TEORIA

HERNANDO ELEMENTAL
SANCHEZ
SANTIBAÑEZ
DE
PROBABILIDAD
FENOMENOS EN LA INVESTIGACIÓN

Experimento es toda acción por la cual se obtiene un resultado que se puede

observar y registrar. Para que la acción se considere un experimento, es
necesario que tenga dos o más resultados posibles.
Los resultados posibles del experimento pueden ser valores o características, que
se registran mediante la observación. La observación consiste en medir contar o
enumerar las características de los elementos que componen la población o la
muestra.

El análisis estadístico tiene por objeto la descripción, explicación y predicción

de los resultados objeto de estudio.

Si estamos en posibilidad de conocer y controlar todos los factores que

intervienen en el resultado, entonces, podemos llegar a su conocimiento
absoluto, pero en la generalidad de los casos es imposible porque las variables
que intervienen en los resultados son numerosas y complejas.

Los resultados los podemos clasificar de dos maneras:

a) Deterministas, y b) aleatorios

Los resultados Deterministas con aquellos que pueden explicarse y predecirse

con toda exactitud. Los Aleatorios son los que suponen un mayor o menor grado
de incertidumbre y por tanto, no pueden predecirse con exactitud.

La incertidumbre puede ser de dos tipos:

i) Por ignorancia, y ii) Por aleatoriedad.

La primera supone falta de conocimiento de la materia que se investiga, y la

segunda la incapacidad de controlar todas las variables que intervienen en el
resultado.

Los experimentos que producen resultados de naturaleza aleatorias son objeto

de estudio con el empleo del cálculo de las probabilidades, pero no todos, sólo se
podrá estudiar los experimentos repetitivos, es decir, que pueden realizarse un
numero n de veces en forma similar y cuyos resultados sean variables, es decir,
no necesariamente iguales por la imposibilidad de tener control sobre los
factores que los causan. En otras palabras, sólo podrán ser objeto de estudio los
experimentos repetitivos aleatorios.
Podemos afirmar entonces, que las probabilidades tienen por objeto el estudio de
los sucesos o eventos aleatorios, los resultados que pueden obtenerse y la
medición de la magnitud de la incertidumbre.

Si se hace el experimento de lanzar una moneda y registrar la cara de la moneda

que queda expuesta, los resultados posibles son dos: cara o sello. Si se observa
las próximas dos piezas que salen de un proceso de producción y se registra la
calidad de la pieza como buena (B) o como defectuosa (D), los resultados
posibles serán: BB BD DB BB.
Los anteriores experimentos son ejemplos de experimentos repetitivos que
producen resultados aleatorios. Discuta con sus compañeros y proponga como
resultado de su discusión ejemplos de experimentos repetitivos aleatorios y los
resultados posibles

PROBABILIDAD.

Si se define la palabra “PROBABILIDAD” se puede decir que es la mayor o

menor posibilidad de que un evento ocurra, por ejemplo puede ser la selección
una pieza buena de un lote de 50 donde la mitad son buenas, seleccionar un
estudiante de Estadística que tenga una nota mayor de cuatro, o que un nuevo
proceso de producción tenga éxito.

Cada uno de los ejemplos ilustrado se refiere a una de las tres definiciones de
probabilidad: La primera definición es la probabilidad clásica en la cual la
probabilidad de éxito está determinada por un conocimiento previo de la
composición de la población. La probabilidad de éxito se define como el número
de resultados favorables sobre el total de resultados posibles.

P  Exito  
 CasosFavorables 
 CasosPsibles 

La probabilidad de seleccionar una pieza buena del lote seria de 25/50 o ½ ya

que hay 25 piezas buenas y 50 piezas en el lote. Este resultado se debe
interpretar de la siguiente forma: si se hace el experimento de seleccionar en
forma aleatoria una pieza del lote la probabilidad de que resulte buena es de 0.5
o del 50%.

En el segundo ejemplo no se conocen el número de éxitos, sino hasta que el

experimento se realiza un número n de veces, es decir, que el número de casos
favorables es producto de la observación y no del conocimiento previo. Para
conocer los casos favorables debe hacerse primero el examen de estadística, en
el caso de ejemplo, supongamos que diez estudiantes obtuvieron nota de cuatro o
más y que el examen lo presentaron 106 estudiantes: la probabilidad entonces
estará dada por 10/106. Este tipo de probabilidad se conoce como probabilidad
empírica; que es la que se obtiene después de haber realizado el experimento un
número grande de veces.

En los dos ejemplos anteriores la probabilidad se calculó en forma objetiva, ya

sea con un conocimiento previo de los casos favorables y posibles o después de
realizar el experimento un número de veces y observar los casos favorables. En
el tercer ejemplo, con base en su criterio una persona o grupo de personas
otorga probabilidad a un evento, en este caso, se dice que la probabilidad es
subjetiva; esta probabilidad puede ser diferente entre dos personas que no tengan
el mismo criterio acerca de la ocurrencia de un evento. La probabilidad subjetiva
es de uso especial en la toma de decisiones, en situaciones donde no es posible
hacer un cálculo objetivo de la probabilidad de ocurrencia de un evento.

EVENTO SIMPLES – EVENTO COMPUESTOS – ESPACIO MUESTRAL

En muchos experimentos podemos conocer de antemano cuáles son los

resultados posibles, por ejemplo, al lanzar una moneda; los resultados posibles
son dos: cara o sello; si lanzamos un dado, los resultados posibles son seis: 1, 2,
3, 4, 5, 6. Los resultados posibles de un experimento reciben el nombre de
eventos simples o elementales, esto, porque no se pueden descomponer en
términos de otros más sencillos. Veamos otros ejemplos de experimentos en los
cuales es posible hacer un listado de los resultados posibles:
i- Una maquina produce tornillos de dos referencias A y B. Si de un lote donde
hay igual número de tornillos de cada referencia se selecciona dos en forma
aleatoria y se registra la referencia, los resultados posibles son: AA AB BA
BB. ii- Se observa los próximos tres clientes que llegan a un almacén y se
registra como comprador: (C) y no comprador (K). Los resultados posibles son:
CCC CCK CKC KCC CKK KCK KKC KKK

Evento Simple: Cada uno de los resultados posibles de un experimento se

denomina Evento simple.

Espacio Muestral: El conjunto de resultados posibles de un experimento se

denomina Espacio de eventos o espacio muestral.

Evento equiprobable. Cuando en experimento, los resultados posibles tienen

igual chance de ocurrir, entonces, en el espacio muestral todos los eventos
simples tienen la misma probabilidad de ocurrir, por esta razón se denominan
eventos equiprobables
La probabilidad de un evento equiprobable es igual a uno sobre el numero de
eventos simples que componen el espacio muestral.
Es conveniente aclarar que no en todos los espacios muestrales los eventos son
equiprobables
 1
P  ei  
n

La suma de las probabilidades de los eventos simples que componen el espacio

neutral es igual a la unidad. Sean o no eventos equiprobables.

 P  e   1 .0
i

La probabilidad de un evento ei cualquiera es un valor que esta entre cero y la

unidad.

o  P ei   1

EVENTOS COMPUESTOS:

Son los que están formados por dos o más eventos simples. Estos eventos son
convencionales dependen del interés del investigador y del propósito del estudio.
Ejemplo:

Suponga que usted observa las próximas tres piezas que salen de un proceso de
producción y hace el registro según su calidad de la pieza como: Buena (B) o
defectuosa (F). El listado de los resultados posibles se presenta a continuación:

S:  BBB BBD BDB DBB BDD DBD DDB DDD 

Con los ocho eventos simples que componen el espacio muestral de este
experimento, se pueden formar eventos compuestos. Recuerde que los eventos
compuestos son convencionales.

A: se observa una pieza defectuosa BBD BDB DBB 

B: se observa todas buenas o todas defectuosas BBB DDD 
C: se observa la última defectuosa BBD BDD DBD DDD

La probabilidad de un evento compuesto es igual a la suma de las probabilidades

de los eventos simples que lo componen.

1 1 1 3
P A  P BBD   P BDB   P DBB     
8 8 8 8

1 1 2
P  B   P BBB   P  DDD    
8 8 8

1 1 1 1 4
P  C   P  BBD   P  BDD   P  DBD   P  DDD      
8 8 8 8 8

EJERCICIO

1. Indique usted el Espacio Muestral de los siguientes experimentos

a-. Se toma una muestra de tres estudiantes de su curso y se ordena por sexo
según el orden de selección

b-. En una heladería se venden conos de los siguientes sabores: vainilla,

ariquipe, fresa, pistacho y chocolate. Registrar el pedido según el sabor del
helado, un cliente lleva tres helados de diferentes sabores

c-. El departamento de recursos humanos de una CIA clasifica los trabajadores

así: según el turno en que trabajan: en Diurno o Nocturno; según la categoría: en
Operario, ayudante o aprendiz y según la vinculación: en fijo o por contrato.

d-. A un inversionista le ofrecen cinco acciones: una de $500 otra de $750 otra
de $1255 otra de $600 y otra de $873. El decide comprar dos de las acciones y
registra el costo.

e-. Se observa una familia de tres hijos y se registran según orden de

nacimiento por sexo.

f-. Lanzar una moneda y extraer una carta de una baraja de 52 cartas

g-. Escoger una persona de un grupo de 6 donde 3 son mujeres y se registra el

sexo
Cada uno de los resultados que usted obtuvo en los ejemplos anteriores son
eventos simples equi-probables, es decir, todos tienen la misma probabilidad de
ocurrencia.

Ahora bien, si realizamos el experimento de tirar un dado equilibrado (no

cargado) un número grande de veces, esperamos que cada uno de los resultados
posibles se presente un sexto (1/6) de las veces, por ejemplo, en 36 repeticiones
del experimento se espera que aproximadamente cada evento elemental aparezca
seis veces, o sea, una de cada seis veces.

EL último renglón indican la proporción o frecuencia relativa que se espera

acontezca cada evento (probabilidad clásica). Si no se tiene certeza de la
legalidad de un dado y necesitamos conocer la probabilidad de cada evento (las
caras del dado) es imposible afirmar de antemano si el dado esta cargado o no.
El procedimiento para aceptar o rechazar esta afirmación, consiste en lanzar el
dado un número grande de veces y registrar cada uno de sus resultados, obtener
las frecuencias absolutas de cada evento y por último, calcular las frecuencias
relativas. Supongamos que al lanzar un dado 144 veces se obtuvieron los
siguientes resultados:
Los resultados del experimento se presentan en la siguiente tabla, la primera
columna muestra los puntos obtenidos al lanzar el dado, la segunda, el numero
de veces que se presento cada uno de los resultados, la tercera, la frecuencia
relativa de los resultados observados después de haber realizado el experimento
144 veces y la ultima las frecuencias relativas esperadas con base en los
resultados posibles del experimento.

Si comparamos las frecuencias reales con las frecuencias esperadas. Dudamos

verdaderamente de la legalidad del dado, ya que el evento seis tiene una
frecuencia relativa real muy baja y el evento uno muy alta.
Más adelante cuando lleguemos a pruebas estadísticas, se explicará la manera
correcta de probar si las diferencias entre lo esperado y lo real, son o no
significativas estadísticamente.

Podemos concluir entonces, que las frecuencias reales permiten establecer las
probabilidades de los eventos después de realizar el experimento un número n
de veces y éstas se conocen con los nombre de Probabilidad Estadística o
Probabilidad Relativa.

Recuerde: Evento compuesto es el que está formado por dos o más eventos
simples.

Ejercicios.2- Con los Espacios muestrales de los siguientes experimentos

forme eventos los eventos compuestos que usted considere de interés:

a-. U1: Un inversionista compra tres de cinco acciones A=$10 B=$15 C=$12
D=$20 E=$18

b-. U2: En una CIA los trabajadores están clasificados en: Profesionales,
Técnicos y Auxiliares y se forma un comité de tres trabajadores

c-. U3: Se tiene un conjunto de 10 contratos se revisan tres y el último es

defectuoso

d-. U4:  Refiérase al ejercicio 1.3 

e-. U5: Observar cuatro clientes que llegan a un almacén y registrar comprador
(C) o no comprador(X) 

PARA RECORDAR: La probabilidad de un evento compuesto (A) se obtiene

relacionando los m eventos simples que satisfacen el evento compuesto (A) y
el número de eventos simple que componen el espacio muestral.

Donde (A): Evento compuesto cualquiera

m: Numero de eventos simples que satisfacen el evento

m A
P  A  compuesto (A)
n
n: Numero de resultados posibles o eventos simples que
componen el espacio muestral
OPERACIONES

REGLA DE ADICIÓN DE PROBABILIDADES:

Evento Mutuamente excluyente

Dos o más eventos pueden ser excluyentes o no excluyentes. Son eventos

Excluyentes los que no tienen ningún punto en común, es decir, su intersección
es nula o el conjunto vacío, por tanto la ocurrencia de uno de los eventos
imposibilita la ocurrencia del otro evento. Entonces, si A y B son dos eventos
mutuamente excluyentes, la probabilidad de unión de los dos eventos: P(AUB)
será como sigue:

P (AUB) = P(A) + P (B) y se interpreta en el sentido de que ocurra A o que

ocurra B.

Ejemplo: En una CIA la distribución de trabajadores según su profesión es como

sigue: 6 Contadores; 4 economistas; 2 ingenieros y 10 administradores. Si usted
selecciona un trabajador en forma aleatoria, calcular la probabilidad de que sea
a) Administrador o economista. b) Ingeniero o contador. c) Contador, economista
o ingeniero, d) que no sea contador.

10 4 14
a) P A  E   P A  P E    
22 22 22

2 6 8
b) P I  C   P I   P C    
22 22 22

6 4 2 12
c) P C  E  I   P  C   P E   P I     
22 22 22 22

d) P C   P E  I  A  1  P C  
4 2 10 6 16
   1 
22 22 22 22 22

Ejercicio 3: Calcule la probabilidad de:

a-. Obtener 8 o 9 puntos al lanzar dos dados

b-. Un cinco o una figura en una baraja de 52 cartas

c-. Una carta mayor que 10 o menor que 5

d-. Dos hombres en la familia de tres hijos si la P (H) = 0.5

Ejercicio 4: Tres corredores, A, B y C compiten entre ellos frecuentemente, y A
ha ganado el 65% de las veces, B el 15% y C el resto, diga usted:

a-. Si se hace el experimento de observar el ganador y hacer el registro, ¿Cuál es

el espacio muestral?

b-. ¿Cuál es la probabilidad de cada punto muestral o evento simple?

c-. ¿Cuál es la probabilidad de que B pierda?

d-. ¿Cuál es la probabilidad de que C no gane?

e-. ¿Cuál es la probabilidad de que A pierda?

Ejercicio 5: Después de un estudio realizado por el departamento de personal de

una gran empresa se observó que: A: un 35% son menores que 20 años; B: 25%
está entre 20 y 34 años; C: 20% está entre 35 y 49 años; D: 15% entre 50 y 64
años y E: un 5% son mayores de 65 años. Suponga que se puede elegir un
individuo de tal manera que su elección sea completamente aleatoria:

a-. Describa el espacio muestral para la edad de un individuo elegido al azar

b-. ¿Cuál es la probabilidad de cada evento del espacio muestral?

c-. ¿Calcule la probabilidad de que la persona tenga menos de 35 años

d-. ¿Que sea mayor de 50 años

e-. ¿Que tenga menos de 20 años o más de 65 años

Es muy importante que después de usted haber realizado estos ejercicios tenga
clara la interpretación de los resultados obtenidos, en caso contrario, consulte
con sus compañeros o con su profesor o con su monitor.

Eventos no excluyentes

Cuando los eventos A y B no son mutuamente excluyentes al sumar las

probabilidades de A y B debemos restar la probabilidad de que los dos eventos
se den conjuntamente, es decir, la intersección de los eventos: P(A ∩ B), pues de
no hacerlo estaríamos sumando dos veces los eventos que se dan conjuntamente.
Por tanto: P (A U B) = P (A) + P (B) - P (A ∩ B)

Se interpreta en el sentido de que ocurra A o que ocurra B o que ocurra

conjuntamente A y B.
Ejemplo:
De 100 aspirantes que se presentan a una entrevista en una empresa que debe
cubrir una vacante 45 tenían experiencia de trabajo (T); 34 tenían certificado de
suficiencia (C) y 22 tenían experiencia y certificado de suficiencia (T  C). a)
Construya un diagrama de Venn que ilustre los eventos. b) Calcular la
probabilidad de que un aspirante seleccionado al azar tenga experiencia de
trabajo o certificado de suficiencia o ambas cosas. b) Calcular la probabilidad de
que un aspirante elegido en forma aleatoria solo tenga experiencia o solo tenga
certificado pero no ambas cosas.

a)

45 34 22 57
b) P T C   P  T   P C   P T C     
100 100 100 100

c) P(T U C, pero no T ∩ C ) =[ P(T)-P(T∩C) ] +[ P(C)-P(T∩C) ]

 45 22   34 22  23 12 35
=      
 100 100   100 100  100 100 100

6. Ejercicio: La probabilidad de que llueva el doce de octubre es 0.12; que

truene es 0.05, y que llueve y truene es de 0.03. ¿Cuál es la probabilidad que
lleve o truene o que llueva y truene ese día?

7. Ejercicio: Un conjunto de trabajadores está compuesto por 26 hombres y 26

mujeres. De los hombres 20 tienen trabajo y de las mujeres 18 tienen trabajo. Si
se selecciona en forma aleatoria una persona del conjunto ¿ Cual es la
probabilidad de que sea:

a-. Hombre o desempleado?

b-. Que tenga trabajo?
c-. Que sea hombre o tenga trabajo?
d-. Que sea hombre?

8. Ejercicio: La siguiente tabla muestra 400 trabajadores de una empresa

clasificados por tipo de transporte utilizado y el Dpto. donde trabaja.
Calcule la probabilidad de que:
a-. Una persona elegida al azar trabaje en la sección de producción o que utilice
el transporte de la empresa.
b-. Que trabaje en mantenimiento o que utilice carro propio.
c-. Que se transporte en bus o que trabaje en el Dpto. de mercadeo.

9. Ejercicio: Si se tiene un lote de 1.000 tornillos entre los cuales hay algunos
con defectos así: 100 tienen defecto en la rosca; 150 tienen defecto de resistencia
y 70 tienen defecto en la rosca y también de resistencia. Si se extrae un tornillo
al azar, cuál es la probabilidad de que el tornillo sea defectuosos?.

10. Ejercicio. De 300 estudiantes del programa de Administración 50 están

matriculados en contabilidad, 35 en Estadística. En los datos anteriores están
incluidos 18 estudiantes que están matriculados en las dos materias
simultáneamente.
a-. Calcular la probabilidad de que un estudiante seleccionado en forma aleatoria
este matriculado al menos en una de las materias
b-. Calcule la probabilidad de que al seleccionar un estudiante en forma
aleatoria, este matriculado solo en contabilidad
c-. Calcule la probabilidad de que al seleccionar un estudiante en forma
aleatoria, este matriculado solo en estadística.
d-. Calcule la probabilidad de que al seleccionar un estudiante en forma aleatoria
este matriculado solo en una de las dos materias.

Para calcular las probabilidades del ejercicio anterior (10) puede ayudarse con el
diagrama de Veen

La probabilidad de unión de tres eventos A, B y C que son mutuamente

excluyentes es igual a la suma de las probabilidades de los eventos. Así.

P  A  B  C   P  A  P  B   P  C 
Si los eventos A, B y C no son mutuamente excluyentes la probabilidad de unión
es igual a:
P  A  B  C   P  A  P B   P  C   P  A  B   P A  C   P  B  C   P  A  B  C 
Ejemplo:
Un almacén tiene en inventario 100 unidades de un tipo de pieza. Del proveedor
A son 12; del proveedor B son 15; del proveedor C son 8 y el resto de otros
proveedores. Si se selecciona una pieza del inventario en forma aleatoria,
calcular la probabilidad de que la pieza haya sido despachada por el proveedor
A, B o C

12 15 8 35
P  A  B  C   P  A  P  B   P  C     
100 100 100 100
Ejemplo:
Un agente de la Bolsa vende tres tipos de acciones, A, B y C y ofrece este tipo
de inversión a 200 clientes de su agencia. La distribución de las ventas es como
sigue: 40 clientes compran la acción tipo A; 50 clientes compran acción tipo B y
70 clientes compran acción tipo C. Se sabe que 15 de los clientes compraron
acciones tipo A y B; 10 clientes compraron A y C; 18 compraron B y C, y 6
compraron los tres tipos de acción. Si se selecciona un cliente en forma aleatoria,
calcular la probabilidad de que haya comprado al menos un tipo de acción.

40 50 70 15 10 18 6 123
a) P A  B C         
200 200 200 200 200 200 200 200

PROBABILIDAD CONDICIONAL:

Los problemas de probabilidad que hemos visto hasta ahora se basan en

muestras donde se toman todos los resultados posibles del experimento que está
en estudio. Pero hay ocasiones en que tenemos información adicional que
permite escoger solo algunos resultados y no todos los resultados posibles. Esta
parte de los casos posibles se caracteriza porque satisface cierta condición o
condiciones. De ahí que tenga el nombre de Probabilidad Condicional. La
probabilidad condicional P(A/B) (se lee probabilidad de A dado que ocurrió B)
se calcula así:
 P A  B 
P A / B   Y la probabilidad de B dado A se calcula así:
P B 

P  B  A
P  B / A 
P  A
Ejemplo.

En un lote de 300 piezas producidas por una maquina, 220 salieron en el turno
nocturno, de estas 25 son defectuosas. Si usted selecciona una pieza en forma
aleatoria del lote y la pieza resulta ser del turno nocturno, calcular la
probabilidad de a) que sea defectuosa. b) que sea buena.

a-
N = 300
25 A: {Pieza defectuosa}
 
PA 
P  A  B   300 
25
B P B  220 220 B: {Turno nocturno}
300
A ∩ B: {defectuosa y producida en el
turno nocturno}

b- B: {Pieza buena}
195
P B  N 
PB  
N

P N 
 300 
220
195
220
N: {Turno nocturno}

300 B ∩ N: {buena del turno nocturno}

Ejercicios

11. Ejercicio. Después de un estudio realizado por el departamento de personal

de una gran empresa se observó que: A: un 35% son menores que 20 años; B:
25% está entre 20 y 34 años; C: 20% está entre 35 y 49 años; D: 15% entre 50 y
64 años y E: un 5% son mayores de 65 años.

a-. Si una persona se selecciona de forma aleatoria y dice tener edad menor que
49 años, ¿Cuál es la probabilidad de que su verdadera edad esté comprendida en
el grupo 20-34 años?

b-. Si una persona seleccionada en forma aleatoria resulta ser mayor de 34 años.
Calcule la probabilidad de que tenga 65 o mas años.
c-. Calcular la probabilidad de que una persona seleccionada en forma aleatoria
tenga su edad comprendida en el grupo de edad 35 a menos de 50, si sabemos
que el seleccionado tiene edad entre 20 y menos de 65.

12. Refiérase al ejercicio 8, y con base en la información de la tabla calcule e

interprete las siguientes probabilidades:

a-. P (A4 ∩ B3)

b-.P (B1 / A1)

c-. P (A3 / B5)

d-. P (B3 / A6)

e-. P (B4 / A5)

f-. P (A4 / B2)

g-. P (B4 U B6)

h-. P (A5 U B4)

NOTA: Si tiene alguna dificultas con la interpretación de los resultados

obtenidos, por favor consulte con su profesor.

REGLA DE MULTIPLICACIÓN.

La regla de la multiplicación se utiliza para calcular la probabilidad de eventos

conjuntos. Para su aplicación es necesario tener claro dos conceptos:

Independencia de eventos

Dos eventos A1 y A2 son independientes si la ocurrencia de A1 no afecta la

probabilidad de ocurrencia de A2, es decir, que P(A2/A1) = P(A2)

Ejemplo
Suponga que una máquina produce el 10% de piezas defectuosas, Por tanto, la
probabilidad de que una pieza producida por la máquina sea defectuosa es de
P(D) = 0.10, Suponga que se observa las próximas dos piezas producidas por la
máquina y la primera resulta defectuosa, la probabilidad de que la próxima
también resulte defectuosa es 0.10 por lo tanto los eventos A1 y A2 son
independientes.
Eventos no independientes

Dos eventos A1 y A2 no son independientes, cuando la ocurrencia de A 1 cambia

o afecta la probabilidad de ocurrencia de A2
Ejemplo: En un lote de 20 piezas dos son defectuosas, la probabilidad de que
una pieza seleccionada en forma aleatoria sea defectuosa (D) es igual a: 2/20.

Se seleccionan dos piezas, para revisarlas, Suponga que la primera pieza que se
seleccionó resultó defectuosa, la probabilidad de que la segunda también resulte
defectuosa (D) es igual a: 1/19 Aquí la probabilidad de defectuosa cambia, por
tanto, los eventos A1 y A2 no son eventos independientes.

Ahora que se tiene claro el concepto de eventos independientes y eventos no

independientes, se enuncia así la regla de la multiplicación.

Si A1 A2 A3 A4.........Ak son eventos independientes, la probabilidad de que

ocurran conjuntamente es igual al producto de las probabilidades de los eventos
Así:

P(A1 A2 A3 A4…...AK ) = P(A1)P(A2)P(A3)..........P(AK)

Si A1 A2 A3 A4.........Ak son eventos no independientes, la probabilidad de que
ocurran conjuntamente es igual a:

P(A1 A2 A3 A4....AK) = P(A1)P(A2/A1)P(A3/ A1 A2)P(A4/ A1 A2A3)……...P(AK/ A1 A2…Ak-1).

También se puede indicar así:

P(A1∩A2∩ A3∩A4....AK) = P(A1)P(A2/A1)P(A3/ A1 A2)P(A4/ A1 A2A3)…….P(AK/ A1 A2…Ak-1).

Ejemplo 1

Una maquina produce el 12% de piezas defectuosas, si usted observa las

próximas dos piezas que salen del proceso, calcular la probabilidad de: a) que las
dos sean defectuosas. b) que las dos sean buenas. c) que una sea buena. d) que al
menos una sea buena.

B:{Pieza buena} P (B) = 0.88

D:{Pieza defectuosa} P (D) = 0.12

a. P (D1 D2) =P (D1) P (D2) = (0.12) (0.12) =0.0144

b. P (B1 B2) = P (B1) P (B2) = (0.88)(0.88)=0.7744

c. P(Una Buena)=P (BDUDB)=P (BD)+P (DB)=(0.88)(0.12)+ (0.12)(0.88) =

=0.1056+0.1056=0.2112

d. P(Al menos una buena)= P(BD U DB U BB) = P(BD)+P(DB)+P(BB) =

= (0.88)(0.12)+(0.12)(0.88)+(0.88)(0.88) = 0.1056+0.1056+0.7744=0.9856

Otra forma de resolver este literal (d) es aplicando el concepto de espacio

muestral: El espacio muestral de este experimento es el siguiente: S: {BB BD
DB DD}, la suma de las probabilidades de los eventos que componen el espacio
muestral es la unidad, por tanto si a la unidad se resta la probabilidad del evento
BB (ninguna defectuosa), que es el único resultado que hace falta para
completar todos los resultados del espacio muestral, se tiene la probabilidad de
al menos una buena.

P(Al menos una buena) = 1-P(Ninguna buena) =

=1 - P(DD) = 1 - (0.12)(0.12) = 1 - 0.0144 = 0.9856

Ejemplo 2

Supongamos que 15 personas se clasifican en tres grupos de edad así:

Edad N° de personas
A: 5 – 9 3
B: 10 – 19 7
C. 20 y más 5
Se selecciona aleatoriamente dos personas del grupo, a) ¿Cuál será la
probabilidad de que las dos sean del grupo A? b) ¿Cual es la probabilidad de que
ninguna sea del grupo A? c) ¿Cual es la probabilidad una sea del grupo A? d)
¿Cual es la probabilidad de que al menos una sea del grupo A?

a. P(A1 A2) = P(A1)P(A2/A1) = (3/15)(2/14) = 6/210

b. P(Ā1Ā2) = P(Ā1)P(Ā2/ Ā1) = (12/15)(11/14) = 132/210

c. P(A1Ā2 U Ā1 A2) = P(A1Ā2) + P(Ā1 A2) = (3/15)(12/14) + (12/15)(3/14) =

= (36/210) + (36/210) = 72/210

d. P(al menos una A) = 1- P(Ā1 Ā2) = 1 - (12/15)(11/14) = 1 - (132/210) = 78/210

En el ejemplo 1 los eventos (D) y (B) son eventos independientes. Obsérvese el
desarrollo del ejercicio, la probabilidad de los eventos permanece constante de
un evento a otro.
En el ejemplo 2 los eventos (A) y(A) son eventos dependientes, la ocurrencia de
uno de los eventos, afecta la probabilidad de ocurrencia del otro, tal como se
observa en el desarrollo del ejercicio.

EJERCICIOS

13. Las personas que llegan a solicitar información a una empresa especializada
en proporcionar ayuda financiera, pueden seleccionar una de tres oficinas: A, B,
C para ser atendidas. (Una oficina puede atender al menos una persona)
Supongamos que el especialista en dar la información, se asigna al azar a las
oficinas y que las personas no tienen preferencia especial por ninguna de las
oficinas. Tres personas llegan una después de otra a solicitar información y se
registra la oficina que escogen.

a-. Haga una lista de los puntos muestrales para este experimento.

b-. Sea A, el suceso compuesto: cada oficina recibe una persona. Haga una lista
de los puntos muestrales de A.

c-. Si considera usted, que cada uno de los puntos muestrales del experimento
(literal a) tienen igual probabilidad es decir, que son eventos equiprobables,
calcule la probabilidad del evento compuesto A.

14. Usted y Juan Pérez han jugado al tenis en nueve oportunidades de las cuales
Juan ha ganado tres juegos. El próximo fin de semana deciden jugar tres
partidos. Haga una lista de los resultados posibles (puntos muestrales) y calcule
las siguientes probabilidades:

a-. Que usted gane todos los partidos?

b-. Que Juan gane dos partidos?

c-. Que usted gane al menos dos partidos?

d-. Que usted gane un partido?

e-. Que Juan gane al menos dos partidos?

f-. Que usted gane al menos un partido?

15. Un inversionista tiene la oportunidad de invertir en tres de cinco tipos de
acciones recomendadas por su asesor. El inversionista no sabe que solo dos de
los cinco tipos representaran un buen tipo de inversión. Si el inversionista
selecciona al azar tres tipos de acciones:
a-. Indique los puntos muestrales (use las letras A, B, C, D y E para cada uno de
los tres tipos de acción)
b-. Calcule la probabilidad de que el inversionista seleccione los dos tipos de
acciones que serán buena inversión.

16. Una empresa tiene cinco ejecutivos, dos de ellos serán llamados para formar
un comité que asesore en la decisión de una inversión que planea hacer la
compañía.

a-. Haga una lista de los puntos muestrales en S

b-. Si todos los ejecutivos de la empresa son igualmente elegibles para el comité,
¿Cuál es a probabilidad de que sean seleccionados Eurípides Parra y Demóstenes
ortega?

17. Un experimento consiste en seleccionar cuatro artículos producidos por una

máquina en un proceso y observar, si son defectuosos (D) o no defectuosos (B).

a-. Haga una lista de todos los elementos simples del espacio muestral
b-. Calcule la probabilidad de cero defectuosos
c-. Si el suceso compuesto A se define como: dos artículos son defectuosos, haga
una lista de los puntos muestrales que lo componen
d-. Calcule la probabilidad del evento compuesto A.

18. Los comerciales de la televisión se diseñan para atraer la audiencia más

probable del programa que se esta promoviendo. En un trabajo hecho para
estudiar las relaciones de los niños y comerciales de televisión. Se observa que
los niños frecuentemente poseen una comprensión baja de los comerciales, aun
aquellos que van dirigidos especialmente a los niños. Los porcentajes de
comprensión para los diferentes grupos de edad se muestran en la siguiente
tabla:

Si se eligen dos niños al azar uno de 5 años y otro de 11 años y se les muestra
un comercial de televisión.

a-. ¿Cuál es la probabilidad de que el mensaje del comercial sea entendido por el
niño de 5 años?

b-. ¿Cuál es la probabilidad de que ambos niños comprendan el mensaje?

c-. ¿Cuál es la probabilidad de que al menos uno de los niños comprenda el
mensaje?

19. Una encuesta realizada en una investigación de mercado que buscaba evaluar
la aceptación de dos productos A y B en un sector de la ciudad, mostró que un
10% no quedo satisfecho con el uso de los productos (los productos A y B
presentan el mismo servicio). El 50% de las quejas fueron para el producto A. Si
el producto A fue usado por el 40% de los encuestados ¿Cuál es la probabilidad
de obtener:

a-. Un usuario no satisfecho, dado que ha usado el producto A?

b-. Un usuario satisfecho, dado que ha usado el producto A?

20. En el salón hay 20 estudiantes mujeres y 11 estudiantes hombres de las

mujeres 4 usan lentes en forma permanente y de los hombres 6 usan lentes en
forma permanente. Si se selecciona en forma aleatoria un estudiante ¿Cuál es la
probabilidad de que sea:

a-. Hombre?

b-. Que use lentes?

c-. Que use lentes o sea mujer?

d-. Que sea mujer y use lentes?

e-. que sea hombre y no use lentes?

21. Un artículo es debidamente empacado. La probabilidad de que el artículo sea

defectuoso es de 0.05; la probabilidad de que el empaque presente algún defecto
es de 0.10 y la probabilidad de que el empaque y el artículo presenten defecto es
de 0.03 a) ¿Cuál es la probabilidad de que un artículo despachado sea defectuoso
el artículo o el empaque, pero no los dos? b) Cual es la probabilidad de que el
articulo tenga al menos uno de los defectos?

22. Una persona se considera “ahorrador” si tiene cuenta de ahorros en una

entidad financiera o si esta afiliada a una cooperativa de ahorro y crédito. En
una comunidad la probabilidad de que una persona tenga cuenta de ahorros es de
0.28; la probabilidad de que este afiliada a una cooperativa es de 0.22 y la
probabilidad de que tenga cuenta y este afiliada a una cooperativa es de 0.14. a)
¿Cuál es la probabilidad que una persona elegida al azar en la comunidad sea
“ahorrador”?. b) ¿Cuál es la probabilidad de que tenga cuenta en una entidad
financiera o en una cooperativa de ahorro pero no en las dos?

23, La probabilidad de que un vendedor de un almacén venda tres vestidos o más

en un día es de 0.30. a) ¿Cuál es la probabilidad de que venda dos o menos
vestidos en un días?.b) Si la probabilidad de que venda como máximo un vestido
es 0.6 ¿Cual es la probabilidad de que venda exactamente dos vestidos?

24. La probabilidad de que a un conmutador llegue máximo cinco llamadas en

un día es de 0.15 o por lo menos ocho llamadas es de 0.8. ¿Cuál es la
probabilidad de que en un día llegue al conmutador seis o siete llamadas?.

25 Una máquina produce 100 artículos en un día. La probabilidad de que la

máquina saque al menos un artículo defectuoso es de 0.08 o de que saque al
menos dos artículos defectuosos es de 0.03. ¿Cuál es la probabilidad de que la
máquina produzca: a) Ningún artículo defectuoso? b) Exactamente un artículo
defectuosos? c) A lo más un artículo defectuosos?

26. De los empleados de una empresa el 40% son hombres y 8% son hombres no
sindicalizados. Se elige un empleado al azar y este resulta ser hombre, ¿Cuál es
la probabilidad de que sea no sindicalizado?

27. En un almacén se exhiben 70 camisas de las cuales 30 son marca A y 40 son

marca B. Si un cliente elige dos camisas aleatoriamente, ¿Cuál es la probabilidad
de que las dos sean marca A? ¿Cuál es la probabilidad de que elija una de cada
marca?

28. Si el almacén del punto anterior exhibe las camisas en dos vitrinas; en la
vitrina X se tienen 30 camisas de la marca A y 40 de la marca B y en la vitrina Y
se exhiben 20 de la marca A y 50 de la marca B. Un cliente elige una camisa de
la vitrina X y una de la vitrina Y, ¿Cuál es la probabilidad de que las dos sean de
la marca A?.

29. Supongamos que en el almacén se tienen tres vitrinas de exhibición X, Y y Z,

en la vitrina X se tienen 30 camisas de la marca A y 40 de la marca B; en la
vitrina Y se tienen 20 de la marca A y 50 de la marca B y en la vitrina Z se tienen
30 de la marca A y 60 de la marca B. El cliente elige una camisa de cada vitrina.
¿Cuál es la probabilidad de que las tres sean de la marca A?.

30. Se sacan dos cartas, sin restitución de una baraja de 52 cartas. ¿Cuál es la
probabilidad de que:

a-. La primera sea una reina y la segunda un rey?

b-. Se obtenga una reina y un rey?

c-. Ninguna de las dos cartas sea reina?

d-. Ninguna de las dos cartas sea reina ni rey?

31. Se sacan cinco cartas sin restitución de una baraja. ¿Cuál es la probabilidad
de que:

a-. Las tres primeras sean reinas y las dos últimas reyes?

b-. La primera, la segunda y la tercera cartas sean reinas?

c-. Las tres primeras cartas sean reinas?

32. Se extraen cartas sin restitución y sucesivamente de una baraja. ¿Cuál es la

probabilidad de que:

a-. Una reina aparezca en la primera extracción?

b-. Aparezca una reina en la tercera extracción?

33. Un cazador dispara siete balas sucesivas a un tigre enfurecido. Si la

probabilidad de que una bala mate es de 0.6 ¿Cuál es la probabilidad de que el
cazador este vivo todavía?

34. En un lote de 100 dispositivos hay dos que son defectuosos. Si se prueban
los dispositivos uno por uno. ¿Cuál es la probabilidad de que el último
dispositivo defectuosos sea detectado en la tercera prueba?.

35. Una pieza consta de tres partes independientes A, b y C, la pieza se

considera defectuosa si al menos uno de los componentes tiene defecto. La
probabilidad de que la parte A sea defectuosa es de 0.01; de que la parte B sea
defectuosa es 0.02 y de que la parte C sea defectuosa es de 0.10 a)¿Cuál es la
probabilidad de que la pieza sea defectuosa? b) ¿Cuál es la probabilidad de que
la pieza sea defectuosa por una falla en el componente B? c) ¿ Cual es la
probabilidad de que la pieza falle porque dos componentes son defectuosos?

TEOREMA DE BAYES
Como se explicó en la sección correspondiente a la probabilidad condicional, en
ocasiones tratamos de encontrar la probabilidad de un suceso A, pero con la
condición de que un suceso B haya ocurrido en un momento anterior, situación
que limita los casos posible sólo a los que cumplen con esa condición. Por
ejemplo: Podríamos estar interesados en la probabilidad de que llueva mañana,
dado que ha llovido durante los siete días anteriores.
Igualmente interesante es la probabilidad de que exista un estado particular de la
naturaleza, dado que cierta muestra ha sido observada. Este concepto se puede
ampliar para la revisión de probabilidades con base en nueva información y para
determinar la probabilidad de que un evento particular se debió a una causa
específica. Veamos un ejemplo:

Supóngase que el 10% de las piezas que produce una máquina son defectuosas.
La técnica para detectar las piezas defectuosas resulta efectiva en el 95% de los
casos y también registra como defectuosas el 4% de las piezas buenas. Si se
selecciona en forma aleatoria una pieza de un lote de piezas producidas por la
máquina, calcular:

a) La probabilidad de tener una pieza con prueba positiva

b) Si la prueba resultó positiva ¿Cuál es la probabilidad de que realmente sea

una pieza defectuosa?.

RESPUESTA:

Los eventos los podemos determinar de la siguiente manera:

B: buena D: defectuosa P: prueba positiva

P(B) = 0.9 P(P/B) = 0.04

P(D) = 0.1 P(P/D) = 0.95

Respuesta al literal (a). Si se selecciona una pieza buena, puede tener prueba
positiva y si se selecciona una pieza defectuosa, esta también pude tener prueba
positiva. Por tanto, se tienen dos eventos conjuntos:

(B ∩ P): buena con prueba positiva

(D ∩P): defectuosa con prueba positiva

En ambos casos se tienen piezas con prueba positiva, por tanto aplicando la ley
de la adición se tiene, que la probabilidad de pieza con prueba positiva esta dada
por:
P(p) = P (B ∩ P) + P (D ∩ P) = P (B) P(P/B) + P(D) P(D/P)

P(p) = (0.9) (0.04) + (0.1) (0.95) = 0.036 + 0.095 = 0.131

La probabilidad de que una pieza elegida en forma aleatoria tenga prueba

positiva es de 0.131.

La respuesta al literal (b) es muy interesante, ya que usted tiene una prueba
positiva que puede ser de una pieza buena o de una pieza defectuosa. El interés
ahora es determinar la probabilidad de que la prueba sea de una pieza
defectuosa, es decir, la probabilidad condicional de pieza defectuosa, dado que la
prueba es positiva. Utilizando la formula de probabilidad condicional, se tiene:
P D  P  P D  P P / D 
P D / P    
P P  P D  P P / D   P D  P P / B 


 0,10  0,95 
0,095
 0,725
 0,10 0.95   0.90  0,04 0,131

La probabilidad de que la pieza sea realmente defectuosa si la prueba es positiva

de 0.725.

El cálculo de estas probabilidades se puede observar en la siguiente tabla de una

manera ordenada.

E P(E) P(P/Ei) P(Ei∩P)

D P(D) = 0.10  D  0.95

PP
P  D  P    0.10  0.95  0.095

B P(B)=0.90  B   0.04
PP
P  B  P    0.90  0.04  0.036

a) P P   P D  P   P B  P   0.095  0.036  0.131

b) PD  P   P PD PP   00..095

131
 0.725

Si se generaliza el proceso que se describe en la siguiente tabla se obtiene el

enunciado del TEOREMA DE BAYES
Si A1, A2, A3............Ak son eventos mutuamente excluyentes que llenan el
espacio muestral, es decir que ΣP(Ai) = 1. Y un evento B ya ocurrió o debe
ocurrir, la probabilidad condicional de Ai dado B es igual a:

P Ai  B  P AI  B 
P
Ai 
 
B 
  P AI  B  P B 
EJERCICIOS

36- Supongamos que en un restaurante, se hace una encuesta para investigar las
rezones por las cuales los clientes se retiran sin hacer uso del servicio de comida.
Se hacen tres preguntas a saber:

i-) Si gusta o no de las instalaciones del restaurante

ii-) Si considera que los precios son muy altos

iii-) Si les gusta el trato del personal que atiende el comedor

Se obtuvieron los siguientes resultados:

20% no gusta de las instalaciones del negocio; 50% dice que los precios son
muy altos y el 30% no les gusta el trato de personal. Además de los que
respondieron que no les gustaban las instalaciones 60% no esperaron el servicio
de comida; de los que respondieron que los precios son altos 40% no esperaron
el servicio de comida y a los que no les gustaba el trato del personal que atiende
el comedor 90% no esperaron el servicio de comida.

a-. Si se selecciona un cliente al azar, ¿Cuál es la probabilidad que no haya

esperado el servicio de comida?
b-. Dado que el cliente no espero el servicio, ¿Cuál es la probabilidad de que no
le gusten las instalaciones del negocio?

c-. Dado que el cliente no espero, ¿Cuál es la probabilidad que haya respondido
que los precios son altos?

d-. Dado que el cliente no espero ¿Cuál es la probabilidad de que no le guste el

trato del personal que atiende el negocio?

4. Supóngase que una persona se pone muy enferma en mitad de la noche y le

pide a su adormilada esposa que vaya a buscarle alguna medicina en el gabinete
de los medicamentos. En éste hay cuatro frascos de dos tipos de medicamentos,
A y B. Uno contiene A y los otros contienen B. Si la persona toma el
medicamento A, hay 90% de probabilidad de tener vértigos, si toma el
medicamento B la probabilidad de tener vértigos es de 10%. La señora toma
algunas píldoras y se las da a su esposo sin saber si son A o B. Momentos
después el señor tiene vértigos.

a-. ¿Cuál es la probabilidad de que el medicamento tomado fuera el A?

b-. ¿Cuál es la probabilidad de que el medicamento tomado fuera el B?

5. Una Cía. planea lanzar un nuevo producto al mercado. El gerente de mercado

advierte que el éxito del producto depende de la decisión de una firma de la
competencia de sacar al mercado un producto similar. Según informes de
investigación de mercado, la probabilidad de que la firma de la competencia
saque su producto al mercado es del 40%. El gerente de la Cía. A estima, que si
no hay competencia la probabilidad de éxito es de solo el 20%.

a-. Calcule la probabilidad de que el producto de la Cía. A tenga éxito.

b-. Dado que el producto de la Cía. A tubo éxito. ¿Cuál es la probabilidad de que
la firma de la competencia haya sacado su producto al mercado?

REGLAS DE CONTEO
Para calcular la probabilidad de un evento se debe tener claro cuál es el número
de casos favorables y el número de casos posibles. En los ejercicios
desarrollados en clase por comodidad siempre se utilizan ejercicios donde estos
se obtienen fácilmente; pero en la práctica hay ocasiones en que se dificulta
determinar el número de resultados posible o el número de casos favorables en
un experimento. A continuación se enuncian algunas reglas de numeración o
conteo.

Regla No. 1. Si los eventos posibles de un experimento son mutuamente

excluyentes y colectivamente exhaustivos, el número de veces que se puede dar
este evento en n ensayos del experimento está dado por: Kn
Donde K: son los resultados posibles que se tienen al realizar una vez el
experimento y
n: El número de veces en que se realiza el experimento.

EJEMPLO 1: Se lanza una moneda al aire en 10 oportunidades, ¿cuantos son

los resultados posibles?

Si se lanza una moneda los resultados posibles son dos: Cara o Sello. Si este
experimento se realiza diez veces (10 ensayos), los posibles resultados del
experimento estarán dados por:

k=2
n = 10

Kn = 210 = 1.024

EJEMPLO 2: Si un dado se lanza dos veces ¿cuántos son los resultados

posibles?

Se tiene K = 6 y n = 2

Kn = 62 = 36 resultados posibles

Supóngase que el número de resultados posibles es diferente en algunos

experimentos, por ejemplo el número de placas para carro que se tendrían si la
placa esta compuesta por tres dígitos y dos letras. Para los tres dígitos se tienen
10 resultados posibles para cada uno y para las letras se tienen 26 resultados
posibles para cada una

Casos como el ilustrado nos permiten la segunda regla de conteo.

Regla No.2. Si hay K1 eventos en el primer experimento, K2 eventos en el
segundo; K3 eventos en el tercer... y Kn eventos en el n-ésimo experimento
entonces se tiene que el número de resultados posibles esta dado por:

(K1) (K2) (K3) (K4)…………(Kn)

EJEMPLO: Si la placa para carro consta de tres dígitos seguidos de dos letras,
el número total de placas (resultados posibles) sería:

(10) (10) (10) (26) (26) = 616.000

EJEMPLO: Supongamos que la dietista de un hospital cuenta para el almuerzo

de un día con 5 entradas, 2 bebidas y 4 postres. ¿Cuántos almuerzos diferentes
puede ofrecer a los pacientes?

6 x 2 x 4 = 40

Puede ofrecer 40 almuerzos completos diferentes.

Hay oportunidades en que es necesario saber el número de formas en las cuales

se puede ordenar un grupo de objetos o personas, por ejemplo, ¿De cuántas
formas puedo ordenar en un estante seis libros? O ¿De cuántas maneras puedo
ocupar una banca de 5 puestos con cinco personas?

Para dar respuesta a preguntas como las anteriores se tiene la regla siguiente:

Regla No. 3: El número de formas en que se pueden agrupar n objetos en un

orden particular tomados en grupos del mismo tamaño n esta dado por:

n! = n ( n – 1) (n – 2) ( n – 3)............(1)

n! Es un producto de factores donde el primer factor es n y los siguientes son

menores en la unidad al que le antecede hasta el último que es igual a uno.

La expresión cero factorial es igual a la unidad: 0! = 1

n! Es entonces la forma de permutar n objetos tomados en grupos de n.

nPn = n!

Ejemplo: Las formas en que se podrían ordenar seis libros en un estante tomando
cada vez el grupo de seis libros (6).
6 P6  6! = (6) (5) (4) (3) (2) (1) = 720

EJEMPLO: El número de formas como se pueden sentar cinco personas en una

banca con cinco puestos será:

5 P5  5! = (5) (4) (3) (2) (1) = 120

Hay ocasiones en que es importante conocer el número de permutaciones de n
objetos tomados en grupo r donde r ≤ n. Supongamos que en el estante del
ejemplo anterior solo hay sitio para cuatro libros, entonces de los seis libros se
deben tomar grupos de cuatro, o que la banca solo tiene capacidad para tres
personas, para dar respuesta a estas interrogantes tenemos la regla siguiente:

Regla No. 4: El número de permutaciones de n objetos tomando en grupos de r

objetos donde esta dado por:
n !
Pr 
n
n  r !
Por tanto el número de formas en que se pueden permutar o acomodar en el
estante los seis libros tomándolos en grupos de cuatro esta dado por:

P4 
6 !

 6 5 4 3  2 !
 360
6
 6  4 !  2 !

El número de formas en que se pueden acomodar 5 personas en una banca, con

capacidad para tres sería:

5!  5 4 3  2 !
P3    60
5
 5  3 !  2 !

También hay ocasiones en que no interesa el orden de los objetos, sino que el
objeto este presente en el conjunto, esto da lugar a otra regla.

Regla No. 5: La forma de seleccionar de un grupo de n objetos un grupo de r

sin que interese el orden en que este se agrupe se denomina combinaciones y
esta dado por:

n!
n Cr
n  r ! r!
Donde r ≤ n

EJEMPLO: ¿De cuántas formas se puede tener un comité de cuatro personas, si

las elegibles son 8 personas?

8 !  8 7  6  5  4 !  8 7  6  5 1680

C4      70
8
 8  4 ! 4 !  4 ! 4 !  4 3 21 24
EJERCICIO

40- Una caja fuerte se abre sólo cuando la combinación correcta de 5 dígitos es
seleccionada. Cada dígito puede ser cualquier número del cero al nueve.
¿Cuántas claves posibles se tienen para abrir la caja?

41- El presidente, el vicepresidente, el secretario y el tesorero de una

determinada asociación se deben elegir de un grupo de 10 candidatos. ¿De
cuántas formas diferentes podrán ser ocupados estos cargos?

42- Usted presentará una prueba y debe elegir tres preguntas, cada una en un
sobre, las cuales elige de un conjunto de 10 sobres. ¿Cuántos cuestionarios es
posible que usted pueda formar?

43- En una sección de una Cía. se tienen 8 máquinas diferentes. Usted tiene ocho
operarios. ¿De cuántas formas puede asignarse los operarios a las máquinas?

a-. Si cada operario puede ser asignado a cualquiera de las máquinas?

b-. Si se debe tener presente el orden en que los operarios quedan asignados?

44- Refiérase al ejercicio (43) y suponga que en la selección solo tiene 5

máquinas. Dé respuesta a los literales (a) y (b).

45- Usted desea invertir en la bolsa. ¿De cuántas formas puede usted seleccionar
tres tipos de acciones de 6 que están en el mercado?

46- Usted es gerente de ventas de una Cía. y necesita hacer un plan de

supervisión para diez centros de distribución en 10 ciudades diferentes. Si un
plan es visitar cinco centros. ¿Cuántos grupos de visita será posible formar?

47- De los cinco centros del punto anterior tres son negocios de prueba, mientras
que los dos restantes son negocios con mercado estable. Si usted toma cuatro en
forma aleatoria. ¿Cuál es la probabilidad de que:

47.1 Que dos sean centros de prueba?

47.2 Que tres sean centros de prueba?
 DISTRIBUCION DE PROBABILIDAD

PROFESOR: HERNANDO SÁNCHEZ SANTIBÁÑEZ

SANTIAGO DE CALI

DISTRIBUCIÓN DE PROBABILIDAD

Hasta ahora hemos visto que un experimento que se repite un número n de veces
produce resultados, los cuales se denominan eventos simples; que el conjunto de
estos componen el espacio muestral; que con base en los eventos simples
podemos formar eventos compuestos. Se calculó la probabilidad de un evento
utilizando las reglas de la multiplicación y adición y se definieron casos de
probabilidad condicional.
Lo anterior nos proporciona las bases, para el estudio de algunas distribuciones
de probabilidad.

VARIABLE ALEATORIA

Se debe entender primero el concepto de variable aleatoria, antes de entrar a

definir lo que es una distribución de probabilidad.

Veamos los siguientes ejemplos:

EXPERIMENTO A. Se toman tres artículos producidos por una máquina y se

observa el número de artículos defectuosos.

EXPERIMENTO B. Se tiene una mezcla de café y se pide a un cliente que la

pruebe y se clasifica su sabor según la opinión del cliente como: “amargo”,
“ligeramente amargo” o “suave”.

EXPERIMENTO C. Se registra el diámetro en pulgadas de cada uno de los

tornillos producidos por una máquina.

El experimento A consiste en observar el número de artículos defectuosos de la

muestra de tres. Los resultados posibles de este experimento son cuatro: que no
se presenten artículos defectuosos en la muestra de tres; que se presente uno
defectuoso, que se presenten dos, o que se presenten los tres artículos
defectuosos. Se observa que el número de artículos defectuosos en la muestra es
variable y además este número es aleatorio; se tiene entonces una variable
aleatoria que toma valores: 0, 1,2 y 3.

En el experimento B, la variable es la opinión de los clientes sobre el sabor de la

mezcla de café. En este caso tenemos tres resultados posibles, expresados en
palabras que nombran o diferencian cada uno de los tres resultados posibles, la
variable es entonces una cualidad que varía según la opinión del cliente y esta no
la podemos predecir, por tanto es una variable aleatoria que tiene tres categorías:
“amargo”, “ligeramente amargo” y “suave”.

En el experimento C la variable corresponde al diámetro en pulgadas de los

tornillos. Determinar los resultados posibles en este experimento es imposible,
ya que el diámetro en pulgadas de un tornillo puede ser cualquier valor de la
escala de los números naturales. En estos casos se deben agrupar los valores de
la variable en intervalos, ya que se trata de una variable continua. El diámetro
de un tornillo no lo podemos predecir, por tanto es aleatorio, quiere decir esto,
que en el experimento C tenemos una variable aleatoria que es cuantitativa
continua.
En general, se puede decir que una variable aleatoria es el resultado de asignar
un valor numérico a los resultados posibles de un experimento, cuando este es
numerable o medible, e decir, cuando se trata de los valores posibles de una
variable cuantitativa, o definir claramente los resultados posibles nombrándoles
cuando se trata de una variable cualitativa.

Con base en la definición de variable aleatoria podemos decir entonces, que una
distribución de probabilidad es un listado de todos los valores o nombres, que
pueden tomar los resultados posibles de un experimento, a los cuales se les ha
asignado su correspondiente probabilidad de concurrencia.

Debe tenerse presente que cuando se trata de una variable continua, es imposible
calcular la probabilidad de un punto en particular de la variable, ya que los
valores posibles de una variable continua, como ya se ha visto son infinitos; por
tanto se debe obtener la probabilidad de que un valor de la variable, este
contenido dentro de un intervalo en particular, este tipo de problema se tratará
más adelante.

Veamos algunos ejemplos de distribución de probabilidad.

Se debe tener presente que los valores de Xi o sea, los valores que toma la
variable, que son sucesos numéricos, deben ser mutuamente excluyentes, es
decir, que a cada punto muestral se le asigna uno y sólo un valor de Xi; por esta
razón al sumar P(x) se debe tener como resultado la unidad. Se puede decir
entonces que hay dos condiciones que se deben cumplir en toda distribución de
probabilidad.

1. 0 ≤ P (x) ≤ 1: quiere decir que la probabilidad de cualquier valor de la

variable X debe estar entre cero y uno.

2. ∑ P (x) = 1: significa que la suma de las probabilidades de los valores que

toma la variable X es igual a 1.

EJEMPLO 1.

Si se lanza un dado una vez, la distribución de probabilidad es:

EVENTO
(X) P(X)
1 1/6
2 1/6
 3 1/6
4 1/6
5 1/6
6 1/6
ΣP(x) 6/6

∑ P (x) = 6/6 = 1

EJEMPLO 2.

La distribución de probabilidad del experimento de observar el número de

artículos defectuosos en una muestra de tres, donde la probabilidad de defectos
es de 3/8 es como se observa en la siguiente tabla:

EJEMPLO 3.

Un inventario de ocho microcomputadores de un distribuidor tiene tres máquinas

defectuosas. Si una Cía. compra al distribuidor dos máquinas y se despacha los
dos computadores en forma aleatoria. Calcular la distribución de probabilidad
para el número de maquinas defectuosas en el despacho.

SOLUCION:

Si X es una variable aleatoria cuyos valores de X son los posibles números de

computadores defectuosos despachados por el distribuidor; entonces X puede ser
cualquiera de los números: 0,1 y 2 por tanto:
 C0 5 C3 110  10
P X  0  3
   0,357143
8 C2  28 28

C1 5 C2  3 5 15
P  X  1  3
   0,535714
8 C2  28 28

C2 5 C0  31 3
P X  2  3
   0,107143
C
8 2  28  28

Entonces la distribución de probabilidad de X es:

X P(X)
0 0,3571429
1 0,5357143
2 0,1071429
SUMA 1,0000000

Los ejemplos anteriores corresponden a distribuciones de probabilidad de

variables discreta, también hay distribuciones de probabilidad variable continua.
En este caso se debe tener presente que por ser la variable continua, no se puede
calcular ningún valor particular; solo se puede determinar la probabilidad de que
un valor determinado en la variable este contenido dentro de un intervalo
particular. Este tipo de distribución se estudiara en el próximo taller, en este solo
nos dedicaremos al estudio de las variables discretas.

En cada una de las distribuciones de variables discretas que se han utilizado

como ejemplo, se puede calcular una columna más donde van la distribución de
probabilidad acumulada (función de densidad).

Estas distribuciones también se pueden representar gráficamente, utilizando

diagrama de barras y el diagrama de probabilidad acumulada.

DISTRIBUCIÓN DE LA PROBABILIDAD ACUMULADA

Hay muchos problemas en los cuales se desea la probabilidad de que el valor

observado de una variable aleatoria X sea menor o igual a algún número real X.
Si se quiere calcular P(X ≤ Xi) se debe calcular la distribución de densidad
(probabilidades acumuladas de los valores de la variable aleatoria X). Por
ejemplo la distribución acumulada que resulta del experimento de lanzar un
dado. (Ejemplo número 1) será:

EJEMPLO 4.

EJEMPLO 5.

Utilizando el ejemplo No. 2. Calcule la distribución de probabilidad acumulada.

EJEMPLO 6.

Para el ejemplo 3 la distribución de probabilidad acumulada es como sigue:

Evento

REPRESENTACIÓN GRAFICA
La gràfica del ejemplo No. 1. Lanzar un dado tiene el siguiente diagrama de
barras
EJEMPLO 7
La gráfica correspondiente al diagrama de probabilidad acumulada para este
ejemplo (No 1).

EJERCICIOS

1. Construya las gráficas para el ejemplo No.2

1.1 Diagrama de barras
1.2 Diagrama de la función de densidad

2. Construya las gráficas para el ejemplo No.3

2.1 Diagrama de barras
2.2 Diagrama de la función de densidad

ESPERANZA MATEMÁTICA

En Estadística descriptiva, las distribuciones de los valores observados de la

variable, se resumen utilizando la media aritmética, que se acompaña siempre
de la desviación estándar. Lo mismo se hace con las distribuciones de
probabilidad; en una distribución de probabilidad la medida de resumen se
denomina Esperanza de la distribución o Esperanza matemática y se acompaña
de la desviación estándar de la distribución. Aunque estamos tratando sólo
distribuciones discretas, vale la pena anotar que también se puede obtener estas
medidas en datos continuos.

VALOR ESPERADO DE UNA VARIABLE ALEATORIA DISCRETA

El valor esperado de algún fenómeno aleatorio discreto se puede considerar
como el promedio de todos los valores posibles. Para obtener esta medida de
resumen se multiplica los valores que toma la variable por su respectiva
probabilidad de ocurrencia. Por tanto E (x) o μ (valor esperado de la variable
aleatoria X) se puede expresar como:

μ = E (x) = Σ xiP(xi) en donde

E (x) : Valor esperado de la variable x

x : Variable aleatoria de interés
xi : i-ésimo valor observado de x
P(x) : Probabilidad de ocurrencia del i-ésimo
i :1, 2, 3,.................,n

EJEMPLO No. 9

Para la distribución de probabilidad teórica, de los resultados posibles del

experimento de lanzar un dado, se procede en la siguiente forma en el calculo de
E (x).

Este resultado 3.5 puntos no tiene sentido si se trata de interpretar literalmente,

ya que nunca en una tirada de un dado podrá obtenerse 3.5 puntos. Se debe

interpretar, como el promedio de puntos que se espera, si el dado se tira un

número n de veces y n es un número grande. El siguiente ejemplo puede aclarar
la interpretación de E (x) = 3.5 puntos: ¿Cuánto estaría usted dispuesto a pagar
para participar en un juego que consiste en tener la oportunidad de lanzar un
dado una vez y obtener en pesos el número de puntos que muestre la cara del
dado?, ya que la esperanza del experimento de lanzar un dado es 3.5 puntos,
entonces la ganancia esperada después de jugar muchas veces es de $3.50 por
tirada, es decir, en cualquier tirada particular la recompensa será $1.0,
$2,$3,......$6; pero el promedio de lo recibido será de $3.50 por tirada.

EJEMPLO 10

La esperanza del experimento del ejemplo 2, que consiste en observar el número

de artículos defectuosos de una muestra de tres, se obtiene así: (x es el número
de artículos defectuosos en la muestra).

Este resultado se interpreta como el promedio de artículos defectuosos por

muestra de tres artículos, si el experimento de tomar muestras de tamaño tres se
repite un número n grande de veces.

VARIANZA DE LA DISTRIBCIÓN DE PROBABILIDAD

La media o valor esperado de una variable aleatoria X es importante, ya que

determina el resumen de la distribución de probabilidad, pero como, en las
distribuciones empíricas, la media o valor esperado debe acompañarse de su
respectiva medida de probabilidad.

Ejemplo: Supongamos que la variable x representa el número de llamadas que

reciben con fines de negocio en una oficina de corredores de bolsa en un día
cualquiera. La distribución de probabilidad para el número de llamadas para el
señor A es la siguiente:
X P(X)
1 0,30
2 0,40
3 0,30
 SUMA 1,00

Y para el señor B es:

X P(X)
0 0,2
1 0,1
2 0,3
3 0,3
4 0,1
SUMA 1

Los histogramas para cada una de las distribuciones son como las presenta las
siguientes gráficas (recordemos que se trata de una variable discreta).

La esperanza para la distribución A será:

E (x) = Σ X P(x) = (1) (0.3) + (2) (0.4) + (3) (0.3)

= 0.3 + 2.8 + 0.9 = 2 llamadas

La esperanza para la distribución B es la siguiente:

E (x) = Σ X P (x) = (0) (0.2) + (1) (0.1) + (2) (0.3) + (3) (0.3) + (4) (0.1)
= 0 + 0.1 + 0.6 + 0.9 + 0.4 = 2 llamadas.

Las distribuciones tienen la misma esperanza o la misma media, pero las

distribuciones difieren considerablemente en su variabilidad o dispersión como
se observa en la gráfica anterior. La varianza de la variable aleatoria X se
representa por V(x) o σ² y se calcula haciendo:
E (X) = Σ (Xi – μ)2 P(X) donde:

Xi: cada uno delos valores de la variable X

μ : la esperanza de X es decir E(X)

P(X): Probabilidad de cada uno de los valores de la variable X.

La varianza para la distribución de A será:

La varianza para la distribución B será:

Xi
La varianza de la distribución de llamadas del señor B, es mayor que la varianza
de la distribución de llamadas del señor A: esto indica que la variabilidad de la
distribución de las llamadas del señor B es mayor que la variabilidad de la
distribución de las llamadas del señor A.

Otra fórmula que facilita los cálculos puede obtenerse así:

V(X) = ∑ (Xi – μ )2 P(X) Resolviendo la diferencia al cuadrado se tiene que:

= ∑ (X2 – 2 X μ + μ 2) P(X)

= ∑ X2 P(X) – 2 μ ∑ XP (X) + μ2 ∑ P(x)

ya que ∑ XP(X) = μ y ∑ P(X) = 1 entonces:

= ∑ X2 P(X) – 2 μ2 + μ2

V(X) = ∑ X2 P(X) – μ2

EJERCICIO

4- Calcule la varianza para la distribución de las llamadas recibidas por los

señores A y B, utilizando la fórmula obtenida: V(X) = σ² = ∑ X2 P(X) – μ2

5- Calcule la esperanza para la distribución de probabilidad del ejemplo 3.

6- El 50% de los carros que vende una compañía comercializadora de vehículos

son importados.

6.1- Calcule la distribución de probabilidad para el número de carros

importados, entre los cuatro próximos carros que venda la compañía.
6.2- Calcule E (x) de la distribución
6.3- Discuta con sus compañeros la interpretación, hasta que este bien clara y
entendida la interpretación, de lo contrario consulte con su profesor.

7- Una caja contiene 3 bolas negras y siete blancas. Se saca una bola de la caja,
si esta es negra usted gana $2.000, si es blanca usted pierde $1.000 ¿Cuál es la
esperanza del juego, si la variable es lo que se pierde o lo que se gana?.

8- Una caja contiene 4 bolas rojas, 6 negras y 8 verdes. Se saca una bola de la
caja, si esta es roja usted gana $3.000 y se es negra usted gana $2.000. ¿Cuánto
deberá pagar usted, si la bola que se obtiene es verde, para poder asegurar que el
juego es equitativo. NOTA: recuerde que en un juego equitativo E (x) = 0.

9- Un distribuidor de partes para motor recibe los juegos de partes en lotes de

veinte. El encargado de la recepción utiliza la siguiente regla para darle entrada
a cada uno de los lotes: inspecciona dos juegos del lote, si los dos están
completos no revisa más y da entrada al lote; si al menos uno de los dos juegos
esta incompleto, se inspecciona todo el lote. ¿Cuál es el número esperado de
juegos revisado por lote, si cada lote tiene generalmente 5 juegos incompletos?.
NOTA: la variable x es el número de juegos probados.

10- Usted trabaja en una compañía y dirige una sección. Para modernizar los
procesos del sistema usted plantea la necesidad de comprar 10
microcomputadores de ciertas especificaciones. La compañía cuenta con dos
posibles marcas A y B que cumplen con las especificaciones requeridas por
usted. Recibe la siguiente información acerca de la vida útil de las máquinas
así:

Si usted debe decidir que marca se compra ¿Por cuál se decidiría, si el costo de
las máquinas es el mismo?.

9. Una compañía produce un juguete muy novedoso y usted como gerente de

ventas estima que la demanda del juguete esta determinada por las siguientes
probabilidades:

El costo de producción y comercialización del artículo consiste en un costo base

fijó de $50.000 y un costo variable por unidad de $10. Si el precio de venta es
de $60 por unidad. ¿Cuál es la ganancia esperada de la Compañía?.

10. Una empresa especializada en la organización de espectáculos públicos

desea presentar un concierto de música rock. Con base en la experiencia del
montaje de espectáculos similares ofrecidos anteriormente, la asistencia puede
estimarse en la siguiente forma:
Si el costo total del concierto es de $2.000.000 y el precio de entrada en
promedio es de $1.500 por persona. ¿cuál es la ganancia o pérdida que debe
esperar la empresa?.

11. Un comerciante estima las ventas de un producto perecedero en la siguiente

forma:

El costo por unidad del artículo es $100 y el precio de venta es de $200 por
unidad. El artículo debe ser ordenado con un día de anticipación. El artículo
que no es vendido en el día, se vende al precio de $50 la unidad a otro tipo de
comerciante. ¿Cuántas unidades debe ordenar el comerciante para maximizar su
utilidad diaria esperada?.

NOTA: utilidad = Ingreso – costo

Por ejemplo: Si ordena 30 artículos y estima una venta de 30, tendrá una utilidad
= (30 x 200) – (30 x 100) = 3.000. Si estima una venta de 30 y ordena 40, la
utilidad será
(30 x 200) + (10 x 50) - (40 x 100) = 6500 – 4000 = 2500

12. Usted trabaja en una agencia de seguros y debe determinar el precio base de
la prima de una póliza de seguro por valor de $1.000.000. El seguro cubre un
siniestro que en un largo período de tiempo se ha pagado a razón de dos veces
por cada 100 asegurados.

NOTA: la variable x corresponde al valor que la compañía recibe de prima y lo

que paga del seguro.

El precio base de la prima es ese valor, en el cual los clientes y la compañía a

largo plazo no ganan ni pierden.
13.Usted es invitado a participar en un juego de dados con las siguientes
condiciones: se lanza un dado, si obtiene un uno, gana $50. Pero si sale
cualquier otro número, usted paga $10. ¿Acepta el juego?.

14. El número de accidentes que ocurren en una determinada esquina los días
viernes al medio día tienen la siguiente distribución de probabilidad:

14.1 Halle el número de accidentes esperados: E (x)

14.2 Calcule el número de accidentes que se espera ocurran en esa esquina
durante los próximos cuatro años (200 viernes).

14.3 Discuta la interpretación que se debe dar a los literales 14.1 y 14.2 con sus
compañeros, hasta que tenga claro sus significados, si tiene dificultad consulte
con su profesor.

15. Un comerciante debe comprar una póliza de seguro para proteger su capital
en una inversión. Si la inversión fracasa completamente, las pérdidas serían de
$80 millones. Según los expertos de una agencia la probabilidad de que la
inversión fracase completamente es de 0.02 y de que tenga un cierto éxito es de
0.98. Suponga que el comerciante quiera ignorar todas las otras posibles
pérdidas. ¿Cuál sería el precio base de la compañía para asegurar la inversión
del comerciante?

16. Si usted asegura su automóvil contra el riesgo de robo en la suma de

$8.000.000 y la probabilidad de que sea robado en el curso de un año es de 0.02.
¿Cuál sería el precio de la prima, si la compañía aseguradora, al precio base le
carga el 50% del precio base?