Вы находитесь на странице: 1из 50

Contenido del Capitulo:

PROBABILIDAD:
.- Terminologa Bsica.
.- Tcnicas de Conteo de Puntos Muestrales.
.- Enfoques para el clculo de probabilidades:
1.-Enfoque Clsico.

OBJETIVOS DE
APRENDIZAJE:
1.-Identificar la
terminologa bsica de
introduccin a la teora
de probabilidades

2.-Enfoque Frecuencial Limitante.


3.-Enfoque de Suma de los Pesos.
4.-Enfoque Subjetivo.
.-Probabilidad Condicional.

2.-Identificar las
tcnicas de conteo de
puntos muestrales.

.-Eventos Independientes.
.-Teorema de Bayes.
3.-Identificar los
distintos enfoques para
el calculo de
probabilidades

4.-Evidenciar la
aplicacin del teorema
de Bayes en situaciones
reales

Capitulo III. Muestreo

CAPITULO II: PROBABILIDAD


2.1

Terminologa Bsica.

Sistemas

Determinsticos:

Sistemas

que

interactan

de

forma

predecible, de modo que podemos describir con certeza, de manera


apriorstica su comportamiento. Ejemplo: En el vaco se puede asegurar
al dejar caer un objeto su velocidad ser 98m/s transcurridos 10 s de viaje
Sistemas Probabilsticas: Son sistemas con un comportamiento no
predecible, sujetos a incertidumbre. Ejemplos: La Inflacin, El Sistema
Econmico Mundial, el Clima Organizacional.

Nota: La mayora de los sistemas son de naturaleza probabilstica, all


radica la importancia del conocimiento de la Teora de Probabilidades y el
manejo apropiado de la Estadstica.
Experimento Estadstico: Proceso del cual se derivan una serie de
resultados de naturaleza aleatoria. Ejemplos:
a) Observar el nmero de personas que hablan por el celular mientras
manejan, en la Av. Lara.
b) Lanzar un dado y observar el resultado que se presentan en la cara
superior

.
Una de las definiciones bsicas en un curso de introduccin a la teora de
probabilidades, es la de espacio muestral y se presenta a continuacin.

Capitulo III. Muestreo

Definicin
Espacio Muestral: Conjunto de todos los resultados posible de un
experimento estadstico. Se representa por el smbolo S
A cada resultado del espacio muestra se le denomina punto muestral.

Ejemplo 1:
En referencia al experimento que consiste en lanzar un dado y observar el
resultado que se presenta en la cara superior, el espacio muestral S de
resultados posibles es:

S = {1, 2, 3, 4, 5,6}
Si S finito o infinito contable, se le denomina Espacio Muestral Discreto
Si S constituye un intervalo real o unin de intervalos reales, se le denomina
Espacio Muestral Continuo

Ejemplo 2:

Al lanzar un dado y observar el resultado que se presenta en la cara


superior, el espacio muestral S es discreto finito, pues:

S = {1, 2, 3, 4, 5,6}
Ejemplo 3:

Lanzar una moneda hasta que salga cara, el espacio muestral S es


discreto infinito, pues:

S = {c, sc, ssc, sssc, ssssc}.

Ejemplo 4:

Capitulo III. Muestreo

Si medimos el tiempo que transcurre hasta que falla un componente


electrnico, el espacio muestral S es continuo, pues:

S = {0, }.
Para un nmero considerable de puntos Muestrales, resulta prctico expresar
el espacio muestral como una regla o enunciado:
Ejemplo 5:

El nmero de puntos internos en una circunferencia de radio 3 con


centro en el origen

S = {(x,y / x2 + y2 <= 9; x>=0, y>=0}


En experimentos de muestreo, que implican la seleccin artculos de un lote
debemos considerar si la seleccin se lleva a cabo:

Sin Reemplazo: El artculo seleccionado no se coloca de nuevo en el lote,


antes de seleccionar el siguiente.
Con Reemplazo: El artculo seleccionado se coloca de nuevo en el lote,
antes de seleccionar el siguiente.
Ejemplo 6: Un lote contiene tres artculos {1, 2,3}.el experimento consiste en
seleccionar dos de ellos
Si el experimento se lleva a cabo Sin Reemplazo:
S = {12, 13, 21, 23, 31,32}
Si el experimento se lleva a cabo Con Reemplazo:
S = {12, 13, 21, 23, 31, 32, 11, 22,33}

Definicin

Capitulo III. Muestreo

Evento: De manera frecuente, el inters recae en un conjunto particular de


resultados, as un evento constituye un subconjunto del espacio muestral en
un experimento estadstico. El evento se simboliza con una letra mayscula
distinta de la S que la utilizamos para simbolizar el espacio muestral

Ejemplo 7:
Al lanzar un dado y observar el resultado que se presenta en la cara superior
y verificar que el mismo sea un nmero par:
A = {2, 4, 6}
Complemento: El complemento de un evento A, denotado por A es el
conjunto formado por todos aquellos elementos (puntos muestrales)
pertenecientes a S que no estn en A.
Ejemplo 8: En referencia al ejemplo anterior el evento complementario se
verifica si sucede un nmero impar:
A = {1, 3, 5}
En algunos casos expresaremos eventos a travs de operaciones bsicas de
conjunto, tales como intersecciones, uniones y complementos. A continuacin
se definen de manera sencilla algunas de las operaciones bsicas con
conjuntos, a saber:
La Unin de dos eventos A y

B (A B) es el evento formado por los

resultados que estn en A o estn en B o en ambos.


Para visualizar de manera rpida el conjunto de relaciones entre eventos
haremos uso de una herramienta grfica denominada Diagrama de Venn

Grfico 1. Diagrama de Venn

Capitulo III. Muestreo

( A B )
Fuente: Elaboracin Propia

La Interseccin de dos eventos A y B (A B) es el evento formado por los


resultados que estn en A y estn en B.
Grfico 2.Diagrama de Venn. Interseccin de Eventos

Capitulo III. Muestreo

( A B )
Fuente: Elaboracin Propia

Ejemplo 9
1) En las ltimas 10 rondas semifinales en las cuales han participado
Caracas y Magallanes, al menos uno de los equipos ha accedido a la
final Caracas en 8 oportunidades y Magallanes en 4 de ellas dibuje el
Diagrama de Venn donde se muestren el conjunto de relaciones entre
los eventos.
En primer trmino se definen los siguientes eventos
C: Evento que corresponde a que Caracas acceda a la final.
M: Evento que corresponde a que el Magallanes acceda a la final
A continuacin se muestra un sencillo Diagrama de Venn en el que se
visualizan el conjunto de relaciones entre los eventos que se definieron
anteriormente

Grfico 3. Diagrama de Venn para las finales en que han participado


Caracas y Magallanes

Capitulo III. Muestreo

C
6

Fuente: Elaboracin Propia

Puede visualizarse que en las ltimas 10 oportunidades en las cuales los


equipos Caracas y Magallanes han accedido al ROUND ROBIN:

En 2 oportunidades ambos equipos han pasado a la final.

En 6 oportunidades el Caracas ha pasado con un equipo diferente de


Magallanes a la final.

En 2 oportunidades el Magallanes ha pasado con un equipo diferente


del Caracas a la final.

2.2

Tcnicas de Conteo de Puntos Muestrales.


Antes de aprender a cuantificar la probabilidad de un evento, es

importante desarrollar destrezas en el conteo de los puntos muestrales


asociados a un suceso. A continuacin se presentan una serie de Tcnicas
que facilitan el conteo de los elementos asociados al espacio muestral.
REGLA DE LA MULTIPLICACIN O PRINCIPIO FUNDAMENTAL DE
CONTEO.

Capitulo III. Muestreo

Esta Regla se aplica cuando el espacio muestral se construye por


etapas, o el experimento se conforma de varias operaciones.
Hagamos las siguientes consideraciones:

Cada etapa (j) del experimento puede tener nj resultados posibles


j=1,2,.k

Cada uno de los resultados puede ocurrir independientemente de los


resultados que se presente en las otras etapas.
Luego el nmero total de puntos muestrales de este espacio muestral
conformado por etapas es viene dado por:

n n1.n2.n3....nk

NOTA: Al aplicar la regla hay que tomar en cuenta, si el experimento


se efecta considerando una serie de restricciones.
Ejemplo 10:
Se lanza una moneda y posteriormente un dado. Calcular el tamao del
espacio muestral.
Solucin
Observamos que en este experimento el espacio muestral se construye en
dos etapas, fase u operaciones.
Etapa 1: Lanzamiento de la moneda.

Con n1= 2 resultados posibles

Etapa 2: Lanzamiento del dado

Con n2= 6 resultados posibles.

Luego la ocurrencia simultnea de ambas operaciones viene dada por:

n n1.n2 2.6 12 As el espacio est constituido por 12 puntos muestrales.


A travs de un diagrama de rbol se puede visualizar cada uno de los puntos
muestrales, y realizar el conteo en experimentos que no den como resultado
un nmero muy grande de puntos muestrales
En este Caso:

10

Capitulo III. Muestreo

Grfico 4. Diagrama de rbol para el Experimento de Lanzar una moneda


y posteriormente un dado
1
2
3
4

Cara
( C)

5
6

1
2

Sello
(S)

3
4
5

Fuente: Eduardo Pinto

Luego para la construccin del espacio muestral comenzamos a formar los


puntos leyendo de izquierda a derecha y de arriba hacia abajo.
S c1, c2, c3, c4, c5, c6, s1, s 2, s3, s 4, s5, s6

11

Capitulo III. Muestreo

* Queda propuesto al lector resolver este problema con la siguiente


restriccin: Lanzar el dado nicamente si cae cara.
Definicin
Permutacin
Una permutacin es un arreglo u ordenamiento de un conjunto de
elementos.

NOTA: En las permutaciones importa el orden en el que se


constituyen los arreglos, as una modificacin en la posicin relativa de
un elemento genera un arreglo distinto
Definicin
Permutacin de n objetos distintos
El nmero de permutaciones de n objetos diferentes viene dado por

n!
Ejemplo11:
La abuela Mara manda a su nieto gollo a jugarle la permuta del nmero 965
por 100 Bs. Cunto debe gastar Gollo?
Solucin:
Tenemos tres elementos distintos el nmero de permutaciones viene dado
por:
n!
En este caso el nmero de arreglos distintos es 3! = 6
Aqu estn los 6 arreglos diferentes!:

12

Capitulo III. Muestreo

965
956
596
569
695
659
El problema puede ser resuelto a travs de la regla de la multiplicacin de la
siguiente manera:
Consideremos el nmero de opciones de posicionamiento en los lugares
correspondientes a las centenas, decenas y unidades respectivamente con la
condicin de que nmero utilizado en el arreglo no se repita.

centenas

Decenas

Unidades

n1

n2

n3

Luego n =n1.n2.n3=3.2.1=6 posibles nmeros


As la Abuela Mara debe darle 600 Bs. a Gollo para realizar la apuesta.
Definicin
Permutacin de n objetos distintos tomando r a la vez (Variaciones)
El nmero de permutaciones de un subconjunto de r objetos seccionados de
un conjunto de n elementos diferentes viene dado por:
n Pr (n 1).(n 2)...( n r 1)

n!
(n r )!

Ejemplo12: En referencia al problema anterior, ahora la abuela Mara le pide


a Gollo le juegue todos los terminales posibles para el triple 965. Nota: El
terminal se constituye por los dos ltimos dgitos de la trada formada.
Sol:

13

Capitulo III. Muestreo

En este caso debemos buscar todas aquellas permutaciones o variaciones


distintas de dos dgitos que se pueden formar con los dgitos 9,6 y 5.
3P 2

3!
6
6
(3 2)! 1

En este caso Gollo debe comprar 6 terminales diferentes:

65
56
96
69
95
59

NOTA: En los casos anteriores los n elementos ha acomodar


eran distintos. Vamos a analizar que sucede cuando no todos los
elementos son diferentes.
Definicin
Permutacin de n objetos de los cuales n1 son de un tipo, n2 de otra
categora hasta nk
El nmero de permutaciones n = n1 +n2++nk objetos es:

n!
n1!.n2!.n3!...nk!

En los casos en los que no importe el orden sino las distintas selecciones
diferentes posibles utilizaremos las combinaciones

14

Capitulo III. Muestreo

Definicin
Combinacin
El nmero de combinaciones de n objetos diferentes tomando r a la vez: es:
nCr

n!
r!(n r )!

Las siguientes interrogantes se responden haciendo uso de una combinacin::

De cuantas maneras distintas se pueden seleccionar 5 estudiantes


de una seccin de 40?

Cuntas muestras diferentes de 15 ejes pueden seleccionarse de


un lote de tamao 50?

Cuantos cartones diferentes de Kino pueden imprimirse en un


sorteo semanal cualquiera?

En Resumen
Grfico N 5. Diferencia entre Permutacin y Combinacin
SELECCIONAR

NO IMPORTA EL
ORDEN

ARREGLO

IMPORTA EL
ORDEN

Fuente: Elaboracin Propia

COMBINACION

PERMUTACION

15

Capitulo III. Muestreo

Ejemplo 13:
1) El apretn de manos

Las personas que asistieron a una fiesta se estrecharon la mano. Uno de ellos
advirti que los apretones de mano fueron 66. Cuantas personas
concurrieron a la fiesta?

SOLUCIN
Este interesante problema est propuesto en la seccin denominada
Matemtica Recreativa de la coleccin de fascculos titulada El Mundo de
las Matemticas, se sugiere resolverlo en un fascculo dedicado a las
aplicaciones de las ecuaciones, en este caso se obtendr una solucin a
travs de una de las tcnicas de conteo (Combinacin), y se le deja al lector el
encontrar otras formas de solucionar el acertijo.

Es fcil visualizar con un pequeo ejemplo que el nmero de apretones viene


dado por

n C

2.

Supngase que los profesores Roger, Noel, Edgar y

Vctor se encuentran en la maana a la hora en que Deyanira sirve el caf


cuantos apretones de mano son posibles?
Roger Noel; Roger Edgar; Roger Vctor; Noel Edgar; Noel Vctor;
Edgar Vctor
Fcilmente podemos percatarnos que el apretn de manos Roger Noel es el
mismo Noel Roger, dado que no importa el orden el nmero de apretones
podemos encontrarlo rpidamente a travs del combinatorio de 4 en 2
4C2 = 6

16

Capitulo III. Muestreo

Ahora en este problema desconocemos el valor de n, sin embargo sabemos


que:

nC 2

n!
66
2!n 2 !

Resolviendo
n n 1n 2 !
66
2!.( n 2)!

Luego tenemos la siguiente ecuacin de 2 Grado


n2 - n - 132 = 0
Resolviendo la ecuacin:
n = 12.
As asistieron 12 personas a la fiesta.
Ejemplo 14:
La jugada hpica extica conocida como exacta consiste en acertar, las dos
primeros lugares en el orden correcto en una carrera de caballos; es decir si
Ud. jug la exacta 7-8 el nmero 7 debe figurar en el primer lugar y el 8
ocupar la segunda posicin. En una hipottica carrera con 10 caballos
participando cuantas apuestas debe realizar para tener la absoluta seguridad
de acertar la exacta
Solucin
En esta caso importa el orden en que se formen las posibles duplas,
por lo tanto, el problema consiste en encontrar el nmero de permutaciones
de

n objetos tomando r a la vez; en este caso, 10 objetos en grupos de

tamao 2:

17

Capitulo III. Muestreo

10P 2

10!
10.9 90
(10 2)!

El jugador tiene que realizar 90 apuestas para la que exacta constituyese un


evento seguro, obviamente esto implicara una inversin de:

90exactas

2000Bs
180000Bs
exactas

18

Capitulo III. Muestreo

Tcnicas de Conteo de Puntos Muestrales.


Ejercicios Propuestos
1) Cuntos nmeros de 4 dgitos pueden formarse con los dgitos 0, 1, 2, 3,
4, 5, 6, 7,8?
a. S cada uno puede utilizarse una sola vez.
b. Cuntos de estos nmeros son impares?
c. Cuntos de estos nmeros son pares?
Nota: Para que el nmero formado sea considerado de 4 dgitos en la
posicin correspondiente a las unidades de mil debe aparecer un nmero
distinto de 0?
2)

Pedro y su esposa Ofelia estn decidiendo el nombre de su primer hijo

como buenos maracuchos el nombre debe contener las iniciales de los


nombres de sus padres y abuelos. Los abuelos son Maria y Eduardo y Pablo
y Ana. Cuntos nombres contiene la lista de la cual harn la seleccin?

3) De cuantas maneras puede finalizar la temporada el equipo REAL


MADRID FC. Con 25 victorias 10 empates y cinco derrotas?

4) Un Comit Paritario de Higiene y Seguridad

(CPHS) es un equipo de

trabajo, formado por representantes de la direccin y de los trabajadores,


quienes se integran con el propsito de encontrar soluciones y mejoras
efectivas en diversos mbitos tales como: La Proteccin de las Personas y la
Seguridad de toda Empresa. En toda empresa, faena, sucursal o agencia en
que trabajen ms de 25 personas se organizarn Comits Paritarios de
Higiene y Seguridad.

Un Comit Paritario de Higiene y Seguridad se

constituye de por tres representantes patronales y tres representantes de los


trabajadores. Si una empresa se constituye de 60 trabajadores y la Junta

19

Capitulo III. Muestreo

Directiva la conforman 5 miembros Cuntos Comits de Higiene y


Seguridad diferentes se pueden constituir?
5) En una planta qumica se utilizan 20 tanques para almacenar el producto
final. Se escogen cuatro tanques, sin reemplazo, al azar. Suponga que seis
tanques contienen material en el que la viscosidad excede los requerimientos
del cliente Cuntas muestras distintas de tamao cuatro contienen al menos
un tanque con material de viscosidad alta?

6) Del 1 al 775 Cuntas veces aparece el nmero siete?

7) Un restaurante ofrece cebolla, salsa, mostaza y picante como condimento


para su agregado a una hamburguesa simples. Cuntas clases de
hamburguesas puede preparar si los sabores se clasifican en: sin sabor,
con uno, con dos, tres o cuatro condimentos a la vez?
8) En la primera fase del Campeonato Mundial de Ftbol Alemania 2006
participan 32 Equipos, distribuidos en 8 Grupos constituidos por 4 Equipos
cada uno. En el Grupo cada equipo debe jugar una vez con sus tres
contrincantes restantes clasificando los dos mejores de cada grupo. Cul
es el total de partidos a efectuar en la primera ronda?

9) La jugada Hpica denominada superfecta consiste en acertar en una


carrera cualquiera, los ejemplares que arriben en los cuatros primeros
lugares en ese estricto orden; es decir si compramos un boleto sencillo con
los nmeros (7-5-2-4) el nmero 7 debe finalizar primero, el 5 concluir
segundo, el 2 arribar en el tercero y el 4 ocupar la cuarta casilla. En una
carrera en la que participen 14 ejemplares Cuntas Superfectas son
posibles?

10) Del 1 al 1998 cuantas veces aparece el nmero 9

20

Capitulo III. Muestreo

2.3

Definicin De Probabilidad. Enfoques Para Su Clculo

PROBABILIDAD
La probabilidad es una medida para cuantificar el grado de
incertidumbre respecto a un suceso. Esta medida suministra informacin
en torno a la posibilidad de que un hecho o evento se presente. Sus orgenes
se remontan al siglo XVI cuando los reyes contrataban a los matemticos
famosos para idear mtodos para incrementar sus ganancias en los juegos de
azar, por eso algunos afirman que La Probabilidad naci en el juego y es
jugando como se aprende probabilidad.Hoy da la Teora de Probabilidades
constituye el fundamento de la Estadstica Inferencial, la cual es ampliamente
utilizada por los ingenieros para sacar conclusiones de diversos procesos en
base a evidencias muestrales

ENFOQUES PARA EL CLCULO DE PROBABILIDADES.


Para calcular la probabilidad de un evento es necesario reunir
informacin relevante en torno a dicho suceso, dependiendo de dicha
informacin se utilizarn diferentes reglas o enfoques para su cuantificacin.

ENFOQUE I: METODO DE LAS FRECUENCIAS RELATIVAS.


Esta definicin fue dada en 1921 por

Richard Von Nisses y ampliada y

convertida en teora por Kolmogorov en 1933.

21

Capitulo III. Muestreo

Definicin:
Al repetir u observar un procedimiento un gran nmero de veces, cuente las
ocasiones en las que el suceso A ocurre en la realidad. En base a estos
resultados, la P(A) se estima de la siguiente forma:
P( A)

Nmero de veces que ocurre


Nmero de repeticiones

n
N

En su forma lmite la definicin frecuencial es la siguiente:


P ( A)

Lim N
N

Es a partir de este enfoque que se considera que cuando una moneda es


legal o no cargada la probabilidad de obtener una cara tiende al valor 50%
luego de un nmero considerable de ensayos
Grfico N6. Definicin Frecuencial

22

Capitulo III. Muestreo

DEFINICION FRECUENCIAL LIMITANTE

Es poco probable que el Real


Mallorca le gane al REAL MADRID

El experimento se
repite un gran
nmero de veces
bajo condiciones
similares

La probabilidad de obtener cara


al lanzar una moneda es 50%

Segn este enfoque la probabilidad es el cociente entre las veces


que ocurre el evento y el nmero de veces que se repite el
experimento

Fuente: Elaboracin Propia

ENFOQUE II: METODO CLSICO (requiere un espacio muestral


equiprobable)
La primera definicin formal fue postulada por el mdico y matemtico
Girolamo Cardano (1501-1576) y la forma que an sigue vigente fue
presentada por Laplace quien la enuncia de la siguiente manera.
Definicin
Si un experimento dado tiene N resultados simples distintos, cada uno de los
cuales tiene la misma probabilidad de ocurrir. Si el evento A puede ocurrir en
n de estas N formas, entonces la probabilidad del evento A viene dada por:
P ( A)

nmero
de resultados favorables
nmero resultados posibles

n
N

23

Capitulo III. Muestreo

Nota: N representa el tamao del espacio muestral, y para


su clculo se debe hacer uso de las tcnicas de conteo de puntos
muestrales aprendidas.

ENFOQUE III: Suma de Pesos

La probabilidad de un evento A es la suma de los pesos de los puntos


muestrales asociados al evento A.

Axiomas de Probabilidad.

0 P( A) 1

P() 0

P(S ) 1

ENFOQUE IV: Probabilidades Subjetivas

En algunos casos la probabilidad de un suceso es estimada segn el nivel de


informacin o conocimiento acerca de un tema por parte de un experto. Segn
Henry Kyburg:En la visin subjetiva, la probabilidad representa una relacin
entre una proposicin y un cuerpo de evidencia, pero no es una relacin
puramente lgica. Es una relacin cuasilgica y el valor numrico asociado a
ella representa un grado de creencia Por ejemplo: La probabilidad de que
el caballo Polo Grounds gane el clsico Simn Bolvar del 2006 es 80 %,
en esta afirmacin el experto debe considerar variables tales como peso del
ejemplar, efectividad del jinete, efectividad del entrenador, efectividad del
puesto de pista, dosage (razn entre la velocidad y stamina (resistencia)del
ejemplar), centro de distribucin, pedigree, estado fsico del ejemplar,
condicin en cancha, y obviamente la experiencia y el feeling del

24

Capitulo III. Muestreo

Handicapper. Asimismo cuando un comentarista deportivo afirma que los


Leones del Caracas sern campeones de la temporada 2005 - 2006 lo hace
en base al conocimiento de una serie de circunstancias relevantes del suceso
de anlisis

Ejemplo 15:
1) Una moneda se construye da tal forma que la probabilidad de obtener una
cara es el triple de obtener como resultado un sello. a) Si la moneda se lanza
una vez cual es la probabilidad de obtener una cara. b) Si la moneda se lanza
dos veces cual es la probabilidad de obtener un sello.

Solucin:
Para resolver este problema se usar el enfoque de suma de los pesos
dado que no se trata de un experimento en el que todos los resultados son
igualmente probables.
a) En primer trmino se define el evento siguiente:
A: Evento que corresponde a obtener una cara en un lanzamiento.
Dado que la probabilidad de obtener una cara es el triple de la de obtener un
sello tenemos:
3p

p 1 (Por Axioma de probabilidad P(S) = 1)

Resolviendo esta sencilla ecuacin se tiene que:

1
(Probabilidad de obtener sello)
4

Luego la probabilidad de obtener cara es:

P( A) 3 p

3
. As la probabilidad de obtener cara es 75 %.
4

b) Al realizar dos lanzamientos el espacio muestral queda de la siguiente


manera:
S cc, cs , sc, ss

25

Capitulo III. Muestreo

Sea B: el evento que corresponde a obtener un sello.

P( B) P(CS ) P(SC)
3 1 1 3 3
P( B) . .
4 4 4 4 8
Reglas Aditivas

En algunas ocasiones nos interesa calcular la probabilidad de la Unin de dos


o ms o eventos, o hacer el clculo de la probabilidad de un evento a partir de
su complemento, con una serie de operaciones sencillas fundamentadas en la
teora de conjunto se pueden obtener dichas probabilidades

Teorema

Sean un A y B un par de eventos cualesquiera:

P( AUB ) P( A) P( B) P ( A B)

Corolario

S A y B son mutuamente excluyente:

P( A B) P( A) P( B)

Corolario

Para n eventos mutuamente excluyentes:

P( A1 A2 A3.... An ) P( A1) P( A2) P( A3) ... P( An )

Para 3 eventos A,B,C cualesquiera:

P( A B C ) P( A) P( B) P(C ) P( A B) P( A C ) P( B C ) P( A B C )

Regla para los sucesos complementarios

Teorema

P( A) P( A' ) 1 P( A) 1 P( A' )

P ( A B ) 1 P ( A' B ' )

26

Capitulo III. Muestreo

Grfico N 7. Esquema de Reglas Aditivas


REGLAS ADITIVAS
P(AUB)

A y B son
mutuamente
Excluyentes?

NO

P(AUB)= P(A) + P(B) P(A B)

Fuente: Triola.M

P (AUB)= P(A) + P(B)

27

Capitulo III. Muestreo

Grfico N8. Regla del Suceso Complementario

P(A)

P (A) = 1-P(A)

Fuente: Elaboracin Propia

2.4

Probabilidad Condicional. Eventos Independientes


La probabilidad condicional de un evento se obtiene en base a la luz de

informacin adicional de otro suceso que ya ocurri.


Definicin
La probabilidad de que el evento B ocurra dado que el evento A ocurri

P( B / A) viene dada por:


P( B / A)

P( B A)
P( A)

P( A) 0

Nota: Cuando plantee la expresin condicional coloque en el


denominador el evento que ya se present.

28

Capitulo III. Muestreo

Ejemplo: A continuacin se muestra la siguiente informacin obtenida de una


muestra de 100 estudiantes de Ingeniera de la UNEXPO

Tabla N
Fuma

No Fuma

Hombre

18

22

Mujer

20

40

Si se selecciona una persona que tiene el hbito de fumar. Cul es la


Probabilidad de que sea una Mujer?
Solucin:
Se definen los siguientes eventos:
F: La persona seleccionada es fumador.
NF: La persona seleccionada no fuma
H: La persona seleccionada es un hombre
M: La persona seleccionada es una mujer.
Se debe calcular la probabilidad de que la persona seleccionada sea una
mujer dado que se sabe que tiene el nocivo hbito de fumar; es decir:
P (M/F)=?
Por Definicin de Probabilidad Condicional:
P( M / F )

P( M F )
P( F )

29

Capitulo III. Muestreo

Completando la informacin de la Tabla N


Fuma

No Fuma

Total

Hombre

18

22

40

Mujer

20

40

60

Total

38

62

100

P( M F )

20
100

De forma anloga la Probabilidad de seleccionar un fumador es:


Fuma

No Fuma

Total

Hombre

18

22

40

Mujer

20

40

60

Total

38

62

100

P( F )

20
20
0,5263
Luego P( M / F ) 100
38
38
100

38
100

30

Capitulo III. Muestreo

Hay un 52,63 % de probabilidad de que la persona seleccionada sea una


mujer

Eventos Independientes.
Uno de los conceptos de mayor importancia en la teora de
probabilidades es el de eventos independientes, y ser de gran utilidad para
entender aquellos procesos que se adapten a la Distribucin Binomial y sus
variaciones, y en casos de muestreo cuando el parmetro de inters sea la
proporcin de una poblacin.(Las Distribuciones de Probabilidad y los
procesos de inferencias no sern desarrollados en este libro)
A partir

del concepto de probabilidad condicional se puede definir

eventos independientes:
Definicin
Dos eventos A y B son independientes

P ( B / A) P ( B )
y
P ( A / B ) P ( A)

As los Eventos A y B son independientes dado que la ocurrencia del evento A


no afecta la probabilidad de ocurrencia de B, y del mismo modo la
probabilidad de ocurrencia de B no se ve condicionada por la ocurrencia de A.
Por ejemplo, si lanzamos una moneda en par de oportunidades, la
probabilidad de obtener una cara en el segundo lanzamiento es exactamente
igual a la probabilidad de obtener una cara el segundo intento si en el primero
dio como resultado una cara.

31

Capitulo III. Muestreo

En situaciones asociadas a extraccin de elementos de un lote el proceso de


muestreo debe llevarse a cabo con reemplazo, es decir reponiendo el
elemento extrado en el lote para garantizar que la probabilidad asociada a la
extraccin de dicho objeto permanezca constante. En situaciones asociadas
con juegos de cartas si extraemos una carta del paquete para garantizar que
la segunda extraccin sea independiente de la primera debemos colocar
nuevamente la carta seleccionada en el paquete y barajar antes de efectuar la
prxima seleccin.

Reglas Multiplicativas.
Los Teoremas que a continuacin se enuncian sirven para cuantificar la
probabilidad de Intersecciones de Eventos
Teorema

S A y B son un par de eventos cualesquiera:

P( A B) P( A).P( B / A)
P ( B A) P ( B ).P ( A / B )

*Queda como ejercicio al lector demostrar que P ( B A) P( A B)


Corolario

Dos eventos A y B son independientes

P( B A) P( B).P( A)

y
P( A B) P( A).P( B)

Corolario

Para n Eventos Independientes:

P( A1 A2 A3 ... An ) P( A1).P( A2).P( A3)...P( An )

Ejemplo16:

32

Capitulo III. Muestreo

Uno de los supuestos sobre los que se fundamenta la teora de grficas de


control es que los puntos sucesivos graficados son independientes entre s.
Consideramos que cada punto graficado puede indicar que un proceso est
trabajando dentro de las especificaciones o que por el contrario hay una
situacin no deseada. Aun cuando un proceso trabaje de manera correcta
existe una pequea probabilidad de que determinado punto indique un
problema en el proceso. Si dicha probabilidad es 0,05 Cul es la probabilidad
de que al menos uno de 10 puntos consecutivos indique un problema cuando
en realidad, el proceso trabaja de manera correcta?
Solucin:
En primer trmino definamos los siguientes eventos:
A1: El punto de control 1 indica problema aun cuando el proceso

est

funcionando correctamente.
A2: El punto de control 2 indica problema aun cuando el proceso

est

funcionando correctamente.
A3: El punto de control 3 indica problema aun cuando el proceso

est

funcionando correctamente
A4: El punto de control 4 indica problema aun cuando el proceso

est

funcionando correctamente
A5: El punto de control 5 indica problema aun cuando el proceso

est

funcionando correctamente
A6: El punto de control 6 indica problema aun cuando el proceso

est

funcionando correctamente
A7: El punto de control 7 indica problema aun cuando el proceso

est

funcionando correctamente
A8: El punto de control 8 indica problema aun cuando el proceso

est

funcionando correctamente
A9: El punto de control 9 indica problema aun cuando el proceso
funcionando correctamente.

est

33

Capitulo III. Muestreo

A10: El punto de control 10 indica problema aun cuando el proceso

est

funcionando correctamente.
A1: El punto 1 indica que el proceso esta trabajando bien y el mismo est
funcionando correctamente.
A2: El punto 2 indica que el proceso esta trabajando bien y el mismo est
funcionando correctamente.
De forma anloga para A2, A3, A4A10

Se pide calcular la probabilidad de que al menos uno de los puntos indique un


problema cuando realmente el proceso est bajo control
P( A1 A2 A3 A4.... A10) ?

Considerando que cada punto es independiente y aplicando la regla aditiva


correspondiente al evento complementario tenemos que:
P( A1 A2 A3 A4.... A10) 1 P( A1' A2' A3' A4'.... A10' )

P( A1 A2 A3 A4.... A10) 1 P( A1' ) P( A2' ).P( A3' )...P( A10' )


10

P( A1 A2 A3 A4.... A10) 1 (0.95 ) 0,40126


As la probabilidad de que al menos uno de los puntos indique una situacin
anmala aun cuando el proceso est bajo control es 40,126%

34

Capitulo III. Muestreo

2.5

Regla de la Probabilidad Total

Si los eventos A1, A2,,An (mutuamente excluyentes y complementarios)


constituyen una particin del espacio muestral S.
Entonces:
P( B) P( B A1) P( B A2) P( B A3) ... P( B Ak )

P( B / A1).P( A1) P( B / A2).P( A2) P( B / A3).P( A3) ... P( B / Ak ).P( Ak )

Grfico N9 . Particin del evento A en varios subconjuntos de Eventos


Mutuamente Excluyentes y Complementarios
An
A3

A1

Ak

A4
2.6

A2
Teorema de Bayes

Fuente: Elaboracin Propia

2.5

Teorema de Bayes

El reverendo ingls Thomas Bayes (1702 1761), proporcion una expresin


matemtica muy valiosa para el clculo de probabilidades de un suceso a la
luz de informacin previa concerniente a dicho evento. El enunciado de dicho
teorema se presenta a continuacin.

35

Capitulo III. Muestreo

Teorema
Si los eventos A1, A2,,An (mutuamente excluyentes) constituyen una
particin del espacio muestral S, donde P( Ai ) 0 , para i = 1,2,n, entonces
para cualquier evento B en S tal que P( B) 0 ,
P( Ai / B)

P( Ai ).PB ( Ai )
P( A1).P( B / A1) P( A2).P( B / A2) ... P( An ).P( B / An )

El lector puede demostrar este teorema a partir de la definicin de


Probabilidad Condicional y la Regla Eliminacin Total o Probabilidad Total
Ejemplo 17:

Caja I

Caja II

Caja III

La figura muestra tres cajas de idntico tamao, cada caja contiene un


nmero de pelotas de color rojo y blanco respectivamente. Si una persona al
azar selecciona una pelota de una de las cajas y resulta de color rojo Cul es
la probabilidad de que la pelota provenga de la caja I?

36

Capitulo III. Muestreo

Solucin
En primer trmino consideremos los siguientes eventos.
R: La pelota seleccionada sea de color rojo.
B: La pelota seleccionada sea de color blanco
C1: La caja seleccionada sea la N 1
C2: La caja seleccionada sea la N 2
C3: La caja seleccionada sea la N 3
En el proceso de solucin de un problema que implica el manejo del teorema
de Bayes, podemos definir una serie de probabilidades previas o a priori, y
con est informacin procederemos a calcular las probabilidades finales o a
posteriori.
Probabilidades a Priori

2
3
P( B / C1)
5
5
2
1
P( R / C 2) P( B / C 2)
3
3
P( R / C1)

P( R / C 3)

1
5
P( B / C 3)
6
6

Como las tres cajas son de idntico tamao y la seleccin se hace al azar las
probabilidades de seleccin de las cajas se consideran iguales; es decir:

P(C1) P(C 2) P(C 3)

1
3

Probabilidades a posteriori
En este caso sabiendo que la pelota result de color rojo, vamos a calcular la
probabilidad de que provenga de la caja 1; es decir:

P(C1/ R) ?
Aplicando el Teorema de Bayes, se tiene:

37

Capitulo III. Muestreo

P(C1/ R)

P( R C1)
P( R)

P( R / C1).P(C1)
P( R / C1).P(C1) P( R / C 2).P(C 2) P( R / C 3).P(C 3)

2 1
.
5 3
P(C1 / R)
0,3243
21 21 11

53 33 63
Hay un 32,43% de probabilidad de que la pelota seleccionada provenga de la
Caja N I dado que result de color rojo.

Ejemplo 18:
Segn la apreciacin de una serie de observadores polticos la probabilidad
de triunfo del candidato caraotica es 0,30.Sus asesores quieren tener mayor
informacin y deciden contratar a la encuestadora CONSULTORES UNEXPO
C.A. Dicha encuestadora es una empresa de gran credibilidad.. La
confiabilidad de dicha empresa al dar como probable ganador a un candidato
es del 90 %, asimismo la confiabilidad de CONSULTORES UNEXPO C.A al
afirmar que un candidato fracasar es 85 %. Si la encuestadora le asegura
que no ser elegido Cmo cambia la percepcin de la probabilidad de triunfo
del candidato Caraotica?. Qu le deben sugerir a dicho candidato sus
asesores?
Solucin
En primer trmino consideremos los siguientes eventos.
G: El candidato resulte electo.
g : La encuestadora lo dio como probable ganador.
Probabilidades a Priori:
Las confiabilidades de la encuestadora constituyen las probabilidades previas
que conocemos antes de que se efecte la eleccin. En este caso:

38

Capitulo III. Muestreo

P( g / G) 0,90 P( g ' / G) 0,10

P( g ' / G' ) 0,85 P( g / G' ) 0,15

A su vez la informacin que tiene la empresa respecto a la probabilidad de


xito del candidato es otra probabilidad a priori.

P(G) 0,30 P(G' ) 0,70


En base a esta informacin y utilizando el teorema de Bayes calcularemos la
probabilidad de que el candidato resulte ganador dado que la encuestadora le
pronostic una derrota:

P(G / g ' ) ? (Probabilidad a posteriori)

Aplicando el Teorema de Bayes.

P(G / g ' )
P(G / g ' )

P(G g ' )
P( g ' )

P( g ' / G).P(G)
P( g ' / G).P(G) P( g ' / G' ) P(G' )

(0,10)(0.30)
0,048
(0,10).(0.30) (0.85)(0,70)

As la probabilidad de triunfo del candidato caraotica es 4,8 %.


Por lo tanto los asesores deberan recomendarle el retiro debido a que la
percepcin de triunfo se modific de manera negativa y sus probabilidades d
xito son muy bajas.

Nota: Para la resolucin de problemas relacionados con el teorema de


Bayes, se aconseja construir un Diagrama de rbol para visualizar claramente
las relaciones entre el sistema completo de eventos en este caso se tiene el
siguiente diagrama

39

Capitulo III. Muestreo

Grfico 9. Diagrama de rbol para el problema de las elecciones

P(g/G)

P( g ' G )

P (G). P (g/G)

P(G)
P (g/G)

P(g/G)

P( g ' G' )

P(G)
P (G) P (g/G)
P(g/G)

P(g/G)
.

Luego P( g ' ) P( g ' G ) P( g ' G ' )

Nota: El Diagrama permite aplicar la Regla de Probabilidad Total sin


necesidad de recurrir a la frmula. Se debe tener en cuenta que cuando se va
en la misma rama se multiplican las Probabilidades (Reglas Multiplicativas
para encontrar intersecciones) y cuando se mueva por ramas diferentes se
suman las probabilidades (Dado que estos eventos son mutuamente
excluyentes)

40

Capitulo III. Muestreo

Ejemplo 19:
Aplicacin del Teorema de Bayes en el anlisis de los resultados de un
test de embarazo.
Una mujer seleccionada de un grupo de 100 personas se aplica un
determinado test de embarazo, y la prueba indic un resultado positivo Cul
es la probabilidad de que la misma no este embarazada?
Los resultados de la prueba se muestran en la siguiente tabla.

Tabla N 1. Resultados de un Test de embarazo


Resultados del test de embarazo
Prueba indic (+)

Prueba indic
(-)

Mujer Embarazada

81

Mujer No

12

Embarazada

Solucin:
Definamos los siguientes eventos:
+: La prueba indic que la mujer est embarazada.
- : La prueba indic que la mujer no est embarazada
E: La mujer est embarazada.
E: La mujer est embarazada.
Probabilidades a priori
Podemos definir las siguientes probabilidades que determinan la confiabilidad
del test de embarazo
Confiabilidad de la Prueba

P( / E )

81
0,9529 (Sensibilidad de la Prueba)
85

41

Capitulo III. Muestreo

Cuando la prueba indica de manera correcta que la mujer est embarazada


se denomina verdadero positivo, y la probabilidad de un verdadero positivo
se define como sensibilidad de la prueba.

P( / E ' )

12
0,8 (Especificidad de la Prueba)
15

Cuando la prueba indica de manera correcta que la mujer no est


embarazada se denomina verdadero negativo, y la probabilidad de un
verdadero positivo se define como especificidad de la prueba.

Ambas probabilidades representan la confiabilidad del Test


Cuando la prueba indica de manera incorrecta que la mujer est embarazada
estamos en presencia de un falso positivo.

Cuando la prueba indica de manera incorrecta que la mujer est embarazada


estamos en presencia de un falso negativo.
Asimismo P( E) 0,85 P( E' ) 1 P( E) 0,15

En este problema la prueba de embarazo arroj un resultado positivo


queremos determinar la probabilidad de que la mujer no est embarazada
realmente, es decir:

P( E' / ) ?
Aplicando el Teorema de Bayes se tiene:

P( E ' / )

P( E ' )
P( )

P( / E ).P( E ' )
P( / E ' ).P( E ' ) P( / E ).P( E )

42

Capitulo III. Muestreo

Por Complemento

P( / E' ) 1 P( / E' ) 1 0,8 0,2


Luego:

P( E ' / )

0,2.0,15
0,0357
0,2.0,15 0,9529.085

Hay un 3,57% de probabilidad de que la mujer no est embarazada.

Trminos Claves:

Espacio Muestral, Permutacin, Combinacin Evento, Probabilidad,


Probabilidad Condicional Eventos Independientes, Teorema de
Bayes.

43

Capitulo III. Muestreo

Problemas Propuestos
PROBABILIDAD.
1) Un dado cargado se arregla de tal forma que la probabilidad de ocurrencia
del nmero 2 o un 3 es el doble que la del 4, a su vez este se presenta tres
veces ms frecuentemente que un 1, un 5 o un 6. Si el dado se lanza una vez,
encuentre la probabilidad de que:
a) El nmero sea impar.
b) El nmero sea mayor que 3.
c) Si el dado se lanza dos veces. Cul es la probabilidad de que
la suma de los dgitos sea 7?
2) El Departamento de Compras de EJ Corporation cuenta con 25 motores
elctricos, de los cuales 15 presentan fallas. Si entrega un lote de 11 motores
seleccionados aleatoriamente, cul es la probabilidad de que:
a. Todos resulten con fallas?.
b. A lo sumo 6 motores presenten fallas?
c. Cmo mnimo 2 motores estn en buenas condiciones?
3) En una escuela se graduaron 100 estudiantes:
54 Estudiaron lgebra
60 Estudiaron Fsica.
30 Ambas Materias.
SI se selecciona una persona al azar. Calcule la probabilidad de
que:
a.- Se haya dedicado a lgebra o Fsica?.
b.- No haya cursado ninguna de estas materias?
c.- Haya estudiado lgebra pero no Fsica?

4) En una encuesta realizada a jvenes estudiantes con respecto a sus


preferencias respecto a los deportes:
69 prefieren el ftbol.

44

Capitulo III. Muestreo

46 prefieren el bisbol.
32 el Bsquet.
18 el ftbol y el bsquet.
9 el bisbol y el ftbol.
12 el bisbol y el bsquet.
3 los tres deportes.
15 no le gustan estos 3 deportes.
a) Cuntos jvenes se encuestaron?
b) Probabilidad de seleccionar uno que prefiera exactamente uno de estos
3 deportes.
c) Probabilidad de encontrar uno que juegue bsquet pero no ftbol

5) El problema de los cumpleaos. Determinar la probabilidad de que en


un grupo de 25 personas que asisten a una fiesta al menos dos de los
invitados tenga la misma fecha de cumpleaos.
6) En la pelcula SAW II (Juegos Macabros II) el protagonistas es un
psicpata que colocaba complicadas pruebas a sus victimas a manera de
juego, el pasar la prueba o ganar el juego marcaba la diferencia entre
sobrevivir o morir. Una de las pruebas consista en que un grupo de 8
personas acertase la combinacin de una puerta que les permitira salir del
sitio en el cual que se encontraban encerrados y sometidos a los efectos
de un gas venenoso. Cada victima tena impreso un cdigo en el cuello,
dicho cdigo era un nmero que constaba de dos cifras como mximo. La
clave vena dada por uno de los posibles arreglos a formar con cada uno
de los cdigos de las 8 personas

Qu probabilidad tenan estas

personas de acertar la clave para abrir la puerta? Notas: Las victimas


tenan un mximo de tres oportunidades para acertar la clave. El psicpata
marc a las vctimas con los nmeros (08, 09, 11, 13,16, 18, 10, 05)

45

Capitulo III. Muestreo

PROBABILIDAD CONDICIONAL

1) La probabilidad de que un hombre casado vea un cierto programa de TV es


0,4 y la de que una mujer del mismo estado civil lo haga es 0,5. La
probabilidad de que un hombre vea un programa dado que su esposa lo hace
es 0,7. Encuentre:
Probabilidad de que una pareja de casados no vea el programa.
Probabilidad de que una esposa vea el programa dado que su esposo
lo hace.
EVENTOS INDEPENDIENTES

1)

Un profesor de Ingeniera Econmica hace un examen sorpresa que


contiene 10 preguntas de verdadero/falso. Establece que para aprobar
se requieren al menos 7 respuestas correctas. Suponga que un
estudiante que no se prepar adopta la estrategia de adivinar.
a) Calcular la probabilidad de que las 7 primeras sean correctas y las tres
ltimas sean incorrectas.
b) La probabilidad del inciso a es igual a la de aprobar el examen? Por
qu? De contestar NO Cul es la probabilidad de aprobar?

2) En una zona se cuenta con dos Plantas que operan independientemente.


La probabilidad de que la Planta 1 este disponible en caso de falla es 0,96, la
probabilidad de que la Planta 2 no este disponible es 0,10?

a) Cul es la probabilidad de que ninguna este disponible en caso


necesario?
b) Cual es la probabilidad de que alguna funcione cuando se le
necesita?

46

Capitulo III. Muestreo

3)

Una mquina robtica esta conformada de 5 componentes primarios.

La probabilidad de que cualquier componente falle en el perodo de garanta


es 0,01. Suponga que los componentes estn conectados en serie y fallan de
manera independiente. La mquina falla cuando alguno de sus componentes
falla. Cul es la probabilidad de que la mquina falle durante el perodo de
garanta

La Planta generadora de energa trabaja s, y solo, existe una

trayectoria de dispositivos en funcionamiento, de izquierda a derecha.


Suponga que los dispositivos fallan de manera independiente y que la
probabilidad de falla de cada uno de ellos es la que se muestra en la Fig.
Cul es la probabilidad de que la Planta trabaje? Plantee un arreglo distinto
para mejorar la confiabilidad de la misma?
0.9

0.9

0.8

Eventos Independientes y la Apuesta Hpica


0.9
5

5)

0.9
5

0.9

La jugada extica conocida como Loto hpico o Macuare consiste en

acertar un ejemplar que figure en los tres primeros lugares del marcador
durante 10 carreras consecutivas. Si el apostador juega 1 caballo por carrera.
Calcular la probabilidad de acertar el Macuare. Sabiendo que el nmero
promedio de ejemplares por carrera es 10
Eventos Independientes en la eleccin de una sede deportiva.
6) San Felipe y Valencia estn compitiendo para la sede de los prximos
juegos deportivos. Cada uno ofrece sus servicios de instalaciones deportivas,
alojamiento y alimentacin .Las probabilidades de que San Felipe le gane la
sede a Valencia son 0.6 en Instalaciones Deportivas, 0,3 en Hospedaje y 0,3

47

Capitulo III. Muestreo

en alimentacin. Para obtener la sede las ciudades deben ser sometidas a


pruebas de servicios y ganar al menos dos de ellas. Las probabilidades de
empate en estos renglones son 0,1; 0,2 y 0,2 en Instalaciones Deportivas,
Hospedaje y alimentacin respectivamente

San Felipe tendr la mayor

probabilidad de ganar la sede? Cuantifique dicha probabilidad?

Eventos Independientes en el pronstico Deportivo


7).

Los LEONES DEL CARACAS y el Cardenales de Lara se han

enfrentado en 47 oportunidades en finales. El balance general favorece a los


felinos con 27 victorias. En una hipottica final de la Temporada 2005 2006,
entre los Eternos Campeones y los Pjaros Rojos. En base a la
informacin suministrada. Calcular:
a) La Probabilidad de que el Caracas barra la serie. (Gane los 4
primeros partidos)
b) La probabilidad de que la final se extienda a 7 juegos y Caracas
resulte Campen.
c) Probabilidad de que Caracas gane el campeonato en el quinto juego.
d) Probabilidad de que gane la serie en el sexto juego.
e) Probabilidad de que los Eternos campeones ganen el campeonato
2005-2006.
Nota: La final del Bisbol profesional venezolano se disputa a un mximo de 7
encuentros y resulta campen el que gane 4 de ellos.
8) Omar Vizquel es el Short-Stop con el mayor porcentaje de fildeo en toda la
historia del Bisbol de Grandes Ligas. Este futuro Saln de la Fama jug 17
Temporadas en la Liga Americana, en la cual participan 14 equipos, en ese
tiempo Vizquel obtuvo 9 Guantes de Oro (Premio concedido al mejor campocorto defensivo de la Liga). Su Guante de Oro nmero 10 lo consigui en la
Liga Nacional el ao pasado, en dicha Liga participan 16 equipos. Suponiendo
que los campocortos titulares de todos esos conjuntos tienen la misma

48

Capitulo III. Muestreo

probabilidad de obtener el Guante de Oro. Cuantifique la probabilidad de


lograr la hazaa de Vizquel; es decir conseguir 10 Guantes de Oro en el
nmero de temporadas que tiene jugando?

TEOREMA DE BAYES

1). La fbrica de zapatos NIKEMAN piensa lanzar al mercado un nuevo


modelo de calzado casual. Por experiencia sabe que el 75% de las veces ha
tenido xito cuando el estudio de mercado ha sido bien realizado y 20% si la
investigacin estuvo mal orientada. Adems, estima que el estudio de
mercado est bien elaborado en el 80% de los casos. Si result que el
calzado tuvo xito, a) cul es la probabilidad de que el estudio de mercado
haya sido bien realizado? A propsito, b) cul es la probabilidad de que el
nuevo calzado tenga xito?
2)

Los circuitos Integrados para computadoras de una compaa se

producen en 2 fbricas. El 60% de los circuitos se producen en la fbrica I. Ud


se entera que un circuito integrado est defectuoso. Sabiendo que la tasa de
defectos para las dos fbricas es 35 % para I y 25% para II. Cmo Gerente
General de la compaa, en base a un estudio de probabilidades a quin
despedira? (Al Gerente de I o de II)
3)

Se sabe que un polgrafo (Mquina de la verdad) que se

aplica a un

sospechoso es 85 % confiable cuando la persona es culpable y 90 % cuando


es inocente. Si se selecciona un individuo de un grupo de 5000 sospechosos,
de los cuales solo 100 han cometido un delito, y el polgrafo indica que es
culpable, Cul es la probabilidad de que sea inocente?

4.)

De cada 10 juegos en los cuales ha participado Ronaldo Brasil ha

obtenido la victoria en 8 de ellos. Por otra parte el scratch ha fracasado en el

49

Capitulo III. Muestreo

10% de los partidos en que el astro no

ha participado. Si en el ltimo

enfrentamiento de la escuadra auriverde resultaron victoriosos. Calcular: La


probabilidad de que Ronaldo no haya participado en el encuentro.
Nota: Histricamente Ronaldo ha participado en el 70 % de los partidos
efectuados por la seleccin brasilea producto de sus lesiones.
5)

En la eleccin del Alcalde de un Municipio compiten dos candidatos.

Segn apreciacin de los observadores polticos las probabilidades de triunfo


de los candidatos son 0,60 para Eduardo lvarez y 0,4 para Pedro Guillen.
Los asesores del Sr. Guillen recurren a la encuestadora ULTRANALISIS para
tener mayor informacin en cuanto a las posibilidades de xito de su
candidato. Dicha empresa basa su prestigio en los siguientes resultados:
El 95 % de las veces en que las encuestas han dado como ganador a un
candidato este efectivamente ha ganado.
El 10 % de las veces en que las encuestas han dado como ganador a un
candidato este ha perdido.
Si una vez concluida la encuesta, esta considera ganador al Sr. lvarez. a)
Cmo cambia la probabilidad de triunfo que le haban asignado los analistas
al Sr. Guillen? b) Si UD fuera el Asesor del Sr. Guillen Cul estrategia de
campaa recomendara?

50

Capitulo III. Muestreo

Referencias Bibliogrficas.

DEPOOL, R (1999).Probabilidad y Estadstica. (Trabajo de ASCENSO)

DEVORE,J.(2001) Probabilidad y estadstica para ingeniera y ciencias.


Thomson, Mxico

DIXON,W(1976)Introduccin al anlisis estadstico. McGraw Hill.New York


MONTGOMERY,D(1999)Probabilidad

Estadstica

aplicadas

la

Ingeniera

Fundacin Polar. Ultimas Noticias .El Mundo de las Matemticas.


Fasciculos disponibles en lnea:http://www.fpolar.org.ve/matemtica2

TRIOLA, M(2004).Probabilidad y estadstica. Pearson, Mxico.

WALPOLE, R (1999) Probabilidad y estadstica para ingenieros. Pearson.


Mxico