideremos de nuevo la situacin descrita en el Teorema de la Probabilidad Total, y formulemos la siguiente
pregunta:
14
"Si el evento A ha ocurrido, cul es la probabilidad de que su ocurrencia haya sido causada por la ocurrencia de un
Bi?
Para evaluar esta probabilidad aplicamos la frmula:
P ( Bi / A)
P ( Bi ) P ( A / Bi )
n
P( B ) P( A / B )
i
; i=1,,n
= 0.81 = 81%
p(A'I/E') = [p(A'I)p(E'/A'I)]/p(E')
= [0.30x0.20]/0.19
= 0.32 = 32%.
b.
Ejemplo 3. Una cadena de tiendas de video vende tres marcas diferentes de videograbadoras (VCR). De sus ventas de
VCR, 50% son de la marca 1(la menos costosa), 30% son de la marca 2 y 20% de la marca 3. Cada fabricante
ofrece un ao de garanta en partes y mano de obra. 25% de las VCR de la marca 1 requieren trabajo de
reparacin en garanta, mientras que los porcentajes correspondientes a las marcas 2 y 3 son 20 y 10%,
respectivamente.
a. Cul es la probabilidad de que un comprador seleccionado al azar haya comprado una VCR de la marca 1,
que necesita reparacin mientras tiene garanta?.
b. Cul es la probabilidad de que un comprador seleccionado al azar haya comprado una VCR que necesite
reparacin mientras tiene garanta?.
c. Si un cliente regresa a la tienda con una VCR que necesita reparacin dentro de la garanta. Cul es la
probabilidad de que sea una VCR de la marca 1?. Una VCR de la marca 2?. Una VCR de la marca 3?.
Solucin
Sean los eventos:
Ai = (Compra la marca i ); para i=1,2 y 3.; P(A1) = 0.50, P(A2) = 0.30, P(A3) = 0.20
Una vez seleccionada una marca de VCR, se determina si necesita reparacin dentro de la garanta.
c
Con B= (necesita reparacin) y B = (No necesita reparacin), entonces:
P(B/A1) = 0.25; P(B/A2) = 0.20; P(B/A3) = 0.10.
a. P(A1B) = P(B/A1)*P(A1) = 0.25*0.50 = 0.125
d. Probabilidad de que una VCR seleccionada necesite reparacin, ser:
P(A1)=.50
marca 3
sin reparacin
P(B/A2)*P(A2) = P(BA2) = .060
marca 1 P(B/A2)=.20
P(A2)=.30
reparacin
marca 2
P(A3)=0.30 sin reparacin
P(B/A3)*P(A3) = P(BA3) = .020
P(B/A3)=.10
reparacin
sin reparacin
-----------------P(B) = .205
c.
P( A1 B) .125
.61
P( B)
.205
P ( A2 B ) .060
P ( A2 / B )
.29
P( B)
.205
P ( A3 B ) .020
P ( A3 / B )
.10
P( B)
.205
P( A1 / B)
Ejemplo 4: Tres compaas suministran NPN a un fabricante de equipo de telemetra. Supuestamente todos los
transistores estn hechos de acuerdo a las mismas especificaciones. Sin embargo, el fabricante ha probado
durante varios aos dos parmetros de calidad de los transistores, y los registros indican la siguiente
informacin, declarndose defectuoso a un transistor si cualquiera de los parmetros est fuera de
16
especificacin.
1
0.02
0.15
2
0.01
0.80
3
0.03
0.05
Debido a los costos involucrados el fabricante ha cesado las pruebas, y puede considerarse razonable
que las fracciones de defectos y la mezcla en inventario son las mismas que durante el perodo en que se
realizaron los registros. El director de produccin selecciona aleatoriamente un transistor, lo lleva al departamento de pruebas.
a.
b.
a.
b.
En esta parte se pide evaluar: P(Bi/A). lo hacemos aplicando el teorema de bayes. Es decir:
P(B3).p(A/B3)
p(B3/A) = -----------------------------------------------------------=
P(B1).p(A/B1)+ P(B2).p(A/B2) +P(B3).p(A/B3)
(0.05)(0.03)
3
=------ ----------------------------------------------= ---=12%
(0.15)(0.02)+(0.80)(0.01)+(0.05)(0.03) 25
Por tanto la probabilidad de que un transistor defectuoso sea suministrado por la compaa 3, es 12%.
EJEMPLO 5.
La figura muestra la direccin de 2 carreteras importantes A1, y A2 cuya
combinacin originan A3. Asumir que A1 y A2 tienen igual capacidad de trfico.
Sin embargo durante las horas de actividad es algo diferente, as que;
durante las horas de actividad:
p(A1) = p(excesivo trfico en A1) = 10%.
p(A2) = p(excesivo trfico en A2) = 20%.
Denotamos tambin: p(A1/A2) como la probabilidad de excesivo trfico en
A1 dado que el trfico es excesivo en A2, y tenemos:
p(A1/A2) = 50% y p(A2/A1)= 100%
A1
>
A3
>
A2
>
17
Fig.
Si la capacidad d A3 es la misma que la de A1 A2. Cul es la
probabilidad de trfico excesivo en A3 ?. Asumir que cuando A1 y A2
estn transportando menos que su capacidad de trfico, A3 puede ser
excedido con probabilidad de 20%.
Primero nosotros observamos que sta probabilidad depende de las
condiciones de trfico en A1 y A2; las cuales pueden ser:
A1A2, Ac1A2, A1Ac2, Ac1Ac2
a)
P(A) =
0.25 25%
Area crculo de radio " r"
r 2
rr
Ejemplo 3. Un dado se lanza sucesivamente hasta que aparece un uno. Calcular la probabilidad de obtener el
uno si el dado se lanza:
a. A lo ms dos veces.
b. Al menos 4 veces
Solucin
Sea Si = el evento sale uno en el lanzamiento i.
Y sea Ni = el evento no sale uno en el lanzamiento i, i 1,2,3,...
El espacio muestral que resulte de lanzar el dado hasta obtener un uno sera:
= {w1, w2, w3,. . .}
= {S1, N1S2, N1N2S3,. . .}
La probabilidad de cada punto muestral wi:
P(w1) = 1/6, P(w2) = (5/6)*(1/6) = 5/36; P(w3) = (5/6)(5/6)(1/6) = 25/216; etc.
Resumiendo para cada i, resulta:
P(wi) = (5/6) (1/6); i 1,2,3,...
i-1
a)
b)
19
PRACTICA N 04
1.
a)
b)
c)
2.
a.
b.
c.
3.
a.
4.
a)
b)
c)
5.
Se ha observado que para vehculos que se aproximan a cierta interseccin en una direccin dada, la probabilidad de
que continen hacia adelante en lnea recta es el doble de hacerlo girando a la derecha, tambin giran a la izquierda
con la mitad de probabilidad de los que lo hacen a la derecha.
Asumir que estas condiciones son vlidas para algn vehculo que se aproxima a la interseccin en la direccin
indicada podemos formular las siguientes preguntas:
Cules son todas las alternativas (es decir, las diferentes direcciones que puede seguir el vehculo)?
Guales son las respectivas probabilidades de los eventos?
Si el vehculo definitivamente va a hacer un giro, cul es la probabilidad de que lo haga a la derecha?
La probabilidad de que una muestra de laboratorio contenga altos niveles de contaminacin es 0.10. Se analizan cinco
muestras; estas son independientes.
Cul es la probabilidad de que ninguna contenga altos niveles de contaminacin?.
Cul es la probabilidad de que exactamente una tenga altos niveles de contaminacin?
Cul es la probabilidad de que al menos una tenga altos niveles de contaminacin?.
Dos unidades (a) y (b) generadoras de potencia operan en paralelo, para suplir la potencia requerida de una pequea
cuidad. La demanda de potencia est sujeta a considerables fluctuaciones, y es conocida que cada unidad tiene una
capacidad que puede suplir la potencia completa requerida por la cuidad el 75% del tiempo en caso de que la otra
unidad falle. La probabilidad de falla de cada unidad es 0.10, mientras que la probabilidad de que ambas fallen es
0.02.
Si hay falla en la generacin de potencia, cul es la probabilidad de que la ciudad sea abastecida suficientemente de
potencia ?
El aire contaminado en una ciudad es causado principalmente por la industria y el escape automovilstico. En los
prximos 5 aos, la probabilidad de controlar estas dos fuentes de contaminacin son 75% y 80%, respectivamente.
Asumir que si slo una de las dos fuentes es suficientemente controlada, la probabilidad de causar contaminacin del
aire a un nivel aceptable es 80%.
Cul es la probabilidad de un control suficiente de la contaminacin del aire en los prximos 5 aos?.
Si en los prximos 5 aos, el nivel de contaminacin del aire no es suficientemente controlado, cul es la
probabilidad de que esto sea causado enteramente por la falla del control del escape automovilstcio ?.
Si la contaminacin no es controlada, Cul es la probabilidad de que el control del escape automovilstico no fue
suficiente ?.
La figura muestra la direccin de 2 carreteras importantes A1, y A2 cuya combinacin originan A3. Asumir que A1 y A2
tienen igual capacidad de trfico. Sin embargo durante las horas de actividad es algo diferente, as que; durante las
horas de actividad:
p(A1) = p(excesivo trfico en A1) = 10%.
p(A2) = p(excesivo trfico en A2) = 20%.
Denotamos tambin: p(A1/A2) como la probabilidad de excesivo trfico en A1 dado que el trfico es excesivo en
A2, y tenemos:
p(A1/A2) = 50% y p(A2/A1)= 100%
A1 >
A3
>
A2 >
a). Si la capacidad d A3 es la misma que la de A1 A2. Cul es la probabilidad de trfico excesivo en A3 ?. Asumir que
cuando A1 y A2 estn transportando menos que su capacidad de trfico, A3 puede ser excedido con probabilidad de
20%.
b). Si la capacidad de A3 es el doble que de A1 A2. Cul es la probabilidad de excesivo trfico en A3 ?. Asumir que si
20
solamente A1 A2 tienen excesivo trfico, la capacidad de A3 puede ser excedida con probabilidad de 15%.
6.
Una empresa de biotecnologa puede producir juegos de pruebas diagnsticas con un costo de 20 dlares. El precio
de venta de cada juego para el que existe demanda en una semana de produccin es de 100 dlares. Sin embargo,
debido a la vida media de los componentes que integran el juego, si este no se vende en la semana en que se produce
entonces tiene que desecharse. El costo asociado con el desecho de un juego es de cinco dlares. En la tabla
siguiente se resume la demanda semanal:
Demanda Semanal
---------------------Nmero de Unidades
0
50
100
200
Probabilidad de la demanda
0.05
0.4
0.3
0.25
Cuntos juegos deben producirse cada semana para maximizar las ganancias de la Compaa?
7.
Tres puntos a, b y c de una circunferencia se escogen al azar. Hallar la probabilidad "p" de que los puntos caigan sobre
el mismo semicrculo.
8.
Se escoge al azar un punto X sobre un segmento de recta AB con punto medio "O". Hallar la probabilidad de que los
segmentos de recta AX, XB y AO puedan formar un tringulo.
9.
Un plano est rayado por rectas paralelas, separadas entre s a la distancia de 2a. Sobre el plano se arroja al azar una
aguja de largo 2l (l<a). Hallar la probabilidad de que la aguja corte una recta cualquiera.
10.
Una mquina produce un tipo de objeto. Si la mquina est bien ajustada el 80% de los objetos producidos pasan el
control de calidad de otro modo slo pasan el 60%. Se ha determinado que el 90% del tiempo la mquina est bien
ajustada. De una caja que contiene 25 objetos de esa produccin se escogen 3 al azar y a la vez para el control de
calidad.
Qu probabilidad hay que slo 2 pasen el control de calidad?.
Si slo 2 pasan el control de calidad Qu probabilidad se tiene que haya sido producido cuando la mquina trabaja
correctamente el 90% del tiempo?.
En un proceso de produccin el porcentaje de objetos no defectuosos fabricados es 70% con probabilidad 0.35, 90%
con probabilidad 0.25, y 60% con probabilidad 0.4. Si se selecciona al azar dos de tales objetos:
Calcular la probabilidad de que uno sea defectuoso.
y si resultan los dos no defectuosos, calcular la probabilidad de que sea de calidad del 90%.
La probabilidad de que la construccin de un conjunto habitacional termine a tiempo es 17/20, la probabilidad de
a.
b.
11.
a.
b.
12.
que no haya huelga en la empresa constructora es 3/4; la probabilidad de que la construccin termine a tiempo
dado que no hubo huelga es 14/15, y la probabilidad de que haya huelga y no termine la construccin es 1/10.
Encontrar la probabilidad de que la construccin termine a tiempo y no haya huelga
13.
Suponga que en el interior de un tringulo equiltero se elige al azar un un punto. Determinar la probabilidad de
que dicho punto pertenezca al interior de un crculo inscrito en dicho tringulo.
14.
Un plano est rayado por rectas paralelas, separadas entre s a la distancia de 2a. Sobre el plano se arroja al azar
una aguja del largo 2l (l<a). Hallar la probabilidad de que la aguja corte una recta cualquiera.
15.
Sobre un plano se han trazado dos circunferencias concntricas de radios 5 cm y 10 cm respectivamente. Hallar la
probabilidad de que el punto resulte en el interior:
a. de un cuadrado b. de un tringulo equiltero inscrito en el crculo.
21