Redefinamos los

buenos negocios
centrum.pucp.edu.pe
ESTADISTICA
Sesiones 5 -6

1
 Ejercicios Complementarios

2
 Supongamos que la incidencia del consumo de drogas
en la población es del 5%. Hacemos una prueba de
drogas, que tiene una fiabilidad del 95%, a un sujeto
escogido al azar y el resultado es positivo.
¿Cuál es la probabilidad de que consuma drogas?

95 5 5 95 95
P( positivo) = + =
100 100 100 100 1000
P(drogadicto  positivo)
P(drogadicto | positivo) = =
P( positivo)
5 95
100 100 = 0,5
95
3
1000
 Si un gato puede ser macho o hembra y
hay cuatro gatos, tenemos 24 = 16 posibilidades:

HHHH MMMM
•Probabilidad de que todos sean del mismo sexo = 2/16 = 1/8

HHHM HHMH HMHH MHHH

MMMH MMHM MHMM HMMM
•Probabilidad descomposición (3-1) = 8/16 = 1/2

HHMM HMHM HMMH MHHM MHMH MMHH

•Descomposición (2-2) = 6/16 = 3/8

Hemos contado los 16 casos posibles y 1/8 + 1/2 + 3/8 = 1.

A casi todo el mundo le sorprende que en familias de

4 cuatro hijos haya tres del mismo sexo.
 Probabilidad de que todos sean del mismo sexo:
4 4 4
1 1 1 2 1
P(4 H  4M ) = P(4 H ) + P(4M ) =   +   = 2    = =
2 2  2  16 8

Probabilidad descomposición (3-1):

P(3H 1M 1H 3M ) = P(3H 1M ) + P(1H 3M ) =

 1  1   3  1 
4 4 4
 
1 8 1
=    +    = 2  4    = =
 4  2   4  2   2  16 2

Probabilidad descomposición (2-2):

 2  1 
4
6 3
P(2 H 2M ) =    = =
5  4  2  16 8
 ¿Si sospechamos que una moneda está trucada (probabilidad
no simétrica) cómo utilizarla para echar suertes de manera
justa? Por ejemplo, supongamos que la moneda sale cara (C)
un 60% de las veces y sale cruz (+) un 40% de las veces.
¿Qué experimento aleatorio daría las mismas posibilidades a
dos sujetos A y B? (John von Newmann)

Cada jugador lanza la moneda dos veces:

(1)Si sale CC o ++, se vuelve a lanzar dos veces.

(2)Si sale C+ gana A.
(3)Si sale +C gana B.
6 4 24
P(C +) = =
10 10 100
4 6 24
P ( +C ) = =
6 10 10 100
 El hombre del tiempo:

La probabilidad de que llueva este sábado es del 50%

y de que llueva en domingo también es del 50%.
Así que la probabilidad de que llueva el fin de
semana es del 100%.

¿Cuál es la probabilidad de que llueva el fin de semana

suponiendo independencia entre los sucesos: "lloverá
el sábado" y "lloverá el domingo"?

P = 1 − (1 − 0.5) = 0.75
2

7
 Antoine Gambaud, Chevalier de Mère, planteó uno de los
problemas más antiguos de la teoría de probabilidad al filósofo
y matemático francés Blaise Pascal: ¿Qué es más probable?
(a)Sacar al menos un 6 al tirar 4 veces un solo dado o
(b)sacar un 12 en 24 tiradas de 2 dados.
A pesar de que Pascal había renunciado a las matemáticas (¡!), aceptó
resolver
el problema:

4 4
5 5
P(ningún 6) =   ; P(al menos un 6) = 1 −   = 0,52
6 6
24 24
 35   35 
P(ningún 12) =   ; P(al menos un 12) = 1 −   = 0,49
 36   36 
8
 Morir de ...
P(no morir de accidente de coche) = 99%
P(no morir de accidente doméstico) = 98%
P(no morir de enfermedad pulmonar) = 95%
P(no morir de locura) = 90%
P(no morir de cáncer) = 80%
P(no morir de enfermedad cardiaca) = 75%
La probabilidad de librarse individualmente de cada una de estas
formas de muerte es alentadora, pero: ¿Cuál es la probabilidad
de morir a causa de alguna de ellas?

P(no morir por ninguna de las causas) =

= 0,99 • 0,98 • 0,95 • 0,9 • 0,8 • 0,75 = 0,50

9 P(morir a causa de alguna) = 1 – 0,5 = 0,50.

 ¿Si durante 6 semanas seguidas recibieras por carta las
predicciones correctas sobre si suben o bajan determinadas
acciones, estarías dispuesto a pagar 500 dólares por la
información a la séptima semana? Observación: la
probabilidad de que el
broker acierte por azar es (1/2)6 = 0,008.
Nuestro astuto asesor de bolsa envía
32.000 cartas: 16.000 predicen
subida y 16.000 bajada. A la mitad
adecuada les envía a la semana
siguiente 8.000 con subida y 8.000
con bajada, etc. Al final 500
personas han recibido 6
predicciones correctas dispuestas a
pagar 500 euros por la séptima: 500
x 500 = 250.000 euros de beneficio
10 para el timador.
11
12
13
14
15
16
 2/ Se lanza una moneda si sale cara se saca una canica de la caja I que
contiene 3 rojas y 2 azules, si sale cruz se saca una canica de la caja II
que contiene 2 rojas y 8 azules. a) Determinar la probabilidad de que se
saque una canica roja. b) Habiendo sacado bola roja, ¿cuál es la
probabilidad de que haya salido cara?

1
 
a) 2 3
Caja I  
5 P = P( I ) P( R | I ) + P( II ) P( R | II ) =
 1  3   1  2   2 
=    +   = 
1
  Caja II
2
 
 10 
 2  3 + 2   2  2 + 8   5 
2

b)
 1  3 
  
 P( I ) P( R | I )   
2 3 + 2  3
P =   = =
 P( I ) P( R | I ) + P( II ) P( R | II )   1  3  +  1  3  4
 2  3 + 2   2  2 + 8 
17
 8/ Un ladrón es perseguido por un coche de policía y al llegar a un determinado cruce se
encuentra tres posibles calles por las que huir (A, B y C), de tal manera que las dos
ultimas son tan estrechas que por ellas no cabe el coche de policía, de lo cual el ladrón
no se da cuenta
Si huye por la calle A le atrapan seguro puesto que la final de la misma hay otra patrulla
de policía. Si huye por la calle C se escapa seguro puesto que no está vigilada. Si huye
por la calle B se encontrará que esta se bifurca en dos callejuelas: la BA, que conduce a
A y la BC que conduce a C-
a) ¿Cuál es la probabilidad de que el ladrón sea atrapado?
b) Sabiendo que escapó, ¿cuál es la probabilidad de que huyera por la C entrando por la
B y llegando a C por la callejuela BC?
Policía
a)
A Atrapado
1
3 1
BA

1 2 Atrapado
Policía Ladrón B
3
BA
B
BC

1
BC Escapa
2
1
3 C Escapa
18
 P(atraparle) = P(A)  P(atraparle en A) +
+ P(B)  P(BA)  P(atraparle en BA) + P(BC)  P(atraparle en BC) +
1 1 1 1  1 1 1 1
+ P(C)  P(atraparle en C) = 1 +  1 +  0 +  0 = + =
3 3 2 2  3 3 6 2

b)
1 1
• •1
P(B)  P(BC)  P(escapar C) 3 2 1
P(escapar por BC) = = =
P(escapar) 1 3
2
1 1
P(escapar) = 1 - P(ser atrapado) = 1 - =
2 2

19
 13/ Dados los sucesos A y B , tales que P(A)=0,4 y P(B)=0,3 y P(A∩B)=0,1 , calcúlense las
siguientes probabilidades:

a) P( A / B )
b) P(A/A U B)
c) P(A/A ∩ B)
d) P( A /B)

a)
P( A  B)
P( A / B) = ; ( A  B)  ( A  B) = E
P( B)
P (( A  B )  ( A  B )) = P ( A  B ) + P ( A  B ) = P ( E ) = 1
P ( A  B ) = 1 − P( A  B ) = 1 − ( P( A) + P( B) − P( A  B)) =
1 − (0, 4 + 0, 3 − 0,1) = 0, 4
0, 4 4
P ( B ) = 1 − P( B) = 1 − 0, 3 = 0, 7 ; P( A / B) = =
0, 7 7
b)
P( A  ( A  B)) P(( A  A)  P( A  B)) P( A  ( A  B))
P( A / A  B) = = = =
P( A  B) P( A  B) P( A  B)
P( A) 0, 4 2
= =
P( A  B) 0, 6 3

c)
P( A  ( A  B)) P( A  B)
P( A / A  B) = = =1
P( A  B) P( A  B)

d)
P( A / B) = 1 − P( A / B), ya que ( A / B)  ( A / B) = E
P( A  B) 0,1 2
P( A / B) = 1 − = 1− =
P( B) 0, 3 3

20
 17/ En unos laboratorios se preparan tres vacunas contra la misma enfermedad. Las probabilidades de obtener
en el mercado cada una de ellas son: vacuna 1=1/6; vacuna 2=1/3; vacuna 3=1/2. Las probabilidades de
inmunidad con cada una son: vacuna 1=0,90; vacuna 2=0,94; vacuna 3=0,88. Calcúlese la probabilidad de que,
utilizando cualquiera de ellas, el sujeto vacunado resulte inmune.

Para calcular la probabilidad de inmunización aplicamos el teorema de la probabilidad total:

P( I ) = P(V1 ) P( I / V1 ) + P(V2 ) P( I / V2 ) + P(V3 ) P( I / V3 ) =

1 1 1
=  0,90 +  0,94 +  0,88 = 0,903
6 3 2

21
 19/ Sean las urnas de bolas U1 = (5b, 8n) y U2 = (6b, 9r). Se toma una bola de U1 y se pasa a U2 y seguidamente
una de U2 y se pasa a U1. ¿cuál es la probabilidad de que esta última sea roja?
(b = bola blanca, n = bola negra, r = bola roja)

Las posibles dobles extracciones de U1 son: bb, br, nn, nb y nr ; cuyas probabilidades respectivas son:
5 7 5 9 8 1 8 6 8 9
 ,  ,  ,  y 
13 16 13 16 13 16 13 16 13 16

Sea B el suceso cuya probabilidad queremos calcular. Por el teorema de la probabilidad total tenemos que:

P( B) = P( B / bb) P(bb) + P( B / br ) P(br ) + P( B / nn) P(nn) + P( B / nb) P(nb) +

35 1 45 8 48 1 72 117
+ P( B / nr ) P(nr ) = 0  +  + 0 + 0 +  = = 0, 043
208 13 208 208 208 13 208 2704

22
 20/ Un test detecta la presencia de un cierto tipo T de bacterias en el agua con probabilidad 0,9 en caso de
haberlas. Si no las hay, detecta la ausencia con probabilidad 0,8. sabiendo que la probabilidad de que una
muestra de agua contenga bacterias de tipo T es 0,2 , calcular la probabilidad:

a) De que realmente haya presencia de bacterias cuando el test ha dado resultado positivo
b) Ídem cuando del resultado del test es negativo
c) De que haya bacterias y el test sea positivo
d) De que, o haya bacterias, o el test sea positivo

Designaremos por T el suceso “que haya bacterias tipo T” y por C el suceso “el test dio positivo”.
a) Por el teorema de Bayes:
P(C / T ) P(T ) 0,9  0, 2 9
P(T / C ) = = =
P(C / T ) P(T ) + P(C / T ) P(T ) 0,9  0, 2 + 0, 2  0,8 17

P(C / T ) P(T ) 0,1 0, 2 0, 02 1

b) P(T / C ) = = = =
P(C / T ) P(T ) + P(C / T ) P(T ) 0,1 0, 2 + 0,8  0,8 0, 66 33

c) P(T  C ) = P(T ) P(C / T ) = 0, 2  0,9 = 0,18

P(T  C ) = P(T ) + P(C ) − P(T  C ) = 0, 2 + 0,34 − 0,18 = 0,36

d) ya que la probabilidad de que el test sea positivo es:
P(C ) = P(C / T ) P(T ) + P(C / T ) P(T ) = 0,9  0, 2 + 0, 2  0,8 = 0,34

23
 21/ A un puesto aduanero llegan periódicamente misiones diplomáticas procedentes de un determinado país y que
están constituidas por 10 miembros. El citado país es un gran productor de marihuana, circunstancia que, de vez
en cuando, es aprovechada por sus misiones diplomáticas para introducir algún que otro cargamento en el país
que visitan, siendo la forma de hacerlo el que dos de los diez miembros lleven en sus maletas la hierba.
Los aduaneros tienen ya información del truco, pero, para no producir incidentes diplomáticos, se limitan a
inspeccionar dos de las diez maletas dejando pasar a la misión si en las maletas inspeccionadas no encuentran
droga. Su experiencia les dice además que el 10% de las misiones portan la droga.
Si una misión inspeccionada no arroja resultado positivo, ¿cuál es la probabilidad de que realmente dicha misión
no lleve droga alguna?

Denominaremos:
A1 al suceso “la delegación porta droga”
A2 al suceso “la delegación no lleva droga”
B al suceso “una misión inspeccionada arroja resultado negativo”

Conocemos:

P( A1 ) = 0,1 P( A2 ) = 0,9
8   2
   
P( B / A1 ) =     =
2 0 28
P( B / A2 ) = 1
10  45
 
2 

Y nos pide P(A2/B). Esta probabilidad podemos calcularla con ayuda del teorema de Bayes:

P( A2 ) P( B / A2 )
P( A2 / B) = = 0,9353
P( A1 ) P( B / A1 ) + P( A2 ) P( B / A2 )

24
 22/ Una caja contiene 3 monedas, 2 normales y una con dos caras. Se elige una moneda al azar y se efectúa una
tirada. Si sale cara se tira otra vez. Si sale cruz se elige una de las otras dos que quedan en la caja y se tira. Se pide:

a) Probabilidad de que hayan salido dos caras

b) En este caso, ¿cuál es la probabilidad de que la moneda que se ha lanzado dos veces sea la que tiene dos
caras?
c) ¿cuál es la probabilidad de que salgan dos cruces?

P(dos caras) = P( B) = P( B  A1 ) + P( B  A2 ) = P( A1 ) P( B / A1 ) + P( A2 ) P( B / A2 ) =
a) 2 1 1 1 1
=  + 1 = + = 0,5
3 4 3 6 3

(donde A1 es el suceso consistente en que la moneda extraída sea normal y A2 que la moneda extraída sea la especial)

1
P( A2  B) P( A2 ) P( B / A2 ) 3 2 2 1 1 1 1
b) P( A / B) = = = = P ( H ) = P ( M 1 ) P (C / M 1 ) P ( M 2 / M 1 ) P (C / M 2 ) =    =
P( B) P( B) 1 3 3 2 2 2 12
2

c) Saldrán dos cruces si la primera moneda era normal y el lanzamiento fue cruz y la segunda moneda era también nor mal y asimismo arrojó
cruz. Llamaremos:

Mi : La moneda extraída en el lugar i-ésimo es normal , i = 1 , 2

C : Salir cruz al lanzar una moneda
H : Salir dos cruces

2 1 1 1 1
P( H ) = P( M 1 ) P(C / M 1 ) P( M 2 / M 1 ) P(C / M 2 ) =    =
3 2 2 2 12

25
 23/ Una urna contiene 2 bolas blancas, 5 negras y 4 rojas, y de ella extraemos tres bolas, una a continuación de
otra. La primera que se extrajo resultó roja, la segunda no se miró y la tercera fue negra.
Determinar la probabilidad de que la bola extraída en segundo lugar sea blanca.

La información de que la primera bola extraída fue roja reduce el problema inicial a este otro:
Una urna con 2 bolas blancas, 5 negras y 3 rojas y de ella extraemos 2 bolas, una después de la otra. La primera no se miró y la segunda era
negra. ¿cuál es la probabilidad de que la bola extraída en primer lugar sea blanca?
Llamamos B, N y R a los sucesos salir bola blanca, negra o roja en primer lugar y C al suceso “segunda bola extraída sea negra”

5 4 5
P(C / B) = P(C / N ) = P(C / R) =
9 9 9
2 5 3
P( B) = P( N ) = P( R) =
10 10 10

Y pretendemos calcular es P(B/C) lo que haremos con ayuda del teorema de Bayes. Así tenemos:

P(C / B) P( B) 2
P( B / C ) = =
P(C / B) P( B) + P(C / N ) P( N ) + P(C / R) P( R) 9

Análogamente se calcula que: P(N/C) = 4/9 P(R/C) = 3/9

26
 23/ Una urna contiene 2 bolas blancas, 5 negras y 4 rojas, y de ella extraemos tres bolas, una a continuación de
otra. La primera que se extrajo resultó roja, la segunda no se miró y la tercera fue negra.
Determinar la probabilidad de que la bola extraída en segundo lugar sea blanca.

La información de que la primera bola extraída fue roja reduce el problema inicial a este otro:
Una urna con 2 bolas blancas, 5 negras y 3 rojas y de ella extraemos 2 bolas, una después de la otra. La primera no se miró y la segunda era
negra. ¿cuál es la probabilidad de que la bola extraída en primer lugar sea blanca?
Llamamos B, N y R a los sucesos salir bola blanca, negra o roja en primer lugar y C al suceso “segunda bola extraída sea negra”

5 4 5
P(C / B) = P(C / N ) = P(C / R) =
9 9 9
2 5 3
P( B) = P( N ) = P( R) =
10 10 10

Y pretendemos calcular es P(B/C) lo que haremos con ayuda del teorema de Bayes. Así tenemos:

P(C / B) P( B) 2
P( B / C ) = =
P(C / B) P( B) + P(C / N ) P( N ) + P(C / R) P( R) 9

Análogamente se calcula que: P(N/C) = 4/9 P(R/C) = 3/9

27
 En la Ciudad del Vaticano hay dos Papas por kilómetro cuadrado.
¿Pero acaso el Papa no es uno solo?
Sí, pero la superficie del Vaticano es de medio kilómetro cuadrado; por lo
tanto el promedio de Papas por kilómetro cuadrado es de dos.

Algunos razonamientos estadísticos extraños no son más que falacias que se

sostienen en una variable cuidadosamente oculta:
Un científico va a una escuela para examinar a todos los alumnos.
Primero mide la altura de cada uno y luego les toma una prueba de lectura.
Al analizar los datos descubre que los que mejor leen son los que miden más.
¿Esto significa que los altos son más inteligentes que los bajos?
Por supuesto que no
Los altos son los que tienen más edad y naturalmente saben leer mejor; los que
miden menos son más pequeños y aún están aprendiendo.

Pero la estadística a veces también nos da buenas noticias.

La tasa de natalidad es el doble que la tasa de mortalidad; por lo tanto, una
de cada dos personas es inmortal.
28
 Educación
▪ En cierta población, el 70% de las mujeres no tiene
educación secundaria. Además se sabe que 40% de las
mujeres que no tienen educación secundaria
sufren de violencia familiar mientras que entre la
mujeres que si tienen educación secundaria la violencia
familiar se reduce a un 10%.
▪ ¿Cuál es la probabilidad de que una mujer que sabemos
que ha sido victima de violencia familiar tenga educación
secundaria?

29
 P(S|E) P(E,S)=0.30x0.10=0.03

P(E)
0.03 +
P(E,NS)=0.30x0.90=0.27 0.28
P(NS|E)
0.31

P(S|noE)
P(noE,S)=0.70x0.40=0.28

P(no E)

P(NS|noE) P(noE,NS)=0.70x0.60=0.42

P( E , S ) 0.03
P( E | S ) = = = 0.10
30 P( S ) 0.31
 123
▪ En el colegio “123”, se sabe por experiencia que la
probabilidad de que un alumno que haya llevado el
curso de nivelación apruebe todos sus cursos es de
0.89, mientras que la probabilidad de que apruebe todos
sus cursos sin llevar el curso de nivelación es de 0.49.
Si el 70% de los alumnos llevan el curso de nivelación,
¿Cuál es la probabilidad de que un alumno haya llevado
el curso de nivelación si NO aprueba todos sus cursos?

31
 P(A|N) P(N,A)=0.70x0.89=0.623

P(N)

P(N,NA)=0.70x0.1=0.0 7
P(NA|N)

0.07 +
P(A|noN 0.153
P(noN,A)=0.30x0.49=0.147
0.223
P(no N)

P(NA|noN) P(noN,NA)=0.30x0.51=0.153

P( N , NA) 0.07
P( N | NA) = = = 0.31
32 P( NA) 0.223