Ing.

Civil S2, 2020–2021 Universidad Politécnica de Madrid

Estadı́stica y Optimización
Ejercicios extra - Probabilidad

Ejercicio 1. Clasificamos 1200 personas de un pueblo con relación a su sexo y a si fuman o no.
Obtenemos la siguiente tabla descriptiva:
mujer hombre
fuma 200 600
no fuma 100 300

Consideramos el experimento aleatorio que consiste en tomar una persona al azar.

a) Describir el espacio muestral.
b) ¿Qué función de probabilidad parece la más adaptada para describir este experimento aleatorio?
c) Consideramos los sucesos H = {“la persona es un hombre”} y F = {“la persona fuma”}.
i) Calcular P (H), P (F ) y P (H ∩ F ).
ii) ¿Son los eventos H y F incompatibles? ¿Son independientes? ¿Por qué?
d) Entre todas las personas que fuman, percibimos que un 35 % padecen algún tipo de cáncer. Sin
embargo, entre las que no fuman sólo 50 personas padecen cáncer.
i) Calcular la probabilidad de que la persona escogida al azar tenga cáncer.
ii) ¿Cuál es la probabilidad de que esa persona sea fumador y padezca cáncer?
iii) ¿Es el ser fumador y el padecer cáncer sucesos independientes?

Solución: Primero, analicemos el total de personas en cada grupo:

mujer hombre total
fuma 200 600 800
no fuma 100 300 400
total 300 900 1200

a) El espacio muestral Ω del experimento es el conjunto de personas del pueblo.

b) Ya que estamos eligiendo una persona al azar del pueblo, y cada suceso elemental viene representado
por una persona, la función de probabilidad más adecuada en este caso es la del modelo equiprobable,
es decir aquella que asigna la misma probabilidad a todas las perosnas de ser elegidas. En este
1
caso P (“elegir una persona”) = 1200 .
c) Ya que estamos en el modelo equiprobable, podemos usar la Regla de Laplace para calcular
probabilidades. Por lo tanto:
900 3 800 2 600 1
P (H) = = , P (F ) = = , P (H ∩ F ) = = .
1200 4 1200 3 1200 2
Está claro que H y F no son incompatibles, ya que hay hombres fumadores. Podemos ver que sı́
son independientes, ya que P (H ∩ F ) = 1/2 = 3/4 × 2/3 = P (H)P (F ).
d) Definimos el suceso C = {“la persona padece cáncer”}. Del enunciado, deducimos las probabili-
dades:

50 1
P (C | F ) = 0, 35 y P C  F = = .
400 8
i) Queremos calcular P (C). Usando el Teorema de la Probabilidad Total:


2 1 1
P (C) = P (C | F ) P (F ) + P C  F P F = 0, 35 × + × = 0,275.
3 2 3

1
Ing. Civil S2, 2020–2021 Universidad Politécnica de Madrid

ii) Queremos calcular P (F ∩ C). Basta usar la probabilidad condicional:

2 35 2 7
P (F ∩ C) = P (C | F ) P (F ) = 0, 35 × = × = = 0,233.
3 100 3 30
iii) Claramente no son independientes, ya que
2
P (F ∩ C) = 0,233 6= 0,183 = 0,275 × = P (C) P (F ) .
3


Ejercicio 2. Dos máquinas A y B fabrican chips electrónicos. Hemos producido 2.000 chips, de los
cuales la máquina A ha producido el 60 %. Sin embargo, estimamos qye la máquina A produce un 4 %
de piezas defectuosas y la B un 3 %. Si tomamos un chip al azar de nuestra producción:
a) Construir una tabla de efectivos de nuestra producción con respecto al origen de fabricación y de
si el chip es defectuoso o no, como la del Ejercicio 1.
b) ¿Cuál es la probabilidad de que el chip sea defectuoso? ¿Y de que sea defectuoso y haya sido
producido por A? Si ya sabemos que el chip es defectuoso, deducir la probabilidad de que provenga
de A.
c) ¿Cuál es la probabilidad de que el chip no sea defectuoso? ¿Y de que sea no defectuoso y haya
sido producido por B? Si ya sabemos que el chip es no defectuoso, deducir la probabilidad de que
provenga de B.
d) Expresar lo anterior en un arbol ponderado con probabilidades que explique el origen de fabricación
de un chip en función de si es defectuoso o no.

Solución:
a) Calculando los diversos porcentajes sobre los 2.000 chips, tenemos primero que 1200 han sido
producidos por A y 800 por B. Además:

producidos en A producidos en B total

defectuosos 1200 × 4 % = 48 800 × 3 % = 24 72
no defectuosos 1200 − 48 = 1152 800 − 24 = 776 1928
total 1200 800 2000

b) Sucesos D = {“el chip es defectuoso”}, A = {“el chip proviene de A”} y B = {“el chip proviene de B”}.
Tenemos:
72 48
P (D) = = 0,036, P (A ∩ D) = = 0,024.
2000 2000
Finalmente, por definición de probabilidad condicional:
P (A ∩ D) 0,024 2
P (A | D) = = = .
P (D) 0,036 3


c) P D = 1 − 0,036 = 0,964. Para el resto:


776


P D∩B 0,388
P D∩B = , P B D =

= = 0,402.
2000 P D 0,964

d) Tenemos:

2/3 A
D
36
0, 0 1/3 B

0, 9 0, 598 A
64
D
0, 402 B

2
Ing. Civil S2, 2020–2021 Universidad Politécnica de Madrid

Ejercicio 3 (Problema de Monty Hall, 1975). En un concurso de la tele, hay 3 puertas y en una
hay escondido un premio. El concursante elige una, pero todavı́a no se abre. Con independencia de lo
que haya elegido, el presentador (que sabe donde está el premio) abre una puerta de las que no contiene
el premio y le ofrece cambiar o quedarse con la puerta actual.
a) ¿Le conviene cambiar de puerta al concursante? Sugerencia: podemos suponer que hemos elegido
la puerta 1 y que el presentador abre la puerta 3. Interpreta el problema a partir de los sucesos
Ek = {“premio en la puerta k”} y Ak = {“presentador abre puerta k”}.
b) Imaginemos ahora, sin hacer cálculos, que nos dan a elegir entre 10.000 puertas. Una vez elegida,
el presentador abre 99.998 donde no hay premio detrás, quedando la que hemos elegido y otra sin
abrir. ¿Tiene sentido que cambiemos de puerta?

Solución: Tomamos los sucesos:

Ei = {“premio en la puerta i”} y Ai = {“presentador abre puerta i”}

A priori, tenemos que P (Ei ) = 13 . Supongamos, por simetria, que hemos elegido la puerta 1 y que el
presentador abre la puerta 3. Con esta nueva información, usando Bayes:
P (A3 | E1 ) P (E1 ) P (A3 | E1 ) P (E1 )
P (E1 | A3 ) = =
P (A3 ) P (A3 | E1 ) P (E1 ) + P (A3 | E2 ) P (E2 ) + P (A3 | E3 ) P (E3 )
1 1
× 1
= 1 1 2 31 1 = 3,
2 × 3 + 1 × 3 + 0 × 3

ya que P (A3 | E1 ) = 12 , P (A3 | E2 ) = 1, P (A3 | E3 ) = 0. Por lo tanto, debemos cambiar, ya que

2
P (E2 | A3 ) = 1 − P (E1 | A3 ) − P (E3 | A3 ) = .
3


Ejercicio 4. En una caja hay 10 bolas de las que 5 son blancas en otra caja hay 8 con 4 blancas y en
la tercera hay 12 con 3 blancas. Se escoge una caja al azar y se extrae de ella una bola.

a) ¿Cuál es la probabilidad de que sea blanca?

b) Si ha salido blanca, ¿cuál es la probabilidad de que se extrajo de la segunda caja? ¿Y si era negra
qué probabilidad hay que estuviese en la primera?

Solución: Vamos a darle nombre a los sucesos: B = {“Extraemos una bola blanca”}, C1 = {“Escogemos caja 1”},
C2 = {“Escogemos caja 2”} y C3 = {“Escogemos caja 3”}.
a) Tenemos:

P (B) = P (B|C1 )P (C1 ) + P (B|C2 )P (C2 ) + P (B|C3 )P (C3 ).

Partimos de que escogemos la caja al azar osea que P (C1 ) = P (C2 ) = P (C3 ) = 13 . Por otra parte
las probabilidades condicionadas por las cajas son P (B|C1 ) = 12 , P (B|C2 ) = 12 , P (B|C3 ) = 14 ,
por lo que
1 1 1 1 1 1 5 1 5
P (B) = × + × + × = × = .
2 3 2 3 4 3 4 3 12

b) En este, definiendo N = B:
1 1
P (B|C2 )P (C2 ) 2 × 3 2
P (C2 |B) = = 5 = .
P (B) 12
5

1 1
P (N |C1 )P (C1 ) 2 × 3 2
P (C1 |N ) = = 7 = .
P (N ) 12
7

3
Ing. Civil S2, 2020–2021 Universidad Politécnica de Madrid

Ejercicio 5. Tengo un despertador que en el 20 % de los casos no suena. Cuando funciona llego a
tiempo con probabilidad 0.8 y cuando no lo hace la probabilidad de llegar tarde es del 0.9.
a) ¿Cuál es la probabilidad de que llegue a tiempo?

b) Si he llegado tarde ¿cuál es la probabilidad de que haya sonado?

Solución:

a) Por el Teorema de la Probabilidad Total:

P (llegar a tiempo) = P (llegar a tiempo|no ha sonado)P (no ha sonado)

+ P (llegar a tiempo|ha sonado)P (ha sonado) = 0,1 × 0,2 + 0,8 × 0,8 = 0,66.

b) Usando Bayes:

P (llegar tarde|haya sonado)P (haya sonado) 0,2 × 0,8

P (haya sonado|llegar tarde) = = .
P (llegar tarde) 1 − 0,66

Ejercicio 6. En un tablero de ajedrez se situa un rey negro en una casilla elegida al azar. Después
se escoge otra casilla (diferente de la ocupada por el rey) y se situa un caballo blanco. ¿Cuál es la
probabilidad de que el caballo esté dando jaque al rey?

Solución: Tenemos 82 = 64 casillas en el tablero. Primero, debemos estudiar los diversos escenarios para
la posición del rey, ya que de ello dependen las diversas vias de acceso que va a tener el caballo para el
jaque. Si estudiamos el problema desde las casillas exteriores hacia el centro, como en la Figura 1:

E1 = {“caballo tiene solo 2 vias de acceso”} = {“rey en uno de los cuatro rincones”},
E2 = {“caballo tiene solo 3 vias de acceso”} = {“rey en una de las 8 al lado de los rincones”},
E3 = {“caballo tiene solo 4 vias de acceso”} = {“rey en 16 restantes en los laterales + 4 frente a rincones”},

E4 = {“caballo tiene solo 5 vias de acceso”} = {“rey en una de las 16 del anillo siguiente”},
E5 = {“caballo tiene solo 6 vias de acceso”} = {“rey en una de las 16 casillas centrales”}.

2 3 4 4 4 4 3 2
3 4 5 5 5 5 4 3
4 5 6 6 6 6 5 4
4 5 6 6 6 6 5 4
4 5 6 6 6 6 5 4
4 5 6 6 6 6 5 4
3 4 5 5 5 5 4 3
2 3 4 4 4 4 3 2
Figura 1: Núm. de vias de acceso del caballo según la posición del rey.

Usando la Regla de Laplace:

1 1 5 1
P (E1 ) = , P (E2 ) = , P (E3 ) = , P (E4 ) = P (E5 ) = .
16 8 16 4

4
Ing. Civil S2, 2020–2021 Universidad Politécnica de Madrid

Definiendo el suceso J = {“caballo en jaque al rey”}, es facil ahora calcular las probabilidades condi-
cionadas:
2 3 4 4 8
P (J | E1 ) = , P (J | E2 ) = , P (J | E3 ) = , P (J | E4 ) = , P (J | E5 ) = .
63 63 63 63 63
Finalmente, por el Teorema de la Probabilidad Total:
X 1
P (J) = P (J | Ek ) P (Ek ) = ' 0,083.
12
k

Ejercicio 7. Tenemos una caja con 8 bolas rojas, 3 blancas y 9 azules. Se sacan 3 bolas al azar.
Calcular la probabilidad de
a) sacar 3 rojas
b) dos sean rojas y una blanca
c) al menos una blanca
d) al menos una blanca o azul
e) primero una roja, en segundo lugar una blanca y luego una azul

Solución: Vamos a suponer primero que se devuelven:

8 3 8
a) P = P (R)3 = ( 20 ) = 125 = 0,064
9
b) P = P (R)P (R)P (B) + P (R)P (B) P (R) + P (B) P (R)P (R) = 3P (R)P (R)P (B) = 125

c) P = 1 − ( 17
20 )
3

8
d) P = 1 − 125
8 3 9 27
e) P = P (R)P (B) P (A) = 20 20 20 = 1000

Si no se devuelven
8 7 6 14
a) P = 20 19 18 = 285 = 0,049
8 7 3 8 3 7 3 8 7 63
b) P = 20 19 18 + 20 19 18 + 20 19 18 = 855 = 0,07
c) P = 1 − ( 17 16 15
20 19 18 )
14 271
d) P = 1 − 285 = 285
8 3 9 3
e) P = P (R)P (B) P (A) = 20 19 18 = 95

Ejercicio 8. Supongamos que estamos observando el cielo en busca de aviones y que la probabilidad de
que haya uno es del 5 %. Supongamos que tenemos un radar que pita el 99 % de veces cuando hay un
avión, y el 10 % cuando no lo hay. Si el radar pita, ¿cuál es la probabilidad de que efectivamente haya
un aeroplano sobrevolando la zona?

Solución: Tenemos los sucesos A = {“hay un avión”}, R = {“el radar pita”}. Tenemos las probabili-
dades a priori: 

P (A) = 0,05, P (R | A) = 0,99, P R  A = 0,1.
Para calcular P (A | R), usamos Bayes:
P (R | A) P (A) 0,99 × 0,05
P (A | R) = 

= = 0,34.
P (R | A) P (A) + P R  A P A 0,99 × 0,05 + 0,01 × 0,95

El radar es bueno, sin embargo nos sale una probabilidad tan baja porque el suceso que está midiendo
(que pase un avión) es un suceso bastante poco probable.


5
Ing. Civil S2, 2020–2021 Universidad Politécnica de Madrid

Ejercicio 9. En una urna hay 5 bolas rojas y 8 verdes. Se extrae una bola y se reemplaza por dos del
otro color.
a) ¿Cuál es la probabilidad de que la segunda bola sea verde?
b) ¿Cuál es la probabilidad de que las dos bolas sean del mismo color?

Solución:
a) Utilizamos el teorema de la probabilidad total


1 8 10 5 53
P (2V ) = P (2V | 1V ) P (1V ) + P 2V  1V P 1V = · + · =
2 13 14 13 91

1 8 10 5 53
P (2V ) = P (2V |1V )P (1V ) + P (2V |1V )P (1V ) = + =
2 13 14 13 91
b) Calculamos P (2V ∩ 1V ) y P (2R ∩ 1R)
1 8 4 53 8
P (2V ∩ 1V ) = P (2V |1V )P (1V ) = = 6= P (2V )P (1V ) = ,
2 13 13 91 13
4 5 10 38 5
P (2R ∩ 1R) = P (2R|1R)P (1R) = = 6= P (2R)P (1R) = .
14 13 91 91 13
Los sucesos que salgan dos rojas y dos verdes son incompatibles por lo que la probabilidad de que
ocurra una cosa o la otra es la suma:
28 10 38
P [(2V ∩ 1V ) ∪ (2R ∩ 1R)] = + = .
91 91 91


Ejercicio 10 (La falacia del fiscal). En cierta ciudad se ha cometido un crimen. Hay 10.000 hombres
en esa ciudad que podrı́an haberlo cometido, de los que 200 trabajan en un pozo minero. En la escena
del delito se ha encontrado cierta evidencia que determina que el criminal ha de ser uno de los 200
mineros: se trata de restos de mineral que sólo pueden provenir del pozo minero. Se ha identificado a un
sospechoso y en sus ropas se han encontrado restos de mineral similares a los encontrados en la escena
del delito.
Con estas evidencias, el fiscal asevera: “La probabilidad de que la sangre de un inocente coincida con
la de la escena del crimen es de 199 entre 9999, es decir en torno al 2 %. Por lo tanto el acusado es culpable
con probabilidad del 98 %”
¿Tiene fundamento la acusación del fiscal? Si no es ası́, ¿cuál es la probabilidad de que el acusado
sea culpable a partir de las evidencias encontradas?

Solución: Consideremos los sucesos:

E = {“evidencia de restos de mineral en la ropa del sospechoso”}, C = {“el sospechoso es culpable”}.
Parece razonable suponer que todos los trabajadores del pozo minero tienen en alguna parte de sus ropas
restos de mineral similares a los encontrados en la escena del delito. En cualquier caso, la probabilidad
de encontrar la evidencia en una persona inocente puede calcularse de la forma siguiente: hay 9999
hombres inocentes en la ciudad, de los que 199 trabajan en la mina. Esos 199 hombres, por la suposición
inicial, tendrán la evidencia en sus ropas debido a su trabajo. Ası́ pues

199
P E C = = 0,019.
999
Sin embargo, ¡esto no es la probabilidad de ser inocente a partir de la evidencia encontrada! Lo que
debemos calcular es la probabilidad de ser culpable (o inocente) en función (condicionado a) los datos
existentes. En la ciudad hay 200 hombres con la evidencia E, de los que 199 son inocentes. Por lo tanto,

199
P C E = = 0,995.
200
Y la probabilidad de que el sospechoso sea culpable en base a la evidencia encontrada es:
P (C | E) = 1 − 0,995 = 0,005.