ELEMENTOS DE PROBABILIDAD

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.

Los pronsticos meteorolgicos nos sealan las probabilidades de lluvia.

Los mdicos nos dicen que probabilidades hay de que nuestras enfermedades se curen por medio de
determinados tratamientos teraputicos.
Los consejeros escolares, en el colegio, especulan sobre nuestras posibilidades de xito en la Universidad.
Los encuestadores polticos nos dicen que oportunidad tiene nuestro candidato favorito de ganar las
elecciones.

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 }

- Para este experimento podemos definir los siguientes eventos:

A: Observar un nmero par primo A={2}
B: Observar un nmero impar B={1, 3, 5}
C: Observar un nmero par
C={2, 4, 6}
D: Observar un nmero < 4
D={1, 2, 3}
E: Observar un nmero < 7
E={1,2,3,4,5,6}
F: Observar un nmero > 6
F={ }
EVENTOS ESPECIALES. En el ejemplo anterior podemos definir:
1.
Evnto imposible ( ). No incluye ningn punto muestral. .Ejemplo. Suceso F.
2.
Evento cierto o seguro ( ).Incluye todos los puntos muestrales. Ejemplo. Evento E.
c
3.
Evento Complementario. Para un evento definido en , como B el evento complementario es B = C,
4.
Eventos mutuamente excluyentes o incompatibles. Si no tienen ningn punto muestral en comn, es decir no
pueden ocurrir simultneamente. Ejemplo los eventos B y C.
5.
Eventos compatibles. Si tiene al menos un punto muestral en comn, es decir, pueden ocurrir
simultneamente. Ejemplo los eventos B y D.
6.
Eventos Colectivamente Exhaustivos. Cuando su unin produce el espacio muestral. Ejemplo los eventos B y C
definidos.
ALGEBRA DE EVENTOS.
Puesto que un evento es equivalente a un conjunto, las operaciones con eventos se rigen por las mismas reglas
del lgebra de conjuntos.
1.
2.
3.

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)

Describir el espacio muestral para el estado de completamiento de los 3 proyectos al finalizar el ao . ()

Qu elementos del espacio muestral anterior constituyen el evento " al menos dos de los proyectos son
definitivamente incompletos"?
Describe el evento contrario de "ms de un proyecto resultan definitivamente incompleto"

EJEMPLO:

a).

Consideremos una viga sostenida o libremente apoyada AB (fig.a):

Si una carga concentrada de 100 libras puede ser colocada slo en algn punto a cada intervalo de 2 pies sobre
la viga, el espacio muestral de la reaccin RA ser como se muestra en el diagrama (fig. b).
En este caso el espacio muestral de RA, consiste de los distintos Puntos Muestrales.

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).

LA MEDIDA DELA PROBABILIDAD.

En cualquier experimento "" siempre existe incertidumbre acerca de la ocurrencia o no de un evento
relacionado "A", como medida de la posibilidad de ocurrencia de dicho evento es conveniente denotarlo por P(A), y
asignarle un valor entre 0 y 1.
Si P(A) = 1 100%; estamos seguros de la ocurrencia de un evento.
Si P(A) = 0 0%; estamos seguros de que no ocurrir.
Si 0 < P(A) < 1; se trata de un evento incierto, la posibilidad de que ocurra aumenta mientras,se acerca a 1.
En consecuencia para un evento cualquiera A definido en , se tiene:
0 P(A) 1.
CRITERIOS PARA DETERMINAR LA PROBABILIDAD DE UN EVENTO:
A) CRITERIO CLASICO O APRIORI.
"Si en un experimento a realizar pueden ocurrir n resultados igualmente probables y mutuamente excluyentes,
y de stos nA resultados favorecen la ocurrencia del evento A, entonces"
nA (No. de resultados favorables al evento A)
P(A) = ---------------------------------------------------------n (No. de resultados posibles al realizar )
Este procedimiento se denomina apriori porque la asignacin de probabilidades a los posibles eventos simples
se hacen antes de realizar el experimento.
4

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)

CRITERIO DE LA FRECUENCIA RELATIVA O APOSTERIORI.

" Si despus de realizar n veces un experimento simple bajo las mismas condiciones, nA veces ocurri
el evento A ( nA<n ), entonces una estimacin de P(A) es " :
P(A) nA/n (frecuencia relativa)
La verdadera P(A) ser: p(A) = Lm nA/n
n
Esta probabilidad puede ser deducida despus de realizar el experimento.
EJEMPLO:
Al ensayar la resistencia de 10 probetas de aluminio, se hallaron los siguientes resultados:
----------------------------------------------------------------2
Resistencia(lib/pie ) No. Prob. Frec.Relat.(hi)
----------------------------------------------------------------< 160
1
0.1
[160 , 200]
6
0.6
> 200
3
0.3
--------------------------------------------------------------Total
10
1.0
--------------------------------------------------------------Donde A y B, son eventos definidos como sigue:
A = N de Probetas que no cumplen las especificaciones de calidad
B = N de probetas que cumplen con las especificaciones de calidad
P(B) = ?
N = 10, Nb = 9
P(B) = Nb /N = 9/10 = 0.9 = 90%
Interpretacin. Aprox. el 90% de probetas cumplen las especificaciones de calidad.
NOTA: p(B) = Lm nB/n
n
Significa que p(B) sera ms confiable si n es cada vez mayor.

C)

CRITERIO DE LA PROBABILIDAD SUBJETIVA.-

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

E = Muestra a 20 pies de profundidad (hipottico)

S = { Pred. arcilla, Pred. arena, Pred. roca }
A
B
C
P(A) = X, P(B) = X, P(C) = 2X, P(S) = 1
P(S) = P(A) + P(B) + P(C) = 1
X + X + 2X = 1
X = 0.25
Entonces al sustituir, tenemos:
P(A) = 25%, P(B) = 25%, P(C) = 50%
Segn este procedimiento el Ingeniero puede asignar a los sucesos probabilidades de manera totalmente
subjetiva, en base a experiencias similares, conocimientos del suelo y Geologa local, etc.
DEFINICION AXIOMATICA DE PROBABILIDAD
Sea un experimento y asociado a este un especio muestral , si un evento A est definido sobre ,
entonces P(A) es una funcin real Normada ala que se denomina probabilidad del evento A si cumple con los
siguientes axiomas:
- AXIOMA 1

0 p(A) 1, para cada evento A de .

- AXIOMA 2

P() = 1.

- AXIOMA 3:

Para 2 eventos A y B definidos en , mutuamente excluyentes:

P(AUB) = P(A) + P(B)

- 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

TEOREMAS SOBRE PROBABILIDADES:

De los axiomas anteriores se deduce algunas relaciones vlidas para el clculo de probabilidades
- TEOREMA 1:
Si el evento A est incluido en B, ambos definidos en
P(A) P(B)
P(B-A) = P(B) - P(A)
- TEOREMA 2:
P() = 0; donde es el evento imposible.
- TEOREMA 3:
c
c
Si A es el evento complementario de A, entonces: P(A ) = 1 - p(A)
- TEOREMA 4:
Si A y B son eventos definidos en , entonces:
c
P(A) = p(AB) + p(AB )

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

P(AB) = P(A) + P(B) - P(AB)

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:

P(U ik=1 Ai ) = ik=1 P( Ai ) - ik< j=2 P( Ai A j ) + ik< j<r=3 P( Ai A j Ar ) + ...+ (-1 )k -1 P( 1k Ai )

(La demostracin se realiza por Induccin Matemtica)
7

ESPACIO DE PROBABILIDAD. Un espacio de probabilidad es una terna ( ,,P), donde:

: Es un espacio muestral no vaco.
: Es una -Algebra de subconjuntos de .
P: Es una funcin de probabilidad con dominio en .
El trmino espacio de probabilidad, convencionalmente se utiliza para suponer la existencia de los 3
parmetros.
EJEMPLO:
Un Ingeniero est dando inicio a dos nuevos proyectos, existe alguna incertidumbre acerca del tiempo
para completar cada proyecto. En un ao cada proyecto puede ser:Definitivamentecompletado,
cuestionablemente completado, definitivamente incompleto.
Denotamos estos eventos inciertos con: A, B, C.
a)
b)
c)
d)

Describir el espacio muestral para el estado de completamiento de los 2 proyectos al finalizar el ao . ()

Asumiendo que el espacio muestral definido en a) es equiprobable, determinar la probabilidad de que
exactamente un proyecto sea terminado en un ao.
Bajo el mismo supuesto de b) determinar la probabilidad de que un proyecto cualquiera o ambos sean
definitivamente completados en un ao.
Repetir el problema bajo el supuesto de que P(A) = 0.9, P(B) = 0.07, y P(C) = 0.03.
SOLUCION.
Sea = Evaluacin de los 2 proyectos y la determinacin del estado de ambos proyectos al finalizar el ao.

a)

= { AA, AB, AC, BA, BB, BC, CA, CB, CC }

No. Proyectos
n( ) = (estad. alternativos de cada proyecto)
=9
= { w1, w2, w3, ..., w9 } ; wi = Punto. muestral es equiprobable.
Cada wi tiene la misma probabilidad de ocurrir.
p(wi) = 1/9 i= 1,9
P(AA) = p(A)p(A) = (1/9); (indep. de eventos)

b)

E1 = exactamente un proyecto sea completado al finalizar el ao

= { AB, AC, BA, CA }
n(E1) = 4
P(E1) = n(E1)/n( ) = 4/9

c)

E2 = un proyecto o ambas sean completados al finalizar un ao

= { AA, AB, AC, BA, CA }
n(E2) = 5
P(E2) = 5/9
OTRA FORMA DE CALCULO:
E3 = proyecto 1 es completado al finalizar el ao
E4 = proyecto 2 es completado al finalizar el ao
E2 = E3UE4
E3 = { AA, AB, AC } == n(E3) = 3
E4 = { AA, BA, CA } == n(E4) = 3
E3E4 = { AA } == n(E3E4) = 1
P(E2) = P(E3UE4) = P(}3) + P(E4) - P(E3E4)
= 3/9 + 3/9 - 1/9 = 5/9
P(E2) = 5/9 =55.5%.

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

B: Espacio muestral restringido.

En el espacio muestral de la fig. la probabilidad condicional de ocurrencia del suceso A dado que el
suceso B ha ocurrido, que se denota por P(A/B), significa la probabilidad de realizacin de un punto muestral
en A asumiendo que pertenece tambin a B, en otras palabras, estamos interesados en la ocurrencia del
evento A, dentro del espacio muestral restringido "B".

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(molcula 1 presente /molcula 2 presente)

p(A/B)= P(AB)/P(B) = [(12/266)/(30/266)] = 12/30
Ntese que, en este ejemplo, las cuatro siguientes probabilidades son diferentes:
p(A)= 36/266
p(B)= 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

defectuoso y 9 no defectuosos. Esta informacin se resume en la tabla siguiente:

El gerente de ventas sin estar informado de esta situacin, selecciona al azar 1 de estos 18 componentes para
una demostracin. Antes de la demostracin:
P(componente seleccionado de la lnea A) = P(A) =
Lnea
B
2
1

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.

Para 3 eventos A, B, y C; tales que p(A)>0 y p(AB)> 0, se tiene:

P(ABC) = P(A) P(BC/A),
P(ABC) = P(A) P(B/A) P(C/AB)

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

manera la ocurrencia de accidentes son igualmente probables en cualquier

parte de la carretera.
Definimos los siguientes eventos:
A = ocurre un accidente entre 0 - 30 Km.
B =
"
"
"
"
20 - 60 K
Puesto que los accidentes son igualmente probables en cualquier parte a
lo largo de los 100 Km de la va, se puede asumir que la probabilidad de
ocurrencia de un accidente en un intervalo de la carretera es proporcional a
la amplitud del intervalo. Por tanto, si un accidente ocurre a lo largo de la
va, entonces:
P(A) = 30/100
y P(B) = 40/100
Planteamos ahora la siguiente pregunta:
Si un accidente ocurre entre los 20 y 60 Km. Cul es la probabilidad de
que se haya producido en el intervalo 0 - 30 Km?
Estamos interesados en la probabilidad de ocurrencia de A, sobre la
condicin de que B ha ocurrido; esto es simplemente la proporcin de la
distancia que pertenece a B, dentro del cual A tambin ha ocurrido.
Observemos la fig. siguiente:
B
A
------------
..... ..

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)

Cules son las respectivas probabilidades de los eventos?

P(A) = 4/7

P(B) = 2/7

P(C) = 1/7
11

c)

Si el vehculo definitivamente va a hacer un giro, cul es la probabilidad de

que lo haga a la derecha?
P[B/(BUC)] = P[B(BUC)]/P(BUC)
= P(B)/P(BUC) = (2/7)/(3/7) = 2/3
Si el vehculo va definitivamente a
probabilidad de que no gire a la derecha es:

voltear en

la interseccin la

P(B/BUC) = 1 - P(B/BUC) = 1/3

EJEMPLO 3:
El problema de asentamiento de una armadura de fierro puede ser
idealizada como sigue:
A y B representan dos cimientos apoyados sobre tierra (suelo) como se
muestra en la fig. Cada cimiento puede permanecer al nivel original o
asentarse 5cm. La probabilidad de asentamiento de cada cimiento es de 0.1,
sin embargo; la probabilidad de que el cimiento se asienta dado que el otro
se ha asentado es 0.8.

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)

La probabilidad de asentamiento (esto es, cualquiera A o B)

P(AUB) = P(A) + P(B) - P(AB)
= P(A) + P(B) - P(A)P(B/A)
= 0.1 + 0.1 - (0.1)(0.8) = 0.12

c)

Si estamos interesados en el evento E que ocurra un asentamiento

diferencial (esto es, una diferencia en el nivel de los 2 cimientos),
el evento consistir de A'B
y AB' y puesto que estos 2 eventos son
mutuamente excluyentes, entonces:
P(E) = P(A'BUAB') = P(A'B) + P(AB')
= P(B)P(A'/B) + P(A)P(B'/A)
= (0.1)[1 - P(A/B)] + (0.1)[1 - P(B/A)]
= (0.1)(1 - 0.8) + (0.1)(1 - 0.8) = 0.04 = 4%

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)

: Seleccionar 3 artculos sin reposicin y determinar su condicin

Este es un experimento compuesto por tres experimentos simples consecutivos pruebas (cada prueba
consiste en la extraccin de un artculo del conjunto).
Cada prueba puede terminar en dos resultados posibles: Bueno (B) Defectuoso (D).
3

El nmero de elementos de , es n() = (2)

El espacio muestral

= {B1B2B3,B1B2D3,B1D2B3,D1B2B3,B1D2D3, D1B2D3,D1D2B3,D1D2D3}

p(B1) =8/12

p(B2/B1) =7/11

p(B3/B1B2)=6/10

Por tanto B1,B2 y B3 son

eventos dependientes.
Donde:
Bi = El i-simo artculo seleccionado es bueno.
Di = El i-simo artculo seleccionado es defectuoso.
Definimos los siguientes eventos:
b)

Si la seleccin es sin sustitucin:

E = Ninguno de los tres artculos seleccionados es defectuoso.
E = { B1B2B3 }
P(E)=P(B1B2B3) = P(B1)P(B2/B1)P(B3/B1B2)
= ( 8/12 ) (7/11) ( 6/10)
= 0.254 = 25.4%.
Si la seleccin es con sustitucin:
En este caso los eventos Bi; i=1,2,3; son independientes.
E = { B1B2B3 }
P(E) = P(B1B2B3) = P(B1)P(B2)P(B3)
= ( 8/12 ) (8/12) ( 8/12)
= 0.00463 = 0.463%

c.

Si la seleccin es sin sustitucin:

F = A lo ms uno de los 3 artculos seleccionados sea defectuoso.
F = { B1B2B3, B1B2D3, B1D2B3,D1B2B3 }
P(F) = p[B1B2B3 U B1B2D3 U B1D2B3 U D1B2B3]
= P(B1)P(B2/B1)P(B3/B1B2)+ P(B1)P(B2/B1)P(D3/B1B2)+
P(B1)P(D2/B1)P(B3/B1D2)+ P(D1)P(B2/D1)P(B3/D1B2).
= (8/12)(7/11)(6/10)+ (8/12)(7/11)(4/10)+(8/12)(4/11)(7/10)
+ (4/12)(8/11)(7/10).
13

p(F) = 0.764 = 76.4%

TEOREMA DE LA PROBABILIDAD TOTAL:

Algunas veces la probabilidad de un evento A no puede ser determinado directamente. Sin embargo, su
ocurrencia est siempre acompaado por la ocurrencia de otros eventos Bi (i=1,2,....n) tal que la probabilidad
de ocurrencia de A depender sobre cual de los eventos Bi ha ocurrido. En tal caso la probabilidad de A ser
una probabilidad esperada (esto es una probabilidad promedio ponderada por los de Bi).
Tales problemas requieren para su solucin la aplicacin del teorema de la Probabilidad Total.
Formalmente, consideremos n eventos, mutuamente excluyentes y colectivamente exhaustivos: B1, B2, ...,
Bn.(Ver Graf.). Tales eventos se dice que forman una particin del espacio muestral, es decir:
a)
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)

P(A) = in=1 P(A/ Bi )P( Bi )

(Teorema de las probabilidades totales)

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

P(Bi/A) es la probabilidad de ocurrencia del suceso Bi dado que ocurri A.

Ejemplo 1.El volumen de produccin diario entre plantas diferentes de una fbrica, es de 5000 unidades en la
primera, 10,000 unidades en la segunda, y 20000 unidades en la tercera, sabiendo que el % de unidades
defectuosas producidas, en las tres plantas es del 1.5%, 0.7% y 2.5%, respectivamente, determinar la
probabilidad de que:
a. Extrada una unidad al azar, resulte no defectuosa
b. Habiendo sido extrada una unidad defectuosa, haya sido producida en la tercera planta.
c. Muestre mediante un diagrama de rbol, los resultados que genera la situacin experimental
Solucin
a. Sean los eventos:
D = Unidad extrada es defectuosa.
c
D = Unidad extrada no es defectuosa.
Pi = Unidad extrada haya sido producida en la planta i, i=1,2,3.
De acuerdo a los datos del problema tenemos:
P(P1) = 5000/35000 = 0.143
P(P2) = 10000/35000 = 0.286
P(P3) = 20000/35000 = 0.571
P(D/P1) = 0.015, P(D/P2) = 0.007, P(D/P3) = 0.025
P(D) = P(P1)*P(D/P1)+P(P2)*P(D/P2) + P(P3)*P(D/P3) = 0.143*0.015+0.286*0.007+0.571*0.025 = 0.018
P(P3)*P(D/P3) 0.571*0.025
b. P(B3/D) = -------------------------------------------------------------- =------------------ =
P(P1)*P(D/P1)+P(P2)*P(D/P2) + P(P3)*P(D/P3)
0.018

c.Diagrama de rbol. (Ejercicio).

Ejemplo 2. 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%.
a)Cul es la probabilidad de un control suficiente de la contaminacin del aire en los prximos 5 aos?.
b)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 automovilstico ?.
Solucin
Asumiendo independencia estadstica entre: (I) Control de la Industria y (A) Control de Escape Automovilstico,
entonces:
p(AI) = 0.6 x 0.75 = 0.45
p(AI') = 0.6 x 0.25 = 0.15
p(A'I) = 0.4 x 0.25 = 0.39
p(A'I')= 0.4 x 0.25 = 0.10
Sea E = Evento control de la contaminacin del aire:
a. P(E)= p(AI)p(E/AI)+p(AI')p(E/AI')+p(A'I)p(E/A'I)+p(A'I')p(E/A'I')
= 0.45x1.0 + 0.15x0.80+0.30x0.8 + 0.10x 0
15

= 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(B) = 3i=1 P(B/Ai )P( Ai ) = 0.25*0.50+0.20*0.30+0.10*0.20 = 0.205

El diagrama de rbol que representa esta situacin experimental se muestra en la figura siguiente:
P(B/A1)*P(A1) = P(BA1) = .125
P(B/A1)=.25
reparacin

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.

Firma Proporcin defectuosa

Proporc. Suministrada por

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.

Determinar la probabilidad de que el transistor resulte defectuoso.

Si al seleccionar el transistor se descubre que es defectuoso. Determinar la probabilidad de que el transistor
haya sido suministrado por la firma 3.
Solucin.
Si A es el evento de que un elemento es defectuoso, y si Bi, es el evento de que el elemento proviene de la
compaa i(i = 1,2,3), entonces es posible evaluar p(A), aplicando el teorema de la probabilidad total.
p(A) = P(B1).p(A/B1)+ P(B2).p(A/B2) +P(B3).p(A/B3)
= (0.15)(0.02)+(0.80)(0.01)+(0.05)(0.03)
= 0.0125

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)

Con sus respectivas probabilidades como sigue:

p(A1A2) = p(A1/A2)p(A2) = (0.5)(0.2)= 0.10
p(Ac1A2) = p(Ac1/A2)p(A2) =[1-p(A1/A2)][p(A2)]
= (1-0.5)(0.2) = 0.10
p(A1Ac2) = p(Ac2/A1)p(A1) =[1-p(A2/A1)][p(A1)]
= (1-1)(0.10) = 0.0
p(Ac1Ac2)= 1-[p(A1A2)+p(Ac1A2)+p(A1Ac2)] = 0.80
Claramente el trfico en A3 ser excesivo cuando el trfico en A1 A2
en ambos es excesivo, tambin tenemos:
p(A3/Ac1Ac2) = 0.20
Entonces:
p(A3) = p(A3/A1A2)p(A1A2)+p(A3/Ac1A2)p(Ac1A2)
+p(A3/A1Ac2)p(A1Ac2)+p(A3/Ac1Ac2)p(Ac1Ac2)
= (1.0)(0.1)+(1.0)(0.1)+(1.0)(0.0)+(0.2)(0.8)
= 0.36
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 solamente A1
A2 tienen excesivo trfico, la capacidad de A3 puede ser excedida con
probabilidad de 15%. (Ejercicio).

ESPACIOS MUESTRALES INFINITOS.

Sea un espacio muestral infinito contable; es decir, ={1, 2, ...}. Como en el caso finito,
obtenemos un espacio de probabilidad asignando a cada wi un nmero real pi, llamado su probabilidad, tal
que:
i.). pi 0 ii.) p1 + p2 + ... = pi = 1
La probabilidad p(A) de un evento A es entonces la suma de las probabilidades de sus puntos.
Ejemplo 1. Sea ={1,2,3,...} el espacio muestral del experimento de lanzar una moneda hasta que aparezca
una cara; aqui n denota el nmero de veces que se lanza la moneda. Un espacio de probabilidad se obtiene
2
n
designando:p(1)=1/2 ; p(2)=1/2 ;..., p(n)= 1/2 , ...., p()=0
Aqu los nicos espacios muestrales no contables que consideramos son aquellos de medida geomtrica
finita m( ) tales como longitud, rea, volumen, y en los cuales un punto se selecciona al azar. La probabilidad
de un evento A, esto es, aquella en que el punto seleccionado pertenece a A, es entonces la relacin de m(A) a
m( ).
a). p(A)= long(A)/long();
b). p(A) = Area(A)/Area(); c). p(A) = Vol(A)/Vol().
Un espacio de probabilidad tal es uniforme.
Ejemplo 2. Se selecciona un punto al azar en el interior de un crculo de radio r. Hallar la probabilidad de que
el punto seleccionado est ms cerca al centro que a la circunferencia.
Solucin
18

 = Area del crculo de radio r

A = Area del crculo concntrico de radio r/2.

P(A) =

Area crculo de radio " r / 2" (r / 2) 2

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)

P(w1 + w2) = 1/6 + 5/36 = 11/36

b)

1 P(lanzar a lo ms 3 veces) = 1 (1/6 + 5/36 + 25/216) = 125/216.

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