Calculo de Probabilidades D.ccesa007

Facultad de Ciencias Sociales
Asignatura: Estadstica Social II
Prof. Demetrio Ccesa Rayme
CALCULO DE PROBABILIDADES
En la interpretacin del Concepto de Probabilidad se han seguido dos Escuelas .La
primera, Clsica u Objetivista, interpreta la Probabilidad como la frecuencia relativa de
la ocurrencia de algn evento o resultado (consecuencia) en el desempeo final o la
repeticin de un experimento, entendida esta ltima palabra como una actividad que
pudiera conducir a los resultados previstos, sin olvidar que el resultado particular
observador en cualquier etapa del experimento tambin esta generado por el azar.
La Escuela Clsica u Objetivista del Siglo XVII, tendra como principal inters determinar
la Probabilidad de xito en los juegos de azar. En este caso, los experimentos en
cuestin eran tirar un dado, girar la ruleta, manejar las cartas, etc.
Los Matemticos de ese siglo B. Pascal, P. Fermat y P.S. Laplace, entre otros, fueron los
que ms contribuyeron a formalizar el concepto de probabilidad.
La Segunda Escuela es la Subjetivista o Bayesiana, la cual utiliza los resultados a priori
para calcular la probabilidad de ocurrencia de varios estados del universo (tambin
llamado espacio de eventos), en una etapa particular del experimento de que se trata.
El conocimiento a priori es la forma en que emerger la distribucin de probabilidades,
dado el conocimiento de la naturaleza del experimento que se va a realizar.
El Enfoque Subjetivista permite al instigador asignar probabilidades o eventos
particulares (algunos posibles resultados del experimento que se est llevando a cabo).
Como mencionamos la Escuela Subjetivista tambin se conoce como bayesiana ( la
etiqueta bayesiana significa deseo de incorporar probabilidades subjetivas en el anlisis
estadstico),en contraparte con los seguidores de la Escuela Objetivista ,que no desean
incorporar presentimientos subjetivos en probabilidad a la estructura formal del anlisis
estadstico , pues no creen que el concepto de probabilidad pueda aplicarse a la
verosimilitud de ocurrencia de varios acontecimientos en un experimento sin
repeticin.
El uso de las probabilidades a posteriori implica la aceptacin de la creencia de que
ciertas fuerzas que operaron en el pasado causan que un modelo particular de
distribucin de probabilidad contine de la misma manera.
Como muchos Sistemas Matemticos, la Teora de Probabilidad se convierte en un
mdulo til cuando sus elementos se relacionan e identifican con cosas particulares;
en este caso, los resultados de experimentos reales o conceptuales. De ese modo, la
teora nos permite deducir ciertas proposiciones acerca de la verosimilitud de varios
resultados.
Debido a que el observador tiene una ignorancia total o parcial, es decir, una
incertidumbre acerca del resultado de una investigacin, su actitud ser eventualmente
inferior a adivinar qu ocurrir. En un sentido, la probabilidad refleja la incertidumbre
acerca del resultado de un experimento, por lo que la probabilidad puede pensarse
como el lenguaje matemtico de la incertidumbre y esta es igual para el investigador
y para el jugador de azar.
En los ltimos aos se ha incrementado el uso de los modelos probabilsticos, debido a
que se presentan muchas ventajas al aplicarse a situaciones reales. En los modelos
probabilsticos interviene un conjunto de variables aleatorias, las cuales se rigen por
algn parmetro, como tiempo o espacio. A los procesos aleatorios tambin se les
conoce como procesos estadsticos.
En toda investigacin o estudio, una vez que se han recopilado datos empricos se
adopta un modelo terico (alguna distribucin terica), con el objeto de extraer ms
informacin de los datos. Si la adaptacin es buena, las propiedades del conjunto de
datos pueden aproximarse a las del modelo terico. De manera similar, a un proceso
real que posea la caracterstica de un proceso aleatorio se les podr adaptar un proceso
estocstico. De este modo, el conocimiento de las propiedades y caractersticas del
proceso estocstico es altamente deseable para una mejor compresin del fenmeno
real en estudio.
Las incertidumbres asociadas con el comportamiento humano, en diferentes
situaciones, se adaptan de una manera adecuada a los modelos probabilsticos y los
procesos estocsticos.
Estos modelos podran utilizarse para analizar:
Movilidad social de los individuos.

Movilidad industrial de trabajadores o empleados.
Sistemas educativos.
Procesos de una enfermedad.
Sistemas de informacin.
SIMBOLOS Y TERMINOLOGIA
Experimento. Es cualquier actividad bien definida capaz de repetirse en
condiciones esencialmente estables; una situacin en la que est presente la
incertidumbre.
Ejemplo: Lanzamiento de un dado imparcial es un experimento aleatorio, puesto
que antes de lanzar no tenemos la seguridad plena acerca de que cara quedara
hacia arriba.
Espacio Muestral. Es el conjunto que est formado por todos los posibles
resultados de un experimento, denotado por .
Ejemplo: El espacio muestral para el ejemplo anterior ser:
= {1; 2; 3; 4; 5; 6}
Porque un dado tiene 6 caras, y al lanzar el dado puede quedar hacia arriba
cualesquiera de los lados.
Punto Muestral. A cada elemento del Espacio Muestral se le llama Punto
Muestral, lo que es equivalente a decir, que cada resultado posible del
Experimento aleatorio es llamado Punto Muestral.
Ejemplo: Lanzamiento de dos monedas imparciales.
El Espacio Muestral est formado por 4 puntos mustrales.
Evento o Suceso. Es un Subconjunto del Espacio Muestral. Si el Subconjunto est

formado por ms de un resultado posible, se llama evento compuesto; ambos se
denotan con una letra mayscula(A, E, etctera).
Ejemplo: Se lanza un par de dados legales, considerar los siguientes eventos o
sucesos:
A: Obtener una suma de puntos igual a 9.
A= {(4; 5) ;(5;4) ;(6;3) ;(3;6)}
B: Obtener 3 en el primer lado.
B= {(3; 1) ;(3;2) ;(3;3) ;(3;4) ;(3;5) ;(3;6)}
Dado que A y B son subconjuntos del .
1.1 DEFINICIN DE PROBABILIDAD
La Definicin de Probabilidad fue dada por Laplace y desde entonces se ha repetido en
casi todos los libros sobre Teora de Probabilidades .En su forma primitiva dice:
Probabilidad es la razn del nmero de casos favorables al nmero total de casos
igualmente posibles.
La Probabilidad se puede estudiar desde dos puntos de vista:
A priori o clsico. A priori significa aquello que se puede deducir usando solo la
razn, sin la experiencia. Desde este puntos de vista se define la probabilidad:
() =

El smbolo P(A) se lee como la probabilidad de ocurrencia del evento A .As, la
ecuacin establece que la probabilidad de ocurrencia del evento A es igual al
nmero de eventos clasificables como A dividido entre la cantidad de eventos
posibles.
El nmero de eventos clasificables como A, es el nmero de casos favorables y
la cantidad total eventos posibles es los nmeros de casos posibles.
P (A) =
)
()
Ejemplo: Cul es la probabilidad de que el dado se detenga con un dos hacia

arriba?
Solucin:
Como existen seis nmeros posibles y solo uno de ellos es un dos, la probabilidad
de un dos en una tirada de un dado es:
Posibles resultados: = {1; 2; 3; 4; 5; 6}
Casos favorables: A= {2}
P(A)= n(A) = 1/6 = 0,1667
n ()
n ()=6
n(A)=1
Ejemplo: Cul es la probabilidad de obtener un nmero mayor que cuatro en

una tirada de un dado?
Solucin:
Ahora existen dos eventos clasificados como A (obtener un cinco o un seis).
As:
P(A)=P (5 o 6)

= = ,

A posteriori. A posteriori significa despus del hecho; en el contexto de la

probabilidad , significa despus de reunir algunos datos .Desde el punto de vista
a posteriori se define como:
P (A) =
Ejemplo: Cul es la probabilidad de obtener un dos despus de lanzar el dado 100 000
veces y que un dos apareci en 16000 ocasiones?
Solucin:
Mientras arrojemos el dado, ser mejor. Para este problema:
P (2)=
16 000
100000
= 0,16
Observe que con este punto de vista, es necesario tener el dado real y reunir algunos
dados antes de determinar la probabilidad. El punto interesante es que si el dado no
est cargado (se dice que es un dado honesto), al tirarlo muchas veces la probabilidad a
posteriori se acerca a la probabilidad a priori.
PROPIEDADES:
1. La Probabilidad de un Suceso A, est comprendido entre: 0P(A) 1
2. Si P(A)=0 A=0, en este caso el suceso es imposible.
3. Si P(A)=1 A= , en este caso el suceso es seguro.
4. La Aplicacin del evento contrario o Complemento:
P(A) = 1-P (A) o P(A) + P (A)= 1
Ejemplo: Cul es la probabilidad de que al extraer una bola de una urna donde
hay 3 bolas rojas, 7 bolas azules, 4 bolas blancas y dos bolas negras; esta no sea
roja?
Solucin:
A: evento de extraer una bola que no sea roja.
A: evento de extraer una bola roja.
P(A)= 1- P(A)
P(A)=1 -
3
16
rojas disponibles
Total de bolas
P(A)=13/16
Ejemplo: Cul es la probabilidad de obtener al menos un sello en el
lanzamiento de tres monedas?
Solucin:
A: Evento de obtener al menos un sello; lo cual puede ser un sello, dos sellos o
tres sellos.
A: Evento de no sacar ningn sello, es decir, todos los resultados deben ser dos
caras.
A`= {ccc} = n(A`)=1
P(A)=1-P(A`)
P(A)=1- 1/8=7/8=0,875
P(A)=0,875 o 87,5%
La Probabilidad de un Suceso A se puede expresar por medio de una fraccin
ordinario, una fraccin decimal en porcentaje.
1.2 REGLAS DE LA PROBABILIDAD
La Regla de la Adicin
La Regla de la Adicin permite determinar la probabilidad de que ocurra alguno

de varios eventos posibles. Para comenzar nuestros anlisis, supongamos que
solo existe dos eventos posibles: A y B.
Definicin 1. La probabilidad de ocurrencia de A o B es igual a la probabilidad de
ocurrencia de A ms la probabilidad que ocurra B menos la probabilidad de que
ocurra A y B.
En forma de ecuacin, la regla de suma establece que:
P(A o B)= P(A) +P (B) P(A y B)
D e la relacin anterior se puede derivar:
P (AUB) = P(A) +P (B)-P (AB)
La funcin del trmino P(AB) rectifica el doble conteo que se lleva acabo
cuando se suma P (A) y P (B).
La Regla General de Adicin puede extenderse a la Probabilidad de la unin de
tres eventos. L a regla general para tres eventos es:
P (AUBUC)=P(A) + P (B) +P(C)- P (AB)- P (BC)- P (AB C).
Ejemplo: Determinar la probabilidad de elegir al azar un as o un trbol en un
extraccin de una baraja de cartas ordinarias.
Solucin:
Eventos favorables a A:
Eventos favorables a B:
Eventos favorables a A y B:
P (AUB) =P(A) + P (B) P (A B)

P (AUB) =
4
52
13
52
1
52
16
52
= 0,3077
P (AUB) = 30,77%
Definicin 2.Dos eventos son mutuamente excluyentes si no pueden ocurrir al
mismo tiempo. Otra forma de decir esto es que dos eventos son mutuamente
ocurrentes si la ocurrencia de uno impide la ocurrencia del otro.
Si los eventos son mutuamente excluyentes entonces: P(A y B) = 0, luego:
P(A o B) = P(A) + P(B) P(A y B)
= P(A) + P(B) 0
P(A o B) = P(A) + P(B)
De la relacin anterior se tiene que:
P(A U B) = P(A) + P(B), si A B =
La Regla Especial de Adicin no tienen el termino P (AB), debido a que se aplica

a eventos mutuamente excluyentes, ya que en este caso no hay interseccin y,
por tanto, no hay doble conteo.
Ejemplo: Cul es la probabilidad de elegir un dos o un as al extraer una carta de
la baraja ordinaria?
Solucin:
Como queremos un 2 o un as y como estos eventos son mutuamente
excluyentes, aplicamos la regla anterior.
P(A o B) = P(A) + P (B)
P (2 o as) = P (2) + P(as)
P (2 o as) =
4
52
4
52
= 0,1538
P (2 o as) = 15,38%
La Regla del Producto
La Regla del Producto analiza la ocurrencia conjunta o sucesiva de varios eventos.
Observe que la regla del producto analiza con frecuencia lo que ocurre en ms
de un lanzamiento o extraccin, mientras que la Regla de la Adicion estudia solo
un lanzamiento o extraccin.
Definicin 1. La probabilidad de la ocurrencia de A y B es igual a la probabilidad
de ocurrencia de A por la probabilidad de que B ocurra, dado que A ha ocurrido.
En forma de ecuacin, la Regla del Producto es:
P(A y B) = P(A) P (B/A)
Observe que le smbolo P(A/B) se lee como la probabilidad de que ocurra B dado
que A ha ocurrido. Esto significa B entre A.
Definicin 2. Dos eventos son independientes si la ocurrencia de un evento no
tiene efecto sobre la probabilidad de ocurrencia del otro.
Si A y B son independientes, entonces la probabilidad de B no es afectada por A.
Por lo tanto, P (B/A) = P (B). Bajo esta condicin, la regla del producto se
convierte en:
P(A y B) = P(A) P (B/A)
= P(A) P (B)
La igualdad anterior tambin puede expresarse de la manera siguiente:
P (AB) = P(A) P(B)
Ejemplo: Cul es la probabilidad de que ambas cartas sean ases?
Solucin:
Como el problema pide un as en la primera y la segunda extraccin, podemos
aplicar la regla del producto. Sea A un as en la primera extraccin y B un as en la
segunda.
Eventos favorables de B:
P (AB) = P(A) P(B)
P (AB) = ( )( )
P (AB) =
P (AB) = 0,0059
La Regla del Producto para eventos independientes tambin se aplica en
situaciones con ms de dos eventos. En tales casos, la probabilidad de la
ocurrencia conjunta de los eventos es igual al producto de las probabilidades
individuales de cada evento. En forma de ecuacin:
P(A y B y C y y Z) = P(A) P (B) P(C) P (Z)
Ejemplo: la poblacin est constituida por 50 hombres y 60 mujeres. El muestreo
es de un individuo a la vez, con reemplazo. Cul es la probabilidad de obtener
3 mujeres y 1 hombre, en ese mismo orden?
Solucin:
Como el problema pide una mujer en la primera, segunda y tercera extraccin y
un hombre en la cuarta, y como el muestreo es con reemplazo aplicamos la regla
del producto para dos eventos independientes;
P(A y B y C y D) = P(A) P(B) P(C) P(D)
P(A y B y C y D) = ()()()()
P(A y B y C y D) = 0,0738
Definicin 3. Cuando A y B son dependientes, la probabilidad de que ocurra B se
ve afectado por la ocurrencia de A. en este caso, no podemos simplificar la
ecuacin para la probabilidad de A y B. Debemos usarla en forma original. As, si
A y B son dependientes:
P(A y B) = P(A) P (B/A)
El Muestreo sin reemplazo proporciona una buena ilustracin de los eventos

dependientes.
Ejemplo: extraer dos cartas, una a la vez, sin reemplazo, de una baraja ordinaria.
Cul es la probabilidad de que ambas cartas sean ases?
Solucin:
A representar un as en la primera extraccin y B representa a un as en la segunda
extraccin. Como el muestreo es sin reemplazo (la carta obtenida la primera vez
se retira de la baraja), la ocurrencia de A realmente afecta la probabilidad de B.
A y B son dependientes.
P(A y B) = P(A) P (B/A)

4
P(A y B) = ( )( )
P(A y B) =
52 51
12
2652
P(A y B) = 0,0045
Como el caso de la regla del producto para eventos independientes, la del
producto para evento s de dependientes tambin se aplican a situaciones de dos
eventos. En tales cosas, la ecuacin es:
P(A y B y C y y Z) = P(A)P(B/A)P(C/AB)P(Z/ABCZ)
Ejemplo: en cierto grupo hay 15v estudiantes de msica, 24 de historia y 46 de
psicologa. Se extrae al azar 4 alumnos del grupo. Si el muestreo es de una
persona a la vez, sin reemplazo Cul es la probabilidad de obtener 4v
estudiantes de historia?
Solucin:
Como el problema pide un estudiante a la primera, segunda, tercera y cuarta
extraccin, y como el muestreo es sin reemplazo aplicamos la regla anterior:
P(A y B y C y D) = P(A)P(B/A)P(C/AB)P(D/ABC)
24
23
22
21
85 84 83
255 024
82
= ( )( )( )( )
=
48 594 840
P(A y B y C y D) = 0,0052
1.3 PROBABILIDAD TOTAL

Consideramos un Espacio S igual a la unin de los eventos mutuamente
excluyentes: E1; E2;; Ek y un evento cualquiera R en S, como se muestra en el
siguiente grfico:
R: un evento arbitrario
a = E 1 R
b = E2R
c = E3 R
z = EkR
La Probabilidad de R es:
Demostracin:
1. Del grfico anterior:
R = (E1R) U (E2R) U (E3R) U U (EKR)
2. Debido a que las intersecciones son mutuamente excluyentes (no tienen
elemento comunes):
R = (E1R)+ ( E2R)+( E3R)++( EKR)
3. Aplicando la regla de la multiplicacin:
P(R)= P (E1).P(R/ E1)+ P(E2).P(R/ E2)+ P(E3).P(R/ E3)++ P(EK).P(R/ EK)
4. Expresando en forma de sumatoria, se obtiene la formula anterior:
P(R) =
= (i) . P(R/Ei)
La frmula anterior recibe el nombre de: Principio de Expansin, Probabilidad
Marginal, entre otros.
Ejemplo: en un saln de clase, el 32% de los estudiantes son hombres. Asi mismo, se
sabe que el 10% de los estudiantes son de provincia, mientras que el 60% de las
mu8ejeres son de Lima. Si de la lista de estudiantes del saln se selecciona al azar uno
de ellos, Cul es la probabilidad de que sea de Lima?.
Solucin:
Evento M: seleccionar estudiante mujer.
Evento H: seleccionar estudiante hombre.
P (M): 0,68
P (H): 0,32
P (L/H): probabilidad de que un estudiante varn sea de Lima.
P(L/H) = 0,90
P(L/M): porbabilidad de que una estudiante mujer sea de Lima.
P(L/M) = 0,60
Aplicando la formula resulta:
P(L) = P(H).P(L/H)+P(M).P(L/M)
= (0,32).(0,90)+(0,68).(0,60)
= 0,696
1.4 TEOREMA DE BAYES
Si los eventos E1, E2, E3,, Ek forma una particin del espacio S y R un evento cualquiera
de S, entonces considerando las condiciones anteriores dadas en la probabilidad total y
adems siendo P(R) 0. En efecto se tiene:
P (E1/R) =
( ) (/ )
()
Ejemplo: considere 18 tiradores clasificados en 4 grupos . En el primer grupo hay 5

tiradores con probabilidad 0,8 de dar en el blanco , en el segundo hay 7 con probabilidad
de 0,5 de dar en el blanco . Se elige al azar un tirador, dispara y no da en el blanco . A
que grupo es mas probable que pertenezca?
Solucin :
Evento E1: tirador elegido pertenece al grupo E1.

Evento R: al disparar no da en el blanco.
Las probabilidades de los eventos Ei son:
P (E1)=
P (E2)=
18
7
18
P (E3)=
4
18
P (E4)=
2
18
Si ocurre E1, entonces P (R/ E1)=0,18

Luego aplicando la frmula de la Probabilidad Total se tiene:
P(R) =
(, ) +
(, ) +
(, ) +
P(R) =0,683
Calculemos ahora P(EK/R),(K = 1;2;3;4)
5
P( E1) (R/ E1) 18 (0,8)

P (E1/R) =
=
P(R)
0,683
= 0,3252
P( E2) (R/E2) 18 (0,7)

P (E2/R) =
=
P(R)
0,683
= 0,3984
P( E3) (R/E3) 18 (0,8)

P (E3/R) =
=
P(R)
0,683
= 0,1951
P( E4) (R/E4) 18 (0,8)

P (E4/R) =
=
P(R)
0,683
= 0,081
(, )
PROBLEMAS RESUELTOS
PROB. N 01:
Un experimento consiste en lanzar dos monedas simultneamente. Escribir.
a. Todos los puntos mustrales del Espacio Muestral .
b. Los puntos mustrales de contenidos en el Evento que salga exactamente
una cara.
c. Los puntos mustrales de contenidos en el Suceso que salga al menos una
cara.
Solucin:
a. Consideremos C = cara y S = sello
A = {C; S} B = {C; S}
= {CC; CS; SC; SS}

b. Que salga exactamente un cara: = {CS; SC}
c. Que salga al menos una cara: = {CC; CS; SC}
PROB. N 02:
Se lanzan dos dados imparciales simultneamente. Calcular cuntos elementos tiene
el Espacio Muestral.
Solucin:
A = {1; 2; 3; 4; 5; 6} n(A) = 6
B = {1; 2; 3; 4; 5; 6} n(B) =6
n(A). n (B) = 36
PROB. N 03:
Si se lanza un dado real, Cul es la probabilidad de obtener un nmero impar?
Solucin:
La cantidad de eventos posibles de obtener un nmero impar es 3 (1; 3 y 5); entonces:
P(A) =
()
=
()
3
6
=0,5 = 50%
La Probabilidad de un evento A se puede expresar por medio de una fraccin

ordinaria, una fraccin decimal o en Porcentaje.
PROB. N 04:
Se lanzan dos dados reales. Cul es la probabilidad de obtener una suma de puntos
igual a 6?
Solucin:
A = {(1; 5), (2; 4), (3; 3), (4; 2), (5; 1)}
n (A) = 5
= {(1; 1), (1; 2), (1; 3),, (1; 6), (2; 1),, (2; 6),, (6; 6)}
n() = 36
Por lo tanto:
P(A) =
()
()
5
36
=0,1388
PROB. N 05:
Al lanzar dos dados, Cul es la probabilidad de que el resultado de los dos dados no
sea 7?
Solucin:
Aplicamos el evento contrario o complemento.
P (A) = 1 P (A)
P (no sea 7) = 1 P (sea 7)
P (no sea 7) = 1- 1/6
P (no sea 7) = 83,33%
PROB. N 06:
Las probabilidades que tiene Alejandro, Benito y Carlos de resolver un mismo
problema son: 1/2, 3/5 y 1/6 respectivamente. Si intentan hacerlo los tres, determinar
la probabilidad de que se resuelva el problema.
Solucin:
Como P(A), P(B) y P(C) son las probabilidades de resolver el problema, entonces
P(A), P(B) y P(C) sern las probabilidades de que no puedan resolver el problema,
luego:
P (A) = 1 P (A)
P (A) = 1 P(A) P (A) = 1
P (B) = 1 P (B) P (B) = 1 3/5 = 2/5

P (C) = 1 P(C) P (C) = 1 1/6 = 5/6
La Probabilidad de que no puedan resolver el problema los tres juntos ser:

P (A B C) = P(A) x P(B) x P(C)
= x 2/5 x 5/6
= 1/6
La Probabilidad de que resuelvan los tres juntos:
P (resuelvan los tres juntos) = 1- P(A B C)
= 1- 1/6
= 5/6 = 83,33%
PROB. N 07:
Determinar la probabilidad de elegir al azar un as o un trbol en una extraccin de una
baraja de cartas ordinarias:
Solucin:
Por enumeracin, utilizando la definicin bsica de probabilidad.
Eventos probables A:
P(A) =
()
()
16
52
=0,3077
PROB. N 08:
Se lanza un dado no cargado, Cul es la probabilidad de obtener:
a. Un nmero mayor que tres?
b. Un nmero mayos que seis?
Solucin:
a. Un nmero mayor que tres:

n(A) =3
Eventos posibles a :
n() = 6
P(A) = n(A)/ n() = 3/6 = 0,5 = 50%
b. Un nmero mayor que seis:

Eventos posibles a A :
Eventos posibles a :
n(A) = 0
n() = 6
P(A) = n(A)/n() = 0/6 = 0 = 0%.
Porque en el dado no existe ningn nmero mayor que 6.
PROB. N 09:
Si usted extrae una sola carta de una baraja ordinaria, Cul es la probabilidad de que
sea un 10?
Solucin:
P(A) = n(A)/ n() = 4/52 = 0,0769 = 7,7%.
PROB. N 10:
Al lanzar un dado que no est cargado una vez, Cul es la probabilidad de obtener
un 1 o un nmero par?
Solucin:
Como los eventos son mutuamente excluyentes y el problema pide uno o un nmero
par:
n(A) = 1
n(B) =3
P(A o B) = P(A) + P(B)

P(A o B) = 1/6 + 3/6
P(A o B) = 0,0667
PROB. N 11:
Si usted realiza un muestreo aleatorio , tomando un elemento a la vez, con
reemplazo , de una bolsa que contiene ocho cnicas azules , siete canicas rojas y
cinco canicas verdes, cul es la probabilidad de obtener :
a) tres canicas azules en tres extracciones de la bolsa.
b) una canica roja, una verde y una azul, en ese orden en tres extracciones.
Solucin:
Eventos de A: seleccionar una canica azul.
Eventos de B: seleccionar una canica roja.
Eventos de C: seleccionar una canica verde.
a) Como los eventos son independientes; adems el muestreo es con reemplazo
aplicamos la regla:
P(A y A y A)= P(A) P(A) P(A)
= (8/20) (8/20) (8/20)
= 512/8000
=0,0640
b) como los eventos son independientes; adems el muestreo es con reemplazo
aplicamos la regla:
P (B y C y A) = P (B) P(C) P(A)
P (B y C y A) = (7/20) (5/20) (8/20)
P (B y C y A) = 280/8000
P (B y C y A) =0,035
PROB. N 12:
Respondemos la misma pregunta del ejemplo 11, excepto que ahora el muestreo es
de una canica a la vez sin reemplazo.
Solucin:
a) Debemos de tener presente que el muestreo es de una canica a la vez sin
reemplazo; aplicamos la regla del producto para eventos dependientes.
P(A y A y A) = P(A) P(A/A) P(A/AA)
P(A y A y A) = (8/20) (7/19) (6/18)
P(A y A y A) = 336/6840
P(A y A y A) =0,0491
b) Debemos de tener presentes que el muestreo es de una canica ala vez sin
reemplazo; aplicamos la regla del producto para eventos dependientes.
P (B y C y A) = P (B) P(C/B) P(A/CB)
= (7/20) (5/19) (8/18)
=280/6840
=0,0409
PROB. N 13:
Cul es la probabilidad de que un matrimonio tenga dos hijas mujeres seguidas?
Solucin:
Evento favorable A: primer nacimiento sea mujer.
Evento favorable B: segundo nacimiento sea mujer.
Luego:
P(A) =1/2= 0,50

P (B) =1/2= 0,50
Por lo tanto, para dos nacimientos se tiene:

P (A B) = (1/2) (1/2) =1/4 =0,25
P (A B) = 25%
PROB. N 14:
De 150 pacientes examinados en una clnica, se encontr que 90 tenan retardo
mental leve, 50 padecan de gripe y 30 tenan ambas enfermedades, Si se elige un
paciente al azar, cules es la probabilidad de que tenga una u otra de las
enfermedades?
Solucin:
Sean los eventos:
A: Pacientes con retardo mental leve.
B: Pacientes con gripe.
A B: Pacientes con ambas enfermedades.
Luego:
Si A =90
P(A) =90/150 =0,60
Si B =50
P(B) =50/150 =0,33
Si A B = 30
P (A B) = 30/150 =0,20
Por lo tanto:
P (AUB) = P(A) +P(B) - P (A B)
P (AUB) = 0,6 +0,33 -0,2

P (AUB) = 0,73
P (AUB) = 73 %
PROB. N 15:
De los pacientes del hospital Carrin, el 40 % son varones y el 9% padecen de gripe
desde la infancia. S i se elige un paciente al azar, cul es la probabilidad de que
padezca de gripe, dado que es varn?
Solucin:
A: pacientes varones.
B: pacientes que padezcan de gripe.
A B: pacientes varones que padezcan gripe.
Segn los datos:
P(A)= 0,40
P(A B) =0,09
El Problema nos pide:
P (B/A) = P (A B)/P(A)
P (B/A) =0,9/0,40 =0,225
P (B/A) =22,5%
Entonces la Probabilidad de que un paciente padezca de gripe, dado que es varn, es

de 22, 5%.
GUIA DE ESTUDIOS N 01
1. Cul de los siguientes ejemplos son eventos independientes?
a. Obtener un 3 y un 4 al lanzar una par de dados honestos.
b. Obtener un as y un rey, en ese orden, al extraer dos cartas, sin
reemplazo, de una baraja.
c. Obtener un as y un rey, en ese orden, al extraer dos cartas, con
reemplazo, de una baraja.
d. Un cielo nublado seguido de lluvia.
e. Una luna llena y comer un queso.
2. Cules de los siguientes ejemplos son eventos mutuamente excluyentes?
a. Obtener un 4 y un 7 al extraer una carta de una baraja ordinaria.
b. Obtener un 3 y un 4 al lanzar dos dados honestos.
c. Ser hombre y quedar embarazado.
d. Obtener un 1 y un nmero par en el lanzamiento de un dado honesto.
e. Casarse y seguir soltero.
3. Se lanza un par de dados. Escribir:
a. Los puntos mustrales del espacio .
b. Los puntos mustrales contenidos en el suceso: la suma de los puntos
sea 9.
c. Los puntos mustrales contenidos en el suceso obtener 4 en uno de
los dados por los menos.
4. Calcular las siguientes probabilidades para un dado no cargado:
a. P(6)
b. P(2 4)
c. P(2, luego 3, luego 4)
5. Calcular las siguientes probabilidades para un dado no cagado:
a. P(5)
b. P(5 luego 4)
c. P(1 3 4)
6. Supongamos que Ud. Tiene una caja con 100 bolas rojas, 50 azules y 50
verdes. Calcular las probabilidades de sacar al azar las siguientes bolas de la
caja:
a. P(roja, luego roja, luego verde) sin reemplazo.
b. P(roja, luego roja, luego verde) con reemplazo.
c. P(azul, luego roja, luego verde) solo con reemplazo de las rojas.
7. Se lanza un dado no cargado. Cul es la probabilidad de obtener:
a. Un nmero par?
b. Un nmero mayor que 3?
c. Un nmero mayor que 6?
8. En cierta ciudad la probabilidad de que una pareja de familia tenga cocina a
gas es 0,80; que tenga televisin es 0,50 y que tenga ambos artefactos es
0,45. Cul es la probabilidad de que la pareja de dicha ciudad tenga:
a. Televisin o cocina a gas?
b. Solo televisin?
c. Solo cocina a gas?
9. Usted quiere llamar a una amiga por telfono. Solo recuerda los tres primeros
dgitos de su nmero telefnico y ha olvidados los ltimos cuatro. Cul es la
probabilidad de que marque al azar el nmero correcto?
10. Usted planea hacer su agosto en el hipdromo. En cierta carrera participan

siete caballos. Si los caballos estn clasificados de la misma manera, cul es
la probabilidad de que elija en forma correcta al ganador y al segundo lugar?
11. Tres ratones X, Y y Z se esconden al azar en dos huecos A y B. Cul es la
probabilidad de que X e Y no se escondan en el mismo hueco?
12. Se escogen al azar dos nmeros de 1 al 19. Si la suma es par, hallas la
probabilidad de que ambos nmeros sean impares.
13. Las probabilidades de que tres hombres acierten en el blanco son,
respectivamente: 1/6, 1/4 y 1/3, cada uno dispara una vez al blanco.
a. Hallar la probabilidad de que exactamente uno de ellos acierte en el
blanco.
b. Si solamente uno acierta en el blanco, cul es la probabilidad de que
sea el primer hombre?
14. Tres estudiantes se disponen a matricularse simultneamente en uno de los
cinco colegios disponibles. Hallar la probabilidad de que los nios se matriculen
en colegios diferentes.
15. Una mquina con gomas de mascar tiene 38 chicles de color naranja, 30
morados y 18 amarillos. La mquina opera de modo que al introducir una
moneda, se obtiene goma de mascar.
a. Al usar tres monedas, cul es la probabilidad de obtener 3 gomas de
mascar en el orden: naranja, morado, naranja?
b. Al utilizar una moneda, cul es la probabilidad de conseguir una goma
de mascar morada o amarilla?
c. Al emplear tres monedas, cul es la probabilidad de que las 3 gomas
conseguidas, una sea morada y la otra amarilla.
Nuestras ms grandes posesiones no se encuentran en las Riquezas que

vemos a nuestro alrededor sino en el potencial Invisible de las Mentes
Creativas.

Calculo de Probabilidades D.ccesa007

Загружено:

Сведения о документе

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Calculo de Probabilidades D.ccesa007

Загружено:

Авторское право:

Доступные форматы

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Movilidad social de los individuos.

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

El Espacio Muestral est formado por 4 puntos mustrales.

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Evento o Suceso. Es un Subconjunto del Espacio Muestral. Si el Subconjunto est

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Ejemplo: Cul es la probabilidad de que el dado se detenga con un dos hacia

Ejemplo: Cul es la probabilidad de obtener un nmero mayor que cuatro en

A posteriori. A posteriori significa despus del hecho; en el contexto de la

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

La Regla de la Adicin permite determinar la probabilidad de que ocurra alguno

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

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

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

La Regla Especial de Adicin no tienen el termino P (AB), debido a que se aplica

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

P (AB) = P(A) P(B)

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

El Muestreo sin reemplazo proporciona una buena ilustracin de los eventos

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

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

1.3 PROBABILIDAD TOTAL

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Ejemplo: considere 18 tiradores clasificados en 4 grupos . En el primer grupo hay 5

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II

Prof. Demetrio Ccesa Rayme

Evento E1: tirador elegido pertenece al grupo E1.

Si ocurre E1, entonces P (R/ E1)=0,18

P( E1) (R/ E1) 18 (0,8)

P( E2) (R/E2) 18 (0,7)

P( E3) (R/E3) 18 (0,8)

P( E4) (R/E4) 18 (0,8)

Facultad de Ciencias Sociales

Asignatura: Estadstica Social II