Sei sulla pagina 1di 58

ESTADSTICA

Un enfonque desde
competencias

c Marzo 2015
Copyright
Versin Beta, Marzo 2015

Introduccin
Conceptos Bsicos
Tcnicas para contar
Probabilidad
Ejemplos integradores
Ejercicios propuestos

1. Probabilidad

Competencias:
Indicadores de la competencia comunicar efectivamente el conocimiento estadstico.
C1. Usa notacin correcta para representar permutaciones, combinaciones, eventos, el espacio muestral, probabilidades conjuntas, probabilidades condicionales, probabilidades
marginales y frecuencias relativas.
C2. Presenta argumentos estadsticos para el uso de alguna tcnica de conteo, principio aditivo,
principio multiplicativo, teoremas de probabilidad o tipos de probabilidad.
C3. Interpreta en el contexto del problema los resultados cuya solucin responda a conteos o
probabilidad condicional, marginal o conjunta.
C4. Explica los grficos para ilustrar estimaciones de probabilidad con el enfoque frecuentista
y para relacionar los resultados empricos con resultados tericos en el contexto del
problema.
Indicadores de la competencia resolver problemas correctamente que requieran conocimiento
estadstico para su solucin.
R1. Resuelve problemas en contexto que requieren el uso de esperanza, varianza, desviacin
estndar, covarianza y coeficiente de correlacin lineal.
R2. Valida la respuesta de un problema donde se aplica conceptos como esperanza, varianza,
desviacin estndar, covarianza y coeficiente de correlacin lineal teniendo en cuenta el
dominio el rango de valores esperados de estos.
Indicador de la competencia manejar herramientas computacionales para el manejo del conocimiento estadstico.
Cp1. Maneja el paquete de software R para realizar estimaciones de probabilidad en un experimento aleatorio simulado.

Captulo 1. Probabilidad

Descriptores por niveles para cada indicador de la competencia comunicar efectivamente el


conocimiento estadstico.

3
Descriptores por niveles para cada indicador de la competencia resolver problemas correctamente
que requieran conocimiento estadstico para su solucin.

Descriptores por niveles para cada indicador de la competencia manejar herramientas computacionales para el manejo del conocimiento estadstico.

Captulo 1. Probabilidad

1.1

Introduccin
El clculo de las probabilidades ayuda a entender el por qu en muchas ocasiones la intuicin
nos engaa y nos lleva a soluciones errneas
Puedes apostar en una fiesta de amigos que dos del grupo cumplen el mismo da?
La intuicin puede decir que en un grupo de 50 amigos es improbable encontrar dos amigos que
cumplan el mismo da, pero no, en efecto, si ests en una fiesta y el nmero de amigos crece a
ms de 23, la probabilidad que 2 cumplan el mismo da aumenta considerablemente a tu favor.
Si a la fiesta de amigos han llegado 23, la probabilidad que 2 cumplan el mismo da es de 0.5
y al aumentar los invitados a 50, la probabilidad es superior a 0.9, osea es altamente probable
que dos de tus amigos cumplan el mismo da. Puedes apostarlo en la prxima fiesta y con alta
probabilidad quedars como el rey de los adivinos, gracias a las probabilidades. Para que Lisa
Simpson gane la apuesta en la fiesta tendr que esperar ms invitados. Observa en el grfico de
arriba que cuando a la fiesta de los Simpson lleguen 55 invitados, Lisa con su apuesta quedar
como la joven ms lista de la fiesta (ver Figura 1.1).

1.0
0.8
0.7
0.5
0.3
0.2
0.0

15

25

35

45

55

65

75

85

Figura 1.1: Fiesta de la familia Simpson y grfico que relaciona probabilidad de que dos personas
de la fiesta cumplan aos un mismo da vs nmero de personas en la fiesta

Las probabilidades en sus inicios se aplicaron a juegos de azar, sobre todo en el siglo XVIII por
la popularidad de los juegos. Entre los primeros interesados en comprender las probabilidades
se encuentran Christian Huygens, Blaise Pascal y Pierre Fermat, junto con el jugador Cardano.
Luego en siglos XV y XVI, Bernoulli, De Moivre, Gauss escribieron varios tratados de probabilidad, sin embargo solamente hasta 1930 Andri Kolmogorov defini la probabilidad de forma
axiomtica, razn por la que la probabilidad se considera parte de las matemticas.
La probabilidad adems de permitir mejorar las apuestas en los juegos de azar y realizar apuestas
de cumpleaos como la de Lisa, tambin responde a mltiples situaciones, que aplican a disciplinas muy diversas que permiten el desarrollo de la ciencia, las predicciones climticas, los
avances en educacin, avances en medicina, el desarrollo de la industria, entre tantas otras.
Este captulo introduce tres enfoques de probabilidad, el enfoque clsico, frecuentista y axiomtico. Adems se trabajan algunos teoremas importantes de probabilidad como el teorema de Bayes.
Inicialmente se abordan tcnicas para contar que sern de utilidad en clculos de probabilidades
con el enfoque clsico. Para abordar el enfoque frecuentista de la probabilidad se utilizarn

1.2 Conceptos Bsicos

conceptos estudiados en el captulo anterior, por ejemplo, frecuencia relativa, frecuencia absoluta,
grficos de dispersin y la nocin de porcentaje.
Los clculos en algunas tcnicas de conteo remitirn el uso del paquete de software R y se har
mayor nfasis con el software en las estimaciones de probabilidades con el enfoque frecuentista.
Para introducir los aspectos fundamentales del contenido de este captulo se presentarn ejemplos
bsicos con el que se pretenden el desarrollo de las competencias: comunicar efectivamente el
conocimiento estadstico, resolver problemas correctamente que requieran conocimiento estadstico para su solucin y manejar herramientas computacionales para el manejo del conocimiento
estadstico.
Despus de presentar de manera formal la totalidad de los contenidos, se desarrollan ejemplos
integradores donde se estudian situaciones de mayor complejidad que requieren niveles ms
altos de las competencias antes mencionadas.
En este captulo la competencia comunicar efectivamente el conocimiento estadstico y la competencia resolver problemas correctamente que requieran conocimiento estadstico para su solucin
se trabajan simultneamente en igual grado. Mientras que la competencia manejar herramientas
computacionales para el manejo del conocimiento estadstico se trabaja en menor grado que las
anteriores y siempre acompaada de la competencia comunicar efectivamente el conocimiento
estadstico.
Al finalizar el captulo se despliegan treinta y siete ejercicios introductorios para que el estudiante afiance sus competencias en la medida que se apropia de los contenidos fundamentales
del captulo. Estos ejercicios fueron seleccionados de la tesis doctoral de la Doctora Carmen
Batanero y fueron construidos con fines especiales para detectar problemas en el aprendizaje de
la probabilidad. Seguidamente se encuentran ejercicios integradores de temticas que permiten
el desarrollo de las competencias declaradas en el presente captulo.

1.2

Conceptos Bsicos
La ciencia y la ingeniera avanzan a travs de la construccin de modelos que explican grupos de
fenmenos. Para modelar un fenmeno se usa la experimentacin, que consiste en tomar datos
reales y contrastarlos con los datos que predice el modelo. Si lo predicho es muy diferente de lo
real el modelo se rechaza o se mejora.
Si las observaciones de un fenmeno bajo las mismas condiciones siempre permiten encontrar
un resultado fijo se dice que el fenmeno es determinstico. Es usual encontrar este tipo de
ejemplos en los cursos bsicos de fsica mecnica cuando a partir de ciertos valores conocidos
de variables se puede predecir con exactitud los valores por ejemplo de altura, trayectoria y otros.
Esta exactitud en parte se debe a la idealizacin del fenmeno, pues no se considera que los
valores conocidos de las variables puedan cambiar durante la observacin del fenmeno o que
pueden verse afectado por otras variables.
En un fenmeno aleatorio los resultados bajo las mismas condiciones pueden cambiar, por
ejemplo el nmero de llamadas que recibe un conmutador en un minuto, el nmero de artculos
defectuosos en un lote. Un ejemplo muy comn en juegos de azar, es por ejemplo el lanzamiento
de una moneda, donde, si se pudiera lanzar una moneda balanceada mil veces al aire se esperara
que en aproximadamente el cincuenta por ciento de los lanzamientos la cara superior de la

Captulo 1. Probabilidad

moneda fuese sello, sin embargo no se puede asegurar que en el lanzamiento nmero trescientos
la cara superior sea sello, aun si veinte resultados anteriores al resultado nmero trescientos
los resultados fuesen sellos, (ver Figura 1.2) o si se hubiese encontrado en una secuencia de
cincuenta lanzamientos de la forma cara, sello, cara, sello,. . . y justo el resultado doscientos
noventa y nueve fuese cara.(ver Figura 1.3)

Figura 1.2: Secuencia de lanzamiento de una moneda balanceada. Se visualizan los resultados de
la cara superior de la moneda de los lanzamientos 294 hasta 299.

Figura 1.3: Secuencia de los lanzamientos 294 hasta 299 de una moneda balanceada.

La nocin de probabilidad surge como una medida para cuantificar la posibilidad de obtener un
resultado al observar un fenmeno aleatorio. En el caso de lanzamiento de la moneda se puede
cuantificar la posibilidad de obtener cara y sello. Asociado a un fenmeno aleatorio aparecen
conceptos como experimento aleatorio, espacio muestral, eventos y otros que se estudian en este
captulo. Seguidamente se presenta en el contexto de una empresa de confeccin de diferentes
tipos de cuadernos algunos de estos conceptos.
La empresa TP Troquelados Pacfico confecciona cuadernos corporativos ideales para plasmar la
identidad de una empresa o institucin. Segn los requerimientos de la empresa que solicita el
servicio, TP ofrece diseo, calidad y otras caractersticas como tipo de tapa, nmero de hojas
y anillados. Para el envo de los ejemplares TP almacena en cajas cuadernos que cumplan las
mismas caractersticas de diseo y de calidad. Suponga que de un lote con muchas cajas de
cuadernos se seleccionan tres al azar, sin regresar al lote la caja seleccionada, y se clasifican
conforme si cumplen (c) o no (n) los requerimientos especificados por la empresa que pide el
servicio de TP. Adems suponga que la seleccin de tres cajas sin reemplazamiento se repite
bajo las mismas condiciones y no siempre se obtiene el mismo resultado, a este proceso se le
conoce como un experimento aleatorio E. En la Figura 1.4 se ilustran dos posibles resultados
del experimento. En el primero, las tres cajas cumplen con los requerimientos, resultado que se
puede expresar como ccc, en el segundo, la primera y la tercera cumplen (c) y la segunda no
cumple (n) y se representa el resultado como cnc. El conjunto de todos los resultados posibles
del experimento se le llama espacio muestral. En este caso el espacio muestral S del experimento
E es el siguiente:
S = {cnc, cnn, ccc, ccn, ncc, ncn, nnc, nnn}

1.2 Conceptos Bsicos

Figura 1.4: Posibles resultados del experimento E.

Puede ocurrir que el inters de TP sea conocer cuando entre las 3 cajas hay una sola que cumpla
los requerimientos, por tanto el evento es A = {cnn, ncn, nnc}, o que hayan solo dos que cumplan,
entonces el evento es B = {cnc, ccn, ncc}, o que las tres cumplan, as C = {ccc}, o que ninguna
cumpla, luego D = {nnn}.
Los cuatro conjuntos A, B, C y D son eventos del espacio muestral S. El conjunto A tiene 3
elementos por tanto el cardinal de A es 3, n(A) = 3, asi tambin n(B) = 3, n(C) = n(D) = 1 y
n(S) = 8. Estos eventos no tienen elementos comunes entre si por tanto eventos mutuamente
excluyentes. Adems al unir los cuatro eventos el resultado es el espacio muestral S por ello son
eventos colectivamente exhaustivos.
En las secciones 1.2.1 hasta la 1.2.5 se presentan formalmente los conceptos estadsticos anteriormente abordados.
1.2.1

Experimento aleatorio
Un experimento aleatorio es un proceso controlado para el cual no se tiene un resultado previsible
cada vez que se repite bajo las mismas condiciones. En la mayora de los casos los resultados
dependen del azar por tanto no se pueden predecir con certeza. El experimento aleatorio se
denota con la letra E.

1.2.2

Espacio muestral
El conjunto de los posibles resultados de un experimento aleatorio recibe el nombre de espacio
muestral y se denota con la letra S. A cada resultado de un espacio muestral se le llama elemento
del espacio muestral y el nmero de elementos de este se le representa con n(S).

1.2.3

Evento
Un evento es un subconjunto de un espacio muestral S. Un evento de S se denota con una letra
mayscula, por ejemplo A, B, C.

1.2.4

Eventos mutuamente excluyentes y colectivamente exhaustivos


Si los eventos A1 y A2 del espacio muestral S no tienen elementos comunes, es decir A1 A2 = ,
se dice que son mutuamente excluyentes y si los eventos A1 , A2 , . . . , Ak de S cumplen que

Captulo 1. Probabilidad

8
A1 A2 . . . Ak = S se dice que son colectivamente exhaustivos.
1.2.5

Cardinal de un conjunto
Para el ejemplo de la empresa TP el cardinal o el nmero de elementos de S es n(S) = 8 porque
ocho son los resultados posibles del experimento E, para el evento A = {cnn, ncn, nnc}, n(A) = 3
y para el evento C = {ccc} se tiene n(C) = 1. Los eventos A y C, son subconjuntos de S como
tambin lo es el conjunto vaco y el mismo espacio muestral, lo cual se puede denotar como
S, S S.
En el siguiente ejemplo se ilustra la informacin de un problema con diagramas de Venn
que permiten ilustrar la relacin entre el espacio muestral y los eventos que lo conforman, como
tambin la relacin entre eventos. En los diagramas de Venn los rectngulos representan el
espacio muestral y los eventos se representan por crculos, rectngulos o cualquier otra divisin
que d cuenta de los eventos del espacio muestral. En la siguiente situacin los eventos en el
diagrama de Venn se ilustran con crculos.
Se supone que la empresa TP selecciona al azar 49 cuadernos para un envo, cada cuaderno se
puede clasificar en cuanto a tipo de tapa y tipo de papel. El tipo de tapa puede ser de cartn (A)
plstica (A0 ) y el tipo de papel puede ser obtenido mediante procedimientos qumicos (B) o
mecnicos (B0 ), lo que hace su textura diferente. La informacin de la muestra se resume en la
Tabla 1.1.
Tabla 1.1: Clasificacin de cuadernos de acuerdo con el tipo de tapa y papel.
Tipo de tapa
Cartn (A) Plstica (A0 )
Tipo de Qumicos (B)
40
4
papel
Mecnicas (B0 )
2
3
De la muestra obtenida se pueden hacer cuestionamientos como: Cuntos cuadernos cumplen
las siguientes caractersticas: (1) tener tapa de cartn y papel obtenido mediante procedimientos
qumicos, (2) tener tapa de plstico, (3) tener tapa de cartn o papel de procesos qumicos?
Para responder las preguntas se deben determinar respectivamente n(A B), n(A0 ) y n(A B),
donde A es el conjunto de cuadernos con tapa de cartn y B el conjunto de cuadernos con papel
de procedimientos qumicos.
El cardinal de A B, n(A B) = 40, el evento est formado por cuarenta cuadernos que cumplen
ambas condiciones, tapa de cartn y papel de procedimientos qumicos. En los diagramas de
Venn de la Figura 1.5 se ilustra lo anteriormente mencionado.
El cardinal del evento A0 , n(Ac ) = n(A0 ) = 7, puesto que el evento A0 corresponde al conjunto de
cuadernos que no tienen tapa de cartn.
Solamente 2 cuadernos tienen 1 tapa de cartn y no tienen papel de proceso qumico y solamente
4 cuadernos tienen papel de procedimientos qumicos y no tienen papel de cartn. Adems
40 cuadernos tienen tanto tapa de cartn como papel de procedimientos qumicos. Por tanto
n(A B) = 40 + 4 + 2 = 46. En la Figura 1.5 se aprecia lo anteriormente descrito de cada uno
de los sumandos que determinan n(A B).
Algunas propiedades de operaciones de conjuntos que pueden facilitar los clculos en problemas
ms complejos, stas se encuentran en el Anexo 1.

1.3 Tcnicas para contar

9
S
B

40

3
S
B

40

Figura 1.5: En el primer diagrama de Venn se aprecia con el rayado a n(A B) y en el segundo a
S
n(A B)

Tambin se puede obtener n(A B) con la expresin n(A B) = n(A) + n(B) n(A B), por
tanto n(A B) = 42 + 44 40 = 46

1.3

Tcnicas para contar


Un modelo predictivo del nmero de clientes que llegan a un restaurante diariamente debe dar
cuenta del comportamiento de todos los valores posibles y las formas en que ste nmero vara de
acuerdo a la poca del ao (vacaciones de colegios, diciembre, ferias, festivos, fines de semana)
y otras variaciones. Cada valor que toma una variable est asociado a un evento y en el caso que
el inters sea modelar el nmero de clientes por poca del ao se debe determinar el nmero de
elementos de cada evento. Tambin se puede determinar el nmero de elementos en problemas
prcticos donde no haya inters de modelacin, por ejemplo contar el nmero de rutas para viajar
de un lugar a otro.
Las tcnicas de conteo nos permiten determinar el nmero de elementos de eventos o conjuntos.
Entre estas tcnicas se encuentran los diagramas de rbol, los cuales permiten visualizar y contar
todos los elementos de un evento. Los principios de adicin y multiplicacin as como algunas
de sus aplicaciones especficas como las permutaciones y las combinaciones las cuales ayudan a
determinar el nmero de elementos de un evento.
En el ejemplo de la empresa TP Troqueloides Pacfico, cada seleccin de una caja determina un
paso del diagrama de rbol. En el primer paso, la primera caja puede cumplir (c) o no cumplir
(n) con los requerimientos. Si la primera caja seleccionada cumple con los requerimientos (c), en
el segundo paso, la segunda caja seleccionada puede cumplir (c) o no cumplir (n) los requisitos.

Captulo 1. Probabilidad

10

Si la primera cumple (c), la segunda no cumple (n), entonces en el tercer paso, la tercera caja
puede cumplir (c) o no cumplir (n) con los requerimientos. Un posible resultado sera: la primera
caja cumple (c), la segunda no cumple (n) y la tercera caja cumple (c). El resultado cnc est
sombreado en el diagrama de rbol de Figura 1.6. Los resultados posibles del experimento
aleatorio E corresponden a cada una de las ramas del rbol.

Cada rama del rbol corresponde a un elemento del espacio muestral S, S = {cnc, cnn, ccc, ccn,
ncc, ncn, nnc, nnn}. Los pocos elementos que conforman S en este ejemplo hace posible realizar
el diagrama y determinar n(S) eficientemente.

Primera
Selecci
on

Tercera
Segunda Selecci
on
Selecci
on

n
n
c

c
c

n
c
c
n
c

n
n

Figura 1.6: Diagrama de rbol para los resultados del experimento E.

1.3.1

Diagrama de rbol

Un diagrama de rbol es una representacin grfica de un experimento que consta de r pasos,


donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo. Si se
cuentan todas las ramas terminales del rbol, se obtiene n(S). El diagrama de rbol tiene la
ventaja de visualizar los elementos de S y determinar su cardinal visualmente.

En un experimento similar a este en el que en lugar de seleccionar tres cajas, se seleccionan


diez cajas y en lugar de clasificar cada caja segn cumple los requerimientos o no cumple los
requerimientos, se clasifican de acuerdo con su peso en kilogramos, menos de treinta, ms de
treinta y menos de cuarenta, ms de cuarenta y menos de cincuenta, ms de cincuenta y menos
de sesenta, . . . , ms de cien. Cuntas ramas tiene el rbol que representa a los elementos de
S?, es prctico construir un rbol para este experimento? Construir un rbol para este ejemplo
es engorroso y poco til, sobre todo si el inters es el cardinal del espacio muestral, n(S).Las
tcnicas de conteo, principio de adicin y de multiplicacin permiten contar de manera eficiente
los resultados de un experimento o cardinal de un evento.

1.3 Tcnicas para contar

11
Principios
Multiplicativo

Aditivo

P1
Procedimientos
P1

P2
..
.
Pk

Formas
1
2.
..
n1
1
2.
..
n2
1
2.
..
nk

n1 maneras
P2
n2 maneras

Objetivo
P3
..
.
Pk

nk maneras
Objetivo

N
umero de maneras para cumplir
el objetivo: n1 + n2 + + nk

N
umero de maneras para cumplir
el objetivo: n1 n2 nk

Figura 1.7: Esquemas de los principios aditivo y multiplicativo


Con la siguiente situacin de la empresa TP se presenta una idea intuitiva de principios multiplicativo y aditivo. Como antes se mencion en la empresa TP se disean cuadernos con tapas
de cartn y de plstico. De cartn hay 4 tipos y de plstico 3. Adems la obtencin del papel
puede ser de tipo mecnico o qumico, y por cada uno de estos se tienen 6 y 5 alternativas
respectivamente. Sin tener en cuenta otras caractersticas de diseo se podra decir que existen
7 maneras diferentes de presentar las tapas de los cuadernos, pues se tienen 4 alternativas por
cartn y 3 alternativas por plstico, as por principio aditivo hay 4 + 3 = 7 opciones de tapas
diferentes para cuadernos. Adems se pueden disear 77 tipos de cuadernos, considerando que
hay 7 tipos de tapas y 11 tipos de papel. Por principio multiplicativo, (7)(11) = 77 ya que se
requieren tanto la eleccin del tipo de tapa (7) y del tipo de papel (11). En la Figura 1.7 se
presenta un esquema que ilustra los principios aditivo y multiplicativos.
En el principio aditivo se observa horizontalmente el cumplimiento del objetivo. Note que un
procedimiento no requiere otro procedimiento, es suficiente uno de ellos para el cumplimiento
del objetivo. En el principio multiplicativo se observa el cumplimiento del objetivo verticalmente,
por tanto se necesita la aplicacin de todos los procedimientos para cumplir el objetivo.
1.3.2

Principio de adicin
Definicin 1.3.1 Suponga que para cumplir un objetivo existen k procedimientos,
P1 , P2 , . . . , Pk . El procedimiento Pi se puede hacer de ni maneras para i = 1, . . . , k. Los procedimientos son excluyentes y con cualquiera de ellos se puede obtener el objetivo, por

Captulo 1. Probabilidad

12

tanto, el nmero de maneras para obtener el objetivo con algn procedimiento est dado por
n1 + n2 + + nk .
Si un estudiante tiene dos formas de ir de su casa a la universidad: en transporte pblico o en
particular. En transporte pblico existen 3 alternativas, taxi, buseta o mo. En transporte particular,
tiene dos alternativas, utilizar el carro de la familia o llegar en el carro de un compaero de clase.
Adems, si no puede usar 2 tipos de transporte en su trayecto casa-universidad, solo tiene dos
alternativas y con cada una de ellas cumple su objetivo, llegar de la casa a la universidad. Por
cada tipo de transporte (alternativa) tiene 3 y 2 maneras diferentes de hacerlo. Por tanto n1 = 3,
n2 = 2, asi n1 + n2 = 5. Lo que significa que el estudiante puede llegar de la casa a la universidad
de 5 formas diferentes (ver Figura 1.8)

Procedimientos

Formas

P1
P
ublico

Taxi

Buseta
Mio

2
3
n1 = 3

P2
Particular

Familia

Compa
nero

Objetivo: Ir de la casa a la U

n2 = 2
n1 + n2 = 5

Figura 1.8: Ilustracin de aplicacin de principio aditivo para ejemplo de transporte entre la casa
y la U.

1.3.3

Principio de multiplicacin

Definicin 1.3.2 Si para cumplir un objetivo se deben realizar k procedimientos, Pi , i =

1, . . . , k, donde el procedimiento Pi se puede hacer de ni maneras. Adems todos los procedimientos deben realizarse y cualquiera de las maneras de un procedimiento puede ser seguidas
por cualquier manera de otro procedimiento, para cumplir el objetivo aplicando P1 seguido
de P2 y as sucesivamente hasta aplicar Pk todo el proceso se puede realizar de n1 n2 nk
maneras.
En la ebanistera Martnez la fabricacin de una silla requiere tres procedimientos, eleccin
de madera, del diseo y del color. La eleccin de la madera puede realizarse de dos formas
diferentes (cedro o pino), la del diseo por tres estilos diferentes (clsico, contemporneo y
minimalista) y el color tiene 4 posibilidades (cerezo, cedro, bano y natural).

1.3 Tcnicas para contar

13
Procedimientos
P1 : Madera

Cedro

n1 = 2

Pino

P2 : Dise
no

Contemporaneo

Cl
asico

n2 = 3

Minimalista

P3 : Color

Cerezo

Cedro

Ebano

Natural

n3 = 4

Objetivo: Modelo de silla


n1 n2 n3 = (2)(3)(4) = 24

Figura 1.9: Ilustracin de aplicacin de principio multiplicativo de ejemplo de modelos de silla.


Puesto que para determinar el modelo de una silla (objetivo) se requieren los tres procedimientos, eleccin de madera, de diseo y del color, con posibilidades n1 = 2, n2 = 3, n3 = 4
respectivamente. Entonces el nmero de posibles modelos de una silla de produccin es
n1 n2 n3 = (2)(3)(4) = 24. Una de estas sillas es la silla clsica en cedro al natural. (Ver
Figura 1.9)
En estadstica se suelen llamar arreglos a grupos de elementos donde puede o no importar el
orden en que se mencionen sus elementos. Se pueden clasificar por ejemplo en si tiene o no
elementos repetidos. En la Tabla 1.2 se presenta una clasificacin de arreglos que dan origen a
las permutaciones y combinaciones.
Arrreglos donde

Importa el orden de
sus elementos
(permutacin)

Elementos dados para


formar el arreglo

(1) Todos diferentes

Elementos en el
arreglo
(a) No se
repiten
(b) Se repiten

(2) Algunos se repiten


o no se distinguen
No importa el orden de
sus elementos
(combinacin)

Todos son diferentes

Algunos son
indistinguibles
(1) No se
repiten
(2) Se repiten

Tamao del arreglo


I) Igual al total de
elementos
II) Menor al total de
elementos
Cualquier nmero de
elementos
Igual al total de elementos
Menor al total de
elementos
Cualquier nmero de
elementos

Tabla 1.2: Clasificacin de arreglos de acuerdo con los elementos a ordenar y elementos resultantes en el arreglo.

Captulo 1. Probabilidad

14

En la Figura 1.10 se presentan las frmulas para contar de acuerdo con las clasificaciones de
la Tabla 1.2. Inicialmente se trabajan las frmulas para cuando en el arreglo importa el orden
(permutaciones) y luego cuando no importa el orden (combinaciones)
Arreglo con todos los elementos n = r

nP n = n!
Arreglo sin
repeticion
de elementos

Arreglo con algunos elementos n > r

nP r =
n elementos diferentes a ordenar

Arreglo con
repeticion
de elementos

Permutaci
on
(Importa el orden)

Algunos elementos
a ordenar son
iguales

Arreglo sin elementos repetidos

nPn1 ,n2 ,...,nk =

n P Rr

n!
n1 !n2 ! . . . nk !

nCr =

n!
(n r)!

= nr

Arreglo de tama
no n,
(n1 +n2 + +nk = n)

n!
(n r)! r!

(Arreglo de tama
no r,
n elementos diferentes,
n > r)

Combinatoria
(No importa
el orden)

Areglo con elementos repetidos



n+r1
nCRr =
r

Figura 1.10: Resumen frmulas para contar


1.3.4

Permutacin

Figura 1.11: Personas en cola para entrar al banco.

1.3 Tcnicas para contar

15

Es todo arreglo en donde el cambio de posicin de uno de sus elementos se considera un nuevo
arreglo.
En la Figura 1.11 se observa una fila de cuatro personas para ser atendidas por un cajero, el
arreglo hombre adulto, anciano, mujer, joven es diferente al arreglo anciano, joven,mujer, hombre
adulto. Cada nuevo orden de las personas determina un arreglo diferente. El orden en que aparece
cada uno en la fila marca diferencia para el turno.
Existen varias formas de contar las permutaciones. La frmula que se use depende de las
caractersticas de los elementos a ordenar o del tamao del arreglo o de si se pueden repetir
elementos en el arreglo resultante.
(1) Arreglo a partir de elementos diferentes
(a) Arreglo sin repeticin de elementos:
(I) Tamao del arreglo es igual a nmero de elementos a ordenar.
Cinco personas que participan en una dinmica de grupo se sientan en sillas ubicadas en una linea recta, como se muestra en la Figura 1.12 donde se visualizan
dos posibles formas de sentar a las 5 personas

Figura 1.12: Ejemplo de dos arreglos de tamao cinco al ubicar personas en una linea recta.
Un arreglo en este caso corresponde a una posible forma de ubicar a las 5
personas en una linea recta. Los dos arreglos presentados en la Figura 1.12 son
diferentes puesto que no es lo mismo estar sentado al extremo o en el centro de
una fila. Si la chica A ocupa el lugar de la chica D, el arreglo cambia. Entonces
cada cambio de puesto ofrece un nuevo arreglo a considerar, por tanto es es un
ejemplo para contar permutaciones.
Cada arreglo est formado por elementos que corresponden en este caso a
personas, claramente nicas e irrepetibles. Son 5 elementos para formar arreglos
de de tamao 5. Adems no es posible que la chica A ocupe el primer y cuarto
lugar a la vez, una misma persona no puede ocupar dos espacios diferentes al
mismo tiempo.
De acuerdo con todo lo anterior, este es un caso de permutacin donde los
elementos dados para formar el arreglo son diferentes, no se pueden repetir
los elementos en el arreglo y el tamao del arreglo coincide con el nmero de
elementos totales. As el nmero de arreglos se determina con 5 P5 = 5! = 120,
esto significa que existen 120 formas diferentes de sentar 5 personas en 5 sillas.
Ntese que la primera persona tiene 5 alternativas para sentarse, pues hay 5 sillas

Captulo 1. Probabilidad

16

disponibles, con 4 sillas disponibles, la segunda persona tiene 4 alternativas y la


tercera tiene 3, la cuarta tiene 2 y la quinta solamente tiene la ltima silla, por
principio multiplicativo el nmero de maneras es (5)(4)(3)(2)(1) = 5! = 120.

El cdigo en el paquete de software R para calcular 5! es factorial(5)


Teorema 1.3.1 El nmero de permutaciones de n elementos a partir de n

elementos diferentes es igual a n Pn = n!


(II) Tamao del arreglo menor al nmero de elementos a ordenar.
En un grupo conformado por cinco dirigentes sindicales, tres mujeres y dos
hombres como se muestra en la Figura 1.13, se quiere realizar la eleccin del
presidente, secretario y tesorero.

Figura 1.13: Cinco dirigentes sindicales


De los 5 miembros, se deben seleccionar solamente tres, los que seran presidente, secretario y tesorero.

Figura 1.14: Un arreglo posible con presidente (A), secretaria (B) y tesorero (C).
Si B =la mujer de la fila 1, A =la mujer de la izquierda de la fila 2 , C =la
mujer de derecha de la fila dos, un arreglo posible de presidente, secretario
y tesorero es el que se presenta en la Figura 1.14 el arreglo ABC. Donde el
primer elemento corresponde al presidente, el segundo al secretario y el tercero
al tesorero.
Los elementos dados para formar los arreglos son las 5 personas, nicas e
irrepetibles. El arreglo ABC es diferente al BAC, pues en el primer arreglo A
es el presidente, mientras que en el segundo lo es B. No es posible el arreglo
AAA, pues un mismo sujeto no puede ocupar los tres cargos. Adems el tamao

1.3 Tcnicas para contar

17

del arreglo r = 3 es inferior al total de elementos para formar el arreglo n = 5.


De acuerdo con lo anterior corresponde este ejemplo al caso de permutacin,
todos los elementos diferentes para formar el arreglo, no se repiten elementos
en el arreglo y tamao del arreglo inferior al total de elementos (r < n), as para
contar se aplica la frmula
5!
5!
= = 60
5 P3 = P(5, 3) =
(5 3)! 2!

Existen 60 formas diferentes para asignar los 3 cargos directivos.

Teorema 1.3.2 Permutaciones de r elementos distintos tomados de un con-

junto con n elementos, se calcula como


n Pr

= P(n, r) =

n!
(n r)!

,n>r

(b) Arreglos con repeticin de elementos


Un candado de clave est conformado por tres hileras, como se muestra en la Figura
1.15. Cada hilera tiene nmeros del 0 al 9. Para configurar una clave se requiere
seleccionar un nmero por cada hilera. Si la clave que se configura para abrir la
cerradura es 396 y se intenta abrir la cerradura con 936, sta no abrir, porque el orden
de los nmeros importa cuando se crea una clave. Este es un caso de permutacin.
Adems los elementos para formar el arreglo, la clave, son diez nmeros distintos.

Figura 1.15: Cerradura con claves de 3 nmeros.


Es posible configurar claves con dgitos repetidos como 000, 666, 998, etc, por tanto
se est frente a un caso de permutacin, con elementos a ordenar diferente y arreglo
con elementos repetidos.
Para formar cada clave se requiere de tres nmeros (arreglo de tamao 3) y se pueden
usar los dgitos del 0 al 9 (10 formas para elegir), por tanto n = 10 y r = 3. Se aplica
la frmula de permutacin con repeticin nr , se tiene 10 PR3 = 103 = 1, 000. Por
tanto la clave se puede configurar de 1, 000 maneras diferentes.
Teorema 1.3.3 El nmero de Arreglos de r elementos a partir de n con repeticin

de elementos. El nmero de arreglos est dado por


n PRr

= nr

(2) Algunos elementos a ordenar son iguales


Se desea ubicar 15 libros en un estante de biblioteca como se muestra en la Figura 1.16.
Los libros del mismo color de cartula corresponden al mismo tipo de libro, edicin y

Captulo 1. Probabilidad

18

autor. Adems son completamente nuevos y no se distinguen entre ellos por uso. Tres de
ellos son azules, cinco son rojos y 7 son verdes.

Figura 1.16: Un arreglo de libros.


Note que al cambiar la posicin del primer libro rojo con el ltimo libro rojo el arreglo de
libros no cambia, pues los libros son indistinguibles. Mientras si se cambia el primero del
estante con el ltimo queda como muestra la Figura 1.17 y se forma un nuevo arreglo.

Figura 1.17: Un arreglo de los libros.


De acuerdo con lo anterior, este ejemplo corresponde a un caso de permutacin con
elementos a ordenar iguales (indistinguibles). De esta manera el nmero de arreglos
posibles se determina con la expresin
15!
= 360, 360
3!5!7!
Por consiguiente los 15 libros se pueden ubicar en el estante de 360, 360 formas diferentes.
15 P3,5,7

Teorema 1.3.4 Si se tienen n elementos entre los que n1 son de una clase, n2 de una

segunda clase,... y nk de una k-sima clase, en donde n1 + n2 + + nk = n, el nmero


de permutaciones de estos elementos est dada por:
nPn1 , n2 , n3 , . . . , nk =

1.3.5

n!
n1 !n2 ! nk !

Combinacin
Es todo arreglo de elementos en donde no interesa el lugar o posicin que ocupa cada uno de los
elementos que lo constituyen.
Marge, Homero, Bart, Lisa y Maggie estuvieron en una fiesta. Si se cambia el orden, Homero,
Marge, Lisa, Maggie, Bart estuvieron en una fiesta, la informacin no cambia, porque no importa
el orden como se nombren las personas. Este es un ejemplo de combinacin, pues no importa el
orden en que las personas que se listen.

1.3 Tcnicas para contar

19

A continuacin se presentan combinaciones con y sin elementos repetidos en el arreglo.


1) Arreglo sin repeticin de elementos
El juego del Baloto consiste en la seleccin de seis balotas de una urna que contiene
cuarenta y cinco, numeradas del 01 al 45. Las balotas son seleccionadas una a una y no
son devueltas a la urna, razn por la cual no son posibles resultados con nmeros repetidos
como 01 01 01 01 01 01 , 02 02 06 12 22 32 , ni 08 15 21 28 43 43 .
El orden en que salgan o se mencionen los nmeros no importa, pues gana el Baloto
quien haya comprado los 6 nmeros. El resultado 11 14 03 06 21 31 es el mismo
que 31 21 14 03 06 11 y que 14 03 06 31 21 11 . Se dice que no importa el orden,
porque an con el cambio de posicin de los nmeros, el resultado es el mismo, pues son
los mismos nmeros los que forman el arreglo de 6 elementos.
Este ejemplo cumple con las condiciones de una combinacin sin repeticin de elementos,
pues no importa el orden y no se repiten elementos en el arreglo. El nmero de arreglos se
determina con la expresin

45C6

45!
= 8, 145, 060
(45 6)!6!

Cada vez que se repite el juego hay 8, 145, 060 resultados posibles para ganarlo

El cdigo en el paquete de software R para calcular 45C6 es choose(45,6)


Teorema 1.3.5 El nmero de combinaciones de r elementos distintos tomados de n es

igual a:
 
n
n!
=
nCr =
(n r)!r!
r

,n>r

2) Arreglo con repeticin de elementos


Se tiene para la venta helados de cono de tres sabores, entre los sabores que se pueden
escoger se encuentran banana, chocolate, limn, fresa, vainilla, ron con pasas y mandarina.
El orden en que el vendedor disponga las bolas de helado no cambia el helado, tal hecho
se puede observar en la Figura 1.18 y se pueden repetir sabores.

Figura 1.18: Conos de 3 bolas de helado


Puesto que el helado tiene 3 bolas, el tamao del arreglo es 3, r = 3 y las opciones de
sabores son 7, n = 7. De esta manera el nmero de helados diferentes que ofrece el negocio
est dado por la expresin

Captulo 1. Probabilidad

20


  
7+31
9
=
= 84
7CR3 =
3
3
Se pueden vender 84 helados diferentes en el negocio.
Teorema 1.3.6 El nmero de grupos formados por r elementos tomados de n donde no

importa el orden y se pueden repetir elementos se determina con:




n+r1
nCRr =
r

1.4

Probabilidad
La confiabilidad es el rea de la estadstica que estudia las fallas que presentan distintos componentes a lo largo del tiempo. La teora estadstica en esta rea tambin se aplica a problemas de
salud, mecnicos, industriales, de educacin y otros.
En el rea de contabilidad, la estadstica permite realizar estudios de planeacin de mantenimiento de maquinarias donde el inters puede estar centrado en un momento dado en conocer con
cierto grado de certeza si una mquina funcionar despus de cierto tiempo establecido. En este
sentido es necesario el clculo de una cantidad que indique el grado de certeza con el que la
mquina funcionar despus de un tiempo t, es decir determinar la probabilidad de funcionar
despus del tiempo t.
Existen diferentes maneras de calcular o estimar la probabilidad. El primero el enfoque clsico
procedente de los juegos de azar, el que quiz condujo al desarrollo de la teora de probabilidad,
ste se emplea cuando los espacios muestrales son finitos y sus resultados tienen igual probabilidad de ocurrencia. El segundo, el enfoque frecuentista que se basa en la frecuencia relativa
de ocurrencia de un evento a partir de un gran nmero replicas del experimento y por ltimo el
enfoque axiomtico de probabilidad.
La definicin clsica tiene limitaciones pues se debe cumplir que S sea finito, y adems cada
uno de sus elementos sea igualmente probable. Existen situaciones prcticas que no son de este
tipo y tal definicin no se puede aplicar. En el enfoque frecuentista se obtienen datos empricos
en un intento por estimar las probabilidades en este caso es importante tener en cuenta que la
probabilidad obtenida de esta manera es nicamente una estimacin del valor real, que cuanto
mayor sea el nmero de replicas, tanto mejor ser la estimacin de la probabilidad, la probabilidad es vlida solamente para condiciones idnticas en las que se obtuvieron los datos, la validez
para usar esta definicin depende de que las condiciones en que se realiz el experimento sean
repetidas idnticamente.
A continuacin se presenta la formalidad de los tres enfoques mencionados y se ilustra cada uno
de ellos.

1.4.1

Enfoque frecuentista de la probabilidad


Sea E un experimento aleatorio cuyo espacio muestral es S y A cualquier evento de S. Si se
repite m veces el experimento bajo las mismas condiciones, la frecuencia relativa del evento A,

1.4 Probabilidad

21

expresada como fm (A), cuando m se hace muy grande se aproxima a la probabilidad del evento
A, dada como P(A) fm (A)
Se considera la siguiente situacin donde el experimento aleatorio E que consiste en lanzar una
moneda balanceada al aire y revisar el resultado de la cara superior de la moneda y sea el evento
A = {cara}. En una simulacin con el paquete de software R para valores de m de 5, 10, 100 y
1, 000 los valores correspondientes de fm (A) fueron 0.8, 0.54, 0.527, 0.501. Es decir al lanzar 5
veces la moneda balanceada, en el 80 % de los casos cay cara, mientras que cuando se lanz la
moneda 1,000 veces, el 50 % de los resultados fueron cara. En la Figura 1.19 visualmente se nota
como el valor de la frecuencia relativa de A, fm (A), se aproxima a 0.5 cuando m toma valores
mayores.

Para simular el lanzamiento de la moneda balanceada se us el cdigo. sample(c(1,0),1),


donde 1 es cara y 0 es sello. Adems para realizar m lanzamientos de la moneda y calcular las
frecuencias relativas de ocurrencia de la cara los cdigos usados fueron los siguientes:
m<-c(5,10,100,1000)
n<-length(m)
fm<-c()
for (j in 1:n){
aux2<-c()
for(i in 1:m[j]){
aux1<-sample(c(1,0),1)
aux2<-c(aux2,aux1)
aux3<-sum(aux2,aux1)
aux3<-sum(aux2)/m[j]
}
fm<-c(fm,aux3)
}
fm
data<-cbind(m,fm)
1.0

fm (A)

0.8

0.6

0.4
0.2
0.0
0

100

200

300

400

500
m

600

700

800

900

1000

Figura 1.19: Frecuencia relativa de ocurrencia de cara cuando se lanza una moneda balanceada
al aire m veces, para valores de m de 5, 10, 100 y 1, 000. Se traza la lnea en lugar de puntos para
que se note mejor la tendencia de las frecuencias relativas cuando m aumenta.

Captulo 1. Probabilidad

22

El grfico de la Figura 1.19 se obtiene con el cdigo: plot(data) aplicado a los cdigos
anteriores.

fm (A)

En la medida que m aumenta fm (A) ofrece mejores aproximaciones de P(A). En la Figura 1.20
se aprecia que al repetir 3 veces mltiples replicas del experimento E para valores de m de 5, 10,
20, 30, 40, 50, 60, 70, 80, 90, 100, 150, 200, 300, 400, 500, 600, 700, 800, 900 y 1, 000, de igual
manera que en la Figura 1.19, en la medida que m aumenta, la frecuencia relativa de ocurrencia
de cara se aproxima a 0.5.
1.0
0.8
0.6
0.4
0.2
0.0

fm (A)
fm (A)

1.0
0.8
0.6
0.4
0.2
0.0

800

900

1000

700

800

900

1000

700

800

900

1000

0
1.0
0.8
0.6
0.4
0.2
0.0

100

300

400

500

600

700

200

300

400

500

600

500

600

200

100

100

200

300

400

Figura 1.20: Frecuencias relativas de aparicin de cara para diferentes valores de m. Se traza
una lnea continua en lugar de puntos para mostrar la tendencia de fm (A) cuando m aumenta.
Los valores de fm (A) para cada valor de m se obtuvieron con los siguientes cdigos:
m<-c(5,10,20,30,40,50,60,70,80,90,100,150,200,300,400,500,600,
700,800,900,1000)
n<-length(m)
replicas<-3
Resultados<-matrix(0,length(m),replicas)
for(r in 1:replicas){
fm<-c()
for (j in 1:n){
aux2<-c()
for(i in 1:m[j]){
aux1<-sample(c(1,0),1)
aux2<-c(aux2,aux1)
aux3<-sum(aux2)/m[j]
}
fm<-c(fm,aux3)
}
Resultados[,r]<-fm
}
Resultados
data<-cbind(m,Resultados)
Los grficos de la Figura 1.20 se determinan con los cdigos siguientes.

1.4 Probabilidad

23

aux<-data.frame(data[,1],data[,2])
plot(aux)
aux<-data.frame(data[,1],data[,3])
plot(aux)
aux<-data.frame(data[,1],data[,4])
plot(aux)
1.4.2

Enfoque clsico de la probabilidad


Si un experimento puede tener cualquiera de N resultados diferentes igualmente factibles (n(S) =
N), y si exactamente n de estos resultados corresponden al evento A (n(A) = n), entonces la
probabilidad de A se define como:
P(A) =

n
N

Se supone que en una urna que contiene igual cantidad de bolas blancas que negras, se extraen
sucesivamente con reemplazo tres bolas. Los siguientes elementos de S son igualmente probables
porque el muestreo es con reemplazamiento y, hay igual nmero de bolas blancas y negras en la
urna.


(b, b, b), (b, b, n), (b, n, b), (n, b, b),
S=
(b, n, n), (n, b, n), (n, n, b), (n, n, n)
N = n(S) = 23 = 8
Si el evento de inters es A = igual color en las tres bolas, se tiene que
A = {(b, b, b) , (n, n, n)}
n = n(A) = 2

La probabilidad de extraer con reemplazamiento tres bolas del mismo color de un grupo de igual
2
1
nmero de bolas blancas y negras es P(A) = n(A)
n(S) = 8 = 4 = 0.25.
Por tanto, aproximadamente el 25 % de las veces que se seleccionen al azar y con reemplazamiento tres bolas de una urna con igual nmero de bolas blancas y negras se obtendr solamente
bolas blancas o solamente negras.
1.4.3

1.4.4

Enfoque axiomtico de probabilidad


La probabilidad de un evento A se define como el nmero P(A), que cumple los siguientes
axiomas:
1. La probabilidad P(A) de cualquier evento no debe ser menor que cero ni mayor que uno:
0 P(A) 1
2. P(S) = 1
S
3. Si A y B son dos eventos mutuamente excluyentes, entonces: P(A B) = P(A) + P(B)
Teoremas bsicos de probabilidad
Teorema 1.4.1 P() = 0.

Captulo 1. Probabilidad

24
Teorema 1.4.2 Sea A un evento de S, entonces:

P(A) + P(A0 ) = 1

Teorema 1.4.3 Si A y B son eventos cualquiera de un espacio muestral S, entonces:

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


Teorema 1.4.4 Para tres eventos A, B y C del espacio muestral S

P(A B C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C)


1.4.5

Teorema de la probabilidad total


Teorema 1.4.5 Teorema de la probabilidad total. El espacio muestral se puede descom-

poner con los eventos A1 , A2 , . . . , An , mutuamente excluyentes (Ai A j = ) y colectivamente


exhaustivos (A1 A2 An = S), siendo B un evento cualquiera tambin definido sobre S,
S
T
donde B = i=1 (B Ai ) ,por tanto
n

P(B) = P(B Ai )
i=1

Caso particular del teorema de la probabilidad total para 4 eventos.

En particular, cuando S = A1 A2 A3 A4 se tiene la situacin ilustrada en la Figura 1.21


donde se aprecia que A1 A2 A3 A4 = y A1 A2 A3 A4 = S, entonces:
P(B) = P(B A1 ) + P(B A2 ) + P(B A3 ) + P(B A4 )
S
A1

A2
B

A3

A4

P (B) = P (B A1 ) + P (B A2 ) + P (B A3 ) + P (B A4 )

Figura 1.21: Caso particular del teorema de la probabilidad total para n = 4.

1.4 Probabilidad

25

Relacin de teorema de la probabilidad total con tabla de doble entrada

A partir de las probabilidades conjuntas y marginales de una misma fila o columna de la Tabla
1.3 se pueden plantear igualdades que cumplen con las condiciones y planteamiento del teorema
de la probabilidad total.

B
B0
Total

A
P(A B)
P(A B0 )
P(A)

A0
P(A0 B)
P(A0 B0 )
P(A0 )

Total
P(B)
P(B0 )
1

Tabla 1.3: Tabla de doble entrada para relacionar el teorema de la probabilidad total, probabilidades marginales y conjuntas.
Si se considera la fila 1 de la Tabla 1.3, al sumar las probabilidades conjuntas e igualarla a
la probabilidad marginal se obtiene la expresin 1.1 que corresponde a un caso particular del
teorema de la probabilidad total. As mismo se deducen las igualdades 1.2, 1.3 y 1.4. La Tabla 1.4
relaciona la terminologa usada en la Tabla 1.3, en ella se especifican probabilidades marginales
y conjuntas.
P(B) = P(A B) + P(A0 B)

(1.1)

P(B0 ) = P(A B0 ) + P(A0 B0 )

(1.2)

P(A) = P(A B) + P(A B0 )

(1.3)

P(A0 ) = P(A0 B) + P(A0 B0 )

(1.4)

Eventos de S
Total

Eventos de S
Probabilidades conjuntas
Probabilidades marginales

Total
Probabilidades marginales
1

Tabla 1.4: Tabla de doble entrada para relacionar el teorema de la probabilidad total, probabilidades marginales y conjuntas. Las probabilidades de las celdas internas de la tabla suelen llamarse
probabilidades conjuntas, las probabilidades de las celdas del total se les llaman probabilidades
simples o marginales.
En cierta ciudad solamente dos peridicos A y B tienen circulacin diariamente. Adems el
cincuenta por ciento de los habitantes leen el peridico A, el treinta por ciento leen el peridico
B y el veinte por ciento leen ambos peridicos. Si se definen los eventos A =Habitante que lee
peridico A y B =Habitante que lee peridico B, se tienen las siguientes probabilidades
P(B) = 0.3, P(A) = 0.5 y P(A B) = 0.2

Captulo 1. Probabilidad

26
La Figura 1.22 ilustra la situacin del ejemplo,
S
A

0.3

0.2

0.1

AB

0.4

Figura 1.22: Diagrama que ilustra probabilidades de lectura de peridicos A y B.


Calcular la probabilidad de que un habitante sea lector de algn peridico, se representa como
P(AUB), puesto que el inters es que el habitante lea el peridico A o el peridico B o ambos
peridicos. Para tal efecto se usa el Teorema 1.3.2.
P(A B) = P(A) + P(B) P(A B)

P(A B) = 0.5 + 0.3 0.2 = 0.6

De acuerdo con el resultado anterior, al seleccionar un habitante al azar, la probabilidad que


lea alguno de los peridicos es de 0.6, es decir aproximadamente el 60 % de las veces que se
seleccione un habitante al azar se encontrar que es lector de alguno de los peridicos o que
aproximadamente el 60 % de los habitantes lee algn peridico.
Si el inters es que solamente lea el peridico A, entonces se deben escoger las personas que lean
el peridico A y que no lean el B, por eso el evento de inters es A B0 . Para calcular P(A B0 )
se usa el teorema de la probabilidad total, Teorema 1.3.4 que se ilustra en la Figura 1.23.

Figura 1.23: Ilustracin del teorema de la probabilidad total para ejemplo de los peridicos. ??
Entonces
P(A) = P(A B) + P(A B0 )
Luego,
P(A B0 ) = P(A) P(A B) = 0.5 0.2 = 0.3

1.4 Probabilidad

27

En consecuencia, la probabilidad de que al seleccionar al azar un habitante, ste lea el peridico


A, pero no lea el B es de 0.3, es decir, aproximadamente el 30 % de los habitantes de la ciudad
leen solamente el peridico A o el 30 % de las veces que se seleccione un habitante al azar
solamente leer el peridico A.
El evento que corresponde a no leer ninguno de los peridicos es A0 B0 = (A B)0 por consiguiente se debe calcular P((A B)0 ). Se puede notar la equivalencia con las leyes de De Morgan,
pues A0 B0 = (A B)0 , ver Anexo F, 1.
Se aplica el Teorema 1.4.7, por tanto P((A B)0 ) = 1 P(A B) = 1 0.6 = 0.4
De acuerdo con lo anterior, si se selecciona un habitante al azar, la probabilidad que no lea ni el
peridico A ni el B es de 0.4, es decir alrededor del 40 % de los habitantes no leen ni el peridico
A ni el B o el 40 % de las veces que se seleccione un habitante al azar este no lee ni el peridico
A ni el B.
Que un habitante lea solamente uno de los peridicos implica que si el habitante lee el peridico A, no lee el B (A B0 ) y si el habitante lee el peridico B no lee el A, (A0 B), por tanto
P[(A B0 ) (A0 B)] corresponde a la probabilidad de que un habitante lea solamente uno de
los peridicos. Para realizar el clculo se aplica Teorema 1.3.2 y 1.3.4, asi
P(A B0 ) = P(A) P(A B) = 0.5 0.2 = 0.3, P(B A0 ) = P(B) P(A B) = 0.3 0.2 = 0.1
por tanto P [(A B0 ) (A0 B)] = 0.3 + 0.1 = 0.4
En consecuencia la probabilidad que un habitante lea solamente un peridico es 0.4, es decir
aproximadamente el 40 % de los habitantes de la ciudad solamente leen un peridico.

1.4.6

Probabilidad condicional
Los empleados de la empresa TECNA se han clasificado segn su gnero y nivel salarial en la Tabla 1.5. El nivel salarial se clasifica en dos categoras G o L, donde G = Gana al menos $8,000,000,
L = Gana menos de $8,000,000, El gnero se clasifica en M o H, donde M = Es mujer y
H = Es hombre.
M
H
Total

L
210
105
315

G
80
305
385

Total
290
410
700

Tabla 1.5: Clasificacin de los empleados de TECNA segn ingreso salarial y gnero donde M = Es mujer, H = Es hombre, G = Gana al menos $8,000,000, L =
Gana menos de $8,000,000
En la empresa, el porcentaje de los hombres que ganan ocho o ms millones de pesos es
(305/410)(100) % = (0.7439)(100) % = 74.39 %. De acuerdo con el enfoque frecuentista de
la probabilidad se puede aproximar la frecuencia relativa de un evento con la probabilidad del
evento para un nmero grande de replicas del experimento. Considerando 700 un nmero grande
de replicas, entonces, en el grupo de los hombres, el valor aproximado de la probabilidad de
ganar ocho o ms millones es 0.7439. Puesto que el clculo no se hace respecto al total 700, si no
a 410 se le llama probabilidad de G condicionada a H. sta probabilidad se le llama probabilidad
condicional y se denota P(G|H). Luego P(G|H) = 0.7439. De manera similar se calcula el

Captulo 1. Probabilidad

28

porcentaje de los que ganan menos de ocho millones en el grupo de las mujeres, esto es 72.41 %.
Por tanto P(L|M) = 0.7241
Definicin 1.4.1 Si A y B son eventos del espacio muestral S tales que P(B) > 0. La proba-

bilidad del evento A condicionada la ocurrencia del evento B es


P(A|B) =

P(A B)
P(B)

Intuitivamente la probabilidad condicional P(A|B) de un evento A dado otro suceso B es la


probabilidad de que ocurra A sabiendo que B se ha verificado.
1.4.7

Regla multiplicativa
Teorema 1.4.6 Sean A1 , A2 , . . . , Ak eventos de S, entonces

P(A1 A2 Ak ) = P(A1 )P(A2 |A1 )P(A3 |A1 A2 ) P(Ak |A1 A2 Ak1 )


Relacin de teorema de la probabilidad total con la regla multiplicativa

Aplicando este resultado al Teorema 1.3.4, el teorema de la probabilidad total queda como
n

P(B) = P(B|Ai )P(Ai )


i=1

Uso del rbol para resolver problemas que usen probabilidad condicional

|A)

P (B 0
|A)

B0

0
|A )

P (B 0
|A 0)

B0

P (B

)
(A

(A 0
)

P (B
0

Figura 1.24: rbol de decisin asociado a un problema de probabilidad condicional.


Las reglas de formacin de la Figura 1.24 asumen que las ramas son complementarias, que las
marginales estn en el primer nodo y las condicionales en los segundos nodos.
Para obtener las intersecciones se usan por ejemplo P(A B) = P(A)P(B|A), este resultado se
coloca al final de cada rama de la Figura 1.25. Adems se puede indicar como calcular P(B) y
P(B0 ) usando el Teorema 1.3.4 como sigue

P(B) = P(A B) + P(A0 B) y P(B0 ) = P(A B0 ) + P(A0 B0 )

1.4 Probabilidad

29
|A)

P (B A)

P (B 0
|A)

B0

P (B 0 A)

|A
P (B

P (B A0 )

P (B 0
|A 0)

B0

P (B 0 A0 )

P (B

)
(A

(A 0
)

0)

A0

P (B)

P (B 0 )

Figura 1.25: rbol que ilustra el Teorema 1.3.4 para el caso particular de dos eventos
El ejemplo estudiado anteriormente de la empresa TECNA se puede resolver la regla multiplicativa como se muestra a continuacin.
Puesto que se conoce que el empleado seleccionado al azar es hombre, el cardinal del espacio
muestral se reduce de 700 a 410. Entre el grupo de 410 hombres existen 305 con sueldos
superiores o iguales a $8, 000, 000 por tanto P(G|H) se calcula como se presenta a continuacin
P(G|H) =

n(G H) 305
=
= 0.7439
n(H)
410

Tambin se puede obtener con la regla multiplicativa como sigue


305
P(G H)
61
P(G|H) =
= 700 =
= 0.7439
410
P(H)
82
700
En consecuencia, si al seleccionar al azar un empleado se conoce que es hombre, la probabilidad
de que gane al menos $8, 000, 000 es de 0.7439. Lo anterior significa que aproximadamente el
74.39 % del grupo de los hombres ganan al menos $8, 000, 000.
Se procede similarmente con la regla multiplicativa para calcular la probabilidad de que un
empleado gane menos de $8, 000, 000 si el empleado seleccionado al azar es mujer, esto es
P(L|M) = 0.7241
De acuerdo con la Tabla 1.5,
290
P(GH) = 0.4357, P(H) = 410
700 = 0.5857 y P(M) = 700 = 0.4143.En la Figura 1.26 la superficie
del rectngulo representa P(H) y P(M).
S
H
P (H) = 0.5857

M
P (M ) = 0.4143

Figura 1.26: Ilustracin de P(H) y P(M)con la superficie de un rectngulo.

Captulo 1. Probabilidad

30
0.5857

0.4143

M
G|M

0.7439

0.2759

G|H
L|M

L|H
S

Figura 1.27: Comparacin de P(G|H) con P(H) y comparacin de P(L|M) con P(M).
En la Figura 1.27 como extensin de la Figura 1.26 se ilustran las probabilidades condicionales. En esta nueva figura est contenido P(G|H) = 0.7439 en el rectngulo de P(H), donde
P(H) = 0.5857, lo que parece ilgico, puesto que 0.7439 > 0.5857, pero se debe tener en cuenta
que 0.7439 est dado respecto al rectngulo de H, que en este caso es el rectngulo referencia,
pues el espacio muestral cambi de S a H. Por otro lado, P(G H) = 0.4357 y P(G|H) = 0.7439.
Al realizar cuentas inversas para determinar el nmero de empleados los valores coinciden, pues
son valores relativos respecto al espacio muestral y la informacin conocida.
A partir de P(G H) = 0.4357 el nmero de empleados que ganan al menos $8, 000, 000 y
son hombres es (0.4357)(700) 304.99 305. El nmero de empleados que ganan menos de
$8, 000, 000 en el grupo de los hombres es (0.7439)(410) 304.99 305.
Un aspecto interesante para analizar es el caso de probabilidades condicionales para situaciones
sincrnicas como la siguiente (ver Figura 1.28): considera que una bola se suelta en E. Si sale
por R, Cul es la probabilidad que haya salido por el canal I?

Figura 1.28: Rutas de entrada y salida de la bola para ejemplo tomado del artculo sesgos en el
razonamiento sobre la probabilidad condicional e implicaciones para la enseanza de Carmen
Batanero y otros.
El resultado correcto es 0.66, se debe tener en cuenta que si la bola pasa por II puede caer por R
o B, y si pasa por I, solo puede caer por R. Es importante claridad al respecto, la respuesta no es
ni 0.5 ni 0.33.

1.4 Probabilidad
1.4.8

31

Eventos independientes
Dos eventos son independientes cuando la aparicin / no aparicin de uno de ellos no proporciona informacin sobre la ocurrencia del otro. Por ejemplo al lanzar una moneda balanceada, la
probabilidad de obtener cara es 0.5 y la de obtener sello tambin es 0.5. Si al lanzar la moneda
el resultado es sello, en un segundo lanzamiento la probabilidad de obtener sello sigue siendo
la misma, 0.5. Y la de obtener cara tampoco cambia. En consecuencia, el resultado de cada
lanzamiento de una moneda balanceada es un evento estadsticamente independiente de los
resultados de otros lanzamientos de la moneda.
Definicin 1.4.2 Dos eventos E y F de un espacio muestral S son independientes si y slo si

una de las igualdades se cumple


P(E|F) = P(E|F 0 ) = P(E) o

P(F|E) = P(F|E 0 ) = P(F)


o

P(E F) = P(E)P(F)
Al considerar una familia cuya probabilidad de tener una hija o tener un hijo es la misma, la
probabilidad de tener dos hijos, donde el primero sea el hijo y el segundo la hija es 1/4.ste
clculo se puede realizar a partir del enfoque clsico de probabilidad o teniendo en cuenta que el
sexo entre hijos es independiente entre si.
Sea H = Ser hombre00 y M = Ser mujer00 , luego el espacio muestral del experimento es
S = {HH, MM, HM, MH}, y el evento relacionado a la probabilidad de que el primero sea
hombre y el segundo mujer es A = {HM} entonces la probabilidad de que el primero sea hombre
y el segundo hijo sea mujer es P(HM) = 1/4 = 0.25.
Por otro lado, si se define el evento H1 = {HH, HM} y M2 = {HM, MM}, entonces P(H1 ) =
1
P(M2 ) = y P(H1 M2 ) = P({HM}) = 1/4 por independencia de los eventos H1 y M2 .
2
Existe una tendencia a confundir eventos mutuamente excluyentes con independientes, para
diferenciarlo se sugiere pensar en lo siguiente: Si se extrae una carta al azar de una baraja
americana: Sea A el evento Se extrae trbol y B el evento se extrae una reina Los sucesos A
y B son independientes? Antes de responder se debe tener en cuenta que el hecho que haya la
reina de trboles no permite afirmar que los eventos sean independientes. Es decir, los eventos
independientes no se identifican cuando los eventos son mutuamente excluyentes.
Otra confusin usual es pensar que en P(A|B), A es consecuencia de B. Se sugiere analizar lo
siguiente para evitar confusiones. Si P(A|B) = 1, B no tiene que ser causa de A, tampoco el hecho
que haya dependencia entre A y B quiere decir que un evento se causa del otro. Por ejemplo, se
conoce que las que los lugares con mayor esperanza de vida tiene una menor tasa de natalidad,
lo anterior no implica que una menor tasa de natalidad sea la causa de mayor esperanza de vida.
La existencia de una relacin condicional indica que una relacin causal es posible, pero tal
hecho no es seguro. En este ejemplo, puede ser que las variables estn dependiendo del nivel de
renta de un pas, el cual es mayor si el porcentaje de mujeres que trabajan es mayor. La mayor
dedicacin al trabajo de mujeres hace que estas tengan menor nmero de hijos, disminuyendo
as la tasa de natalidad. Se debe tener especial cuidado en no sacar conclusiones de causa-efecto.

Captulo 1. Probabilidad

32
1.4.9

Teorema de Bayes
El Teorema de Bayes permite calcular las probabilidades finales, a partir del conocimiento de las
probabilidades iniciales y de los datos obtenidos experimentalmente (Rivadulla, 1991: Bolstad,
2004) y de acuerdo con Serrano en 2003 se puede entender de manera simple como sigue:
Se tiene un evento B (los datos) y se desea saber si ha sido provocado por una de las causas A1 ,
A2 , . . . An (una serie de hiptesis cientficas rivales, las que pueden ser la causa de B). Adems
se conocen las probabilidades P(A1 ), P(A2 ), . . . P(An ), es decir la probabilidad inicial de cada
una de las hiptesis rivales, as como las probabilidades P(B|A1 ), P(B|A2 ), . . . , P(B|An ).
Entonces, la probabilidad P(Ar |B) (probabilidad final de que la hiptesis Ar sea verdadera, una
vez que sean obtenido los datos B) se determina con la siguiente expresin

P (Ar |B ) =

P (B |Ar ) P (Ar )

r = 1, . . ., n

P (B |Ai ) P (Ai )

i=1

El Teorema de Bayes es uno de los teoremas ms importantes de la estadstica pues permite


aprender de la experiencia; Este Teorema permite calcular como se modifican probabilidades de
eventos cuando se conoce alguna informacin adicional. A continuacin el enunciado formal del
teorema.
Teorema 1.4.7 Si los eventos A1 , A2 , . . . , An constituyen una particin del espacio muestral S,

donde P(Ai ) 6= 0 para i = 1, . . . , n, entonces, para cualquier evento B en S tal que P(B) 6= 0,
P(Ar |B) =
=

P(Ar B)
n
i=1 P(Ai B)

P(Ar )P(B|Ar )
n
i=1 P(Ai )P(B Ai )

para r = 1, 2, . . . , n

Las probabilidades P(Ai ) se denominan probabilidades iniciales, P(Ai |B) probabilidades finales,
las que se calculan apartir de la informacin P(B|Ai ) llamadas verosimilitudes. Se puede observar
que el denominador de la frmula es el Teorema de la probabilidad total.
Para entender mejor los conceptos anteriores se consideran el ejemplo de las pruebas clnicas
de narcolepsia, la narcolepsia es un trastorno del sueo cuyo sntoma principal es la aparicin
recurrente e irresistible de ataques de sueo reparador. Las personas con este trastorno no
descansan bien, se vuelven irritables y no rinden igual que antes en sus trabajos.
En una gran cantidad, una de cada 1,000 personas sufren la narcolepsia, el test de narcolepsia es
positivo en 99 de cada 100 personas enfermas y tambin en 2 de cada 100 personas sanas. Es
1
decir, la probabilidad de sufrir narcolepsia, P(N) = 1,000
corresponde a la probabilidad inicial,
la probabilidad de que el test sea positivo si se tiene narcolepsia, P(+|N) = 99/100 corresponde
a la verosimilitud y la probabilidad de sufrir narcolepsia si el test ha dado positivo, P(N|+)
corresponde a la probabilidad final. Esta probabilidad se calcula con el Teorema de Bayes y
para ello se utiliza la informacin de la Tabla 1.6 cuyos valores se calculan para una muestra de
100,000 personas muestreadas.

1.5 Ejemplos integradores

Sufren narcolepsia
No sufren
narcolepsia
Total

33
Test +
99

Test 1

Total
100

1,998

9,7902

99,900

2,097

97,903

100,000

Tabla 1.6: Probabilidades de tener narcolepsia de acuerdo con el test para una muestra de 100, 000
personas.
99
= 0.0472
99 + 1.998
Lo anterior significa que las personas que tienen la enfermedad en la gran ciudad son pocas.
P(N|+) es pequeo, pero esto no hace al evento imposible. Si aumenta la muestra pueden
aparecer ms falsos positivos.
Entonces P(N|+) =

1.5

Ejemplos integradores

Los siguientes ejemplos integran las temticas: tcnicas para contar, definicin de probabilidad
con el enfoque clsico, probabilidad condicional, regla multiplicativa, teorema de la probabilidad
total y teorema de Bayes, con el objetivo de contribuir al desarrollo de las competencias comunicar efectivamente el conocimiento estadstico y resolver problemas que requieran aplicacin de
la estadstica.


Ejemplo 1.1 Una compaa ensambladora de computadoras compra mdulos de memoria

RAM a tres proveedores: B1 , B2 y B3 . Del total requerido por la compaa, B1 suministra el


cincuenta y cinco por ciento, B2 suministra el treinta por ciento y B3 suministra el quince por
ciento. Adems, el tres por ciento de las memorias que provee B1 son defectuosas, el uno por
ciento de las memorias que provee B2 son defectuosas, y el 2.5 % de las memorias que suministra B3 son defectuosas. Qu porcentaje aproximado de los mdulos que se compran a los
proveedores B1 , B2 , B3 son defectuosos?, qu porcentaje aproximado de defectuosos se reciben
del proveedor B1 ?
Solucin:
Sean B1 =Mdulo de proveedor B1 B2 =Mdulo de memoria RAM de proveedor B2 , B3 =Mdulo
de memoria RAM de proveedor B3 y D=Mdulo de memoria RAM defectuoso. Por tanto,
P(B1 ) = 0.55, P(B2 ) = 0.3, P(B3 ) = 0.15. Se puede identificar que si el mdulo de memoria
RAM proviene de B1 tiene 0.03 de probabilidad de ser defectuoso, por tanto P(D|B1 ) = 0.03,
similarmente se determinan P(D|B2 ) = 0.01, P(D|B3 ) = 0.025. Las tres primeras probabilidades
son probabilidades iniciales y las 3 finales son verosimilitudes.
Note que los eventos B1 , B2 y B3 son mutuamente excluyentes y complementariamente exhaustivos, adems hay mdulos defectuosos por cada proveedor, as D = (D B1 )U(D B2 )U(D B3 ),
por tanto se cumplen las condiciones para aplicar el teorema de la probabilidad total para calcular
P(D), por tanto

Captulo 1. Probabilidad

34

P(D) = P(D B1 ) + P(D B2 ) + P(D B3 )

P(D) = P(B1 )P(D|B1 ) + P(B2 )P(D|B2 ) + P(B3 )P(D|B3 ) = 0.02325


Puesto que P(D) = 0.02325 se dice que aproximadamente el 2.325 % de los mdulos de memoria
RAM que se compran a los proveedores B1 , B2 y B3 son defectuosos.
En la Figura 1.29 mediante un diagrama de rbol se ilustra la informacin de este ejemplo y
el clculo de P(D) donde los primeros rectngulos corresponden a clculos de probabilidades
conjuntas y a partir de ellos se aplica el teorema de probabilidad total para calcular P(D) y P(D0)
0.03

0.0165

0.97

D0

0.5335

0.01

0.003

P (D) = 0.02325 = 0.0165 + 0.003 + 0.00375

0.99

D0

0.297

P (D0 ) = 0.97675 = 0.5335 + 0.297 + 0.14625

5
0.02

0.00375

0.97
5

D0

0.14625

0.
55

B1

0.3

B2

15
0.

B3

Figura 1.29: Diagrama de rbol para calcular P(D) y P(D0 ) del Ejemplo 1.1
.
Para determinar el porcentaje de mdulos de memoria RAM del proveedor B1 entre los mdulos defectuosos se debe calcular la probabilidad final P(B1 |D). Con teorema de Bayes, entonces

P(B1 |D) =

P(B1 D) (0.55)(0.03)
=
= 0.7097
P(D)
0.02325

Aproximadamente el 70.97 % de los mdulos daados provienen del proveedor B1 .



 Ejemplo 1.2 La contaminacin de los ros de Estados Unidos es un problema de hace varios
aos. Para una regin, en particular la informacin que se maneja es la siguiente: el treinta por
ciento de los ros estn contaminados, el setenta y cinco por ciento de las muestras marcan
positivo si son tomadas de ros contaminados, el veinte por ciento de las muestras de ros no
contaminados marcan positivo, el veinte por ciento de las veces que el ro est contaminado y la
prueba marca positivo, se permite la pesca. Adems, el quince por ciento de las veces se permite
la pesca cuando el ro no est contaminado y la prueba marca positivo, el ochenta por ciento de
las veces que la prueba marca negativo en ros contaminados, se permite la pesca, y el noventa
por ciento de las veces se permite la pesca cuando el ro no est contaminado y la prueba marca
negativo.

Qu porcentaje aproximado de las veces el ro est contaminado, la prueba marca negativo


y se permite la pesca? Qu porcentaje aproximado de las veces la prueba resulta negativa

1.5 Ejemplos integradores

35

y se permite la pesca? Qu porcentaje aproximado de las veces se permite la pesca? De las


veces que se permite la pesca y no se detecta cotaminacin, Qu porcentaje aproximado estn
contaminados?
Solucin:
Para expresar fcilmente la informacin del problema se definen los eventos A, B y C, donde
A=Ro contaminado, B=Muestra de agua cuya prueba de contaminacin marca positivo y
C=Ro donde se permite la pesca. La informacin importante dada en el problema se plantea
de la siguiente manera,
P(A) = 0.3, P(B|A) = 0.75, P(B|A0 ) = 0.20, P [C|(A B)] = 0.20, P [C|(A0 B)] = 0.15,
P [C|(A B0 )] = 0.8, P [C|(A0 B0 )] = 0.9
Para responder a las incognitas del problema se expresan estas en lenguaje matemtico: qu porcentaje aproximado de las veces el ro est contaminado, la prueba marca negativo y se permite
la pesca es equivalente a calcular P(A B C), el porcentaje aproximado de las veces la prueba
resulta negativa y se permite la pesca? es equivalente a P(B0 C), el porcentaje aproximado de
las veces se permite la pesca a P(C) y el porcentaje aproximado de las veces que est contaminado cuando se permite la pesca y la prueba no detecta contaminacin es equivalente a P[A|(B0 C)]
Inicialmente se calcula P(A B C) con la regla multiplicativa como sigue
P(A B C) = P[C|(A B)]P(A B) = P[C|(A B)]P(A)P(B|A) = 0.045
De acuerdo con el resultado, la probabilidad que un ro que est contaminado, y la prueba de
la contaminacin detecte la contaminacin y permita la pesca es de 0.045, lo que se interpreta
como: aproximadamente el 4.5 % de los ros estn contaminados, permiten la pesca y la prueba
detecta la contaminacin. Tal evento es poco probable.
Para calcular P(B0 C) se usa B0 C = (A B0 C) (A0 B0 C), ver la Figura 1.30
S
A

A B0 C

A0 B 0 C

Figura 1.30: Ilustracin de B0 C = (A B0 C) (A0 B0 C)


y el teorema de la probabilidad total, pues A B0 C y A0 B0 C son mutuamente excluyentes
y colectivamente exhaustivos, entonces
P(B0 C) = P(A B0 C) + P(A0 B0 C)

Captulo 1. Probabilidad

36

Se aplica regla multiplicativa para calcular ambos sumandos de P(B0 C)


P(A B0 C) = P[C|(A B0 )]P(A B0 )

= P[C|(A B0 )]P(A)P(B0 |A)

P(A0 B0 C) = P[C|(A0 B0 )]P(A0 B0 )

= P[C|(A0 B0 )]P(A0 )P(B0 |A0 )

Luego, P(B0 C) = (0.8)(1 0.75)(0.3) + (0.9)(1 0.2)(1 0.3) = 0.564


Del resultado se tiene que la probabilidad que la prueba de contaminacin no detecte contaminacin y se permita la pesca es de 0.564, es decir aproximadamente el 56.4 % de los ros no
detectan la prueba de contaminacin y permiten la pesca.
Para calcular P(C) se expresa C como la unin de los 4 conjuntos (1), (2), (3)y (4) que son
mutuamente excluyentes y colectivamente exhaustivos, ver Figura 1.31.
(1) A B0 C

(2) A B C

(3) A0 B C

(4) A0 B0 C

donde
C = (A B0 C) (A B C) (A0 B C) (A0 B0 C)
S
A

(1)

(2)

(3)

(4)

Figura 1.31: Ilustracin de C en diagramas de Venn donde C = (1) (2) (3) (4).
Por teorema de la probabilidad total
P(C) = P(A B0 C) + P(A B C) + P(A0 B C) + P(A0 B0 C)
Cada sumando que determina P(C) se calcula usando regla multiplicativa


P(A B0 C) = P C|(A B0 ) P(B0 |A)P(A) = 0.06, P(B0 |A) = 0.25 porque P(B|A) = 0.75
= 0.06

Similarmente


P(A0 B C) = P C|(A0 B) P(B|A0 )P(A0 ) = 0.504,

P(A0 ) = 0.7 pues P(A) = 0.3

= 0.504



P(A0 B0 C) = P C|(A0 B0 ) P(A0 )P(B0 |A0 ) = 0.504,

P(B|A0 ) = 0.2 pues P(B0 |A0 ) = 0.8

1.5 Ejemplos integradores

37

Por consiguiente
P(C) = 0.06 + 0.045 + 0.021 + 0.504 = 0.63
De la respuesta calculada se dice que aproximadamente en el 63 % de los ros se permite la pesca.
Por ltimo, por regla multiplicativa

 P(A B0 C)
0.06
P A|(B0 C) =
=
= 0.1064
0
P(B C)
0.564

De acuerdo con lo obtenido aproximadamente el 10.6 % de los ros que permiten la pesca y la
prueba no detecta la contaminacin, estn contaminados.



Ejemplo 1.3 La empresa DEMIN fabrica pantalones. La empresa posee tres mquinas para su

produccin: A, B y C. Las mquinas A, B y C, producen el cuarenta y cinco por ciento, treinta


por ciento y veinticinco por ciento, respectivamente, del total de las piezas producidas por la
empresa. Los porcentajes de produccin defectuosa de estas mquinas son del tres por ciento,
cuatro por ciento y cinco por ciento respectivamente.
a) El gerente de la empresa est preocupado por las prdidas anuales, pues no quiere gastar
ms de $1, 000, 000, 000 para cubrir las prdidas por pantalones defectuosos. Por cada
pantaln defectuoso pierde diez mil pesos. La empresa debe producir cinco millones
de pantalones este ao. Debe preocuparse el gerente de la empresa por los gastos en
pantalones defectuosos?
b) Qu porcentaje aproximado de los pantalones defectuosos proviene de la mquina B?
cuntos de los pantalones defectuosos se le atribuye a la mquina B?
c) Qu mquina tiene la mayor probabilidad de haber producido un pantaln defectuoso?
Solucin:
Sean los eventos A=Produccin de la mquina A, B=Produccin de la mquina B, C=Produccin
de la mquina C, D=Produccin defectuosa y D0 =Produccin no defectuosa
De acuerdo con el enunciado del problema P(A) = 0.45,
P(D|A) = 0.03, P(D|B) = 0.04, P(D|C) = 0.05.
0.03

0.97

D0

0.04

0.96

D0

0.05

0.95

D0

P(B) = 0.3,

P(C) = 0.25,

0.0135

0.
45

0.3

0.012

0.038

25
0.

0.0125

Figura 1.32: Diagrama de rbol que ilustra la informacin y resultados del Ejemplo 1.3

Captulo 1. Probabilidad

38

a) Se aplica el teorema de la probabilidad total para calcularP(D), entonces P(D) = P(A


D)+P(BD)+P(C D), puesto que ABC= , ABC = S. Asi P(D) = (0.45)(0.03)+
(0.3)(0.04) + (0.25)(0.05) = 0.038. En la Figura 1.32 se ilustran los resultados de las
probabilidades conjuntas de los sumandos de P(D) y la aplicacin del Teorema de probabilidad total. El valor calculado significa que aproximadamente el 3.8 % de pantalones
producidos son defectuosos.Luego, aproximadamente 190, 000 pantalones son defectuosos
en un tiraje de 5, 000, 000 de pantalones.
Puesto que por cada pantaln defectuoso se pierden $10, 000, entonces por 190, 000 pantalones se pierde $1, 900, 000, 000 De acuerdo con lo anterior los gastos los gastos son
mayores a los presupuestados por el gerente. El gerente debe tomar medidas correctivas.
b) Puesto que interesa conocer del grupo de defectuosos los producidos por la mquina B,
entonces el evento condicionante (conocido) es el grupo de defectuosos, por tanto se debe
calcular P(B|D). Aplicando teorema de Bayes

P(B|D) =

P(B D) P(B)P(D|B) (0.3)(0.04)


=
=
= 0.315
P(D)
P(D)
0.038

De lo anterior, se tiene que aproximadamente el 31.5 % de los pantalones defectuosos


provienen de la mquina B.
Son aproximadamente 190, 000 los pantalones defectuosos en una produccin de 5, 000, 000,
entonces son 59, 850 los pantalones defectuosos que provienen de la mquina B. La cantidad 59, 850 tambin se puede determinar con el siguiente producto 5, 000, 000 P(B D)
c) Se deben comparar las probabilidades finales P(B|D), P(A|D), P(C|D). Con teorema de
Bayes
P(A)P(D|A) (0.45)(0.03)
=
= 0.3552
P(D)
0.038
P(C)P(D|C) (0.25)(0.05)
P(C|D) =
=
= 0.3289
P(D)
0.038
P(B|D) = 0.315
De acuerdo con los clculos anteriores, conocido que el pantaln es defectuoso, es ms
probable que se haya producido por la mquina A.
P(A|D) =

 Ejemplo 1.4 Miguel tiene que ir todos los das de la ciudad A a la C para llegar a su trabajo
y debe regresar a su casa al final del da a la ciudad A. Para ir de A a C, l puede pasar por la
ciudad B o alternadamente viajar por los caminos C8 y C9 . Cada una de los caminos de viaje
entre las dos ciudades tiene doble sentido ver Figura 1.33. En los ltimos diez aos, cada da, l
ha decidido viajar entre las ciudades escogiendo la ruta de ida y regreso al azar, por ejemplo,
ruta de ida, C4C7 y ruta de regreso C9 . Este ao tambin escoger la ruta de ida y regreso al azar.
Miguel trabajar este ao los 365 das del ao.

1.5 Ejemplos integradores

39
C8

C1
C2
A

C3

C5
C6
C7

C4

C9

Figura 1.33: Ilustracin de carreteras entre las ciudades A, B y C. Las carreteras son de doble
sentido C1 hasta C8
a) En el pueblo B vive la madre de Miguel. l le hace una visita corta cuando de ida al trabajo
el azar lo determina. Cuntos das de este ao se espera que Miguel vea a su madre de
ida al trabajo?
b) Cuntos das de este ao Miguel se regresar por una ruta diferente a la de ida sin repetir
rutas de da a da si la escogencia de la ruta tanto de ida como de regreso es aleatoria?,
cul es la probabilidad de ir y regresar sin repetir las rutas de ida? En un mismo da, si se
va por la ruta C1C5 , no puede regresar por la ruta C5C1 , pero si podr regresar por ejemplo
por la ruta C5C3 .
Solucin:
a) Sea B=caminos para ir de A a C pasando por B. Se debe determinar P(B) con la frmula
P(B) = n(B)
n(S)
Donde n(B)= nmero de rutas para ir de A a C pasando por B cuando se va de A a C
(solamente de ida) y n(S)= nmero de rutas totales para ir de A a C (solamente de ida)
Para llegar de A a C pasando por B se deben seguir dos procedimientos, ir de A a B y luego
de B a C, por tanto por principio multiplicativo n(B) = (4)(3) = 12. Adems para llegar de
A a C se puede hacer usando el camino C8 o el camino C9 o pasando por B. Con cualquiera
de las 3 alternativas se llega de A a C, luego por principio aditivo, n(S) = 1 + 1 + 12 = 14.
12
As, P(B) = n(B)
n(S) = 14 = 0.857. De acuerdo con esto, aproximadamente el 85.7 % de las
veces cuando Miguel va para el trabajo se espera que llegue donde su madre.
En relacin a los das que Miguel ver a su madre, ya Miguel trabajar este ao 365 das,
por tanto (365)(0.857) = 312.8 ' 313 es aproximadamente el nmero de das que Miguel
ver a su madre.
b) Sean E = Rutas para ir y regresar entre A y C sin repetir ruta de regreso, donde n(E)=
Nmero de rutas para ir y regresar de A a C sin repetir la ruta, n(S)= Nmero de rutas para
ir y regresar de A a C.
Para salir y regresar de A se deben seguir dos procedimientos, ir de A a C e ir de C a A,
entonces el nmero de rutas para salir y regresar a A se determina con principio multiplicativo. Para ir de A a C tiene 14 rutas posibles, de regreso no puede usar una, la que us, por
consiguiente solamente puede usar 13, as n(E) = (14)(13) = 182.
Con justificacin similar a la anterior se vlida n(S) = (14)(14) = 196. Entonces, P(E) se

Captulo 1. Probabilidad

40
calcula como sigue
P(E) =

n(E) 182
=
= 0.9285
n(S)
196

De lo anterior se puede decir que aproximadamente el 92.85 % de los das Miguel no


repite la ruta de ida al regresar entre A y C, luego, aproximadamente 339 das no repita la
ruta al salir y regresar a la ciudad A.


En este captulo se abordaron conceptos y teoremas fundamentales de la probabilidad con la que


se podrn enfrentar con xito las temticas fundamentales de los captulos tres, cuatro y cinco,
especficamente, en el captulo tres, lo que concierne a la temtica de funcin de probabilidad, as
como a la diferenciacin entre las probabilidades marginales, conjuntas y condicionales, las que
hacen referencias en muchas aplicaciones a lo largo de los tres captulos referidos anteriormente.
Despus de diferenciar entre probabilidades marginales, conjuntas y condicionales resulta
interesante recordar el concurso televisivo estadounidense Lets Make a Deal, famoso entre 1963
y 1986, cuyo presentador era Monty Hall. ste concurso es famoso pues inspiro la paradoja de
Monty Hall. En el concurso de televisin se le ofrece al concursante la posibilidad de elegir una
entre 3 puertas (1,2 y 3) para quedarse lo que hay tras ella. El presentador le informa de que
slo una de ellas tiene un buen regalo (un carro), mientras que las otras dos tienen cabras. El
concursante opta por una y tras decirlo, el presentador (que conoce exactamente dnde est el
regalo) le abre una de las otras dos puertas no elegidas por el concursante donde no est el regalo.
Luego le ofrece al concursante la opcin de cambiar su decisin inicial eligiendo la otra puerta
an no abierta. Qu debe hacer el concursante? es decir, debe el concursante cambiar la puerta
que eligi originalmente, o no?

1.6

Ejercicios propuestos

Los siguientes ejercicios pretenden el desarrollo de las competencia resolver correctamente problemas que requieran la estadstica.
2.1 Imagina que tienes una muestra de 100,000 personas elegidas al azar. Imagina que 10
de cada 1,000 est deprimida. Supn que una prueba de depresin da positivo en 99 de
cada 100 personas enfermas y tambin en 2 de cada 100 personas sanas. Si D significa
depresin y + significa prueba positiva, entonces calcula las siguientes probabilidades.
a) P(D)

1.6 Ejercicios propuestos

41

b) P(+/D)
a) P(/D)
b) P(D +)
2.2 En un centro de preescolar el 20 % de los nios son hijos de inmigrantes y el 10 % de las
nias. En el centro hay un 50 % de las nias. Utiliza la tabla siguiente para calcular la
probabilidad de que si cogemos al azar un alumno inmigrante, sea varn.
Sucesos

Suma

Probabilidades Iniciales

Verosimilitudes

Producto

Probabilidades finales

2.3 En un centro mdico se han observado a 250 personas para estudiar si el hbito de fumar
tiene relacin con los trastornos bronquiales. Obtenindose los siguientes resultados:
Fuma

No Fuma

Total

Padece Trastornos
No padece trastornos
Total

Si escogemos al azar una de estas personas:


a) Cul es la probabilidad de que fume si se sabe que tiene trastornos?
b) Cul es la probabilidad de que tenga trastornos si se sabe que fuma?
2.4 En un barrio de Granada se ha realizado una entrevista a un grupo de hombres, obteniendo
los siguientes resultados:
Menos de 55 aos

Ms de 55 aos

Total

Ha sufrido un ataque al corazn


No ha sufrido ataque
Total

Si se elige al azar una de estas personas:


a) Dado que la persona escogida tiene mas de 55 aos, cul es la probabilidad de que
haya tenido un ataque al corazn?
b) Dado que la persona escogida ha tenido un ataque al corazn, cul es la probabilidad
de que tenga ms de 55 aos?
2.5 En un centro mdico se han observado a 250 personas para estudiar si el hbito de fumar
tiene relacin con los trastornos bronquiales, obtenindose los siguientes resultados:
Fuma

No Fuma

Total

Padece Trastornos
No padece trastornos
Total

Si escogemos al azar una de estas personas:


a) Cul es la probabilidad de tener trastornos bronquiales?

Captulo 1. Probabilidad

42

b) Cul es la probabilidad de que tenga trastornos bronquiales y fume?


c) Cul es la probabilidad de que fume si sabemos que tiene trastornos?
2.6 En un barrio de Granada se ha realizado una entrevista a un grupo de hombres obteniendo
los siguientes resultados:
Menos de 55 aos

Ms de 55 aos

Total

Ha sufrido un ataque al corazn


No ha sufrido ataque
Total

2.7

2.8

2.9

2.10

2.11

2.12
2.13

2.14

2.15

Si elegimos al azar una de estas personas:


a) Cul es la probabilidad de que tenga ms de 55 aos y adems haya tenido uno o
ms ataques al corazn?
b) Cul es la probabilidad de que haya tenido un ataque al corazn?
c) Dado que la persona escogida tiene ms de 55 aos, cul es la probabilidad de que
haya tenido un ataque al corazn?
En un grupo de mil sujetos se pas un test de inteligencia y se midi su rendimiento,
clasificando a cada sujeto segn fuese superior o inferior a la media en inteligencia, y
segn fuese apto o no apto en la prueba de rendimiento acadmico. Se encontraron 500
aptos, de los que 300 tenan inteligencia superior. De los 400 con inteligencia superior,
300 resultaron aptos. Se extrae un sujeto al azar y se define los sucesos, A: Ser superior
a la media en inteligencia, y B: Ser apto en rendimiento. Son los sucesos A y B
independientes?
Una persona lanza un dado y anota si saca un nmero par o impar. Estos son los resultados:
par, impar, impar, par, par, impar, par, par, par, par, impar, impar, par, par, par. Lanza el
dado de nuevo, cul es la probabilidad de sacar un nmero par en la siguiente tirada?
En un grupo de mil sujetos se pas un test de inteligencia y se midi su rendimiento,
clasificando a cada sujeto segn fuese superior o inferior a la media en inteligencia, y
segn fuese o no reflexivo. Se encontraron 500 sujetos reflexivos, de los que 300 tenan
inteligencia superior. Cul es la probabilidad de que un sujeto reflexivo sea de inteligencia
superior?
En una encuesta publicada en un periodico se informa que el 91 % de los habitantes de
una ciudad mienten usualmente y de ellos el 36 % mienten sobre cosas importantes. Si
nos encontramos con una persona al azar de esta ciudad, cul es la probabilidad de que
mienta sobre cosas importantes?
Un grupo de alumnos de un colegio se examina en Matemticas e Ingles. La proporcin
de alumnos que aprueban Matemticas es del 80 % y la proporcin de alumnos que
aprueban Ingls es del 70 %. Suponiendo que las notas en cada una de las asignaturas es
independiente, Cul es la probabilidad de que un alumno escogido al azar haya aprobado
ambas asignaturas?
Se lanza cuatro veces un dado. Cul es la probabilidad de no obtener ningn uno?
En una secuencia de tres dgitos, cada uno de los dgitos es seleccionado al azar del
conjunto {0,1,2,3,4,5,6,7,8,9}. Cul es la probabilidad de que de esto proceso resulten
tres nmeros diferentes?
En una escuela hay en marcha dos programas educativos, A y B. El 60 % de los estudiantes
estn en el programa A y el 40 % en el programa B. En el programa A, el 50 % son chicos
y en el programa B, EL 25 % son chicos. Encontrar al azar un estudiante Cul es la
probabilidad de que sea chico?
En una ciudad hay 60 hombres y 40 mujeres por cada 100 habitantes. 50 de cada 100

1.6 Ejercicios propuestos

2.16

2.17

2.18

2.19

2.20

2.21

2.22

2.23

2.24

43

hombres y 25 de cada 100 mujeres fuman. Si cogemos 200 personas al azar. Cuntas de
ellas fumarn?
Al azar se seleccionan dos de cuatro cartas numeradas 1,2,3 y 4, una despus de otra.
Los nmeros de las cartas se suman y si la suma es par, se gana un premio. Qu es mas
probable, obtener el premio o no?
Una fbrica dispone de dos mquinas M1 y M2 que fabrican bolas. La mquina M1 fabrica
el 40 % de las bolas y la M2 el 60 %. El 5 % de las bolas fabricadas por M1 y el 1 % de las
fabricadas por M2 son defectuosas. Tomamos una bola al azar que resulta ser defectuosa.
Cul es la probabilidad de que haya sido fabricada por M1?
Se sabe que 100 de cada 10,000 personas est enferma. De cada 100 personas enfermas, el
test ser positivo en 80 de ellas. De cada 9,900 personas sanas el test saldr positivo en
950 de ellas. El test resulta positivo en 103 personas. Cuntas de estas personas estn
realmente enfermas?
El valor de la probabilidad P(D/S) es aproximadamente igual al de la probabilidad
P(S/D):
a) En todos los casos
b) Slo si P(S) es igual a P(D)
c) Nunca puede ser igual
Imagina que tienes una muestra de 100,000 personas elegidas al azar. Imagina que de 5
de cada 1,000 est deprimida. Supn que una prueba de depresin da positivo en 99 de
cada 100 personas enfermas y tambin en 3 de cada 100 personas sanas. Si D significa
depresin y + significa prueba positiva, entonces:
a) P(D) = 0.005 : P(D/+) = 0.99 : P(S/+) = 0.03
b) P(D) = 0.0005 : P(+/D) = 0.99 : P(/D) = 0.01
c) P(D) = 0.005 : P(D/+) = 0.99 : P(/D) = 0.01
d) P(D) = 0.005 : P(+/D) = 0.99 : P(/D) = 0.01
En una facultad 10 de cada 100 personas estudia el ltimo ao comparte un piso con otros
compaeros y tambin 30 de cada cien estudiantes de los cursos anteriores. C es el suceso
compartir piso y U el suceso estar en el ltimo ao. Cogemos al azar un estudiantes y
resulta ser de ltimo ao, la probabilidad de que comparta un piso es:
a) Una probabilidad inicial P(C)
b) Una probabilidad final P(C/U)
c) Una verosimilitud P(U/C)
d) Una probabilidad conjunta P(U C)
Qu quiere decir la expresin la probabilidad condicional de A dado B es 1/4?
a) En la cuarta parte de los experimentos obtenemos A y B simultneamente.
b) A ocurre la cuarta parte de las veces en que ocurre B
c) B ocurre la cuarta parte de las veces en que ocurre A
d) A o B ocurren la cuarta parte de las veces
Sea A el suceso Pedro instala una alarma antirrobo en su casa. Sea B el suceso La casa
de Pedro es robada antes de fin de ao. Sea A y B las negaciones de A y B respectivamente.
Cul de las siguientes afirmaciones es correcta?
= P(A)
a) P(A/B) + P(A/B)
b) P(A B) > P(A)
c) P(A/B) = P(A)P(B)
d) P(A/B) = P(A B)/P(A)
Sea A el suceso Pedro instala una alarma antirrobo en su casa. Sea B el suceso La casa de
Pedro es robada antes de fin de ao. Sean A y B las negaciones de A y B respectivamente.
Cul de las siguientes afirmaciones es incorrecta?

44

2.25

2.26

2.27

2.28

2.29

2.30

2.31

2.32

Captulo 1. Probabilidad
a) P(A/B) 1
= P(A)
b) P(A/B) + P(A/B)

c) P(A/A) = 1
d) P(A/B) = P(A B)/P(A)
Cul es el espacio muestral de una probabilidad condicionada P(A/B)?
a) El mismo que el de la probabilidad simple
b) El suceso condicionante
c) El suceso condicionado
d) La interseccin de los dos sucesos
En cul de las siguientes predicciones tendrs mayor seguridad o confianza?
a) Una persona adicta a la herona tambin fuma marihuana
b) Una persona que fuma marihuana es tambin adicta a la herona
c Los dos sucesos son iguales de probables
Supn que Carlos Ferrero alcanza la final de Roland Garros en 2004. Cul de los
siguientes sucesos consideras ms probable?
a) Carlos Ferrero pierde el primer set
b) Carlos Ferrero pierde el primer set pero ganan el partido
c) Los dos sucesos son iguales de probables
Cul de los siguientes sucesos consideras ms probable?
a) Aznar mandar ms tropas a Irak y aumentar el presupuesto de becas
b) Aznar aumentar el presupuesto de becas
c) Los dos sucesos son igual de probables
Se extrae una carta al azar de una baraja americana: sea A el suceso se extrae un trbol y
B el suceso se extrae una reina Los sucesos A y B son independientes?
a) Si, en todos los casos.
b) No son independientes porque en la baraja hay una reina de trboles.
c) Slo si sacamos primero una carta para ver si es reina y se vuelve a colocar en la
baraja y luego sacamos una segunda carta y para mirar si es trbol.
d) No, porque P(reina de trbol)= P(reina) P(trbol)
Qu quiere decir el trmino mutuamente excluyentes cundo se usa en referencia a la
probabilidad?
a) La ocurrencia de un suceso no afecta la ocurrencia del otro suceso
b) La probabilidad de la interseccin es el producto de las probabilidades simples
c) Si un suceso ocurre, el otro no puede ocurrir
d) A y B son correctas
Una urna contiene dos bolas blancas y dos bolas negras. Extraemos a ciegas dos bolas de
la urna, una detrs de otra, sin reemplazamiento. Cul de probabilidad de extraer una
bola negra en segundo lugar, habiendo extrado una bola negra en primer lugar? P(N2 /N1 ).
a) 1/3
b) 1/2
c) 1/6
d) 1/4
La probabilidad de que mujer de 40 aos tenga una mamografa positiva es el 10.3 %.
La probabilidad de que una mujer de 40 aos tenga cncer de pecho y una mamografra
positiva es de 0.8 %. Una mujer de 40 aos se realiza una mamografa y resulta positiva.
Cul es la probabilidad de que realmente tenga cncer?
0, 8
a)
= 0.0776
10.3
b) (10.3 ) (0.8)=8.24
c) 0.8 %

1.6 Ejercicios propuestos

45

2.33 103 de cada 1,000 mujeres de 40 aos tienen una mamografa positiva. 8 de cada 1,000
mujeres de 40 aos tienen cncer de pecho y obtiene una mamografa positiva. En una
muestra representativa de mujeres de 40 aos que se realizan una mamografa y resulta
positiva. Cuntas de ellas esperar que realmente tengan cncer?
a) 7.7 de cada 100
b) 8.24 de cada 100
c) 0.8 de cada 100
2.34 Una urna contiene dos bolas blancas y dos bolas negras. Extraemos a ciegas dos bolas de
la urna, una detrs de otra, sin reemplazamiento. Cul es la probabilidad de extraer una
bola negra en primer lugar, sabiendo que hemos extrado una bola negra en segundo lugar?
a) 1/3
b) No se puede calcular
c) 1/6
d) 1/2
2.35 Una caja tiene cuatro focos, de los cuales dos son defectuosos. Se sacan dos al azar, uno
tras otro sin reemplazamiento. Si el segundo foco es defectuoso, qu es lo ms probable?
a) que el primero sea defectuoso
b) que el primero no sea defectuoso
c) los dos sucesos son iguales de probables
d) No se puede saber
2.36 En una urna hay tres tarjetas: una es azul por ambos lados, otra es roja por ambos lados y la
ltima es por un lado azul y por otro roja. Seleccionamos una tarjeta al azar y la ponemos
sobre la mesa tal y como la sacamos de la urna. La cara que vemos es roja, cul es la
probabilidad de que la otra cara sea roja tambin?
a) 2/3
b) 1/2
c) 3/4
d) (1/3) (1/2)
2.37 Un taxi se vio implicado en un accidente nocturno con choque y huida posterior. Hay
dos compaas de taxis en la ciudad, la verde y la azul. El 85 % de los taxis de la ciudad
son verde y el 15 % azul. Un testigo identific el taxi como azul. El tribunal comprob la
fiabilidad del testigo bajo las mismas circunstancias que haba la noche del accidente y
lleg a la conclusin de que el testigo identificaba correctamente cada uno de los colores
en el 80 % de las ocasiones y fallaba en el 20 %. Cul es la probabilidad de que el taxi
implicado en el accidente fuera en efecto azul?
a) 80 %
b) 48 %
c) 15 %
d) (15/100)(80/100)

Los siguientes ejercicios pretenden el desarrollo de las competencia resolver correctamente problemas que requieran la estadstica y comunicar efectivamente
conocimiento estadstico.
2.38 En la Universidad Catlica de Colombia se present en el auditorio principal con capacidad
para novecientas personas la conferencia titulada Cmo hacer investigacin en Colombia.
Hubo cupo lleno y adicionalmente se sentaron cien personas en los escalones de los pasillos.
Los convocados a la conferencia fueron los estudiantes de los programas de ingeniera
industrial, civil y electrnica de esta Universidad. Entre los asistentes se encuestaron al

Captulo 1. Probabilidad

46

azar a trescientos cincuenta estudiantes. La muestra seleccionada fue clasificada segn


carrera y gnero y los resultados se presentan en la Figura 1.34.

IE

IC

II

Figura 1.34: Clasificacin de la muestra por carrera y sexo. IC es ingeniera civil, IE es ingeniera
electrnica, II es ingeniera industrial, M es mujer y H es hombre.
El prximo mes en esta misma Universidad se llevar a cabo la I Jornada de Investigacin
Orientada a Problemas de Ingeniera. Los organizadores del evento por experiencia con
las facultades de ingeniera suponen que el gnero, la carrera o el nmero de titulaciones
determinan las preferencias de la conferencia, es decir, entre el grupo estudiantes hombres
de ingeniera de una sola titulacin, las preferencias son diferentes en cada una de las tres
carreras de ingeniera, similarmente ocurre entre las mujeres de una sola titulacin. Las
preferencias de los estudiantes de dos o ms titulaciones de ingeniera no se ven afectadas
por el gnero, pero los estudiantes de dos y tres titulaciones no coinciden en preferencias.
Por ejemplo, los estudiantes con doble titulacin de ingeniera industrial y electrnica
tienen diferente preferencia a los que tienen como doble titulacin ingeniera industrial y
civil. En nmero de asistentes a la Jornada de investigacin se supone aproximado a los
que se presentaron a la conferencia.

1.6 Ejercicios propuestos

47

Los organizadores suponen que la informacin de la muestra refleja las caractersticas


de los asistentes a la conferencia Cmo hacer investigacin en Colombia y que reflejar
la asistencia por preferencias a la I Jornada de Investigacin Orientada a Problemas de
Ingeniera. Los organizadores estimarn el nmero de asistentes por conferencias apartir
de todas las preferencias de los asistentes al evento a partir de la muestra tomada. Por cada
nmero de asistentes estimados por preferencias considerarn diez cupos adicionales.
Como estmulo a la investigacin, al cincuenta por ciento de los estudiantes asistentes de
ingeniera de doble titulacin o estudiantes mujeres de ingeniera industrial se les entregar
quinientos mil pesos para viajes nacionales con objetivos de investigacin. Adems al
cuarenta por ciento de los estudiantes que no sean de doble titulacin ni mujeres se les
ofrecern setecientos cincuenta mil pesos para participaciones en congresos nacionales.
Cuntos auditorios se deben reservar para la I Jornada de Investigacin?, Cul debe ser
la capacidad mnima de los auditorios?, cunto deben estimar en dinero para cumplir con
el apoyo a estudiantes para investigacin considerando la proyeccin de la muestra sin los
diez cupos adcionales?
2.39 Los empleados de la empresa Perna tendrn una jornada de integracin el ltimo da
del mes de mayo. Se realizarn competencias entre equipos que sern uniformados con
camisetas distintivas por equipo. Son ochenta y cinco empleados incluyendo el organizador
de la jornada. El organizador de la jornada es fantico del ftbol y a puertas de inicio del
mundial quiere ver solamente los colores de la bandera colombiana en las camisetas de los
diferentes equipos. El patrocinar las camisetas con las siguientes condiciones: solamente
l puede usar la camiseta de listas horizontales con todos los colores y en el orden de la
bandera colombiana, l no har parte de ningn equipo, las dems camisetas pueden ser
de a lo sumo tres franjas horizontales sin franjas de colores repetidos. Las camisetas se
confeccionarn en la distribuidora La Caleita. sta distribuidora no cobra diseo por
camisetas de un solo color y por cada diseo cobra cuarenta mil pesos. Cada camiseta
de un solo color tiene un precio de veinte mil pesos y por cada color adicional se debe
pagar diez mil pesos. Cunto invertir el fantico del ftbol en sta actividad si todos
los empleados deben estar en un equipo, la asistencia es obligatoria y se deben disear el
nmero mximo de camisetas?
2.40 En el 2014 el parque automotor de tres pases A, B, C es respectivamente de cuatro millones
doscientos mil, veinte mil y mil trescientos sin incluir motocicletas. Con el ritmo de ventas
proyectado, el anlisis de BDA Research informa que en los pases se va incrementar su
parque automotor entre 2015 y 2022, a una tasa promedio anual de quince por ciento. Las
placas de los autos se forman con tres letras, entre las veintisis del alfabeto y tres dgitos,
del cero al nueve. Las reglas asignadas para la generacin de placas en los tres pases
coinciden en no repetir ni letras ni nmeros. Adicionalmente en el pas B, la primera letra
es B y el ltimo nmero es cero, en el pas C, las dos primeras letras son C y D. Se deben
cambiar las reglas de asignacin de placas en los tres pases en los prximos ocho aos?
2.41 El instituto de investigacin Xia tiene dentro de su planta de personal ocho bilogos,
tres ingenieros civiles, diez ingenieros industriales y cuatro ingenieros de sistemas, de
los ingenieros de sistemas, uno tiene experiencia en manejo de proyectos. El Xia debe
determinar ocho responsables para ejecutar un nuevo proyecto entre los profesionales
antes mencionados. Se designan a cuatro miembros de la oficina de investigacin, Nathaly, Marcio, Andrs y Carlos para que cada uno de ellos proponga la seleccin de los
responsables del proyecto.
a) Marcio ignora las caractersticas o experiencias que deben tener los elegibles, cun-

Captulo 1. Probabilidad

48

tas opciones diferentes de responsables puede proponer Marcio?


b) Nathaly piensa que por las caractersticas del nuevo proyecto, debe seleccionar un
bilogo, un ingeniero civil, tres ingenieros industriales y tres ingenieros de sistemas,
entre cuntas opciones debe elegir Nathaly para entregar una sola propuesta de
responsables del proyecto?
c) Andrs ha conversado con Nathaly y est de acuerdo con su razonamiento, sin
embargo considera que uno de los responsables del proyecto debe ser quien haya
tenido experiencia manejando proyectos, cuntas opciones ms que Andrs debe
descartar Nathaly para cumplir con lo solicitado?
d) Carlos considera que en el proyecto debe estar liderado por al menos dos ingenieros
civiles y el ingeniero con experiencia en proyectos, entre cuntas posibilidades debe
elegir Carlos?
e) Qu porcentaje aproximado de las veces que se seleccionen los responsables del
proyecto al azar estarn a cargo un bilogo, un ingeniero civil, tres ingenieros
industriales y tres ingenieros de sistemas?
f) Si se seleccionan al azar quinientos grupos de responsables para el proyecto, aproximadamente cuntos estn conformados por un bilogo, un ingeniero civil, tres
ingenieros industriales y tres ingenieros de sistemas con un experto en proyectos?
g) Si se seleccionan al azar veinte grupos de responsables y se te dice que dos grupos
de los veinte estn conformados por un bilogo, un ingeniero civil, tres ingenieros
industriales y tres ingenieros de sistemas, aceptaras la respuesta como vlida?
2.42 Juan Pablo trabaja para la empresa de Consultora del Valle y regularmente viaja para
asesorar clientes de la empresa. El ao pasado viaj a la regin R conformada por las
ciudades A, B, C, D y veinte pueblos vecinos a las ciudades antes mencionadas como
aparecen en la Figura 1.35. Las ciudades de la regin R estn comunicadas por un sistema
de carreteras de doble sentido, cada carretera entre cada par de las ciudades mencionadas.
Por ejemplo, la ciudad C tiene tres pueblos vecinos, uno sobre cada una de las carreteras
C4 , C5 y C10 . Juan Pablo ha viajado a la regin tres veces para asesorar clientes en las
ciudades A y D y cada vez se ha alojado en un hotel de la ciudad A.

C6

C1

C7

C2
C8

C3

C9
C4
C5

C10

Figura 1.35: Sistema de carreteras de la regin R


a) En el primer viaje a la regin R, Juan Pablo viaj diariamente de la ciudad A a D
durante treinta das sin incluir sbados y domingos. De ida viaj en la maana por
tierra y de regreso en la tarde por aire. Para conocer la regin R, Juan Pablo decidi
realizar rutas de viaje completamente diferentes cada maana, es decir, que si un
da viajaba por la ruta C1C7 , el otro da viajaba por la ruta C1C8 o C2C7 o mejor an
C2C9 . Crees que Juan Pablo pudo viajar todos los das cumpliendo la restriccin?

1.6 Ejercicios propuestos

49

b) En su segundo viaje Juan Pablo se traslado por tierra tanto de ida como de regreso
entre A y D. Durante su estada pudo ir y regresar entre las dos ciudades con todas
las rutas posibles durante sus das de trabajo, sin repetir rutas ya utilizadas. Si un da
viaja por la ruta C1C7C9C2 (C1C7 de ida y C9C2 de regreso), otro da podra utilizar
de ida la ruta C1C7 , pero no usar de regreso la ruta C9C2 , en su lugar podra usar, por
ejemplo, la ruta C9C3 . Cuntos das estuvo en la regin?
c) En su tercer viaje conoci a un habitante de la regin en el vuelo en el que llegaba a la
regin, quien le inform que en los pueblos vecinos a la ciudad B venden las mejores
tortas en esa epoca del ao en un negocio de cadena llamada Delicias. Durante
doscientos das desde el primero de Julio programan la venta de tortas especiales en
cada pueblo, fecha que coincide con el primer da laboral de la tercera estada de
Juan Pablo. En cada pueblo se ofrece la misma torta especial durante el perido de
tiempo mencionado y en ningn otro pueblo venden la misma torta.
i) Juan Pablo decidi comprar dos tortas especiales diariamente, una en la maana
y otra en la tarde sin repetir el tipo de torta especial. Cuntas parejas diferentes
de tortas puede comprar?
ii) De cuntas maneras puede viajar Juan Pablo de tal manera que pueda comprar
cuatro tortas diferentes en un da? Cules deben ser las restricciones de viaje
de ida y regreso entre A y D, si Juan Pablo consume cuatro tortas diferentes
diariamente y en el tiempo de estada en la regin no repite la compra de las
mismas cuatro tortas especiales?, cuntos das lo puede hacer?
iii) Qu porcentaje aproximado de los das Juan Pablo podra comprar una torta
especial en la maana de camino al trabajo si la ruta de viaje es aleatoria?
iv) Cuntos das aproximadamente de ciento cincuenta das laborales podra comprar al menos una torta especial si la ruta completa para ir y regresar de su
trabajo es seleccionada al azar?
v) Cuntos das aproximadamente de ciento cincuenta das laborales podra comprar tortas especiales tanto de ida como de regreso si la ruta completa para ir y
regresar de su trabajo es seleccionada al azar?
2.43 Diariamente llegan al Puerto de Buena Fortuna cuatro buques de Ecuador, seis buques de
Mxico y cinco buques de Chile. Cada buque de cada nacionalidad con el mismo calado.
La capitana considera que no se debe recibir buques de ms de dos nacionalidades, puesto
que el Puerto solamente tiene capacidad para atender diez buques y no se atienden menos
de diez buques. Los buques que no reciben en Buena Fortuna son atendidos en Mala
Fortuna que tiene capacidad para cinco buques. Siempre los buques escogen como primera
opcin a Buena Fortuna.
a) El Director del Puerto le ha solicitado a su sobrino que estudia ingeniera industrial
que determine el nmero de das que se atenderan los buques de forma diferente en
el Puerto Buena Fortuna.
b) El sobrino del Director not que algunas veces Mala Fortuna recibe buques de una
sola nacionalidad y consider que la proporcin de veces es pequea, ests de
acuerdo con eso?
2.44 Los ltimos meses algunos oficinistas de la empresa DEMIA se han quejado de dos de
las cinco empleadas del aseo de la empresa, ambas empleadas sindicalizadas y por tanto
dificil que se pueda cancelar su contrato laboral. Cada empleada es responsable del aseo
de un piso de las instalaciones de la empresa por da.La asignacin cambia por da y los
cinco pisos son atendidos.
a) El gerente de la empresa para mantener la armonia ha decidido rotar a las empleadas del aseo diariamente, cuntos das deben pasar para que se repita la misma

50

Captulo 1. Probabilidad

distribucin de empleadas en los diferentes pisos de las instalaciones?


b) Como en el cuarto y quinto piso estn las oficinas de gerencia y subgerencia, el
gerente ha decidido no emplear en esos pisos a las dos empleadas con problemas
de quejas, cul sera el nmero de asignaciones diferentes que se pueden hacer en
estos pisos en el mismo da?
c) Qu porcentaje aproximado de semanas el piso del gerente tiene asignada la misma
aseadora si est se ha realizado de manera aleatoria?
2.45 Jorge quiere invitar a jugar a sus primos y tas HiperDomin a las siete de la noche del
sbado. El juego tiene las reglas del domin y en cada ficha hay dos pintas, la diferencia
consiste en que mientras en el domin las pintas van de 0 a 6, en HiperDomin van de 0
a 10. Jorge tiene cuarenta y cuatro fichas del juego y l sabe que faltan fichas. No puede
comprar uno nuevo, pues fue un regalo e invento de su padre. l quiere hacer las fichas
que falten en madera, pero demora aproximadamente treinta y cinco minutos por cada
ficha y solamente desde las dos de la tarde del sbado puede empezar a construir las fichas
que faltan.
a) Debe cambiar la hora de la invitacin?
b) Qu porcenteje aproximado de las veces que se selecciona una ficha de HiperDomin al azar tiene al menos un nmero par entre sus pintas?
2.46 Un examen fue resuelto por tres mil ingenieros, quinientos obtuvieron excelente, mil
quinientos obtuvieron bueno, y los dems ingenieros obtuvieron deficiente. Dos ingenieros
amigos despus del examen se encuentran casualmente y se dieron cuenta que tenan la
misma nota, qu situacin tiene ms grado de certidumbre que sean deficientes o que
sean buenos?
2.47 La asociacin de compaas de seguros para automviles clasifica a sus asegurados en
cuatro grupos de edad en la ciudad de Cali. Las Tablas 1.7 y 1.8 recoge la proporcin
de asegurados, la proporcin de personas que tienen un accidente siendo conductor en la
ciudad y la cantidad de mujeres y hombres con automviles. Todas las anteriores dentro
de cada grupo de edad y gnero.
Tabla 1.7: Proporcin de asegurados y accidentados por grupo de edad y gnero en la ciudad de
Cali.
Proporcin de asegurados Probabilidad de accidente
Grupo de edad
Hombre
Mujer
Hombre
Mujer
[18-25)
0.01
0.07
0.040
0.030
[25-45)
0.12
0.2
0.020
0.020
[45-60)
0.12
0.12
0.005
0.015
[60-80]
0.04
0.05
0.030
0.020

Tabla 1.8: Cantidad de personas con automviles por grupo de edad y gnero en la ciudad de
Cali.
Cantidad de personas con automviles en Cali
Hombre
Mujer
[18-25) 100,000
80,000
[25-45) 200,000
225,000
[45-60) 300,000
305,000
[60-80 ] 400,000
390,000
Con la modificacin del TLC, la venta de automviles se ha incrementado en Colom-

1.6 Ejercicios propuestos

51

bia durante los ltimos aos. En Cali dos millones de personas tienen automvil. Las
aseguradoras en promedio gastan por accidente diez millones de pesos por asegurado.
a) Aproximadamente cuntos de los caleos con automviles con edades iguales o
superiores a cuarenta y cinco aos podran sufrir un accidente automovilstico?
b) Qu porcentaje aproximado de los accidentados son menores de veinticinco aos?,
cuntos aproximadamente?
c) Cul sera estimacin en gastos de las aseguradoras por los accidentes?
2.48 En poca de crisis econmicas las empresas en busca de minimizar los costos de personal
se ven obligadas a despedir parte de su planta de personal. Un estudio realizado por
la empresa de consultora Consultores de Empresas recogi informacin de doscientos
empleados de empresas que estuvieron o estn en crisis y que han despedido empleados
por ese motivo. Los encuestados en este estudio respondieron acerca de si recibieron otro
empleo dentro de la empresa, si encontraron un empleo en otra empresa en la misma rea,
si encontraron trabajo en una nueva rea o si llevan desempleados ms de un ao. Adems
se registr si eran empleados sindicalizados. La informacin se encuentra en la Tabla 1.9.
Tabla 1.9: Informacin de empleados entrevistados.
Estado laboral
Sigue en la misma compaa en la misma rea
Est en otra compaa misma rea
Est en la misma compaa en nueva rea
Est desempleado

Sindicalizado
80
26
8
4

No sindicalizado
30
20
22
10

a) Qu porcentaje aproximado de los que encontraron trabajo en una nueva rea eran
sindicalizados?
b) Si se seleccionan al azar cien de los entrevistados, qu porcentaje aproximado estan
sindicalizados?
c) Si se seleccionaran cien veces tres entrevistados de los doscientos, en cuntos de
estos grupos, uno de los entrevistados estaba sindicalizado?
d) El porcentaje aproximado de los que mantienen el empleo es mayor cuando se est
sindicalizado?
2.49 La empresa Consultora Industrial ofrece entre algunos servicios asesora jurdica, asesora
en marketing y asesoras contables a las compaas de la regin. De los diez mil servicios
prestados durante los ltimos cinco aos, el doce por ciento se prest el servicio de asesora
jurdica, el siete por ciento asesora en marketing, el cinco por ciento en asesoras contables.
Adems el trece por ciento se prest el servicio de asesora jurdica o al servicio de asesora
en marketing, el catorce por ciento en asesora jurdica o asesora contable, el diez por
ciento en asesoras en marketing o asesora contable. Finalmente se estableci que las
tres asesoras se prestaron el uno por ciento de las veces. Qu proporcin de las veces la
empresa Consultora Industrial prest servicios diferentes a los mencionados?
2.50 En Cartago hay dos servicios de ambulancias, cuando se presenta un accidente ambas
son notificadas y el noventa y seis por ciento de las veces cada uno de los servicios
tienen disponibilidad de una ambulancia. Como no hay comunicacin entre ellas, ambas
pretenden atender el siniestro que se presente. Habr disponibilidad en Cartago de
ambulancia todas las veces que se presente un accidente?
2.51 La Industria Vehaba S.A produce perfiles para ventanas. Para una ventana estndar se usan
perfiles de aluminio de ciento cincuenta centmetros de longitud. El sesenta por ciento de
los perfiles producidos cumplen con la longitud especificada, el treinta por ciento tienen

52

Captulo 1. Probabilidad

mayor longitud y son reprocesados y como resultado de este reprocesamiento el ochenta


por ciento de estos cumplen con la especificacin y el veinte por ciento no la cumple.
El diez por ciento de la produccin original descartados con el veinte por ciento que no
cumplen en el reproceso se reprocesa de nuevo para perfiles de ciento veinte centmetros.
De los perfiles descartados inicialmente se recupera el treinta por ciento para perfiles
de ciento veinte centmetros y de los descartados del reprocesamiento se recupera en
cincuenta por ciento.
a) Qu porcentaje aproximado de los perfiles son enviados para produccin de perfiles
de ciento veinte centimetros?
b) Qu porcentaje aproximado de los perfiles que fueron enviados a produccin deperfiles de ciento veinte centimetros fueron reprocesados?
c) El costo de un perfil original es de diez mil pesos, el costo del perfil reprocesando
una vez es de quince mil pesos y el costo de reprocesar un perfil por segunda vez es
de veinte mil pesos, cul es el costo en que incurre la industria si se producen ocho
cientos perfiles que incluyen los perfiles de ciento cincuenta centimetros, de ciento
veinte centimetros y defectuosos?
2.52 En La Argentina en 1999 se anunciaba una nueva poltica econmica para introducir
restricciones al retiro de depsitos bancarios. La medida dictaba que la persona que
ahorrara solamente poda retirar doscientos cincuenta pesos cada semana durante noventa
das, aunque se podan hacer pagos con cheques. En un estudio realizado ese mismo ao
por el Servicio Nacional de Estadstica se encontr que en la ciudad de Buenos Aires los
grupos de ingresos bajos, medios y altos constituan el veinte por ciento, el cincuenta y
cinco por ciento y el veinticinco por ciento respectivamente. Adems, del grupo de bajos
ingresos, el ochenta por ciento se opona a la nueva poltica econmica, al igual que el
treinta por ciento del grupo de ingresos medios y el diez por ciento de ingresos altos.
a) Qu porcentaje aproximado de los bonaerenses estn a favor de la nueva poltica
econmica y tienen ingresos altos o son de bajos ingresos y no estn de acuerdo con
la nueva poltica econmica?
b) Qu porcentaje aproximado de los que no estn de acuerdo con la poltica tiene
ingresos altos?
c) Qu porcentaje aproximado de los bonaerenses estn de acuerdo con la nueva
poltica?
d) Qu porcentaje aproximado de los que no tienen ingresos bajos estn en contra de
la nueva poltica?
2.53 El DANE define Habitante DE la calle: es la persona de cualquier edad que, generalmente,
ha roto en forma definitiva los vnculos con su familia y hace de la calle su espacio
permanente de vida y Habitante EN la calle: es el menor de 18 aos de edad que hace de la
calle el escenario propio para su supervivencia y la de su familia, el cual alterna con la casa,
la escuela y el trabajo en la calle y que durante el operativo de campo, por observacin,
se vio pidiendo o mendigando, vendiendo o ejerciendo la prostitucin en los principales
corredores econmicos de Santiago de Cali. Es importante resaltar que el habitante en
la calle cuenta con un lugar a donde llegar: la casa de su familia, la habitacin de una
residencia o un pequeo hotel. El Departamento Administrativo Nacional de Estadstica
DANE en el Censo Sectorial en Santiago de Cali en el ao 2005 reporta las estadsticas
respecto a los habitantes De la calle y En la calle en la Tabla 1.10 y Tabla 1.11.
a) Qu porcentaje apoximadom de menores ambulantes
i. tienen un sitio dnde dormir?
ii. son hombres analfabetas?
b) Qu porcentaje aproximado de las mujeres ambulantes no tienen un lugar para

1.6 Ejercicios propuestos

53

dormir?
c) Hay independencia entre el analfabetismo y el gnero?
Tabla 1.10: Informacin Cesnso Sectorial en Santiago de Cali 2005.
Sexo
Hombre
Mujer
Total

Habitantes
de la calle
1,427
200
1,627

Habitantes
en la calle
909
415
1,324

Total
2,336
615
2,951

Tabla 1.11: Informacin Cesnso Sectorial en Santiago de Cali 2005.


Sexo
Hombre
Mujer
Total

Analfabetas
438
167
605

No analfabe- Total
tas
1,898 2,336
448
615
2,346 2,951

2.54 La produccin de ochocientos cincuenta piezas manufacturadas contiene ciento setenta


piezas que no cumplen con los requerimientos del cliente. Se seleccionan al azar del
lote una por una pieza hasta completar cuatro piezas y el inters se centra en encontrar
dos piezas defectuosas dentro de las seleccionadas. Qu situacin tiene mayor grado de
incertidumbre, cuando se regresan las piezas seleccionadas al lote o cuando no se regresan
las piezas seleccionadas al lote?
2.55 De acuerdo con los registros de notas finales de un curso de estadstica de dos mil
estudiantes de ingeniera tomados en los dos ltimos aos en la Universidad de Barcelona,
el curso lo aprob el setenta por ciento de los estudiantes matriculados. La nota final de
cada estudiante se determin con exmenes individuales. Si se seleccionan al azar un
nmero grande de veces diez estudiantes de los que hicieron el curso de estadstica, cul
es el porcentaje aproximado de los grupos con aprobados entre cinco y siete estudiantes?
2.56 La Corporacin de Innovacin del Caribe somete dos contratos semanales a la Corporacin
de Emprendedores del Valle para el desarrollo de la regin. De acuerdo con los registros
de contratos realizados entre las dos corporaciones se sabe que el sesenta por ciento de las
veces la Corporacin de Innovacin del Caribe se gan el primer contrato presentado y
el setenta por ciento de las veces que gan el primer contrato tambin gan el segundo
contrato que se present y el diez por ciento de las veces que no gan el primer contrato
gan el segundo.
a) Qu porcentaje aproximado de las veces que la Corporacin de Innovacin del
Caribe en que gan el segundo contrato tambin gan el primer contrato?
b) i) En los ltimos diez aos, con cuarenta y cuatro semanas laborales por ao se han
negociado dos contratos semanales. Aproximadamente cuntas de las semanas
en que la Corporacin de Innovacin del Caribe se gan el segundo contrato, no
se gan el primer contrato?
ii) Alrededor de cuntas de las semanas la Corporacin de Innovacin del Caribe
gan ambos contratos?
2.57 En una planta de electrnica, se conoce por experiencia que el ochenta y cuatro por
ciento de los trabajadores que asisten al programa de capacitacin cumplen con su cuota de
produccin, el cuarenta y nueve por ciento de los trabajadores que no asisten a capacitacin
cumplen con la cuota de produccin. Si el setenta por ciento de todos los trabajadores
de nuevo ingreso asisten al programa de capacitacin, cul es la probabilidad de que un
nuevo trabajador que no cumple con la cuota de produccin haya asistido al programa de

Captulo 1. Probabilidad

54

capacitacin?
2.58 Segn los registros meteorolgicos de los ltimos aos en el mes de Noviembre en
Lovaina, Blgica, llueve el cincuenta por ciento de las veces, cae nieve el treinta por ciento
de las veces, esta soleado un veinte por ciento de las veces. Segn los registros de las
aseguradoras de la ciudad en mencin el veinte por ciento de las veces que llueve ocurre
accidente, el diez por ciento de las veces que cae nieve ocurre un accidente, el cinco por
ciento de los das soleados ocurre un accidente. El quince de Noviembre el alcalde de
la ciudad viaj a Bruselas en donde permaneci por quince das y se le inform que el
diecisiete de Noviembre hubo un accidente grave que dej ms de veinte heridos, cul es
la probabilidad de que haya llovido?
2.59 De acuerdo con el registro de doscientos operaciones de corazn abierto en la Clnica Vida
se conoce que el ochenta por ciento de los pacientes se recuperaron satisfactoriamente el
mismo da de la operacin. En los prximos doscientos das ingresaran diariamente cinco
pacientes para operaciones de corazn abierto, qu porcentaje aproximado de esos das
se recuperan satisfactoriamente el sesenta por ciento de los pacientes que son operados
diariamente?

2.60

a)
b)

c)

2.61
a)
b)
c)
d)
2.62

Los siguientes ejercicios pretenden el desarrollo de las competencia manejar


herramientas computacionales para el manejo del conocimiento estadstico.
En Datos01C2.txt se encuentran los resultados de estadsticas mdicas: V1:fumador,V2:Ha
viajado a Asia,V3:Cncer de pulmn,V4:Bronquitis,V5:Tuberculosis,V6:Auscultacin
torcica normal,V7:Dolor en el pecho,V8:Rayos X normales,V9:Edad. Todos los campos,
excepto el ltimo, estn codificados mediante 1 si la respuesta es NO y 2 si la respuesta es
SI.
Calcular usando el enfoque frecuentista y el paquete de software R:
El valor aproximado de la probabilidad de padecer cncer de pulmn si se toma un
individuo de la franja de edad de 40 a 70 aos.
La aproximacin para esa misma franja de edad:
i) La probabilidad de padecer cncer de pulmn teniendo en cuenta que el paciente es
fumador.
ii) La probabilidad de padecer cncer de pulmn cuando se conoce que es fumador y siente
dolor en el pecho.
iii) La probabilidad de padecer cncer de pulmn en el grupo de pacientes que NO fuman
y NO sienten dolor en el pecho.
iv) La probabilidad de padecer cncer de pulmn en el grupo de pacientes que han visitado
Asia.
Son los siguientes sucesos dependientes o independientes?
i) Haber visitado Asia y padecer tuberculosis.
ii) Fumar y haber visitado Asia.
iii) Fumar y padecer cncer de pulmn.
Computacionalmente:
Simular 12 lanzamientos de un dado balanceado, almacenando los resultados de los
lanzamientos en la columna 1 (00 dado_1)
Repetir el apartado anterior almacenando los resultados en las columna 2 (00 dado_200 ) y
(00 dado_300 ).
Dibujar diagramas de barras de los datos de las tres columnas.
Calcular las frecuencias relativas de los 6 sucesos posibles.Son estas frecuencias relativas
iguales a 1/6? Qu concluye?
Usando el paquete de software R:

1.6 Ejercicios propuestos

55

a) Simular 1,200 lanzamientos de un dado balanceado,almacenando los resultados de los


lanzamientos en la columna (00 dado_400 ).
b) Repetir el apartado anterior almacenado los resultados en las columnas (00 dado_500 ) y
(00 dado_600 ).
c) Dibujar diagramas de barras de los datos de las dos columnas.
d) Calcular las frecuencias relativas de los 6 sucesos posibles. Son estas frecuencias relativas
iguales a 1/6?
e) Explicar diferencias entre los resultados de los ejercicios 2.24 y 2.25.
2.63 La concepcin frecuentista interpreta que la probabilidad de un suceso se aproxima
a la frecuencia relativa de dicho suceso cuando el nmero de veces que se repite el
experimento asociado tiende a infinito. Por ejemplo,que la probabilidad de sacar cara al
tirar una moneda es 0.5 significa que, en una sucesin de tiradas, la frecuencia relativa de
las caras obtenidas se ir aproximando paulatinamente a 0.5 segn mayor es el nmero de
replicas del experimento.
a) Generar un vector que represente la sucesin de tiradas: 10,20,50,100,200,500 y 1,000.
b) Generar otro vector FA con las frecuencias absolutas del numero de caras por cada tirada.
c) Calcular las frecuencias relativas de las caras en cada tirada.
d) Representar la secuencia de frecuencias relativas usando un grfico de dispersin.
e) Aadir la asntota , a la altura del valor terico de la probabilidad P=0.5
2.64 Simular el problema de los dados de Galileo: Un jugador italiano expres su sorpresa a
Galileo, por observar que al jugar con tres dados la suma 10 aparece mas frecuente que la
sum 9. Galileo expone que P(sumen 9)= 25/63 = 0.116 y P(sumen 10)=27/63=0.125
a) Abrir un conjunto de datos de nombre Galileo. Simular el lanzamiento de un dado 1,000
veces. Columna1=dado.1
b) Realizar lo mismo para las columnas (Columna2=dado.2) y (Columna3=dado.3).
c) Establecer en la comuna (Columna4=suma) la suma de los tres dados.
d) Estimar la probabilidad de que la suma de los dados sea 10.
e) Estimar la probabilidad de que la suma de los dados sea 9.
f) Realizar, con otra simulacin los pasos anteriores y comparar los resultados, para suman
10 y suman 9.
g) Comparar los resultados exactos por Galileo
2.65 Un examen de estadstica consta de cinco preguntas que hay que contestar verdadero
(V ) o falso (F). Las personas que contestarn el examen no saben del tema a evaluar y
contestarn al azar las preguntas. Simular la situacin planteada en el problema usando R
para encontrar el valor aproximado de la probabilidad de obtener tres aciertos.
2.66 Simular la situacin del ejercicio 2.22 usando R para aproximar el clculo de la probabilidad que se pide.
2.67 La falacia del fiscal: Suponer que se ha cometido un robo y se encuentra una muestra
de material gentico (como sangre), en la escena del crimen. Esta muestra se compara
con los datos disponibles en 20,000 casos de los registros policiales y se encuentra una
coincidencia entre el ADN de la muestra y el de la persona A, cuyos datos figuran en los
registros. Adems que la probabilidad de encontrar una persona al azar con este tipo de
ADN es solo 1 entre 10,000. Se puede considerar que la persona A es la culpable del
robo?
Referencia:
(1) Attoresi, H. F., Gracia, A. M. y Pralong, H. O. (2011). Cambio de opciones:Su efecto
en el problema de la falacia de la conjucin. Memorias III Congreso Internacional de
Investigacin y Prctica Profesional en Psicologa. Buenos Aires.
(2) Batanero, M. C. (2007). Razonamiento Probabilstico en la Vida Cotidiana: un desafo

56

Captulo 1. Probabilidad

educativo. Espaa: Universidad de Granada.


(3) Batanero, M. C. (2007). Tesis Doctoral: Viabilidad de la Enseanza de la Inferencia
Bayesiana en el Anlisis de Datos en Psicologa. Espaa: Universidad de Granada.
(4) Batanero, C., Contreras, M., Diaz, C. Sesgos en el razonamiento sobre la probabilidad
condicional e implicaciones para la enseanza. Revista digital matemtica, educacin e
internet. vol. 12, N 2, 2012.
(5) Glez, F. Estadstica. Estadstica con R.Departamento de Matemtica Aplicada y Ciencias
de la Computacin. Universidad de Cantabria. http:web.unican.es.

Potrebbero piacerti anche