Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Clase 3y4 - EEA (Resuelto) - Rafael123 PDF
Clase 3y4 - EEA (Resuelto) - Rafael123 PDF
3
Nuestro concursante
seleccionará una puerta ...
Elijo la
puerta A
A B C
PUERTA
SELECCIONADA
• ¿Cuál es la probabilidad de obtener 1 cara si
arrojamos una moneda una vez?
c 1 0.5
c, s 2
Experimentos y Eventos
• ¿Cuál es la probabilidad de obtener 1 cara si
arrojamos una moneda tres veces?
C
S
C
C S
S C
S
C
S
ÁRBOL DE
PROBABILIDADES S
Experimentos y Eventos
• ¿Si lanzamos 2 dados, cuál es la probabilidad
de obtener un puntaje de 7?
• ¿Cuál es la probabilidad de sacar un as al
sacar un naipe de una baraja?
• Experimento
– Actividad que origina un evento.
– Proceso de hacer una observación y obtener un resultado.
• Evento
– Uno o más de los posibles resultados de un experimento.
• Espacio Muestral
– Colección de todos los posibles resultados de un
experimento.
Experimento Espacio Muestral
Lanzar una moneda Cara, Sello.
Lanzar dos monedas CC, CS, SC, SS
Sacar una carta (valor) 2, 2, ..., A (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar, Perder
Inspeccionar una parte Defectuoso, Bueno
Experimento: Lanzar dos monedas
Espacio Muestral: CC, CS, SC, SS
Evento Resultados
1 Cara y 1 Sello CS, SC
Cara en la 1ra. moneda CC, CS
Al menos una Cara CC, CS, SC
Cara en cada lanzamiento CC
Algunos principios de conteo
PRINCIPIO MULTIPLICATIVO
Si una operación puede efectuarse de n maneras diferentes y
realizada una cualquiera de ellas, una segunda operación puede
efectuarse de p maneras distintas, entonces el número total ( N ) de
maneras diferentes, en que pueden realizarse a la vez ambas
operaciones es:
N=n×p
Ejemplo:
En la etapa final de fútbol profesional de primera, cuatro equipos :
CRISTAL ( C ), BOYS ( B) ,ESTUDIANTES ( E ),
UNIVERSITARIO (U), disputan el primer y segundo lugar
(campeón y subcampeón). ¿De cuántas maneras diferentes estos
equipos pueden ubicarse en dichos lugares?
Algunos principios de conteo
Solución:
•METODO 1: utilizando el diagrama del árbol
Algunos principios de conteo
Existen 12 maneras diferentes en que estos equipos se pueden
ubicarse en el primer y segundo lugar.
Si se desea realizar una actividad que consta de r pasos, en donde el
primer paso de la actividad a realizar puede ser llevado a cabo de N1
maneras o formas, el segundo paso de N2 maneras o formas y el r-ésimo
paso de Nr maneras o formas, entonces esta actividad puede ser llevada a
efecto de;
N1 x N2 x ..........x Nr maneras o formas
El principio multiplicativo implica que cada uno de los pasos de la
actividad deben ser llevados a efecto, uno tras otro.
5-37
Algunos principios de conteo
Ejemplos:
1) Una persona desea construir su casa, para lo cuál considera
que puede construir los cimientos de su casa de cualquiera de
dos maneras (concreto o block de cemento), mientras que las
paredes las puede hacer de adobe, adobón o ladrillo, el techo
puede ser de concreto o lámina galvanizada y por último los
acabados los puede realizar de una sola manera ¿cuántas
maneras tiene esta persona de construir su casa?
Algunos principios de conteo
Solución:
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2
N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las técnicas de conteo que
posteriormente se tratarán nos proporcionan todas las maneras o formas
posibles de como se puede llevar a cabo una actividad cualquiera.
Algunos principios de conteo
PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cuál tiene
formas alternativas para ser realizada, donde la primera de
esas alternativas puede ser realizada de M maneras o
formas, la segunda alternativa puede realizarse de N
maneras o formas ..... y la última de las alternativas puede
ser realizada de W maneras o formas, entonces esa
actividad puede ser llevada a cabo de,
M + N + .........+ W maneras o formas
Algunos principios de conteo
Ejemplos:
1) Una persona desea comprar una lavadora de ropa, para lo cuál ha
pensado que puede seleccionar de entre las marcas Whirpool, Easy y
General Electric, cuando acude a hacer la compra se encuentra que la
lavadora de la marca W se presenta en dos tipos de carga ( 8 u 11
kilogramos), en cuatro colores diferentes y puede ser automática o
semiautomática, mientras que la lavadora de la marca E, se presenta en
tres tipos de carga (8, 11 o 15 kilogramos), en dos colores diferentes y puede
ser automática o semiautomática y la lavadora de la marca GE, se presenta
en solo un tipo de carga, que es de 11 kilogramos, dos colores diferentes y
solo hay semiautomática. ¿Cuántas maneras tiene esta persona de comprar
una lavadora?
Algunos principios de conteo
Solución:
M = Número de maneras de seleccionar una lavadora Whirpool
N = Número de maneras de seleccionar una lavadora de la marca
Easy
W = Número de maneras de seleccionar una lavadora de la marca
General Electric
M = 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
Solución:
a) V = maneras de ir a las Vegas
D = maneras de ir a Disneylandia
V = 3 x 2 = 6 maneras
D = 3 x 4 = 12 maneras
V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia
b) V = maneras de ir y regresar a las Vegas
D = maneras de ir y regresar a Disneylandia
V = 3 x 2 x 1 x 2 = 12 maneras
D = 3 x 4 x 3 x 2 = 72 maneras
V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia en un
viaje redondo
Algunos principios de conteo
Algunos principios de conteo
• Nota: el orden del arreglo es importante en las
permutaciones.
Permutaciones
• Supóngase que hay ocho máquinas disponibles, pero
solo tres espacios en el piso del taller donde se han
de instalar tales máquinas. ¿De cuántos modos
diferentes pueden colocarse las ocho máquinas?
Permutaciones
Pn=n.(n-1).(n-2)...3.2.1
n!=n.(n-1).(n-2)...3.2.1
Si n = 1, se define 1!=1
Si n = 0 se define 0!=1
Permutaciones
• Primer espacio: 8 posibilidades
• Segundo espacio: 7 posibilidades (una ya se utilizó)
• Tercer espacio: 6 posibilidades.
• 8 x 7 x 6 = 336 permutaciones
• 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1 8! 8!
5 x 4 x 3 x 2 x 1 5! (8 3)!
n!
n Pr
( n r )!
Permutaciones
• Usted tiene 10 camisas. Suponiendo que cada
camisa que viste va a la ropa sucia y que las
camisas se lavan cada semana, ¿Cuántas
maneras diferentes de seleccionar sus camisas
se producen en una semana?
10 ! 10 !
10 P 7 604 ,800
(10 7 )! 3!
Permutaciones
• Se desean acomodar cinco libros en un librero,
¿De cuantas maneras posibles pueden ser
ordenados?
5! 5!
5P5 120
( 5 5 )! 0!
5-39
Principios de conteo
• Combinación: el número de modos para elegir
r objetos de un grupo de n objetos
• El orden no interesa.
• Denominamos combinaciones ordinarias o sin
repetición de n elementos tomados de m en
m, (m<=n) a las distintas agrupaciones de m
elementos de manera que:
Principios de conteo
52! 52!
47! (52 5)!
Pero el orden no importa:
52!
(52 5)! 52!
2'598,960
5! 5!(52 5)!
n!
nCr
r!(n r)!
Combinaciones
cuando el orden no importa
• En una clase de 24 alumnos se quieren formar
6 grupos de estudio. ¿Cuántos grupos
diferentes se pueden formar?
24 ! 24 !
24 C 4 10 , 626
4 ! ( 24 4 )! 4 !* 20 !
Clases de Eventos
• Eventos Mutuamente Excluyentes
– Dos o más eventos que no pueden ocurrir al mismo tiempo.
– A: Reina de Corazones; B: Reina de Espadas
• Los eventos A y B son mutuamente excluyentes.
• Eventos No Mutuamente Excluyentes
– Dos o más eventos que si pueden ocurrir al mismo tiempo.
– A: Naipes de Corazones; B: As
• Los eventos A y B no son mutuamente excluyentes.
• El As de Corazones
Mutuamente Excluyentes
Evento A Evento B
Espacio Muestral
No Mutuamente Excluyentes
Evento A Evento B
5-11
Reglas básicas de probabilidad
• Si los eventos son mutuamente excluyentes, la
ocurrencia de cualquier evento impide que el
otro evento ocurra.
Evento A Evento B
Regla de la Adición
• Si dos eventos A y B son mutuamente
excluyentes, la probabilidad de que ocurra A o
B es igual a la suma de sus probabilidades
respectivas:
P A B P A P B
• Probabilidad que al lanzar una moneda salga
cara o sello.
5-14
Regla del complemento
• La regla del complemento se utiliza para
determinar la probabilidad de un evento,
conociendo su probabilidad de No Ocurrencia.
• Se obtiene restando del número 1 la probabilidad
de que No ocurra un evento.
• Si P(A) es la probabilidad del evento A y P(Ac) es el
complemento de A,
– P(A) + P(Ac) = 1
– P(A) = 1 – P(Ac).
Complemento
Complemento de A
Evento A
Ac
5-18
Regla especial de la adición
Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente fórmula:
P A B P A P B P A B
Regla especial de la Adición
Evento Evento
A B
P A B P A P B P A B
Lanzamos dos dados, uno rojo y otro blanco.
¿Cuál es la probabilidad de que sumen 3?
x
x
P (3) 2 / 36
57
Supongamos que hemos lanzado ya el dado rojo y ha salido
un 1. ¿Cuál es ahora la probabilidad de que sumen 3?
58
Sucesos o Eventos
A Ac
A = ser hombre (H)
B = edad 20
4 2
B
Bc 2 6
Probabilidades
P(A) = 6/14 = 0.43
P(B) = 6/14 = 0.43
P(A B) = 4/14 = 0.29
P(A B) = P(A) + P(B) - P(A B)
6/14 + 6/14 - 4/14 = 0.43+ 0.43 - 0.29 = 0.57
• La presentación de un
evento no tiene efecto
sobre la probabilidad de
presentación de cualquier
otro evento.
– Probabilidad Marginal o
Incondicional
– Probabilidad Conjunta
– Probabilidad Condicional
Probabilidad Marginal
• Probabilidad simple de presentación de un
evento. P(A).
• Probabilidad de obtener un as.
• Probabilidad de obtener una carta de
corazones.
• Probabilidad de sacar una cara al lanzar una
moneda.
5-23
Probabilidad Conjunta
• Probabilidad de que dos o más eventos
independientes se presenten juntos o en
sucesión. P(AB) o P(A,B) o P(AyB).
• Probabilidad de sacar un as de corazones.
• Probabilidad de obtener tres caras al lanzar
una moneda tres veces.
5-24
Regla especial de
multiplicación
• La regla especial de multiplicación requiere
que dos eventos A y B sean independientes.
• P(A y B) = P(A ∩ B) = P(A) * P(B).
Tabla de Contingencia
Evento
Evento B1 B2 Total
A1 P(A1 y B1) P(A1 y B2) P(A1)
Color
Tipo Rojo Negro Total
As 2 2 4
No As 24 24 48
Total 26 26 52
Tabla de Contingencia
Color
Tipo Rojo Negro Total
As 1/26 1/26 2/26
No As 6/13 6/13 12/13
Total 13/26 13/26 26/26
Escoger un artículo
¿Cuál es la Probabilidad?
P (A) = Evento
Evento C D Total
P (D) =
A 4 2 6
P (C y B) =
B 1 3 4
P (A o D) =
Total 5 5 10
P (A y C) =
A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.
Solución
Las probabilidades son:
Evento
P (A) = 6/10
Evento C D Total
P (D) = 5/10 A 4 2 6
P (C y B) = 1/ 5 B 1 3 4
Total 5 5 10
P (A o D) = 9/10
P (B y C) = 3/ 10
5-27
Probabilidad Condicional
• Probabilidad condicional es la probabilidad de
que ocurra un evento en particular, dado que
otro evento ya ocurrió. P(A|B). Probabilidad
de A “dado” B.
• En el caso de eventos independientes, como el
evento B no influye en el evento A:
P(A|B) = P(A)
(Sirve para demostrar A y B son independientes)
II. Dependencia Estadística
• Cuando la probabilidad
de que se presente algún
evento depende o se ve
afectada por la
presentación de algún
otro evento.
– Probabilidad Condicional
– Probabilidad Conjunta
– Probabilidad Marginal
Probabilidad condicionada
[...] Quiero decir, para empezar: ¿a
quién le importa si saco una bola
blanca o una bola negra de una
urna? Y segundo: si tan
preocupado estás por el color de la
bola que sacas, no lo dejes en
manos del azar: ¡mira en la
maldita urna y saca la bola del
color que quieras!
P( B A)
P( B | A)
P ( A)
Probabilidad Conjunta
(Dependencia Estadística)
P( A B) P( A | B) * P( B)
P( B A) P( B | A) * P( A)
P( A B) P( A | B) * P( B)
• P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
• P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
Probabilidad Marginal
(Dependencia Estadística)
• Suma de las probabilidades de TODOS los
eventos CONJUNTOS en los que se presenta el
evento sencillo.
P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
¿Cuál es la probabilidad?
P (A|D) = Evento
Evento C D Total
P (C|B) =
A 4 2 6
Son C y B B 1 3 4
independientes?
Total 5 5 10
A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10
2
P (A D ) 1 0 2
P ( A |D )
P (D ) 5 5
1 0
1
P (C y B ) 1 0 1
P ( C |B )
P (B ) 4 4
1 0
5 1 6 2
P (C ) P (A )
1 0 4 1 0 5
Tipos de Probabilidades
Si conocemos la probabilidad
A1 A2
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
sucesos, entonces podemos
B
calcular la probabilidad de B
como la suma:
A3 A4
B n
P( B) P( B | Ai ) P( Ai )
i 1
A3 A4
90
Ejemplo: En este aula el 70% de los alumnos son
hombres. De ellos el 10% son fumadores. El 20% de las
mujeres son fumadoras.
¿Qué porcentaje de fumadores hay en total?
Fumadores
Fuma
0,1
Hombre
0,7
No fuma
0,9
Estudiante
0,2
0,3 Fuma
Mujer
0,8
No fuma
P(B A)
P(B | A)
P(A)
Thomas Bayes nació en Londres, Inglaterra.
Su padre fue ministro presbiteriano.
Posiblemente De Moivre fue su maestro
particular, pues se sabe que por ese entonces ejercía
como profesor en Londres.
Bayes fue ordenado ministro presbiteriano y muere en
1761. Sus restos descansan en el cementerio londinense
de Bunhill Fields. La traducción de la inscripción en su
tumba es:
"Reverendo Thomas Bayes.
Hijo de los conocidos Joshua y Ann Bayes.
7 de abril de 1761. En reconocimiento al
importante trabajo que realizó Thomas
Bayes en probabilidad. Su tumba fue
restaurada en 1969 con donativos de
estadísticos de todo el mundo".
Teorema de Bayes
Si conocemos la probabilidad de B en
cada uno de los n componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces…
P(B Ai )
P(Ai|B)
A3 A4 P(B)
0,8
No fuma
P(E)
0.0450 +
P(E,N)=0.05x0.10=0.0050 0.1425
P(N|E) P(E N) P( N E) P( N / E)*P(E) 0.1875
P(P|noE)
P(noE,P)=0.95x0.15=0.1425
P(noE P) P( P noE) P( P / noE) * P(noE)
P(no E)
P(N|noE) P(noE,N)=0.95x0.85=0.8075
P(noE N) P( N noE) P( N / noE) * P(noE)
P ( E P ) 0.0450
P( E | P) 0.24
P( P) 0.1875
Observaciones -¿Qué probabilidad
tengo de estar
enfermo?
• En el ejemplo anterior, al llegar un
- En principio un 5%. Le
individuo a la consulta tenemos una haremos unas pruebas.
idea a priori sobre la probabilidad de
que tenga una enfermedad.
• A continuación se le pasa una prueba
diagnóstica que nos aportará nueva
información: Está enfermo o no.
• En función del resultado tenemos una
- La prueba salió
nueva idea (a posteriori) sobre la
positiva. La probabilidad
probabilidad de que esté enfermo. ahora es del 24%.
– Nuestra opinión a priori ha sido
modificada por el resultado de un
experimento.
La probabilidad de que una mujer con edad comprendida entre los 40‐50
tenga cáncer de mama es 0.8%. Si una mujer tiene cáncer de mama, la
probabilidad que de positivo en el test = 90%. Si una mujer no tiene
cáncer de mama, la probabilidad de positivo en test = 7%. Supongamos
que una paciente da positivo en un test. ¿Cuál es la probabilidad de que
tenga cáncer de mama?
P(enf) 0.008, P(no enf) 0.992, P(pos | enf) 0.90, P(pos | no enf) 0.07
P(enf) P(pos | enf)
P(enf | pos) 0.09
P (enf) P(pos | enf) P(no enf) P(pos | no enf)
1000 mujeres
8: enfermas 992: no enfermas
p(enferma | positivo) = 7 / (7+69) = 0.09
Teorema de Bayes
• Una manufacturera recibe embarques de piezas de dos
proveedores. El 65% de las piezas adquiridas provienen del
proveedor 1 y el 35% restante del proveedor 2. Según la
estadística existente, de las 100 últimas piezas recibidas del
proveedor 1, 98 estuvieron buenas y 2 estuvieron malas. En el
caso del proveedor 2, 95 piezas de 100 estuvieron buenas y 5
fueron malas. Suponga que una de las piezas recibidas de los
dos proveedores está mala, ¿cuál es la probabilidad que
provenga del proveedor 1? ¿Cuál es la probabilidad que
provenga del proveedor 2?
P(B|1) P(1,B)=0.65x0.98=0.6370
P(1)
P(1,M)=0.65x0.02=0.0130
P(M|1)
P(B|2) 0.0130 +
P(2,B)=0.35x0.95=0.3325 0.0175
0.0305
P(2)
P(M|2) P(2,M)=0.35x0.05=0.0175
P(1|M) 0.4262
P(2|M) 0.5738
P(1 M ) P (2 M )
P(1| M ) P(2 | M )
P( M ) P( M )
Teorema de Bayes
• En una fábrica existe una máquina que produce
automáticamente engranajes. Si la máquina está
correctamente calibrada producirá 90% de piezas buenas. Si
está mal calibrada producirá sólo 40% de piezas buenas. La
experiencia pasada indica que el 70% de los trabajos de
calibración dan buenos resultados. Luego de un trabajo de
mantenimiento, la máquina produce 3 engranajes buenos,
como las primeras tres piezas.
• Se desea conocer la probabilidad revisada que la calibración
halla sido buena?
• Como son 3 engranajes, entonces tengo que hacer un
diagrama del árbol con cuatro extensiones
P(BBB|C)
P(C,BBB)=0.70x(0.90)3=0.5103
P(BB|C)
P(B|C)
0.5103 +
P(C) 0.0192
0.5295
P(NC,BBB)=0.30x(0.40)3=0.0192
P(NC)
P (C , BBB) 0.5103
P (C | BBB) 0.9637
P ( BBB) 0.5295
Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)
P(Calibrada|BBB) 0.9637
P (Calibrada , BBB)
P(Calibrada | BBB)
P( BBB)
P( No Calibrada, BBB)
P( No Calibrada | BBB)
P( BBB)
Supongamos que la incidencia del consumo de drogas
en la población es del 5%. Hacemos una prueba de
drogas, que tiene una fiabilidad del 95%, a un sujeto
escogido al azar y el resultado es positivo.
¿Cuál es la probabilidad de que consuma drogas?
95 5 5 95 95
P ( positivo )
100 100 100 100 1000
P ( drogadicto positivo )
P ( drogadicto | positivo )
P ( positivo )
5 95
100 100 0,5
95
1000
Spotck, la gata de Data
en Start Treck, ha tenido
un camada de 4
cachorros. El capitán
Piccard le pregunta
cuántos son macho y
cuántos hembra. Data
le responde que, basándose en el cálculo de
probabilidades, lo más probable es que sean dos
gatitos y dos gatitas. Piccard llama
inmediatamente a seguridad para que detengan a
Data. ¿Qué ocurre?
Si un gato puede ser macho o hembra y
hay cuatro gatos, tenemos 24 = 16 posibilidades:
HHHH MMMM
•Probabilidad de que todos sean del mismo sexo = 2/16 = 1/8
1 499
P(no contagiarse en 1 contacto) 1
500 500
2
499
P(no contagiarse en 2 contactos)
500
n
499
P(no contagiarse en n contactos) 0,5
500
Ln 0,5
n 346
499
Ln
500
Utilizando condón la probabilidad de contraer el SIDA por
vía heterosexual baja de 1/500 en 1 contacto a 1/5000.
¿Cuántos contactos son necesarios ahora en promedio
para que la probabilidad de infección alcance el 50%?
1 4999
P (no contagiarse en 1 contacto) 1
5000 5000
n
4999
P (no contagiarse en n contactos) 0,5
5000
Ln 0,5
n 3465
4999
Ln
5000
Si no conocemos el estado de salud de nuestra
pareja, pero sabemos con certeza que no
pertenece a ningún grupo de riesgo conocido, las
probabilidades pasan a ser de 1/5.000.000 sin
preservativo y 1/50.000.000 con preservativo,
riesgos muy inferiores a morir en un accidente de
tráfico volviendo de la cita, que es de alrededor de
1/5300.
El hombre anumérico,
John Allen Paulos.
http://www.math.temple.edu/~paulos/
114
115
¿Si sospechamos que una moneda está trucada (probabilidad
no simétrica) cómo utilizarla para echar suertes de manera
justa? Por ejemplo, supongamos que la moneda sale cara (C)
un 60% de las veces y sale cruz (+) un 40% de las veces.
¿Qué experimento aleatorio daría las mismas posibilidades a
dos sujetos A y B? (John von Newmann)
P 1 (1 0.5) 0.75
2
117
Antoine Gambaud, Chevalier de Mère, planteó uno de los
problemas más antiguos de la teoría de probabilidad al filósofo
y matemático francés Blaise Pascal: ¿Qué es más probable?
(a) Sacar al menos un 6 al tirar 4 veces un solo dado o
(b) sacar un 12 en 24 tiradas de 2 dados.
A pesar de que Pascal había renunciado a las matemáticas por
considerarlas una forma de deleite sexual (¡!), aceptó resolver
el problema:
4 4
5 5
P(ningún 6) ; P(al menos un 6) 1 0,52
6 6
24 24
35 35
P(ningún 12) ; P(al menos un 12) 1 0,49
36 36
Morir de ...
P(no morir de accidente de coche) = 99%
P(no morir de accidente doméstico) = 98%
P(no morir de enfermedad pulmonar) = 95%
P(no morir de locura) = 90%
P(no morir de cáncer) = 80%
P(no morir de enfermedad cardiaca) = 75%
La probabilidad de librarse individualmente de cada una de estas
formas de muerte es alentadora, pero: ¿Cuál es la probabilidad
de morir a causa de alguna de ellas?
1
a) 2 3
Caja I
5 P P( I ) P( R | I ) P( II ) P( R | II )
1 3 1 2 2
1
Caja II
2
10
2 3 2 2 2 8 5
2
b)
1 3
P( I ) P( R | I ) 2 3 2 3
P
P( I ) P( R | I ) P( II ) P( R | II ) 1 3 1 3 4
2 3 2 2 2 8
127
8/ Un ladrón es perseguido por un coche de policía y al llegar a un
determinado cruce se encuentra tres posibles calles por las que huir (A, B y
C), de tal manera que las dos ultimas son tan estrechas que por ellas no cabe
el coche de policía, de lo cual el ladrón no se da cuenta
Si huye por la calle A le atrapan seguro puesto que la final de la misma hay
otra patrulla de policía. Si huye por la calle C se escapa seguro puesto que no
está vigilada. Si huye por la calle B se encontrará que esta se bifurca en dos
callejuelas: la BA, que conduce a A y la BC que conduce a C-
a) ¿Cuál es la probabilidad de que el ladrón sea atrapado?
b) Sabiendo que escapó, ¿cuál es la probabilidad de que huyera por la C
entrando por la B y llegando a C por la callejuela BC?
Policía
a)
A Atrapado
1
3 1
BA
1 2 Atrapado
Policía Ladrón B
3
BA
B
BC
1
BC Escapa
2
1
Vía 3 C Escapa
libre
128
P(atraparle) P (A) P (atraparle en A)
P(B) P(BA) P (atraparle en BA) P(BC) P(atraparle en BC)
1 2
1 1 1 1 1 1 1
P(C) P(atraparle en C) 1 1 0 0
3 3 2 2 3 3 6
b)
1 1
1
P(B) P(BC) P(escapar C) 3 2 1
P(escapar por BC)
P(escapar) 1 3
2
1 1
P (escapar) 1 - P(ser atrapado) 1 -
2 2
129
13/ Dados los sucesos A y B , tales que P(A)=0,4 y P(B)=0,3 y P(A∩B)=0,1 , calcúlense las
siguientes probabilidades:
a) P( A / B )
b) P(A/A U B)
c) P(A/A ∩ B)
d) P( A /B)
a)
P(A B)
P(A / B) ;(A B) (A B) E
P(B)
P (( A B ) ( A B )) P ( A B ) P ( A B ) P ( E ) 1
P ( A B ) 1 P ( A B ) 1 ( P ( A ) P ( B ) P ( A B ))
1 (0, 4 0, 3 0,1) 0, 4
0, 4 4
P ( B ) 1 P ( B ) 1 0, 3 0, 7 ; P ( A / B )
0, 7 7
b)
P ( A ( A B )) P (( A A ) P ( A B )) P ( A ( A B ))
P(A / A B)
P(A B) P(A B) P(A B)
P ( A) 0, 4 2
P ( A B ) 0, 6 3
c)
P ( A ( A B )) P(A B)
P(A / A B) 1
P(A B) P(A B)
d)
P ( A / B ) 1 P ( A / B ), ya q u e ( A / B ) ( A / B ) E
P(A B) 0,1 2
P(A / B) 1 1
P(B) 0, 3 3
130
17/ En unos laboratorios se preparan tres vacunas contra la misma enfermedad. Las probabilidades de obtener
en el mercado cada una de ellas son: vacuna 1=1/6; vacuna 2=1/3; vacuna 3=1/2. Las probabilidades de
inmunidad con cada una son: vacuna 1=0,90; vacuna 2=0,94; vacuna 3=0,88. Calcúlese la probabilidad de que,
utilizando cualquiera de ellas, el sujeto vacunado resulte inmune.
131
19/ Sean las urnas de bolas U1 = (5b, 8n) y U2 = (6b, 9r). Se toma una bola de U1 y se pasa a U2 y seguidamente
una de U2 y se pasa a U1. ¿cuál es la probabilidad de que esta última sea roja?
(b = bola blanca, n = bola negra, r = bola roja)
Las posibles dobles extracciones de U1 son: bb, br, nn, nb y nr ; cuyas probabilidades respectivas son:
5 7 5 9 8 1 8 6 8 9
, , , y
13 16 13 16 13 16 13 16 13 16
Sea B el suceso cuya probabilidad queremos calcular. Por el teorema de la probabilidad total tenemos que:
132
20/ Un test detecta la presencia de un cierto tipo T de bacterias en el agua con probabilidad 0,9 en caso de
haberlas. Si no las hay, detecta la ausencia con probabilidad 0,8. sabiendo que la probabilidad de que una
muestra de agua contenga bacterias de tipo T es 0,2 , calcular la probabilidad:
a) De que realmente haya presencia de bacterias cuando el test ha dado resultado positivo
b) Ídem cuando del resultado del test es negativo
c) De que haya bacterias y el test sea positivo
d) De que, o haya bacterias, o el test sea positivo
Designaremos por T el suceso “que haya bacterias tipo T” y por C el suceso “el test dio positivo”.
a) Por el teorema de Bayes:
P (C / T ) P (T ) 0,9 0, 2 9
P (T / C )
P (C / T ) P (T ) P (C / T ) P (T ) 0,9 0, 2 0, 2 0,8 17
P (C / T ) P (T ) 0,1 0, 2 0, 02 1
b) P (T / C )
P (C / T ) P (T ) P (C / T ) P (T ) 0,1 0, 2 0,8 0,8 0, 66 33
c) P (T C ) P (T ) P (C / T ) 0, 2 0,9 0,18
133
21/ A un puesto aduanero llegan periódicamente misiones diplomáticas procedentes de un determinado país y que
están constituidas por 10 miembros. El citado país es un gran productor de marihuana, circunstancia que, de vez
en cuando, es aprovechada por sus misiones diplomáticas para introducir algún que otro cargamento en el país
que visitan, siendo la forma de hacerlo el que dos de los diez miembros lleven en sus maletas la hierba.
Los aduaneros tienen ya información del truco, pero, para no producir incidentes diplomáticos, se limitan a
inspeccionar dos de las diez maletas dejando pasar a la misión si en las maletas inspeccionadas no encuentran
droga. Su experiencia les dice además que el 10% de las misiones portan la droga.
Si una misión inspeccionada no arroja resultado positivo, ¿cuál es la probabilidad de que realmente dicha misión
no lleve droga alguna?
Denominaremos:
A1 al suceso “la delegación porta droga”
A2 al suceso “la delegación no lleva droga”
B al suceso “una misión inspeccionada arroja resultado negativo”
Conocemos:
P( A1 ) 0,1 P( A2 ) 0,9
8 2
2 0 28
P( B / A1 ) P( B / A2 ) 1
10 45
2
Y nos pide P(A2/B). Esta probabilidad podemos calcularla con ayuda del teorema de Bayes:
P ( A2 ) P ( B / A2 )
P ( A2 / B ) 0,9353
P ( A1 ) P ( B / A1 ) P ( A2 ) P ( B / A2 )
134
22/ Una caja contiene 3 monedas, 2 normales y una con dos caras. Se elige una moneda al azar y se efectúa una
tirada. Si sale cara se tira otra vez. Si sale cruz se elige una de las otras dos que quedan en la caja y se tira. Se pide:
P(dos caras) P( B) P( B A1 ) P( B A2 ) P ( A1 ) P( B / A1 ) P( A2 ) P( B / A2 )
a) 2 1 1 1 1
1 0,5
3 4 3 6 3
(donde A1 es el suceso consistente en que la moneda extraída sea normal y A2 que la moneda extraída sea la especial)
1
P( A2 B) P( A2 ) P( B / A2 ) 3 2 2 1 1 1 1
b) P( A / B) P ( H ) P ( M 1 ) P (C / M 1 ) P ( M / M 1 ) P (C / M )
P( B) P( B) 1 3 2 2
3 2 2 2 12
2
c) Saldrán dos cruces si la primera moneda era normal y el lanzamiento fue cruz y la segunda moneda era también normal y asimismo arrojó
cruz. Llamaremos:
2 1 1 1 1
P( H ) P( M 1 ) P(C / M 1 ) P( M 2 / M 1 ) P(C / M 2 )
3 2 2 2 12
135
23/ Una urna contiene 2 bolas blancas, 5 negras y 4 rojas, y de ella extraemos tres bolas, una a continuación de
otra. La primera que se extrajo resultó roja, la segunda no se miró y la tercera fue negra.
Determinar la probabilidad de que la bola extraída en segundo lugar sea blanca.
La información de que la primera bola extraída fue roja reduce el problema inicial a este otro:
Una urna con 2 bolas blancas, 5 negras y 3 rojas y de ella extraemos 2 bolas, una después de la otra. La primera no se miró y la segunda era
negra. ¿cuál es la probabilidad de que la bola extraída en primer lugar sea blanca?
Llamamos B, N y R a los sucesos salir bola blanca, negra o roja en primer lugar y C al suceso “segunda bola extraída sea negra”
5 4 5
P(C / B) P(C / N ) P(C / R)
9 9 9
2 5 3
P( B) P( N ) P( R)
10 10 10
Y pretendemos calcular es P(B/C) lo que haremos con ayuda del teorema de Bayes. Así tenemos:
P(C / B) P( B) 2
P( B / C )
P(C / B) P( B) P(C / N ) P( N ) P(C / R) P( R) 9
136
Sean tres urnas con las siguientes posiciones de bolas blancas y negras:
U1: (3 blancas y 2 negras)
U2: (4 blancas y 2 negras)
U3: (1 blanca y 4 negras)
Calcúlese:
a) Probabilidad de extraer bola blanca
b) Probabilidad de que una bola negra que se ha extraído proceda de la segunda
urna.
SOLUCIÓN:
a) Suponemos que las tres urnas son equiprobables:
P(U1) = P(U2) = P(U3) = 1/3.
Por el teorema de la probabilidad total:
P(blanca) = P(blanca/U1) P(U1) + P(blanca/U2) P(U2) + P(blanca/U3) P(U3) = 3/5 x 1/3+
4/6 x 1/3 +1/5 x 1/3 = 22/45 = 0,48888
b) P (U2/negra) = P (negra/ U2)P (U2)/P(negra) =
= (P(negra/U2) P(U2)/(P(negra/U1)P(U1)+P(negra/ U2) P ( U2)+P(negra/U3) P/U3) =
También se podría haber obtenido con la probabilidad del complementario:
P (negra) = 1 – P (blanca) = 1 – 22/45 = 23/45
2 1
6 3 5
2
5
1
3
2
6
1
3
4
5
1
3
23
137