PROBLEMA N°02.

- Los directivos de una empresa tienen 2 proyectos A y B para

salir de la crisis por la que atraviesa su organización. Por estudios previos
realizados, se sabe que la probabilidad que funcione B y no funcione A es de
0.20 y la probabilidad de que ninguno de ellos funcione es de 0.40. Calcular la
probabilidad de que:
a) El proyecto A funcione dado que B funciono.
b) El proyecto A funcione dado que B no funciono.
c) El proyecto B funcione dado que A no funciono.

RESOLUCIÓN. Definamos los eventos

A : El proyecto A funcione
B : El proyecto B funcione

Del problema tenemos

P[ B  Ac ]  0.20  P( B  A)  0.20
P[ Ac  Bc ]  0.40  P( A  B)  0.60
Luego P[ A]  0.40 y P[ B]  0.40
P[ A  B] 0.20
a) P[ A / B]    0.5  50%
P[ B] 0.40
P[ A  Bc ] 0.20
b) P[ A / Bc ]    0.3  33.33%
P[ Bc ] 0.60
P[ B  Ac ] 0.20
c) P[ B / Ac ]    0.3  33.33%
P[ Ac ] 0.60

PROBLEMA N°06.- Un contratista hace las siguientes estimaciones para

terminar una obra de la siguiente manera, en 10 días avanzara el 30%, en 15
días el 20% y el resto de la obra en 22 días. ¿En cuántos días se espera que
concluya la obra?

PROBLEMA N°10.- Tres personas A, B y C solicitan empleo a una empresa. Si

el experimento consiste en ordenar las solicitudes de acuerdo a las habilidades
de trabajo, construye:
a) El espacio muestral.
b) El evento B ocupa el primer lugar.
c) El evento A y B ocupan los primeros lugares.

RESOLUCIÓN. Haciendo el diagrama del árbol

 Primer lugar Segundo lugar Tercer lugar

B C
A C B

A C
B C A

A B
C B A

a)   { ABC , ACB, BAC , BCA, CAB, CBA}

b) E  {BAC , BCA}
c) F  { ABC , BAC}

PROBLEMA N°14.- Consideramos una población en la que el 40% son

universitarios (B), el 30% mujeres (A) y un 25% mujeres universitarias. Elegida
una persona al azar, calcular:
a) P[ A  B ]
b) P[ A  B ]

RESOLUCIÓN. Observamos del ejercicio que

P[ A]  30%
P[ B]  40%
P[ A  B]  25%

a) P[ A  B]  P[ A]  P[ B]  P[ A  B]
P[ A  B]  30%  40%  25%
P[ A  B]  45%
b) P[ A  B]  1  P[( A  B)c ]
P[ A  B]  1  P[ A  B]
P[ A  B]  100%  45%
P[ A  B]  55%

PROBLEMA N°18.- En química clínica son particularmente interesantes los

llamados coeficientes falso-positivo y falso-negativo de un test. Tales
coeficientes son probabilidades condicionadas. El coeficiente falso-positivo es la
probabilidad de que el contraste resulte positivo cuando de hecho el sujeto no
padece la dolencia. El
coeficiente falso-negativo se define de manera análoga. Es decir:
a = coeficiente falso-positivo = P (el test da +=el sujeto es en realidad -),
b = coeficiente falso-negativo = P (el test da -=el sujeto es en realidad +).
Cada una de estas probabilidades es una probabilidad de error; por tanto, cabe
esperar que los valores obtenidos en la práctica sean próximos a cero.
Los resultados siguientes se obtuvieron en un estudio diseñado con el fin de
averiguar la capacidad de un cirujano patólogo para clasificar correctamente las
biopsias quirúrgicas como malignas o benignas:

positivo (M A L I G N O) negativo ( B E N I G N O )

C I E RTO M A LI G NO 79 19

C I E RTO BENIGNO 7 395

Determinar a y b a partir de estos datos.

RESOLUCIÓN. Obsérvese que, de acuerdo con la tabla anterior, un diagnóstico

positivo corresponde a una clasificación de la biopsia como maligna. Los datos
de dicha tabla arrojan los siguientes resultados:
Número de casos estudiados: 79+19+7+395 = 500.
Número de casos malignos: 79+19 = 98.
Número de casos benignos: 7+395 = 402.
Número de casos con diagnóstico positivo: 79+7 = 86.
Número de casos con diagnóstico negativo: 19+395 = 414.
Estamos interesados en calcular los coeficientes falso-positivo a y falso-
negativo b para los casos estudiados.
A tal fin, sean los sucesos:
T  = {el diagnóstico es positivo};
T  = {el diagnóstico es negativo}:
Al ser equiprobable cada caso estudiado, según los datos inferidos de la tabla
encontramos que
86 414
P (T  )  y P (T  ) 
500 500
Asimismo, sean:
R  = {la biopsia es en realidad maligna};
R  = {la biopsia es en realidad benigna}:
De modo similar se tiene que
98 402
P( R  )  y P( R  ) 
500 500
Por definición,
P(T   R  )
a  P(T  / R  ) 
P( R  )
P(T   R  )
b  P(T  / R  ) 
P( R  )
Ahora bien, el número de casos con biopsia benigna clasificados como
positivos es de 7, por lo que
7
P(T   R  ) 
500
De igual manera,
 19
P(T   R  ) 
500
Consecuentemente,
7
7
a  500   0.017
402 402
500
19
19
b  500   0.194
98 98
500
Como conclusión podríamos decir que el cirujano patólogo detecta la
enfermedad en pacientes que no la tienen en un 1:7%, mientras que no detecta
la enfermedad en pacientes que la tienen en un 19:4% de los casos.

OBSERVACIÓN. Para la determinación del coeficiente falso-positivo a

podemos razonar también del siguiente
modo. De las 402 biopsias benignas, 7 han sido falsamente clasificadas como
malignas; por tanto, a =7/402 = 0:017. Similarmente b = 19/98 = 0:194, ya que
hay 98 biopsias malignas de las cuales 19 han sido clasificadas erróneamente
como benignas.

PROBLEMA N°22.-
Una empresa del ramo de la alimentación elabora sus productos en cuatro
factorías: F1, F2, F3 y F4. El porcentaje de producción total que se fabrica en
cada factoría es del 40%, 30%, 20% y 10%, respectivamente, y además el
porcentaje de envasado incorrecto en cada factoría es del 1%, 2%, 7% y 4%.
Tomamos un producto de la empresa al azar. ¿Cuál es la probabilidad de que
se encuentre defectuosamente envasado?

RESOLUCIÓN.

Llamando M = "el producto está defectuosamente envasado", se tiene que este

producto puede proceder de cada una de las cuatro factorías y, por tanto, según
el teorema de la probabilidad total y teniendo en cuenta las probabilidades del
diagrama de árbol adjunto, tenemos:
P(M) = P(F1) · P(M/F1) + P(F2) · P(M/F2) + P(F3) · P(M/F3) + P(F4) ·
P(M/F4) =
= 0.4 · 0.01 + 0.3 · 0.02 + 0.2 · 0.07 + 0.1 · 0.04 =
= 0.004 + 0.006 + 0.014 + 0.004 = 0.028