UNIDAD ACADÉMICA No. 02.

Nombre de la Unidad: Introducción a la probabilidad.

Introducción:

La Teoría de la probabilidad se extiende prácticamente a todas las áreas de las

ciencias naturales, sociales y por supuesto a la ingeniería. Sus raíces se
encuentran en una sencilla teoría matemática de los juegos de azar que fue
fundada hace más de tres siglos. En la sociedad francesa en 1650 el juego era un
entretenimiento aceptado y con pocas restricciones legales, como cada vez se
complicaban los juegos, se creó la necesidad de un método racional para calcular
las probabilidades de los diversos juegos. Antoine Gombauld , más conocido como
el caballero de de Meré, jugador profesional tuvo la idea de consultar en parís al
famoso matemático y filosofo Blaise Pascal sobre algunas cuestiones relacionadas
con los juegos de azar , lo que dio origen a un intercambio de correspondencia
con Pierre Ferman , de Toulose . Esta correspondencia corresponde el origen de
la teoría moderna de la probabilidad.

Objetivo General de la Unidad: Que el estudiante se apropie y maneje los

axiomas de probabilidad, las técnicas de conteo y el teorema de bayes.

Objetivos Específicos del Unidad:

 Manejar el concepto de la probabilidad a priori.

 Identificar y aplicar los axiomas para: sucesos mutuamente excluyentes,
sucesos compatibles, sucesos independientes y sucesos dependientes.
 Comprender el concepto de espacio muestral y las técnicas de conteo para
calcularlo.
 Entender la vinculación de la probabilidad a posteriori (Teorema de Bayes)

RESUMEN

En el presente capitulo se definirán las reglas y propiedades básicas de la

probabilidad, como también establecer las condiciones mínimas que deben
darse para que una función definida sobre un conjunto de eventos se puedan
determinar sus probabilidades.

Página 1 de 19
GLOSARIO
Probabilidad1: Se define como el grado La probabilidad es la posibilidad
que existe entre varias posibilidades, que un hecho o condición se
produzcan. La probabilidad, entonces, mide la frecuencia con la cual se
obtiene un resultado en oportunidad de la realización de un experimento
sobre el cual se conocen todos los resultados posibles gracias a las
condiciones de estabilidad que el contexto supone de antemano.
1
Tomadode
http://www.definicionabc.com/general/probabilidad.php#ixzz2TCUO6
Axioma: Proposición clara y evidente que no necesita demostración
Sucesos: Cada uno de los posibles resultados que no se pueden
descomponer en otros más simples en un experimento aleatorio.
Espacio Muestral: Conjunto total de sucesos elementales.

Desarrollo temático.
2.1 Conceptos de probabilidad y sus propiedades.
2.2 Axiomas de Probabilidad
2.3Técnicas de Conteo
2.4 Teorema de Bayes

2.1 Conceptos de probabilidad y sus propiedades.

En la actualidad la probabilidad guarda una estrecha relación con la teoría de

conjuntos y su aplicación de mayor importancia esta en el campo de la estadística
inferencial para la tomas de decisiones, en la estadística el uso de predicciones es
de gran utilidad en las investigaciones por muestreo ya que debido a las
imposibilidad ( ensayos destructivos) o costos , no se pueden realizar con todos
los elementos de la población.

2.1.1 Definición básica de la probabilidad: Se define como el número de éxitos

sobre el numero de posibilidades en un experimento (Espacio Muestral)

N º de Exitos
p
N º de Posibilida des

Página 2 de 19
Ejemplo 1:

Si lanzamos tres monedas equilibradas cual es la probabilidad de obtener:

a) Dos caras y un sello en cualquier orden
b) Dos caras y un sello este orden.

 El numero de posibilidades (Espacio Muestral se designa con “S” ) es:

cara, cara, cara ; cara, cara, sello ; cara, sello , cara ; cara, sello , sello  
S  
sello , cara, cara ; sello , cara, sello ; sello , sello , cara ; sello , sello , sello 

Como observamos existen ocho posibilidades Fermat consideraba que estos ocho
casos (sucesos) eran recíprocamente simétricos, o, en otras palabras, igualmente
posibles.

 Para el literal a) tenemos como éxito

cara, cara, sello ; cara, sello , cara 
S   
 sello , cara, cara  
Por lo tanto la probabilidad solicitada estará dada por:

N º de Exitos 3
p   0.375  38%
N º de Posibilida des 8
Que se puede interpretar como: si realizamos el experimento cien veces en
aproximadamente 38 obtendremos alguno de estos resultados (dos caras y un
sello en cualquier orden).

 Para el literal b) tendríamos solamente un éxito

S   cara, cara, sello 

N º de Exitos 1
p   0.125  13%
N º de Posibilida des 8

Ejemplo 2.

Si lanzamos dos dados equilibrados determinar la probabilidad de que:

a) La suma de sus dos caras sea cuatro
b) La suma de sus dos caras sea siete.

 El numero de posibilidades (Espacio Muestral se designa con “S” ) es:

Página 3 de 19
 1,1; 1,2; 1,3; 1,4; 1,5; 1,6 
2,1; 2,2; 2,3; 2,4; 2,5; 2,6
 
3,1; 3,2; 3,3; 3,4; 3,5; 3,6 
S  
 4,1; 4, 2 ; 4,3; 4, 4 ; 4,5 ; 4,6 
5,1; 5,2; 5,3; 5,4; 5,5; 5,6 
 
6,1; 6,2; 6,3; 6,4; 6,5; 6,6 

Son treinta y seis posibilidades

 Para el literal a) tenemos como éxito

S   2,3; 2,23,1
Por lo tanto la probabilidad solicitada estará dada por:

N º de Exitos 3
p   0.083  8%
N º de Posibilida des 36
Que se puede interpretar como: si realizamos el experimento cien veces en
aproximadamente 8 obtendremos este resultado.

 Para el literal b) tendríamos los siguientes éxitos

S   1,6; 2,5; 3,4; 4,3; 5,2; 6,1

N º de Exitos 6
p   0.16  17%
N º de Posibilida des 36
Es decir en 100 lanzamientos se obtienen aproximadamente 17 éxitos.

2.1.2 Propiedades básicas y principios matemáticos de la probabilidad:

Como se observa en los anteriores ejemplos la teoría de la probabilidad consiste

en proporcionar un modelo matemático adecuado a la descripción e interpretación
de cierta clase de fenómenos observados. Cualquier intento de describir los
fenómenos observados lleva implícita cierta idealización de los datos reales
observados es decir el modelo matemático solo puede proporcionar una
aproximación de la realidad.

Página 4 de 19
2.1.2.1 Escala de Probabilidad

Las propiedades básicas de las probabilidades teóricas se obtendrán mediante las

propiedades de las razones frecuenciales estadísticas observadas. Si
consideramos un experimento aleatorio (fenómeno que tiene la particularidad que
dé al ser observado, no se puede predecir con exactitud cuál será el resultado
observado) la probabilidad de ocurrencia de un suceso “A” satisfacera la siguiente
desigualdad.
0  P A  1
Es decir toda probabilidad estará entre cero y uno en términos absolutos o entre
cero y cien por ciento.

De otra parte si tenemos la probabilidad de éxito de un suceso podemos tener la

probabilidad de fracaso.

P A  P A  1
P A  1  P A

Si en particular un suceso es cierto , es decir , un hecho que se presentara cada

vez que se realice el experimento su probabilidad será uno, por ejemplo la
probabilidad de que al lanzar una moneda con dos caras se obtenga cara es :

N º de exitos 2
p  1
N º Posibilida des 2
Por otra parte si un suceso es imposible su probabilidad es cero, un ejemplo
análogo al anterior podría ser con la misma moneda obtener sello.
N º de exitos 0
p  0
N º Posibilida des 2
2.1.2.2 Reglas Aditivas

Si representamos por A y B dos sucesos que solamente uno de ellos puede ocurrir
en un solo ensayo, se dice que son mutuamente excluyentes, en otras palabras si
ocurre uno no puede suceder el otro. La probabilidad conjunta de que se den los
dos sucesos esta dada por :

Página 5 de 19
 A B

P A  B  P A  PB 
Si tenemos más sucesos se puede extender este concepto

P A  B  C......  N   P A  PB  PC   .........PN 

Ejemplo 1:

Si tenemos un mazo de 52 cartas y extraemos al azar una de ellas ¿Cual es la

probabilidad de obtener una carta negra o una figura roja? , también cual es la
probabilidad de no obtener una carta negra o una figura roja.

El espacio Muestral de una baraja de 52 es:

AS 2-10 J,K,Q
Diamantes 1 9 3
Corazones 1 9 3
Picas 1 9 3
Tréboles 1 9 3

N=26 FR=18

Página 6 de 19
 PN  FR   PN   PFR 

PN  FR  
26 18 44
   0.846  85%
52 52 52
PN  FR   1  P N  FR 

PN  FR   1 
44 8
  0.154  15%
52 52
Ejemplo 2:

Si tenemos una caja con seis bolas rojas, cuatro negras y tres rojas si extraemos
una al azar determinar la probabilidad de que sea negra o roja.

B=6 B=4

R=3

P  N  R   P  N   P R 

PN  FR    
4 3 7
 0.538  54%
13 13 13
Si tenemos sucesos que comparten alguna característica o que no son
mutuamente excluyentes es decir cuando la posibilidad de que ocurra un suceso
no impide la ocurrencia del otro. En este caso la probabilidad de los dos sucesos
se determina asi:

Página 7 de 19
 P A  B  P A  PB  P A  B
Ejemplo :

Si tenemos un mazo de 52 cartas y extraemos al azar una de ellas ¿Cual es la

probabilidad de obtener un trébol o un as.

PT  A  PT   P A  PT  A

PT  A 
13 4 1
 
52 52 52
PT  A 
16
 0.308  31%
52

Si tenemos tres sucesos que comparten características el axioma es:

P A  B  C   P A  PB  PC   P A  B  P A  C   PB  C   P A  B  C 

Ejemplo :

Si tenemos un mazo de 52 cartas y extraemos al azar una de ellas ¿Cual es la

probabilidad de obtener un corazón o un as o una carta roja.

PC  As  R  PC   P As   PR  PC  As   PC  R  P As  R  PC  As  R

Página 8 de 19
 PC  As  R  
13 4 26 1 13 2 1
     
52 52 52 52 52 52 52
PC  As  R  
28
 0.538  54%
52

2.1.2.3 Reglas Multiplicativas

Sucesos Independientes
Dos sucesos son independientes si la probabilidad de presentación de uno no se
ve afectada por el otro, hay que anotar que el enlace en este tipo de sucesos es
“ i “ es decir que se den el uno y el otro, también hay que tener en cuenta que en
estos experimentos el muestreo se hace con reposición. El axioma es:

P A  B  C.......N   P A* PB* PC ****PN 

Ejemplo 1
Si tenemos un mazo de 52 cartas y extraemos al azar dos de ellas con
reposición (extraemos la primera anotamos cual es y nuevamente vuelve al
mazo para extraer la segunda) ¿Cual es la probabilidad de obtener una carta
negra y una figura roja?

PN  FR   PN * PFR 

PN  FR  
26 3 78
*   0.0288  2.88%
52 52 2704

Observe que el numero de posibilidades de este suceso “ 2704” es similar al del

lanzamiento de una moneda , que se puede generalizar así:
Tamaño S  m n
Donde m: El número de opciones
n: Numero de ensayos

Para la moneda , si lanzamos tres monedas

Tamaño S  23  8
Al extraer dos cartas con reposición
Tamaño S  522  2704
Ejemplo 2

Si tenemos un mazo de 52 cartas y extraemos al azar tres de ellas con

reposición (extraemos la primera anotamos cual es y nuevamente vuelve al
mazo para extraer la segunda) ¿Cual es la probabilidad de obtener dos figuras
y un as?

Página 9 de 19
 PF  F  A  PF * PF * P A

PN  FR  
12 12 4 576
* *   0,0040965  4,09 / 1000
52 52 52 140608
Ejemplo 3

Si tenemos una caja con seis bolas blancas cuatro negras y dos rojas al
extraer al azar tres de ellas con reposición (extraemos la primera anotamos
cual es y nuevamente vuelve a la caja para extraer la segunda) ¿Cual es la
probabilidad de obtener: una blanca , una no blanca y otra negra?

PB  B  N   PB * PB * PN 

PN  FR  
6 6 4 144
* *   0,08333333  8%
12 12 12 1708
Ejemplo 4

Cuatro amigos se dirigen a un lugar , toman cuatro rutas diferentes de acuerdo al

riesgo que se corre de tener algún accidente . Si se han tomado datos durante
muchos años y partir de las frecuencias se asignan las probabilidades de riesgo
a cada ruta : 0.2; 0.15; 0.25; 0.10 . ¿Encuentre la probabilidad : a) de que ninguno
sufra accidentes? b) Que los cuatro sufran accidentes ¿ c) los dos primeros sufran
accidentes y los restantes no?

PSA  Pr obablidad de que sufra acccidente s

P SA  Pr obablidad de que no sufra acccidente s

Indivuduo P(SA) P´(SA)

1 0.2 0.8
2 0.15 0.85
3 0.25 0.75
4 0.1 0.9

a) P SA1  2  3  4  P SA1* P SA2* P SA3* P SA4

    
PSA1  2  3  4  0.8 * 0.85 * 0.75 * 0.9  0.459  46%

b) PSA1  2  3  4  PSA1* PSA2* PSA3* PSA4

PSA1  2  3  4  0.2 * 0.15 * 0.25 * 0.1  0.00075  8 / 10.000

c) PSA1  SA2  SA 3  SA 4  PSA1* PSA2* P SA3* P SA4

   
PSA1  2  3  4  0.2 * 0.15 * 0.75 * 0.9  0,02025  2%

Página 10 de 19
Sucesos Dependientes
Los sucesos se consideran dependientes si la probabilidad en un segundo suceso
se ve afectado por el primero y en el tercero por lo que haya sucedido en el
primero y el segundo. Es de anotar que en este tipo de experimentos el muestreo
se realiza sin reposición. El axioma es:


P A  B  C.......N   P A* PB A* PC B A* * * *P N . * * * * * C B A 
Que se lee: El primer suceso será el numero de éxitos sobre el espacio muestral ,
para el segundo suceso será la probabilidad del segundo dado que ya se evaluó la
probabilidad del primero y asi sucesivamente.

Realizaremos los mismos ejemplos de los sucesos independientes pero con

reposición.

Ejemplo 1

Si tenemos un mazo de 52 cartas y extraemos al azar dos de ellas sin

reposición ¿Cual es la probabilidad de obtener una carta negra y una figura
roja?

PN  FR   PN * PFR N 

PN  FR  
26 3 78
*   0,02941176  2.9%
52 51 2652
Que resulto ser un poco mayor que si el experimento fuera con reposición, aunque
no se puede afirmar que en sucesos dependientes necesariamente la probabilidad
es mayor.

Ejemplo 2

Si tenemos un mazo de 52 cartas y extraemos al azar tres de ellas sin

reposición ¿Cual es la probabilidad de obtener dos figuras y un as?
PF  F  A  PF * PF F * PA F F 

PN  FR  
12 11 4 528
* *   0,0039819  3,98 / 1000
52 51 50 132600
Que resulto ser un poco menor que si el experimento fuera con reposición, lo que
comprueba que no se puede afirmar que en experimentos con reposición la
probabilidad sea mayor o menor , es necesario evaluarla en cada caso.

Página 11 de 19
Ejemplo 3

Si tenemos una caja con seis bolas blancas cuatro negras y dos rojas al
extraer al azar cuatro de ellas sin reposición ¿Cual es la probabilidad de
obtener: una blanca , una no blanca , una negra y otra roja?

En este problema tenderemos dos situaciones la primera si asumimos que en

la segunda extracción la no blanca haya sido negra:
PB  B  N  R   PB  * PB B * PN B B * PR N B B 
6 64 N ,2 R  3 2
PN  FR  
216
* * *   0,01818  1.8%
12 11 10 9 11880
La segunda si en la segunda extracción la no blanca haya sido roja.

PB  B  N  R   PB * PB B * PN B B * PR N B B 

6 64 N ,2 R  4 1
PN  FR  
144
* * *   0,012121  1.2%
12 11 10 9 11880
Como son sucesos mutuamente excluyentes la probabilidad total será la suma de
los dos eventos.
PB  B  N  R  0.01818  0.01212  0.0303  3%

Probabilidad Condicional

La probabilidad de que un evento B ocurra cuando se sabe que ya ocurrió un

evento A se la llama probabilidad condicional y se denota por :

P A  B 
PB A 
P  A
Ejemplo:
Supongamos que se realizo una encuesta donde se les pregunto a hombres y
mujeres sobre su situación de empleo obteniéndose:

Empelado Desempleado Total

Hombre 490 60 550
Mujer 160 250 410
Total 650 310 960

Una de estas personas se seleccionara al azar para que realizar un viaje con
todos los gastos pagos.

Página 12 de 19
Si llamamos el evento elegir hombre dado que tiene empleo

PH E  
490
 0,75384615  75%
650
A partir del espacio muestral podemos deducir la probabilidad que tenga empleo.

P E  
650
 0,67708333  68%
960
Y de la misma manera la probabilidad de que en todo el grupo sea elegido un
hombre empleado

P E  H  
490
 0,51041667  51%
960
Al aplicar probabilidad condicional

490
PE  H  960 490
PH E      0.75384615  75%
P E  650 650
960
2.3 Técnicas de Conteo
Uno de los principales retos de la estadística es establecer el tamaño del
espacio muestral de los sucesos en un experimento, como también el número
de veces que ocurrirá un evento de una forma rápida. En este aparte se
trabajaran las técnicas para contar sucesos.

Regla del Producto

Si una operación se puede llevar a cabo en n 1 formas, y si cada una de estas
se puede realizar una segunda operación en n2 formas, entonces las dos
operaciones se pueden ejecutar de n1*n2 formas.

Ejemplo 1

Una persona desea construir su casa, para lo cual 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, o
ladrillo y el techo puede ser de concreto o lámina galvanizada ¿cuántas
maneras tiene esta persona de construir su casa?

Si enumeramos el espacio muestral:

Página 13 de 19
 Concreto , adobe, Concreto ; Concreto , Ladrillo , Concreto  
Concreto , Ladrillo , La min a Galvanizada ; Concreto , adobe, La min a Galvanizada  
 
S 
 Block Cemento , adobe , Concreto ;  Block Cemento , Ladrillo , Concreto  

 Block Cemento , Ladrillo , La min a Galvanizada ;  Block Cemento , adobe, La min a Galvanizada 


Son ocho posibilidades mediante la regla del producto.

Tamaño S  n1 * n 2 * n3
Donde
n1 : Cimientos
n 2 : Muros
n3 : Techo
Tamaño S  2 * 2 * 2  8

Ejemplo 2

Cuántas placas para automóvil pueden ser diseñadas si deben constar de tres
letras seguidas de cuatro números, si las letras deben ser tomadas del
abecedario español (26 Letras) y los números de entre los dígitos del 0 al 9?,
a. Si es posible repetir letras y números, b. No es posible repetir letras y
números, c. Cuántas de las placas diseñadas en el inciso b empiezan por la
letra D y empiezan por el cero

a) La primer placa para este caso será :

A A A 0 0 0 0
n1=26 n2=26 n3=26 n4=10 n5=10 n6=10 n7=10

Tamaño S= 263*104= 175´760.000

b) La primer placa para este caso será :

A B C 0 1 2 3
n1=26 n2=25 n3=24 n4=10 n5=9 n6=8 n7=7

Tamaño S= 26*25*24*10*9*8*7= 78´624.000

c) La primer placa para este caso será :
D A B 0 1 2 3
n1=1 n2=25 n3=24 n4=1 n5=9 n6=8 n7=7

Tamaño S= 1*25*24*1*9*8*7= 302.400

Página 14 de 19
Permutación simple
Se define como el número de arreglos posibles de un conjunto donde no se repiten los
elementos y no se puede replicar así mismo un evento , es de anotar que se cuenta el
orden de los elementos .

Formula
P  n!
Donde
n= Numero de elementos
!= Factorial

Ejemplo 1
Si tenemos la siguiente palabra AMO de cuantas formas se pueden generar palabras (
sin sentido ortográfico) .

Si enumeramos el especio muestral seria

S  AMO; AOM ; OMA; OAM ; MAO; MOA

Son seis mediante la fórmula:

P=3! =1*2*3 =6

Ejemplo 2
¿De cuantas formas se pueden sentar a la mesa una familia de seis personas?
n= 6
P=6!=1*2*3*4*5*6=720

Permutación con Repetición

Se define como el número de arreglos posibles de un conjunto donde se repiten los
elementos y no se puede replicar así mismo un evento.

Formula
n!
n Pr1 , r2 , r3, .....rk 
r1!*r2!*r3!*........... * rk !
Donde
n= Numero de elementos
r1,r2,r3,……rn = Repeticiones
!= Factorial

Ejemplo 1
Si tenemos la siguiente palabra AMA de cuantas formas se pueden generar palabras (
sin sentido ortográfico) .

Si enumeramos el especio muestral seria

S  AMA; AAM ; MAA

Página 15 de 19
Son tres mediante la fórmula:

3! 1* 2 * 3
3P2   3
2! 1* 2

Ejemplo 2
Si tenemos la siguiente palabra CARRASQUILLA de cuantas formas se pueden generar
palabras ( sin sentido ortográfico) . La letra A , se repite tres veces , la letra R, dos veces y
la L dos veces.

12! 479001600
12 P3 ,2 ,2    19´958.400
3!*2!*2! 6*2*2
Variación
Se define como una permutación donde de un conjunto con “n” elementos , se
selecciona un subconjunto “r” y se establece el numero de arreglos posibles.

Formula

n!
n Pr 
n  r !
Ejemplo 1
Si tenemos la siguiente palabra AMO de cuantas formas se pueden generar arreglos de
dos letras (sin sentido ortográfico).

Si enumeramos el especio muestral seria

S  AM ; MA; OM ; MO; AO; OA

Son seis mediante la fórmula:

3! 3!
3P 2   6
3  2! 1!
Ejemplo 2
En una urna que contiene 46 balotas numeradas se extraen 6 al azar ¿cuantos
resultados son posibles si me interesa el orden?.

n=46
r=6
46! 46! 5,5026E  57
46P6     6.744´109.680,00
46  6! 40! 8,1592E  47
Combinatoria

Se define como el número posible de arreglos de un conjunto con “n” elementos ,

del cual se selecciona un subconjunto “r” sin contar el orden.

Página 16 de 19
Formula

n!
nCr 
r !n  r !
Ejemplo 1
Si tenemos la siguiente palabra AMO de cuantas formas se pueden generar arreglos de
dos letras sin contar el orden y sin sentido ortográfico.

Si enumeramos el especio muestral seria

S  AM ; OM ; AO
Son tres mediante la fórmula:

3! 3!
3C 2   3
2!3  2! 2!*1!

Ejemplo 2
En una urna que contiene 46 balotas numeradas se extraen 6 al azar ¿cuantos
resultados son posibles si no me interesa el orden?

n=46
r=6
46! 46! 5,5026E  57
46C 6     9´366.819
6!*46  6! 6!*40! 720 * 8,1592E  47

2.4 Teorema de Bayes

Lleva este nombre en honor al matemático ingles que en 1731 se convirtió en

reverendo de la iglesia presbiteriana en Tunbridge Wells , Estudió el problema
de la determinación de la probabilidad de las causas a través de los efectos
observados. Es decir la probabilidad a posteriori : Observado cierto suceso se
valora la probabilidad de su procedencia.

Regla de Bayes: Si los eventos B1,B2,………..,BK constituyen una partición del

espacio muestral S, donde P(BI)≠0 para i=1,2,………,k, entonces , para
cualquier evento A en S tal que P(A)≠0,

PBR  A
PBR A  k

 P  B  A
i 1
i

Página 17 de 19
 Ejemplo
Cierta fabrica de tornillos dispone de tres maquinas para su producción , la
proporción de tornillos por maquinas es : La maquina A el 35% , La maquina B
el 40% y La maquina C el 25% , debido a la calibración y vetustez algunos
tornillos resultan defectuosos, se han realizado conteos y se determino que el
porcentaje de tornillos defectuosos por maquina es: La maquina A el 5% , La
maquina B el 4% y La maquina C el 2% , toda la producción llega a un mismo
sitio, donde el encargado de control de calidad selecciona un tornillo al azar
que resulta ser defectuoso. ¿Cuál es la maquina donde está la mayor
probabilidad?

Para este problema es recomendable realizar un diagrama de árbol que en

este caso:

P(D)=0.05

P´(D)=0.95
P(A)=0.35

P(D)=0.04
P(B)=0.40

P´(D)=0.96

P(C)=0.25
P(D)=0.02

P´(D)=0.98

La probabilidad conjunta estará dada por:

Para la maquina A
P A  D   P A * PD   0.35 * 0.05  0,0175
P A  D  P A * PD   0.35 * 0.95  0,3325
 0.35

Para la maquina B
PB  D   PB  * PD   0.40 * 0.04  0,016
PB  D  PB  * PD   0.40 * 0.96  0,384
 0.40

Página 18 de 19
Para la maquina C
PC  D   PB * PD   0.25 * 0.02  0,005
PC  D  PB * PD   0.25 * 0.98  0,245
 0.25

La probabilidad de que el tornillo defectuoso provenga de la maquina A es:

P A  D 
PD A 
P A  D   PB  D   PC  D 

PD A 
0.0175
 0,454545455  45%
0.0175  0.016  0.005

La probabilidad de que el tornillo defectuoso provenga de la maquina B es:

P B  D 
PD B  
P A  D   PB  D   PC  D 

PD B  
0.016
 0,41558442  42%
0.0175  0.016  0.005
La probabilidad de que el tornillo defectuoso provenga de la maquina C es:
PC  D 
PD C  
P A  D   PB  D   PC  D 

PD C  
0.005
 0,12987013  13%
0.0175  0.016  0.005

Por lo tanto la maquina donde existe más probabilidad de que provenga el tornillo
defectuoso es la Maquina A

2.6 REFERENCIAS BIBLIOGRÁFICAS

 Probabilidad y Estadística para Ingeniería y Ciencias , Walpole , Myres ,

Myres Ye .Steven, Octava Edición , Pearson Educacion 2007. p 1-28.
 Apuntes de Clase Probabilidad y Estadística, Ing. Néstor Humberto Agudelo
Díaz. 1998-2013.

Página 19 de 19