Probabilidad

La probabilidad mide la frecuencia con la que se obtiene un resultado (o conjunto de resultados) al llevar a cabo un experimento aleatorio, del que se conocen todos los resultados posibles, bajo condiciones estables. La teora de la probabilidad se usa extensamente en reas como la estadstica, la fsica, la matemtica, la ciencia y la filosofa para sacar conclusiones sobre la probabilidad de sucesos potenciales y la mecnica subyacente de sistemas complejos. Cuando se realiza un experimento, la posibilidad de que se presente un resultado determinado, se eval a por medio de un conjunto de n meros reales llamados probabilidades, que caen dentro del ran!o cero a uno. " cada uno de los posibles resultados del experimento, se le asi!na una probabilidad de tal forma que la suma de todas las probabilidades es uno. #i se realiza un experimento en el cual tenemos una !ran posibilidad de que un determinado resultado va a ocurrir, entonces el valor de la probabilidad que se debe asi!nar a dic$o resultado debe ser cercano a uno. #i por el contrario, pensamos que al realizar el experimento un determinado resultado tiene muy poca posibilidad de ocurrir, entonces a %ste resultado debe asi!nrsele un valor de probabilidad cercano a cero. "l realizar un experimento los resultados pueden ser FAVORABLES O DESFAVORABLES, dependiendo de la expectativa que se ten!a. Los resultados favorables se denominan resultados xito& y los resultados desfavorables se denominan 'resultados fracaso&. La probabilidad de ()*+, de un experimento, se expresa como una proporci-n en la cual el numerador se refiere a todos los sucesos o resultados %xitos contenidos en el experimento, mientras que el denominador se refiere a la totalidad de los resultados o sucesos posibles del experimento. .ste concepto, se basa en una concepci-n clsica de la probabilidad, que supone que todos los resultados posibles del experimento, son i!ualmente probables. Los resultados posibles de un experimento incluyen los %xitos y los fracasos. #i al lanzar un dado corriente (no car!ado) una vez, espero que cai!a / o 0, entonces el experimento consiste en el lanzamiento del dado una sola vez y los sucesos o resultados posibles son 0 (resultados del 1 al 0), mientras que los resultados %xito estn conformados por cualquiera de los resultados / - 0 que aspiro a obtener, o sea que existen 2 resultados %xitos. La probabilidad de obtener un resultado %xito " en un experimento dado, se define como una proporci-n as3 4(")5 Nmero de xitos contenidos en el exp erimento (1) Nmero de resultados posibles del exp erimento

+anto el n mero de resultados posibles, como el n mero de %xitos contenidos en el experimento pueden obtenerse en muc$os casos, utilizando las t%cnicas de conteo vistas en el tema anterior. ORGENES DEL CONCEPTO DE PROBABILIDAD 1. CONCEPTO CLSICO 6enominado tambi%n enfoque te-rico o apriori. #e denomina apriori o te-rico, porque se pueden conocer los valores de probabilidad previamente a la realizaci-n del experimento, precisamente porque se supone que cada resultado del experimento es i!ualmente probable. .n %stas condiciones, se puede aplicar la formula (1). .jemplo3 7n lote contiene 1/ artculos, de los cuales, 8 son tipo ), 9 son tipo : y / son tipo ;. #i se selecciona aleatoriamente un artculo del lote, se pide calcular la probabilidad de que dic$o artculo sea tipo ). "qu existen 8 resultados %xito, que corresponden a los artculos ), mientras que los resultados posibles, estn conformados por los sucesos %xito (8) ms los sucesos fracasos : y ;< es decir 1/. 4or lo anterior, la probabilidad pedida aplicando la f-rmula (1) ser3 p (articulo sea de tipo X ) = Nmero de exitos posibles 7 = = 0.4667 Nmero de resultados posibles 15

4odemos ver que cada uno de los 1/ resultados posibles del experimento, tienen i!ual probabilidad de ser esco!idos. 2. CONCEPTO DE LA FRECUENCIA RELATIVA #e conoce tambi%n como enfoque 'emprico&, porque el concepto de probabilidad se basa en unos experimentos u observaciones previas, puesto que se tiene certeza de que los resultados posibles del experimento no son i!ualmente probables o simplemente porque se desconoce o se duda sobre %ste $ec$o. #e inspir- en el experimento de =uetelet y se le llama el enfoque de la frecuencia relativa, porque la probabilidad se cuantifica a trav%s de una proporci-n, de tal manera que el numerador est representado por el n mero de resultados favorables encontrados en el experimento, mientras que el denominador se refiere a la totalidad de las observaciones o ensayos $ec$os en el experimento. .s decir que el clculo de probabilidad se basa en unas observaciones o experimentos previos. .jemplo3 #upon!amos que deseamos conocer la probabilidad de obtener cara en el lanzamiento de una moneda y que desconocemos si se trata de una moneda corriente o car!ada. >ediante el enfoque clsico, debemos asumir que los dos resultados cara y sello son i!ualmente probables y en estas condiciones, la probabilidad de cara sera ?5 @./. #in embar!o, como desconocemos si la moneda es corriente o no< entonces, mediante el enfoque de la frecuencia relativa o enfoque emprico, podemos lanzar la moneda inicialmente 9@ veces y obtener 10 caras y no el valor esperado de 1/, si la moneda fuera corriente. .n %ste caso, la frecuencia relativa ser 10A9@ 5 @./999 y no el valor te-rico @./. #i lanzamos la moneda 2@@ veces, posiblemente obtenemos BC caras y no el valor esperado 1@@, por lo cual la frecuencia relativa ser BCA2@@ 5 @.DB, ms cercano al valor te-rico @./ que el anterior @./999. #i continuamos $aciendo lanzamientos, por ejemplo $asta 1@@@, es muy probable que la frecuencia relativa obtenida se acerque ms al valor te-rico @./ y en la medida en que $a!amos ms y ms lanzamientos, la frecuencia relativa se acercar ms y ms al valor te-rico @./, comprobando en %sta forma, que se trata de una moneda corriente. .ste anlisis, nos permite definir entonces a la probabilidad te-rica, 'como el lmite de la frecuencia relativa, cuando el n mero de ensayos es infinitamente !rande&. 3. CONCEPTO SUB ETIVO 4uede interpretarse como el !rado en que uno cree que va ocurrir el evento, en raz-n al buen criterio, sentido com n o experiencia. .ste enfoque es llamado tambi%n personalista. .jemplo3 7n m%dico cirujano de acuerdo con su experiencia, afirma que existe una probabilidad del 8@E, que su paciente superar la ciru!a que tiene pro!ramada. DEFINICIONES BASICAS RELACIONADAS CON PROBABILIDADES " continuaci-n se analizarn brevemente al!unos conceptos bsicos relacionados con las probabilidades y al!unos otros conceptos relacionados con la teora de los conjuntos, necesarios para el mejor manejo y comprensi-n de al!unos problemas de probabilidad. 1) #e dice que dos resultados son IGUAL!ENTE PROBABLES, o equiprobables cuando estos dos resultados tienen la misma probabilidad de ocurrir. .jemplo3 .n el lanzamiento del dado una vez al aire los resultados 1, 2, 9, D, /, 0, tienen la misma probabilidad de ocurrir si el dado no est car!ado, es decir, si el dado es corriente. .jemplo3 #elecciono aleatoriamente una persona entre diez, de los cuales 8 son *n!enieros de #istemas y 9 son *n!enieros .l%ctricos. FCul es la probabilidad, de que la persona seleccionada sea un *n!eniero de #istemasG Cada uno de las 1@ personas, tienen la misma probabilidad de ser seleccionada, por lo cual se puede afirmar, que se trata de 1@ eventos o sucesos equiprobables, puesto que cada persona tiene i!ual probabilidad de ser seleccionada. Ho obstante, si esos 1@ resultados i!ualmente probables, los a!rupo en dos eventos a saber3 'Irupo de los in!enieros de #istemas& y '!rupo de los *n!enieros .l%ctricos&, %stos dos ltimos eventos o resultados (in!eniero de #istemas o .l%ctrico) ya no son equiprobables, puesto que

la probabilidad de que un in!eniero de #istemas sea seleccionado es de 8A1@, mientras que la probabilidad de que un *n!eniero .l%ctrico sea seleccionado es de 9A1@. .s decir, que las personas como tal, son eventos equiprobables, pero los !rupos como tal, tienen probabilidades diferentes y por lo tanto, no son equiprobables. 2) 6os sucesos se consideran OPUESTOS, si no pueden ocurrir simultneamente y adems sus probabilidades se complementan. .jemplo3 .n una junta directiva compuesta por 8 miembros, existen D miembros de acuerdo con un proyecto y 9 que no estn de acuerdo con el mismo. #e selecciona aleatoriamente un miembro para !estionar una autorizaci-n relacionada con dic$o proyecto, ante una entidad !ubernamental. FCul es la probabilidad de que la persona seleccionada est% de acuerdo con el proyectoG Ho es posible que la persona seleccionada 'est% de acuerdo& y al mismo tiempo 'no est% de acuerdo&. 4or otra parte, la probabilidad de que est% de acuerdo es DA8 y la probabilidad de que no est% de acuerdo es 9A8, es decir, que las probabilidades son complementarias. 4or las dos razones anteriores, se puede afirmar que los dos eventos son opuestos. 9) 7n suceso se considera CIERTO o SEGURO, si en un experimento dado, dic$o evento tiene la absoluta probabilidad de ocurrir. .jemplo3 #i selecciono aleatoriamente un estudiante de la 7+4, el evento de que dic$o estudiante $aya cursado previamente la secundaria completa es un evento cierto o se!uro, puesto que %ste es un requisito para in!resar a %sta instituci-n. .n teora de conjuntos, el evento cierto o se!uro es i!ual al 'espacio muestral&, que es aquel que est conformado por todos los resultados posibles de un experimento y que lo vamos a simbolizar por '#&. D) 7n suceso I!POSIBLE, es aquel que no puede ocurrir, sencillamente porque no $ace parte del espacio muestral. .jemplo3 Con relaci-n al ejemplo del evento de que el estudiante seleccionado no $aya cursado la secundaria completa, es un evento imposible, puesto que se! n las normas de la instituci-n la solicitud del in!reso de un estudiante de %stas caractersticas, es rec$azada. .n teora de conjuntos, el evento imposible se simboliza por la letra !rie!a J (conjunto vaco). .s decir, la probabilidad es cero (@). /) #ucesos CO!PATIBLES, son aquellos que pueden suceder simultneamente en un experimento. .jemplo3 .n el experimento de lanzar dos dados, el suceso " (suma 8) es compatible con el suceso K (uno de los dados es /), puesto que para que la suma sea 8 los diferentes resultados son3 "(0.1, 1.0, 9.D, D.9,2./, y /.2) y para que uno de los dados sea cinco los posibles resultados sern3 K (/.1, /.2, /.9, /.D, /./,/.0, 1,/, 2./, 9./, D./, 0./). .s decir, que al lanzar los dos dados, puede ocurrir uno de los si!uientes resultados (2./& o '/.2)& y en estas condiciones se cumplen simultneamente los dos eventos " y K, a saber3 'suma 8& y 'uno de los dados es /& .jemplo3 #e selecciona aleatoriamente un radio transistor de un lote de /@ que se remataron el da de $oy, de tal forma que 1/ son marca " y los 9/ restantes son marca K. #e sabe adems, que de los /@ radios comprados / resultaron defectuosos, de los cuales 2 son marca " y 9 marca K. .l radio seleccionado puede ser marca " y defectuoso a la vez o puede ser K y defectuoso a la vez, lo cual quiere decir, que los 2 eventos3 'marca " y defectuoso& son compatibles. "s mismo, los eventos& marca K y defectuoso&, son eventos compatibles, porque pueden ocurrir simultneamente. 0) #ucesos INCO!PATIBLES o !UTUA!ENTE E"CLU#ENTES, son los que no pueden suceder simultneamente. .jemplo3 "l lanzar el dado corriente una vez, el suceso 'n mero par& es mutuamente excluyente o incompatible con el suceso 'n mero impar&, pues la ocurrencia del uno excluye

automticamente la ocurrencia del otro. .s bueno aclarar, que estos dos sucesos son adems sucesos opuestos, puesto que la probabilidad de par es 9A0 y la probabilidad de impar tambi%n es 9A0, es decir, que los dos eventos son complementarios. Lo anterior quiere decir, que dos sucesos mutuamente excluyentes, pueden tambi%n ser opuestos, como sucede en el presente ejemplo, pero podran no ser opuestos, como en si!uiente ejemplo3 .jemplo3 #i se lanza un dado corriente una vez, el evento '9& y el evento '/&, son mutuamente excluyentes, porque no pueden ocurrir simultneamente. Ho obstante, estos dos eventos no son opuestos, pues la probabilidad de 9 es 1A0 y la probabilidad de / es 1A0, es decir, que ambos eventos, no cumplen la se!unda condici-n para que sean opuestos, porque no son complementarios. 8) 6os sucesos son INDEPENDIENTES, cuando la probabilidad de la ocurrencia del uno, no afecta la probabilidad de la ocurrencia del otro. .s decir, el objeto seleccionado puede se!uir apareciendo en las si!uientes selecciones, puesto que dic$o objeto, se!uir $aciendo parte del conjunto de los resultados posibles del experimento. , sea, el numerador como el denominador de la f-rmula (1), sern los mismos en cada ensayo y por lo tanto, la probabilidad no cambiar de ensayo a ensayo. .jemplo3 #i lanzo una moneda dos veces y obten!o cara en el primer lanzamiento, %ste resultado no afectar el resultado si!uiente< es decir en el se!undo lanzamiento la probabilidad del resultado cara se!uir constante y as sucesivamente en los futuros lanzamientos. ,bservemos que se! n la f-rmula (1), en el primer lanzamiento el %xito posible es el resultado cara, o sea s-lo un resultado y los resultados posibles son 2 resultados (cara y sello), por lo cual la probabilidad de cara en el primer lanzamiento es i!ual a ?. .n el se!undo lanzamiento, se repetir la situaci-n anterior, porque tanto los %xitos posibles como los resultados posibles, se!uirn siendo los mismos, es decir 1 y 2 respectivamente< siendo la probabilidad de cara en el se!undo lanzamiento, nuevamente i!ual a ?. .jemplo3 #upon!amos una urna que contiene 8 fic$as que representan a D mujeres y 9 $ombres, quienes aspiran a pertenecer a dos comit%s ) y : respectivamente. Llamemos > 1, al evento 'una mujer es seleccionada para pertenecer al comit% )& y llamemos > 2 al evento 'una mujer es seleccionada para pertenecer al comit% :&. #upon!amos adems, que la primera fic$a esco!ida es re!resada a la urna para la se!unda selecci-n, lo cual quiere decir que una misma persona podra ser seleccionada para pertenecer a ambos comit%s. Los eventos >1 y >2, son eventos independientes, porque en la primera selecci-n los %xitos posibles son D y los resultados posibles son 8, es decir que la probabilidad de mujer para el comit% ) es DA8. 4or otra parte, en la se!unda selecci-n, la probabilidad de mujer para el comit% :, ser nuevamente DA8, porque tanto los %xitos posibles como los resultados posibles se!uirn siendo los mismos, es decir D y 8 respectivamente. 6ic$o en otra forma, la probabilidad de >2, no depende de si >1, sucedi- o no. La probabilidad de %xito en el experimento no cambia de ensayo a ensayo. C. 6os sucesos son DEPENDIENTES, cuando la probabilidad de la ocurrencia del uno, depende de si el otro ocurri- o no ocurri-. .jemplo3 +omemos el ejemplo anterior, excepto que la fic$a esco!ida en la primera selecci-n, no es re!resada a la urna, para efectuar la se!unda selecci-n. La probabilidad del evento >1 (mujer en la primera selecci-n), es i!ual a DA8, puesto que los resultados %xitos son D y los resultados posibles son 8. 4ara la se!unda selecci-n, la fic$a esco!ida en la primera selecci-n no es re!resada a la urna< por lo tanto los resultados posibles s-lo sern 0 y los %xitos posibles sern 9 o D, dependiendo de si en la primera selecci-n fue esco!ida una mujer o un $ombre respectivamente, es decir si se cumpli- el evento > 1 o no. .n el primer caso, la probabilidad de mujer en la se!unda selecci-n es 9A0 y en el se!undo caso, la probabilidad de mujer en la se!unda selecci-n es DA0. .s claro entonces, que la probabilidad de mujer en la se!unda selecci-n (evento > 2), es diferente a la probabilidad de mujer en la primera selecci-n (> 1) y que adems la probabilidad del se!undo evento >2, depende de lo que $aya sucedido en el primer evento. .s decir la probabilidad de %xito cambia de ensayo a ensayo.

.jemplo3 #i se lanza una moneda corriente 9 veces, el suceso " (dos caras se!uidas), es dependiente del suceso K (una cara en el medio), pues es necesario que exista una cara en el medio, para que $aya dos caras se!uidas. .s decir, que de acuerdo a la definici-n de eventos dependientes el valor de probabilidad del evento " (dos caras se!uidas), depende de si se cumple o no el evento K (una cara en el medio). B) .l conjunto de todos los resultados posibles de un experimento, se denomina el ESPACIO !UESTRAL, que se simboliza por #. .jemplo3 Construir el espacio muestral que corresponde al experimento de cierre de venta, a 9 clientes que entran a un almac%n de repuestos. #i simbolizamos el cierre de la venta por 'L& y el no cierre de la venta por 'H&, el espacio muestral, ser el si!uiente3 # 5 (LLL, LLH, LHL, HLL, HHL, LHH, HLH, HHH). 4ara construir este espacio muestral es muy til la t%cnica del dia!rama de rbol. 1@) 7n PUNTO !UESTRAL, es un resultado particular del espacio muestral #. .jemplo3 7tilizando el espacio muestral del ejemplo anterior, cada uno de los C resultados, es un punto muestral, puesto que cada uno es un resultado particular de #. 4or otra parte, si resumo el referido espacio muestral del ejemplo, lo podramos escribir como3 # 5 (9, 2, 1, @) ventas. .n %ste ltimo caso '9& y &@& ventas, son puntos muestrales, porque son resultados individuales de #, mientras que los resultados '2& y '1& ventas, no son puntos muestrales, porque se refieren a subconjuntos que contienen 9 resultados cada uno, (LLH, LHL, HLL) y (HHL, LHH, HLH) respectivamente. 11) " 7 K es el evento que sucede si y solo si3 " - K - ambos suceden. #e lee A $%i&% B. 12) " M K es el evento que sucede si y solo si3 " y K suceden simultneamente. #e lee A i%'(r)(**i&% B. .n el si!uiente 6*"IN">" de L.HH, se visualiza la uni-n de " con K, que corresponde a la suma de los dos rectn!ulos internos " y K, menos el pequeOo rectn!ulo que simbolizamos como " M K .

AB A B S

19) " C,>4L.>.H+,, que se simboliza "c, es el evento que sucede si y solo si, " no sucede. "c es el conjunto de todos los eventos de #, excepto los eventos que pertenecen a " como se ve en el si!uiente dia!rama de Lenn. 4or una parte, el -valo interno, representa al evento ". .l rectn!ulo exterior representa al espacio muestral #. .l rectn!ulo exterior, exceptuando el -valo !ris, representa a "c.

Ac A

A"IO!AS DE PROBABILIDAD

" continuaci-n se analizarn al!unos conceptos relacionados con la probabilidad y que son verdades tan claras que no necesitan demostraci-n al!una, por lo cual tienen el carcter de axiomticos. .xisten bsicamente D axiomas de probabilidad a saber3

1) La probabilidad de un evento ", siempre es un valor mayor que cero (@) y menor o i!ual que uno, es decir3 @ P 4(") P1. Lo anterior, por cuanto se! n la f-rmula (1), el numerador (%xitos posibles), puede tener un valor mnimo de cero, en el caso de que el experimento no conten!a %xitos, pero en nin! n caso el numerador (%xitos posibles) puede ser superior aunque si puede ser i!ual al denominador (resultados posibles). .jemplo3 #i se lanza un dado corriente una vez, la probabilidad de obtener un n mero mayor que 0, ser i!ual a cero, puesto que no existen n meros mayores que 0 en el lanzamiento del dado una vez. "plicando la f-rmula (1), tenemos que3 4(") 5 @A0 5 @. 4or otra parte, al lanzar dic$o dado corriente una vez, la probabilidad de obtener un n mero menor o i!ual que 0, es i!ual a 1, porque en %ste caso los %xitos posibles (0) coinciden con los resultados posibles del experimento (0). "plicando la f-rmula (1) tenemos que3 4(") 5 0A0 51 2) La probabilidad del espacio muestral es i!ual a 1, es decir que3 4(#) 5 1. .sto, puesto que se! n la misma f-rmula (1), el n mero de %xitos sera i!ual en este caso al n mero de resultados posibles. .s decir que todos los resultados posibles del experimento constituyen %xito, o sea que no existen fracasos. .sto quiere decir, que se trata del evento cierto o se!uro. 9) #i " y K son dos eventos mutuamente excluyentes, entonces se cumple que3 (2) 4 ("7K) 5 4(") Q 4 (K) Lo podemos comprobar en el si!uiente dia!rama de Lenn3

S
.jemplo3 6e las 1.2@@ cuentas por cobrar que tiene una compaOa, estas se $an clasificado as3 1.@@@ de fcil cobro("), 1@@ de difcil cobro (K), 8@ de dudoso cobro(C) y 9@ irrecuperables (6). F#i se selecciona una cuenta aleatoriamente, cual es la probabilidad de que la cuenta sea de fcil o de difcil cobroG #olucion3 Los eventos " y K son eventos mutuamente excluyentes por cuanto no es posible que una cuenta seleccionada sea de fcil cobro y de difcil cobro a la vez. 4or lo tanto, aplicando la f-rmula (2), tenemos3 4("7K) 5

1000 100 + = 0.9167 1200 1200

N3 La probabilidad de que la cuenta sea de fcil o de difcil cobro es del B1.08E Como corolario del axioma anterior, la uni-n de ms de dos eventos mutuamente excluyentes es i!ual a la suma de las probabilidades de los mismos. (9) 4(" 7 K 7 C 7 6......7 ;) 5 4(") Q 4 (K) Q 4(C) Q 4 (6)......Q4 (;) Con relaci-n al problema anterior, Fcul es la probabilidad de que la cuenta seleccionada aleatoriamente sea de difcil cobro, de dudoso cobro o irrecuperableG Como nin!uno de los tres eventos, pueden suceder simultneamente, entonces aplicando la f-rmula (9) tenemos3 4 (K 7 C 7 6) 5 4 (K) Q 4(C) Q 4 (6) 5

100 70 30 + + = 0.1667 1200 1200 1200

N3 La probabilidad de que la cuenta seleccionada sea de difcil cobro, de dudoso cobro, o irrecuperable es del 10.08E TEORE!AS DE PROBABILIDAD 1) #i J es el conjunto vaco, entonces3 4 (J) 5 @. .s fcil de comprobar, pues en el primer axioma de probabilidad dijimos que el mnimo valor de probabilidad es cero (@). .jemplo3

#i una compaOa tiene como norma indeclinable, aceptar como trabajadores, s-lo aquellos que tienen su situaci-n militar definida y nunca $a $abido excepci-n a %sta re!la para un total de 2/@ trabajadores, Fcul es la probabilidad de que un trabajador seleccionado aleatoriamente, no $aya definido su situaci-n militarG "qu el n mero de %xitos posibles, lo definimos como aquellos eventos en que el trabajador no $a definido a n su situaci-n militar. Como %ste evento es el conjunto vaco J, entonces, la probabilidad pedida aplicando la f-rmula (1) es i!ual a3 4(") 5 @A2/@ 5 @. 2. #i " c es el complemento de un evento ", entonces3 (D) 4 (" c ) 5 1 R 4(") .jemplo. #upon!amos que se tiene un lote conformado por 8 artculos buenos y 9 defectuosos. #i llamamos ", al evento de que un artculo sea bueno, entonces tendremos que llamar " c al evento de un artculo defectuoso. .l espacio muestral es el conjunto de todos los resultados posibles del experimento, es decir3 # 51@. #i seleccionamos un artculo aleatoriamente, la probabilidad de bueno (evento ") es3 4(") 5 es3 4(" c ) 5

7 y la probabilidad de defectuoso (evento " c ) 10

3 . 10

.s decir3 4 ("c) 5 1R 4("). 9. La probabilidad de la uni-n de dos eventos compatibles es3 (/) 4("7K) 5 4(") Q 4 (K) R 4 ("MK ) .s ms fcil comprobarlo, analizando el si!uiente dia!rama de Lenn3

AB

B S

Como se puede observar en el dia!rama, la uni-n de los dos eventos " y K sera la suma de los dos rectn!ulos interiores, pero en estas condiciones, el rea sombreada "MK, es decir, (intersecci-n de " con K) quedara incluido dos veces, por lo cual, es necesario restar esta cantidad una vez. .s decir3 "7K 5 " Q K R ("MK ). .jemplo3 #upon!amos que los 2@@ obreros de una compaOa se clasifican desde el punto de vista de su calificaci-n y desde el punto de vista de la anti!Sedad, se! n la tabla si!uiente3 "nti!Sedad >enos de / aOos >s de / aOos (>) (H) 2/ 11/ 1/ D/ D@ 10@ +otales 10@ 0@ 2@@

Calificaci-n .xperto (.) "prendiz (") +otales

#i se selecciona un obrero aleatoriamente, Fcul es la probabilidad de que sea un obrero experto (.) - ten!a menos de / aOos de anti!Sedad (>)G Como se puede observar en la tabla, los eventos . y > son compatibles, puesto que existen 2/ obreros de un total de 2@@, que cumplen la condici-n . y > a la vez, es decir, .M> 5 2/. "plicando la f-rmula (/), tenemos3 4 (.7>) 5 4 (.) Q 4 (>) R 4 (.M>) 5

140 40 25 + = 0.775 200 200 200