Está en la página 1de 66

Probabilidad

Definicin:
El conjunto de todos los posibles resultados de un experimento aleatorio
o estocstico recibe el nombre de Espacio Muestral () (Espacio
Referencial o Universo).
En el estudio de la probabilidad, se referir como un experimento a
cualquier proceso de observacin. A los resultados de esta observacin
se le llama resultados o salidas del experimento Un experimento es
aleatorio, si no se pueden predecir sus resultados o salidas.
Definicin:
Se dice que un Espacio Muestral es discreto si los resultados pueden
colocarse en correspondencia uno a uno con el conjunto IN; y ser
continuo si sus resultados consisten en un intervalo de nmeros reales.
Definicin:
Un suceso A es un subconjunto del Espacio Muestral . Se anota como
A .

Definicin:
Un Suceso Imposible es aquel en que la ocurrencia del suceso nunca es
posible de efectuarse.
Un Suceso Seguro es aquel en que la ocurrencia del suceso siempre es
posible de efectuarse.
Ejemplos:
1. - Sea el experimento aleatorio : Lanzar un dado. El conjunto de
todos los resultados posibles, en este caso es = { 1, 2, 3, 4, 5, 6 }.
Veamos ahora algunos ejemplos de sucesos relacionados a este caso:
A = { El resultado es par } = { 2, 4, 6 }
B = { El resultado es mayor que 3 } = { 4, 5, 6 }
C = { El resultado es menor o igual a 6 } = ( C es un suceso seguro )
D = { El resultado es mayor que 6 } = ( D es un suceso imposible )

2.- Sea el experimento aleatorio : Lanzar una moneda dos veces. El


conjunto de todos los resultados posibles, en este caso es:
= { (c, c), (c, s), (s, c), (s, s) }.
Donde el par ordenado (x, y) representa dos lanzamientos de la moneda,
es decir, el valor x es para la primera tirada o lanzamiento y el valor
y el segundo lanzamiento, as x e y pueden tomar los valores de c por
una cara y s por un sello. Veamos ahora algunos ejemplos de
sucesos relacionados a este caso:
A = { resulta al menos una cara} = { (c, c), (c, s), (s, c) }.
B = { resulta el mismo valor} = { (c, c), (s, s) }
3.- Sea el experimento aleatorio : Lanzar dos monedas
simultneamente. El conjunto de todos los resultados posibles, en
este caso es:
= { (c, c), (c, s), (s, c), (s, s) }.
En este experimento el conjunto de todos los resultados posibles es el
mismo del ejemplo 2, solamente que en este caso, el par ordenado (x, y)
Tiene una interpretacin diferente. Ahora x representa el valor que
resulta para la primera moneda y el valor resultante para la segunda
moneda lo entrega y.
As, el suceso A del ejemplo 2 debe ser interpretado como el suceso
donde al lanzar dos veces una moneda resulta por lo menos una cara en
alguno de los lanzamientos, mientras que el suceso B nos indica que
ambas monedas tienen igual valor.
Nota:
El espacio muestral puede ser interpretado grficamente para
ambos experimentos as:

4.- El espacio muestral de un experimento consistente en la medicin


(en horas) del tiempo de vida de un microprocesador es:

= { / 0 }
Ntese que los tres primeros ejemplos corresponden a casos de espacios
muestrales discretos, mientras que el ltimo ejemplo corresponde al
caso de un espacio muestral continuo.
El concepto clsico de probabilidad nos dice que es una frecuencia
relativa (concepto estadstico) sin necesidad de haber realizado el
experimento.
La frecuencia relativa se calcula sobre hechos estadsticos consumados,
es decir, sobre un experimento realizado.
Si el nmero de experimentos tiende a infinito, entonces la frecuencia
relativa se convierte en la probabilidad.

Axiomtica de Probabilidades
Conceptos Previos
Operaciones de Boole
Sean A y B sucesos de un Espacio Muestral , entonces:
A B: es el suceso que ocurre s y slo si ocurre el suceso A o el suceso B o si
ocurren ambos sucesos.
AB: es el suceso que ocurre s y slo si ocurren ambos sucesos
simultneamente.

AC : (Complemento de A) es el suceso que ocurre s y slo si el suceso A no


ocurre.
Dos sucesos A y B son Mutuamente Exclusivos o Mutuamente Excluyentes
si son Disjuntos, o sea AB = . En otras palabras, A y B son
Mutuamente Excluyentes si no pueden suceder simultneamente.

Axiomas de Probabilidad
La probabilidad de ocurrencia del suceso A es P(A) si cumple los siguientes
axiomas:
A1.- A 0 P(A) 1
A2.- P() = 1
A3.- Si A y B son Mutuamente Excluyentes:
P(AB) = P(A) + P(B)
La generalizacin tambin es vlida
P( A A A ........ .) = P(A ) + P(A ) + P(A ) +.
1

Teoremas de Probabilidades
T1.- Si es el suceso imposible, entonces P() = 0
T2.- La probabilidad del suceso que ocurre si no ocurre el suceso A, es
decir, la probabilidad del suceso complemento de A es 1 P(A),
donde P(A) es la probabilidad de ocurrencia del suceso A.
P( AC ) = 1 P(A)
T3.- Si A B

P(A) P(B)

T4.- Si A y B son dos sucesos, entonces:


P(A\B) = P(A) P(AB)
T5.- Si A y B son dos sucesos, entonces:
P(AB) = P(A) + P(B) P(AB)

Definicin:
Dos sucesos A y B se dicen Estadsticamente Independientes
(independientes) s y slo si:
P(AB) = P(A) P(B)

; (EI1)

CONSECUENCIAS
A y B sucesos Independientes
1
P(A) = 0 P(B) = 0
A y B sucesos Excluyentes
A y B sucesos Independientes
2
A y B son sucesos No Excluyentes
P(A) > 0 P(B) > 0
A y B sucesos Excluyentes
A y B son sucesos No Independientes
3
P(A) > 0 P(B) > 0

Probabilidad Condicional
Definicin:
Sean A y B dos sucesos cualesquiera, donde P(B) > 0, entonces
definimos:
P ( A B)
P ( A / B) =
;
(PC1)
P (B)
Donde P(A/B) se lee como la probabilidad del suceso A dado que
ocurre el suceso B. Tambin se lee como la probabilidad que el suceso
A ocurra una vez que ocurre el suceso B, es decir, la probabilidad
condicional del suceso A dado el suceso B.
Si adems, A y B son Sucesos Independientes, entonces:
P(A/B) = P(A)

P(B/A) = P(B)

De donde obtenemos que


independientes.

P(AB) = P(A) P(B) para sucesos

Ejemplo:
Sean A y B dos sucesos tales que:
P(A) = 0.8
P(B) = 0.6
P(AB) = 0.5 ( A y B son sucesos no excluyentes )
Calcular las probabilidades de los siguientes sucesos:
a.- No ocurre el suceso A
b.- ocurre slo el suceso A
c.- ocurre al menos uno de los dos sucesos
d.- ocurre slo uno de los dos sucesos
e.- no ocurre ninguno de los dos sucesos
Respuestas:
a.- No ocurre A

P( AC ) P( AC ) = 1 P(A) = 1 0.8 = 0.2

b.- ocurre slo A P(A\B) P(A\B) = P(A) P(AB) = 0.8 0.5 = 0.3
c.- ocurre al menos uno de los dos P(AB):
P(AB) = P(A) + P(B) P(AB) = 0.8 + 0.6 0.5 = 0.9
d.- ocurre slo uno de los dos P[ (A\B) (B\A) ]
Notemos que: P([ (A BC ) ] [ (B AC ) ] ) = P[ (A\B) (B\A) ]
P([ (A BC ) ] [ (B AC ) ] ) = P(A BC ) + P(B AC )
por otra parte: P(A BC ) = P(A) P(AB) = 0.8 0.5 = 0.3
y

P(B AC ) = P(B) P(AB) = 0.6 0.5 = 0.1

por lo tanto:
P([ (A BC ) ] [ (B AC ) ] ) = P(A BC ) + P(B AC ) = 0.3 + 0.1 = 0.4
e.- no ocurre ninguno de los dos P((A B)C ) = 1 P(AB)
por otra parte: P(AB) = P(A) + P(B) P(AB) = 0.8 + 0.60 0.5 = 0.9
as: P((A B)C ) = 1 P(AB) = 1 0.9 = 0.1

Ejemplo (la secretaria loca):


Una secretaria escribe cuatro cartas con sus cuatro sobres respectivos. Si
coloca las cartas en los sobres de manera aleatoria. Cul es la
probabilidad que las coloque correctamente?
Respuestas:
Sea S y C el Sobre i y la Carta i respectivamente, con i = 1, 2, 3, 4.
i

El diagrama de rbol nos muestra las siguientes posibilidades:

Carta 1

Carta 2

Carta 3

Carta 4

Sobre 1

Sobre 1

Sobre 1

Sobre 1

Sobre 2

Sobre 2

Sobre 2

Sobre 2

Sobre 3

Sobre 3

Sobre 3

Sobre 3

Sobre 4

Sobre 4

Sobre 4

Sobre 4

El espacio muestral queda como:


= { (c1, s1), (c1, s2), (c1, s3), (c1, s4), (c2, s1), (c2, s2), ), (c2, s3), (c2, s4),
(c3, s1), (c3, s2), ), (c3, s3), (c3, s4), (c4, s1), (c4, s2), (c4, s3), (c4, s4) }
y la cardinalidad de es 16 ( # = 16) por que 16 son los sucesos posibles
que consisten en colocar aleatoriamente las cartas en los sobres.
El suceso de colocar la carta apropiada en el sobre apropiado lo
denominaremos A :
A = { (c1, s1), (c2, s2), (c3, s3), (c4, s4) } cuya cardinalidad es 4 (#A = 4)
En consecuencia la probabilidad pedida es:
P(A) = #A / # = 4/16 = 1/4= 0.25

Ahora veremos la aplicacin de los conceptos de probabilidad condicional.


Ejemplo (el profesor cruel):
Una estadstica que manejan los profesores de un instituto de educacin
superior revela que el 25% de los estudiantes de las carreras que all se
imparten reprueba Clculo, el 15% reprueba Estadsticas y el 10%
reprueba ambas asignaturas.
a.- Si un alumno reprueba Estadsticas, cul es la probabilidad que repruebe
Clculo?
b.- Si un alumno reprueba Clculo, cul es la probabilidad que repruebe
Estadsticas?
c.- cul es la probabilidad que tiene el alumno de reprobar una de las dos o
ambas asignaturas?
Respuestas:

Presentemos esta situacin en el diagrama de Venn-Euler:

Donde C es el suceso consistente en reprobar Clculo y E es el suceso que


consiste en reprobar Estadsticas.
a.- El teorema de la probabilidad condicional (pag. 5; PC1) nos dice que
la probabilidad condicional que un alumno pierda Clculo si reprob
Estadsticas es:
P ( C E ) 0,1 2
P (C / E ) =
=
= = 0, 666....
P(E)
0,15 3
b.- La probabilidad que un alumno pierda Estadsticas dado que reprob
Clculo es:
P (C E )
0,1
2
P (E / C ) =
=
= = 0, 4
P (C )
0, 25 5

c.- La probabilidad que un alumno repruebe ya sea Clculo o


Estadsticas o ambas es:

P(C E) = P ( C) + P ( E ) P(C E) = 0, 25 + 0,15 0,1 = 0,3

De este problema nace una pregunta casi natural: el reprobar Clculo y


Estadsticas son sucesos independientes.
Veamos. Si los sucesos son independientes, debe darse (pgina 5):

P(C E) = P ( C) P ( E )

Pero vemos que P(CE) = 0.1 y que P(C) P(E) = 0,15*0,25=0,0375y


claramente 0,1 0,0375 o sea P(CE) P(C) P(E) lo que indica que
reprobar Clculo y Estadsticas no son sucesos independientes, es decir
son sucesos dependientes.
Nota: Cualquier situacin con la vida real es simplemente intencional
Nota: Siempre es importante tener en cuenta que:

A B = (A BC) (A B ) (AC B )
A B = (A \ B) (A B ) (B \ A)
Ntese que se trata de la unin de conjuntos disjuntos.

10

Se arrojan tres monedas legales. Calcular la probabilidad de obtener:


a) Exactamente i caras
( i = 0,1, 2, 3 )
b) Por lo menos i caras

M1

M2

M3
C

(C,C,C)

(C,C,S)

(C,S,C)

(C,S,S)

(S,C,C)

(S,C,S)

(S,S,C)

(S,S,S)

C
C
S

C
S
S

i caras exactas

CCC
CCS
CSC
CSS
SCC
SCS
SSC
SSS
# 8

Por lo menos i caras


3

1 2 3 1 1 7 4 1
Probab. 1/8 1/4 3/8 1/8 1/8 7/8 1/2 1/8
Suceso pregunta a Suceso pregunta b

As la probabilidad de obtener exactamente 0 caras es 1/8, la de obtener


exactamente 1 caras es 1/4, la de obtener exactamente 2 caras es 3/8, la de
obtener 3 caras es 1/8. Mientras que la probabilidad de obtener al menos 0
caras alcanza a 1/8, al menos 1 cara es 7/8, la de obtener por lo menos 2 caras
es 1/2, y la de obtener por lo menos 3 caras es de 1/8.

11

La probabilidad que un hombre siga vivo dentro de 25 aos es 3/5, y la de su esposa


es de 2/3. Determinar la probabilidad que en ese momento:
a) ambos estn vivos
b) slo el hombre est vivo
c) slo la mujer est viva
d) al menos uno de ellos est vivo

P(H) = 3/5 =: Probabilidad que el hombre siga viviendo dentro de 25 aos.


P(M) = 2/3 =: Probabilidad que la mujer siga viviendo dentro de 25 aos.
Respuesta a:

P(HM) = : Probabilidad que ambos estn vivos dentro de 25 aos.


Como H y M son sucesos independientes, entonces :

P(HM) = P(H)* P(M) y as P(HM) =3/5*2/3 = 2/5 = 0,4


Respuesta b:

P(H \ M) =: Probabilidad que slo el hombre siga vivo dentro de 25 aos.


P(H \ M) = P(HMc) = P(H) - P(HM) = 3/5-2/5 = 1/5 = 0,2
Respuesta c:

P(M \ H) =: Probabilidad que slo la mujer siga viva dentro de 25 aos.


P(M \ H) = P(MHc) = P(M) - P(HM) = 2/3-2/5 = 4/15
Respuesta d:

P(HM) =: Probabilidad que al menos uno de ellos viva dentro de 25 aos.


P(HM) = P(H) + P(M) - P(HM) = 3/5+2/3-2/5 = 13/15

12

Un curso formado por 10 hombres y 20 mujeres, de los cuales la mitad de los


hombres tienen ojos negros y la mitad de las mujeres tienen ojos negros. Hallar la
probabilidad que una persona escogida al azar sea hombre o tenga ojos negros.

Respuesta:

NEGROS OTRO COLOR

: Alumno hombre
: Alumno mujer
N : Alumno de ojos negros

5
10
15

5
10
15

10
20
30

P()
= : Probabilidad que el alumno sea hombre (10/30)
P()
= : Probabilidad que el alumno sea mujer (20/30)
P(N)
= : Probabilidad que el alumno tenga ojos negros (15/30)
P(N) = : Probabilidad que el alumno sea hombre y tenga ojos negros
(5/30)
As la probabilidad pedida es:

P(N) = P() + P(N) - P(N) = 10/30+15/30 5/30 = 2/3


Se desea determinar la probabilidad de encontrar dos microprocesadores
defectuosos al azar dentro de una partida de 15 microprocesadores.

Utilizaremos el Teorema de la Probabilidad Condicional (PC1):


P(AB)
P(A / B) =

como P(AB) = P(B)* P(A / B)


P(B)

Esto ltimo nos dice que la probabilidad que de dos sucesos, ocurran ambos es
el producto de la probabilidad que ocurra uno de los sucesos y la probabilidad
que ocurra el otro suceso si el primero ha ocurrido (ocurre o ocurrir). As:
Sea B =: Encontrar un microchip defectuoso en la partida
A / B =: Encontrar el otro microprocesador habiendo encontrado el primero
AB =: Encontrar ambos microprocesadores en la partida
con P(B) = 2/15 y P(A / B) = 1/14

13

En consecuencia: P(AB) = 2/15*1/14= 1/105


Ahora veamos la resolucin de este problema mediante diagramas de rbol:
P(B)

P(A / B)
1/14
Acierto

2/15
Acierto

13/14
Error

2/14
Acierto

13/15
Error

12/14
Error

As vemos que la probabilidad de acertar en encontrar los dos


microprocesadores fallados en la partida es 2/15*1/14 = 1/105

El circuito de la figura est constituido por 5 dispositivos que funcionan


adecuadamente si y slo si, existe una trayectoria de dispositivos en funcionamiento
desde la entrada I hacia la salida O, y cuyas probabilidades de fallar se indican en
cada uno de los dispositivos. Suponiendo que los dispositivos fallan de manera
independiente. Cul es la probabilidad que el circuito funcione correctamente?.

1/100

1/100

1/10
O

I
C

1/10

1/10

14

Sean:
P(XYO) = : Probabilidad que el dispositivo X y el dispositivo Y se encuentren
operativos (funcionando).
P(XO) = : Probabilidad que el dispositivo X se encuentre operativo.
As:
P(ABO) = P(AO BO) = P(AO)* P(BO) (sucesos independientes)
P(ABO) = (11/100)*(11/100) = (99/100)2 = 0,9801
Por otra parte tenemos:
P(ABO CO) = P(ABO) + P(CO) P(ABO)* P(CO)
P(ABO CO) = 0,9801+ 0,9 0,9801*0,9
P(ABO CO) = 0,99801 =: P(ABCO)
Por otro lado tambin se tiene:
P(DO EO) = P(DO) + P(EO) P(DO)* P(EO)
P(DO EO) = 0,9+ 0,9 0,9*0,9 =: P(DEO)
As el problema se soluciona si:
P(ABCO DEO) = P(ABCO)* P(DEO)
P(ABCO DEO) = 0,99801*0,99 = 0,9880299 = : P(ABCDEO)
Ahora se proceder a resolver el mismo problema usando el diagrama
decisional.
Del grfico del circuito se puede apreciar que existen 4 rutas posibles para la
salida O a partir de la entrada I; a saber:

15

1.
2.
3.
4.

IABDO
IABEO
I CD O
I CE O
A

1/100

1/100

1/10
O

I
C

1/10

1/10

Calculemos la probabilidad que falle el dispositivo A o el dispositivo B:


P(AF BF) = P(AF) + P(BF) P(AF BF) y como son sucesos independientes
P(AF BF) = P(AF) + P(BF) P(AF)* P(BF) = 1/100+1/100-1/100*1/100
P(AF BF) = 0.0199
La probabilidad que no fallen estos dispositivos es: 1 P(AF BF) = 0,9801
Es decir, la probabilidad de mantenerse operativos es del 0,9801. Con estos
datos confecciones el diagrama decisional:
P(DF)
0,1

P(EO) 0,9

P(EF) 0,1

P(AO BO) 0,9801


P(DO)
0,9

I
P(CF)
0,1
P(AF BF) 0,0199

P(DO) 0,9
P(CO)
0,9

O
P(EF) 0,1

P(DF) 0,1

P(EO) 0,9

16

As vemos que la probabilidad que el circuito funcione a la salida O es:


0,9801*0,1*0,9+0,9801*09+0,0199*0,9*0,9+0,0199*0,9*0,1*0,9=0,9880299.
As con esta configuracin existe un casi 99% de probabilidades que el
circuito funcione correctamente.
En un curso, se presenta un caso de Tifoidea y tres casos de Gripe. Las edades de los
alumnos fluctan entre los 12 y los 15 aos. Suponga que para este grupo etario la
tasa de incidencia de la Tifoidea es de un 5% y la de Gripe un 8%. Se sabe a priori
que ambos sucesos son independientes. Si se selecciona aleatoriamente un alumno
del curso, indique cul es la probabilidad que el alumno seleccionado:
a)
b)
c)
d)
e)

No enferme de Tifoidea
No sufra de Gripe
Enferme de Gripe y Tifoidea
Presente cualquiera de las enfermedades pero no ambas
No presente ninguna de las enfermedades

Sean los sucesos definidos mediante G y T como:


G = contraer la Gripe y T = contraer la Tifoidea con P(G) = 0,08 y P(T) = 0,05
Respuesta a:
P( T c ) = 1 P( T ) = 1 0,05 = 0,95
Respuesta b:
P( G c ) = 1 P( G ) = 1 0,08 = 0,92
Respuesta c:
P(G T) = P( G )*P( T ) = 0,08*0,05 = 0,004
Respuesta d:
P(G T) P(G T) = P( G ) + P( T ) 2P(G T)
= P( G ) + P( T ) 2P(G )*P( T )
= 0,08 + 0,05 2*0,08*0,05 = 0,122

17

Respuesta e:
P(G c T c ) = P( G c)*P( T c) = ( 1 0,08)*(1 0,05) = 0,92*0,95 = 0,874
Sean A y B dos caractersticas genticas independientes. La probabilidad que un
individuo presente la caracterstica A es 0,5 y la probabilidad que presente la
caracterstica B es 0,75.
a) Cul es la probabilidad que un individuo presente ambas caractersticas?
b) Cul es la probabilidad que un individuo presente por lo menos una de ellas?
c) Cul es la probabilidad que un individuo no presente ninguna de ellas?.

Respuesta a:
P(A B) = ? ; A y B eventos independientes con P(A) = 0,5 y P(B) = 0,75
esto nos dice que A y B son sucesos no excluyentes.
Por otro lado, A y B independientes si y slo si P(A B) = P(A)* P(B) de
modo que
P(A B) = 0,5*0,75 = 0,375
Respuesta b:
P(A B) = ?
P(A B) = P(A) + P(B) P(A B) = 0,5 + 0,75 0,375 = 0,875
Respuesta c:
P([A B] c) = ?
P([A B] c) = 1 P(A B) = 1 0,875= 0,125

18

Teorema de la Probabilidad Total


Sea { A }
i

una particin de tal que P(A ) > 0 i = 1, 2, ........, n y sea


i

i =1

B un suceso tal que P(B) > 0. Entonces:


n

P(B) = P(B / A ) P(A )


i

i=1

Particin:

{A }
i

n
i =1

; (PT1)

donde los conjuntos A son mutuamente excluyentes


i

y de la unin de stos resulta , en lenguaje matemtico:


=

{ Ai }

y A

n
i =1

= A

=; A

A ......... A
2

A=;

........................ ; A
n1

A
n

. . . ..
.
.

A
1

A
2

A
4

A
3

19

Teorema de Bayes
Sea { A }
i

n
i =1

una particin de tal que P(A ) > 0 ; i = 1, 2, ........, n y sea


i

B un suceso tal que P(B) > 0. Entonces para cualquier 1 k

n se tiene:

P( B / A ) * P( A )
; 1 k n ;

k
k
P( A / B) = n
k
P( B / A ) * P( A )
i =1

(TB1)

DISCUSIN DEL TEOREMA DE LA


PROBABILIDAD TOTAL Y DEL TEOREMA DE
BAYES
Procedamos a la discusin de estos teoremas a travs del ejemplo de las
mquinas que producen artculos defectuosos.
En efecto, hagamos un particin del espacio muestral , consistente en la
produccin de tres mquinas con artculos buenos y malos, en tres sucesos que
corresponden a la produccin de cada mquina individualmente. Cada
mquina tiene una produccin constituida por artculos buenos y defectuosos
(malos).
M1

B
M2
M3

As, el Teorema de la Probabilidad Total nos proporciona para el suceso B


definido como B: Produccin total de artculos defectuosos, la probabilidad

20

P(B) de producir artculos defectuosos o malos. Esta se calcula como lo


estipula la expresin PT1, es decir:

P( B) = P( B / M ) * P( M )
i =1

donde P(B/Mi) es la probabilidad de que

el artculo defectuoso provenga de la mquina isima y donde P(Mi) es la


probabilidad de produccin de artculos de la mquina isima (buenos y
defectuosos). En cambio el Teorema de Bayes responde a la contingencia que
presenta la siguiente situacin:
Si al escoger aleatoriamente un artculo de la produccin conjunta o total de
las mquinas se obtuvo un artculo defectuoso, nace la pregunta Cul es la
probabilidad que el artculo defectuoso obtenido provenga o lo haya fabricado
una mquina determinada, digamos, la k-sima mquina?
Esta pregunta la responde el Teorema de Bayes calculndola como:

P( B / M ) * P( M )
k
k
P( M / B) = 3
k
P( B / M ) * P( M )
i =1

1k 3

EJEMPLO:
En una industria hay tres mquinas que fabrican el mismo artculo, y su
produccin diaria est detallada en el siguiente cuadro:
Mquina
1
2
3

Artculos Artculos Produccin


defectuosos buenos
total
5
195
200
4
246
250
6
144
150
15
585
600

21

a) Si de la produccin total diaria se escoge un artculo al azar, Cul es la


probabilidad que el artculo resulte defectuoso?
b) Si al extraer un artculo de la produccin total diaria, ste result
defectuoso; cul es la probabilidad que este artculo haya sido
fabricado por la mquina nmero 2 especficamente?.
La respuesta a estas preguntas las entregan los teoremas discutidos
anteriormente. As para responderlas calcularemos las probabilidades
necesarias y las presentaremos en la siguiente tabla:
Mquina
1
2
3

Probab. Art. Defec. Probab. Art. Defec.


fabricado por mquina i produccin total
5/200
200/600
4/250
250/600
6/150
150/600

Respuesta a)
El Teorema de la Probabilidad Total nos entrega la respuesta, As la
probabilidad que el artculo seleccionado resulte defectuoso es:

P( B) = P( B / M ) * P( M ) =
i =1

5 200 4 250 6 150


*
+
*
+
*
200 600 250 600 150 600

5
4
6
+
+
600 600 600

0,025

15
600

1
40

22

Respuesta b)
La respuesta nos la entrega el Teorema de Bayes. As esta probabilidad es:

P(B/ M )*P(M )

4 250
*
2
2
250
600 = 4 = 0,2 6
P(M / B) = 3
=
1
15
2
P
(
B
/
M
)
*
P
(
M
)

40
i=1
i
i
Ahora se ver cmo resolver el mismo problema, pero usando la tcnica de los
diagramas decisionales o de rbol:
Mquina i

% Produccin Mquina i

200
600

250
600

150
600

% Calidad Mquina i
(Defectuosos y Buenos)

5 ( D)
200
195
200

(B)

4 ( D)
250

246 ( B )
250
6 ( D)
150

144 ( B )
150

23

Directamente del diagrama podemos calcular la probabilidad que el artculo


resulte defectuoso:
P(Artculo Defectuoso) =

200 5 250 4 150 6


1
*
+
*
+
*
=
600 200 600 250 600 150 40

Y la probabilidad que el artculo resulte bueno es:


P(Artculo Bueno) =

200 195 250 246 150 144 39


*
+
*
+
*
=
600 200 600 250 600 150 40

Tambin la probabilidad que un artculo resulte ser defectuoso y haya sido


fabricado por la mquina nmero 3 es:

150 6
*
2
P(M3/Defectuoso) = 600 150 = = 0,4
1
5
40
Veamos otros ejemplos de las aplicaciones de estos teoremas:

Una empresa ha decidido ensayar un nuevo Test de Seleccin de Personal. La


experiencia ha demostrado que slo el 60% de los candidatos son adecuados para
algn puesto de trabajo.
De entre todas las personas que resultaron adecuadas para el cargo, slo el 80%
aprob satisfactoriamente el Test de Seleccin, mientras que slo el 40% de aquellas
que no resultaron adecuadas aprob dicho test.
c) Cul es la probabilidad que una persona cualquiera apruebe el test?
d) Si se utiliza el Test de Seleccin y se contrata solamente a las personas que lo
aprueban, Cul resulta ser la probabilidad que una persona que aprueba el Test
de Seleccin resulte adecuada para el cargo?

24

Sin Test de Seleccin

Adecuado

60%

Con Test de Seleccin


Aprueba Test

80%

Reprueba Test

20%

Aprueba Test

40%

Reprueba Test

60%

Inadecuado 40%

P(a) = 0,6 * 0,8 + 0,4 * 0,4 = 0,64 es la probabilidad que una persona
cualquiera apruebe el Test de Seleccin.
0 , 6 * 0 ,8
= 0,75 es la probabilidad que una persona que aprueba el Test
0 , 64
de Seleccin resulte adecuada para el cargo.

P(b) =

Se desea ir al centro de la ciudad y llegar antes de las 18:00 hrs. Se sabe que:

Si se toma un taxi la probabilidad de llegar a tiempo es 0,8


Por otro medio de locomocin la probabilidad de llegar a tiempo es 0,4
La probabilidad de tomar un taxi es 0,3

a) Cul es la probabilidad de llegar al centro de la ciudad antes de las 18:00 hrs.?


b) Cul es la probabilidad de llegar al centro de la ciudad despus de las 18:00
hrs. Si no se recurre al taxi?

TX
OML
AT
T

Taxi
Otro medio de locomocin
A tiempo (Antes de las 18:00 hrs.)
Tarde (Despus de las 18:00 hrs.)

AT 0,8
TX
0,3

T 0,2
AT 0,4

OML
0,7

T 0.6

P(a) = 0,3 * 0,8 + 0,7 * 0,4 = 0,52 es la probabilidad de llegar al centro de la


ciudad antes de las 18:00 hrs.

Los valores subrayados corresponden a los datos entregados por el enunciado del problema

25

P(b) =

0,7*0,6
= 0,875 es la probabilidad de llegar atrasado al
0,3*0, 2 + 0,7*0,6

centro de la ciudad si no se recurre al taxi.


Un inversionista planea comprar una importante cantidad de acciones de una
empresa. La cotizacin de las acciones de la empresa en la Bolsa durante los seis
meses anteriores resulta de sumo inters para el inversionista. Con base a ese
perodo, se observa que la cotizacin que afecta a las acciones se relaciona con el
Producto Nacional Bruto (PNB) del pas, observando que:

Si el PNB sube, la probabilidad que el valor de la accin de la empresa suba es


0,8
Si el PNB se mantiene sin variacin, la probabilidad que el valor de la accin
suba de precio es 0,2
Si el PNB cae, la probabilidad que el valor de la accin incremente su precio es
0,1
Si para los siguientes 6 meses, los estudios estadsticos asignan las
probabilidades de 0,4; 0,3 y 0,3 a los sucesos: alza del PNB; PNB sin variacin
y baja del PNB respectivamente.

a) Determinar la probabilidad que el valor de la accin suba durante los prximos


6 meses.

PNB
A
SV
B
VA
SP
DP

Producto Nacional Bruto


Alza
Sin Variacin
Baja
Valorizacin de las Acciones
Subida del Precio
Disminucin del Precio

PNB

VA
SP 0,8

A
0,4

DP 0,2

SP 0,2
SV
0,3

DP 0,8

SP 0,1
B
0,3

DP 0,9

P(a) = 0,4 * 0,8 + 0,3 * 0,2 + 0,3 * 0,1 = 0,41 es la probabilidad que la accin
de la empresa suba de precio durante los prximos seis meses.

26

Para detectar el cncer se ha desarrollado un examen que parece prometedor. Las


estadsticas indican que el 98% de los pacientes con cncer de un hospital
reaccionaron positivamente a la prueba, mientras que solamente el 3% de los
pacientes del hospital tienen cncer. Tambin se registr que slo el 4% de aquellos
pacientes que no tienen cncer reaccionaron positivamente a la prueba. En base a
estas estadsticas:
a) cul es la probabilidad que un paciente elegido aleatoriamente y que reacciona
positivamente a la prueba tenga realmente cncer?

Tipo de Paciente

Reaccin al Examen
( + ) 0,98

Con Cncer
0,03

( - ) 0,02
( + ) 0,04

Sin

Cncer
0,97

P(a) =

( - ) 0,96

0,03*0,98
= 0,431
0,03*0,98+ 0,97*0,04

Se le pregunta a un Consultor en Recursos Humanos sobre su opinin en relacin a


si la secretaria insatisfecha de un ejecutivo de gerencia ha renunciado a su puesto
sobre todo porque no le gustaba su trabajo, porque le pareca que se le remuneraba
mal, o simplemente porque no le agradaba su jefe. Sin poder obtener ninguna
informacin directa de la secretaria, toma los siguientes datos de un estudio a gran
escala sobre la moral y motivacin en las empresas: Entre todas las secretarias
insatisfechas, el 20% lo estn principalmente porque les disgusta el trabajo; el 50%
se sienten mal pagadas, y al 30% no les agrada su jefe. Adems las probabilidades
que renuncien son, respectivamente: 0,6; 04 y 0,9.

27

Renuncia 0,6
No le gusta el trabajo

0,2
Contina 0,4

Renuncia 0,4
Remuneracin insuficiente 0,5
Contina 0,6

Renuncia 0,9
Le disgusta el Jefe

0,3
Contina 0,1

La probabilidad que una secretaria renuncie est dada por el Teorema


de la Probabilidad Total y es: 0,2 * 0,6 + 0,5 * 0,4 + 0,3 * 0,9 = 0,59

La probabilidad que una secretaria renuncie debido a que no le gust su


trabajo est dada por el Teorema de Bayes y vale:

La probabilidad que una secretaria renuncie debido a que se considera


mal remunerada es:

0, 2*0,6
= 0,203
0,59

0,5*0, 4
= 0,339
0,59

La probabilidad que una secretaria renuncie debido a que no le agrad


su jefe es:

0,3*0,9
= 0,458
0,59

As la mejor respuesta que puede dar el Consultor, es que lo ms


probable es que la secretaria renunci principalmente porque le
desagrad el jefe para el cual tena que trabajar (45,8 %).
Tambin podemos inferir, que la estabilidad laboral para las secretarias
es relativamente baja, debido a que la probabilidad que una secretaria
contine trabajando es del 41 %, que no es otro que el valor dado por la
probabilidad del suceso contrario, es decir: 0,41 = 1- 0,59.

28

La probabilidad que un accidente de aviacin sea debido a defectos estructurales se


diagnostica correctamente en el 72 % de los casos, y la probabilidad que un
accidente de aviacin que no se deba a defectos estructurales se diagnostica
errneamente como debido a fallas estructurales es de un 12 %. Si el 40 % de los
accidentes de aviacin se deben a defectos estructurales, Cul es la probabilidad
que un accidente de aviacin que se ha diagnosticado como debido a defectos
estructurales se deba realmente a esta causa?
Causas del Accidente Areo

Diagnstico
Correcto 72%

Defectos estructurales
40%

Errneo 28%
Correcto 88%

Otras causas
60%

Errneo 12%

As, la probabilidad que un accidente areo que se ha diagnosticado como


debido a defectos estructurales, se deba realmente a esa causa es:

0, 4*0,72
= 0,353
0, 4*0,72+ 0,6*0,88
La compaa RCR est considerando comercializar un nuevo tipo de telfono
mvil, cuya principal caracterstica es permitir la marcacin mental del nmero
deseado. Las investigaciones de mercado dicen que la probabilidad que ste tenga
xito es de 0,4 siempre que la nica firma competidora, la compaa CLV, no
introduzca al mercado un tipo similar de telfono mvil. RCR ha estimado en 0,3 la
probabilidad que CLV introduzca al mercado el telfono mvil alternativo, adems
de estimar en 0,548 la probabilidad que el telfono RCR no tenga xito. Si el
telfono RCR tuvo xito, cul es la probabilidad que CLV haya introducido al
mercado su nuevo tipo de telfono mvil?

xito
RCR
0,7

Fracaso 0,6
xito

CLV
0,3

0,4

0,452

Fracaso 0,548

29

As, la probabilidad que CLV haya lanzado su telfono mvil de marcacin


mental, dado que el de RCR tuvo xito es:

0,3*0, 452
= 0,326
0,3*0, 452+ 0,7*0, 4
Una urna contiene 3 bolas blancas y 5 bolas negras. Se extrae una bola al azar y se
la separa. Luego se extrae otra bola; Cul es la probabilidad que esta segunda bola
sea blanca?.
Primera extraccin

Segunda extraccin
Blanca 2 / 7

Blanca 3 / 8
Negra

5/7

Blanca 3 / 7
Negra

5/8
Negra

La probabilidad que esta segunda bola sea negra es:

4/7

3 2 5 3 3
* + * =
= 0,375
8 7 8 7 8

La siguiente figura explica la forma de asignar las probabilidades al diagrama


decisional:
B B

N N
B B B

N N N

N N
B B B

N N N
N

N N
N N

30

Un hombre va de pesca por primera vez, disponiendo de tres tipos de carnadas, de


las cuales slo una es inadecuada para la clase de peces que pretende capturar.
La probabilidad de capturar un pez usando la carnada apropiada es 1/3.
La probabilidad de capturar un pez usando la carnada inapropiada es 1/5.
a) Cul es la probabilidad de pescar un pez?
b) Dado que el pescador logr atrapar un pez, cul es la probabilidad que haya
utilizado el tipo correcto de carnada?

Tipo de Carnada ( Ci )

Resultado
Acierto 1/3

C1 (Apropiada)

1/3
Falla

2/3

Acierto 1/3
C2 (Apropiada)

1/3
Falla

2/3

Acierto 1/5
C3 (Inapropiada) 1/3
Falla

4/5

Asignamos probabilidades de 1/3 al hecho de elegir uno de los tres tipos de


carnada por tratarse de un novato que sale de pesca por primera vez. El
desconocimiento de la carnada por usar hace que el hecho de utilizar un tipo
de carnada cualquiera sea un suceso equiprobable. As, la respuesta a la
pregunta a) es:
P(a) =

1 1 1 1 1 1
* + * + *
3 3 3 3 3 5

13
45

0,2 8

La respuesta a la pregunta b) la podemos obtener, calculando la probabilidad


de ocurrencia del suceso contrario, es decir, dado que ha logrado pescar un
pez, la probabilidad que lo haya hecho usando la carnada inapropiada es:

31

1 1
*
3 5
13
45

3
13

P(b) = 1 -

3 10
=
0,769
13 13

Tambin se puede contestar esta pregunta fijndose directamente en el


diagrama y notando que la probabilidad pedida es:

P(b) =

1 1 1 1
* + *
3 3 3 3
13
45

1 1
2* *
3 3
=
13
45

10
13

, puesto que segn el diagrama y

usando la notacin de los teoremas de la Probabilidad Total y de Bayes:

P(C1 / B) = P(C2 / B) =

C1

1 1
*
3 3
13
45

siendo B el suceso de atrapar un pez.

B
C2

Mono explicatorio

C3

Con = {C1, C2, C3} donde Ci es el suceso usar la carnada i y B el suceso


atrapar un pez, con P(Ci) = 1/3 ; i = 1, 2, 3 y C3 representan el suceso de
usar la carnada inapropiada. Adems P(B / C3) = 1/5 y P(B / C1) = P(B / C2) =
1/3 donde:
P(B) = P(B / C1) * P(C1) + P(B / C2) * P(C2) + P(B / C3) * P(C3) = 13 / 45

32

En una determinada poblacin las autoridades de Salud han detectado una


enfermedad muy grave (A), cuyo sntoma ms importante es X, pero este
sntoma tambin se presenta en personas que padecen una enfermedad no tan
grave (B) e incluso, en personas que no padecen nada serio (C). El sntoma X se
presenta en el 99% de los que padecen la enfermedad A, en el 50% de los que
padecen la enfermedad B y en el 0,4% de los que no tienen nada serio.
Examinando a un individuo de dicha poblacin que presenta el sntoma X, se
pretende conocer la probabilidad que tenga la enfermedad A, sabiendo que el
2% tiene esa enfermedad A, el 0,5% la enfermedad B y el 97,5% no tienen nada
serio.

Enfermedad

Sintomatologa
X 99%

A
2%

~X 1%

X 50%
B
0,5%

~X 50%

X 0,4%
C
97,5%

~X 99,6%

Nota: ~X representa la aparicin de otros sntomas diferentes del cuadro sintomtico X

As lo que se pide, la probabilidad que un individuo tenga la enfermedad A


habiendo presentado el sntoma X es:

0,02*0,99
0,756
0,02*0,99+ 0,005*0,5+ 0,975*0,004
Esto quiere decir que algo ms de las 3/4 partes de la poblacin que presenta
el sntoma X ha contrado la enfermedad A de alta gravedad.
Es importante destacar, que la probabilidad que un individuo presente la
sintomatologa X es de 0,02*0,99+0,005*0,5+0,975*0,004 = 0,0262. Esto
significa que slo un poco ms de la cuarta parte de la poblacin presenta el
sntoma X.

33

La probabilidad que una cervecera decida patrocinar la televisacin de un


torneo de ftbol en un determinado pas de Amrica del Sur, es de un 50%, la
transmisin de una telenovela es de un 30% y la transmisin de una pera es un
20%. Si la cervecera se decide por el ftbol, la probabilidad de obtener ms de
40 puntos de sintona es del 60%, si se decide por la telenovela, alcanza un 45%
y si se decide por la pera, un 18%.
Si result un bajo nivel de sintona. Cul es la probabilidad que la cervecera
haya decidido auspiciar la pera?.
Programa

Nivel de Sintona
Alto

Ftbol
50%

Bajo 40%

Alto
Novela
30%

Opera
20%

60%

45%

Bajo 55%

Alto

18%

Bajo

82%

Del diagrama tenemos que la probabilidad pedida es:

0, 2*0,82
0,31
0, 2*0,82+ 0,3*0,55+ 0,5*0, 4
Crtica optativa
Un anlisis ms a fondo del problema nos indica que la calidad de la televisin
de ese pas de Amrica del Sur parece no ser muy buena, puesto que un simple
clculo de la probabilidad de obtener bajas tasas de sintona alcanza al 52,9%.
El valor agregado de usar los diagramas de decisin consiste en obtener toda
la informacin relativa al problema, que del modo tradicional no se clarificara
de manera inmediata.

34

De tres cajas PortaCDs idnticas una contiene dos CDs musicales de moda (CD In) y
otro pasado de moda (CD Out), una segunda caja contiene un CD de moda y un CD
pasado de moda, y la tercera contiene dos CDs pasados de moda. Todos los CDs
fueron grabados en forma pirata, y ninguno posee etiquetas de identificacin. Tras
tomar una de las cajas al azar, un empleado toma al azar un CD de la misma. Si este
CD result ser uno de moda, Cul es la probabilidad que el otro CD tomado de la
misma caja sea tambin un CD de moda?

CDIN CD de moda
CDOUT CD pasado de moda
Caja PortaCD i (i = 1, 2, 3 )
Ci
Ci

C1
C2
C3
CDIN CDIN CDOUT
CDIN CDOUT CDOUT
1 Eleccin
CDIN

2 Eleccin
CDIN (1/1)

(2/2)
CDOUT (0/1)

C1 (1/3)
CDIN

(0/1)

CDOUT (0/2)
CDOUT (0/1)
CDIN
CDIN

(0/1)

(1/2)
CDOUT (1/1)

C2 (1/3)
CDIN

(1/1)

CDOUT (1/2)
CDOUT (0/1)
CDIN
CDIN

(0/1)

(0/2)
CDOUT (1/1)

C3 (1/3)
CDIN

(0/1)

CDOUT (2/2)
CDOUT (1/1)

As la probabilidad solicitada es:


1/ 3*2 / 2*1/ 1
= 2/3
1/ 3*2 / 2*1/ 1+1/ 3*0 / 2*0 / 1+1/ 3*1/ 2*0 / 1+1/ 3*1/ 2*1/ 1+1/ 3*0 / 2*0 / 1+1/ 3*2 / 2*0 / 1

35

Resumen Teoremas de la Probabilidad Total y de Bayes


En las pginas 11 y 12 vimos que el clculo de las probabilidades
condicionales requiere del Teorema de la Probabilidad Total y del Teorema de
Bayes, una particin finita del espacio muestral y un suceso B. As la
Probabilidad Total de ocurrencia del suceso B est dada por:

P(B) =

P(B / A ) P(A )
i

i=1

(PT1)
P(B) = P(B/A1)*P(A1) + P(B/A2)*P(A2) +. . . . . + P(B/An)*P(An)

. .

n
.

.
.

36

P(B / A ) * P( A )
P(A / B) =
k

(TB1)

1 k n

P(B / A ) * P( A )
i

i =1

La representacin en diagramas de rbol para estos teoremas queda como:

P(A1)
P(A2)
P(A3)

A1

P(B/A1)

A2

P(B/A2)

A3

P(B/A3)

Ak

P(B/Ak)

An

P(B/An)

B
B
B

P(Ak)

P(An)

37

Ejemplos de distribuciones de probabilidades


equiprobables y no equiprobables
Sea una moneda cargada, donde la probabilidad que al lanzarla resulte cara es 2/3
y que salga sello es 1/3.
Cul es la probabilidad que al lanzarla 3 veces seguidas, resulten 3, 2, 1 y 0 caras?
Obtener el diagrama de la distribucin de probabilidades, y comparar la situacin
con el diagrama de probabilidades de una moneda buena.

L1
2/3
C
1/3
2/3
1/3
2/3
S
1/3

L2
2/3
C
1/3

L3
C

(C,C,C)

Conteo

(C,C,S)

2/3
S
1/3

(C,S,C)

(C,S,S)

2/3
C
1/3

(S,C,C)

(S,C,S)

2/3
S
1/3

(S,S,C)

(S,S,S)

P(i)

Resultado

P(0)
P(1)
P(2)
P(3)
P(i)

1/3*1/3*1/3
2/3*/1/3*1/3+1/3*2/3*1/3+1/3*1/3*2/3
2/3*/2/3*1/3+2/3*1/3*2/3+1/3*2/3*2/3
2/3*2/3*2/3
1

Se puede realizar mediante el tratamiento hasta ahora visto, pero nuestro


objetivo es ilustrar la distribucin binomial de probabilidad.
La probabilidad que en una variable aleatoria X se tengan k aciertos en n
pruebas repetidas con probabilidad de acierto q y de falla 1-q est dada por:

nk
k
n k
n k
n!
P( X = x) = P( x = k ) = q (1 q)
=
q (1 q)
(n k )!k!
k

Si n = 1, la distribucin binomial recibe el nombre de distribucin de


Bernoulli

38

As para estos casos se tiene, n = 3, q = 2/3, 1- q = 1/3, para k = 0, 1, 2 y 3


3 2 k
P (k ) =
k 3
3 2 0
P (0 ) =
0 3
3 2 1
P (1 ) =
1 3
3 2 2
P (2) =
2 3
3 2 3
P (3 ) =
3 3

Probabilidad

1

3

3 k

1

3
1

3

1

3

3 0
31

3 2

=
=

3!
2
( 3 k )! k ! 3

1

3

3! 2
3 ! 0 ! 3

1

3

3! 2
2 ! 1 ! 3

1

3

3! 2
1 ! 2 ! 3

1

3

3 k

1
27

6
27

4
9

12
27

2
9

3 3
0
3! 2 3
8
1
1

=

0 ! 3 ! 3
27
3
3

Distribucin de Probabilidad Binomial No Equiprobable


(Moneda cargada)

1/2
4/9

9/20
2/5
7/20

8/27

3/10
1/4

2/9

1/5
3/20
1/10
1/20

1/27

0
0

39

Ahora veamos el caso de una moneda buena para el caso de 3 lanzamientos se


tiene lo siguiente:
L1
1/2
C
1/2
1/2
1/2
1/2
S
1/2

L2
1/2
C
1/2

L3
C

(C,C,C)

Conteo

(C,C,S)

1/2
S
1/2

(C,S,C)

(C,S,S)

1/2
C
1/2

(S,C,C)

(S,C,S)

1/2
S
1/2

(S,S,C)

(S,S,S)

P(i)

Resultado

P(0)
P(1)
P(2)
P(3)
P(i)

1/2*1/2*1/2
1/2*/1/2*1/2+1/2*1/2*1/2+1/2*1/2*1/2
1/2*/1/2*1/2+1/2*1/2*1/2+1/2*1/2*1/2
1/2*1/2*1/2
1

As para estos casos se tiene, n = 3, q = 1/2, 1- q = 1/2, para k = 0, 1, 2 y 3


3 k
3
3 1 k
3!
1
1
P (k ) =
=


( 3 k )! k ! 2
2
k 2
3
3

1
1
=
P (0 ) =
8
0 2
3
3 1
3
=
P (1 ) =
8
1 2
3
3 1
3
P (2 ) =
=

8
2 2

3 1 3
1
=
P (3 ) =
8
3 2

Probabilidad

Distribucin de Probabilidad Binomial Equiprobable


(Moneda buena)
3/8

2/5

3/8

7/20
3/10
1/4
1/5
3/20

1/8

1/8

1/10
1/20
0
0

40

Comentario: Obsrvese que en el caso de la moneda cargada el suceso ms


probable es que resulten dos caras seguidas en tres lanzamientos (4/9), en
comparacin con la moneda buena en que lo ms probable es que resulte una
cara o dos caras seguidas en los tres lanzamientos (3/8).
Hallar la probabilidad que un trabajador opere, de una manera adecuada, una nueva
maquinaria en la i-sima oportunidad de manejarla.

Es razonable suponer que P(F). La probabilidad que el trabajador no la


maneje correctamente (Falla) al i -simo intento est dada por:
P ( F ) =

1
i
P (O ) =
i = 1 , 2 , 3 ,......
i + 1
i + 1

donde P(O) es la probabilidad que la mquina sea operada correctamente al


i-simo intento.
Para ilustrar esto, hllese la probabilidad que el operario maneje
correctamente la mquina durante tres veces en cuatro intentos.
I2

I1

I3

I4

Conteo

4/5

OOOO

1/5

OOOF

4/5

OOFO

1/5

OOFF

4/5

OFOO

1/5

OFOF

4/5

OFFO

O
3/4
O
1/4
2/3

O
1/3

3/4

F
1/2

1/4
F

1/2

3/4

1/5

OFFF

4/5

FOOO

O
1/5

FOOF

4/5

FOFO

1/5

FOFF

4/5

FFOO

1/5

FFOF

4/5

FFFO

1/5

FFFF

P(Suceso)

Operatoria

Resultado

P(OOOF)

1/2*2/3*3/4*1/5

P(OOFO)

1/2*2/3*1/4*4/5

P(OFOO)

1/2*1/3*3/4*4/5

1/20
1/15
1/10
1/5
5/12

P(FOOO)

1/2*2/3*3/4/4/5

P(X=3)

1/20+1/15+1/10+1/5

O
2/3

1/4

F
1/3

3/4

F
1/4
F

Donde
la variable X
representa el nmero de
veces en que se opera
correctamente la mquina
en 4 intentos.

41

Obsrvese que el espacio muestral no es equiprobable, y P(F) no es


constante, en consecuencia no se trata de una distribucin binomial de
probabilidades.
X
0
1
2
3
4

P(X)
1/120
1/12
7/24
5/12
1/5
1

Explicacin
P(FFFF)
P(FFFO) + P(FFOF) + P(FOFF) + P(OFFF)
P(OOFF) + P(OFOF) + P(OFFO) + P(FOOF) + P(FOFO) + P(FFOO)
P(FOOO) + P(OFOO) + P(OOFO) + P(OOOF)
P(OOOO)
P(0) + P1) + P(2) + P(3) + P(4)

De la tabla de distribucin de probabilidades y su grfica se puede ver que lo


ms probable es que el operador maneje la maquinaria correctamente tres
veces en 4 intentos (5/12, para una distribucin en que la probabilidad de
operar incorrectamente la maquinaria es inversamente proporcional al nmero
de intentos)
Distribucin de Probabilidad No Binomial
Probabilidad

9/20

5/12

2/5
7/20
7/24

3/10
1/4

1/5

1/5
3/20
1/12

1/10
1/20

1/120

0
0
1
2
3
4
[ X ] N de operaciones correctas en 4 intentos

42

El Servicio Nacional de Pesca y Caza, desea estimar el nmero N correspondiente a


la poblacin de peces en un ro (el cual tiene una forma irregular y es de longitudes
desconocidas) de tal forma que un estadstico es contratado para realizar tal trabajo
operando de la siguiente forma:
1. Se contrata a un nmero adecuado y suficiente de pescadores para que
hagan una pesca grande y que cada uno de los peces pescados sean
marcados y devueltos al agua. En total se marcaron M peces.
2. Luego los mismos pescadores hacen una segunda pesca, obteniendo n peces,
de los cuales hay m marcados.
Determinar cul es la idea del estadstico para determinar la estimacin del
nmero N de la poblacin de peces y calcular tal estimacin.
Comentar el mtodo usado, en trminos de eficacia.

La probabilidad de capturar un pez marcado al realizar la segunda pesca es:


i)

m
n

Por otra parte, la probabilidad de capturar un pez marcado tomando como


espacio muestral la poblacin total N de peces est dada por:
ii)

M
N

As, igualando ambas probabilidades, puesto que segn los conocimientos del
estadstico, deberan ser iguales:

M m
=
N n

de donde se obtiene para el nmero N de la poblacin:


iii)

N=

M
m
n

Se ve que la idea del estadstico es sencilla, pero en trminos de eficacia, sera


mucho ms eficiente repetir la experiencia de las etapas 1 y 2 un nmero k
de veces -por ejemplo, k = 15- para as obtener los valores medios de M y de
la probabilidad m/n y expresar el nmero N como el cuociente entre los

43

promedios anteriormente mencionados con el objetivo que las dispersiones


sean mnimas, es decir:
iv)

N=

M
m
n

44

Unidades estndar
Supngase que en un curso de diez alumnos se tienen las notas finales de los
ramos de Estadsticas y Contabilidad que a continuacin se detallan:
Estadsticas
Contabilidad
Alumno
Nota
Alumno
Nota
1
5,60
1
4,80
2
6,40
2
6,40
3
4,50
3
3,60
4
6,80
4
3,80
5
3,50
5
6,40
6
4,60
6
5,20
7
5,60
7
5,60
8
6,80
8
4,20
9
5,40
9
4,00
10
4,40
10
3,50
Promedio 5,36 Promedio 4,75
Desv. Tpica 1,05 Desv. Tpica 1,05

Se ve que el alumno 2 tiene igual promedio en ambas asignaturas (6,40).


Entonces surge de manera natural la pregunta: En qu asignatura le fue mejor
a este alumno?
Para responder a esta interrogante, se recurre a la herramienta del puntaje
estndar zi. Este puntaje estndar se define como:

x
=

Z
i

donde xi es el valor i-simo de la variable x


el promedio de la variable x
x la desviacin tpica de la variable X

As para el alumno 2 se tiene que los puntajes estandarizados obtenidos en


estadsticas y contabilidad son:

2 Est

2 Cont

6 , 40 5 , 36
1 , 05

6 , 40 4 , 75
= 1 , 57
1 , 05

= 0 , 99

Ahora podemos comparar ambos puntajes estandarizados:

45

Como Z2Cont > Z2Est entonces la nota 6,40 obtenida por el alumno 2 en
contabilidad es mejor que el 6,40 que obtuvo en estadsticas.
Nota: Los puntajes estandarizados, por tratarse de nmeros reales, son mejores
mientras ms a la derecha se ubiquen en la recta numrica de los reales.
Un psiclogo, con motivo de un estudio acadmico, fue sometido a tres
diferentes tests. Los resultados de los puntajes obtenidos, junto con las medias y
sus desviaciones tpicas son:
Test
1
2
3

D48
Zulliger
PMA

Resultado
96
88
110

Media
95
90
100

Desv. Tpica
2
10
11

En cul de estos tests el psiclogo tuvo mejor desempeo?

Al calcular los puntajes estandarizados se obtiene:

96 95
= 0 ,5
2
1
88 90
Z
=
= 0 ,2
10
2
110 100
Z
=
= 0 ,9
11
3

As se puede apreciar que el psiclogo se desempe mejor en el test PMA


con un Z3 de 0,9, luego su segundo mejor desempeo lo obtuvo en el D48, con
un Z1 de 0,5 y finalmente su mnimo rendimiento lo obtuvo en el test de
Zulliger donde obtuvo un Z2 de 0,2.

46

Funciones de cuanta y distribuciones de probabilidad


Dada la siguiente funcin de cuanta, donde x representa el nmero de goles
marcados en determinados partidos:
0
1/p

x
p(x)

1
1/p

2
4/p

3
5/p

4
3/p

5
2/p

6
1/p

7
1/p

a) Calcular el valor p, y graficar la distribucin de probabilidades.


b) Calcular la probabilidad que en un partido cualquiera se marquen
ms de tres goles.
c) Calcular E(x) y V(x) e interpretar

Respuesta a)
Como

p(x) = 1

x= 0

entonces 1 = 1/p + 1/p + 4/p + 5/p + 3/p + 2/p + 1/p + 1/p y as 18/p = 1, en
consecuencia p = 18
As la tabla de la funcin cuanta resulta:
0
1/18

x
p(x)

1
1/18

2
4/18

3
5/18

4
3/18

5
2/18

6
1/18

7
1/18

Distribucin de Probabilidad
Probabilidad

5/18

3/10
1/4

2/9

1/5

1/6

3/20
1/10

1/9
1/18

1/18

1/18

1/18

1/20
0
2
3
4
5
x [ N goles marcados ]

47

Respuesta b)
P(X 3) = P(3) + P(4) + P(5) + P(6) + P(7) = 5/18+1/6+1/9+1/18+1/18 = 2/3
Respuesta c)
La esperanza matemtica, o el valor esperado del nmero de goles, E(X), es:
7

E( X ) =

xp ( x ) = 0 118 + 1 118 + 2 2 9 + 3 518 + 4 1 6 + 5 19 + 6 118 + 7 118 = 59

18

= 3 518

x =0

La varianza V(X) est dada por:


7

V( X ) =

( )2

x p(x) E (X) = 0 118+1 118+ 2 29 + 3 518+ 4 16 + 5 19 + 6 118+ 7 118 59


18

x=0

V ( X ) = 2 281 324 = 929


=
324
X

V (X ) =

929

324 1 , 693305

La interpretacin de esto es que el verdadero valor de la esperanza de X (con


un 66,7 % de probabilidad de ser as) se encuentra entre los valores:
[ E(X) - X , E(X) + X ]
es decir: 1,58447 E(X) 4,97108, se puede interpretar con el mismo rango
de probabilidad que el promedio de goles por partido vara entre 2 y 4 tantos.
Se tiene la informacin grfica de las ventas de combustible de una estacin de
servicio durante un perodo semanal entre mircoles y mircoles, en miles de litros.
a) Encontrar el valor del parmetro k para que f(x) sea una funcin de distribucin
de probabilidad (fdp)
b) Definir la fdp
c) Calcular la probabilidad que la venta semanal haya sido a lo menos de 1.500 l.
d) La probabilidad de vender exactamente 1.500 l.
f(x)

x
0

48

Respuesta a) Del grfico se tiene para f(x):

kx
x [0 ,1 [

x [1 , 2 [
f (x) =
k
kx + 3 k x [2 , 3 ]

Se sabe que para que f(x) sea una fdp debe cumplir con:
+

f ( x ) dx = 1 1 =

kxdx +

lo que da como resultado

k=1

kdx +


0 dx +

Respuesta b)

( kx + 3 k ) dx +

0 dx

y as la fdp queda como:

1 x

x [0 ,1[
2

1
[
[
x
f ( x) =

1
,
2

2
1 x + 3 x [2 ,3 ]

2
2

Respuesta c) Se sabe que la probabilidad que los valores de la variable


aleatoria estn entre a y b son:
b

P (a x b) =
en consecuencia, se tiene:

P (1,5 x + ) =

1,5

a b

f ( x ) dx

f ( x ) dx =

1, 5

1 dx +
2

( 1 2 x + 3 2 ) dx +

0 dx

P (1 , 5 x + ) = 1 2 = 0 , 5 Esta es la probabilidad que la


venta semanal haya sido de al menos 1.500 litros de combustible.

49

Respuesta d) El clculo para que la probabilidad la venta semanal haya sido


de exactamente 1.500 litros est dado por:

P ( X = 1,5 ) = P (1,5 x 1,5 ) = lim

1,5+

P ( X = 1,5) = lim

P (1,5 x 1,5 + )

1,5+

f (t )dt = lim

1 tdt = lim
=0
2
0

1,5
1,5
Efectivamente, para esta variable aleatoria, la probabilidad que la venta
semanal de combustible haya sido de 1.500 litros exactos es cero, tal como se
infiere de la teora.

Nota:
Para una variable aleatoria continua, la probabilidad que sta alcance un valor
determinado siempre es nula, sin embargo, no lo es cuando la probabilidad se
calcula en torno a un rango de un valor de la variable.
Ejemplo: En un curso de 35 alumnos cuyas estaturas van desde 1.42 m hasta
1,78 m, se puede calcular una probabilidad no nula que la estatura vare, por
ejemplo entre 1,58m y 1,65 m. Sin embargo, la probabilidad que la estatura
sea de exactamente 1,61 m es nula, porque este valor de la estatura, que se
puede dar dentro del curso, puede variar segn la precisin del instrumento de
medicin.

Justificacin Matemtica
La probabilidad que el valor x de una variable aleatoria X se encuentre entre x
y x + x es:
x+x

P (x X x + x) =

f ( t ) dt

de manera que si x 0, se tiene

aproximadamente P ( x X x + x ) = f ( x ) x y calculando el lmite


cuando x tiende a cero se obtiene que P(X = x) = 0.

50

Variable Aleatoria
Definicin:
Sea un experimento y el espacio muestral asociado con l. Una
funcin X que asigna a cada uno de los elementos s de , un nmero
real X(s), se llama variable aleatoria.
Ejemplo: Supngase que se lanzan dos monedas buenas y considrese el
espacio muestral asociado a dicho experimento:
= {(C,C); (C,S); (S,C); (S,S)} = {CC, CS, SC, SS}
Definiremos X =: el nmero de caras obtenidas en dos lanzamientos, en
consecuencia se tiene:
X(CC) = 2
X(CS) = X(SC) = 1
X(SS) = 0

RX

X(s)

Nota: El espacio RX, es decir, el conjunto de todos los valores posibles de X,


algunas veces se llama Recorrido.
En cierto sentido se puede considerar a RX como otro espacio muestral. El
espacio muestral original corresponde a los resultados no numricos
(posiblemente) del experimento , mientras que RX el espacio muestral
asociado con la variable aleatoria (v.a.) X, que representa la caracterstica
numrica que puede ser de inters.
Si X(s) = s se tiene que = RX

51

Definicin:
Sea un experimento y el espacio muestral asociado con l. Sea X una
variable aleatoria definida y sea RX su recorrido. Sea B un evento
respecto a RX, es decir, B RX. Supngase que A se define como:
A={ s

/ X(s) B}

(*)

Es decir, A consta de todos los resultados en para los cuales X(s) B.


En este caso se dice que A y B son eventos equivalentes.

RX

X(s)

Definicin:
Sea B un evento en RX, entonces:
P(B) = P(A) donde A = { s
/ X(s)
B}
(**)
es decir, se define P(B) igual a la probabilidad del evento A
sentido dado por (*)

en el

Ejemplo: Respecto de mismo ejemplo de las monedas buenas o normales,


se tiene:
P(CS) = P(SC) =1/4
En consecuencia:
P(CS, SC) = 1/4 + 1/4 = 2/4 =1/2
Como el evento {X = 1} {CS, SC}, entonces usando (*) se tiene que:
P(X = 1) = P(CS, SC) = 1/2.
(En realidad no haba eleccin acerca del valor P(X = 1) consistente con (**),
una vez determinada P(CS, SC). En este sentido, se inducen las
probabilidades asociadas con eventos de RX)

52

Definicin:
Se dice que X es una variable aleatoria continua, si existe una funcin
f, llamada funcin de densidad de probabilidad (fdp) de X, que satisface
las siguientes condiciones:
a) f(x) 0 para todo x
b)

f ( x ) dx

= 1

c)

a<b

se tiene:
P (a x b ) =

f ( x ) dx

Nota i:
De c) se deduce

P (x = c) =

f ( x ) dx

= 0

P ( A) = 0 A =

Es decir, en el caso continuo

Nota ii:
Si X slo toma valores en un intervalo finito, por ejemplo,

[a, b], se puede

establecer que f(x) = 0 x a, b . En consecuencia, la fdp est definida


para todos los valores reales de x, y se debe exigir que
+

f ( x ) dx = 1

Cuando quiera que la fdp se especifique slo para ciertos valores de x, se


supondr que es nula para cualquier otro.
Nota iii:
Cuando se escribe P(c < X < d), quiere decir, como siempre P(c < X(s) < d),
que a su vez es igual a P[s / c < X(s) < d], puesto que estos eventos son
equivalentes. La definicin c) estipula bsicamente la existencia de una fdp
definida en un RX tal que P[s / c < X(s) < d] es igual a

53

f ( x ) dx

Definicin:
La funcin de distribucin acumulada (fda) o simplemente la funcin
de distribucin, para una variable aleatoria continua o discreta X se
define por:

F(x) = P(X x)
x

F (x) = P ( X

x) =

f ( t ) dt

con - < x < + para el caso de una v.a. continua y


F ( x ) =

P ( X

x ) =

p ( x

)
j

para el caso de una v.a. discreta. Donde la suma se toma sobre todos los
ndices j que satisfacen xj x
F(x) se caracteriza por las siguientes propiedades:

i) F(x) no es decreciente ( ie, F(x) F(y) si x y )


ii) lim x- F(x) = 0 ; lim x+ F(x) = 1
Nota: i) y ii) implican que F(x) es continua y montona creciente de 0 a 1.
Tambin se puede ver que partiendo de:
x

F (x ) = P ( X

x) =

f ( t ) dt

y derivando ambos lados se tiene

dF ( x )
= f ( x ) en todos los puntos
dx

donde f(x) es continua, es decir, la derivada de la funcin distribucin


acumulada es la funcin de densidad de probabilidad (fdp).

54

Si f(x) es la funcin de densidad (fdp) para una variable aleatoria continua X,


entonces se puede representar grficamente y = f(x) mediante una curva tal
como en la figura 1 del grfico. Dado que f(x) 0, la curva no puede caer por
debajo del eje x. El rea completa limitada por la curva y el eje de las x debe
ser igual a 1. Geomtricamente, la probabilidad que X se encuentre entre a y
b, o sea, P(a X b), se representa por el rea achurada de la figura 1.
La funcin de distribucin acumulada F(x) = P(X x) es montona creciente,
que se incrementa de 0 a 1, se representa por la curva de la figura 2.
f(x)

Figura 1

F(x)

Figura 2

Definicin:
Sea X una v.a. discreta con valores posibles x1, x2, x3, . . . ., y supngase
que es posible rotular esos valores de modo que x1 < x2 < x3 < . . . . Sea
F la funcin de distribucin acumulada (fda) de X. Entonces:

P(xj) = P(X = xj) = F(xj) F(xj-1)

Dada la funcin de cuanta del problema resuelto en la pgina 46, donde x


representa el nmero de goles marcados en determinados partidos:
0
1/18

x
p(x)

1
1/18

2
4/18

3
5/18

4
3/18

5
2/18

6
1/18

7
1/18

a) Calcular y graficar la funcin de distribucin acumulada de


probabilidades F.
b) Calcular la probabilidad que se hagan entre 2 y 4 goles por partido.

Respuesta a)
x

p(x) 1/18

1/18

4/18

5/18

3/18

2/18

1/18

1/18

F(x) 1/18 1/18+1/18


F(x) 1/18

1/9

4/18+2/18
1/3

5/18 +6/18 3/18+11/18 2/18+14/18 1/18+16/18 1/18+17/18


11/18

7/9

8/9

17/18

55

En las dos ltimas filas de la tabla anterior se encuentra el modo de clculo de


la fda. La definicin funcional de la fda y su grfico se presentan a
continuacin

F ( x ) =

x
x

1
18

3
11

18
7
9

9
17

18

,0
[0 , 1 [

[1 , 2
[2 , 3
[3 , 4
[4 , 5
[5 , 6
[6 , 7

x
x
x
x
x
x
x

[7

, +

[
[
[
[
[
[
[

F(x)

Funcin Distribucin Acumulada de Probabilidades


1
17/18
8/9
7/9
11/18

1/3
1/9
1/18

x
0

Respuesta b)
La probabilidad que se hagan entre 2 y 3 goles por partido est dada por:
P(2 x 3) = F(3) F(2) = 11/18 1/3 = 5/18
El concepto de probabilidad condicional se puede aplicar con propiedad a las
variables aleatorias continuas. A continuacin se ver dicha aplicacin
respecto al ejercicio propuesto en la pgina 47.

56

A partir de la informacin grfica y funcional de las ventas de combustible de una


estacin de servicio durante un perodo semanal entre mircoles y mircoles, en
miles de litros:
1 x

x [0 ,1[
2

1
f (x) =
x [1, 2 [
2
1 x + 3 x [2 , 3 ]

2
2
a) Calcular la probabilidad que las ventas semanales alcancen a lo menos
1.500 litros, dado que lo ms probable es que se vendan entre 1.000
litros y 2.000 litros de combustibles.
f(x)

1/2

x (kl)
0

Respuesta a)
Lo que se pide evaluar es la probabilidad de vender 1.500 litros sujeto al
suceso consistente en que se vendern entre 1.000 y 2.000 litros de
combustibles, esto expresado en notacin de probabilidades condicionales es
P(x 1,5 / 1 x 2). As:
+

f (x)dx 1,5 dx + 2 ( x + )dx + 3 0dx 1


P( x 1,5) 1,5
P( x 1,5/1 x 2) =
= 2
=
= 2
2
1
P(1 x 2)
2
1
1
2 dx
2 dx
1
2

P( x 1,5 /1 x 2) =

1
2

3
2

P( x 1,5)
= 1 Esto indica que es un suceso seguro.
P(1 x 2)

57

Calcular y graficar la funcin F (fda) correspondiente a la relacin funcional cuya


grfica adjunta para la fdp es:
x ]0 , 1 [
2 x
f (x) =

x ]0 , 1 [
0
f(x)

x
0

Respuesta:
De acuerdo con lo estudiado se tiene para la fda F:

( x ) =

,0

2 tdt

]0

]1

Funcin de Distribucin Acumulada


F(x)

x
0

,1

, +

]
[

58

Se sabe que el 75% de las veces durante el mes de agosto llueve ms de 20 cm3 y
un 35% de las veces llueve menos de 30 cm3. Suponiendo normalidad en las
precipitaciones durante agosto:
a) Hallar la cantidad media de precipitaciones durante agosto
b) Hallar la probabilidad que precipiten entre 40 y 60 cm3.
c) Hallar la probabilidad que entre 6 y 10 das de agosto precipiten entre 40 y
60 cm3.

Respuesta a)
i) 75% del mes de agosto > 20 cc 25% 20cc
ii) 35% del mes de agosto < 30 cc
As:
iii) Z(25%) = -0,674 = (20 - ) /
iv) Z(35%) = -0,385 = (30 - ) /

(segn tabla de distribucin normal)


(segn tabla de distribucin normal)

Resolviendo el sistema de ecuaciones formado por iii) y iv) se tiene:


= 43,3 cc y una = 34,6 cc
En consecuencia la media de las precipitaciones en agosto alcanza a 43,3 cc.
Respuesta b)
Ahora se debe encontrar para la v.a. X definida como precipitaciones durante
agosto en cm3, P(40cc X 60 cc) = P(X 60 cc) P( X 40 cc), para lo
cual se debe calcular los valores estandarizados Z(40 cc) y Z(60 cc):
As, de la tabla de distribucin normal se tiene:
Z(60cc) = (60 43,3) / 34,6 = 0,483 P( 0,48) = 0,6844 = 68,44%
Z(40cc) = (40 43,3) / 34,6 = -0,095 P(-0,10) = 0,4602 = 46,02%
En consecuencia, la probabilidad solicitada es:
P(40cc X 60 cc) = 68,44% 46,02% = 22,42% =0,2242
Respuesta c)
La probabilidad que llueva entre 40 cc y 60 cc entre 6 y 10 das de agosto es:
[(10 6) / 3 1]* P(40cc X 60 cc) = (4/31)*22,42% = 2,89% 3,0%

59

Tabla de la distribucin normal tipificada N(0,1)


Proporciona el rea a la izquierda para valores
positivos de z

z
0.0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1.0
1.1
1.2
1.3
1.4
1.5
1.6
1.7
1.8
1.9
2.0
2.1
2.2
2.3
2.4
2.5
2.6
2.7
2.8
2.9
3.0
3.1
3.2
3.3
3.4
3.5
3.6
3.7
3.8
3.9
4.0
4.1
4.2
4.3
4.4

0'00
0.50000
0.53983
0.57926
0.61791
0.65542
0.69146
0.72575
0.75804
0.78814
0.81594
0.84134
0.86433
0.88493
0.90320
0.91924
0.93319
0.94520
0.95543
0.96407
0.97128
0.97725
0.98214
0.98610
0.98928
0.99180
0.99379
0.99534
0.99653
0.99744
0.99813
0.99865
0.99903
0.99931
0.99952
0.99966
0.99977
0.99984
0.99989
0.99993
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999

0'01
0.50399
0.54380
0.58317
0.62172
0.65910
0.69497
0.72907
0.76115
0.79103
0.81859
0.84375
0.86650
0.88686
0.90490
0.92073
0.93448
0.94630
0.95637
0.96485
0.97193
0.97778
0.98257
0.98645
0.98956
0.99202
0.99396
0.99547
0.99664
0.99752
0.99819
0.99869
0.99906
0.99934
0.99953
0.99968
0.99978
0.99985
0.99990
0.99993
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999

0'02
0.50798
0.54776
0.58706
0.62552
0.66276
0.69847
0.73237
0.76424
0.79389
0.82121
0.84614
0.86864
0.88877
0.90658
0.92220
0.93574
0.94738
0.95728
0.96562
0.97257
0.97831
0.98300
0.98679
0.98983
0.99224
0.99413
0.99560
0.99674
0.99760
0.99825
0.99874
0.99910
0.99936
0.99955
0.99969
0.99978
0.99985
0.99990
0.99993
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000

0'03
0.51197
0.55172
0.59095
0.62930
0.66640
0.70194
0.73565
0.76730
0.79673
0.82381
0.84849
0.87076
0.89065
0.90824
0.92364
0.93699
0.94845
0.95818
0.96637
0.97320
0.97882
0.98341
0.98713
0.99010
0.99245
0.99430
0.99573
0.99683
0.99767
0.99831
0.99878
0.99913
0.99938
0.99957
0.99970
0.99979
0.99986
0.99990
0.99994
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000

0'04
0.51595
0.55567
0.59483
0.63307
0.67003
0.70540
0.73891
0.77035
0.79955
0.82639
0.85083
0.87286
0.89251
0.90988
0.92507
0.93822
0.94950
0.95907
0.96712
0.97381
0.97932
0.98382
0.98745
0.99036
0.99266
0.99446
0.99585
0.99693
0.99774
0.99836
0.99882
0.99916
0.99940
0.99958
0.99971
0.99980
0.99986
0.99991
0.99994
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000

0'05
0.51994
0.55962
0.59871
0.63683
0.67364
0.70884
0.74215
0.77337
0.80234
0.82894
0.85314
0.87493
0.89435
0.91149
0.92647
0.93943
0.95053
0.95994
0.96784
0.97441
0.97982
0.98422
0.98778
0.99061
0.99286
0.99461
0.99598
0.99702
0.99781
0.99841
0.99886
0.99918
0.99942
0.99960
0.99972
0.99981
0.99987
0.99991
0.99994
0.99996
0.99997
0.99998
0.99999
0.99999
1.00000

0'06
0.52392
0.56356
0.60257
0.64058
0.67724
0.71226
0.74537
0.77637
0.80511
0.83147
0.85543
0.87698
0.89617
0.91309
0.92786
0.94062
0.95154
0.96080
0.96856
0.97500
0.98030
0.98461
0.98809
0.99086
0.99305
0.99477
0.99609
0.99711
0.99788
0.99846
0.99889
0.99921
0.99944
0.99961
0.99973
0.99981
0.99987
0.99991
0.99994
0.99996
0.99998
0.99998
0.99999
0.99999
1.00000

0'07
0.52790
0.56749
0.60642
0.64431
0.68082
0.71566
0.74857
0.77935
0.80785
0.83398
0.85769
0.87900
0.89796
0.91466
0.92922
0.94179
0.95254
0.96164
0.96926
0.97558
0.98077
0.98500
0.98840
0.99111
0.99324
0.99492
0.99621
0.99720
0.99795
0.99851
0.99893
0.99924
0.99946
0.99962
0.99974
0.99982
0.99988
0.99992
0.99995
0.99996
0.99998
0.99998
0.99999
0.99999
1.00000

0'08
0.53188
0.57142
0.61026
0.64803
0.68439
0.71904
0.75175
0.78230
0.81057
0.83646
0.85993
0.88100
0.89973
0.91621
0.93056
0.94295
0.95352
0.96246
0.96995
0.97615
0.98124
0.98537
0.98870
0.99134
0.99343
0.99506
0.99632
0.99728
0.99801
0.99856
0.99897
0.99926
0.99948
0.99964
0.99975
0.99983
0.99988
0.99992
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999
1.00000

0'09
0.53586
0.57535
0.61409
0.65173
0.68793
0.72240
0.75490
0.78524
0.81327
0.83891
0.86214
0.88298
0.90147
0.91774
0.93189
0.94408
0.95449
0.96327
0.97062
0.97670
0.98169
0.98574
0.98899
0.99158
0.99361
0.99520
0.99643
0.99736
0.99807
0.99861
0.99900
0.99929
0.99950
0.99965
0.99976
0.99983
0.99989
0.99992
0.99995
0.99997
0.99998
0.99999
0.99999
0.99999
1.00000

60

Del detalle de la cuenta mensual de electricidad, se obtiene que el consumo


promedio de los ltimos 13 meses de una familia alcanza a 151,92 Kw-h con una
desviacin tpica de 8,24 Kw-h:
a) Asumiendo un comportamiento normal en el consumo de energa
elctrica, se desea averiguar, la probabilidad que el consumo de
energa elctrica se encuentre entre los 144 y los 160 Kw-h al mes.
b) La probabilidad que el consumo elctrico mensual no sobrepase los
160 Kw-h.

Respuesta a)
La probabilidad solicitada est dada por P(144 Kw-h x 160 Kw-h).
Los valores estandarizados estn dados por:
x 151,92
Z ( x) =
8,24
As para x = 144 Kw-h y x = 160 Kw-h se tiene:
144 151 ,92
Z (144 ) =
= 0,9614
8, 24
160 151 ,92
Z (160 ) =
= 0 ,9801
8, 24
As se tiene:
P(144 Kw-h x 160 Kw-h) = P( x 160 Kw-h) P( x 144 Kw-h) y
usando los valores estandarizados y la tabla se tiene:
P(144 Kw-h x 160 Kw-h) = P( X 0,9801) P(X - 0,9614)
P(144 Kw-h x 160 Kw-h) = 0,8365 0,1685 = 0,668
Respuesta b)
La probabilidad solicitada es:
P( x 160 Kw-h) = P( X 0,9801) = 0,8365

61

1)

Supngase que para una variable aleatoria, en un experimento, son


posibles slo tres resultados: a1, a2, y a3. Adems supngase que la
ocurrencia de a1 es dos veces ms probable que la de a2, la cual, a su vez,
es dos veces ms probable que la de a3.
a) Hallar la distribucin de probabilidades de la variable
b) Calcular la esperanza de la variable
c) Calcular la varianza de la variable
d) Calcular la desviacin tpica de la variable

Respuesta a)
Debe cumplirse con la condicin:
n

p( x ) =1

i)

i =1

p ( xi ) > 0

adems de las condiciones dadas por el problema:


ii)

p ( a1 ) = 2 p ( a2 )

iii)

p ( a2 ) = 2 p ( a3 )

al reemplazar ii) y iii) en i) se tiene:


2 2 p ( a3 ) + 2 p ( a3 ) + p ( a3 ) = 1
As, se tiene:
7 p ( a3 ) = 1
1
7
2
4
p ( a2 ) =
y p ( a1 ) =
7
7
con estos resultados se tiene la distribucin de probabilidades:
p ( a3 ) =

p( x)

a1

4
7

a2

2
7

a3

1
7

62

Respuesta b)
El valor esperado o esperanza para la variable X es:
3

E ( X ) = xi p( xi ) = x1 p( x1 ) + x2 p( x2 ) + x3 p( x3 )
i =1

4
2
1 1
E ( X ) = a1 + a2 + a3 = ( 4a1 + 2a2 + a3 )
7
7
7 7

2i)

Respuesta c)
Para calcular la varianza es necesario calcular previamente E ( X 2 )
3

E ( X 2 ) = x 2i p( xi ) = x 21 p( x1 ) + x 2 2 p( x2 ) + x23 p( x3 )
i =1

4
2
1
E ( X 2 ) = a 21 + a 2 2 + a 23
7
7
7
1
E ( X 2 ) = ( 4a 21 + 2a 2 2 + a 23 )
7
As de 2i) y de 3i) se tiene la varianza:

3i )

Va( X ) = E ( X 2 ) E 2 ( X )
1
1

Va( X ) = ( 4a 21 + 2a 2 2 + a 23 ) ( 4a1 + 2a2 + a3 )


7
7

Respuesta c)
La desviacin tpica es:
1

2
1

2
2
2
+
+

+
+
4
a
2
a
a
4
a
2
a
a
( 1 2 3 ) 7 ( 1 2 3 )
7

=
=

1
2
7 ( 4a 21 + 2a 2 2 + a 23 ) ( 4a1 + 2a2 + a3 )

7
Distribucin de Probabilidades
4/7

2/7
1/7

a1

a2

a3

63

Una variable aleatoria X que representa el nmero de plizas vendidas


semanalmente por un agente de seguros tiene una distribucin de
probabilidades dada por:

2)

p( X )

0,05

0,09

2k

0,11

0,22

0,18

0,10

0,20

4k

a) Hallar el valor de k
b) Hallar la distribucin de probabilidad con sus valores numricos
correspondientes.
c) Hallar la probabilidad que el agente venda menos de tres plizas
semanales.
d) Si el agente vende ms de cinco plizas en la semana, recibe un
bono. Determinar la probabilidad que el agente reciba el bono.
e) Determinar el nmero de plizas que se espera que el agente venda
semanalmente.
f) Hallar la probabilidad que el agente venda exactamente cuatro plizas
semanales.

Respuesta a)
Usando las condiciones de una ddp:
n

p( x ) =1
i =1

x
i =1

p ( xi ) > 0

p( x i ) = 1 = 0 0,05 + 1 0,09 + 2 2k + 3 0,11 + 4 0, 22 + 5 0,18 + 6 0,10 + 7 0, 20 + 8 4k


1 = 0,95 + 6k
6k = 1 0,95 = 0,05 =

5
100

5
1
k = 100 =
6 120
Respuesta b)

As, la ddp queda:

p( X )

1
20

9
100

1
60

11
100

11
50

9
50

1
10

1
5

1
30

64

Respuesta c)
La probabilidad que el agente venda menos de tres plizas semanales est dada por:
P ( X < 3) = P ( X = 0 ) + P ( X = 1) + P ( X = 2 )
1
9
1
+
+
20 100 60
47
P ( X < 3) =
= 0,156
300
P ( X < 3) =

Respuesta d )
La probabilidad que el agente reciba el bono est dada por:
P ( X > 5) = P ( X = 6 ) + P ( X = 7 ) + P ( X = 8)
1 1 1
+ +
10 5 30
1
P ( X > 5) = = 0, 3
3
P ( X > 5) =

Respuesta e)
El nmero de plizas que se espera que el agente venda semanalmente corresponde a:
9

E ( X ) = x i p( x i ) = 0
i =1

5
9
1
11
11
9
1
1
1
+ 1
+ 2 + 3
+ 4 + 5 + 6 + 7 + 8
100
100
60
100
50
50
10
5
30

9
= 4,5
2
Respuesta f )
La probabilidad que el agente venda exactamente cuatro plizas se obtiene directamente de
la distribucin de probabilidades:
11
P ( X = 4) =
= 0, 22
50
E(X ) =

Distribucin de Probabilidad
11/50
1/5
9/50

11/100

1/10

9/100
1/20

1/30
1/60

8 X

65

3)

Calcular, para una variable aleatoria binomial con probabilidad de xitos q y


con probabilidad de fracasos 1-q en n pruebas de Bernoulli:
a) La esperanza
b) La varianza y la desviacin tpica

Respuesta a)
n

E( X ) = xi P ( xi )
i =0

n
n
n
n
n!
n(n 1)!
E( X ) = k qk (1 q)nk = k
qk (1 q)nk = k
qqk 1 (1 q)nk
k =0 k
k =0 k !( n k ) !
k =0 k (k 1)!( n k ) !

n
n(n 1)!
(n 1)!
qqk 1 (1 q)nk = nq
qk 1 (1 q)nk
(
k

1)!
n

k
!
k (k 1)!( n k ) !
( )
k =1

=k
k =0

n1

= nq
j =0

Sea : k 1 = j

n1 n 1

j
(n 1)!
n1
n1 j
q j (1 q)n1 j = nq
= nq ( q + (1 q)) = nq(1)n1
q (1 q)
j !( n 1 j ) !
j =0 j

E( X ) = nq
Respuesta b)
Para calcular la varianza de la v.a. X , es necesario calcular E( X 2 )
n
n
n
k ( n 1) !
n
n!
E( X 2 ) = k 2 qk (1 q)nk = k 2
qk (1 q)nk = nq
qk 1(1 q)nk Sea : k 1 = j
k !( n k )!
k =0
k =0
k =1 ( k 1) !( n k ) !
k

( j +1)( n 1)! q j (1 q)n1 j = nq n1 j ( n 1)! q j (1 q)n1 j + n1 ( n 1)! q j (1 q)n1 j

j =0 j !( n 1 j ) !
j =0 j !( n 1 j ) !
j =0 j !( n 1 j ) !

n1

= nq

n1 n 1
n1 j ( n 1)! j

j
n1 j
q (1 q)n1 j +
= nq
= nq ( n 1) q +1 = nq [ nq +1 q]
q (1 q)
j =0 j
j =0 j !( n 1 j ) !

E( X 2 ) = ( nq) + nq (1 q) y con este resultado, usando Va( X ) = E( X 2 ) E2 ( X ) = ( nq) + nq (1 q) ( nq)


2

se tiene finalmente para la varianza de la v.a. binomial: Va( X ) = 2 = nq (1 q)


y para la desviacin tpica:

= + nq (1 q)

66

4)

a) Determinar el nmero esperado de nios hombres de una familia de


ocho hijos, suponiendo la distribucin de sexos igualmente probable.
b) Calcular la probabilidad que el nmero esperado de hijos suceda

Respuesta a)
Se trata de una ddp binomial, donde la probabilidad de xito, es decir, un hijo hombre, es igual
a la probabilidad de un fracaso, o sea tener una hija. As q = 1 = 1 q . El nmero de intentos
2
para tener hijos es 8:
As el nmero esperado de hijos varones es:
E ( X ) = nq = 8 1 = 4
2
Respuesta b)
Por otra parte, la probabilidad que el nmero esperado de hijos varones suceda es:

( ) ( 12 )

8
P ( X = 4) = 1
4 2

8 4

( )

8
8
70 70 35
=
0, 27
= 1 = 8 =
2
2
256 128
4