Está en la página 1de 44

Probabilidad

Ing. Ricardo Viscarra

Eventos espacios de muestreo y probabilidad

Un experimento es el proceso de obtener una observación o realizar


una determinación

Un evento simple es el resultado básico de un experimento; no se


puede descomponer en resultados más simples.
El espacio de muestra de un experimento es la colección de todos
sus eventos simples

La probabilidad de un evento simple es un número que mide la


verosimilitud de que el evento ocurrirá cuando se realice el
experimento. La probabilidad puede aproximarse con la proporción
de las veces que se observa el evento simple cuando el experimento
se repite un gran número de veces. Para un evento simple A,
denotamos la probabilidad de A por P(A).

Un evento es una colección especifica de sucesos simples.


La probabilidad de un evento A es igual a la suma de las
probabilidades de los sucesos simples del evento A.

Probabilidad objetiva y subjetiva


un evento que no tiene posibilidad de ocurrir (es decir, el evento
nulo) tiene una probabilidad de cero, mientras que un evento que
seguramente ocurrirá (es decir, el evento cierto) tiene una
probabilidad de uno.

los tres planteamientos de la probabilidad:


1. la probabilidad clásica a priori. Aquí la probabilidad de éxito se
basa en el conocimiento anterior al proceso involucrado.

P= X/T

2. la probabilidad clásica empírica, aunque la probabilidad se sigue


definiendo corno la proporción entre el número de resultados
favorables y el número total de resultados, estos resultados se basan
en datos observados, no en el conocimiento anterior a un proceso.

3. La probabilidad subjetiva. Mientras que en los dos anteriores


enfoques la probabilidad de un evento favorable se calculaba
objetivamente, ya fuera de un conocimiento previo o de datos reales,
la probabilidad subjetiva se refiere a la posibilidad de ocurrencia
asignada a un evento por un individuo particular. Esta posibilidad
puede ser bastante diferente de la probabilidad subjetiva asignada
por otro individuo.
Pasos para calcular probabilidades de eventos:
1. defina el experimento. Es decir, describa el proceso empleado
para efectuar una observación y el tipo de observación que se
registrará.
2. En número los eventos simples
3. Asigne probabilidades a los eventos simples.
4. Determine la colección de eventos simples contenida en el evento
de interés.
5. Sume las probabilidades de los eventos simples para obtener la
probabilidad del evento.

Existen varias formas en las que puede verse un espacio muestral


particular. El primer método implica asignar los eventos apropiados a
una tabla de clasificaciones cruzadas. Tal tabla también se denomina
tabla de contingencias.

Tabla de contingencias para variables de color de carta.

Rojo Negro Totales


As 2 2 4
No As 24 24 48
Totales 26 26 52
Tabla de contingencias para encuestas

Avance    

Satisfaccion  Si No Total
Si 194 162 356
No 14 30 44
Total 208 192 400

una tabla de contingencias proporciona una clara presentación del


número de resultados posibles de las variables relevantes. La
segunda forma de presentar el espacio muestral es usando un
diagrama de Venn. Este diagrama representa gráficamente los
diversos eventos como "uniones" e "intersecciones" de círculos.

La unión de dos eventos A y B es el evento que ocurre si A o B, o


ambos ocurren en una sola realización del experimento.
Denotaremos la unión de los eventos A y B mediante el símbolo AUB.
La intersección de dos eventos A y B es el evento que ocurre si tanto
A como B ocurren en una sola realización del experimento.
Escribiremos A B para denotar la intersección de los eventos A y B.

El complemento de un evento A es el evento en el que A no ocurre, es


decir, el evento formado por todos los eventos simples que no están
en el evento A. Denotaremos el complemento de A por A’. Cabe
señalar que AUA’ = S, el espacio muestral.

Relación complementaria
La suma de las probabilidades de eventos complementarios a es
igual a 1. es decir,

P(A) + P(A’) = 1

Dos eventos son mutuamente excluyentes si ambos eventos no


pueden ocurrir al mismo tiempo. Dos eventos son colectivamente
exhaustivos si uno de los eventos debe ocurrir.

Por ejemplo, ser hombre y ser mujer son eventos mutuamente


excluyentes y colectivamente exhaustivos. Nadie es ambos (son
mutuamente excluyentes) y todos son uno u otro (son colectivamente
exhaustivos).

Reglas de probabilidad para uniones e intersecciones

los eventos A y B son mutuamente exclusivos si A B no contiene


eventos simples.
regla aditiva general:

P(AUB) = P(AoB) = P(A) + P(B) – P(A y B)

regla aditiva para eventos mutuamente exclusivos:

si dos eventos A y B son mutuamente exclusivos, la probabilidad de


la unión de A y B es igual a la suma de la probabilidad de A y B.

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

Probabilidad condicional
Para determinar la probabilidad condicional de que el evento A
ocurra, dado que ocurre el evento B, divida la probabilidad de que
ocurran tanto A como B entre la probabilidad de que ocurra B; esto
es,

P(A|B) = P(AyB) / P(B) = P(A∩B) / P(B)

donde suponemos que P(B) ≠ 0

Reglas multiplicativa de la probabilidad:

P(A B) = P(AyB) = P(A│B) P(B) = P(B│A) P(A)

Los eventos A y B son independientes si la ocurrencia de B no altera


la probabilidad de que haya ocurrido A, es decir, los eventos A y B
son independientes entre sí:

P(A|B) = P(A)
si los eventos A y B son independientes, también se cumple que:

P(B|A) = P(B)

Si dos eventos no son independientes, se dice que son dependientes.

Regla multiplicativa para eventos independientes


Si los eventos A y B son independientes, la probabilidad de la
intersección de A y B es igual al producto de las probabilidades de A
y B, es decir,

P(A∩B) = P(AyB) = P(A).P(B)

Una forma alternativa de ver la descomposición de las posibilidades


es a través del uso de un árbol de decisión.
Teorema de Bayes
originalmente desarrollado por el reverendo Thomas Bayes (1702-
1761)

Reglas de conteo
Regla de conteo 1: Si cualquiera de k eventos mutuamente
excluyentes y colectivamente exhaustivos puede ocurrir en cada uno
de n intentos, el número de resultados posibles es igual a

Kn

Regla de conteo 2: La regla multiplicativa


se tienen K conjuntos de elementos, K1 es el primer conjunto, K2 es
el segundo,…, y Kn en el k-esimo conjunto. Suponga que desea
formar una muestra de k elementos tomando un elemento de cada
uno de los conjuntos. el número de muestras distintas que pueden
formarse es el producto:

K1.K2.K3 ……..Kn

Regla de conteo 3: Regla del factorial


El número de formas en que los n objetos pueden ordenarse

n! = n(n-1) … (1)
Regla de conteo 4: Permutaciones:
El número de modos de ordenar X objetos seleccionados de n
objetos es

= n! / (n-x)!

Regla de conteo 5: Combinaciones: El número de modos de


seleccionar X objetos de n objetos, sin tomar en cuenta el orden, es
igual a

= n! / x!.(n-x)!

Regla de conteo 6: Regla de particiones


Existe un sólo conjunto de N elementos claramente distintos y se
desea repartirlos entre k conjuntos, el primero de los cuales contiene
n1 elementos, el segundo, n2,…, y el k-esimo conjunto, nk elementos.
El número de particiones diferentes es:

N! / n1!n2! … nk!
Ejemplos Probabilidad
Ejemplo 3,1

Se lanzan dos monedas y se registran las caras hacia arriba de


ambas. Haga una lista de todos los eventos simples para este
experimento.

Incluso si el experimento es aparentemente trivial, debemos tener


cuidado al enumerar los eventos simples. A primera vista parecería
que los resultados básicos son Observar dos caras, Observar dos
coronas, Observar una cara y una corona. Sin embargo, si lo
pensamos un poco más nos daremos cuenta que el último de estos
resultados, Observar una cara y una corona, se puede descomponer
en Cara en la moneda 1, Corona en la moneda 2 y Corona en la
moneda 1, Cara en la moneda 2." Así pues, los eventos simples son
los siguientes:
1. Observar CC
2. Observar CX
3. Observar XC
4. Observar XX

(donde C en la primera posicion significa "Cara en la moneda 1", C en


la segunda posición significa "Cara en la moneda 2", etc.; X indica
corona).

Ejemplo 3,2

Considere el experimento de lanzar dos monedas. Si las monedas


están balanceadas, las probabilidades correctas asociadas a los
sucesos o eventos simples son las siguientes:
Evento simple Probabilidad
CC ¼
CX ¼
XC ¼
XX ¼

Defina los siguientes eventos:


A: {Observar exactamente una cara}
B: {Observar por lo menos una cara}
Calcule la probabilidad de A y la probabilidad de B.
Observe que cada uno de los cuatro eventos simples tiene la misma
probabilidad, pues esperamos que cada uno ocurrirá con una
frecuencia relativa aproximadamente igual (¼) si el experimento de
lanzar las monedas se repite un número grande de veces. Puesto que
el evento A: {Observar exactamente una cara} ocurrirá si se da
cualquiera de los dos eventos simples CX o XC, entonces
aproximadamente ¼ + ¼ = ½ del número grande de experimentos
tendrán como resultado el evento A. Esta aditividad de las
frecuencias relativas de los eventos simples es consistente con
nuestra regla para determinar P(A):
P(A) = P(CX) + P(XC) = ¼ + ¼ = ½
Si aplicamos esta regla a la obtención de P(B), veremos que el evento
B contiene los eventos simples CC, CX y XC; es decir, B sucederá si
ocurre cualquiera de estos tres eventos simples. Por tanto,

P(B) = P(CC) + P(CX) + P(XC)


P(B) = ¼ + ¼ + ¼ = 3/4

Ejemplo 3,3

un ingeniero de control de calidad debe decidir si una línea de


ensamblaje que produce artículos fabricados está fuera de control,
es decir, que está produciendo artículos defectuosos con mayor
frecuencia que la acostumbrada. a estas alturas de nuestro estudio
no contamos con las herramientas necesarias para resolver este
problema, pero podemos asegurar que uno de los factores
importantes que afectan la solución es la proporción de artículos
defectuosos fabricados por la línea. por ejemplo, ¿cuál es la
probabilidad de que un artículo fabricado por la línea esté
defectuoso? ¿que probabilidad hay de que los siguientes dos
artículos producidos por la línea tengan defectos? ¿cuál es la
probabilidad en el caso general de k artículos? explique cómo podría
resolver este problema.
Paso 1 definir el experimento
el experimento que corresponde a la inspección de un solo artículo
es idéntico en su estructura fundamental al experimento de lanzar
una moneda, se observa un artículo sin defectos (llamémosle cara) o
defectuoso (llamémosle corona) y se registra su situación operativa.

Experimento observar la situación operativa de un solo artículo


fabricado.

Paso 2 enumer los eventos simples. Sólo hay dos posibles resultados
del experimento. Éstos eventos simples son:
1 N: { el artículo no es defectuoso}
2 D: {el artículo es defectuoso }

Paso 3 asignar probabilidades a los eventos simples. la diferencia


entre este problema y el de lanzar una moneda se hace evidente
cuando intentamos asignar probabilidades a los dos eventos simples
¿que probabilidad debemos asignar al evento simple D? algunas
personas podrían decir 0.5 , igual que en el experimento de lanzar
una moneda, pero es evidente que determinar P(D), la probabilidad
del evento simple D, no es tan fácil. Suponga que cuando la línea de
ensamble está en control el 10% de los artículos producidos tiene
defectos. a primera vista entonces podría parecer que P(D) = 0.10,
pero tal vez esto no sea correcto, porque la línea podría estar fuera
de control, produciendo artículos defectuosos con mayor frecuencia.
por tanto, el punto importante que debemos tener presente es que
este es un caso en el que no se asignan probabilidades iguales a los
eventos simples. ¿como podemos determinar estas probabilidades?
un buen procedimiento podría consistir en vigilar la línea de
ensamble durante cierto tiempo y registrar el número de artículos
defectuosos y no defectuosos producidos. Luego se podría utilizar
las proporciones de los dos tipos de artículos para aproximar las
probabilidades de los dos eventos simples.
Después podríamos continuar con los pasos 4 y 5 para calcular
cualquier probabilidad de interés para este experimento con dos
eventos sencillos.
El experimento, determinar la situación operativa de dos artículos, es
idéntico al experimento de lanzar dos monedas, excepto que las
probabilidades de los eventos simples no son iguales. Aprenderemos
a determinar las probabilidades de los eventos simples de este
experimento, o del caso general de K. artículos.

Ejemplo 3,4

Un programador de computadoras debe seleccionar tres trabajos de


entre cinco que esperan la atención del programador. Si, aúnque el
programador no lo sabe, los trabajos varían en cuanto al tiempo de
programación que requieren, indique la probabilidad de que:
a. El programador escoja los dos trabajos que requieren el menor
tiempo.
b. El programador escoja los tres trabajos que requieren más tiempo.

Paso uno: El experimento consiste en seleccionar tres trabajos de


entre los cinco que están disponibles.

Paso dos: De notaremos los trabajos disponibles por los símbolos


J1,J2,…,J5, donde J1 es el trabajo más corto y J5 es el más largo.
Entonces, los 10 eventos simples asociado al experimento son los
siguientes:
Evento Evento
Simple Probabilidad simple Probabilidad
J1J2J3 1/10 J1J4J5 1/10
J1J2J4 1/10 J2J3J4 1/10
J1J2J5 1/10 J2J3J5 1/10
J1J3J4 1/10 J2J4J5 1/10
J1J3J5 1/10 J3J4J5 1/10

Paso tres: Si suponemos que la selección de cualquier conjunto de


tres trabajos es tan válida como cualquier otra, la probabilidad de
cada uno de los 10 eventos simples es 1/10.

Paso cuatro: Defina los eventos A y B cómo sigue:


A: {El programador escoge los dos trabajos requieren el menor
tiempo}
B: {El programador escoge los tres trabajos que requieren más
tiempo}
El evento A ocurrira con cualesquiera eventos simples en los que se
escojan los trabajos J1 y J2; a saber, los tres eventos simples
J1J2J3, J1J2J4 y J1J2J5. De forma similar, el evento B comprende
el evento único J3J4J5.

Paso cinco: Ahora sumamos las probabilidades de los eventos


simples A y B para obtener
P(A) = P(J1J2J3) + P(J1J2J4) + P(J1J2J5) = 1/10 + 1/10 + 1/10 = 3/10
y
P(B) = P(J3J4J5) = 1/10

Nota: en los experimentos que hemos visto hasta ahora ha sido fácil
enumerar los eventos simples. En experimentos más complejos el
número de eventos simples podría ser tan grande que no resulte
práctico enumerar los. Al resolver problemas de probabilidad para
experimentos con muchos eventos simples, utilizamos los mismos
principios que para los experimentos con pocos eventos simples. La
única diferencia es que necesitaremos reglas de conteo para
determinar el número de eventos simples sin tener que enumerarlos
todos realmente.

Ejemplo 3,5

Considere el experimento de lanzar un dado. Defina los siguientes


eventos:
A: {Obtener un número par}
B: {obtener un número menor o igual que 3}
a. describa AUB para este experimento.
b. Describa A B para este experimento.
c. Calcule P(AUB) P(A B) suponiendo que el dado es justo.

La unión de A y B es el evento que ocurre si observamos un número


par, un número menor o igual que tres, o ambas cosas, en una sola
tirada del dado. En consecuencia, los eventos simples en el evento
AUB son aquellos para los que A ocurre, B ocurre o tanto A cómo B
ocurren. Si probamos los eventos simples en todo el espacio
muestral, vemos que la colección de la unión de eventos simples en
la unión de A y B es
AUB = {1,2,3,4,6}
Como se muestra en el siguiente diagrama de venn

b. La intersección de A y B es el evento que ocurre si observamos


tanto un número par como un número menor o igual que tres en un
solo lanzamiento del dado. Si probamos los eventos simples para ver
cuales implican la ocurrencia de ambos eventos A y B, vemos que la
intersección contiene sólo un evento simple:
A B = {2}
En otras palabras, la intersección de A y B es el evento simple
observar un dos.
c…Si recordamos que la probabilidad de un evento es la suma de las
dos probabilidades de los eventos simples de los que se compone el
eventos, tenemos

P(AUB) = P(1) + P(2) + P(3) + P(4) + P(6)


= 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 5/6
y
P(A∩B) = P(2) = 1/6

Ejemplo 3,6

Refiérase al ejemplo 5 y defina el evento


C: {Obtener un número mayor que uno}
Determine los eventos simples en
a. AUBUC
b. A B C
donde
A: {obtener un numero par}
B: {obtener un número menor o igual que 3}
Donde
Obtener un número par
Ofrecer un número menor o igual que tres
a. El evento C contiene los eventos simples que corresponden a
obtener 2, 3, 4, 5 o 6; el evento B contiene los eventos simples 1, 2 y
3. Por tanto, el evento en el que ocurren A, B o C contiene los seis
eventos simples de S, es decir, los que corresponden a obtener 1, 2,
3, 4, 5 o 6.
b. Es evidente que sólo se observarán los tres eventos, si se
observa el dos. Por tanto, la intersección contiene un solo evento
simple: obtener dos.
Ejemplo 3,7

Considere el experimento de lanzar 2 monedas balanceadas.


Calcule la probabilidad del evento
A: { Observar al menos una cara}
Utilizando la relación complementaria.
Sabemos que el evento A: { Observar al menos una cara} consiste
en los eventos simples
A: { CC, CX, XC}
El complemento de A se define como el evento que ocurre cuando A
no ocurre; por tanto,
Ac: { No observar ninguna cara} = {XX}

Esta relación complementaria se cumple si suponemos que las


monedas están balanceadas, tenemos

P(A’) = P(XX) = 1/4


y
P(A) = 1 – P(A’) = 1 – 1/4 = 3/4

Ejemplo 3,8
Una moneda balanceada se lanza 10 veces y se registra la cara
superior después de cada lanzamiento. determine la probabilidad del
evento
A: { Observar cuando menos una cara }

Pasó uno: Definir el experimento. Consiste en registrar los


resultados de los 10 lanzamientos de la moneda.
Paso dos: Enumere los eventos simples. Un evento simple consiste
en una secuencia específica de 10 caras o coronas. Por tanto, un
evento simple es
CCXXXCXCXX
Que denota cara en el primer lanzamiento, cara en el segundo,
corona en el tercero, etc., otros serían CXCCCXXXXX y XCCXCXCXXC.
Obviamente, el número de eventos simples es muy grande;
demasiados para enumerarse. Puede demostrarse que hay 210 = 1024
eventos simples para este experimento.

Paso 3: Asignar probabilidades. Puesto que la moneda está


balanceada, cada secuencia de caras y coronas tienen la misma
posibilidad de ocurrir y por tanto todos los eventos simples son
igualmente válidos. Entonces
P(cada evento simple) = 1/1024

Paso cuatro: Determinar los eventos simples en el evento A. Un


evento simple está en A si por lo menos una C aparece en la
secuencia de 10 lanzamientos. Sin embargo, si consideramos el
complemento de A, encontramos que
A’: { No se observa una cara en 10 lanzamientos}
Por tanto, A’ contiene únicamente el evento simple
A’: { XXXXXXXXXX}
Y en consecuencia
P(A’) = 1/1024
Paso 5 Puesto que conocemos Ia probabilidad del complemento de A,
utilizamos la relación para eventos complementarios:
P(A) = 1 – P(A’) = 1 – 1/1024 = 1023/1024 = 0,999
Es decir, practicamente tenemos la seguridad de observar por lo
menos una cara en 10 lanzamientos de la moneda.

Ejemplo 3,9

Considere el siguiente problema de control de procesos. Suponga


que le interesa la probabilidad de que un producto fabricado (por
ejemplo. un componente mecánico pequeño) enviado a un
comprador se ajuste a las especificaciones de éste. Los lotes con un
gran número de componentes deben aprobar una inspección antes
de ser aceptados para embarcarse. [Suponga que no se
inspeccionan todos los componentes de un lote. Por ejemplo, si la
característica media del producto (por ejemplo, el diámetro) de una
muestra de componentes seleccionada del lote está dentro de
ciertos límites, se acepta todo el lote a pesar de que pudiera haber
uno o más componentes individuales que no se ajusten a las
especificaciones.] Representemos con I el evento de que un lote
aprueba la inspección y con B el evento de que un componente
individual de un lote se ajusta a las especificaciones del comprador.
Entonces, I∩B es el evento simple de que el componente individual se
envía al comprador (esto sucede cuando el lote que contiene al
componente aprueba la inspección) y además se ajusta a las
especificaciones; I∩B’ es el evento simple de que el componente
individual sea enviado al comprador pero no se ajuste a las
especificaciones, etc. Suponga que las probabilidades asociadas a
los cuatro eventos simples son las que se muestran en la siguiente
tabla. Determine la probabilidad de que un componente individual se
ajuste a las especificaciones del comprador dado que le fue enviado.

Evento simple Probabilidad


I∩B 0.80
I∩B’ 0.02
I’∩B 0.15
I’∩B’ 0.03

Si se escoge un componente de un lote de componentes fabricados,


¿qué probabilidad hay de que el comprador aceptará el
componente? Para ser aceptado, el componente primero deberá
enviarse al comprador (es decir, el lote que contiene al componente
deberá aprobar la inspección) y luego el componente debe
satisfacer las especificaciones del comprador, de modo que esta
probabilidad incondicional es P(I∩B ) = 0.80
Por otro lado, suponga que sabe que el componente en cuestión
proviene de un lote que aprobó la inspección. Ahora a usted le
interesa la probabilidad de que el componente se ajuste a las
especificaciones dado que el componente se envió al comprador; es
decir, desea determinar la probabilidad condicional P(B│I). Por la
definición de probabilidad condicional,
P(B│I) = P(l∩B) / P(I)
donde el evento
I: {El componente se envia al comprador}
contiene los dos eventos simples

I∩B: {El componente se envía al comprador y se ajusta a las


especificaciones}
e
I∩B’: {El componente se envía al comprador pero no se ajusta a las
especificaciones}
Recordando que la probabilidad de un evento es igual a la suma de
las probabilidades de sus eventos simples, obtenemos
P(I) = P(l∩B) + P(I∩B’) = 0.80 + 0.02 = 0.82
Entonces, la probabilidad condicional de que un componente se
ajuste a las especificaciones, dado que fue enviado al comprador, es
P(B│I) = P(l∩B) / P(I) = 0.80/0.82 = 0,976
Como era de esperar, la probabilidad de que el componente se ajuste
a las especificaciones, dado que fue enviado al comprador, es más
alta que la probabilidad incondicional de que un componente sea
aceptable para el comprador.

Ejemplo 3,10

La investigación de las quejas de los consumidores referentes a


productos realizada por la Federal Trade Commission (FTC, Comisión
Federal de Comercio de Estados Unidos) ha generado gran interés
por parte de los fabricantes en la calidad de sus productos. Un
fabricante de procesadores de alimentos realizó un análisis de un
gran número de quejas de los consumidores y determinó que
entraban en las seis categorías que se muestran en la Tabla. Si se
recibe una queja de un consumidor, ¿qué probabilidad hay de que la
causa de la queja sea el aspecto del producto, dado que la queja se
originó durante el periodo de garantía?

Representemos con A el evento de que la causa de una queja en


particular fue el aspecto del producto, y con B el evento de que la
queja se presentó durante el periodo de garantía. Si consultamos la
tabla, veremos que el (18 + 13 + 32)% = 63% de las quejas se
presentaron durante la vigencia de la garantía; por tanto, P(B) = 0,63.
El porcentaje de quejas debidas a la apariencia que ocurrieron
durante el periodo de garantía (el evento A∩B) es del 32%. Por tanto,
P(A∩B) = 0,32.
Con base en estos valores de probabilidad, podemos calcular la
probabilidad condicional P(A│B) de que la causa de una queja sea el
aspecto, dado que la queja ocurrió durante el periodo de garantía:
P(A│B) = P(A∩B) / P(B) = 0,32/0,63 = 0,51

Así, podemos ver que un poco más de la mitad de las quejas que
ocurrieron durante el periodo de garantía se debieron a rayones,
abolladuras u otras imperfecciones en la superficie de los
procesadores de alimentos.
Ejemplo 3,11

Se lanza un dado cargado (no balanceado) y se observa la cara


superior. Se definen estos dos eventos:
A: {Observar un número par}
B: {Observar un número menor que 3}
Suponga que P(A) = 0.4, P(B) = 0.2 y P(A∩B) = 0.1. Determine P(AUB).
[Nota: No es muy realista suponer que conoceríamos estas
probabilidades en una situación práctica, pero el ejemplo ilustrará un
punto.]
Si estudiamos el diagrama de Venn, podemos obtener información
que nos ayudará a determinar P(AUB). Podemos ver que
P(A U B) = P(1) + P(2) + P(4) + P(6)
Además, sabemos que
P(A) = P(2) + P(4) + P(6) = 0.4
P(B) = P(1) + P(2) = 0.2
P(A∩B) = P(2) = 0.1

Si sumamos las probabilidades de los eventos simples que


constituyen los eventos A y B, obtenemos
P(A) P(B)
P(A) + P(B) = P(2) + P(4) + P(6) + P(1) + P(2)
P(A U B) P(A∩B)
P(A) + P(B) = P(1) + P(2) + P(4) + P(6) + P(2)

Entonces, al restar tenemos


P(A U B) = P(A) + P(B) - P(A∩B) = 0.4 +0.2 -0.1 = 0.5

Ejemplo 3,13

Considere el experimento de lanzar dos monedas balanceadas.


Determine la probabilidad de observar al menos una cara.
Definimos los eventos
A: {Observar al menos una cara}
B: {Observar exactamente una cara}
C: {Observar exactamente dos caras}
Tome nota de que A = BUC y que B∩C no contiene eventos simples.
Entonces, B y C son mutuamente exclusivos, de modo que
P(A) = P(B U C) = P(B) + P(C) = ½ + ¼ = 3/4

Ejemplo 3,14
A un procesador de datos le interesa el evento de que un trabajo sea
procesado inmediatamente al momento de presentarse. Este evento
es la intersección de los dos eventos siguientes:
A: {La computadora está funcionando}
B: {El trabajo se procesará de inmediato}
Con base en la información disponible, el procesador de datos cree
que hay una probabilidad de 0.90 de que la computadora esté
funcionando en un momento determinado y una probabilidad de 0.05
de que el trabajo se ejecutará tan pronto como sea presentado si la
computadora está funcionando. Esto es,
P(A) = 0.90 y P(B |A) = 0.05
Con base en la información proporcionada, ¿qué probabilidad hay de
que un trabajo presentado se procese de inmediato? Es decir,
determine P(A∩B).
Como verá, ya dedujimos una fórmula para encontrar la probabilidad
de la intersección de dos eventos. Recuérdese que la probabilidad
condicional de B dado A es
P(B|A) = P(A∩B)/P(A)
Si multiplicamos ambos miembros de esta ecuación por P(A),
obtenemos una fórmula para la probabilidad de la intersección de los
eventos A y B. Esta fórmula se conoce como regla multiplicativa de la
probabilidad y está dada por
P(A∩B) = P(A) P(B|A)
Así pues,
P(A∩B) = (0.90) (0.05) = 0.045
La probabilidad de que un trabajo presentado se procese de
inmediato es de 0.045.
Ejemplo 3,15

Considere el experimento de lanzar una moneda balanceada dos


veces y registrar la cara superior en cada lanzamiento. Se definen
los siguientes eventos:
A: {El primer lanzamiento es cara}
B: {El segundo lanzamiento es cara}
Si sabemos que ocurrió el evento A, ¿afecta esto la probabilidad de
que B ocurra?
La respuesta intuitiva debe ser no, pues lo que ocurra en el primer
lanzamiento no tiene por qué afectar lo que ocurra en el segundo.
Verifiquemos nuestra intuición. Recordemos el espacio de muestra
para este experimento:
l. Observar CC
2. Observar CX
3. Observar XC
4. Observar XX
Cada uno de estos eventos simples tiene una probabilidad de ¼.
Entonces,
P(B) = P(CC) + P(XC) = ¼ + ¼ = ½
y
P(A) = P(CC) + P(CX) = ¼ + ¼ = ½
Ahora bien, ¿qué es P(B|A)?
P(B|A) = P(A∩B)/P(A) = P(HH)/P(A) = ¼ / ½ = ½
Ahora vemos que P(B) = ½ y que P(B|A) = ½. Saber que el primer
lanzamiento fue cara no afecta la probabilidad de que el segundo
lanzamiento sea cara. La probabilidad es de ½ sin importar que
sepamos o no el resultado del primer lanzamiento. Cuando esto
ocurre, decimos que los dos eventos A y B son independientes.

Ejemplo 3,16
Ejemplo 3,17

Ejemplo 3,18
Ejemplo 3,19

Un sistema de monitoreo automático emplea equipo de video de alta


tecnología y microprocesadores para detectar intrusos. se ha creado
un prototipo del sistema y se está utilizando en exteriores en una
planta de municiones para armamentos. El sistema se diseño de
modo que detectara intrusos con una probabilidad de 0.90. Sin
embargo, los ingenieros de diseño esperan que esta probabilidad
varie con las condiciones del clima. El sistema registra
automáticamente las condiciones del clima cada vez que detecta un
intruso. Con base en una serie de pruebas controladas, en las que se
liberó un intruso en la planta en diversas condiciones climáticas, se
cuenta con la siguiente información. En los casos en que el intruso si
fue detectado por el sistema, el clima estuvo despejado 75% del
tiempo, nublado 20% del tiempo y lluvioso 5% del tiempo. Cuando el
sistema no detectó un intruso, 60% de los días estuvieron
despejados, 30% nublados y 10% lluviosos. Utilice esta información
para calcular la probabilidad de detectar un intruso cuando el clima
está lluvioso. (suponga que se liberó un intruso en la planta).
Por tanto, en condiciones de clima lluvioso, el prototipo del sistema
puede detectar al intruso con una probabilidad de 0.818, un valor
menor que la probabilidad diseñada de 0.90.

reglas de conteo

Ejemplo 3,20

Un producto (por ejemplo, hardware para un sistema de


computadora) se puede embarcar a través de cuatro aerolíneas
diferentes, y cada aerolínea puede transportar los embarques por
tres rutas distintas. ¿Cuántas formas distintas de embarcar el
producto existen?
Una Representación gráfica de las diferentes formas de embarcar el
producto nos ayudará a contarlas. Esta representación, llamada
árbol de decisión, se muestra la figura siguiente. En el punto de
partida (etapa uno) ahí cuatro opciones: las diferentes aerolíneas –
para iniciar el viaje. Una vez que hemos elegido una aerolínea (etapa
dos), ahí tres opciones-las diferentes rutas-para completar el envío y
llegar al destino final. El árbol de decisión muestra claramente que
hay (cuatro) (tres) = 12 formas distintas de embarcar el producto.

El método de solución de este ejemplo puede generalizarse a


cualquier número de etapas con conjuntos de diferentes elementos.
La clave para el método es la regla multiplica activa.

Ejemplo 3,21

hay 20 candidatos para tres puestos de ingeniero mecánico distintos,


I1, I2 y I3.¿de cuántos formas distintas se podrían ocupar los
puestos?

Este ejemplo consiste en los siguientes k = 3 conjuntos de elementos:


Conjunto 1: candidatos disponibles para ocupar el puesto I1
Conjunto 2: candidatos que quedan (después de ocuparse I1)
disponibles para ocupar I2
Conjunto 3: candidatos que quedan (después de ocuparse I1 e
I2) disponibles para ocupar el puesto I3.

Los números de elementos en los conjuntos son K1= 20, K2= 19, K3=
18. Por tanto, el número de formas distintas de ocupar las tres
posiciones es:
K1K2K3 = (20)(19)(18) = 6,840 formas

Ejemplo 3,22

Considere un experimento que consiste en lanzar una moneda 10


veces. Demuestre que hay 210 = 1,024 eventos simples para este
experimento.

Hay k = 10 conjuntos de elementos para este experimento. Cada


conjunto contiene dos elementos, una cara y una corona. Por tanto,
hay:
(2)(2)(2)(2)(2)(2)(2)(2)(2)(2) = 210 = 1,024
Resultados distintos (eventos simples) de este experimento.

Ejemplo 3,23

Suponga que se han programado se cinco vuelos espaciales


distintos, cada uno de los cuales requiere un astronauta. Si
suponemos que ninguno puede ir en más de un vuelo, ¿de cuántas
formas diferentes se pueden asignar cinco de los 100 mejores
astronautas del mundo a los cinco vuelos espaciales?
Podemos resolver este problema con la ayuda de la regla
multiplicativa. El conjunto completo de 100 astronautas está
disponible para el primer vuelo; después de la selección de un
astronauta para ese vuelo, quedan 99 para el segundo vuelo, etc. Por
tanto, el número total de formas distintas de escoger cinco
astronautas para los cinco vuelos espaciales es:
K1K2K3K4K5 = (100)(99)(98)(97)(96) = 9,034,502,400 formas

Ejemplo 3,24

Ejemplo 3,25
Ejemplo 3,26
Ejemplo 3,27

Ejemplo 3,28
Ejemplo 3,29

Se contrata un servicio de calificación de computadoras para


encontrar las tres mejores marcas de monitores planos. Se incluirá
un total de 10 marcas en el estudio.
a. ¿de cuántas formas distintas puede el servicio de calificación
llegar al ordenamiento final?
b. Si el servicio de calificación no puede distinguir diferencias entre
las marcas y por tanto obtiene el ordenamiento final aleatoriamente,
¿cuál es la probabilidad de que la marca de la compañía Lenovo
quede en primer lugar? ¿Y de qué quede entre las tres primeras?

a. Puesto que el servicio de calificación va a sacar tres elementos


(marcas) de un conjunto de 10 elementos y a acomodar los tres
elementos en un orden definido, utilizamos la regla de permutaciones
para determinar el número de resultados distintos:
Ejemplo 3,30
Ejercicios…………………………………………………
3,1 Los ingenieros ambientales clasifican a los consumidores
estadounidenses en cinco grupos con base en su actitud hacia el
ecologismo:
1. Los marrones básicos dicen carecer de los conocimientos
necesarios para comprender los problemas ambientales.
2. Los verdes leales utilizan productos biodegradables.
3. Los verdes billete apoyan leyes que obligarían a
utilizar un combustible alternativo en todos los
automóviles nuevos.
4. Los retoños reciclan los periódicos con regularidad.
5. Los refunfuñadores opinan que las industrias, no los
individuos, deben resolver los problemas ambientales.
En la tabla se muestra la proporción de consumidores en cada grupo.
Suponga que se escoge un consumidor estadounidense al azar y se
determina su actitud hacia el ecologismo.

Marrones básicos 0.28


Verdes leales 0.11

También podría gustarte