PROBLEMA # 1 Una compaa de transporte pblico tiene tres lneas en una ciudad, de forma que el 45% de los autobuses

cubre el servicio de la lnea 1, el 25% cubre la lnea 2 y el 30% cubre el servicio de la lnea 3. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 3% y 1% respectivamente, para cada lnea. a) Calcular la probabilidad de que, en un da, un autobs sufra una avera b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera c) De qu lnea de transporte es ms probable que un autobs sufra una avera? Solucin:

a) Calcular la probabilidad de que, en un da, un autobs sufra una avera Empleando la frmula de probabilidad total se obtiene:

b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera Empleando la frmula de probabilidad total se obtiene:

c) De qu lnea de transporte es ms probable que un autobs sufra una avera? Se debe calcular las tres probabilidades aposteriori empleando el Teorema de Bayes

La probabilidad de que sea de la lnea 1, sabiendo que sufre una avera es:

La probabilidad de que sea de la lnea 2, sabiendo que sufre una avera es:

La probabilidad de que sea de la lnea 3, sabiendo que sufre una avera es:

Entonces, sabiendo que el autobs sufre una avera, lo ms probable es que sea de la lnea 1, ya que esta probabilidad

, es la mayor.

PROBLEMA #2 Una fbrica que produce material para la construccin tiene 3 mquinas, a las que se les denomina A, B y C. La mquina A produce tabique, la B adoqun y la C losetas. La mquina A produce el 50% de la produccin total de la fbrica, la B el 30% y la C el 20%. Los porcentajes de artculos defectuosos producidos por las mquinas son, respectivamente, 3%, 4% y 5%. Si se selecciona un artculo al azar y se observa que es defectuoso, encontrar la probabilidad de que sea un tabique. Solucin Definamos el evento D como sea un artculo defectuoso. De acuerdo a esto tenemos que: P(A) = 0.5 P(B) = 0.3 P(C) = 0.2 P(D | A) = 0.03 P(D | B) = 0.04 P(D | C) = 0.05

Si el artculo del que deseamos calcular la probabilidad es un tabique, significa que es producido por la mquina A. Tambin observamos que en la solucin solamente participan los artculos defectuosos, ya que se pone por condicin esta caracterstica. Por lo tanto:

PROBLEMA #3 A un congreso asisten 100 personas, de las cuales 65 son hombres y 35 son mujeres. Se sabe que el 10% de los hombres y el 6% de las mujeres son especialistas en computacin. Si se selecciona al azar a un especialista en computacin Cul es la probabilidad de que sea mujer? Solucin Definamos los eventos: H: Sea un hombre

M: Sea una mujer E: La persona sea especialista en computacin Tenemos que:

Por lo tanto:

PROBLEMA #4 Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%. a) Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b) Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c) Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa? Solucin: Sea D= "la pieza es defectuosa" N= "la pieza no es defectuosa". La informacin del problema puede expresarse en el diagrama de rbol adjunto. a) Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad de la probabilidad total, P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) = = 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038

b) Debemos calcular P(B/D). Por el teorema de Bayes,

c) Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya calculado. Aplicando el teorema de Bayes, obtenemos:

La mquina con mayor probabilidad de haber producido la pieza defectuosa es A

PROBLEMA # 5 Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A? Solucin: Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de rbol adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres urnas. La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos

PROBLEMA # 6 El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin, mientras que los no ingenieros y los no economistas solamente el 20% ocupa un puesto directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?

PROBLEMA # 7 La probabilidad de que haya un accidente en una fbrica que dispone de alarma es 0.1. La probabilidad de que suene esta s se ha producido algn incidente es de 0.97 y la probabilidad de que suene si no ha sucedido ningn incidente es 0.02 En el supuesto de que haya funcionado la alarma, cul es la probabilidad de que no haya habido ningn incidente?

Sean los sucesos: I = Producirse incidente. A = Sonar la alarma.

PROBLEMA # 8 En la sala de pediatra de un hospital, el 60% de los pacientes son nias. De los nios el 35% son menores de 24 meses. El 20% de las nias tienen menos de 24 meses. Un pediatra que ingresa a la sala selecciona un infante al azar. a) Determine el valor de la probabilidad de que sea menor de 24 meses. b) Si el infante resulta ser menor de 24 meses. Determine la probabilidad que sea una nia. Solucin: Se definen los sucesos: Suceso H: seleccionar una nia. Suceso V: seleccionar un nio. Suceso M: infante menor de 24 meses. En los ejercicios de probabilidad total y teorema de Bayes, es importante identificar los sucesos que forman la poblacin y cul es la caracterstica que tienen en comn dichos sucesos. Estos sern los sucesos condicionados. a) En este caso, la poblacin es de los infantes. Y la caracterstica en comn es que sean menores de 24 meses. Por lo tanto, la probabilidad de seleccionar un infante menor de 24 meses es un ejemplo de probabilidad total. Su probabilidad ser:

b) Para identificar cuando en un ejercicio se hace referencia al teorema de bayes, hay que partir de reconocer esta es una probabilidad condicionada y que la caracterstica comn de los sucesos condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea nia una infante menor de 24 meses ser:

PROBLEMA # 9 Un mdico cirujano se especializa en cirugas estticas. Entre sus pacientes, el 20% se realizan correcciones faciales, un 35% implantes mamarios y el restante en otras cirugas correctivas. Se sabe adems, que son de genero masculino el 25% de los que se realizan correcciones faciales, 15% implantes mamarios y 40% otras cirugas correctivas. Si se selecciona un paciente al azar, determine: a) Determine la probabilidad de que sea de gnero masculino b) Si resulta que es de gnero masculino, determine la probabilidad que se haya realizado una ciruga de implantes mamarios. Solucin: Se definen los sucesos: Suceso F: pacientes que se realizan cirugas faciales Suceso M: pacientes que se realizan implantes mamarios Suceso O: pacientes que se realizan otras cirugas correctivas Suceso H: pacientes de gnero masculino a) La probabilidad de que sea de gnero masculino se refiere a un problema de probabilidad total, ya que es el suceso condicionado y las cirugas los condicionantes. Dicho valor ser:

b) Como el suceso condicionado ha ocurrido entonces se aplica el teorema de bayes, luego, el valor de la probabilidad ser:

PROBLEMA # 10 Un Doctor dispone de tres equipos electrnicos para realizar ecosonogramas. El uso que le da a cada equipo es de 25% al primero, 35% el segundo en y 40% el tercero. Se sabe que los aparatos tienen probabilidades de error de 1%, 2% y 3% respectivamente. Un paciente busca el resultado de una ecografa y observa que tiene un error. Determine la probabilidad de que se ha usado el primer aparato. Solucin: Se definen los sucesos: Suceso P: seleccionar el primer aparato Suceso S: seleccionar el segundo aparato Suceso T: seleccionar el tercer aparato Suceso E: seleccionar un resultado con error Se puede observar que la pregunta es sobre determinar la probabilidad de que un examen errado sea del primer aparato, es decir, ya ha ocurrido el error. Por lo tanto, debemos recurrir al teorema de bayes. Claro est, que es necesario de igual forma obtener la probabilidad de que los aparatos produzcan un resultado errneo, por lo tanto: