Cap04 C46909-OCR

Levine, D., Krehbiel, T., Berenson, M. (2014). Probabilidad básica.
En Estadística para
administración (pp.140-175)(624p.)(6a ed). México, DF : Pearson Educación. (C46909)
Probabilidad
básica
USO DE LA ESTADÍSTICA en Árboles de decisión Regla de conteo 3

M&R Electronics World 1ndependencia Regla de conteo 4
Reglas de la multiplicación Regla de conteo 5
4.1 Conceptos de probabilidad Probabilidad marginal
básica utilizando la regla 4.5 Aspectos éticos
Eventos y espacios general de la y probabilidad
muestra les multiplicación
Tablas de contingencia Revisión del USO DE LA
y diagramas de Venn 4.3 Teorema de Bayes ESTADÍSTICA en M&R
Probabilidad simple Electronics World
Probabilidad conjunta PIENSE EN LO SIGUIENTE.
Probabilidad marginal La Divina Providencia y el correo
GUÍA DEL CAPÍTULO 4 PARA
Regla general de la suma basura EXCEL
4.2 Probabilidad condicional 4.4 Reglas de conteo GUÍA DEL CAPÍTULO 4 PARA
Cálculo de probabilidades Regla de conteo 1 MINITAB
condicionales Regla de conteo 2
Objetivos de aprendizaje
En este capítulo usted aprenderá:
• Conceptos básicos de probabilidad.
• Probabilidad condicional.
• Teorema de Bayes para examinar
probabilidades.
• Diversas reglas de conteo.
En M&R Electronics World
omo gerente de marketing de M&R Electronics World, usted está analizando los resultados de
e
la encuesta de un estudio sobre los planes de compra. En el estudio se preguntó a los jefes de
1,000 familias sobre sus planes para comprar un televisor de pantalla grande durante los si-
guientes 12 meses. A modo de seguimiento, usted planea aplicar una encuesta a las mismas
personas 12 meses después para saber si adquirieron televisores. Además de obtener esta in-
formación, le gustaría saber si el televisor que compraron tiene una frecuencia de actualización rápida (120
Hz o más) o una frecuencia de actualización estándar (60Hz), si también compraron un reproductor de dis-
cos Blu-ray en los últimos 12 meses y si estaban satisfechos con su compra del televisor de pantalla grande.
Se espera que usted utilice los resultados de esta encuesta para planear una nueva estrategia de marke-
ting que incremente las ventas y que se dirija sobre todo a los hogares que tienen más probabilidades de ad-
quirir un mayor número de productos o artículos más costosos. ¿Qué preguntas podría plantear en esta
encuesta? ¿De qué manera podría expresar las relaciones entre las diversas respuestas sobre los planes de
compra de las familias individuales?
En capítulos anteriores aprendió métodos descriptivos para resumir variables categóricas y numéricas. En
este capítulo aprenderá aspectos de la probabilidad para responder preguntas como las siguientes:
• ¿Cuál es la probabilidad de que una familia esté planeando comprar un televisor de
pantalla grande en el próximo año?
• ¿Cuál es la probabilidad de que una familia realmente compre un televisor de pan-
talla grande?
• ¿Cuál es la probabilidad de que una familia esté planeando comprar un televisor de
pantalla grande y que realmente lo compre?
• Si la familia está planeando comprar un televisor de pantalla grande, ¿cuál es la
probabilidad de que realmente lo compre?
• ¿El hecho de saber si una familia planea comprar el televisor cambia la probabili-
dad de pronosticar si la familia lo comprará?
• ¿Cuál es la probabilidad de que una familia que compre un televisor de pantalla
grande adquiera uno con una frecuencia de actualización rápida?
grande con una frecuencia de actualización rápida también adquiera un reproductor
de discos Blue-ray?
grande se sienta satisfecha con la compra?
Con las respuestas a preguntas como estas podría empezar a tomar decisiones para su
estrategia de marketing. ¿Su estrategia para vender más televisores de pantalla grande
debe dirigirse a las familias que indicaron tener planes de comprar un televisor? ¿Debe
concentrarse en vender televisores con una frecuencia de actualización más rápida?
¿Es probable que a las familias que compren televisores de pantalla grande con fre-
cuencia de actualización rápida se les pueda convencer con mayor facilidad de adquirir
también reproductores de discos Blue-ray?
141
Ljupco Smokovski 1 Shutterstock
142 CAPÍTULO 4 Probabilidad básica
os principios de la probabilidad sirven para comunicar los mundos de la estadística descrip-
L tiva y la estadística inferencia!. Al leer este capítulo, conocerá los diferentes tipos de pro-
babilidades y aprenderá a calcularlas y evaluarlas a partir de nueva información. Los
principios de la probabilidad son los fundamentos para la distribución de probabilidad, el concepto
de esperanza matemática y las distribuciones binomial y de Poisson, temas que se estudiarán en el
capítulo 5.
4.1 Conceptos de probabilidad básica

¿Qué significa la palabra probabilidad? La probabilidad es el valor numérico que representa la
oportunidad o posibilidad de que ocurra un evento en particular, por ejemplo, de que aumente el
precio de una acción, de que el día sea lluvioso, de que un producto salga defectuoso o de que en
un solo lanzamiento de un dado se obtenga una cara con cinco puntos. En todos estos casos, la pro-
babilidad involucrada es una proporción o fracción cuyo valor oscila entre O y l. Un evento que no
tiene posibilidades de ocurrir (el evento imposible) tiene una probabilidad de O. Un evento que
seguramente ocurrirá (un evento cierto) tiene una probabilidad de l .
Existen tres tipos de probabilidad:
• Apriori
• Empírica
• Subjetiva
En la probabilidad a priori, la posibilidad de que ocurra un evento se basa en el conocimiento pre-
vio del proceso involucrado. En el caso más sencillo, donde cada resultado tiene las mismas proba-
bilidades de ocurrir, la posibilidad de ocurrencia del evento se define en la ecuación (4.1 ).
PROBABILIDAD DE OCURRENCIA
Probabilidad de ocurrencia = ~ (4.1)
donde:
X = número de formas en que ocurre el evento

T = número total de resultados posibles
Considere una baraja estándar con 26 cartas rojas y 26 cartas negras. La probabilidad de selec-
cionar una carta negra es 26/52 = 0.50 porque hay X = 26 cartas negras y T = 52 cartas en total.
¿Qué significa esta probabilidad? Si se reemplaza cada carta después de ser seleccionada, ¿signi-
fica que una de cada 2 de las siguientes cartas seleccionadas será negra? No, porque no podemos
saber con certeza qué ocurrirá en las siguientes selecciones . Sin embargo, se puede decir que si
este proceso de selección se repite de manera continua, a la larga, la proporción de cartas negras
seleccionadas se acercará a 0.50. En el ejemplo 4.1 se muestra cómo se calcula una probabilidad
a priori.
Un dado estándar tiene seis caras. Cada cara del dado contiene uno, dos, tres, cuatro, cinco o seis
puntos. Si se lanza un dado, ¿cuál es la probabilidad de obtener una cara con cinco puntos?
Cálculo de
probabilidades SOLUCIÓN Cada cara tiene la misma probabilidad de ocurrir. Puesto que existen seis caras, la
a priori probabilidad de obtener una cara con cinco puntos es 1/6.
4.1 Conceptos de probabilidad básica 143
El ejemplo anterior utiliza el método de la probabilidad a priori debido a que el número de

formas en que el evento ocurre y el número total de resultados posibles se conocen a partir de la
composición de la baraja o de las caras del dado.
En el método de la probabilidad empírica, las probabilidades se basan en los datos observa-
dos y no en el conocimiento anterior de un proceso. A menudo las encuestas se utilizan para gene-
rar probabilidades empíricas. Algunos ejemplos de este tipo de probabilidad es la proporción de
individuos en la sección sobre el Uso de la Estadística que realmente compran televisores de panta-
lla grande, la proporción de votantes registrados que prefieren a cierto candidato político y la pro-
porción de estudiantes que tienen un empleo de medio tiempo. Por ejemplo, si usted aplica una
encuesta a estudiantes y 60% afirma tener un empleo de medio tiempo, entonces hay una probabi-
lidad de 0.60 de que un estudiante tenga un empleo de medio tiempo.
El tercer método, la probabilidad subjetiva, difiere de los otros dos debido a que esta proba-
bilidad es distinta en cada persona. Por ejemplo, el equipo de desarrollo de un nuevo producto po-
dría asignar una probabilidad de 0.60 al éxito del producto, mientras que el presidente de la empresa
podría ser menos optimista y asignarle una probabilidad de 0.30. La asignación de probabilidades
subjetivas a diversos resultados suele basarse en una combinación de experiencia previa, opinión
personal y análisis de la situación en particular. La probabilidad subjetiva es especialmente útil
para tomar decisiones en los casos en que no se puede utilizar una probabilidad a priori o empírica.
Eventos y espacios muestrales

Los elementos básicos de la teoría de probabilidad son los resultados individuales de una variable
de estudio. Para entender las probabilidades, es necesario conocer las siguientes definiciones.
EVENTO
Cada resultado posible de una variable se denomina evento.
Un evento simple es aquel que se describe por una sola característica.
Por ejemplo, cuando se lanza una moneda, los dos resultados posibles son caras o cruces. Cada
uno representa un evento simple. Cuando se lanza un dado estándar de seis lados, donde las caras
contienen uno, dos, tres, cuatro, cinco o seis puntos, hay seis eventos simples posibles. Un evento
puede ser cualquiera de esos eventos simples, un conjunto o un subconjunto de ellos. Por ejemplo,
el evento de un número par de puntos consta de tres eventos simples, es decir, dos, cuatro o seis
puntos.
EVENTO CONJUNTO
Un evento conjunto es aquel que tiene dos o más características.
Obtener dos caras cuando se lanza una moneda dos veces es un ejemplo de un evento conjunto, ya
que consta de una cara en el primer lanzamiento y de otra cara en el segundo lanzamiento.
COMPLEMENTO
El complemento del evento A (representado por el símbolo A') incluye todos los eventos
que no forman parte de A.
El complemento de una cara es una cruz porque es el único evento que no es una cara. El com-
plemento de cinco puntos en un dado es no obtener cinco puntos. No obtener cinco puntos consiste
en obtener uno, dos, tres, cuatro o seis puntos.
ESPACIO MUESTRAL
El conjunto de todos los eventos posibles se conoce como espacio muestral.
El espacio muestra! para el lanzamiento de una moneda consta de caras y cruces. El
espacio muestra! del lanzamiento de un dado consta de uno, dos, tres, cuatro, cinco o
seis puntos. En el ejemplo 4.2 se demuestran eventos y espacios muestrales.
EJEMPLO 4.2 La sección sobre el Uso de la estadística en la página 141 se refiere a M&R Electronics World. En la
tabla 4.1 se presentan los resultados de la muestra de 1,000 hogares en términos del comporta-
Eventos y espacios
miento de compra de televisores de pantalla grande.
muestrales
TABLA 4.1 PLANEÓ REALIZÓ LA COMPRA

Comportamiento
COMPRAR Sí No Total
de compra de Sí 200 50 250
televisores
de pantalla grande
No lOO 650 750
-
Total 300 700 1,000
¿Cuál es el espacio muestra!? Dé ejemplos de eventos simples y eventos conjuntos.

SOLUCIÓN El espacio muestra! consta de 1,000 participantes. Los eventos simples son "planeó
comprar", "no planeó comprar", "compró" y "no compró". El evento "planeó comprar y real-
mente compró" es un evento conjunto porque, en este, el participante debe planear hacer la compra
y hacerla realmente.
Tablas de contingencia y diagramas de Venn

Existen varias formas de ver un espacio muestra! en particular. Una de ellas implica el uso de una
tabla de contingencia (véase la sección 2.2) como la que se observa en la tabla 4.1 . Los valores
para las celdas de la tabla se obtienen subdividiendo el espacio muestra! de 1,000 familias de
acuerdo con las que planearon comprar un televisor de pantalla grande y las que realmente lo hicie-
ron. Por ejemplo, 200 de los participantes planearon comprar un televisor de pantalla grande y
después lo hicieron.
Una segunda forma de presentar el espacio muestra! consiste en utilizar un diagrama de Venn.
Este diagrama representa de forma gráfica los diversos eventos como "uniones" e "intersecciones"
de círculos. En la figura 4.1 se presenta un típico diagrama de Venn para una situación con dos va-
riables, donde cada una tiene solo dos eventos (A y A', y By B') . El círculo de la izquierda repre-
senta todos los eventos que forman parte de A.
El círculo de la derecha representa todos los eventos que forman parte de B. El área que se en-
cuentra dentro del círculo A y del círculo B (área central) es la intersección de A y B (que se repre-
senta como A n B), ya que forma parte de A ytambién de B . El área total de los dos círculos es la
unión de A y B (que se expresa como A U B) y contiene todos los resultados que solo forman parte
del evento A, que solo forman parte del evento B o que forman parte tanto de A como de B. El área
en el diagrama fuera de A U B contiene Jos resultados que no forman parte de A ni de B.
Es necesario definir A y B para crear un diagrama de Venn. Cualquiera de los eventos se puede
definir como A o B , siempre y cuando haya consistencia al evaluar los diversos eventos. En el
ejemplo del televisor de pantalla grande, podemos definir los eventos como sigue:
A = planeó comprar B = realmente compró
A' = no planeó comprar B' =realmente no compró
Al dibujar el diagrama de Venn (véase la figura 4.2) debemos determinar el valor de la inter-
sección de A y B para poder dividir el espacio muestra! en sus partes. A n B consta de las 200 fami-
lias que planearon comprar un televisor de pantalla grande y que realmente lo hicieron.
FIGURA 4.1 FIGURA 4.2 AnB A'n B' = 650

Diagrama de Venn Diagrama de Venn
para los eventos A para el ejemplo de
yB M&R Electronics
World
A
A(JB
A U B= 350
La parte restante del evento A (planeó comprar) consta de las 50 familias que planearon comprar
un televisor de pantalla grande, pero que en realidad no lo hicieron. La parte restante del evento B
(realmente compró) consta de las 100 familias que no planearon comprar un televisor de pantalla
grande, pero que en realidad lo compraron. Las 650 familias restantes representan aquellas que no
planearon comprar un televisor de pantalla grande y que en realidad no lo compraron.
Probabilidad simple
Ahora está en condiciones de responder algunas de las preguntas que se plantearon en la sección
Uso de la estadística. Como los resultados se basan en datos reunidos en una encuesta (remítase a
la tabla 4.1 ), podemos utilizar el método de la probabilidad empírica.
Como antes se expuso, la regla más fundamental de las probabilidades es que su valor oscila
entre O y l. Un evento imposible tiene una probabilidad de O y un evento que ocurrirá con toda
certeza tiene una probabilidad de l .
La probabilidad simple se refiere a la probabilidad de ocurrencia de un evento simple, P(A).
Una probabilidad simple en la sección Uso de la Estadística es la probabilidad de planear la com-
pra de un televisor de pantalla grande. ¿Cómo se puede determinar la probabilidad de seleccionar a
una familia que haya planeado comprar un televisor de pantalla grande? Utilizando la ecuación
(4.1) de la página 142:
Probabilidad de ocurrencia = ~
Número de familias que planearon comprar
P(planeó comprar)= - -- - ------'---=-----=----
Número total de familias
250
= -~ = 0.25
1,000
Así que hay una probabilidad de 0.25 (o 25%) de que una familia haya planeado comprar un
televisor de pantalla grande.
El ejemplo 4.3 ilustra otra aplicación de la probabilidad simple.
EJEMPLO En la encuesta de seguimiento en la sección Uso de la estadística se plantearon preguntas adiciona-

les acerca de las 300 familias que realmente compraron televisores de pantalla grande. En la tabla
Cálculo de la
4.2 se observan las respuestas de los consumidores a la pregunta de si el televisor adquirido tenía
probabilidad de
que un televisor
una frecuencia de actualización rápida y si también compraron un reproductor de discos Blu-ray
de pantalla grande (BD) en los últimos 12 meses.
adquirido tenga Calcule la probabilidad de que, al seleccionar al azar a una familia que compró un televisor de
una frecuencia de pantalla grande, esa familia haya comprado uno con frecuencia de actualización rápida.
actualización rápida
TABLA 4.2
COMPRÓ UN REPRODUCTOR DE BD
Comportamiento de FRECUENCIA DE ACTUALIZACIÓN
compra con respecto DEL TELEVISOR COMPRADO Sí No Total
a la adquisición de
un televisor con Rápida 38 42 80
frecuencia de Estándar 70 !50 220
actualización rápida Total 108 192 300
y un reproductor de
discos Blu-ray (BD)
SOLUCIÓN Si utilizamos las siguientes definiciones:

A = compró un televisor con frecuencia de actualización rápida
A' = compró un televisor con frecuencia de actualización estándar
B = compró un reproductor de discos Blu-ray (BD)
B' = no compró un reproductor de discos Blu-ray (BD)
P( frecuencia de Número de televisores con frecuencia de actualización rápida
actualización rápida) Número total de televisores
80
= - = 0.267
300
Hay una probabilidad de 26.7% de que un televisor de pantalla grande comprado, elegido al azar,
tenga frecuencia de actualización rápida.
Probabilidad conjunta
Mientras que la probabilidad simple o marginal se refiere a la probabilidad de ocurrencia de even-
tos simples, la probabilidad conjunta se refiere a la probabilidad de una ocurrencia que involucre
a dos o más eventos. Un ejemplo es la probabilidad de obtener cara en el primer lanzamiento de
una moneda y de obtener cara en el segundo lanzamiento.
En la tabla 4 .1 de la página 144, el grupo de individuos que planearon comprar un televisor de
pantalla grande y que realmente lo compraron consta solo de los resultados de la celda "sí (planeó
comprar) y sí (realmente compró)". Como este grupo consta de 200 familias, la probabilidad de selec-
cionar a una familia que planeó comprar un televisor de pantalla grande y que realmente lo compró es:
Planeó comprar y realmente compró

P(planeó comprar y realmente compró) = , d . .
Numero tota1 e partiCipantes
200
=- - = 0.20
1,000
El ejemplo 4.4 también demuestra la manera de determinar la probabilidad conjunta.
EJEMPLO 4.4 En la tabla 4.2 las compras están clasificadas con base en el hecho de si los televisores tienen una
frecuencia de actualización rápida o una frecuencia de actualización estándar, y si la familia com-
Determinación de pró un reproductor de discos Blu-ray. Calcule la probabilidad de que una familia que compró un
la probabilidad televisor de pantalla grande, elegida al azar, también haya comprado un televisor con frecuencia de
conjunta de que actualización rápida y un reproductor de discos Blu-ray.
una familia compró
un televisor de SOLUCIÓN Con la ecuación (4.1) de la página 142,
pantalla grande Número que compró un televisor con
con frecuencia de frecuencia de actualización rápida y un reproductor
actualización rápida P(televisor con frecuencia de actualización de discos Blu-ray
y un reproductor rápida y reproductor de discos Blu-ray)
Número total de compradores de televisores
de discos Blu-ray
de pantalla grande
38
= - = 0.127
300
Por lo tanto, existe una probabilidad de 12.7% de que una familia que compró un televisor de pan-
talla grande, elegida al azar, también haya comprado un televisor con frecuencia de actualización
rápida y un reproductor de discos Blu-ray..
Probabilidad marginal
La probabilidad marginal de un evento consta de un conjunto de probabilidades conjuntas. Pode-
mos determinar la probabilidad marginal de un evento en particular utilizando el concepto de proba-
bilidad conjunta que se acaba de describir. Por ejemplo, si B consta de dos eventos, B 1 y B 2 ,
entonces P(A), la probabilidad del evento A, consta de la probabilidad conjunta de que el evento A
ocurra con el evento B 1 y de la probabilidad conjunta de que el evento A ocurra con el evento B 2 •
Para calcular probabilidades marginales se utiliza la ecuación (4.2).
PROBABILIDAD MARGINAL
P(A) = P(A y B 1) + P(A y B 2) + ··· + P(A y Bk) (4.2)

donde B" B 2, •••,Bk son k eventos mutuamente excluyentes y colectivamente exhaustivos
que se definen como sigue:
Dos eventos son mutuamente excluyentes si no es posible que ocurran ambos de
manera simultánea. Un conjunto de eventos es colectivamente exhaustivo si debe
ocurrir uno de ellos.
Cara y cruz en el lanzamiento de una moneda son eventos mutuamente excluyentes. El resultado
del lanzamiento de una moneda no puede ser al mismo tiempo una cara y una cruz. Cara y cruz en
el lanzamiento de una moneda también son eventos colectivamente exhaustivos, ya que uno de ellos
debe ocurrir. Si no ocurre una cara, entonces debe ocurrir una cruz. Si no ocurre una cruz, entonces debe
ocurrir una cara. Ser mujer y ser hombre son eventos mutuamente excluyentes y colectivamente
exhaustivos. Ninguna persona es ambos (los dos son mutuamente excluyentes), y todos son uno u
otro (los dos son colectivamente exhaustivos).
Podemos utilizar la ecuación (4.2) para calcular la probabilidad marginal del evento "planeó
comprar" un televisor de pantalla grande.
P(Planeó comprar) = P(Planeó comprar y compró)
+ P(Planeó comprar y no compró)
200 50
= -- + --
1,000 1,000
250
= -- = 0.25
1,000
Se obtiene el mismo resultado si se suma el número de resultados que componen el evento simple
"planeó comprar".
Regla general de la suma

¿Cómo se calcula la probabilidad del evento "A o B"? Es necesario considerar la ocurrencia del
evento A o del evento B, o de A y B. Por ejemplo, ¿de qué manera podemos determinar la probabi-
lidad de que una familia haya planeado comprar o realmente haya comprado un televisor de panta-
lla grande? El evento " planeó comprar o realmente compró" incluye a todas las familias que
planearon comprar un televisor de pantalla grande y a todas las familias que realmente compraron
el televisor. Examinemos cada celda de la tabla de contingencia (tabla 4.1 de la página 144) para
determinar si forma parte de este evento. De acuerdo con la tabla 4.1 , la celda "planeó comprar y
en realidad no compró" forma parte del evento porque incluye a los participantes que planearon
hacer la compra. La celda "no planeó comprar y en realidad compró" se incluye porque contiene a
los participantes que realmente hicieron la compra. Por último, la celda "planeó comprar y en reali-
dad compró" incluye las dos características de interés. Por lo tanto, una forma de calcular la proba-
bilidad de "planeó comprar o realmente compró" es:
P(Planeó comprar o en realidad compró) = P(Planeó comprar y en realidad no compró)
+ P(No planeó comprar y en realidad compró)
+ P(Planeó comprar y en realidad compró)
50 100 200
= -- + -- + --
1,000 1,000 1,000
350
= -- = 0.35
1,000
148 CAPÍTULO 4 Probabilidad bás ica
A menudo es más fácil determinar P(A o B) , la probabilidad del evento A o B, utilizando la regla
general de la suma, que se define en la ecuación (4.3).
REGLA GENERAL DE LA SUMA

La probabilidad de A o B es igual a la probabilidad de A más la probabilidad de B menos la
probabilidad de A y B.
P(A o B) = P(A) + P(B) - P(A y B) (4.3)
Al aplicar la ecuación (4.3) al ejemplo anterior se obtiene el siguiente resultado:
P(Pianeó comprar o en realidad compró) = ?(Planeó comprar)

+ P(En realidad no compró) - P(Planeó
comprar y en realidad compró)
250 300 200
= -- + - - - - -
1,000 1,000 1,000
350
=- - = 0.35
1,000
La regla general de la suma consiste en tomar la probabilidad de A y sumarla a la probabilidad

de B, y luego restar la probabilidad del evento conjunto A y B de ese total, debido a que el evento
conjunto ya fue incluido al calcular la probabilidad de A y la probabilidad de B . Remitiéndonos a la
tabla 4.1 de la página 144, si los resultados del evento "planeó comprar" se suman a los del evento
"en realidad compró", el evento conjunto "planeó comprar y en realidad compró" ya fue incluido
en cada uno de esos eventos simples. Por lo tanto, como este evento conjunto se contó dos veces,
debe restarse para obtener el resultado correcto. En el ejemplo 4.5 se ilustra otra aplicación de la
regla general de la suma .
..-------------------------------
EJEMPLO 4.5 En el ejemplo 4.3 de la página 145, las compras se clasificaron en la tabla 4.2 con base en el hecho
de si los tel evisores tenían una frecuencia de actualización rápida o una frecuencia de actualización
Uso de la regla
estándar, y con base en el hecho de que la familia comprara un reproductor de discos Blu-ray (BD).
general de la suma
Calcule la probabilidad de que las familias que compraron un televisor de pantalla grande hayan
para las familias
adquirido un televisor con frecuencia de actualización rápida y un reproductor de BD.
que compraron
televisores de SOLUCIÓN Si utilizamos la ecuación (4.3),
pantalla grande
P(El televisor tenía frecuencia de
P(El televi sor tenía frecuencia de actualización = actualización rápida)+ ?(compró un
rápida o compró un reproductor de BD) reproductor de BD)- P(El televisor tenía
frecuencia de actualización rápida y compró
un reproductor de BD)
80 108 38
= - +- - -
300 300 300
150
=- = 0.50
300
Por lo tanto , entre las familias que compraron un televisor de pantalla grande, existe un 50% de
probabilidades de que una familia elegida al azar haya adquirido un televisor con frecuencia
de actualización rápida o que haya comprado un reproductor de BD.
Problemas para la sección 4.1 149
1Problemas para la sección 4.1

APRENDIZAJE DE LOS FUNDAMENTOS b) Cada participante fue clasificado según el tipo de auto-
móvil que conduce: sedán, vehículo utilitario, estadouni-
4.1 Se lanzan dos monedas.
dense, europeo, asiático o ninguno.
a) Dé un ejemplo de un evento simple.
e) A los encuestados se les preguntó: "¿Actualmente vive
b) Dé un ejemplo de un evento conjunto.
en i. un departamento o ii. una casa?".
e) ¿Cuál es el complemento de una cara en el primer lanza-
d)Un producto fue clasificado como defectuoso o no
miento?
defectuoso.
d) ¿En qué consiste el espacio muestra!?
4.7 ¿Cuál de los siguientes eventos ocurre con una proba-
4.2 Una urna contiene 12 pelotas rojas y 8 pelotas blancas. bilidad cero? Explique su respuesta para cada inciso.
Se selecciona una pelota de la urna. a) Un votante en Estados Unidos está registrado como repu-
a) Dé un ejemplo de un evento simple. blicano y como demócrata.
b) ¿Cuál es el complemento de una pelota roja? b) Un votante en Estados Unidos es mujer y está registrado
e) ¿En qué consiste el espacio muestra!? como republicano.
4.3 Considere la siguiente tabla de contingencia: e) Un automóvil es un Ford y un Toyota.
d) Un automóvil es un Toyota y fue fabricado en Estados
B B' Unidos.
A 10 20 4.8 ¿En la actualidad toma más tiempo que antes ser elimi-
A' 20 40 nado de una lista de correo electrónico? Un estudio de 100
grandes minoristas en línea reveló lo siguiente:
¿Cuál es la probabilidad del evento
a) A? NECESITA DAR TRES OMÁS CLICS PARA SER ELIMINADO
b) A'? AÑO Sí No
e) AyB? 2009 39 61
d)A o B?
2008 7 93
4.4 Considere la siguiente tabla de contingencia: Fuente: Datos extraídos de "More Clicks to Escape an Email List", The
New York Times, 29 de marzo de 2010, p. B2.
B B'
a) Dé un ejemplo de un evento simple.
A 10 30 b) Dé un ejemplo de un evento conjunto.
A' 25 35 e) ¿Cuál es el complemento de "Necesita dar tres o más clics
para ser eliminado de una lista de correo electrónico"?
¿Cuál es la probabilidad del evento
d) ¿Por qué "Necesita dar tres o más clic para ser eliminado
a) A'?
de una lista de correo electrónico en 2009" es un evento
b) Ay B?
conjunto?
e)A'yB'?
d)A' o B'? 4.9 Con respecto a la tabla de contingencia del problema
4.8, si un gran minorista en línea se selecciona al azar, ¿cuál
APLICACIÓN DE CONCEPTOS es la probabilidad de que
4.5 Para cada uno de los siguientes incisos, indique si el tipo a) necesite dar tres o más clics para ser eliminado de una
de probabilidad involucrada es un ejemplo de probabilidad a lista de correo electrónico?
priori, probabilidad empírica o probabilidad subjetiva. b) necesite dar tres o más clics para ser eliminado de una
lista de correo electrónico en 2009?
a) El siguiente lanzamiento de una moneda justa dará como
e) necesite dar tres o más clics para ser eliminado de una
resultado una cara.
lista de correo electrónico o de que sea un gran minorista
b) Italia ganará la Copa del Mundo de fútbol la próxima vez
en línea encuestado en 2009?
que se realice esta competencia.
d) Explique la diferencia en los resultados de los incisos b) y e).
e) La suma de las caras de dos dados será siete.
d) El tren que lleva a un empleado a su trabajo llegará más 4.1 O ¿Las personas de distintos grupos de edad difieren en su
de 1Ominutos tarde. respuesta a los mensajes de correo electrónico? Una encuesta
realizada por el Centro para el futuro digital de la University of
4.6 Para cada uno de los siguientes incisos, indique si los Southern California (datos extraídos de A. Mindlin, "Older
eventos son mutuamente excluyentes y colectivamente E-mail Users Favor Fast Replies", The New York Times, 14 de
exhaustivos. julio de 2008, p. B3) informó que 70.7% de los usuarios mayo-
a) A los votantes registrados en Estados Unidos se les pre- res de 70 años consideran que los mensajes de correo electró-
guntó si están registrados como republicanos o demócratas. nico deben responderse con rapidez, a diferencia del53.6% de
los usuarios que tienen entre 12 y 50 años de edad. Suponga dos, con base en una muestra de 100 hombres y 100 muje-
que la encuesta se basó en 1,000 usuarios mayores de 70 años res, son los siguientes:
de edad y en 1,000 usuarios que tienen entre 12 y 50 años de
edad. Los resultados se resumen en la siguiente tabla: GÉNERO
PREFERENCIA PARA COMER Hombre Mujer Total
EDAD DE LOS Comer adentro 21 12 33
PARTICIPANTES Ordenar adentro para llevar 19 10 29
RESPONDE CON RAPIDEZ 12-50 Mayor de 70 Total Ordenar desde el automóvil 60 78 138
Sí 536 707 1,243 Total lOO 100 200
No 464 293 757 Fuente: Datos extraídos de www.qsrmagazine.com/reports/drive-
-- thru _ time_study/2009/2009_ charts/whats_your_preferred_ way_ to _
Total 1,000 1,000 2,000 order_fast_ food.html.
a) Dé un ejemplo de un evento simple. Si se selecciona al azar un participante, ¿cuál es la probabi-

b) Dé un ejemplo de un evento conjunto. lidad de que
e) ¿Cuál es el complemento de un participante que responde a) prefiera ordenar desde el automóvil?
con rapidez? b) sea hombre y prefiera ordenar desde el automóvil?
d) ¿Por qué un participante que responde con rapidez y que e) sea hombre o prefiera ordenar desde el automóvil?
tiene más de 70 años es un evento conjunto? d) Explique la diferencia en los resultados de los incisos b) y e).
4.11 En relación con la tabla de contingencia del problema 4.14 En una encuesta aplicada a 1,085 adultos se preguntó:
4.1 O, si se selecciona un participante al azar, ¿cuál es la pro- "¿Le gusta ir a comprar ropa para usted?". Los resultados (da-
babilidad de que tos extraídos de "Split decision on clothes shopping", USA
a) responda con rapidez? Today, 28 de enero de 2011 , p. lB) indicaron que a 51% de
las mujeres les gusta ir a comprar ropa para ellas, a diferencia
b) tenga más de 70 años de edad?
de 44% de los hombres. No se indicó el tamaño de las mues-
e) responda con rapidez o tenga más de 70 años de edad?
tras de hombres y mujeres. Suponga que los resultados indi-
caron que de los 542 hombres, 238 respondieron que sí, y que
~ 4.12 Según una encuesta de Gallup, la magnitud de 543 mujeres, 276 respondieron que sí. Construya una ta-
IIJIIlll en que los empleados se involucran con su lugar bla de contingencia para evaluar las probabilidades. ¿Cuál es
de trabajo varía de un país a otro. Gallup informa que el la probabilidad de que a un participante elegido al azar
porcentaje de trabajadores estadounidenses involucrados a) le guste ir a comprar ropa para él o ella?
con su lugar de trabajo es más del doble que el porcentaje de b) sea mujer y le guste ir a comprar ropa para ella?
los trabajadores alemanes. El estudio también revela que el e) sea mujer o sea una persona a la que le gusta ir a comprar
hecho de contar con un mayor número de empleados invo- ropa para ella?
d) sea un hombre o una mujer?
lucrados conduce a una mayor innovación, productividad y
rentabilidad, así como a una menor rotación de personal. En 4.15 Cada año se reúnen evaluaciones con respecto al de-
la siguiente tabla se resumen los resultados de la encuesta. sempeño de automóviles nuevos durante los primeros 90 días
de uso. Suponga que los automóviles se clasifican de
PAÍS acuerdo con la necesidad de una reparación relacionada con
la garantía (sí o no) y según el país en que se localiza la em-
INVOLUCRAMIENTO Estados Unidos Alemania Total
presa fabricante (Estados Unidos u otro país). Con base en
Involucrado 550 246 796 los datos reunidos , la probabilidad de que un automóvil
No involucrado 1,345 1,649 2,994 nuevo necesite una reparación por garantía es de 0.04, la
Total 1,895 1,895 3,790 probabilidad de que el automóvil haya sido fabricado por
una empresa localizada en Estados Unidos es de 0.60, y la
Fuente: Datos extraídos de M. Nink, " Employee Disengagement Plagues
probabilidad de que un automóvil nuevo necesite una repa-
Germany", Gal/up Management Journal, gmj.gallup.com, 9 de abril de 2009.
ración por garantía y haya sido fabricado por una empresa
Si se selecciona un empleado al azar, ¿cuál es la probabili- localizada en Estados Unidos es de 0.025 . Construya una
dad de que tabla de contingencia para evaluar las probabilidades de
a) esté involucrado con su lugar de trabajo? una reparación relacionada con una garantía. ¿Cuál es la pro-
b) sea un trabajador estadounidense? babilidad de que un automóvil nuevo seleccionado al azar
e) esté involucrado con su lugar de trabajo o sea un trabaja- a) necesite una reparación por garantía?
b) necesite una reparación por garantía y haya sido fabricado
dor estadounidense?
por una empresa localizada en Estados Unidos?
e) necesite una reparación por garantía o haya sido fabricado
4.13 ¿Cuál es la forma preferida de la gente para ordenar por una empresa localizada en Estados Unidos?
comida rápida? Se realizó una encuesta en 2009, pero no se d) necesite una reparación por garantía o no haya sido fabricado
reportó el tamaño de las muestras. Suponga que los resulta- por una empresa localizada en Estados Unidos?
4.2 Probabilidad condicional 151
4.2 Probabilidad condicional

Cada uno de los ejemplos de la sección 4.1 requiere calcular la probabilidad de un evento cuando
la muestra se obtuvo de un espacio muestra) completo. ¿Cómo se determina la probabilidad de un
evento si se tiene cierta información acerca de los eventos implicados?
Cálculo de probabilidades condicionales

La probabilidad condicional se refiere a la probabilidad del evento A, dada información acerca de la
ocurrencia de otro evento, B.
PROBABILIDAD CONDICIONAL
La probabilidad de A dada B es igual a la probabilidad de A y B dividida entre la
probabilidad de B.
P(A lB)= P(AyB) (4.4a)

P(B)
La probabilidad de B dada A es igual a la probabilidad de A y B dividida entre la

probabilidad de A.
P(BIA) = P(AyB) (4.4b)

P(A)
donde:
P(A y B) = probabilidad conjunta de A y B
P(A) =probabilidad marginal de A
P(B) = probabilidad marginal de B
Remítase a la sección Uso de la estadística referente a la compra de televisores de pantalla

grande, y suponga que se le informó que una familia planea comprar un televisor de pantalla grande.
Ahora, ¿cuál es la probabilidad de que la familia realmente lo compre? En este ejemplo, el objetivo
consiste en calcular P(En realidad compró Planeó comprar). Aquí se recibe la información de que
1
la familia planeó comprar el televisor de pantalla grande. Por lo tanto, el espacio muestra! no consta
de todas las 1,000 familias de la encuesta; consta solo de las familias que planearon comprar un
televisor de pantalla grande. De esas 250 familias, 200 realmente hicieron la compra. Por lo tanto,
con base en la tabla 4.1 de la página 144, la probabilidad de que una familia realmente haya com-
prado el televisor de pantalla grande, dado que planeó comprarla, es:
Planeó comprar y en realidad compró

P(En realidad compró Planeó comprar)=
1 ------=--------'=-
, _ _ _ _ _____:__
Planeo comprar
200
= - = 0.80
250
También podemos utilizar la ecuación (4.4b) para calcular este resultado:
P(BIA) = P(AyB)
P(A)
donde:
A = planeó comprar
B = en realidad compró
entonces:
200/1,000
P(En realidad compró 1 Planeó comprar)= / ,
250 1 000
200
= - = 0.80
250
El ejemplo 4.6 ilustra de manera más clara la probabilidad condicional.
La tabla 4.2 de la página 145 es una tabla de contingencia que indica si una familia compró un tele-
visor con una frecuencia de actualización rápida y si adquirió un reproductor de discos Blu-ray. Si
Cálculo de la
una familia compró un televisor con una frecuencia de actualización rápida, ¿cuál es la probabili-
probabilidad
dad de que también haya comprado un reproductor de discos Blu-ray?
condicional de
comprar un SOLUCIÓN Como sabemos que la familia compró un televisor con una frecuencia de actualiza-
reproductor de ción rápida, el espacio muestra! se reduce a 80 familias. De esas 80 familias, 38 también compraron
discos Blu-ray un reproductor de discos Blu-ray (BD). Por lo tanto, la probabilidad de que una familia haya com-
prado un reproductor de BD, dado que compró un televisor con una frecuencia de actualización
rápida, es:
Número que compró un televisor con frecuencia

P(Compró un reproductor de BD Compró un
1 de actualización rápida y un reproductor de BD
televisor con frecuencia de actualización rápida)= Número que compró un televisor con
frecuencia de actualización rápida
38
= - = 0.475
80
Si utilizamos la ecuación (4.4b) de la página 151:

B = compró un reproductor de BD
entonces:
P(BIA) = P(AyB) 38/300

75
P(A) 80/300 = 0.4
Por lo tanto, dado que la familia compró un televisor con frecuencia de actualización rápida,
existe una probabilidad de 47.5% de que también haya comprado un reproductor de discos Blu-ray.
Podemos comparar esta probabilidad condicional con la probabilidad marginal de comprar un re-
productor de discos Blu-ray, que es 108/300 = 0.36 o 36%. Estos resultados indican que las fami-
lias que compraron televisores con frecuencia de actualización rápida tienen mayores probabilidades
de adquirir un reproductor de discos Blu-ray que las familias que compraron televisores de pantalla
grande con frecuencia de actualización estándar.
Árboles de decisión
En la tabla 4.1 de la página 144 se clasificó a las familias de acuerdo con el hecho de que planearon
adquirir un televisor de pantalla grande o no, y de si realmente lo compraron. Un árbol de decisión
es una alternativa a la tabla de contingencia. En la figura 4.3 se presenta el árbol de decisión para
este ejemplo.
FIGURA 4.3
200
Árbol de decisión 250 P(A y B) = 1,000
para el ejemplo de P(A) = 1,000
M&R Electronics
World
P(AyB')= ~
Conjunto 1,000
completo
de familias
1" dad cornpró P(A' Y 8) = 100

¡:11 rea 1 1,000
P(A' ) = 750
1,000
En la figura 4.3, comenzando a la izquierda con el conjunto completo de familias, se observan

dos "ramas" que indican si la familia planeó la compra de un televisor de pantalla grande. Cada
una de esas ramas tiene dos subramas que indican si la familia en realidad compró o en realidad no
compró el televisor. Las probabilidades que se observan al final de las ramas iniciales representan
las probabilidades marginales de A y A ' . Las probabilidades que se localizan al final de cada una
de las cuatro subramas representan la probabilidad conjunta para cada combinación de los eventos
A y B. La probabilidad condicional se calcula dividiendo la probabilidad conjunta entre la probabi-
lidad marginal adecuada.
Por ejemplo, para calcular la probabilidad de que la familia realmente haya comprado el tele-
visor, dado que planeó hacer la compra, tomamos P(Planeó comprar y en realidad compró) y divi-
dimos entre P(Pianeó comprar). A partir de la figura 4.3 ,
200/ 1,000
P(En realidad compró Planeó comprar)=
1 ,OOO
25011
= 200 = 0.80
250
El ejemplo 4.7 ilustra la manera de construir un árbol de decisión.
EJEMPLO 4.7 Utilice los datos clasificados en la tabla 4.2 de la página 145 para construir el árbol de decisión.
Use el árbol de decisión para calcular la probabilidad de que una familia compre un reproductor de
Construcción del
discos Blu-ray, dado que la familia compró un televisor con frecuencia de actualización rápida.
árbol de decisión
para las familias SOLUCIÓN El árbol de decisión para las familias que compraron un reproductor de discos Blu-
que compraron ray y un televisor con frecuencia de actualización rápida se presenta en la figura 4.4 de la página
televisores de 154. Utilizando la ecuación (4.4b) de la página 151 y las siguientes definiciones:
pantalla grande

B = compró un reproductor de discos Blu-ray
P(BIA) = P(AyB) = 38/ 300

P(A) 80/ 300 = 0.4 75
FIGURA 4.4
38
Árbol de decisión 80 P(Ay B) = 300
para las familias P(A) = 300
que compraron
un televisor con
frecuencia de P(Ay 8 ' )= ~
actualización Conjunto 300
rápida y un completo
de familias
reproductor de
discos Blu-ray d so p\aver P(A' y 8) = _lQ_
purcnase 300
P(A' y 8 ,) = 150
300
Independencia
En el ejemplo sobre la compra de televisores de pantalla grande, la probabilidad condicional es
200/250 = 0.80 de que la familia seleccionada en realidad haya comprado el televisor de panta-
lla grande, dado que la familia planeó hacer la compra. La probabilidad simple de seleccionar a
una familia que en realidad haya comprado el televisor es de 300/ 1,000 = 0.30. Este resultado
indica que el conocimiento previo de que la familia planeó hacer la compra afectó la probabilidad
de que en realidad comprara el televisor. En otras palabras, el resultado de un evento depende del
resultado de un segundo evento.
Cuando el resultado de un evento no afecta la probabilidad de ocurrencia de otro evento, se dice
que los eventos son independientes. La independencia se determina utilizando la ecuación (4.5).
INDEPENDENCIA
Dos eventos, A y B, son independientes si y solo si:
P(A B) = P(A)
1 (4.5)
donde:
P(A 1 B) = probabilidad condicional de A dada B
P(A) = probabilidad marginal de A
En el ejemplo 4.8 se demuestra el uso de la ecuación (4.5).
EJEMPLO 4.8 En la encuesta de seguimiento aplicada a las 300 familias que en realidad compraron televisores de
pantalla grande, se les preguntó si estaban satisfechas con sus compras. La tabla 4.3 relaciona las
Determinación
respuestas a la pregunta sobre la sati sfacción con las respuestas a si el televisor tenía una frecuen-
de independencia
cia de actualización rápida.
TABLA 4.3 FRECUENCIA DE ACTUALIZACIÓN ¿ESTÁ SATISFECHO CON LA COMPRA?

Satisfacción con la DEL TELEVISOR Sí No Total
compra de Rápida 64 16 80
televisores de
Estándar 176 44 220
pantalla grande -- - --
Total 240 60 300
Determine si sentirse satisfecho con la compra y la frecuencia de actualización del televisor

adquirido son eventos independientes.
SOLUCIÓN Para esos datos,
64/300 64
?(Satisfecho 1 Frecuencia de actualización rápida) = = = 0.80
801300 80
que es igual a:
.
P ( SatJsfec ho ) = 240 = 0.80
300
Por lo tanto, sentirse satisfecho con la compra y la frecuencia de actualización del televisor adqui-
rido son eventos independientes. Conocer un evento no afecta la probabilidad del otro evento.
Reglas de la multiplicación
La regla general de la multiplicación se obtiene utilizando la ecuación (4.4a) de la página 151.
P(A lB)= P(AyB)

P(B)
y despejando la probabilidad conjunta P(A y B).
REGLA GENERAL DE LA MULTIPLICACIÓN

La probabilidad de A y B es igual a la probabilidad de A dado B por la probabilidad de B.
P(Ay B) = P(A IB)P(B) (4.6)
En el ejemplo 4.9 se demuestra el uso de la regla general de la multiplicación.
EJEMPLO 4.9 Considere a las 80 familias que compraron televisores con una frecuencia de actualización rápida.
En la tabla 4.3 de la página 154 se observa que 64 familias están satisfechas con su compra, y que
Uso de la regla
16 familias están insatisfechas. Suponga que se eligen dos familias al azar del conjunto de 80.
general de la
Calcule la probabilidad de que ambas familias estén satisfechas con su compra.
multiplicación
SOLUCIÓN En este caso se puede utilizar la regla de la multiplicación de la siguiente manera. Si
A = la segunda familia seleccionada está satisfecha
B = la primera familia seleccionada está satisfecha
entonces, utilizando la ecuación (4.6):
P(Ay B) = P(A 1 B)P(B)
La probabilidad de que la primera familia esté satisfecha con la compra es 64/80. Sin embargo,
la probabilidad de que la segunda familia también esté satisfecha con la compra depende del resul-
tado de la primera selección. Si la primera familia no se reincorpora a la muestra después de deter-
minar su nivel de satisfacción (es decir, si el muestreo es sin reemplazo), el número de familias
restantes es 79. Si la primera familia está satisfecha, la probabilidad de que la segunda también lo
esté es 63/79, ya que en la muestra permanecen 63 familias satisfechas. Por lo tanto,
P(AyB) = (~~)(~~) = 0.6380
Hay una probabilidad de 63.80% de que las dos familias muestreadas estén satisfechas con su
compra.
La regla de la multiplicación para eventos independientes se obtiene sustituyendo P(AIB)

por P(A) en la ecuación (4.6).
REGLA DE LA MULTIPLICACIÓN PARA EVENTOS INDEPENDIENTES

Si A y B son independientes, la probabilidad de A y B es igual a la probabilidad de A por
la probabilidad de B.
P(Ay B) = P(A )P(B) (4.7)
Si esta regla es válida para dos eventos, A y B, entonces A y B son independientes. Por lo tanto,
existen dos formas de determinar independencia:
l. Los eventos A y B son independientes si y solo si P(AIB) = P(A).
2. Los eventos A y B son independientes si y solo si P(A y B) = P(A)P(B).
Probabilidad marginal utilizando la regla general

de la multiplicación
En la sección 4.1, la probabilidad marginal se definió con la ecuación (4.2) de la página 14 7. Pode-
mos plantear la ecuación para la probabilidad marginal utilizando la regla general de la multiplica-
ción. Si
P(A) = P(AyB¡) + P(AyB 2 ) + .. · + P(AyBk)

entonces, utilizando la regla generál de la multiplicación, la ecuación (4.8) define la probabilidad
marginal.
PROBABILIDAD MARGINAL UTILIZANDO LA REGLA GENERAL

DE LA MULTIPLICACIÓN
donde El' B 2 , ... , Bk son k eventos mutuamente excluyentes y colectivamente exhaustivos.
Para ilustrar la ecuación (4.8), remítase a la tabla 4.1 de la página 144. Sean:
P(A) = probabilidad de "planeó comprar"
P(B 1) = probabilidad de "en realidad compró"
P(B 2 ) = probabilidad de "en realidad no compró"
Entonces, utilizando la ecuación (4.8), la probabilidad de haber planeado la compra es:
P(A) = P(A IB 1)P(B¡) + P(A IB 2 )P(B 2 )
(~~~)C~~~o) + ( ;o o)C~~~o)
0
=
200 50 250
= -~ + -~ = -~ = 0.25
1,000 1,000 1,000
Problemas para la sección 4.2 157

APRENDIZAJE DE LOS FUNDAMENTOS d) ¿La necesidad de dar tres o más clics para ser eliminado
4.16 Considere la siguiente tabla de contingencia: de una lista de correo electrónico y el año son indepen-
dientes?
B B' 4.22 ¿Las personas de distintos grupos de edad difieren en
A 10 20 su respuesta a los mensajes de correo electrónico? Una en-
A' 20 40 cuesta realizada por el Centro para el futuro digital de la
Universidad del Sur de California (datos extraídos de A.
¿Cuál es la probabilidad de Mindlin, "Older E-mail Users Favor Fast Replies", The New
a) A B?1 York Times , 14 de julio de 2008, p. B3) informó que 70.7%
b) A B'?
1 de los usuarios mayores de 70 años consideran que los men-
e) A' 1 B'? sajes de correo electrónico deben responderse con rapidez, a
d) ¿Los eventos A y B son independientes? diferencia de 53.6% de los usuarios que tienen entre 12 y 50
años de edad. Suponga que la encuesta se basó en 1,000
4.17 Considere la siguiente tabla de contingencia:
usuarios mayores de 70 años de edad y en 1,000 usuarios
B B' que tienen entre 12 y 50 años de edad. Los resultados se re-
sumen en la siguiente tabla:
A 10 30
A' 25 35
EDAD DE LOS RESPONDE CON RAPIDEZ
¿Cuál es la probabilidad de PARTICIPANTES 12-50 Mayor de 70 Total
a) A 1 B? Sí 536 707 1,243
b) A' 1 B'? No 464 293 757
e) A 1 B'? -- --
Total 1,000 1,000 2,000
d) ¿Los eventos A y B son independientes?
4.18 Si P(A y B) = 0.4 y P(B) = 0.8, calcule P(A 1 B). a) Suponga que sabe que el participante tiene entre 12 y 50
años de edad. ¿Cuál es la probabilidad de que responda
4.19 Si P(A) = 0.7, P(B) = 0.6, y A y B son independientes,
con rapidez a los mensajes de correo electrónico?
calcule P(A y B).
b) Suponga que sabe que el participante tiene más de 70
4.20 Si P(A) = 0.3, P(B) = 0.4, y P(A y B) = 0.2, ¿A y B son años de edad. ¿Cuál es la probabilidad de que responda
independientes? con rapidez?
e) ¿Los dos eventos, responder con rapidez y la edad del
APLICACIÓN DE CONCEPTOS participante, son independientes? Explique su respuesta.
4.21 ¿En la actualidad requiere más tiempo que antes ser 4.23 ¿Cuál es la forma preferida de la gente para ordenar
eliminado de una lista de correo electrónico? Un estudio de comida rápida? Se realizó una encuesta en 2009, pero no se
100 grandes minoristas en línea reveló lo siguiente: reportó el tamaño de las muestras. Suponga que los resulta-
dos, con base en una muestra de 100 hombres y 100 muje-
SE REQUIEREN TRES O MÁS CLICS PARA SER res, son los siguientes:
ELIMINADO
AÑO Sí No GÉNERO
2009 39 61 PREFERENCIA PARA COMER Hombre Mujer Total
2008 7 93 Comer adentro 21 12 33
Fuente: Datos extraídos de "More Clicks to Escape an Email List", The
Ordenar adentro para llevar 19 10 29
New York Times, 29 de marzo de 2010, p. B2. Ordenar desde el automóvil 60 78 138
Total 100 100 200
a) Dado que se necesita dar tres o más clics para ser elimi-
Fuente: Datos extraídos de www.qsrmagazine.com/reports/drive-
nado de una lista de correo electrónico, ¿cuál es la proba- thru _time_study/2009/2009_ charts/whats_your_preferred _ way_ to _
bilidad de que esto ocurriera en 2009? order_ fast_food.html.
b) Dado que el año 2009 está involucrado, ¿cuál es la pro-
babilidad de que se necesiten tres o más clics para ser a) Si un participante es hombre, ¿cuál es la probabilidad de
eliminado de una lista de correo electrónico? que prefiera ordenar desde el automóvil?
e) Explique la diferencia en los resultados de los incisos a) b) Si un participante es mujer, ¿cuál es la probabilidad de
y b). que prefiera ordenar desde el automóvil?
e) ¿La forma preferida de ordenar es independiente del gé- de uso. Suponga que los automóviles se clasifican de
nero? Explique su respuesta. acuerdo con la necesidad de una reparación relacionada con
la garantía (sí o no) y según el país en que se localiza la em-
['/'AüTOJ 4.24 Según una encuesta de Gallup, la magnitud
presa fabricante (en Estados Unidos o en otro país). Con
rl!l'lll en que los empleados se involucran con su lugar
base en los datos reunidos, la probabilidad de que un auto-
de trabajo varía de un país a otro. Gallup informa que el
móvil nuevo necesite una reparación por garantía es de 0.04,
porcentaje de trabajadores estadounidenses involucrados
la probabilidad de que el automóvil haya sido fabricado por
con su lugar de trabajo es más del doble que el porcentaje de
una empresa localizada en Estados Unidos es de 0.60, y la
los trabajadores alemanes. El estudio también revela que el
probabilidad de que un automóvil nuevo necesite una repa-
hecho de contar con un mayor número de empleados invo-
ración por garantía y haya sido fabricado por una empresa
lucrados conduce a una mayor innovación, productividad y
localizada en Estados Unidos es de 0.025.
rentabilidad, así como a una menor rotación de personal. En
a) Suponga que sabe que una empresa localizada en Estados
la siguiente tabla se resumen los resultados de la encuesta.
Unidos fabricó un automóvil en particular. ¿Cuál es la
probabilidad de que el automóvil necesite una reparación
PAÍS
por garantía?
INVOLUCRAMIENTO Estados Unidos Alemania Total
b) Suponga que sabe que una empresa localizada en Estados
Involucrado 550 246 796 Unidos no fabricó un automóvil en particular. ¿Cuál es la
No involucrado 1,345 1,649 2,994 probabilidad de que el automóvil necesite una reparación
Total 1,895 1,895 3,790 por garantía?
e) ¿La necesidad de una reparación por garantía y la locali-
Fuente: Datos extraídos de M. Nink, "Employee Disengagement Plagues
Germany", Gallup Management Journal, gmj.gallup.com, 9 de abril de zación de la empresa que fabrica el automóvil son inde-
2009. pendientes?
a) Dado que un trabajador es de Estados Unidos, ¿cuál es la 4.27 En 39 de los 61 años transcurridos de 1950 a 2010, las
probabilidad de que esté involucrado? acciones S&P 500 terminaron con el nivel más alto después
b) Dado que un trabajador es de Estados Unidos, ¿cuál es la de los primeros cinco días de negociación. En 34 de esos 39
probabilidad de que no esté involucrado? años, las acciones S&P 500 terminaron con el nivel más alto
e) Dado que un trabajador es de Alemania, ¿cuál es la pro- del año. ¿Una buena primera semana es un buen augurio del
babilidad de que esté involucrado? siguiente año? La siguiente tabla proporciona el desempeño
d) Dado que un trabajador es de Alemania, ¿cuál es la pro- anual y de la primera semana durante ese periodo de 61 años.
babilidad de que no esté involucrado?
DESEMPEÑO ANUAL DE LAS S&P 500
4.25 En una encuesta aplicada a 1,085 adultos se preguntó: PRIMERA SEMANA Más alto Más bajo
"¿Le gusta ir a comprar ropa para usted?" . Los resultados
Más alto 34 5
(datos extraídos de "Split decision on clothes shopping",
Más bajo 11 11
USA Today, 28 de enero de 2011 , p . lB) indicaron que a
51% de las mujeres les gusta ' ir a comprar ropa para ellas, a) Si se selecciona un año al azar, ¿cuál es la probabilidad
a diferencia de 44% de los hombres. No se precisó el ta- de que las acciones S&P 500 sean las más altas del año?
maño de las muestras de hombres y mujeres. Suponga que b) Dado que las acciones S&P 500 terminaron con el nivel
los resultados son los que se muestran en la siguiente tabla: más alto después de los primeros cinco días de negocia-
ción, ¿cuál es la probabilidad de que sean las más altas
GÉNERO del año?
LE GUSTA IR A COMPRAR ROPA Hombre Mujer Total e) ¿Los dos eventos "desempeño durante la primera se-
Sí 238 276 514 mana" y "desempeño anual" son independientes? Expli-
No 304 267 571 que su respuesta.
d) Investigue el desempeño durante los primeros cinco días de
Total 542 543 1,085
2011 y el desempeño anual de ese año de las acciones
a) Suponga que el participante elegido es mujer. ¿Cuál es la S&P 500 en finance.yahoo.com. Comente acerca de
probabilidad de que no le guste ir a comprar ropa? los resultados.
b) Suponga que al participante elegido le gusta ir a comprar
4.28 Una baraja estándar se utiliza para un juego. Hay cua-
ropa. ¿Cuál es la probabilidad de que el individuo sea
tro palos (corazones, diamantes, tréboles y espadas), cada
hombre? uno con 13 cartas (as, 2, 3, 4, 5, 6, 7, 8, 9, 10, sota, reina y
e) ¿El gusto por ir a comprar ropa y el género del individuo
rey), para dar un total de 52 cartas. La baraja completa se
son independientes? Explique su respuesta. mezcla de forma concienzuda y usted recibe las primeras
4.26 Cada año se reúnen evaluaciones con respecto al de- dos cartas, sin reemplazo (la primera carta no se regresa a la
sempeño de automóviles nuevos durante los primeros 90 días baraja después de ser seleccionada).
4.3 Teorema de Bayes 159
a) ¿Cuál es la probabilidad de que ambas cartas sean reinas? a) Si se seleccionan dos guantes de la caja al azar y sin re-
b) ¿Cuál es la probabilidad de que la primera carta sea un 10 emplazo (el primer guante no se regresa a la caja después
y que la segunda carta sea un 5 o un 6? de ser seleccionado), ¿cuál es la probabilidad de que los
e) Si hiciera un muestreo con reemplazo (la primera carta se dos guantes seleccionados sean derechos?
regresa a la baraja después de ser seleccionada), ¿cuál se- b) Si se seleccionan dos guantes de la caja al azar y sin re-
ría la respuesta en el inciso a)? emplazo (el primer guante no se regresa a la caja después
d) En el juego de veintiuno, las cartas con figuras (sota, reina, de ser seleccionado), ¿cuál es la probabilidad de que se
rey) valen 10 puntos, y el as vale 1 u 11 puntos. Todas las seleccione un guante derecho y un guante izquierdo?
demás cartas tienen su valor nominal. Se consigue vein- e) Si se seleccionan tres guantes con reemplazo (los guan-
tiuno si dos cartas suman en total 21 puntos. ¿Cuál es la tes se regresan a la caja después de ser seleccionados),
probabilidad de lograr veintiuno en este problema? ¿cuál es la probabilidad de que los tres sean izquierdos?
d) Si hiciera un muestreo con reemplazo (el primer guante
4.29 Una caja de nueve guantes contiene dos guantes iz- se regresa a la caja después de ser seleccionado), ¿cuáles
quierdos y siete derechos. serían las respuestas a los incisos a) y b)?
4.3 Teorema de Bayes

El teorema de Bayes se usa para revisar probabilidades calculadas previamente con base en infor-
mación nueva. Creado por Thomas Bayes en el siglo xvm (véase las referencias 1, 2 y 7), el teorema
de Bayes es una extensión de lo que anteriormente estudiamos como probabilidad condicional.
Podemos aplicar el teorema de Bayes a la situación en que M&R Electronics World está consi-
derando vender un nuevo modelo de televisor. En el pasado, 40% de los nuevos modelos de tele-
visores han tenido éxito, en tanto que 60% no lo ha tenido. Antes de introducir el nuevo modelo de
televisor, el departamento de investigación de mercados realiza un amplio estudio y entrega un in-
forme, ya sea favorable o desfavorable. En el pasado, 80% de los nuevos modelos de televisores
que tuvieron éxito recibieron informes de investigación de mercados favorables, en tanto que 30%
de los nuevos modelos de televisores que no tuvieron éxito recibieron informes favorables. Para el
nuevo modelo de televisor que se está considerando vender, el departamento de investigación de
mercados entregó un informe favorable. ¿Cuál es la probabilidad de que el televisor tenga éxito?
El teorema de Bayes se desarrolló a partir de la definición de la probabilidad condicional. Para
calcular la probabilidad condicional de B, dado A, considere la ecuación (4.4b) (que se presentó
originalmente en la página 151 y que se reproduce a continuación) :
P(BIA) _ P(AyB) _ _
P(_A_IB_)P_(B_)
P(A) P(A)
El teorema de Bayes se deduce al sustituir la ecuación (4.8) de la página 156 por P(A) en el deno-
minador de la ecuación (4.4b ).
TEOREMA DE BAYES
P(A 1 B;)P(B;)
donde B; es el i-ésimo evento de k eventos mutuamente excluyentes y colectivamente

exhaustivos.
Para usar la ecuación (4.9) en el ejemplo de la comercialización del televisor, sean:

evento S= televisor con éxito evento F = informe favorable
evento S' = televisor sin éxito evento F' = informe desfavorable
y:
P(S) = 0.40 P(F 1 S) = 0.80
P(S') = 0.60 P(FI S') = 0.30
Así, utilizando la ecuación (4.9),
P(Fi S)P(S)
P(SIF)- - - -- - - --
P(FIS)P(S) + P(FjS')P(S')
(0.80)(0.40)
(0.80)(0.40) + (0.30)(0.60)
0.32 0.32
0.32 + 0.18 0.50
= 0.64
La probabilidad de un televisor con éxito, dado que se recibió un informe favorable, es 0.64.
De esta manera, la probabilidad de un televisor que no tiene éxito, dado que se recibió un informe
favorable, es l - 0.64 "" 0.36.
En la tabla 4.4 se resume el cálculo de las probabilidades y en la figura 4.5 se presenta el árbol
de decisión.
TABLA 4 . 4 EventoS; Probabilidad Probabilidad Probabilidad

previa condicional conjunta Probabilidad revisada
Cálculos del
P(S) P(FI S) P(FI S)P(S) P(S;IF)
teorema de Bayes
para el ejemplo de S= televisor 0.40 0.80 0.32 P(S 1 F) = 0.32/0.50
la comercialización con éxito = 0.64
del televisor P(S' 1 F) = 0.18/0.50
S' = televisor 0.60 0.30 0.18
sin éxito 0.50 = 0.36
FIGURA 4.5
P(SyF) =:. P(FjS) P(S)
Árbol de decisión = (0.80) (0.40) = 0.32
para comercializar
un nuevo televisor P(S) = 0.40
P(S y F') = P(F'IS) P(S)
= (0.20) (0.40) = 0.08
P(S' y F) = P(FjS') P(S')

= (0.30) (0.60) = 0.18
P(S') = 0.60
P(S' y F' ) = P(F'IS') P(S')
= (0.70) (0.60) = 0.42
En el ejemplo 4.1 O se aplica el teorema de Bayes a un problema de diagnóstico médico.
La probabilidad de que una persona tenga cierta enfermedad es de 0.03. Se dispone de pruebas de
diagnóstico médico para determinar si la persona realmente padece la enfermedad. Si la enferme-
Uso del teorema
dad en realidad está presente, la probabilidad de que la prueba de diagnóstico médico dé un resul-
de Bayes en un
tado positivo (que indique que la enfermedad está presente) es de 0.90. Si la enfermedad no está
problema de
realmente presente, la probabilidad de un resultado de prueba positivo (que indique que la enfer-
diagnóstico médico
medad está presente) es de 0.02. Suponga que la prueba de diagnóstico médico ha dado un resul-
tado positivo (indicando que la enfermedad está presente) . ¿Cuál es la probabilidad de que la
enfermedad esté realmente presente? ¿Cuál es la probabilidad de un resultado de prueba positivo?
4.3 Teorema de Bayes 161
SOLUCIÓN Sean:
evento D = tiene la enfermedad evento T = la prueba es positiva
evento D' = no tiene la enfermedad evento T' = la prueba es negativa
y:
P(D) = 0.03 P(TID) = 0.90

P(D') = 0.97 P(TI D ' ) = 0.02
Al utilizar la ecuación (4.9) de la página 159,
P(TID)P(D )
P(D 1 T) - - - - - - - - - -
P(Ti D)P(D) + P(Ti D')P(D')
(0.90)(0.03)
(0.90)(0.03) + (0.02)(0.97)
0.0270 0.0270
0.0270 + 0.0194 0.0464
= 0.582
La probabilidad de que la enfermedad esté realmente presente, dado que ocurrió un resultado
positivo (el cual indica que la enfermedad está presente), es de 0.582. En la tabla 4.5 se resume el
cálculo de las probabilidades y en la figura 4.6 se presenta el árbol de decisión.
TABLA 4.5 Evento D.1 Probabilidad Probabilidad Probabilidad

previa condicional conjunta Probabilidad revisada
Cálculos del
teorema de Bayes P(D;) P(TI D;) P(T 1 D¡)P(D¡) P(D; 1 T)
para el problema D =tiene la 0.03 0.90 0.0270 P(D 1 T) = 0.0270/0.0464
de diagnóstico enfermedad = 0.582
médico P(D' 1 T) = 0.0194/0.0464
D' = no tiene la 0.97 0.02 0.0194
enfermedad 0.0464 = 0.418
FIGURA 4.6
P(Dy T) =P(TID) P(D)
Árbol de decisión = (0.90) (0.03) = 0.0270
para el problema
de diagnóstico P(D) = 0.03
médico P(Dy T') = P(T'ID) P(D)

= (0.1O) (0.03) = 0.0030
P(O' y T) = P( TI O' ) P(O' )

= (0.02) (0.97) = 0.0194
P(D') = 0.97
P(D' y T') = P( T'ID' ) P(O' )

= (0.98) (0.97) = 0.9506
El denominador en el teorema de Bayes representa P(T) , la probabilidad de un resultado de

prueba positivo, que en este caso es 0.0464 o 4.64%.
PIENSE EN LO SIGt..JIEN:VE La Divina Providencia y el correo basura

¿Supondría que los ensayos Divina benevolencia: o un mensaje legítimo (llamado "ham " en este con- ban el hecho de que las probabilidades condiciona-
un intento de probar que el principal fin de la Divina texto). Primero necesitaríamos agregar al programa les se actualizan constantemente, y que las
Providencia es la felicidad de sus criaturas y Un de correo electrónico un "filtro de correo no de- palabras que alguna vez se consideraron "buenas"
ensayo sobre la resolución de problemas en la seado" que tenga la capacidad de rastrear frecuen- pronto serían descartadas como tales por el filtro
doctrina del azar fueron escritos por la misma per- cias de palabras asociadas con mensajes deseados conforme aumente su valor P(AIB) . De la misma
sona? Probablemente no, y con eso se ilustra una y no deseados, según los identificamos de manera forma, a medida que las palabras "extrañas " se
aplicación moderna de la estadística bayesiana: el cotidiana. Esto permitiría que el filtro actualice cons- volvían más comunes en el correo no deseado,
correo basura o los filtros del correo no deseado. tantemente las probabilidades previas necesarias pero seguían siendo poco comunes en el correo
Es probable que no haya adivinado debido a para utilizar el teorema de Bayes. Con esas probabili- deseado, actuaban como las variantes mal escritas
que observó las palabras en los títulos de los ensa- dades, el filtro "preguntaría": "¿Cuál es la probabilidad que otros habían probado anteriormente.
yos y concluyó que hablaban de dos asuntos dife- de que un correo electrónico sea basura, dada la Aun entonces, y quizá después de leer sobre
rentes. Una regla implícita que utilizó es que las presencia de cierta palabra?". la estadística bayesiana, quienes envían correo ba-
frecuencias de las palabras varían de acuerdo con La aplicación de los términos de la ecuación sura pensaron que insertando palabras aleatorias
la materia. Es muy probable que un ensayo sobre (4.9) de la página 159 como un filtro bayesiano en sus mensajes podrían "romper" los filtros baye-
estadística incluyera la palabra estadística, además para el correo no deseado multiplicaría la probabili- sianos. Esas palabras aleatorias afectarían el filtro
de términos como probabilidad, problema y solu- dad de encontrar la palabra en un correo basura, al provocar que detectara muchas palabras con un
ción. Es más probable que un ensayo del siglo XVIII R:AIB), por la probabilidad de que el correo sea no valor P(AIB) bajo. El filtro bayesiano empezaría a
sobre teología y religión incluyera los términos Di- deseado, R:B), y luego dividiría el resultado entre la etiquetar muchos mensajes no deseados como de-
vina y Providencia con mayúsculas. probabilidad de encontrar la palabra en un correo seados, perdiendo así su uso práctico . Sin em-
De la misma forma, seguramente usted con- electrónico, el denominador en la ecuación (4.9) . bargo, de nueva cuenta estos individuos pasaron
sideraría que algunas palabras tienen muy pocas Los filtros de correo no deseado bayesianos tam- por alto el hecho de que las probabilidades condi-
probabilidades de aparecer en cualquiera de los bién utilizan atajos al enfocarse en un pequeño cionales se actualizan constantemente.
dos libros mencionados (por ejemplo, los términos conjunto de palabras que tienen una alta probabili- Otros individuos que envían correo basura
técnicos de las finanzas), en tanto que es muy pro- dad de aparecer en un mensaje no deseado, y al decidieron eliminar todas o la mayoría de las pala-
bable que otras estén incluidas en ambos (términos enfocarse en un pequeño conjunto de otras palabras en sus mensajes y reemplazarlas con gráficos,
comunes como un, y y /a). Términos como probable bras que tienen pocas probabilidades de encon - de manera que los filtros bayesianos tuvieran muy
o improbable sugieren una aplicación de la teoría trarse en un mensaje no deseado. pocas palabras para formar probabilidades condi-
de la probabilidad. Desde luego, probable e impro- Cuando los individuos que envían correo ba- cionales. Pero este método también falló, ya que
bable son conceptos imprecisos, y en ocasiones sura se enteraron de la existencia de esos nuevos los filtros bayesianos se rescribieron para conside-
podríamos clasificar de forma incorrecta un ensayo filtros, trataron de superarlos. Al aprender que los fil- rar otros elementos, además de las palabras, en un
si consideramos las cosas con tanta simplicidad, tros bayesianos podrían estar asignando un valor mensaje. Después de todo, el teorema de Bayes se
basándonos únicamente, por ejemplo , en la pre- P(AIB) elevado a palabras que se encuentran de refiere a eventos y los "gráficos presentes sin
sencia de las palabras Divina y Providencia. manera común en el correo basura, como Viagra, texto" constituyen un evento tan válido como "al-
Por ejemplo, la descripción del difunto Harris pensaron que podrían engañar al filtro escribiendo guna palabra, X, presente en un mensaje" . Otros
Milstead, mejor conocido como Divino, la estrella la palabra de otra forma, como Vi@gr@ o V1 agra. trucos futuros fallarán también por la misma razón.
de Hairspray y otras películas, sobre su visita a Pro- Lo que no tomaron en cuenta fue que las variantes (Por cierto, los filtros de correo no deseado también
videncia (en Rhode lsland), con toda certeza no se- mal escritas en un mensaje de correo no deseado utilizan técnicas no bayesianas, lo que dificulta aún
ría un ensayo sobre teología. Pero si ampliáramos tenían más probabilidades de ser encontradas que más la vida de quienes envían correo basura).
el número de palabras que examinamos y encon- la palabra original. De esta manera, las variantes Los filtros bayesianos de correo no deseado son
tráramos términos como película o el nombre John mal escritas facil itaron a los filtros bayesianos la un ejemplo de la manera inesperada en que las apli-
Waters (quien dirigió al Divino en muchas pelícu- búsqueda de correo basura. caciones de la estadística pueden aparecer en la vida
las), probablemente nos daríamos cuenta con rapi- Otros individuos que envían correo basura cotidiana. Conforme lea este libro descubrirá más
dez de que el ensayo se relaciona con el cine del trataron de engañar a los filtros agregando "bue- ejemplos. Por cierto, el autor de los dos ensayos men-
siglo xx y no con teología y religión. nas" palabras que tendrían pocas probabilidades cionados anteriormente es Thomas Bayes, que es mu-
Podemos utilizar un proceso similar al tratar de de aparecer en un mensaje no deseado, o palabras cho más famoso por el segundo ensayo que por el
clasificar un nuevo mensaje de correo electrónico en "extrañas" que no se encuentran con frecuencia en primero, un intento fallido de utilizar las matemáticas
la bandeja de entrada como correo basura o como los mensajes. Sin embargo, estas personas ignora- y la lógica para demostrar la existencia de Dios.

APRENDIZAJE DE LOS FUNDAMENTOS un resultado positi vo si la enfermedad no está presente se
4.30 SiP(B ) = 0.05 , P(A lB)= 0.80,P(B') = 0.95 y reduce de 0.02 a 0.0 l .
a) Si la prueba de diagnóstico médico ha dado un resultado
P(A 1 B') = 0.40, calcule P(B 1 A).
posi tivo (indic ando qu e la enfermedad está presente),
4.31 SiP(B ) = 0.30, P(A 1 B) = 0. 60, P( B') = O.70 y ¿cuál es la probabilidad de que la enfermedad esté real-
P(A 1 B') = 0.50, calcule P(B 1 A). mente presente?
b) Si la prueba de diagnósti co médico ha dado un resultado
APLICACIÓN DE CONCEPTOS negativo (indicando que la enfermedad no está presente),
4.32 En el ej emplo 4.1O de la página 160, suponga que la ¿cuál es la probabilidad de que la enfermedad no esté
probabilidad de que una prueba de di agnóstico médi co dé presente?
4.4 Reglas de conteo 163
4.33 Un ejecutivo de publicidad está estudiando los hábi- a) Si se selecciona un empresario al azar, y ese individuo
tos de hombres y mujeres casados de ver la televisión du- espera que su nuevo negocio tenga 20 empleados o más
rante el horario estelar. Con base en registros previos de los en cinco años, ¿cuál es la probabilidad de que este indivi-
hábitos de ver la televisión, el ejecutivo ha determinado que duo sea un empresario por decisión?
los esposos están viendo la televisión durante el horario es- b) Analice varias razones por las que los empresarios por
telar 60% del tiempo. Cuando el esposo está viendo la tele- decisión podrían tener más probabilidades que los em-
visión, el 40% del tiempo la esposa también la está viendo. presarios por necesidad de creer que su empresa crecerá.
Cuando el esposo no está viendo la televisión, el 30% del
4.36 El editor de una editorial de libros de texto está tra-
tiempo la esposa la está viendo.
tando de decidir si publicará un libro de estadística para nego-
a) Calcule la probabilidad de que si la esposa está viendo la
cios. La información sobre libros anteriores publicados indica
televisión, el esposo también la esté viendo.
que 10% ha tenido gran éxito, 20% ha tenido un éxito mode-
b) Calcule la probabilidad de que la esposa esté viendo la
rado, 40% no ha registrado pérdidas y 30% ha arrojado pérdi-
televisión durante el horario estelar.
das. Sin embargo, antes de tomar una decisión respecto a
í/AUTOl 4 .34 Olive Construction Company está determi- publicarlo o no, se hará una revisión del libro. En el pasado,
1111111 nando si debe presentar una licitación para un 99% de los libros que tuvieron mucho éxito recibieron rese-
nuevo centro comercial. En el pasado, el principal competi- ñas favorables, 70% de los libros que tuvieron un éxito mode-
dor de Olive, Base Construction Company, ha presentado rado recibieron reseñas favorables, 40% de los libros que no
licitaciones 70% de las veces. Si Base Construction Com- registraron pérdidas recibieron reseñas favorables, y 20% de
pany no presenta una licitación para un trabajo, la probabili- los libros que tuvieron pérdidas recibieron reseñas favorables.
dad de que Olive Construction Company gane la licitación a) Si el libro de texto propuesto recibe una reseña favora-
es de 0.50. Si Base Construction Company presenta una li- ble, ¿de qué manera el editor debe revisar las probabili-
citación para un trabajo, la probabilidad de que Olive Cons- dades de los diversos resultados para tomar en cuenta
truction Company lo consiga es de 0.25. esta información?
a) Si Olive Construction Company consigue el trabajo, b) ¿Qué proporción de los libros de texto reciben reseñas
¿cuál es la probabilidad de que Base Construction Com- favorables?
pany no presente una licitación?
4 .37 Un servicio de bonos de inversión municipales tiene
b) ¿Cuál es la probabilidad de que Olive Construction Com-
tres categorías de calificación (A, By C). Suponga que el año
pany consiga el trabajo?
anterior, de los bonos de inversión municipales emitidos en
4.35 A los trabajadores despedidos que se convierten en todo Estados Unidos, 70% recibió la calificación A, 20% reci-
empresarios porque no pueden encontrar un empleo signifi- bió la calificación B, y 10% recibió la calificación C. De los
cativo en otra empresa se les conoce como empresarios por bonos municipales con la calificación A, 50% fue emitido por
necesidad. The Wall Street Journal informa que los empre- ciudades, 40% por suburbios y 10% por áreas rurales. De los
sarios por necesidad tienen menos probabilidades de que su bonos municipales con la calificación B, 60% fue emitido por
empresa crezca que los empresarios por decisión (J. Bailey, ciudades, 20% por suburbios y 20% por áreas rurales. De los
"Desire -More Than Need- Builds a Business", The Wall certificados municipales con la calificación C, 90% fue emi-
Street Journal, 21 de mayo de 2001, p. B4). Este artículo tido por ciudades, 5% por suburbios y 5% por áreas rurales.
afirma que 89% de los empresarios en Estados Unidos lo a) Si una ciudad emite un nuevo bono de inversión municipal,
son por decisión y que 11% son empresarios por necesidad. ¿cuál es la probabilidad de que reciba la calificación A?
Solo 2% de los empresarios por necesidad esperan que su b) ¿Qué proporción de los bonos municipales son emitidos
nuevo negocio tenga 20 o más empleados en cinco años, por ciudades?
mientras que 14% de los empresarios por decisión esperan e) ¿Qué proporción de los bonos municipales son emitidos
tener 20 o más empleados en cinco años. por suburbios?
4.4 Reglas de conteo

En la ecuación (4.1) de la página 142, la probabilidad de ocurrencia de un resultado se definió
como el número de maneras en que ocurre el resultado, dividido entre el número total de resultados
posibles. A menudo existe una gran cantidad de resultados posibles y es dificil determinar el nú-
mero exacto. Para tales circunstancias se han creado reglas que permiten contar el número de resul-
tados posibles. Esta sección presenta cinco diferentes reglas de conteo.
Regla de conteo 1
La regla de conteo 1 determina el número de resultados posibles para un conjunto de eventos mu-
tuamente excluyentes y colectivamente exhaustivos.
REGLA DE CONTEO 1
Si cualquiera de k eventos diferentes mutuamente excluyentes y colectivamente
exhaustivos puede ocurrir en cada uno de n ensayos, el número de resultados posibles es
igual a:
(4.10)
Por ejemplo, utilizando la ecuación (4.1 0), el número de diferentes resultados posibles a1lan-
zar una moneda con dos caras cinco veces es 25 = 2 X 2 X 2 X 2 X 2 = 32.
EJEMPLO 4.11 Suponga que lanza un dado en dos ocasiones. ¿Cuántos posibles resultados diferentes pueden
ocurrir?
Lanzamiento de
un dado dos veces SOLUCIÓN Si un dado con seis caras se lanza en dos ocasiones, usando la ecuación (4.10), el
número de resultados diferentes es 62 = 36.
Regla de conteo 2
La segunda regla de conteo es una versión más general de la primera y permite que el número de
eventos posibles difieran de un ensayo a otro.
REGLA DE CONTEO 2
Si hay k 1 eventos en el primer ensayo, k 2 eventos en el segundo ensayo, ... , y k 11 eventos
en el n-ésimo ensayo, entonces el número de resultados posibles es:
(4.11)
Por ejemplo, a la administración de un departamento estatal de vehículos automotores le gus-

taría saber cuántos números de placas están disponibles, considerando que el número de una placa
consta de tres letras (recuerde que el abecedario del inglés no incluye la ñ) seguidas por tres núme-
ros (de O a 9). Usando la ecuación (4.11 ), si una placa consta de tres letras seguidas por tres números,
el número total de resultados posibles es (26)(26)(26)(1 O)( 10)(1 O) = 17,576,000
EJEMPLO 4.12 El menú de un restaurante tiene una comida completa a precio fijo que consta de una entrada, un
plato fuerte , una bebida y un postre. Usted puede elegir entre 5 entradas, 1O platos fuertes , 3 bebi-
Determinación del
das y 6 postres. Determine el número total de menús posibles.
número de comidas
diferentes SOLUCIÓN Si utiliza la ecuación (4.11), el número total de menús posibles es (5)(10)(3)(6) = 900.
Regla de conteo 3
La tercera regla de conteo permite calcular el número de maneras en que se puede ordenar un con-
junto de elementos.
4.4 Reglas de conteo 165
REGLA DE CONTEO 3
El número de maneras en que se puede ordenar todos lós n elementos es:
n! = (n)(n- 1) ... (1) (4.12)
donde n! se denominan factorial y O! se define como l.
-------------------------
EJEMPLO 4.13 Si un conjunto de seis libros se colocara en una repisa, ¿de cuántas maneras se podrían ordenar los
seis libros?
Uso de la regla
de conteo 3 SOLUCIÓN Para empezar, debe tener claro que cualquiera de los seis libros podría ocupar el pri-
mer espacio en la repisa. Una vez que se cubre el primer espacio, se puede elegir entre cinco libros
para ocupar el segundo espacio. Se continúa con este procedimiento de ordenamiento hasta que todos
los espacios estén ocupados. El número de maneras en que se pueden ordenar seis libros es:
n! = 6! = (6) ( 5) ( 4) ( 3) ( 2) ( 1) = 720
Regla de conteo 4
En muchos casos necesitamos conocer el número de maneras en que un subconjunto de un grupo
completo de elementos se puede acomodar en orden. Cada arreglo posible se conoce como permu-
tación .
REGLA DE CONTEO 4: PERMUTACIONES

La cantidad de maneras de acomodar en orden x objetos seleccionados den objetos es:
r¡P = - n!-- (4.13)

X (n-x)!
donde:
n = número total de objetos
1
En muchas ca lculadoras x =número de objetos a ordenar
científicas, existe un botón
con la función nPr, la cual n! = n factorial = n(n - 1) ... (1)
permite calcular permutacio-
nes. El símbolo r se utiliza en P =símbolo para permutaciones 1
lugar de x.
EJEMPLO 4.14 Modificando el ejemplo 4.13, si se tienen seis libros, pero en el entrepaño solo hay espacio para
cuatro, ¿de cuántas maneras podrá acomodar estos libros en el entrepaño?
Uso de la regla
de conteo 4 SOLUCIÓN Utilizando la ecuación (4.13), el número de arreglos ordenados de cuatro libros
seleccionados a partir de seis libros es igual a:
n! 6! ( 6) ( 5) ( 4) ( 3) ( 2) ( 1 ) = 3 60
r¡P- - - --
X- (n- x)! - (6 - 4)! (2)(1)
Regla de conteo 5
En muchas situaciones, lo que nos interesa no es el orden de los resultados , sino e l número de
maneras en que x elementos se pueden seleccionar a partir de n elementos, sin importar el orden.
A cada selección posible se le llama combinación.
REGLA DE CONTEO 5: COMBINACIONES

El número de maneras de seleccionar x objetos a partir de n objetos, sin importar el
orden, es igual a:
n!
ncx = ---- (4.14)
x!(n - x)!
donde:
n = número total de objetos
2
En mucha s calculadoras x = número de objetos a ordenar
científicas, existe un botón
con la función nCr, la cual n! = n factorial= n(n - 1) ... (1)
permite calcular combinacio-
nes . El símbolo r se utiliza e= símbolo para combinaciones2
en lugar de x.
Si comparamos esta regla con la regla de conteo 4, vemos que la única diferencia es que esta
incluye un término x! en el denominador. Cuando se utilizaron permutaciones, todos los arreglos
de los x objetos eran distinguibles. En el caso de las combinaciones, los x! arreglos de objetos posi-
bles son irrelevantes.
EJEMPLO 4.15 Modificando el ejemplo 4.14, si el orden de los libros en el entrepaño es irrelevante, ¿de cuántas
maneras se pueden acomodar esos libros en él?
Uso de la regla
de conteo 5 SOLUCIÓN Utilizando la ecuación (4.14), el número de combinaciones de cuatro libros selec-
cionados a partir de los seis libros es igual a:
n! 6! (6)(5)(4)(3)(2)(1)
ncx = - --- 15
x!(n - x)! 4!(6- 4)! (4)(3)(2)(1)(2)(1)

APLICACIÓN DE CONCEPTOS e) Analice las diferencias entre sus respuestas a los incisos
I/AUTOl 4.38 Si hay 1O preguntas de opción múltiple en a) y b) .
1111!!11 un examen, cada una con tres respuestas posibles, 4.41 Una marca específica dejeans para dama está dispo-
¿cuántas secuencias diferentes de respuestas existen? nible en siete tallas diferentes, en tres colores distintos y en
4.39 La cerradura de la caja fuerte de un banco consta de tres esti los diferentes. ¿Cuántosjeans diferentes para dama
tres discos, cada uno con 30 posiciones. Para que la caja necesita ordenar el gerente de la tienda para tener un par de
cada tipo?
fuerte se abra, cada uno de los tres discos debe estar en la
posición correcta. 4.42 A usted le gustaría preparar una ensalada que consta
a) ¿Cuántas combinaciones diferentes posibles de los discos de lechuga, jitomate, pepino y pimiento. Va al supermer-
hay en esta cerradura? cado con la intención de comprar una variedad de cada uno
b) ¿Cuál es la probabilidad de que, si se elige al azar una pode esos ingredientes. Descubre que en el supermercado se
sición en cada disco, se logre abrir la caja fuerte del banco? venden ocho variedades de lechuga, cuatro variedades de ji-
e) Explique por qué las "combinaciones de discos" no son tomates, tres variedades de pepinos y tres variedades de
las combinaciones matemáticas expresadas por la ecua- pimientos. Si compra todas, ¿cuántas ensaladas diferentes
ción (4.14). podría preparar?
4.40 a) Si una moneda se lanza siete veces, ¿cuántos resul- 4.43 Se forma un equipo que incluye cuatro personas. En
tados diferentes son posibles? los equipos hay cuatro puestos diferentes. ¿De cuántas ma-
b) Si un dado se lanza siete veces, ¿cuántos resultados dife- neras diferentes podría asignar a las cuatro personas para los
rentes son posibles? cuatro puestos?
4.5 Cuestiones éticas y probabilidad 167
4.44 En el béisbol de las Grandes Ligas hay cinco equipos 4.48 Se elegirán cuatro miembros de un grupo de 1O per-
en la división oriental de la Liga Nacional: Atlanta, Florida, sonas para formar un equipo. ¿De cuántas maneras se puede
Nueva York, Filadelfia y Washington. ¿Cuántos arreglos di- seleccionar a esos cuatro miembros?
ferentes de finales existen para esos cinco equipos? (Su-
4.49 Un estudiante tiene siete libros que quisiera colocar
ponga que no hay empates en las posiciones). ¿Cree que
en su mochila. Sin embargo, solo hay espacio para cuatro
todos estos arreglos tienen las mismas probabilidades? Ana-
libros. Sin importar el orden, ¿de cuántas maneras se pue-
lice su respuesta.
den colocar cuatro libros en la mochila?
4.45 Remítase al problema 4.44. ¿Cuántos arreglos diferen-
4.50 Se lleva a cabo una lotería diaria en la que se selec-
tes de finales son posibles para los primeros cuatro lugares?
cionan dos números ganadores de un total de 100 números.
4.46 Un jardinero tiene seis filas disponibles en su horta- ¿Cuántas combinaciones diferentes de números ganadores
liza para sembrar jitomates, berenjenas, pimientos, pepinos, son posibles?
frijoles y lechuga. Cada verdura puede ocupar una y solo
4.51 Una lista de lectura para un curso contiene 20 artícu-
una fila. ¿De cuántas maneras se pueden colocar estas ver-
los. ¿De cuántas maneras se pueden elegir 3 artículos de
duras en la hortaliza?
esta lista?
4.47 En un equipo hay ocho miembros. ¿De cuántas mane-
ras se puede seleccionar a un líder del equipo, un auxiliar
del líder y un coordinador?
4.5 Cuestiones éticas y probabilidad

Las cuestiones éticas surgen cuando se presenta al público cualquier afirmación relacionada con la
probabilidad, especialmente cuando esa afirmación forma parte de una campaña publicitaria para
un producto o servicio. Por desgracia, muchas personas no se sienten cómodas con conceptos nu-
méricos (véase la referencia 5) y tienden a malinterpretar el significado de la probabilidad. En al-
gunos casos, la mala interpretación no es intencional, pero en otros, la publicidad podría violar la
ética y tratar de confundir a los posibles clientes de manera deliberada.
Un ejemplo de una aplicación de la probabilidad que podría violar la ética se relaciona con la
publicidad de las loterías estatales. Al comprar un billete de lotería, el cliente selecciona un con-
junto de números (por ejemplo, 6) de una lista más grande (por ejemplo, 54). Aunque casi todos los
participantes saben que es muy poco probable que ganen la lotería, en realidad tienen una idea muy
vaga de lo improbable que es seleccionar los 6 números ganadores de la lista de 54 números, y tie-
nen una idea aún más vaga de la probabilidad de ganar un premio de consolación seleccionando 4
o 5 números ganadores.
Con base en lo anterior, podríamos considerar que el comercial que una lotería estatal difundió
hace poco, en el cual afirmaba "No nos detendremos hasta convertir a todos en millonarios", es
engañoso y poco ético. ¿Cree que la administración estatal tiene la intención de cancelar alguna
vez la lotería, considerando que depende de ella para llenar sus arcas con millones de dólares? ¿Es
posible que la lotería pueda convertir a todos en millonarios? ¿Es ético sugerir que el objetivo de la
lotería es convertir a todos en millonarios?
Otro ejemplo de una aplicación que podría ser poco ética se relaciona con un boletín informa-
tivo de inversiones que prometía un rendimiento de 20% con una probabilidad de 90%. Para lograr
que la afirmación en el boletín sea ética, el servicio de inversión necesita: a) explicar las bases de
esta estimación de probabilidad; b) presentar la afirmación de probabilidad en otro formato, como
9 posibilidades en 10; y e) explicar qué le ocurre a la inversión en ellO% de los casos en los que no
se logra el 20% de rendimiento (por ejemplo, ¿se pierde toda la inversión?).
Estos son problemas éticos graves. Si tuviera que crear un anuncio para la lotería estatal, que
describa de forma ética la probabilidad de ganar cierto premio, ¿qué diría? Si tuviera que crear un
anuncio para el boletín informativo de inversiones que ofrezca de manera ética la probabilidad de
un rendimiento de 20%, ¿qué diría?
En M&R Electronics World, Revisión
e
omo gerente de marketing de M&R Electronics World, usted
está analizando los resultados de la encuesta de un estudio
sobre los planes de compra. En el estudio se preguntó a los
jefes de 1,000 familias sobre sus planes para comprar un tele-
visor de pantalla grande durante los siguientes 12 meses . A modo de
seguimiento, usted planea aplicar una encuesta a las mismas personas 12
© Al an Levenson 1 Corbi s meses después para saber si adquirieron televisores. Además de obtener
esta información, le gustaría saber si el televisor que compraron tiene una frecuencia de actualiza-
ción rápida, si también compraron un reproductor de discos Blu-ray en los últimos 12 meses y si
están satisfechos con el televisor de pantalla grande que adquirieron.
Al analizar los resultados de esas encuestas, descubrió mucha información valiosa que le ayu-
dará a planear una estrategia de marketing para aumentar las ventas, que esté más enfocada a los
hogares con mayores probabilidades de adquirir un mayor número de productos o artículos más
costosos. Mientras que solo 30% de las familias en realidad compraron un televisor de pantalla
grande, si una familia indicó que planeaba adquirir un televisor de este tipo en los 12 meses si-
guientes, la probabilidad de que realmente lo comprara era de 80%. Por consiguiente, la estrategia
de marketing debe dirigirse a las familias que han indicado un plan de compra.
Usted determinó que había 47.5% de probabilidad de que las familias que compraron un televisor
con frecuencia de actualización rápida también adquirieran un reproductor de discos Blu-ray. Des-
pués comparó esta probabilidad condicional con la probabilidad marginal de comprar un reproductor de
discos Blu-ray, que era de 36%. Así, las familias que adquirieron un televisor con una frecuencia de ac-
tualización rápida tienen más probabilidades de adquirir un reproductor de discos Blu-ray que las fami-
lias que compraron un televisor de pantalla grande con una frecuencia de actualización estándar.
También aplicó el teorema de Bayes a los informes sobre la investigación de mercados de M&R
Electronics World. Los informes investigan el potencial de comercialización de un nuevo modelo de
televisor antes de programar su lanzamiento. Si el informe del estudio era favorable, la probabilidad
de que el nuevo modelo tuviera éxito era de 64%. Sin embargo, si el infonne era desfavorable, solo
había 16% de probabilidades de que el modelo tuviera éxito. Por lo tanto, la estrategia de marketing
de M&R debe observar con cuidado si la conclusión del informe es favorable o desfavorable.
RESUMEN
Este capítulo inició con el desarrollo de los conceptos bá- dades que antes ya se habían calculado con base en nueva
sicos de la probabilidad. Aprendimos que la probabilidad información. También se describieron varias reglas de con-
es un valor numérico entre O y 1, el cual representa la pro- teo. A lo largo del capítulo se utilizaron tablas de contingen-
babilidad o posibilidad de que ocurra un evento en particu- cia y árboles de decisión para mostrar información. En el
lar. Además de la probabilidad simple, estudiamos las siguiente capítulo se estudiarán importantes distribuciones
probabilidades condicionales y los eventos independien- de probabilidad discretas, como la distribución binomial y
tes. Se utilizó el teorema de Bayes para revisar probabili- la de Poisson.
ECUACIONES CLAVE
Probabilidad de ocurrencia Probabilidad condicional
X P(Ay B)
Probabilidad de ocurrencia= T (4.1) P(A 1 B) (4.4a)
P(B)
Probabilidad marginal P(Ay B)
P(BIA) (4.4b)
P(A) = P(Ay B 1) + P(A y B2 ) P(A)
+ ·· · + P(AyBk) (4.2)
Regla general de la suma 1ndependencia
P(A o B) = P(A) + P(B) - P(Ay B) (4.3) P(A lB)= P(A) (4.5)

Problemas de repaso del capítulo 169
Regla general de la multiplicación Regla de conteo 1

P(A y B) = P(A 1 B)P(B) (4.6) ¡¿' (4.10)
Regla de la multiplicación para eventos independientes Regla de conteo 2

P(A y B) = P(A)P(B) (4.7) (4.11)
Probabilidad marginal utilizando la regla general Regla de conteo 3

de la multiplicación
n! = (n)(n- 1) . . . (1) (4.12)
P(A) = P(AIB 1)P(B 1) + P(AIB 2 )P(B2 )
+ · · · + P(A 1Bk)P(Bk) (4.8)
Regla de conteo 4: Permutaciones
Teorema de Bayes n!
,¡> = - - - (4.13)
P(B¡ IA) = X (n-x)!
P(A 1 B¡)P(B¡) Regla de conteo 5: Combinaciones
+ P(A 1 Bk)P(Bk) n!
(4.14)
(4.9)
TÉRMINOS CLAVE
árbol de decisión 152 eventos colectivamente exhaustivos probabilidad simple 145
combinación 165 147 probabilidad subjetiva 143
complemento 143 eventos mutuamente excluyentes 147 regla de la multiplicación para
diagrama de Venn 144 independencia 154 eventos independientes 156
espacio muestra! 144 permutación 165 regla general de la multiplicación
evento 143 probabilidad 142 155
evento certero 142 probabilidad a priori 142 regla general de la suma 148
evento conjunto 143 probabilidad condicional 151 tabla de contingencia 134
evento imposible 142 probabilidad conjunta 146 teorema de Bayes 159
evento simple 143 probabilidad empírica 143
PROBLEMAS DE REPASO DEL CAPÍTULO

VERIFIQUE SU COMPRENSIÓN APLICACIÓN DE CONCEPTOS
4.52 ¿Qué diferencia hay entre la probabilidad a priori, la 4.60 Una encuesta realizada por el Pew Research Center
probabilidad empírica y la probabilidad subjetiva? ("Snapshots: Goals of 'Gen Next' vs. ' Gen X'". USA Today,
27 de marzo de 2007, p. lA) indicó que una de las metas de
4.53 ¿Qué diferencia hay entre un evento simple y un evento
81 % de las personas que tienen entre 18 y 25 años de edad
conjunto?
es volverse rico, a diferencia del 62% de las personas que
4.54 ¿Cómo se puede utilizar la regla general de la suma para tienen entre 26 y 40 años. Suponga que la encuesta se basó
calcular la probabilidad de ocurrencia del evento A o B? en 500 participantes de cada uno de los dos grupos.
a) Construya una tabla de contingencia.
4.55 ¿Qué diferencia hay entre los eventos mutuamente ex-
b) Dé un ejemplo de un evento simple y de un evento conjunto.
cluyentes y los eventos colectivamente exhaustivos?
e) ¿Cuál es la probabilidad de que un participante seleccio-
4.56 ¿Cómo se relaciona la probabilidad condicional con el nado al azar tenga la meta de volverse rico?
concepto de independencia? d) ¿Cuál es la probabilidad de que un participante seleccio-
nado al azar tenga la metá de volverse rico y que perte-
4.57 ¿En qué difieren la regla de la multiplicación para
nezca al grupo de indi viduos que tienen entre 26 y 40
eventos que son independientes y eventos que no Jo son?
años de edad?
4.58 ¿Cómo podría utilizar el teorema de Bayes para revisar e) ¿Los eventos " grupo de edad" y " la meta de volverse
probabilidades a partir de nueva información? rico" son independientes? Explique su respuesta.
4.59 En el teorema de Bayes, ¿en qué difiere la probabilidad 4.61 El dueño de un restaurante que sirve platillos estilo
anterior de la probabilidad revisada? continental estaba interesado en estudiar los patrones de los
clientes para ordenar durante el fin de semana, del viernes al d) sea hombre y prefiera ordenar la cena desde el automóvil?
domingo. Se llevaron registros que indicaron la demanda de e) Si la persona seleccionada es mujer, ¿cuál es la probabilidad
postres durante el mismo periodo. El dueño decidió estudiar de que prefiera ordenar el desayuno desde el automóvil?
otras dos variables, junto con la orden de un postre: el gé- 4.63 Según una encuesta Gallup, las empresas cuyos em-
nero del individuo y si ordenó un plato fuerte con carne de pleados se involucran con su lugar de trabajo son más innova-
res. Los resultados fueron los siguientes: doras, productivas y rentables, y tienen una menor rotación
de personal. Una encuesta de 1,895 trabajadores en Alemania
GÉNERO reveló que 13% de ellos estaban involucrados, que 67% no
POSTRE ORDENADO Hombre Mujer Total estaba involucrado y que 20% estaba activamente desconec-
Sí 96 40 136 tado. La encuesta también señaló que 48% de los trabajadores
No 224 240 464 involucrados se mostró totalmente de acuerdo con la siguiente
-- afirmación: "Mi trabajo actual me permite manifestar mis
Total 320 280 600
ideas más creativas". Solo 20% de los trabajadores no involu-
crados y 3% de los trabajadores activamente desconectados
PLATO FUERTE CON RES estuvieron de acuerdo con esta afirmación (datos extraídos de
POSTRE ORDENADO Hombre Mujer Total M. Nink, "Employee Disengagement Plagues Germany",
Sí 71 65 136 Gallup Management Journal, gmj.gallup.com, 9 de abril de
2009). Si se sabe que un trabajador está totalmente de acuerdo
No 116 348 464
-- con la afirmación "Mi trabajo actual me permite manifestar
Total 187 413 600 mis ideas más creativas", ¿cuál es la probabilidad de que el
Un mesero se acerca a una mesa para tomar el pedido de un trabajador esté involucrado?
postre. ¿Cuál es la probabilidad de que el primer cliente de 4.64 Por lo general se considera que los vehículos utilita-
la mesa rios deportivos, las camionetas y las furgonetas tienden más
a) pida un postre? a las volcaduras que los automóviles. En 1997,24.0% de las
b) pida un postre o haya ordenado un platillo fuerte con res? muertes en carretera involucraron volcaduras; 15.8% de
e) sea mujer y no ordene postre? las muertes en 1997 estuvieron relacionadas con vehículos
d) sea mujer o no ordene postre? utilitarios, camionetas y furgonetas, dado que la muerte im-
e) Suponga que la primera persona a la que el mesero le plicó una volcadura. Dado que no se involucró una volea-
toma la orden de un postre es una mujer. ¿Cuál es la pro- dura, 5.6% de todas las muertes estuvieron relacionadas con
babilidad de que no ordene postre? vehículos utilitarios, camionetas y furgonetas (datos extraí-
f) ¿El género y ordenar un postre son independientes? dos de A . Wilde Mathews, "Ford Ranger, Chevy Tracker
g) ¿Ordenar un plato fuerte con carne de res es indepen- Tilt in Test", The Wall Street Journal, 14 de julio de 1999,
diente de que la persona ordene un postre? p . A2). Considere las siguientes definiciones:
4.62 ¿Qué alimento es más probable que la gente ordene A = La muerte involucró un vehículo utilitario,
desde el automóvil? En 2009 se realizó una encuesta, pero una camioneta o una furgoneta.
no se reportó el tamaño de las muestras. Suponga que los B = La muerte involucró una volcadura.
resultados, basados en una muestra de 100 hombres y de a) Utilice el teorema de Bayes para calcular la probabilidad
100 mujeres, son los siguientes: de que una muerte involucre una volcadura, dado que la
muerte involucró un vehículo utilitario, una camioneta o
GÉNERO una furgoneta.
ALIMENTO Hombre Mujer Total b) Compare los resultados del inciso a) con la probabilidad
Desayuno 18 10 28 de que una muerte involucre una volcadura, y comente si
Almuerzo 47 52 99 los vehículos utilitarios, las camionetas y las furgonetas
por lo general tienden más a sufrir accidentes por volea-
Cena 29 29 58
duras que otro tipo de vehículos.
Botana/bebida 6 9 -15
- 4.65 El enzimoinmunoanálisis absorbente (ELISA) es el
Total 100 100 200
tipo de prueba más común para detectar el virus del VIH.
Fuente: Datos extraídos de www.qsrmagazine.com/reports/drive-thru_
time_study/2009/2009 _ charts/whats_your_preferred _ way_ to_ order_ Un resultado positivo en la prueba ELISA indica que el vi-
fast _ food .html. rus del VIH está presente. Para la mayoría de las poblacio-
nes, la prueba ELISA tiene un alto grado de sensibilidad
Si se selecciona a un participante al azar, ¿cuál es la proba- (para detectar la infección) y especificidad (para detectar la
bilidad de que ausencia de infección). (Véase "HIV InSite Gateway to HIV
a) prefiera ordenar el almuerzo desde el automóvil? and AIDS Knowledge", en HIVInsite.ucsf.edu). Suponga
b) prefiera ordenar el desayuno o el almuerzo desde el auto- que la probabilidad de que una persona esté infectada con el
móvil? virus del VIH para cierta población es de 0.015. Si el virus
e) sea hombre o prefiera ordenar la cena desde el automóvil? del VIH está realmente presente, la probabilidad de que la
Caso digital 171
prueba ELISA dé un resultado positivo es de 0.995. Si el a) Seleccione una muestra de estudiantes de licenciatura de
virus del VIH no está realmente presente, la probabilidad de su escuela y realice una encuesta similar.
un resultado positivo de la prueba ELISA es de 0.01. Si la b) Utilice sus datos para construir tablas de contingencia
prueba ELISA dio un resultado positivo, utilice el teorema del género y la carrera, del género y el posgrado de-
de Bayes para calcular la probabilidad de que el virus del seado, del género y la situación laboral, del género y la
VIH realmente esté presente. computadora preferida, de la clase y el posgrado deseado,
de la clase y la situación laboral, de la carrera y el pos-
PROYECTO DE EQUIPO
grado deseado, de la carrera y la situación laboral, y de la
El archivo !:fflffiiMtt!J contiene información sobre tres va- carrera y la computadora preferida.
riables categóricas de una muestra de 184 fondos de bonos. e) Con base en el inciso b), ¿qué concluye con respecto a si
Las variables incluyen: estas variables son independientes?
Tipo. Tipo de fondos de bonos (intermedio gubernamen- d) Compare los resultados del inciso e) con los del inciso b)
tal o corporativo a corto plazo) del problema 4.67.
Cuotas. Cobros por ventas (no o sí)
4.69 El problema 1.28 de la página 14 describe una encuesta
Riesgo. Factor del riesgo de pérdida de los fondos de bonos
que se aplicó a 44 estudiantes de una maestría en administra-
(por debajo del promedio, promedio o por arriba del
ción (los datos están almacenados en el archivo Mftfji@}j).
promedio).
Utilice estos datos para construir tablas de contingencia del
4.66 Construya tablas de contingencia de tipo y cuotas, género y el posgrado, del género y la carrera, del género y la
tipo y riesgo, y cuotas y riesgo. situación laboral, del género y la computadora preferida, del
a) Para cada tabla de contingencia calcule todas las probabi- posgrado y la carrera, del posgrado y la situación laboral, y
lidades condicionales y marginales. del posgrado y la computadora preferida.
b) Con base en el inciso a), ¿qué concluye con respecto a si a) En cada una de estas tablas de contingencia, calcule todas
estas variables son independientes? las probabilidades condicionales y marginales.
BASE DE DATOS DE LA ENCUESTA b) Con base en el inciso b), ¿qué concluye acerca de la inde-
APLICADA A ESTUDIANTES pendencia de las variables?
4.67 En el problema 1.27 de la página 13, se describe una 4. 70 El problema 1.28 de la página 14 describe una en-
encuesta que se aplicó a 62 estudiantes de licenciatura (véase cuesta que se aplicó a 44 estudiantes de una maestría en
el archivo litffil§i41·fiii.@J). Utilice estos datos para construir administración (los datos están almacenados en el ar-
tablas de contingencia del género y la carrera, del género y chivo tCfib)ii¡ll}J).
el posgrado deseado, del género y la situación laboral, del a) Seleccione una muestra de estudiantes de la maestría
género y la computadora preferida, de la clase y el posgrado en administración de su escuela y realice una encuesta
deseado, de la clase y la situación laboral, de la carrera y el similar.
posgrado deseado, de la carrera y la situación laboral, y de la b) Utilice sus datos para construir tablas de contingencia del
carrera y la computadora preferida. género y el posgrado, del género y la carrera, del género
a) En cada una de estas tablas de contingencia, calcule to- y la situación laboral, del género y la computadora prefe-
das las probabilidades condicionales y marginales. rida, del posgrado y la carrera, del posgrado y la situa-
b) Con base en el inciso a), ¿qué concluye con respecto a si ción laboral, y del posgrado y la computadora preferida.
estas variables son independientes? e) Con base en el inciso b), ¿qué concluye con respecto a la
independencia de estas variables?
4.68 En el problema 1.27 de la página 13, se describió una
d) Compare los resultados del inciso e) con los del inciso b)
encuesta aplicada a 62 estudiantes de licenciatura (véase el
del problema 4.69.
archivo UndergradSurvey ).
CASO DIGITAL
Aplique sus conocimientos sobre las tablas de contingencia fusa la aseveración? ¿De qué manera calcularía y estable-
y la aplicación adecuada de las probabilidades simple y cería la probabilidad de tener un índice de rendimiento
conjunta a este caso digital secuencial del capítulo 3. anual no menor a 15%?
2. Con la tabla bajo el encabezado "Show Me The Winning
Abra EndRunGuide.pdf, la "Guía para invertir" de En-
Probabilities", calcule las probabilidades adecuadas para
dRun Financia! Services y lea la información acerca del Pa-
el grupo de inversionistas. ¿Qué error se cometió al
quete de inversión garantizada (PIG). Lea las aseveraciones
reportar la aseveración de 7% de probabilidad?
y examine los datos de respaldo. Luego responda las si-
3. ¿Existe algún cálculo de probabilidad adecuado para ca-
guientes preguntas:
lificar un servicio de inversión? Explique su respuesta.
l. ¿Qué tan precisa es la aseveración sobre la probabilidad
de éxito del PIG de EndRun? ¿En qué aspectos es con-
REFERENCIAS
l. Bellhouse, D. R., 'The Reverend Thomas Bayes, FRS: A 4. Minitab Release 16 (State College, PA. : Minitab, Inc.,
Biography to Celebrate the Tercentenary of His Birth", 2010 ).
Statistical Science, 19 (2004 ), pp. 3-43. 5. Paulos, J. A. lnnumeracy (Nueva York: Hill and Wang,
2. Lowd, D. y C. Meek, "Good Word Attacks on Statistical 1988).
Spam Filters", presentado en la Segunda conferencia so- 6. Silberman, S., "The Quest for Meaning", Wired 8.02, fe-
bre correo electrónico y antispam, CEAS, 2005 . brero de 2000.
3. Microsoft Exce/2010 (Redmond, WA: Microsoft Corp. , 7. Zeller, T., "The FightAgainst Vl @gra (and Other Spam)",
2010). The New York Times, 21 de mayo de 2006, pp. Bl , B6.
Guía del capítulo 4 para Excel 17 3
GE4.1 CONCEPTOS DE PROBABILIDAD Excel en profundidad Utilice la hoja de cálculo

BÁSICA COMPUTE del libro Probabilities como plantilla para
calcular probabilidades básicas (véase la figura GE4.1 a conti-
Probabilidad simple y conjunta y la regla general
de la suma nuación). La hoja de cálculo contiene los datos del compor-
tamiento de compra que se observan en la tabla 4.1 de la
PHStat2 Utilice Simple & Joint Probabilities para calcular página 144. Es.criba sobre estos valores cuando ingrese los
probabilidades básicas. Seleccione PHStat -+ Probability & datos para otros problemas.
Prob. Distributions -+ Simple & Joint Probabilities. El pro- Abra la hoja de cálculo COMPUTE_FORMULAS
cedimiento inserta una hoja de cálculo similar a la de la figura para examinar las fórmulas utilizadas en la hoja de cálculo,
GE4.1 en el libro actual. (A diferencia de otros procedimientos, muchas de las cuales se muestran en el recuadro de la figura
no aparece primero un cuadro de diálogo). Para utilizar la hoja GE4.1.
de cálculo, llene el área Sample Space con sus datos.
F 1GURA G E 4. 1 Hoja de cálculo COMPUTE para el libro Probabilities
$Yfjf!i'ft1ift A ,,. .•...d. . . ..Et . . . . . . .L.......eL........ D ! .. E. .!

ji } !D¡'""""''''"3
¡¡. ¡ Sample S pace ACTUALLY PURCHASEO
Yes No Totals
; ~· PLAN NEO TO PURCHASE Yes 200 50 250
;. No lOO 650 750
!§ ITotals 300 700 1000
9 Simple Probabilities Simple Probabilities

10 ¡P Ves) 0.25 ="P( " & 85 & ")" -E5/ E7
11 1 \P .No 0.75 -"P(" & 86 & ")" -E6/ E7
; 12 iP Yes 0.30 -"P (" & C4 & ")" - C7/ E7
}1 3 ¡P No : 0.70 -"P(" & 04 & ")" -07/ E7
. 14
)5 Joint Probabilities Joint Probabilities
16 i P(Yes and Yes) 0.20 -"P(" & 85 & '' and " & C4 & ")" -C5/ E7
17 ¡P(Yes and No) 0.05 -"P (" & 85 & " and" & 04 & ")" -05/E7
18 !P(No and Yes) 0.10 ="P(" & 86 & " and" & C4 & ")" - C6/E7
19 iP(No and No) 0.65 - "P(" & 86 & "and " & 04 & ")" -06/E7
j20
; 21 Addition Rule Addition Rule
22) P{Yes orYes ) 0.35 -"P (" & 85 & "o r " & C4 & ")" -810 + 812- 816
23 !P(Yes or No) 0.90 ="P(" & 85 & "or" & 04 & ")" =810 + 813 - 817
?~J P ( No orYes) 0.95 ="P(" & 86 & "or" & C4 & ")" -811 + 812 - 818
25 !P(No or No) 0.80 ="P (" & 86 & " or" & 04 & ") '' -811 + 813- B19
GE4.2 PROBABILIDAD CONDICIONAL

Excel no tiene material para esta sección.
ff!i§~JA A. (; j
GE4.3 TEOREMA DE BAYES
Excel en profundidad Utilice la hoja de cálculo
u jBayes T•,~v·~" C.alculations
. B..
º ,§
COMPUTE del libro Bayes como plantilla para calcular

i j· Probabilities
4 Event Prior Conditional Joint Revised
probabilidades básicas (véase la figura GE4.2 a la derecha).
5 : S 0.4 0.8 0.32 0.64
La hoja de cálculo contiene el ejemplo de la comercializa-
6 S' 0.6 0.3 0.18 0.36
ción del televisor que se observa en la tabla 4.4 de la página 7 Total: 0.5 Joint Revised
160. Escriba sobre esos valores cuando ingrese los datos de
=85 * C5 =05/$0$7
otros problemas.
=86 * C6 =06/$0$7
Abra la hoja de cálculo COMPUTE_FORMULAS =D5 +06
para examinar las fórmulas aritméticas sencillas que calcu-
lan las probabilidades que también se observan en el recua- F 1G U R A G E 4 . 2 Hoja de cálculo COMPUTE del
dro de la figura GE4.2 libro Bayes
17 4 CAPÍTULO 4 Probabilidad básica
GE4.4 REGLAS DE CONTEO número de formas en que se pueden ordenar n elementos.

Por ejemplo, la fórmula FACT(6) calcula 6!
Regla de conteo 1
Excel en profundidad Utilice la función de la hoja de Regla de conteo 4
cálculo POWER(k, n) en una fórmula de celda para calcular Excel en profundidad Utilice la función de la hoja de
el número de resultados, dados k eventos y n ensayos . Por cálculo PERMUT(n, x) en una fórmula de celda para calcu-
ejemplo, la fórmula =POWER(6, 2) calcula la respuesta lar el número de formas en que se pueden organizar x obje-
para el ejemplo 4.11 de la página 164. tos seleccionados de n objetos, en orden. Por ejemplo, la
fórmula =PERMUT(6, 4) calcula la respuesta para el ejem-
Regla de conteo 2
plo 4.14 de la página 165.
Excel en profundidad Utilice una fórmula que tome el
producto de funciones POWER(k, n) sucesivas para resol- Regla de conteo S
ver problemas relacionados con la regla de conteo 2. Por Excel en profundidad Utilice la función de la hoja de
ejemplo, la fórmula =POWER(26, 3) * POWER(lO, 3) cálculo COMBIN(n, x) en una fórmula de celda para calcu-
calcula la respuesta para el ejemplo sobre el departamento lar el número de formas en que se pueden organizar x obje-
estatal de vehículos automotores de la página 164. tos seleccionados de n objetos sin importar el orden. Por
ejemplo, la fórmula =COMBIN(6, 4) calcula la respuesta
Regla de conteo 3
para el ejemplo 4.15 de la página 166.
Excel en profundidad Utilice la función de la hoja de
cálculo FACT{n) en una fórmula de celda para calcular el
GUÍA DEL CAPÍTULO 4 PARA MINITAB
GM4.1 CONCEPTOS DE PROBABILIDAD BÁSICA Si ya ha utilizado la calculadora durante su sesión de Minitab,

tal vez necesite borrar el contenido del cuadro Expression al
Minitab no tiene material para esta sección. seleccionar Jos contenidos y presionar Supr antes de iniciar
el paso 2.
GM4.2 PROBABILIDAD CONDICIONAL
Minitab no tiene material para esta sección.
Calculator
GM4.3 TEOREMA DE BAYES

Expression:
Minitab no tiene material para esta sección.
GM4.4 REGLAS DE CONTEO

Utilice Calculator para aplicar las reglas de conteo. Seleccione
Cale -+ Calculator. En el cuadro de diálogo Calculator
(que se muestra la derecha):
l. Escriba el nombre de la columna de una columna vacía en
el cuadro Store result in variable y luego presione Tab.
2. Elabore la expresión adecuada (como se explica más
adelante en esta sección) en el cuadro Expression. Para
aplicar las reglas de conteo 3 a 5, seleccione Arithme- r•· Assign as a formula
tic de la lista desplegable Functions para facilitar la se- .Help OK Cancel
lección de la función.
3. Haga clic en OK.
Guía del capítulo 4 para Minitab 175
Regla de conteo 1 Regla de conteo 4

Escriba una expresión que utilice el operador exponencial Escriba una expresión que utilice la función PERMU-
** . Por ejemplo, la expresión 6 ** 2 calcula la respuesta TATIONS(n, x) para calcular el número de maneras de aco-
para el ejemplo 4.11 de la página 164. modar x objetos seleccionados de n objetos en orden. Por
ejemplo, la expresión PERMUTATIONS(6, 4) calcula la
Regla de conteo 2 respuesta para el ejemplo 4.14 de la página 165.
Escriba una expresión que utilice el operador exponencial
Regla de conteo 5
**.Por ejemplo, la expresión 26 ** 3 * 10 ** 3 calcula la
respuesta para el ejemplo del departamento estatal de vehí- Escriba una expresión que utilice la función COMBI-
culos automotores de la página 164. NATIONS(n, x) para calcular el número de maneras de or-
ganizar x objetos seleccionados den objetos sin importar el
Regla de conteo 3 orden. Por ejemplo, la expresión COMBINATIONS(6, 4)
Escriba una expresión que utilice la función FACTORIAL(n) calcula la respuesta para el ejemplo 4.15 de la página 166.
para calcular el número de maneras en que se pueden orde-
nar n elementos. Por ejemplo, la expresión FACTO-
RIAL(6) calcula 6!

Cap04 C46909-OCR

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Cap04 C46909-OCR

Cargado por

Copyright:

Formatos disponibles

Levine, D., Krehbiel, T., Berenson, M. (2014). Probabilidad básica.

USO DE LA ESTADÍSTICA en Árboles de decisión Regla de conteo 3

os principios de la probabilidad sirven para comunicar los mundos de la estadística descrip-

4.1 Conceptos de probabilidad básica

Probabilidad de ocurrencia = ~ (4.1)

X = número de formas en que ocurre el evento

El ejemplo anterior utiliza el método de la probabilidad a priori debido a que el número de

Eventos y espacios muestrales

TABLA 4.1 PLANEÓ REALIZÓ LA COMPRA

¿Cuál es el espacio muestra!? Dé ejemplos de eventos simples y eventos conjuntos.

Tablas de contingencia y diagramas de Venn

FIGURA 4.1 FIGURA 4.2 AnB A'n B' = 650

EJEMPLO En la encuesta de seguimiento en la sección Uso de la estadística se plantearon preguntas adiciona-

SOLUCIÓN Si utilizamos las siguientes definiciones:

Planeó comprar y realmente compró

P(A) = P(A y B 1) + P(A y B 2) + ··· + P(A y Bk) (4.2)

Regla general de la suma

REGLA GENERAL DE LA SUMA

Al aplicar la ecuación (4.3) al ejemplo anterior se obtiene el siguiente resultado:

P(Pianeó comprar o en realidad compró) = ?(Planeó comprar)

La regla general de la suma consiste en tomar la probabilidad de A y sumarla a la probabilidad

1Problemas para la sección 4.1

a) Dé un ejemplo de un evento simple. Si se selecciona al azar un participante, ¿cuál es la probabi-

4.2 Probabilidad condicional

Cálculo de probabilidades condicionales

P(A lB)= P(AyB) (4.4a)

La probabilidad de B dada A es igual a la probabilidad de A y B dividida entre la

P(BIA) = P(AyB) (4.4b)

Remítase a la sección Uso de la estadística referente a la compra de televisores de pantalla

Planeó comprar y en realidad compró

También podemos utilizar la ecuación (4.4b) para calcular este resultado:

El ejemplo 4.6 ilustra de manera más clara la probabilidad condicional.

Número que compró un televisor con frecuencia

Si utilizamos la ecuación (4.4b) de la página 151:

P(BIA) = P(AyB) 38/300

1" dad cornpró P(A' Y 8) = 100

En la figura 4.3, comenzando a la izquierda con el conjunto completo de familias, se observan

El ejemplo 4.7 ilustra la manera de construir un árbol de decisión.

A = compró un televisor con frecuencia de actualización rápida

P(BIA) = P(AyB) = 38/ 300

En el ejemplo 4.8 se demuestra el uso de la ecuación (4.5).

TABLA 4.3 FRECUENCIA DE ACTUALIZACIÓN ¿ESTÁ SATISFECHO CON LA COMPRA?

Determine si sentirse satisfecho con la compra y la frecuencia de actualización del televisor

P(A lB)= P(AyB)

y despejando la probabilidad conjunta P(A y B).

REGLA GENERAL DE LA MULTIPLICACIÓN

P(Ay B) = P(A IB)P(B) (4.6)

En el ejemplo 4.9 se demuestra el uso de la regla general de la multiplicación.

P(Ay B) = P(A 1 B)P(B)

P(AyB) = (~~)(~~) = 0.6380

La regla de la multiplicación para eventos independientes se obtiene sustituyendo P(AIB)

REGLA DE LA MULTIPLICACIÓN PARA EVENTOS INDEPENDIENTES

P(Ay B) = P(A )P(B) (4.7)

Probabilidad marginal utilizando la regla general

P(A) = P(AyB¡) + P(AyB 2 ) + .. · + P(AyBk)

PROBABILIDAD MARGINAL UTILIZANDO LA REGLA GENERAL

donde El' B 2 , ... , Bk son k eventos mutuamente excluyentes y colectivamente exhaustivos.

P(A) = P(A IB 1)P(B¡) + P(A IB 2 )P(B 2 )

1Problemas para la sección 4.2

4.3 Teorema de Bayes

donde B; es el i-ésimo evento de k eventos mutuamente excluyentes y colectivamente

Para usar la ecuación (4.9) en el ejemplo de la comercialización del televisor, sean:

Así, utilizando la ecuación (4.9),

P(AyB) = ()() = 0.6380