3.

1 El papel de la probabilidad en estadística

...................................................................
Si usted juega veintinuno, un juego de apuestas muy popular, sabe que ganar
en un juego determinado es un resultado muy incierto. De forma similar, in-
vertir en bonos, acciones o una compañía de exploración petrolera es una em-
presa arriesgada cuyo éxito está sujeto a incertidumbre. (De hecho, hay quienes
argumentan que la inversión es una forma de apostar con conocimientos: una
apuesta en la que el saber, la experiencia y el buen juicio pueden mejorar las
probabilidades de ganar.)
De forma muy similar a jugar veintiuno o invertir, hacer inferencias basadas
en datos de muestra también está sujeto a incertidumbre. Una muestra pocas
veces cuenta una historia perfectamente exacta acerca de la población de la
cual se seleccionó. Siempre hay un margen de error (como nos aseguran los
encuestadores) cuando se utilizan datos de muestra para estimar la proporción
de los ciudadanos que prefieren cierto candidato político o cierto producto de
consumo. Análogamente, siempre hay incertidumbre en cuanto a qué tanto se
apartará de la verdadera media de la población la estimación que se hace, con
base en una muestra, del diámetro medio de juntas de expansión de hule
moldeado seleccionadas de una línea de ensamble. En consecuencia, una me-
dida del grado de incertidumbre asociado a una estimación (lo que llamamos
la confiabilidad de una inferencia en el capítulo 1) desempeña un papel im-
portante en la inferencia estadística.
¿Cómo medimos la incertidumbre asociada a los eventos? Todo el que
haya visto un noticiero por televisión puede responder a esa pregunta. La res-
puesta es la probabilidad. Por ejemplo, se podría informar que la probabilidad
de lluvia en un día dado es de 20%. Semejante afirmación acepta que no hay
certeza de que llueva o no en el día en cuestión e indica que el pronosticador
estima la probabilidad de su ocurrencia en 20 por ciento.
La probabilidad también desempeña un papel importante en la toma de
decisiones. Como ilustración, suponga que tiene oportunidad de invertir en
una compañía de exploración petrolera. Los antecedentes indican que 10 de
las últimas 10 perforaciones en busca de petróleo (una muestra de las expe-
riencias de la compañía) resultaron en pozos secos. ¿Cuál es su conclusión?
¿Cree usted que las posibilidades de que la compañía dé con un pozo productor
son mejores que SO-SO? ¿Debería usted invertir en esta compañía? Creemos
que su respuesta a esta pregunta sería un decidido "no". Si la habilidad para
explorar de la compañía es suficiente para encontrar un pozo productor el SO%
del tiempo, un récord de 10 pozos secos de entre 10 perforados es un evento
que resulta demasiado improbable. ¿Está usted de acuerdo?
En este capítulo examinaremos el significado de la probabilidad y analiza-
remos ciertas propiedades de la probabilidad que resultarán útiles para nuestro
estudio de la estadística.

3.2 Eventos, espacios de muestreo yprobabilidad

...................................................................
Comenzaremos el estudio de la probabilidad con ejemplos sencillos fáciles de
describir, a fin de eliminar cuestiones que pudieran distraernos. Con la ayuda
de ejemplos sencillos podremos presentar definiciones importantes y desarrollar
más fácilmente el concepto de probabilidad.
 Supongamos que se lanza una moneda al aire y se registra qué cara de la
moneda quedó hacia arriba. Esto es una observación o determinación. Cual-
quier proceso que obtiene o genera una observación es un experimento. Nuestra
definición de experimento es más amplia que la utilizada en las ciencias físi-
cas, donde nos imaginamos tubos de ensayo, microscopios, etc. Otros ejemplos
prácticos de experimentos estadísticos son asentar el hecho de que un cliente
prefiera una marca de calculadoras electrónicas a otra, registrar la opmión de
un votante respecto a un problema político importante, medir la concentración
de oxígeno disuelto en un río contaminado, tomar nota del precio al cierre de
una acción, contar el número de errores en un inventario y observar la fracción
de insectos que mueren por la acción de un insecticida nuevo. Podríamos con-
tinuar esta lista de experimentos estadísticos, pero la cuestión es que nuestra
definición de experimento es muy amplia.

Consideremos otro experimento sencillo que consiste en tirar un dado y

observar el número de la cara superior del dado. Los seis posibles resultados
básicos de este experimento son:

l. Observar un 1
2. Observar un 2
3. Observar un 3
4. Observar un 4
5. Observar un 5
6. Observar un 6

Cabe señalar que si este experimento se realiza una sola vez, podemos observar
uno y sólo uno de estos seis resultados básicos. La característica distintiva de
estos resultados es que no se pueden descomponer en ningunos otros resultados.
Estos posibles resultados tan básicos de un experimento se denominan eventos
simples.
EJEMPLO 3.1 Se lanzan dos monedas y se registran las caras hacia arriba de ambas. Haga
una lista de todos los eventos simples para este experimento.

Solución Incluso si el experimento es aparentemente trivial, debemos tener cuidado al

enumerar los eventos simples. A primera vista parecería que los resultados bá-
sicos son Observar dos caras, Observar dos cruces, Observar una cara y una
cruz. Sin embargo, si lo pensamos un poco más nos daremos cuenta que el
último de estos resultados, Observar una cara y una cruz, se puede descompo-
ner en Cara en la moneda 1, Cruz en la moneda 2 y Cruz en la moneda 1,
Cara en la moneda 2." Así pues, los eventos simples son los siguientes:
l .. Observar CC
2. Observar ex
3. Observar xe
4. Observar xx
(donde C en la primera poslclOn significa "Cara en la moneda 1", e en la
segunda posición significa "Cara en la moneda 2", etc.; X indica cruz) .
..........................
Frecuentemente haremos referencia a la colección de todos los eventos sim-
ples de un experimento. Llamaremos a tal colección el espacio de muestra del
experimento. Por ejemplo, hay seis eventos simples en el espacio de muestra
asociado al experimento de lanzamiento de un dado. En la tabla 3.1 se mues-
tran los espacios de muestra para los experimentos que hemos visto hasta aquí.

Experimento: Lanzar una moneda y observar la cara superior.

Espacio de muestra: l. Observar una cara
2. Observar una cruz
Este espacio de muestra se puede represcntar en notación de conjuntos como un conjunto
que contiene dos eventos simples
s: {C,X}

donde C representa el evento simple Observar una cara y X representa el evento simple
Observar una cruz.

• Incluso si el aspecto de las monedas es idéntico, la realidad es que hay dos monedas distintas. Por
tanto, la designación de una moneda como "moneda 1" Yla otra corno "moneda 2" es legítima en
cualquier caso.
 Experimento: Lanzar un dado y observar la cara superior.
Espacio de muestra: l. Observar un 1
2. Observar un 2
'3. Observar un 3
4. Observar un 4
5. Observa r un 5
6. Observar un 6
Este espacio de muestra se puede representar en notación de conjuntos como un conjunto
de seis eventos simples
s: {l,2,3,4,5,6}
Experimento: Lanzar dos monedas y observar la cara superior de cada una.
Espacio de muestra: l. Observar CC
2. Observar CX
'3. Observar XC
4. Observar XX
Este espacio de muestra se puede representar en notación de conjuntos como un conjunto
de cuatro eventos simples
s: {CC,CX,XC,XX}

Así como las gráficas resultan útiles para describir conjuntos de datos,
también es útil en muchos casos usar un método gráfico para presentar el
espacio de muestra y sus eventos simples. En' la figura 3.1 se muestra una
representación de este tipo para cada uno de los experimentos de la tabla 3.1.
En cada caso, el espacio de muestra aparece como una figura cerrada, rotula-
da 5, que contiene un conjunto de puntos, llamados puntos de muestra, cada
uno de los cuales representa un evento simple. Observe que el número de pun-
tos de muestra dentro de un espacio de muestra 5 es igual al número de
eventos simples asociados al experimento respectivo: dos para el lanzamiento
de una moneda, seis para el lanzamiento de un dado y cuatro para el lanza-
miento de dos monedas. Estas representaciones gráficas se denominan diagra-
mas de Veno.

(
FIGURA 3.1 ~
Diagramas de Venn para los tres
experimentos de la tabla 3.1
.c

a. Experimento: Observar la cara

• x
], .1 .2

b. Experimento: Observar la cara

.3

superior de una moneda. superior de un dado.

( • ce

• xc

c. Experimento: Observar la cara

superior de dos monedas.
·cx
• xx
1
 Ahora que hemos definido los eventos simples como los resultados básicos
del experimento y el espacio de muestra como la colección de todos los eventos
simples, estamos en condiciones de analizar las probabilidades de los eventos sim-
ples. Sin duda usted ha utilizado el término probabilidad y tiene cierta idea
intuitiva de su significado. Es común utilizar "probabilidad" como sinónimo
de "posibilidad", "momios" y conceptos similares. Comenzaremos nuestro tra-
tamiento de la probabilidad utilizando estos conceptos informales. Por ejemplo,
si se lanza una moneda justa, podríamos razonar que ambos eventos simples,
Observar una cara y Observar una cruz, tienen la misma posibilidad de ocurrir.
Entonces, podríamos afirmar que "la probabilidad de observar una cara es del
50% o de I'" o que "los momios de ver una cara son 50-50".
¿Qué queremos decir cuando afirmamos que la probabilidad de una cara
es' deI? Queremos decir que, en una serie muy larga de lanzamientos, apro-
ximadamente la mitad tendrán como resultado una cara. Por tanto, el número
mide qué tan probable es que observemos una cara en un solo lanzamiento.
Decir que la probabilidad de observar una cara es de I no significa que exac-
tamente la mitad de cierto número de lanzamientos tendrán como resultado cara.
Por ejemplo, no esperamos observar exactamente una cara en dos lanzamientos
de una moneda ni exactamente cinco caras en 10 lanzamientos de una moneda.
Más bien, esperaríamos que la proporción de caras varíe de forma aleatoria y se
acerque más y más a la probabilidad de una cara, I' conforme el número de
lanzamientos aumenta. Esta propiedad puede verse en la gráfica de la figura 3.2.
En la figura 3.2 se muestra la proporción de caras observada después de
n = 25, 50,75, 100, 125, ... , 1,450, 1,475 y 1,500 repeticiones simuladas de un
experimiento de lanzar una moneda. El número de lanzamientos se marca a
lo largo del eje horizontal de la gráfica y las proporciones correspondientes de
caras se grafican sobre el eje vertical arriba de los valores de n. Hemos conectado
los puntos para subrayar el hecho de que la proporción de caras se acerca más
y más a .5 conforme n se hace mayor (conforme avanzamos hacia la derecha
en la gráfica).

Aunque solemos visualizar la probabilidad de un evento como la proporción

de veces que el evento ocurre en una serie de ensayos muy larga, algunos experi-
mentos nunca pueden repetirse. Por ejemplo, si usted invierte en una empresa de
perforación petrolera, la probabilidad de que su inversión tenga éxito tiene algún
valor desconocido que nunca podrá evaluar mediante experimentos repetitivos.
La probabilidad de que este evento ocurra es un número que tiene algún valor,
el cual desconocemos. Lo mejor que podemos hacer para estimar su valor sería
intentar determinar la proporción de inversiones similares que tuvieron éxito
y utilizar esto como una aproximación de la probabilidad deseada. A pesar del
hecho de que tal vez no podamos efectuar experimentos repetitivos, la defini-
PIOPOICIÓN
I
0.63 +
I
I
0.62 +
I
I
0.61 +
I
I
0.60 +
I
I
0.59 +
I
I
0.58 +
I
I
0.57 +
I
I
0.56 ...
I
I
0.55 +
I
I
0.54 +
I
I
0.53 +
I
I
0.52 +
I
I
0.511-
I
I
0.50 +
I
I
0.49 +
I
I
0.48 't. _
-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+-+ .. +-+-+-+-+-+-+-+-+-+-+--
I I I I I I 1 1 1 I 1 I I 1
667777888 0000111 222233 ,
570257025 0257025 025701 7
050505050 0505050050505 5

TAMAÑO DE LA MUElTIA (N)

FIGURA 3.2.
clOn de probabilidad en términos de la frecuencia relativa nos resulta intuiti-
la proporción de caras en n
vamente atractiva.
lanzamientos de una moneda
Sea como sea que asignemos probabilidades a los eventos simples de un
experimento, las probabilidades dadas deberán obedecer las dos reglas (o axio-
mas) enunciadas en el recuadro.
 A veces nos interesa la ocurrencia de cualquiera de una colección de even-
tos simples. Por ejemplo, en el experimento de lanzamiento de un dado de la
tabla 3.1, podríamos estar interesados en observar un número impar en el dado.
Esto ocurrirá si se da cualquiera de los siguientes eventos simples:

l. Observar un 1
2. Observar un 3
3. Observar un 5

De hecho, el evento Observar un número impar queda claramente definido si

especificamos la colección de eventos simples que implican su ocurrencia. Se-
mejantes colecciones específicas de eventos simples se llaman eventos.

La probabilidad de un evento se calcula sumando las probabilidades de los

sucesos simples que comprende. Esta regla concuerda con el concepto de pro-
babilidad como frecuencia relativa, y se ilustra en el ejemplo 3.2.

1, • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • " ••••• " •••• " •• " " " . , .

EJEMPLO 3.2 Considere el experimento de lanzar dos monedas. Si las monedas están balan-
ceadas, las probabilidades correctas asociadas a los sucesos o eventos simples
son las siguientes:

Evento simple Probabilidad

ce I
4
ex 1
4
xc I
4
xx I
4
Defina los siguientes eventos:
A: {Observar exactamente una cara}
B: {Observar por lo menos una cara}
Calcule la probabilidad de A y la probabilidad de B.
Solución Observe que cada uno de los cuatro eventos simples tiene la misma proba-
bilidad, pues esperamos que cada uno ocurrirá con una frecuencia relativa apro-
ximadamente igual (~) si el experimento de lanzar las monedas se repite un
número grande de veces. Puesto que el evento A: {Observar exactamente una
cara} ocurrirá si se da cualquiera de los dos eventos simples CX o XC (véase
la figura 3.3), entonces aproximadamente ~ + ~ = T del número grande de
experimentos tendrán como resultado el evento A. Esta aditividad de las fre-
cuencias relativas de los eventos simples es consistente con nuestra regla para
determinar P(A):

P(A) = P(CX) + P(XC)

1 1 1
=4+4=2

FIGURA 3.3 ~
Experimento de lanzar monedas
que muestra los eventos AyB como
colecciones de eventos simples
a.EventoA

b.EventoB

Si aplicamos esta regla a la obtención de P(B), veremos que el evento B con-

tiene los eventos simples CC, CX y XC; es decir, B sucederá si ocurre cualquiera
de estos tres eventos simples. Por tanto,

P(B) = P(CC) + P(CX) + P(XC)

1 1 1 3
=-+-+-=-
4 4 4 4

Ahora podemos resumir los pasos para calcular la probabilidad de cualquier

evento:*

• En Feller (1968) se hace un tratamiento exhaustivo de este tema.

...............................................................
EJEMPLO 3.3 Un ingeniero de control de calidad debe decidir si una línea de ensamble que
produce artículos fabricados está "fuera de control", es decir, está produciendo
artículos defectuosos con mayor frecuencia que la acostumbrada. A estas alturas
de nuestro estudio, no contamos con las herramientas necesarias para resolver
este problema, pero podemos asegurar que uno de los factores importantes que
afectan la solución es la proporción de artículos defectuosos fabricados por la
línea. Por ejemplo, ¿cuál es la probabilidad de que un artículo fabricado por
la línea esté defectuoso? ¿Qué probabilidad hay de que los siguientes dos ar-
tículos producidos por la línea tengan defectos? ¿Cuál es la probabilidad en el
caso general de k artículos? Explique cómo podría resolver este problema.

Solución PASO I Definir el experimento. El experimento que corresponde a la inspec-

ción de un solo artículo es idéntico en su estructura fundamental al
experimento de lanzar una moneda que se ilustró en la figura 3.la. Se
observa un artículo, sea carente de defectos (llamémosle cara) o de-
fectuoso (llamémosle cruz) y se registra su situación operativa.
Experimento: Observar la situación operativa de un solo artículo fabricado.
PASO 2 Enumerar los eventos simples. Sólo hay dos posibles resultados del expe-
rimento. Estos eventos simples son:
Eventos simples: 1. N: {El artículo no es defectuoso}
2. D: {El artículo es defectuoso}
PASO 3 Asignar probabilidades a los eventos simples. La diferencia entre este
problema y el de lanzar una moneda se hace evidente cuando inten-
tamos asignar probabilidades a los dos eventos simples. ¿Qué probabi-
lidad deberemos asignar al evento simple D? Algunas personas podrían
decir .5, igual que en el experimento de lanzar una moneda, pero es
evidente que determinar P(D), la probabilidad del evento simple D.
no es tan fácil. Suponga que cuando la línea de ensamble está en
control el 10% de los artículos producidos tiene defectos. A primera
vista, entonces, podría parecer que P(D) es .lO. Pero tal vez esto no
sea correcto, porque la línea podría estar fuera de control, produciendo
artículos defectuosos con mayor frecuencia. Por tanto, el punto impor-
tante que debemos tener presente es que éste es un caso en el que
 no se asignan probabilidades iguales a los eventos simples. ¿Cómo po-
demos determinar estas probabilidades? Un buen procedimiento podría
consistir en vigilar la línea de ensamble durante cierto tiempo y regis-
trar el número de artículos defectuosos y no defectuosos producidos.
Luego se podrían utilizar las proporciones de los dos tipos de artículos
para aproximar las probabilidades de los dos eventos simples.
Después podríamos continuar con los pasos 4 y 5 para calcular
cualquier probabilidad de interés para este experimento con dos even-
tos sencillos.
El experimento, determinar la situación operativa de dos artícu-
los, es idéntico al experimento del ejemplo 3.2, lanzar dos monedas, ex-
cepto que las probabilidades de los eventos simples no son iguales.
Aprenderemos a determinar las probabilidades de los eventos simples de
este experimento, o del caso general de k artículos, en la sección 3.6.

• • • • 11 • • • • • • 1 • • • • • • • • • • • • • • • • • • • • • • 11 • • • • • • • • • • • • • • • • • • • • • • • • • •

EJEMPLO 3.4 Un programador de computadoras debe seleccionar tres trabajos de entre cinco
que esperan la atención del programador. Si, aunque el programador no 10
sabe, los trabajos varían en cuanto al tiempo de programación que requieren,
indique la probabilidad de que:
a. El programador escoja los dos trabajos que requieren el menor tiempo.
b. El programador escoja los tres trabajos que requieren más tiempo.

Solución PASO I El experimento consiste en seleccionar tres trabajos de entre los cinco
que están disponibles.
PASO 2 Denotaremos los trabajos disponibles por los símbolos J), J2' .. " fs,
donde J, es el trabajo más corto y J5 es el más largo, La notación lJi
denotará la selección de los trabajos Ji y Jj. Por ejemplo, Jd, denota la
selección de los trabajos JI y J,. Entonces, los 10 eventos simples aso-
ciados al experimento son los siguientes:

Evento Evento
simple Probabilidad simple Probabilidad
1 1
JI Jz h 10 Jd,+15 10
1 1
Jdz J4 10 Jz h J4 10
1 1
JI Jz J5 10 JzhTs 10
1 1
Jd>14 10 Jz J4 J5 10
I J>14J5
1
JI h J5 10 10

PASO 3 Si suponemos que la selección de cualquier conjunto de tres trabajos

es tan verosímil como cualquier otra, la probabilidad de cada uno de
los 10 eventos simples es To .
PASO 4 Defina los eventos A y B como sigue:
A: {El programador escoge los dos trabajos que requieren el menor
tiempo}
B: {El programador escoge los tres trabajos que requieren más tiempo}
 El evento A ocurrirá con cualesquier eventos simples en los que se
escojan los trabajos TI y T2; a saber, los tres eventos simples T,!J3' TI!Ji
y TtlJ,. De forma similar, el evento B comprende el evento único HiT,.
PASO 5 Ahora sumamos las probabilidades de los eventos simples de A y B
para obtener
P(A) = PUl h 13) + PUl h T4) + PUl h 15)
1 1 1 3
= 10 + 10 + 10 = 10
y

.......•..................
[Nota: En los experimentos que hemos visto hasta ahora ha sido fácil
enumerar los eventos simples. En experimentos más complejos el número de
eventos simples podría ser tan grande que no resulte práctico enumerarlos. Al resol-
ver problemas de probabilidad para experimentos con muchos eventos simples,
utilizamos los mismos principios que para los experimentos con pocos eventos
simples. La única diferencia es que necesitaremos reglas de conteo para deter-
minar el número de eventos simples sin tener que enumerarlos todos realmente.
En la sección 3.8 presentaremos algunas de las reglas de conteo más útiles.]

EJERCICIOS
...................................................................
3.1 Los ingenieros ambientales clasifican a los consumidores estadounidenses en cinco grupos con base en
su actitud hacia el ecologismo:
l. Los marrones básicos dicen carecer de los conocimientos necesarios para comprender
los problemas ambientales.
2. Los verdes leales utilizan productos biodegradables.
3. Los verdes billete apoyan leyes que obligarían a utilizar un combustible alternativo en todos los
automóviles nuevos.
4. Los retoños reciclan los periódicos con regularidad.
5. Los refunfuñadores opinan que las industrias, no los individuos, deben resolver los problemas
ambientales.
En la tabla se muestra la proporción de consumidores en cada grupo. Suponga que se escoge un
consumidor estadounidense al azar y se determina su actitud hacia el ecologismo.
Marrones básicos .28
Verdes leales . 11
Verdes billete . 11
Retoños .26
Refunfuñadores .24
Fuente: The Orange Counly (Calif.)
Reporter, 7 de agosto de 1990.

a. Enumere los eventos simples para el experimento.

b. Asigne probabilidades razonables a los eventos simples.
 c. Determine la probabilidad de que el consumidor sea un marrón básico o bien un refunfuñador.
d. Determine la probabilidad de que el consumidor apoye el ecologismo de alguna manera (es
decir, que el consumidor sea un verde leal, un verde billete o un retoño).
3.2 La Comisión de las Comunidades Europeas inició un programa de investigación para determinar
la influencia del ruido del tráfico sobre el sueño, la evaluación subjetiva y el desempeño psicomotor.
Para una porción del estudio, un equipo de ingenieros acústicos alemanes vigiló el sueño de 10
parejas (un hombre y una mujer por pareja) durante 12 noches consecutivas. Todas las parejas
durmieron en condiciones usuales durante siete de las noches. (Esto representa la fase de control
del estudio.) Durante las otras cinco noches (la fase experimental), las 10 parejas se dividieron en
dos grupos de igual tamaño. Un grupo durmió con las ventanas abiertas y el otro con tapones en los
oídos. La configuración experimental se describe en la siguiente tabla.

Fase de control Fase experimental Fase de control

Noches 1 2 345 678910 11 12
Grupo de tapones Sin tapones Con tapones Sin tapones
(parejas 1,4,6,9, 10) Ventanas abiertas Ventanas abiertas Ventanas abiertas
Grupo de ventanas Ventanas cerradas Ventanas abiertas Ventanas cerradas
(parejas 2, 3,5,7,8) Sin tapones Sin tapones Sin tapones
Fuente: Griefahn, B. yGros, E. "Noise and sleep at home, a field study on primary and after-eHects", Journal of Sound andVibration,
vol. 105, núm. 3, marzo de 1986, pág. 376 (figura 2).

Suponga que escogemos al azar una pareja del experimento en una noche elegida también al
azar y tomamos nota de si la pareja está usando tapones en los oídos y de si las ventanas están
abiertas o cerradas.
a. Enumere los eventos simples del experimento.
b. Asigne probabilidades a los eventos simples.
c. ¿Qué probabilidad hay de que la pareja esté utilizando tapones en los oídos?
d. ¿Qué probabilidad hay de que las ventanas estén cerradas?
3.3 Un estudio realizado por el Departamento de Pediatría de la Northwestern University de las lesiones
relacionadas con bicicletas durante un periodo de siete años reveló que más de 2,500 bebés y niños
pequeños result.aron lesionados mientras iban en asientos montados en la bicicleta de un adulto.
La tabla presenta un desglose de las causas de las lesiones.

Causa de lesiones relacionadas con bicicletas en niños Porcentaje

Caerse del asiento 39
Accidente con automóvil 10
LQ bicicleta estacionaria se cae 24
El asiento se desprende de la bicicleta 6
Extremidad atrapada en un rayo 21
100
Fuente: TampaTribune, 10 de julio de 1988.

Suponga que un niño se lesiona en un accidente de bicicleta.

a. ¿Qué probabilidad hay de que la lesión se deba a que una extremidad quedó atrapada en un
rayo de la rueda de la bicicleta?
b. ¿Qué probabilidad hay de que la lesión se deba a que el niño se cayó del asiento o el asiento
se desprendió de la bicicleta?
 c. ¿Qué probabilidad hay de que la lesión no haya ocurrido como consecuencia de un accidente
con un automóvil?
3.4 Se inventó un método mejorado para medir la resistividad eléctrica del concreto que elimina los
problemas causados por efectos de polarización y resistencia capacitiva (Magazine of Concrete Re-
search, diciembre de 1985). El método se probó con especímenes de concreto con diferentes mezclas
cemento-agua. Se examinaron tres diferentes proporciones de agua por peso (40, 45 Y 50%) Y tres
mezclas diferentes de cemento (300, 350 Y 400 kilogramos por metro cúbico).
a. Enumere todas las posibles combinaciones de proporción de agua por peso y mezcla de cemento
para este experimento.
b. Suponga que determinamos la combinación de proporción de agua por peso y mezcla de ce-
mento que produce la resist.ividad eléctrica más alta. Antes de realizar el experimento, ¿debe-
remos asignar probabilidades iguales a los eventos simples? ¿Por qué sí o por qué no?
3.S YES/MVS (Yorktown Expert System/MVS Manager) es un sistema experto experimental diseñado
para ejercer un control activo sobre un sistema de cómputo y proporcionar sugerencias a los ope-
radores de computadoras. YES/MVS se diseñó con una base de conocimientos que consiste en 548
reglas que se activan en respuesta a mensajes o consultas del operador de computadora. La siguiente
tabla indica el número de reglas asignadas a diferentes subdominios de acciones del operador. Las
reglas de la base de conocimientos de YES/MVS se prueban y ajustan periódicamente, si es nece-
sario. Suponga que se elige una regla al azar para probarla y se toma nota de su tipo (acción/consulta
del operador).

Acción/consulta del operador Número de reglas

Planificación por lotes 139
Espacio de cola JES 104
EnlacesCaC 68
Errores de hardware 87
Gestión de SMF 25
Latencia e IPL 52
Desempeño 41
Monitor de segundo plano 32
TOTAL 548
Fuente: Ennis. R. L. el al., "A continuous real-time expert
system for computer operations". IBM ,oumalofResearch and De-
velopment, vol. 30, núm.l, enero de 1986,pág.19. Copyright 1986,
International Business Machines Corpora- tion; reproducción au-
torizada.

a. Enumere los eventos simples para este experimento.

b. Asigne probabilidades a los eventos simples con base en la información contenida en la tabla.
c. ¿Qué probabilidad hay de que la regla sea de enlace C a C o de error de hardware?
d. ¿Qué probabilidad hay de que no sea una regla de desempeño?
3.6 La revista Science (24 de septiembre de 1993) informó de los resultados de una encuesta realizada
por la National Science Foundation (NSF) de Estados Unidos con estudiantes de posgrado en
ciencias e ingeniería. La encuesta de la NSF reveló que un elevado porcentaje de los doctorados
que se otorgan corresponden a estudiantes que no son ciudadanos estadounidenses. La siguiente
tabla indica el número de doctorados otorgados en ingeniería y ciencias en 1991 a extranjeros en
varias disciplinas. Suponga que se escoge al azar un estudiante de posgrado que obtuvo un doctorado
en una de las disciplinas de ingeniería y ciencias enumeradas en la tabla.
 Doctorados concedidos a Doctorados concedidos
Disciplina ciudadanos estadounidenses a extranieros Totales
Ingeniería 607 1,630 2,237
Astronomía 126 84 210
Química 1,291 2,336 3,627
Física 757 1,006 1,763
Tierra/Océano/Atmósfera 409 236 645
Matemáticas 92 114 206
Computación 110 47 157
Agronomía 327 247 574
Biología 6,529 6,155 12,684
TOTALES 10,248 11,855 22,103
Fuente: Science, vol. 26, 24de septiembre de 1993, pág. 1770.

a. Determine la probabilidad de que el estudiante haya recibido un grado de doctor en ingeniería.

b. Determine la probabilidad de que el estudiante no sea estadounidense.
3.7 Los biólogos definen un "punto cálido" como un área geográfica (de 10 kilómetros cuadrados) rica
en especies. Nature (sept. de 1993) informó de un estudio de puntos cálidos para varias especies
británicas poco comunes, incluidas mariposas, libélulas y aves. La siguiente tabla presenta la pro-
porción de una especie en particular hallada en un punto cálido para esa especie o para otra. Por
ejemplo, el valor en la esquina inferior izquierda, .70, implica que el 70% de todas las especies
británicas de aves habitan en un punto cálido de mariposas. [Nota: Los puntos cálidos de las espe-
cies se pueden traslapar.]

Proporción hallada en
Punto cálido Punto cálido Punto cálido
Especie de mariposas de libélulas de aves
Mariposas .91 .91 1.00
Libélulas' . .82 .92 .92
Aves .70 .73 .87
Fuente: Prendergast,1. R. el al., "Rare speeies, theeoineidenee ofdiversity
hotspots and eonservation strategies", Nalure, vol. 365, núm. 6444, 23 de
septiembre de 1993, pág. 337 (tabla 2e).

a. ¿Qué probabilidad hay de que una especie de libélula habite en un punto cálido de libélulas?
b. ¿Qué probabilidad hay de que una especie de mariposa habite en un punto cálido de aves?
c. Explique por qué todos los puntos cálidos de mariposas también son puntos cálidos de aves.

3.3 Eventos compuestos

...................................................................
En muchos casos puede considerarse que un evento es una composición de
dos o más eventos distintos. Tales eventos se denominan eventos compuestos,
y pueden formarse (componerse) de dos maneras.
1, •••••••• " • • • • • • • • • • • • • • • • • • • • • • • • • • • ,." ••••••••• , ••••••••••

EJEMPLO 3.5 Considere el experimento de lanzar un dado. Defina los siguientes eventos:
A: {Obtener un número par}
B: {Obtener un número menor o igual que 3}
a. Describa A u B para este experimento.
b. Describa A n B para este experimento.
c. Calcule P(A u B) y P(A ( l B) suponiendo que el dado es justo.

Solución a. La unión de A y B es el evento que ocurre si observamos un número par,

o un número menor o igual que 3, o ambas cosas, en una sola tirada del
dado. En consecuencia. Los eventos simples en el evento A u B son aquellos
para los que A ocurre, B ocurre o tanto A como B ocurren. Si probamos
los eventos simples en todo el espacio de muestra, vemos que la colección
de la unión de eventos simples en la unión de A y B es
A uB = {l, 2, 3,4, 6}
como se muestra en el diagrama de Venn de la figura 3.4.

FIGURA 3.4 ~
Diagrama de Venn de A u B,
ejemplo 3.S

--------- S

b. La intersección de A y B es el evento que ocurre si observamos tanto un

número par como un número menor o igual que 3 en un solo lanzamiento
del dado. Si probamos los eventos simples para ver cuáles implican la ocu-
 rrencia de ambos eventos A y B, vemos que la intersección contiene sólo
un evento simple:
A (l B = {2}
En otras palabras, la intersección de A y B es el evento simple Observar un
2 (véase la figura 3.4).
c. Si recordamos que la probabilidad de un evento es la suma de las pro-
babilidades de los eventos simples de los que se compone el evento, tene-
mos

P(A U B) = P(l) + P(2) + P(3) + P(4) + P(6)

1 1 1 1 1 5
=-+-+-+-+-=-
6 6 6 6 6 6

P(A n B) = P(2) = ~

..........................
También se pueden definir uniones e intersecciones para más de dos even-
tos. Por ejemplo, el evento A v B u C representa la unión de tres eventos, A,
B Y C. Este evento, que incluye el conjunto de eventos simples de A, B y C,
ocurre si se da uno o más de los eventos A, B o C. De forma similar, la inter-
sección A n B n C es el evento en el que ocurren los tres eventos A, B y C.
Por tanto, A ( l B ( l C es el conjunto de eventos simples que están en los tres
eventos A, B y C, sin faltar en ninguno.

11 • • • • • 11 • • • • • • 11 • • • 111 • • • • • • • • • • • • • 11 • • • • • 11 • • • • • • • 1 • • • • 1 • • • • •

EJEMPLO 3.6 Refiérase al ejemplo 3.5 y defina el evento

C: {Obtener un número mayor que l}
Determine los eventos simples en
a. A u B u C b. A n B n C
donde
A: {Obtener un número par}
B: {Obtener un número menor o igual que 3}

Solución a. El evento C contiene los eventos simples que corresponden a obtener 2, 3,

4, 5 o 6; el evento B contiene los eventos simples 1, 2 y 3. Por tanto, el
evento en el que ocurren A, B o C contiene los seis eventos simples de S,
es decir, los que corresponden a obtener 1, 2, 3, 4, 5 o 6.
b. Es evidente que sólo se observarán los tres eventos, A, B y C, si se observa
el 2. Por tanto, la intersección A ( l B n C contiene un solo evento simple:
Obtener 2.
3.4 Eventos complementarios
...................................................................
Un concepto muy útil en el cálculo de probabilidades de eventos es la idea de
eventos complementarios.

Un evento A es una colección de eventos simples, y los eventos simples

incluidos en Ac son aquellos que no están en A. En la figura 3.5 se demuestra
esto. En ella puede verse que todos los eventos simples de S están incluidos
ya sea en A o en AC, y que ningún evento simple está tanto en A como en N.
Esto nos lleva a concluir que las probabilidades de un evento y de su comple-
mento deben sumar l.

FIGURA 3.5 ~
Diagrama de Venn de eventos • • • •
• • •
complementarios A AC
• • •
• • • • •

En muchos problemas de probabilidad es más fácil calcular la proba-

bilidad del complemento del evento de interés que del evento mismo. Enton-
ces, puesto que
P(A) + P(N) = 1
podemos calcular P(A) mediante la relación
P(A) = 1 - P(N)

• En algunos textos se utiliza el símbolo A' para denotar el complemento de un evento A.

EJEMPLO 3.7 Considere el experimento de lanzar dos monedas balanceadas. Calcule la proba-
bilidad del evento
A: {Observar al menos una cara}
utilizando la relación complementaria.

Solución Sabemos que el evento A: {Observar al menos una cara} consiste en los eventos
simples
A: {CC, CX, XC}
El complemento de A se define como el evento que ocurre cuando A no ocurre;
por tanto,
N: {No observar ninguna cara} = {XX}
Esta relación complementaria se muestra en la figura 3.6. Si suponemos que
las monedas están balanceadas, tenemos

P(N) = P(XX) = l4
y
1 3
P(A) = 1 - P(N) = 1- 4= 4

FIGURA 3.6 ~
Eventos complementarios en el
lanzamiento de dos monedas

_.....:::;;...-. 5

..........................
• • • • • • • • • • 11 • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •

EJEMPLO 3.8 Una moneda balanceada se lanza 10 veces y se registra la cara superior después
de cada tirada. Determine la probabilidad del evento
A: {Observar cuando menos una cara}

Solución Resolveremos este problema siguiendo los cinco pasos para calcular proba-
bilidades de eventos (véase la sección 3.2).

PASO I Definir el experimento. El experimento consiste en registrar los resul-

tados de los 10 lanzamientos de la moneda.
PASO 2 Enumere los eventos simples. Un evento simple consiste en una
secuencia específica de 10 caras o cruces. Por tanto, un evento simple es
CCXXXCXCXX
 que denota cara en el primer lanzamiento, cara en el segundo, cruz
en el tercero, etc. Otros serían CXCCCXXXXX y XCCXCXCXXC. Ob-
viamente, el número de eventos simples es muy grande; demasiados
para enumerarse. Puede demostrarse (véase la sección 3.8) que hay 2 10
= 1,024 eventos simples para este experimento.
PASO 3 Asignar probabilidades. Puesto que la moneda está balanceada, cada
secuencia de caras y cruces tiene la misma posibilidad de ocurrir y por
tanto todos los eventos simples son igualmente verosímiles. Entonces

P(Cada evento simple) = _1_

1,024
PASO 4 Determinar los eventos simples en el evento A. Un evento simple está
en A si por lo menos una e aparece en la secuencia de 10 lanzamientos.
Sin embargo, si consideramos el complemento de A, encontramos que
AC: {No se observa una cara en 10 lanzamientos}
Por tanto, Ac contiene únicamente el evento simple
N: {XXXXXXXXXX}
y en consecuencIa
1
P(N) = 1,024
PASO 5 Puesto que conocemos la probabilidad del complemento de A, utili-
zamos la relación para eventos complementarios:

1 1,023
P(A) = 1- P(N) = 1 - 1,024 = 1,024 = .999

Es decir, prácticamente tenemos la seguridad de observar por lo menos

una cara en 10 lanzamientos de la moneda.

. .

EJERCICIOS
...................................................................
18 Un juego que goza de popularidad en muchos casinos estadounidenses es la ruleta. La ruleta se
juega girando una bola sobre una rueda dividida en 38 arcos de igual longitud; éstos llevan los
números 00, 0, 1, 2, ... , 35, 36. El número en el arco dentro del cual se detiene la bola es el
resultado de una jugada. Además, los números están coloreados de la siguiente manera:

Rojo: 1 3 5 7 9 12 14 16 18
19 21 23 25 27 30 32 34 36
Negro: 2 4 6 8 10 11 13 15 17
20 22 24 26 28 29 31 33 35
Verde: 00
 Los jugadores pueden colocar apuestas en la mesa de diversas maneras, incluidas apuestas a resul-
tado impar, par, rojo, negro, bajo (1-18) y alto (19-36). Considere los siguientes eventos (00 y O
no se consideran pares ni impares):
A: {El resultado es un número impar}
B: {El resultado es un número negro}
C: {El resultado es un número alto}
Calcule las probabilidades de los siguientes eventos:
a. AvB b. A("'IC c. B vC d. Be e. A ("'lB ("'IC
3.9 Un proyecto de inversión en perforación de pozos petroleros implica la perforación de seis pozos de explo-
ración en diferentes sitios del país. Suponga que cada perforación producirá o bien un pozo seco o un
pozo productor de petróleo. Si consideramos que los eventos simples para este experimento son igual-
mente verosímiles, determine la probabilidad de descubrir por lo menos un pozo productor de petróleo.
3.10 Una de las principales prioridades de los fabricantes de automóviles es mejorar la protección contra
la corrosión de la lámina de acero. En la Mazda Motor Corporation (Japón) hay una marcada
preferencia por los recubrimientos de aleación chapeados delgados para mejorar la protección con-
tra el orín y la adhesión. La siguiente tabla presenta el desglose de la utilización de lámina de acero
en los Mazda 626 que se exportan a Estados Unidos. Suponga que se escoge al azar una sola lámina
de entre las que se usan en la producción de un Mazda 626 y nos interesa el tipo de lámina de
acero seleccionado.

Tipo de lámina de acero Porcentaje utilizado

Rolada en frío, resistencia normal, sin chapa 27
Rolada en frío, alta resistencia, sin chapa 12
Rolada en frío, resistencia normal, chapeada 30
Rolada en frío, alta resistencia, chapeada 15
Rolada en caliente, resistencia normal, sin chapa 8
Rolada en caliente, alta resistencia, sin chapa 5
Rolada en caliente, resistencia normal, chapeada 3
Rolada en caliente, alta resistencia, chapeada O
TOTAL 100
Fuente: Chand1er, H. E., "Materials trends at Mazda Motor"Corporation", Metal Progress,
vol. 129, núm. 6, mayo de 1986, pág. 57 (figura 3).

a. Defina el experimento.
b. Enumere los eventos simples para el experimento.
c. Asigne probabilidades a los eventos simples con base en la utilización de lámina de acero de
Mazda.
d. ¿Qué probabilidad hay de que la lámina de acero sea del tipo rolado en caliente, de alta resis-
tencia?
e. ¿Qué probabilidad hay de que la lámina de acero sea del tipo rolado en frío?
f. ¿Qué probabilidad hay de que la lámina de acero no esté chapeada?
3.11 Cierto juego llamado craps se juega con dos dados. Un jugador lanza ambos dados y gana incondicio-
nalmente si produce un natural (la suma de los números a la vista es 7 u 11); pierde incon-
dicionalmente si lanza craps (un 2, 3 o 12).
a. Determine la probabilidad de que un jugador lanzará un natural en la primera tirada de los dados.
b. Determine la probabilidad de que un jugador no lance craps en la primera tirada de los dados.
3.12 En la industria de la construcción son comunes las disputas y a menudo se deciden por arbitraje. En
1988 se solicitó arbitraje para un total de 4,940 disputas en el área de la construcción en Estados
Unidos. En la tabla se presenta una distribución de los valores en dólares de las 4,940 reclamaciones.

Valor Número de reclamaciones

Menos de $10,000 1,439
$10,001-$50,000 1,769
$50,001-$100,000 590
$100,001-$500,000 739
$500,001-$1,000,000 129
$1,000,0010 más 80
No revelado 194
4,940
Fuente: Riggs, L. S. y Schenk, R. M., "Arbitratian: Survey on user satis-
faction", !oumal ofPerformance ofConstructed Facilities, vol. 4, núm. 2,
mayo de 1990, pág. 89.

a. Estime la probabilidad de una reclamación arbitrada cuyo monto en dólares no se haya revelado.
b. Estime la probabilidad de que el monto de la reclamación de arbitraje exceda $1,000,000.
c. Estime la probabilidad de que el monto de la reclamación de arbitraje esté entre $50,001 y
$500,000.

3.S Probabilidad condicional

...................................................................
Las probabilidades de eventos que hemos analizado hasta ahora proporcionan las
frecuencias relativas de las ocurrencias de los eventos cuando el experimento
se repite un gran número de veces. Se llama a éstas probabilidades incondi-
cionales porque no se suponen condiciones especiales aparte de las que definen
el experimento.
Hay ocasiones en que nos interesa alterar nuestra estimación de la proba-
bilidad de un evento cuando poseemos información adicional que podría afectar
el resultado. Esta probabilidad modificada se denomina probabilidad condi-
cional del evento. Por ejemplo, hemos visto que la probabilidad de observar
un número par (evento A) en un lanzamiento de un dado balanceado es i.
Sin embargo, suponga que recibe la información de que en cierto lanzamiento
del dado el resultado fue un número menor o igual que 3 (evento B). ¿Pensaría
usted todavía que la probabilidad de observar un número par en el lanzamiento
del dado es igual a.!.? Si razona que el hecho de suponer que B ocurrió reduce
el espacio de muesfra de seis eventos simples a tres eventos simples (a saber,
los contenidos en el evento B), el espacio de muestra reducido será el que se
muestra en la figura 3.7.

FIGURA 3.7 ~
Espacio de muestra reducido para el
experimento de lanzar un dado.
suponiendo que ha ocurrido el
evento B.
 Puesto que el único número par de los tres que quedan en el espacio de
muestra reducido del evento B es el número 2, y puesto que el dado está
balanceado, concluimos que la probabilidad de que A ocurra, dado que B ocurre
es de una en tres, o ~. Utilizaremos el símbolo P(A I B) para representar la
probabilidad del evento A dado que ocurre el evento B. Para el ejemplo del
lanzamiento de un dado, escribimos

P(A I B) =~
Para determinar la probabilidad del evento A, dado que ocurre el evento
B, procedemos como sigue: dividimos la probabilidad de la parte de A que
queda dentro del espacio de muestra reducido del evento B, a saber, P(A n B),
entre la probabilidad total del espacio de muestra reducido, a saber, P(B). Así
pues, para el ejemplo de lanzamiento de un dado donde evento A: {Observar
un número par} y evento B: {Observar un número menor o igual que 3},
tenemos
P(A n B) P(2) ~ I
P(A I B) = P(B) = P(l) + P(2) + P(3) = 1 = "3
6

~sta fórmula para P(A I B) se cumple en general.

••• • • • • • • • • • • • • • • • • • • • • • • 41 • • • • • • • • • • • • • • • • 1 • • • • • • • • • • • • • • • • • • • •

EJEMPLO 3.9 . Considere el siguiente problema de control de procesos. Suponga que le inte-
resa la probabilidad de que un producto fabricado (por ejemplo. un compo-
nente mecánico pequeño) enviado a un comprador se ajuste a las especifica-
ciones de éste. Los lotes con un gran número de componentes deben aprobar
una inspección antes de ser aceptados para embarcarse. [Suponga que no se
inspeccionan todos los componentes de un lote. Por ejemplo, si la característica
media del producto (por ejemplo, el diámetro) de una muestra de componentes
seleccionada del lote está dentro de ciertos límites, se acepta todo el lote a
pesar de que pudiera haber uno o más componentes individuales que no se
ajusten a las especificaciones.] Representemos con 1 el evento de que un lote
aprueba la inspección y con B el evento de que un componente individual de
un lote se ajusta a las especificaciones del comprador. Entonces, 1 n B es el
evento simple de que el componente individual se envía al comprador (esto
sucede cuando el lote que contiene al componente aprueba la inspección) y
además se ajusta a las especificaciones; 1 ("l Be es el evento simple de que el
componente individual sea enviado al comprador pero no se ajuste a las espe-
cificaciones, etc. Suponga que las probabilidades asociadas a los cuatro eventos
simples son las que se muestran en la siguiente tabla. Determine la proba-
bilidad de que un componente individual se ajuste a las especificaciones de!
comprador dado que le fue enviado.

Evento simple Probabilidad

1n B .80
1 n Bc .02
lc n B .15
lc n Bc .03

Si se escoge un componente de un lote de componentes fabricados, ¿qué proba-

bilidad hay de que el comprador aceptará el componente? Para ser aceptado,
el componente primero deberá enviarse al comprador (es decir, el lote que
contiene al componente deberá aprobar la inspección) y luego e! componente
debe satisfacer las especificaciones de! comprador, de modo que esta proba-
bilidad incondicional es P(I n B) = .80.
Por otro lado, suponga que sabe que e! componente en cuestión proviene
de un lote que aprobó la inspección. Ahora a usted le interesa la probabilidad de
que el componente se ajuste a las especificaciones dado que el componente
se envió al comprador; es decir, desea determinar la probabilidad condicional
P(B I 1). Por la definición de probabilidad condicional,

P(B I 1) = P(l n B)
P(I)
donde el evento
1: {El componente se envia al comprador}
contiene los dos eventos simples

1 n B: {El componente se envía al comprador y se ajusta a las especifi-

caciones}
e
1 n Bc: {El componente se envía al comprador pero no se ajusta a las
especificaciones}
Recordando que la probabilidad de un evento es igual a la suma de las proba-
bilidades de sus eventos simples, obtenemos
P(1) = P(l n B) + P(I n BC)
= .80 + .02 = .82
Entonces, la probabilidad condicional de que un componente se ajuste a las
especificaciones, dado que fue enviado al comprador, es

P(B I 1) = P(l n B) = .80 = 976

P(1) .82'
Como era de esperar, la probabilidad de que e! componente se ajuste a las
especificaciones, dado que fue enviado al comprador, es más alta que la proba-
bilidad incondicional de que un componente sea aceptable para e! comprador.
....•••...•.........•.....
EJEMPLO 3.10 La investigación de las quejas de los consumidores referentes a productos rea-
lizada por la Federal Trade Commission (FTC, Comisión Federal de Comercio
de Estados Unidos) ha generado gran interés por parte de los fabricantes en
la calidad de sus productos. Un fabricante de procesadores de alimentos realizó
un análisis de un gran número de quejas de los consumidores y determinó que
entraban en las seis categorías que se muestran en la Tabla 3.2. Si se recibe
una queja de un consumidor, ¿qué probabilidad hay de que la causa de la
queja sea el aspecto del producto, dado que la queja se originó durante el
periodo de garantía?

Razón de la queja TOTALES

...................................................................................
Eléctrica Mecánica Aspecto
Durante el periodo de garantía 18% 13% 32% 63%
Después del periodo de garantía 12% 22% 3% 37%

TOTALES 30% 35% 35% 100%

Solución Representemos con A el evento de que la causa de una queja en particular fue
el aspecto del producto, y con B el evento de que la queja se presentó durante el
periodo de garantía. Si consultamos la tabla 3.2, veremos que el (18 + 13 +
32)% = 63% de las quejas se presentaron durante la vigencia de la garantía;
por tanto, P(B) = .63. El porcentaje de quejas debidas a la apariencia que
ocurrieron durante el periodo de garantía (el evento A í'I B) es del 32%. Por
" tanto, P(A í'I B) = .32.
Con base en estos valores de probabilidad, podemos calcular la probabilidad
condicional P(A I B) de que la causa de una queja sea el aspecto, dado que
la queja ocurrió durante el periodo de garantía:

P(A I B) = P(A n B) = :B = 51
P(B) .63'

Así, podemos ver que un poco más de la mitad de las quejas que ocurrieron
durante el periodo de garantía se debieron a rayones, abolladuras u otras im-
perfecciones en la superficie de los procesadores de alimentos.

EJERCICIOS
...................................................................
3.13 Un artículo en IEEE Computer Applications in Power (abril de 1990) describe "un sistema de
vigilancia automático para detectar intrusos en tiempo real sin detecciones espurias, tanto en in-
teriores como en exteriores, utilizando cámaras de vídeo y microprocesadores". El sistema se probó
 en extenores en diversas condiciones climáticas en Tokio, Japón. La tabla indica el número de
intrusos detectados y no detectados en cada condición.
Condiciones climáticas
Despe;ado Nubes Lluvia Nieve Viento
Intrusos detectados 21 228 226 7 185
Intrusos no detectados O 6 6 3 10
TOTALES 21 234 232 10 195
Fuente: Kaneda, K. et al., "An unmanned watching system using video cameras",IEEE Computer
Applications in Power, abril de 1990, pág. 24.

a. En condiciones nubladas, ¿qué probabilidad hay de que el sistema automático detecte un in-
truso?
b. Dado que el sistema automático no detectó un intruso, ¿qué probabilidad existe de que haya
estado nevando?
3.14 Refiérase al juego de ruleta y los eventos descritos en el ejercicio 3.8. Determine
a. P(A I B) b. P(B I C) c. P(C I A)

115 Refiérase al juego de dados craps descrito en el ejercicio 3.11. Un jugador lanza los dados una sola vez.
a. Si la suma de los dados es impar, ¿qué probabilidad hay de haber lanzado craps?
b. Dado que el jugador no lanzó craps, ¿cuál es la probabilidad de que el jugador haya lanzado
un doble, es decir, el mismo número en ambos dados?
3.16 Refiérase a la encuesta realizada por la NSF respecto a los doctorados otorgados en disciplinas de
ingeniería y ciencias (ejercicio 3.6). Los resultados de la encuesta se reproducen en la tabla. Una
vez más, suponga que escogió al azar uno de los 22,103 estudiantes de posgradoque obtuvo un
grado de doctor en una de estas disciplinas.

Doctorados concedidos a Doctorados concedidos

Disciplina ciudadanos estadounidenses a extran;eros Totales
Ingeniería 607 1,630 2,237
Astronomía 126 84 210
Química 1,291 2,336 3,627
Física 757 1,006 1,763
Tierra/Océano/Atmósfera 409 236 645
Matemáticas 92 114 206
Computación 110 47 157
Agronomía 327 247 574
Biología 6,529 6,155 12,684
TOTALES 10,248 11,855 22,103
Fuente: Science, vol. 26, 24 de septiembre de 1993, pág. 1770.

a. Determine la probabilidad de que el estudiante haya sido extranjero y haya obtenido un grado
de doctor en física.
b. Dado que el estudiante obtuvo un grado de doctor en química, ¿qué probabilidad hay de que
haya sido extranjero?
c. Repita b, pero para un doctorado en ingeniería.
3.17 La probabilidad de que un sistema de comunicación de datos tenga una selectividad elevada es de
.72, la probabilidad de que tenga alta fidelidad es de .59 y la probabilidad de que tenga ambas
características es de .33. Determine la probabilidad de que un sistema con alta fidelidad también
tenga una selectividad elevada.
3.18 Refiérase al estudio hecho por el Cuerpo de Ingenieros del Ejército de Estados Unidos sobre la
contaminación con DDT de peces del Río Tennessee en Alabama (véase el estudio de caso 1.1).
Una parte de la investigación se concentró en la distancia corriente arriba a la que han migrado
los peces contaminados. (Se considera contaminado un pez si su concentración de DDT es mayor
que 5.0 partes por millón.) Recuerde que el apéndice III contiene la concentración de DDT, la
especie y el lugar de captura (en millas desde la desembocadura del río) para cada espécimen de
una muestra de 144 peces. La siguiente tabla indica el número de peces contaminados encontrados
para cada combinación de especie-lugar. Suponga que se captura un pez contaminado en el río.
Lugar de captura
275-300 305-325 330-350
Perca de boca pequeña 9 7 O
Especie Robalo de boca grande O O 1
Bagre de canal 31 23 6

a. Dado que el pez es un bagre de canal, ¿qué probabilidad hay de que haya sido capturado entre
330 y 350 millas corriente arriba?
b. Dado que el pez fue capturado entre 275 y 300 millas corriente arriba, ¿qué probabilidad hay
de que sea una perca de boca pequeña?
3.19 La Comisión Reguladora Nuclear de Estados Unidos evalúa los riesgos de seguridad asociados a las
plantas de energía nuclear. La comisión ha concluido que la probabilidad de menos de un deceso
por cáncer latente (por año) como resultado de la fusión del centro de un reactor nuclear es de
.00005. Suponga que la probabilidad de que ocurra una fusión de centro durante un año dado es
de 1 en 100,000. Determine la probabilidad de que ocurra al menos un deceso por cáncer latente
(por año) como resultado de la fusión del centro de un reactor nuclear.

3.6 Reglas de probabilidad para uniones eintersecciones

...................................................................
Puesto que las uniones e intersecciones de los eventos son ellas mismas eventos,
siempre podremos calcular sus probabilidades sumando las probabilidades de
los eventos simples que las componen. Sin embargo, cuando se conocen las
probabilidades de ciertos eventos, es más fácil utilizar una de dos reglas, o
ambas, para calcular la probabilidad de uniones e intersecciones. En el presente
capítulo ilustraremos cómo y por qué funcionan estas reglas.

EJEMPLO 3.11 Se lanza un dado cargado (no balanceado) y se observa la cara superior. Se
definen estos dos eventos:
A: {Observar un número par}
B: {Observar un número menor que 3}
Suponga que P(A) = .4, P(B) = .2 y P(A n B) = .1. Determine P(A u B).
[Nota: No es muy realista suponer que conoceríamos estas probabilidades en
una situación práctica, pero el ejemplo ilustrará un punto.]
)olucíón Si estudiamos el diagrama de Venn de la figura 3.8, podemos obtener infor-
mación que nos ayudará a determinar P(A u B). Podemos ver que

P(A U B) = P(l) + P(2) + P(4) + P(6)

Además, sabemos que

P(A) = P(2) + P(4) + P(6) = .4

P(B) = P(l) + P(2) = .2
P(A n B) = P(2) = .1

FIGURA 3.8 ~
Diagrama de Vennpara el
lanzamiento del dado

'-
L..; ../s

Si sumamos las probabilidades de los eventos simples que constituyen los

eventos A y B, obtenemos

P(A) P(B)

P(A) + P(B) = P(2) + P(4) + P(6) + P(l) + P(2)

P(A U B) P(A n B)
I • ,~

= P(l) + P(2) + P(4) + P(6) + P(2)

Entonces, al restar tenemos

P(A U B) = P(A) + P(B) - P(A n B)

=.4+.2-.1=.5

Si estudiamos el diagrama de Venn de la figura 3.9, nos daremos cuenta

de que el método empleado en el ejemplo 3.11 se puede generalizar para en-
contrar la unión de dos eventos para cada experimento. La probabilidad de la
unión de dos eventos, A y B, siempre puede obtenerse sumando P(A) y P(B)
y restando P(A 11 B). Observe que es necesario restar P(A 11 B) porque hemos
incluido dos veces las probabilidades de los eventos simples de (A 11 B): una
vez en P(A) y otra en P(B).

FIGURA 3.9 ~
Diagrama de Venn de la unión

El área sombreada completa es A v B

 La figura 3.10 es un diagrama de Venn de dos eventos mutuamente ex-
clusivos. Los eventos A y B no tienen eventos simples en común, es decir, A
y B no pueden ocurrir simultáneamente, y P(A n B) = O. Esto da pie a la
importante relación que se muestra en el siguiente recuadro.

FIGURA 3.10 ~
Diagrama de Venn de eventos
mutuamente exclusivos
C_A )

, • • • • • • , 1 1 1 " ' , • • • • , 1 1 1 ' •• , 1 , • • • • • • 1 1 " " 1 1 1 1 1 , • • • • • • ' •• , • • • , ••

EJEMPLO 3.13 Considere el experimento de lanzar dos monedas balanceadas. Determine la

probabilidad de observar al menos una cara.

Solución Definimos los eventos

A: {Observar al menos una cara}
B: {Observar exactamente una cara}
C: {Observar exactamente dos caras}
Tome nota de que A = B v e y que B n e no contiene eventos simples
(véase la figura 3.11). Entonces, B y e son mutuamente exclusivos, de modo
que
P(A) = P(B U C) = P(B) + P(C)
1 1 3
='2+4=4
FIGURA3.11 ~
Diagrama de Venn para el
experimento de lanzar monedas

'- 5

..........................
Aunque el ejemplo 3.13 es muy sencillo, el concepto de escribir eventos
con descripciones verbales que incluyen las frases "al menos" o "cuando más"
como uniones de eventos mutuamente exclusivos es muy útil, pues nos permite
determinar la probabilidad del evento sumando las probabilidades de los even-
tos mutuamente exclusivos.
La segunda regla de la probabilidad, que nos ayudará a determinar la proba-
bilidad de la intersección de dos eventos, se ilustra con el ejemplo 3.14

...............................................................
EJEMPLO 3.14 A un procesador de datos le interesa el evento de que un trabajo sea procesado
inmediatamente al momento de presentarse. Este evento es la intersección de
los dos eventos siguientes:
A: {La computadora está funcionando}
B: {El trabajo se procesará de inmediato}
Con base en la información disponible, el procesador de datos cree que hay
una probabilidad de .90 de que la computadora esté funcionando en un mo-
mento determinado y una probabilidad de .05 de que el trabajo se ejecutará
tan pronto como sea presentado si la computadora está funcionando. Esto es,
P(A) = .90 y P(B I A) = .05
Con base en la información proporcionada, ¿qué probabilidad hay de que un
trabajo presentado se procese de inmediato? Es decir, determine P(A n B).

Solución Como verá el lector, ya dedujimos una fórmula para encontrar la probabilidad
de la intersección de dos eventos. Recuérdese que la probabilidad condicional de
B dado A es
P(B I A) = P(A n B)
P(A)
Si multiplicamos ambos miembros de esta ecuación por P(A), obtenemos una
fórmula para la probabilidad de la intersección de los eventos A y B. Esta fórmu-
la se conoce como regla multiplicativa de la probabilidad y está dada por
P(A n B) = P(A) P(B I A)
Así pues,
P(A n B) = (.90) (.05) = .045
La probabilidad de que un trabajo presentado se procese de inmediato es de .045.
...............................................................
EJEMPLO ll5 Considere el experimento de lanzar una moneda balanceada dos veces y regis-
trar la cara superior en cada lanzamiento. Se definen los siguientes eventos:
A: {El primer lanzamiento es cara}
B: {El segundo lanzamiento es cara}
Si sabemos que ocurrió el evento A, ¿afecta esto la probabilidad de que B
ocurra?

Solución La respuesta intuitiva debe ser no, pues 10 que ocurra en el primer lanzamiento
no tiene por qué afectar lo que ocurra en el segundo. Verifiquemos nuestra
intuición. Recordemos el espacio de muestra para este experimento:
l. Observar CC
2. Observar CX
3. Observar XC
4. Observar XX
Cada uno de estos eventos simples tiene una probabilidad de ±. Entonces,
P(B) = P(CC) + P(XC) y P(A) = P(CC) + P(CX)

1 1 1 1 1 1
=-+-=-
442
=-+-=-
442

Ahora bien, ¿qué es P(B lA)?

P(B I A) = P(A n B) = P(HH)

P(A) P(A)
t 1
=1=2
2

Ahora vemos que P(B) = .!. Y que P(B I A) = t.

Saber que el primer lanza-
miento fue cara no afecta la probabilidad de que el segundo lanzamiento sea
¡
cara. La probabilidad es de sin im·portar que sepamos o no el resultado del
primer lanzamiento. Cuando esto ocurre, decimos que los dos eventos A y B
son independientes.
EJEMPLO 3.16 Considere el experimento de lanzar un dado balanceado y defina los siguientes
eventos:
A: {Observar un número par}
B: {Observar un número menor o igual que 4}
¿Son independientes los eventos A y B?

Solución El diagrama de Venn para este experimento se muestra en la figura 3.12. Pri-
mero calculamos

P(A) = P(2) + P(4) + P(6) = i

P(B) = P(I) + P(2) + P(3) + P(4) = ~ =%
P(A n B) = P(2) + P(4) = ~ = i
FIGURA3.12 ~
Diagrama de Venn para
el ejemplo 3.16

________________ 5

Ahora bien, si suponemos que B ocurrió, la probabilidad condicional de A dado

B es
1
P(A I B) = P(A n B) = I = l = P(A)
P(B) l 2
3
 Por tanto, suponer que ocurre el evento B no altera la probabilidad de observar
un número par; sigue siendo I'
Esto quiere decir que los eventos A y B son
independientes. Cabe señalar que si calculamos la probabilidad condicional de
B dado A, nuestra conclusión es la misma:
1
P(B I A) = P(A n B) = l = ~ = P(B)
P(A) ! 3

• • • • • ,1 •• ,1 •• 11 • • • • • • , • • • • • • • • • • • • • • , • • • • • • • • • • • • • • , • • • • • • • • , ••

EJEMPLO 3.17 Refiérase al estudio de quejas de consumidores referentes a productos del ejem-
plo 3.1 O. Los porcentajes de quejas de diversos tipos en los periodos de garantía
y posterior a la garantía se muestran en la tabla 3.2. Defina los siguientes
eventos:
A: {La causa de la queja es el aspecto del producto}
B: {La queja se presentó durante el plazo de garantía}
¿Son A y B eventos independientes?

Solución Los eventos A y B son independientes si P(A I B) = P(A). En el ejemplo 3.10

calculamos que P(A I B) es .51, y de la tabla 3.2 podemos ver que
P(A) = .32 + .03 = .35
Por tanto, P(A I B) no es igual a P(A) y A YB no son eventos independientes .
..........................
Diremos tres cosas más acerca de la independencia. La primera es que la
propiedad de independencia, a diferencia de la propiedad de exclusión mutua,
no se puede mostrar o deducirse de un diagrama de Venn, y no se puede
confiar en la intuición. En general, la única forma de comprobar la indepen-
dencia es realizar los cálculos de las probabilidades que intervienen en la de-
finición.
El segundo punto se refiere a la relación entre las propiedades de exclusión
mutua e independencia. Suponga que los eventos A y B son mutuamente ex-
clusivos, como se muestra en la figura 3.10. ¿Son estos eventos independientes
o dependientes? Es decir; la suposición de que B ocurre, ¿altera la probabilidad
de ocurrencia de A? Sin duda lo hace, porque si suponemos que B ocurrió es
imposible que A haya ocurrido simultáneamente. Por tanto, los eventos mu-
tuamente exclusivos son eventos dependientes. *
El tercer punto es que la probabilidad de la intersección de eventos inde-
pendientes es muy fácil de calcular. Si nos remitimos a la fórmula para calcular
la probabilidad de una intersección, vemos que
P(A (l B)= P(B)P(A I B)
Por tanto, dado que P(A I B) = P(A)
cuando A y B son independientes, te-
nemOs la útil regla que se expresa en el siguiente recuadro.

• El resultado se cumple a menos que uno de los eventos tenga probabilidad cero.
 En el experimento de lanzar un dado del ejemplo 3.16 demostramos que
los eventos A: {Observar un número par} y B: {Observar un número menor o
igual que 4} son independientes si el dado está balanceado. Entonces,

P(A n B) = P(A)P(B) = G)(D 1

3
Esto concuerda con el resultado

P(A n B) = P(2) + P(4) = ~ = i

que obtuvimos en el ejemplo.

...............................................................
EJEMPLO 118 En el ejemplo 3.3, un ingeniero de control de calidad consideró el problema
de determinar si una línea de ensamble está o no fuera de control. En ese
ejemplo analizamos el problema de calcular la probabilidad de que uno, dos
o, en general, k artículos salieran de la línea de ensamble con defectos. Ahora
estamos en condiciones de calcular la probabilidad de que dos artículos que
salen en sucesión de la línea sean defectuosos. Supongamos que la línea está
fuera de control y que el 20% de los artículos que se producen tiene defectos.
a. Si dos artículos salen en sucesión de la línea, ¿qué probabilidad hay de que
ambos tengan defectos?
b. Si k artículos salen en sucesión de la línea, ¿qué probabilidad hay de que
todos tengan defectos?

Solución a. Sea DI el evento en el que un artículo está defectuoso, y sea D z un evento

similar para el artículo 2. El evento en el que ambos artículos tienen defectos
es la intersección DI n D z. Entonces, dado que es razonable suponer que
las condiciones operativas de los artículos sean mutuamente independientes,
la probabilidad de que ambas tengan defectos es

P(D 1 n D 2) = P(D1)P(Dz)
= (.2)(.2) = (.2)2 = .04

b. Representemos con Di el evento en el que el í-ésimo artículo que sale de la

línea en sucesión sea defectuoso. Entonces, el evento en el que tres de tres
 artículos que salen de la línea en sucesión sean defectuosos es la intersección
del evento DI í'\ D z (del inciso a) con el evento D 3. Si suponemos la inde-
pendencia de los eventos D" Dz YD 3, tendremos

P(D 1 n D2 n 0 3) = P(O] n02)P(D 3)

=(.2)2(.2) = (.2)3 = .008
Observando el patrón, es evidente que la probabilidad de que k de k artículos
que salen sean defectuosos es la probabilidad de DI ! l D z ! l . . . ! l Dk> o sea
P(D)!lDz!l ... !lDk) = (.2)k para k= 1,2,3, ...

EJERCICIOS
3.20 El Programa Nacional de Evaluación de Precipitación Ácida (NAPAP) de Estados Unidos concluyó re-
cientemente un estudio de 10 años sobre la lluvia ácida. En su informe, el NAPAP estima en .141a
probabilidad de que un lago de Adiroridack sea ácido. Dado que el lago es ácido, la probabilidad de que
dicha acidez sea natural es de .25 (Science News, 15 de septiembre de 1990). Utilice esta información para
calcular la probabilidad de que un lago de Adirondack sea naturalmente ácido.
3.21 Según la NASA, cada transbordador espacial de la flotilla estadounidense tiene 1,500 "componentes
críticos" que podrían causar un fallo catastrófico si dejan de operar durante un vuelo. La NASA
estima que la probabilidad de por 10 menos una falla de componente crítico dentro de los motores
principales del transbordador es de aproximadamente 1 en 63 para cada misión (Tampa Tribune,
3 de diciembre de 1993). Para construir la estación espacial Freedom, la NASA planea realizar ocho
misiones de transbordador al año durante el resto de la década de 1990.
a. Calcule la probabilidad de que al menos uno de los ocho vuelos de transbordador programados
para el próximo año experimente una falla de componente crítico.
b. Calcule la probabilidad de que al menos una de las 40 misiones de transbordador programadas
para los próximos cinco años experimente una falla de componente crítico.
3.22 El proceso de incorporación de un carril de aceleración al carril normal de una autopista constituye
un aspecto imp@)~tante del funcionamiento del tráfico en los cruces (intercambios) de autopistas.
Un estudio de rampas de intercambio paralelas y ahusadas en Israel reveló la información que se
presenta aquí sobre rezagos de tráfico (donde un rezago se define como un intervalo de tiempo
entre llegadas de flujos importantes de vehículos) aceptados y rechazados por los conductores en
el carril que se incorpora.

Número de conductores Número de conductores

Tipo de carril Condición del tráfico en incorporación que aceptan en incorporación que rechazan
de intercambio en la autopista el primer rezago disponible el primer rezago disponible

Ahusado Tráfico pesado 16 115

Poco tráfico 67 121
Paralelo Tráfico pesado 40 139
Poco tráfico 144 331

Fuente: PoJus, A. y Livneh. M.. "Vehicle f10w characteristics on acceleration lanes", ¡oumal o(TransportatirJn Engineering, vol. III.
núm. 6, noviembre de 1985, págs. 600-601 (tabla 4).
 a. ¿Qué probabilidad hay de que un conductor en un carril de incorporación ahusado con tráfico
pesado acepte el primer rezago disponible?
b. ¿Qué probabilidad hay de que un conductor en un carril de incorporación paralelo rechace el
primer rezago disponible en el tráfico?
c. Dado que un conductor acepta el primer rezago disponible cuando hay poco tráfico, ¿qué
probabilidad hay de que ese conductor esté en un carril de incorporación paralelo?
. 3.23 Los gestores de inversiones en exploraciones petroleras toman decisiones sobre cuáles prospectos
apoyar basándose, en parte, en el nivel de riesgo asociado a cada empresa. Kinchen (1986) examinó
el problema del análisis de riesgo en la exploración petrolera utilizando los resultados y las proba-
bilidades correspondientes de un solo prospecto, mismos que se muestran en la tabla.

Resultado
(barriles) Probabilidad
O(pozo seco) .60
50,000 .10
100,000 .15
500,000 .10
1,000,000 .05
Fuente: Kinchen, A. L., "Projected outco-
mes of exp10ration programs based on current
program status and the impact of prosp'ects un-
der consideration", fournal of Petroleum Tech-
nology, vol. 38, núm. 4, abril de 1986, pág. 462.

a. ¿Qué probabilidad hay de que un solo prospecto de pozo petrolero produzca no más de 100,000
barriles de petróleo? .
b. ¿Cuál es la probabilidad de que un solo prospecto de pozo encuentre petróleo?
c. Kinchen también consideró dos prospectos dé pozo petrolero idénticos. Enumere los posibles
resultados (es decir, eventos simples) si se perforan los dos pozos. Suponga que los resultados
que se indican en la tabla son los únicos posibles para un pozo dado. [Sugerencia: Un posible
evento simple consiste en dos pozos secos.)
d. Utilice la información de la tabla para calcular las probabilidades de los eventos simples del inciso
c. (Suponga que los resultados individuales de los dos pozos son independientes entre sí.)
e. Refiérase al inciso d. Calcule la probabilidad de que por lo menos uno de los dos prospectos
encuentre petróleo.
3.24 Refiérase al ejercicio 3.11 y el juego de craps. Considere los siguientes eventos:
A: {El jugador lanza craps}
B: {El jugador lanza un natural}
C: {El jugador lanza 9, 10 u 11}
a. ¿Cuáles pares de eventos, si acaso, son mutuamente exclusivos?
b. ¿Cuáles pares de eventos, si acaso, son independientes?
3.25 El transporte de partículas neutrales en un ducto evacuado es un aspecto importante del diseño
de reactores de fusión nuclear. En un experimento, partículas que entran por los extremos del
ducto fluyeron sin impedimento hasta chocar con la pared interior del ducto. Al chocar, fueron
dispersadas (reflejadas) o bien absorbidas por la pared (Nuclear Science and Engineering, mayo de
1986). Se determinó que la probabilidad de reflexión (esto es, la probabilidad de que una partícula
sea reflejada por la pared) para un tipo de ducto es de .16.
a. Si dos partículas se liberan en el ducto, calcule la probabilidad de que ambas serán reflejadas.
b. Si cinco partículas se liberan en el ducto, calcule la probabilidad de que las cinco serán absorbidas.
c. ¿Qué suposición se debe hacer acerca de los eventos simples de los incisos a y b para calcular
las probabilidades?
3.26 Con base en datos proporcionados por del Departamento de Salud y Recursos Humanos de Estados
Unidos, U.S. News & World Report (28 de septiembre de 1992) estima la probabilidad de que un
trasplante de riñón falle en menos de un año en .20.
a. Considere tres pacientes que recientemente se sometieron a trasplante de riñón. Calcule la
probabilidad de que los tres trasplantes fallen en menos de un año.
b. En general, si se realizan k trasplantes de riñón, ¿qué probabilidad hay de que al menos uno
falle en menos de un año?
3.27 Tradicionalmente, los ingenieros geotécnicos han empleado diseños de esfuerzo de traba;o (WSD,
working stress designs) para diseñar estructuras que no se derrumben. Un estudio examinó la
seguridad total de los WSD convencionales en tres áreas de diseño: terraplenes, estructuras y
excavaciones de retención de tierra y cimientos (Canadian Geotechnical Joumal, noviembre de 1985).
La tabla indica la probabilidad de falla en cada una de las áreas de diseño.

Área de diseño Probabilidad de fallar

Terraplenes .01
Estructuras y excavaciones de retención de tierra .001
Cimientos .0001
Considere un WSD que comprende las tres áreas de diseño. (Suponga que una falla en cualquiera
de las áreas de diseño es independiente de las fallas en las otras.)
a. ¿Qué probabilidad hay de que fallen el área de diseño de terraplenes o bien la de estructuras
y excavaciones de retención de tierra?
b. ¿Qué probabilidad hay de una falla en las tres áreas de diseño?
3.28 Un sistema electrónico de dos componentes se conecta en paralelo de modo que falle sólo si sus dos
componentes fallan. La probabilidad de que el primer componente falle es de .10. Si el primer compo-
nente falla, la probabilidad de que el segundo componente falle es de .05. ¿Qué probabilidad hay de que
el sistema electrónico de dos componentes falle?
3.29 En 1987, el Congreso de Estados Unidos puso en vigor el Acta de Transporte Superficial y Uniforme
que permitió a los estados elevar a 65 mph el límite de velocidad en las autopistas interestatales
situadas fuera de un área urbana de 50,000 personas o más. En un estudio de accidentes de tránsito
fatales en autopistas interestatales, el Sistema de Informes de Accidentes Fatales descubrió que el
96% de las mi,llas de autopista interestatal elegibles para un límite de 65 mph eran autopistas
rurales, y que en'el 97% de estas millas elegibles se elevó efectivamente el límite a 65 mph (American
Joumal of Public Health, octubre de 1989).
a. Para cierto tramo de una milla de autopista interestatal elegible para un límite de 65 mph,
estime la probabilidad de que ese tramo tenga el límite de 65 mph.
b. Para cierto tramo de una milla de autopista interestatal elegible para un límite de 65 mph,
estime la probabilidad de que ese tramo no sea rural.
c. ¿Son mutuamente exclusivos los eventos de los incisos a y b? Explique.
3.30 Un artículo en el Transportation Quarterly (enero de 1993) identificó varios estudios sobre accidentes
de camiones que utilizaron un análisis de probabilidad engañoso o poco apropiado. Considere el si-
guiente extracto del artículo. * ¿Puede usted encontrar la falacia en el argumento de la probabilidad?
Por e;emplo, considere una situación en la que sólo hay dos vehículos presentes en
la mezcla de tráfico: camiones en 20% y coches en 80% del total. Si sólo se consideran
los accidentes en que intervienen dos vehículos, la probabilidad de ocurrencia de
todos los eventos en el espacio de muestra sería la siguiente:

• Bowman, B. L. YHummer, J., "Data validity barriers to determining magnitude of large truck accident problem", Transportation Quarterly.
vol. 47, núm. l. enero de 1993, pág. 40.
 Probabilidad de que un camión choque con un camión = P(TT) = .20 X .20 = .04
Probabilidad de que un camión choque con un coche = P(TC) = .20 x .80 = .16
Probabilidad de que un coche choque con un camión = P(CT) = .80 x .20 = .16
Probabilidad de que un coche choque con un coche = P(CC) = .80 x .80 = .64
1.00

Muchos analistas [utilizaron el cálculo P(TI) + P(TC) + P(CT) = .36 para concluir]
que los camiones, que constituyen 20% del tráfico, participan en 36% de todos los
accidentes de dos vehículos. Por tanto, los automóviles, que constituyen 80% del tráfico,
intervienen en 100% - 36% = 64% de los accidentes.

EJERCICIO OPCIONAL
3.31 En un artículo publicado en Environmental Science & Technology (mayo de 1986), ]oseph Fiksel
investiga el problema de otorgar compensación a las víctimas de enfermedades crónicas (como
cáncer y defectos congénitos) que están expuestas a sustancias peligrosas y tóxicas. La clave para
la compensación, en lo que al sistema judicial estadounidense concierne, es la probabilidad de
causalidad (es decir, la probabilidad de que la aparición de la enfermedad se deba a que la persona
estuvo expuesta a la sustancia peligrosa). Por lo regular, la probabilidad de causalidad debe ser
mayor que .50 para que la corte otorgue compensación. Fiksel cita ejemplos del cálculo de la
probabilidad de causalidad para varias situaciones distintas. *
a. La "causalidad ordinaria", según la definición de Fiksel, "describe una situación en la que se
cree que la presencia de un solo factor, como el aislante de asbesto, causa un efecto tal como,
en este caso, el mesotelioma". Para esta situación, defina los siguientes eventos:

o: {El efecto (enfermedad) ocurre}

A: {El factor A está presente}

Si hay causalidad ordinaria, entonces si A ocurre, O debe ocurrir. Sin embargo, O también
puede ocurrir cuando no está presente el factor A. La probabilidad de causalidad del factor A
es, entonces, la probabilidad condicional P(A I O). Demuestre que la probabilidad de causalidad
para el factor A es

P(A I D). = PI - Po
PI
donde Po es la probabilidad de que el efecto ocurra cuando el factor A no está presente, y PI
es la probabilidad de que el efecto ocurra sin importar si el factor A está presente o no. [Nota:
Los epidemiólogos suelen llamar a PI la tasa de riesgo global de la enfermedad y a PI - Po el
riesgo adicional atribuible a la presencia del factor A.] [Sugerencia: Los eventos simples para
este experimento son {OC ( l N, O ( l A y O ( l N}. Escriba Po Y PI en términos de los eventos
sim·ples.]
b. Fiksel define la causalidad exclusiva simultánea como "una situación en la que dos o más
factores causales están presentes pero el efecto resultante es causado por uno y sólo uno de
estos factores". Considere dos factores, A y B, y sea B el evento de que el factor B está presente.
En esta situación, si ocurre A o bien B, O deberá ocurrir. Sin embargo, A y B no pueden ocurrir
simultáneamente (es decir, A y B son mutuamente exclusivos). Suponiendo que O no puede
 ocurrir si no ocurren A ni B, demuestre que las probabilidades de causalidad para los factores
A y B son, respectivamente,

PI Pl
P(A I D) = PI + Pl y P(B I D) = PI + Pl
donde PI es la probabilidad de que e! efecto ocurra cuando e! factor A está presente y Pz es la
probabilidad de que el efecto ocurrra cuando el factor B está presente. [Sugerencia: Los even-
tos simples para este experimento son {De (\ N (\ Be, D (\ A (\ Be y D (\ N (\ B}.]
c. La causalidad conjunta simultánea, escribe Fiksel, describe una situación más realista "en la
que varios factores pueden contribuir en diverso grado a la ocurrencia de un efecto. Por ejemplo,
un fumador de cigarrillos que está expuesto a radiación y carcinógenos químicos en su lugar
de trabajo puede desarrollar un tumor pulmonar. Que e! tumor haya sido causado únicamente
por un factor o por una combinación de factores es, por ahora, imposible de determinar". Para
este caso, considere dos factores, A y B, que afectan D de forma independiente. Además,
suponga que si ocurre A o B, o ambos, entonces D debe ocurrir; D no puede ocurrir si no
ocurren A ni B. Demuestre que las probabilidades de causalidad para los factores A y B son,
respectivamente,

donde PI es la probabilidad de que e! efecto ocurra cuando el factor A está presente y Pz es la

probabilidad de que ocurra cuando el factor B está presente. [Sugerencia: Los eventos simples
para este experimento son {De (\ N (\ Be, D (\ A (\ Be, D (\ N (\ B Y D (\ A (\ B}.]

3.7 Regla de Bayes (opcional)

...................................................................
Uno de los primeros intentos por utilizar la probabilidad para hacer inferencias
es la base de una rama de la metodología estadística llamada métodos estadís-
ticos bayesianos. La lógica empleada por e! filósofo inglés, el reverendo Thomas
Bayes (1702-1761) se ilustra con e! ejemplo 3.19.

11111 • • • • • • • 1 1 . ' 1 • • • • • • • • • • • • • 11 • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • •

EJEMPLO 3.19 Un sistema de monitoreo automático emplea equipo de vídeo de alta tecnología
y microprocesadores para detectar intrusos. Se ha creado un prototipo del sis-
tema y se está utilizando en exteriores en una planta de municiones para ar-
mamento. El sistema se diseñó de modo que detectara intrusos con una
probabilidad de .90. Sin embargo, los ingenieros de diseño esperan que esta pro-
babilidad varíe con las condiciones de! clima. El sistema registra automática-
mente las condiciones de! clima cada vez que detecta un intruso. Con base en
una serie de pruebas controladas, en las que se liberó a un intruso en la planta
en diversas condiciones climáticas, se cuenta con la siguiente información. En
los casos en que el intruso sí fue detectado por e! sistema, e! clima estuvo
despejado 75% del tiempo, nublado 20% de! tiempo y lluvioso 5% de! tiempo.
Cuando el sistema no detectó al intruso, 60% de los días estuvieron despejados,
30% nublados y 10% lluviosos. Utilice esta información para calcular la pro-
babilidad de detectar un intruso cuando el clima está lluvioso. (Suponga que
se liberó un intruso en la planta.)
Defina D como el evento de que el sistema detecta al intruso. Entonces Dc es el
evento de que el sistema no pudo detectar al intruso. Nuestro objetivo es
calcular la probabilidad condicional, P(D I Lluvioso). A partir del enunciado
del problema, contamos con la siguiente información:
P(D) = .90 P(DC) = .10
P(Despejado I D) = .75 P(Despejado I DC) = .60
P(Nublado I D) = .20 P(Nublado I DC) = .30
P(Lluvioso I D) = .05 P(Lluvioso I DC) = .10
Entonces
P(Lluvioso n D) = P(D)P(Lluvioso I D) = (.90) (.05) = .045
y
P(Lluvioso (l DC) = P(DC)P(Lluvioso I OC) = (.10)(.10) = .01
El evento Lluvioso es la unión de dos eventos mutuamente exclusivos,
(Lluvioso n D) y (Lluvioso n DC). Por tanto,
P(Lluvioso) = P(Lluvioso n D) + P(Lluvioso n DC) = .045 + .01 = .055
Ahora aplicamos la fórmula de la probabilidad condicional para obtener:

.
I LI UVIOSO ) P(Lluvioso n D) P(Lluvioso n D)
P(D = =
P(Lluvioso) P(Lluvioso n D) + P(Lluvioso n

= 0.55
0.45 = 818
.

Por tanto, en condiciones de clima lluvioso, el prototipo del sistema puede

detectar al intruso con una probabilidad de .818, un valor menor que la proba-
bilidad diseñada de .90.

La técnica que se utilizó en el ejemplo 3.19, llamada método de Bayes, se

puede aplicar cuando un evento observado E ocurre con cualquiera de k estados
de la naturaleza (o eventos) mutuamente exclusivos y exhaustivos, Al, A z,
, .. , A k . La fórmula para calcular las probabilidades condicionales apropiadas
se presenta en el recuadro.
 Al aplicar la regla de Bayes al ejemplo 3.19, el evento observado E es {Llu-
vioso} y los estados de la naturaleza mutuamente exclusivos y exhaustivos son
D (se detectó el intruso) y De (no se detectó el intruso). Por tanto, la fórmula

· P(D)P(Lluvioso ID)
P(D l LluvIoso) =-------,----------,----
P(D)P(Lluvioso ID) + P(DO)P(Lluvioso IDO)
(.90)(.05)
= = .818
(.90)(.05) + (.10)(.10)

En el ejercicio 3.70 usted utilizará la regla de Bayes para calcular P(D IDespe-
jado) y P(D INublado).

EJERCICIOS
....................................... ~ .
3.32 Una compañía constructora emplea tres ingenieros de ventas. Los ingenieros 1, 2 Y 3 estiman los
costos de 30, 20 Y 50%, respectivamente, de todos los trabajos licitados por la compañía. Para i =
1, 2, 3, defina A¡ como el evento de que el ingeniero i estima el costo de un trabajo, y defina E
como el evento de que se comete un error grave al estimar el costo. Se sabe que las siguientes
probabilidades describen las tasas de error de los ingenieros:
P(EIA¡) = .01
P(EIA 2) = .03
P(EIA 3) = .02
Si en una licitación en particular se incurre en un error grave al estimar los costos del trabajo, ¿cuál de los
ingenieros es más probable que haya cometido el error?
3.33 Refiérase a la tabla del ejercicio 3.18 que describe la ubicación y especie de 77 peces contaminados.
Esta información puede servir para calcular la probabilidad de que un bagre de canal (CC, channel
catfish) contaminado se encuentre en cada una de las tres ubicaciones, 275-300 millas, 305-325
millas y 330-350 millas corriente arriba. Estas probabilidades condicionales son

P(CCI305-325) = .77 P(CC¡ 330-350) = .86

Además, la tabla muestra que 52% de los 77 peces contaminados se encontró entre 257 y 300 millas
corriente arriba, 39% se encontró entre 305 y 325 millas corriente arriba, y9% se encontró entre 330 y 350
millas corriente arriba. Si se captura un bagre de canal contaminado en el Río Tennessee, calcule la
probabilidad de que estaba entre 275 y 300 millas corriente arriba.
3.34 En una operación de fabricación se utilizan dos líneas de producción para ensamblar fusibles electróni-
cos. Ambas líneas producen fusibles con la misma velocidad y generalmente 2.5% de los fusibles que
producen están defectuosos. Sin embargo, la línea de producción 1 experimentó recientemente proble-
mas mecánicos y produjo 6% de fusibles defectuosos durante un periodo de 3 semanas. Esta situación no
se conoció antes de que varios lotes de fusibles electrónicos producidos en este periodo se enviaran a los
clientes. Si uno de dos fusibles probados por un cliente resultó tener defectos, ¿qué probabilidad hay de
que el lote del que provino se haya producido en la línea que tuvo problemas (la l)? (Suponga que todos
los fusibles del lote se produjeron en la misma línea.)
3.35 El sistema de cómputo de una universidad grande ha dejado de dar servicio porque necesita reparaciones.
Las suspensiones del servicio previas han sido causadas por fallas de hardware, fallas de software o fallas
 de alimentación (electrónicas). El sistema debe suspender el servicio 73% del tiempo cuando experimen-
ta problemas de hardware, 12% del tiempo cuando experimenta problemas de software y 88% del tiempo
cuando el problema es electrónico. Los ingenieros de mantenimiento han determinado que las pro-
babilidades de los problemas de hardware, software y electrónicos son .01, .05 Y .02, respectivamente.
¿Qué probabilidad hay de que la suspensión actual se deba a una falla de hardware? ¿y a una falla de
software? ¿y a una falla de alimentación?
3.36 Un componente importante de las computadoras personales (PC) es el microchip. La tabla indica
los porcentajes de microchips que cierto fabricante de PC compra a siete proveedores.

Proveedor Porcentaje
SI .15
Sz .05
S3 .10
Si .20'
S5 .12
S6 .20
S7 .18

a. Suponga que se sabe que las proporciones de microchips defectuosos producidos por los siete
proveedores son .001, .0003, .0007, .006, .0002, .0002 Y .001, respectivamente. Si se observa
una sola falla de microchip de PC, ¿cuál proveedor es más probable que lo haya vendido?
b. Suponga que los siete proveedores producen microchips defectuosos con la misma frecuencia,
.0005. Si se observa una sola falla de microchip, ¿cuál proveedor es más probable que 10 haya
vendido?

3.8 Algunas reglas de conteo

...................................................................
En la sección 3.2 señalamos que los experimentos a veces tienen tantos eventos
simples que no resulta práctico enumerarlos todos. Sin embargo, muchos de
estos experimentos tienen eventos simples con idénticas características. Si po-
demos crear una regla de conteo para contar el número de eventos simples de
un experimento semejante, nos podrá ayudar a resolver los problemas.

1, ••••••• " ••••••••••••••••••••••••••••••••••••••••••••••••••••

EJEMPLO 3.20 Un producto (por ejemplo, hardware para un sistema de computadora) se pue-
de embarcar a través de cuatro aerolíneas diferentes, y cada aerolínea puede
transportar los embarques por tres rutas distintas. ¿Cuántas formas distintas
de embarcar el producto existen?

Solución Una representación gráfica de las diferentes formas de embarcar el producto

nos ayudará a contarlas. Esta representación, llamada árbol de decisión, se
muestra en la figura 3.13. En el punto de partida (etapa 1) hay cuatro opciones
-las diferentes aerolíneas- para iniciar el viaje. Una vez que hemos elegido
una aerolínea (etapa 2), hay tres opciones -las diferentes rutas- para com-
pletar el envío y llegar al destino final. El árbol de decisión muestra claramente
que hay (4)(3) = 12 formas distintas de embarcar el producto.
 Los eventos simples del evento B incluirían todos los eventos sim-
ples que contienen ya sea una o dos marcas de la compañía X. Ya
sabemos que el número de los que contienen exactamente una marca
de la compañía X es 56, el número de elementos del evento A. El
número de los eventos simples que contienen exactamente dos marcas
de la compañía X es igual al producto del número de formas de esco-
ger dos marcas de la compañía X de dos posibles y el número de for-
mas de seleccionar la tercera marca de las ocho restantes:

2 marcas de la compañía X ; Otras 8 marcas

(D ~
~
Escoger 2
1 ~idad 7 :
i
~
Escoger 1
8 posibilidades distintas

(1)(8) = 8 eventos simples

Entonces, el número de eventos simples que implican la selección de

una o dos marcas de la compañía X es

Número de los que) [Número de los que )

( contienen una marca X + contienen dos marcas X

o sea
56 +8 = 64

PASO 5 Puesto que todos los eventos simples son igualmente verosímiles, te-
nemos
Número de eventos simples en A 56 7
P(A)
= Número total de eventos simples = 120 = 15
y
Número de eventos simples en B 64 8
P(B)
= Número total de eventos simples = 120 = 15
..........................
Aprender a decidir si una regla de conteo se aplica o no a un experimento
requiere paciencia y práctica. Si desea adquirir esta habilidad, utilice las reglas
para resolver los siguientes ejercicios y algunos de los ejercicios suplementarios
que se incluyen al final del capítulo.

EJERCICIOS
• • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • • 11 • • • • • • • • • • • • • • • • • • • • • • • • •

I 3.37 Investigadores de la Carnegie Mellon University estudiaron el efecto de un cambio del clima
global sobre la economía estadounidense (Environmental Science & Technology, octubre de 1993).
 A fin de sondear las OpinIOnes de la comunidad científica, los investigadores prepararon varias
situaciones hipotéticas. En una porción del estudio, las situaciones se determinaron variando las
perspectivas de costos de rebaja y de perjuicios por el cambio climático. Las perspectivas del costo
de rebaja fueron "optimistas", "moderadas" o "pesimistas". De forma similar, las perspectivas de
daños por el cambio climático fueron "optimistas", "moderadas" o "pesimistas".
a. Determine el número de posibles situaciones distintas, donde una situación es una combinación
de perspectivas de costo de rebaja y perspectivas de perjuicios por cambio climático.
b. Enumere las situaciones del inciso a.
c. En otra porción del estudio, se escogieron cinco de las situaciones del inciso a para ser inves-
tigadas más a fondo. Si las cinco situaciones se eligen al azar, ¿cuántas opciones diferentes hay?
3.38 ¿Puede una persona comunicarse con una máquina mediante procesamiento de ondas cerebrales?
Esta pregunta fue el tema de investigación informado en el IEEE Engineering in Medicine and
Biology Magazine (marzo de 1990). Se conectó a voluntarios mediante cables tanto a una compu-
tadora como a un monitor de electroencefalogramas (EEG). Cada sujeto realizó cinco tareas en
dos condiciones: con los ojos abiertos y con los ojos cerrados.
a. Determine el número de condiciones experimentales en que se ensayó con cada sujeto.
b. Enumere las condiciones del inciso a.
c. Se registraron dos mediciones para cada sujeto: una después de 2 segundos de EEG libre de
artefactos y una después de sólo .25 segundos de EEG libre de artefactos. ¿Cuál es el número
total de mediciones obtenidas para cada sujeto?
3.39 La Union Carbide realizó un estudio para identificar las condiciones óptimas para la preparación
del catalizador en la conversión de monoetanolamina (MEA) a etilendiamina (EDA), una sustancia
que se utiliza comercialmente en jabones. * Se escogió el plan experimental inicial a modo de
examinar cuatro metales (Fe, Co, Ni y Cu) y cuatro clases de soporte para el catalizador (baja
acidez, alta acidez, poroso y alta área superficial).
a. ¿Cuántas combinaciones metal-soporte posibles hay en este experimento?
b. Los cuatro soportes de catalizador se prueban en orden aleatorio con uno de los metales. ¿Cuán-
tos ordenamientos distintos de los cuatro soportes son posibles con cada metal?
3.40 Un sistema de alarma de seguridad se activa y desactiva introduciendo el código numérico de tres
dígitos apropiado en el orden correcto en un tablero digital.
a. Calcule el número total de posibles combinaciones del código si ningún dígito se puede utilizar
dos veces .•.
b. Calcule el número total de posibles combinaciones del código si los dígitos se pueden utilizar
más de una vez.
3.41 Un edificio de concreto reforzado en tamaño natural se diseñó y probó en condiciones de carga de
terremoto simuladas (Journal of Structural Engineering, enero de 1986). Una vez completados los
experimentos, se pidió a varios ingenieros de diseño contestar a un cuestionario en el que se les
pidió evaluar dos parámetros de construcción (tamaño y refuerzo) para cada uno de tres componen-
tes (pared de corte, columnas y trabes). Para cada combinación parámetro-componente, los inge-
nieros de diseño debían elegir una de las tres respuestas siguientes: demasiado pesado, más o menos
correcto y demasiado ligero.
a. ¿Cuántas formas diferentes de contestar el cuestionario hay?
b. Suponga que también se pide a los ingenieros de diseño seleccionar las tres combinaciones
parámetro-componente que tienen las calificaciones globales más altas y ordenarlas de la 1 a
la 3. ¿Cuántos ordenamientos distintos puede haber?

• Hansen, }. L. Y Best, D. C., "How to Pick a Winner". Artículo presentado en las Reuniones Conjuntas de
Estadística, American Statistical Association and Biometric Society, agosto de 1986, Chicago, Ill.
3.41 Suponga que necesita reemplazar 5 empaques en un dispositivo que funciona con energía nuclear. Si
tiene una caja con 20 empaques de entre los cuales escoger, ¿cúantas elecciones diferentes son posibles?
Es decir, ¿cuántas muestras distintas de 5 empaques se pueden seleccionar de los 20?
3.43 En los centros de maquinado de alto volumen, las herramientas de corte se reemplazan a intervalos
regulares, elegidos heurísticamente. Estos intervalos generalmente son inoportunns, es decir, la herra-
mienta se cambia demasiado pronto o demasiado tarde. El ¡oumal ofEngineering for Industry (agosto de
1993) informó de un sistema de diagnóstico automatizado en tiempo real diseñado para cambiar la
herramienta de corte de una máquina perforadora en los momentos óptimos. A fin de probar el sistema,
se recabaron datos que cubren una gama amplia de condiciones de maquinado. Las variables experimen-
tales fueron las siguientes:
1. Piezas de trabajo de dos materiales (hierro colado y acero)
2. Dos tamaños de taladro (.125 y .25 pulgadas)
3. Seis velocidades de taladrado (1,250, 1,800,2,500,3,000,3,750 Y4,000 revoluciones por minuto)
4. Siete velocidades de alimentación (.003, .005, .0065, .008, .009, .010, .011 pulgadas por revolución)

a. ¿Cuántas condiciones de maquinado diferentes puede haber?

b. En la tabla se describen las ocho condiciones de maquinado que realmente se emplearon en
el estudio. Suponga que una (y sólo una) de las combinaciones de maquinado (inciso a) detecta
una falla en el sistema. ¿Qué probabilidad hay de que el experimento realizado en el estudio
detecte la falla del sistema?

Material Tamaño de Velocidad de Velocidad de

Experimento de trabajo taladro in. taladro rpm alimentación ipr
1 Hierro colado .25 1,250 .011
2 Hierro colado .25 1,800 .005
3 Acero .25 3,750 .003
4 Acero .25 2,500 .003
5 Acero .25 2,500 .008
6 Acero .125 4,000 .0065
7 Acero .125 4,000 .009
8 Acero .125 3,000 .010

c. Refiérase al inciso b. Suponga que la falla del sistema ocurre al perforar material de acero con
un taladro de .25 pulgadas a una velocidad de 2,500 rpm. Calcule la.. probabilidad de que el
experimento realizado en el estudio real detectará la falla del sistema.
3.44 A fin de evaluar los sistemas de control de tráfico de cuatro instalaciones que dependen de equipo com-
putarizadQ, la Administración Federal de Aviación (FAA) de Estados Unidos formó un grupo de trabajo
de 16 miembros. Si la FAA desea asignar cuatro miembros del grupo de trabajo a cada instalación, ¿cuán-
tas asignaciones diferentes puede haber?
3.45 La popularidad de la lotería estatal ha traído consigo una avalancha de "expertos" y "magos ma-
temáticos" (como los editores de la publicación mensual Lottery Buster) que proporcionan consejos
para ganar la lotería... por una módica suma, desde luego. Estos expertos, o por lo menos los
honestos, basan sus "sistemas" para ganar en sus conocimientos sobre probabilidades y estadística.
Por ejemplo, considere el juego semanal Pick-6 Lotto. Para jugar Pick-6 Lotto, usted escoge seis
números de su preferencia de un campo numérico que va desde 1 hasta N, donde N depende del
estado en el que usted juegue. En el juego Lotto de Florida se escogen seis números que van del 1
al 49 (denotado 6/49). El costo de un billete es 1 dólar y la bolsa, si sus seis números coinciden
 con los números ganadores sorteados al final de cada semana, es de 6 millones de dólares o más,
dependiendo del número de billetes vendidos. Además del premio mayor, es posible ganar bolsas
de segundo, tercero, y cuarto premios si coinciden cinco, cuatro y tres de los seis números sorteados,
respectivamente.
a. Calcule el número de formas en que usted puede escoger los seis números de entre los 49
disponibles. Si compra un solo billete de 1 dólar, ¿qué probabilidad hay de que gane el premio
mayor (es decir, de que iguale los seis números)?
b. Una estrategia que se utiliza para mejorar la posibilidad de ganar Lotto es emplear un sistema
de rueda. En un sistema de rueda completo, se escogen más de seis números (digamos siete)
y se juegan todas las combinaciones de seis de esos siete números. Suponga que decide "rodar"
los siguientes siete números en un juego 6/49: 2, 7, 18, 23, 30, 32, 39. ¿Cuántos billetes nece-
sitaría comprar para tener todas las combinaciones posibles de los siete números? Enumere los
seis números de cada uno de esos billetes.
c. Refiérase al inciso b. ¿Qué probabilidad hay de ganar e! Lotto 6/49 rodando siete números?
¿Mejora realmente la estrategia sus posibilidades de ganar?
d. Otra estrategia consiste en jugar pares adyacentes. Los "pares adyacentes" son dos números
consecutivos que aparecen juntos en el boleto ganador. En una lotería estatal, por ejemplo,
79% de los boletos ganadores tuvieron por 10 menos un par adyacente. Por ello, algunos "ex-
pertos" creen que la probabilidad de ganar es mayor si se incluye por lo menos un par adyacente
en los números seleccionados. Calcule la probabilidad de ganar el Lotto 6/49 con los seis nú-
meros 2, 15, 19, 20, 27, 37. [Nota: 19,20 es un par adyacente.] Compare esta probabilidad
con la del inciso a. Comente sobre la estrategia de pares adyacentes.
EJERCICIOS OPCIONALES
3.46 ¿Qué probabilidad hay de recibir una mano de póquer de cinco naipes con cuatro ases?
3.47 Veintiuno, un juego favorito de los aficionados a los juegos de azar, se juega entre un tallador y

°
por lo menos un oponente y utiliza una baraja estándar de 52 naipes. A cada naipe se le asigna
un valor numérico. Los naipes numerados de! 2 al 1 tienen los valores que aparecen en el naipe.
Por ejemplo, un siete de espadas tiene un valor de 7; un tres de corazones tiene un valor de 3.
Los naipes con figura (reyes, reinas y sotas) tienen un valor de 10, y a los ases se les puede asignar
un valor de 1 o bien 11, según lo decida e! jugador que tiene la carta. Al principio de! juego se
reparten dos cartas al jugador y dos al tallador. Sacar un as y cualquier carta con valor de 10 puntos
es un veintiunlJ. (blackjack). En la mayor parte de los casinos, si el tallador saca veintiuno, gana
automáticamente.
a. ¿Qué probabilidad hay de que e! tallador saque veintiuno?
b. ¿Qué probabilidad hay de que un jugador galle con veintiuno?

3.9 Proba~ilidad yestadística: un ejemplo

...................................................................
En las secciones anteriores introdujimos varios conceptos nuevos, y esto hace
que el estudio de la probabilidad sea una tarea por demás ardua. En conse-
cuencia, es muy importante establecer claramente la conexión entre la pro-
babilidad y la estadística, cosa que haremos en el resto de los capítulos. Aunque
la regla de Bayes ilustra una forma de utilizar la probabilidad para hacer infe-
rencias estadísticas, los métodos tradicionales de inferencia estadística utilizan
la probabilidad de una manera ligeramente distinta. En esta sección presen-
taremos un ejemplo breve de este enfoque tradicional hacia la inferencia esta-
dística con objeto de que usted pueda comenzar a entender por qué es im-
portante tener conocimientos de probabilidad para estudiar estadística.
 Suponga que una empresa que fabrica pernos prisioneros (montantes) para
concreto está investigando la hipótesis de que sus nuevos pernos fijados quí-
micamente tienen una mayor capacidad de sujeción y de soporte de carga que
los pernos fijados mecánicamente, más convencionales. A fin de probar la hi-
pótesis, se seleccionan tres nuevos montantes químicos de la producción de
un día y se someten a una prueba de durabilidad. Cada uno de los tres pernos
de .!. pulgada se perfora y fija en una plancha de concreto de aglomerado de
pieára de 4,000 libras por pulgada cuadrada y se registra su capacidad de carga
de tensión (en libras). Se sabe, por numerosas pruebas de durabilidad previas
realizadas con pernos fijados mecánicamente, que aproximadamente 16% de
los montantes mecánicos tienen una resistencia a la tensión superior a las
12,000 libras. Suponga que los tres pernos fijados químicamente que se pro-
baron tienen una resistencia a la tensión mayor que 12,000 libras. ¿Qué con-
clusión pueden sacar los investigadores de la empresa?
A fin de responder a estas preguntas, definamos los eventos
Al: {El perno 1 fijado químicamente tiene una resistencia
a la tensión mayor que 12,000 libras}
Az: {El perno 2 fijado químicamente tiene una resistencia
a la tensión mayor que 12,000 libras}
Af {El perno 3 fijado químicamente tiene una resistencia
a la tensión mayor que 12,000 libras}
Queremos calcular P(A¡ ( l Az ( l A 3), la probabilidad de que los tres pernos
probados tengan una capacidad de carga en tensión superior a las 12,000 libras.
Puesto que los pernos se seleccionan al azar de una producción conside-
rable, puede ser razonable suponer que los eventos A], A z Y A3 son indepen-
dientes. Es decir,
P(Az I Al) = P(A z)
Esto significa que el hecho de saber que el primer perno tiene una resistencia
a la tensión mayor que 12,000 libras no afecta la probabilidad de que el segundo
perno tenga una resistencia a la tensión mayor que 12,000 libras. Con el su-
puesto de independencia, podemos calcular la probabilidad de la intersección
multiplicando las probabilidades individuales:
P(A¡ n Az n A 3 ) = P(A¡)P(A z)P(A 3)
Si los nuevos pernos fijados químicamente no son más resistentes ni más
débiles que los fijados mecánicamente, es decir, si la distribución de frecuencia
relativa de la resistencia a la tensión para los pernos fijados químicamente no
es diferente de aquella para los pernos fijados mecánicamente, esperaríamos que
alrededor de 16% de los pernos nuevos tuviera una resistencia a la tensión
mayor que 12,000 libras. En consecuencia, nuestra estimación de P(A) es de
.16 para los tres pernos, y
P(A 1 n A z n A 3) = (.16)(.16)(.16) = .004096
Por tanto, la probabilidad de que los investigadores de la empresa observen
los tres pernos con una capacidad de carga en tensión mayor que 12,000 es de
apenas .004. Si este evento ocurriera, los investigadores podrían llegar a la con-
clusión de que apoya la teoría de que los pernos fijados químicamente tienen
una mayor capacidad de carga que los fijados mecánicamente, pues sería muy
 poco probable que ocurriera si las distribuciones de resistencia a la tensión fueran
iguales. Una conclusión así sería una aplicación del enfoque del evento poco
común a la inferencia estadística. Es evidente que los principios de la proba-
bilidad desempeñan un papel importante.

EJERCICIOS
...................................................................
3.48 Sky & Telescope (mayo de 1993) informó que Noah Brosch, de la Universidad de Tel Aviv, Israel, descu-
brió un nuevo asterismo en Virgo. "Cinco estrellas, todas con una brillantez aparente superior a aproxi-
madamente la 13a. magnitud, comprenden un área con forma de rombo cuyos lados tienen apenas 42
segundos de longitud. La probabilidad de que cinco estrellas de magnitud similar pudieran estar alinea-
das tan estrechamente por casualidad es pequeña, y Brosch sugiere que las estrellas del rombo ... están
asociadas físicamente." Suponiendo que la "probabilidad" mencionada en el artículo es pequeña (diga-
mos, menor que .01), ¿concuerda usted en la inferencia hecha por el astrónomo?
3.49 La experiencia ha demostrado que un fabricante de microdisquetes de 3.5" para PC produce, en prome-
dio, sólo un disquete defectuoso en 100. Suponga que de los siguiente cuatro disquetes de 3.5" fabricados
por lo menos uno está defectuoso. ¿Qué inferiría usted acerca de la tasa de defectos de .01 anunciada?
Explique.
3.50 Desde 1961, terrenos que podrían contener petróleo se han sorteado mediante una lotería en la que el
ganador recibe derechos de arrendamiento (a 1dólar por acre por año) durante un periodo de 1Oaños. Los
ciudadanos estadounidenses de 21 años o más son elegibles y tienen derecho a una inscripción por lotería
pagando una cuota de registro de 1Odólares a la Oficina de Administración de la Tierra (véase The Federal
Oil & Gas Leasing System, Federal Resource Registry, 1993). Sin embargo, durante varios meses en 1980
la lotería se suspendió para investigar a un jugador que ganó tres terrenos en un mes. Las inscripciones
para las tres loterías ascendieron a 1,836, 1,365 y 495, respectivamente. Una auditoría del Departamento
del Interior indicó que "los empleados federales no agitaron bien la urna antes del sorteo". Con base en
sus conocimientos sobre probabilidad y eventos poco comunes, ¿haría usted la misma inferencia que
hizo el auditor?
3.51 Al principio de la Segunda Guerra Mundial se formó un grupo de ingenieros y estadísticos en
Londres para investigar el problema de la letalidad de las armas antiaéreas. * Uno de los objetivos
principales del ,equipo de investigación fue calcular la probabilidad de que un solo proyectil des-
truiría (o inutilizaría) el avión al cual se disparó. Aunque en ese entonces se contaba con muchos
datos sobre disparos tierra a tierra con proyectiles de artillería, casi no había información sobre la
exactitud de los cañones antiaéreos. Por ello, se realizó una serie de pruebas en 1940 en las que los
operadores de cañones disparaban a aviones en vuelo libre (sin piloto). Sin embargo, cuando
los aviones alemanes comenzaron a bombardear Inglaterra posteriormente en ese mismo año, los
investigadores encontraron que los errores de puntería de los cañoneos antiaéreos sometidos a la
tensión de la batalla eran considerablemente mayores que los estimados a partir de las pruebas. Sea
p la probabilidad de que un proyectil antiaéreo haga impacto en un radio de 30 pies alrededor de
su blanco. Suponga que en condiciones simuladas, p = .45.
a. En un ataque real de un solo avión alemán, suponga que se disparan tres proyectiles y los tres
pasan a más de 30 pies de su blanco. ¿Es razonable concluir que en condiciones de batalla p
difiere de .45?
b. Responda el inciso a suponiendo que observa 10 disparos consecutivos y que todos los proyec-
tiles pasan a más de 30 pies de su blanco.
llO Resumen
...................................................................
Hemos desarrollado algunas de las herramientas básicas de probabilidad que
nos permitirán calcular las probabilidades de diversos resultados de muestra
dada una estructura de población específica. En el recuadro se resumen las
reglas de probabilidad.

Aunque muchos de los ejemplos que presentamos no tienen importancia

práctica, cumplieron con su cometido si el lector comprendió los conceptos y
definiciones necesarios para una comprención básica de la probabilidad.
En los siguientes capítulos presentaremos modelos de probabilidad que
pueden servir para resolver problemas prácticos. El lector verá que para la mayor
parte de las aplicaciones vamos a necesitar hacer inferencias acerca de aspectos
desconocidos de estos modelos de probabilidad, es decir, necesitaremos aplicar
la estadística inferencial al problema.

EJERCICIOS SUPLEMENTARIOS
3.52 El Departamento de Transporte (DüT) de un estado de Estados Unidos aseguró hace poco que
cada uno de cinco licitadores recibió igual consideración en la concesión de dos contratos para
construcción de carreteras y que, de hecho, los dos beneficiarios de los contratos se seleccionaron
 al azar de entre los cinco licitadores. Tres de los licitadores eran conglomerad~de construcción
grandes y dos eran contratistas pequeños especializados. Suponga que ambos contratos se otorgaron a
conglomerados de construcción grandes.
a. ¿Cuál es la probabilidad de que este evento ocurriera si, en efecto, lo que asegura el DOT es
cierto?
b. La probabilidad calculada en el inciso a, ¿es inconsistente con la afirmación hecha por el DOT
en el sentido de que la selección fue aleatoria?
3.53 Refiérase al estudio de la seguridad en automóviles analizado en el ejercicio 2.46. Los investigadores
también estudiaron la frecuencia de uso del cinturón de seguridad entre los propietarios de auto-
móviles. Cada uno de una muestra de 387 conductores se clasificó según la frecuencia de uso
(siempre, con frecuencia, rara vez, nunca) y el estado en que reside (estados con leyes que obligan
a usar cinturón de seguridad, estados en los que están pendientes tales leyes y estados sin tales
leyes). Los resultados se muestran en la tabla.

Estado de residencia Empleo de cin turón de seguridad TOTALES

Siempre Con frecuencia Rara vez Nunca
Ley de cinturón de seguridad obligatorio 67 24 18 19 128
Ley de cinturon de seguridad obligatorio en trámite 27 20 23 8 78
Sin ley de cinturón de seguridad obligatorio 63 42 38 38 181
- - - - -
TOTALES 157 86 79 65 387
Fuente: Lieb, R. c., Wiseman, F. y Moore, T. E., "Automobile safety programs: The public viewpoint", Transportation 'ouma/,
vol. 25, núm. 4, verano de 1986, pág. 25. La American Society of Transportation and Logistics, editora del Transportation Tour-
nal, autorizó la reproducción de este material para fines educativos.

Suponga que seleccionamos uno de los 387 conductores del estudio.

a. Calcule la probabilidad de que el conductor resida en un estado sin leyes que obliguen a usar
cinturón de seguridad.
b. Calcule la probabilidad de que el conductor utilice el cinturón de seguridad rara vez.
c. Calcule la probabilidad de que el conductor resida en un estado con una ley de cinturón de
seguridad obligatorio pendiente y nunca use el cinturón.
d. Calcule la probabilidad de que el conductor resida en un estado con una ley de cinturón de
seguridad obligatorio o bien siempre utilice el cinturón.
e. Dado que el conductor nunca utiliza cinturón de seguridad, ¿qué probabilidad hay de que el
conductor resida en un estado sin una ley que obligue a usar el cinturón?
f. Dado que el conductor reside en un estado con una ley de cinturón de seguridad obligatorio
pendiente, ¿qué probabilidad hay de que el conductor utilice el cinturón con frecuencia?
g. ¿Son independientes los eventos Ley de cinturón de seguridad obligatorio y Uso poco frecuente
de cinturón de seguridad? Explique.
3.54 Dos sistemas de gestión de bases de datos (DBMS) recién diseñados, A y B, están siendo conside-
rados para su comercialización por un proveedor grande de software para computadora. A fin de
establecer si los usuarios de DBMS tienen alguna preferencia por uno de los dos sistemas, se
seleccionan al azar cuatro de los clientes del proveedor y se les brinda la oportunidad de evaluar
el desempeño de cada uno de los dos sistemas. Después de suficientes pruebas, se le pide a cada
usuario que indique cuál DBMS tuvo el mejor desempeño (medido en términos de utilización de
la CPU, tiempo de ejecución y acceso a disco).
a. Cuente los posibles resultados de este experimento de mercadeo.
b. Si los usuarios de DBMS no tienen preferencia alguna por uno de los dos sistemas (esto es, si
el desempeño de los dos sistemas es idéntico), ¿qué probabilidad hay de que los cuatro usuarios
muestreados prefieran el sistema A?
 c. Si los cuatro clientes expresan su preferencia por el sistema A, ¿puede inferir el proveedor de
software que los usuarios de DBMS en general prefieren uno de los dos sistemas?
3.55 Investigadores de la Upjohn Company han desarrollado una nueva tableta de liberación prolongada
para un medicamento que requiere receta. A fin de determinar la eficacia de la tableta, se realizó
el siguiente experimento. Se escogieron al azar seis tabletas de cada uno de 30 lotes de producción.
Cada tableta se sumergió en agua y se midió el porcentaje de disolución a las 2, 4, 6, 8, 10, 12,
16 Y 20 horas.'"
a. Calcule el número total de determinaciones (porcentaje disuelto) registradas en el experimento.
b. Para cada lote se promedian las determinaciones en cada periodo. ¿Cuántos promedios se ob-
tienen?
3.56 Se realizó un estudio para examinar la relación entre la estructura de costos y las propiedades
mecánicas de granos equieje en lingotes solidificados unidireccionalmente (Metallurgical Transac-
tions, mayo de 1986). Lingotes de aleaciones de cobre se vertieron en uno de tres tipos de moldes
(columna res, mixtos o equieje) con una orientación ya sea transversal o longitudinal. De cada
lingote se tomaron cinco especímenes para pruebas de tensión a distintas distancias (lO, 35, 60,
85 y 100 milímetros) de la cara de enfriamiento del lingote, y se determinó la resistencia al ven-
cimiento.
a. ¿Cuántas mediciones de resistencia se obtendrán si el experimento incluye un lingote para cada
combinación de tipo de molde y orientación?
b. Suponga que se van a seleccionar tres de los lingotes para pruebas adicionales a la distancia
de 100 mm. ¿Cuántas muestras de tres lingotes se pueden seleccionar del número total de
lingotes del experimento?
c. Utilice la tabla 6 del apéndice 11 para seleccionar al azar los tres lingotes que se someterán a
pruebas adicionales.
d. Calcule la probabilidad de que la muestra seleccionada incluya las resistencias a la tensión más
altas de entre todos los lingotes del experimento.
e. Calcule la probabilidad de que la muestra seleccionada incluya por lo menos dos de los tres
lingotes con la mayor resistencia a la tensión.
3.57 Un ingeniero de tráfico realizó un estudio de los hábitos de transporte urbano colectivo de los
trabajadores de una ciudad. El estudio reveló lo siguiente: 15% de los trabajadores urbanos
conduce con regularidad su propio automóvil al trabajo. De los que conducen su automóvil al
trabajo, 80%. ~ambiaría con gusto al transporte colectivo si existiera; 40% de los trabajadores
urbanos vive a más de 3 millas del centro de la ciudad.
Suponga que se escoge un trabajador urbano al azar. Defina los eventos A, B y C como sigue:
A: {La persona conduce con regularidad su propio auto al trabajo}
B: {La persona cambiaría con gusto al transporte colectivo si existiera}
C: {La persona vive en un radio de 3 millas del centro de la ciudad}
a. Calcule P(A).
b. Calcule P(B lA).
c. Calcule P(C).
d. Explique si los pares de eventos A y B, A y C, B y C son mutuamente exclusivos.
3.58 Una compañía que se especializa en hardware para comunicación de datos comercializa un sistema
de cómputo con dos tipos de unidades de disco duro, cuatro tipos de monitores y dos tipos de
interfaz. ¿Cuántos sistemas tendría que distribuir la compañía si recibiera un pedido de cada com-
binación posible de disco duro, monitor e interfaz?
3.59 Una cervecería utiliza dos máquinas embotelladoras, pero no operan simultáneamente. La segunda
máquina actúa como sistema de respaldo de la primera y opera sólo cuando la primera se descom-
pone durante las horas de trabajo. La probabilidad de que la primera máquina se descomponga en
horas de trabajo es de .20. Si, efectivamente, la primera máquina se descompone, se enciende la
segunda máquina y tiene una probabilidad de descomponerse de .30.
a. ¿Qué probabilidad hay de que el sistema embotellador de la cervecería no esté funcionando
en horas de trabajo?
b. La confiabilidad del proceso de embotellado es la probabilidad de que el sistema esté operando
en horas de trabajo. Calcule la confiabilidad del proceso de embotellado de la cervecería.
3.60 Hace poco, la Administración Nacional de Aeronáutica ydel Espacio (NASA) adquirió una nueva batería
alimentada por energía solar con una tasa de falla garantizada de sólo 1 en 20. Un sistema nuevo que se
usará en un vehículo espacial opera con una de estas baterías. A fin de aumentar la confiabilidad del
sistema, la NASA instaló tres baterías, cada una diseñada para operar si las baterías anteriores de la cadena
fallan. Si el sistema se opera en.una situación práctica, ¿qué probabilidad hay de que las tres baterías fallen?
3.61 La probabilidad de que cierto componente electrónico falle la primera vez que se use es de .10. Si no falla
de inmediato, la probabilidad de que dure un año es de .99. ¿Qué probabilidad hay de que un componen-
te nuevo dure un año?
3.62 En fechas recientes han aparecido informes acerca de la escasez de profesores universitarios en el
campo de la ingeniería civil. Una solución que se ha propuesto es contratar como miembros del
profesorado más ingenieros civiles en ejercicio. Sin embargo, esta idea generalmente se ha topado
con resistencia en el mundo académico. A fin de investigar este problema, se pidió a 200 decanos
de facultades de ingeniería opinar acerca de cuál es la principal barrera para la contratación de
ingenieros en ejercicio como profesores universitarios. También se preguntó a los decanos si sus
facultades daban más importancia a la "teoría" o a las "aplicaciones". La tabla muestra las propor-
ciones de las respuestas que caen en las respectivas categorías.
Barrera principal para contratar ingenieros en ejercicio
Exigen salario Falta de experiencia
Falta de doctorado muy alto docente
Hincapié en la teoría .13 .10 .02
Hincapié en las aplicaciones .37 .21 .17

Suponga que se escoge un decano universitario de entre los 200 encuestados. Calcule la probabilidad
de que:
a. La facultad del decano hace hincapié en las aplicaciones.
b. La facultad del decano hace hincapié en la teoría y considera que la carencia de grados de
doctorado es la principal barrera para la contratación de ingenieros en ejercicio.
c. La. facultad del decano hace hincapié en las aplicaciones, o considera que los ingenieros en
ejercicio piden un salario demasiado alto, o ambas cosas.
d. El decano no considera que la falta de experiencia docente sea una barrera para contratar
ingenieros en ejercicio.
3.63 A fin de asegurar la entrega de sus materias primas, una compañía ha decidido establecer un patrón de
compras con por lo menos dos proveedores potenciales. Si están disponibles cinco proveedores, ¿cuántas
opciones tiene la compañía?
3.64 En un intento por ayudar a la Administración de Seguridad y Salud en el Trabajo a elaborar normas
federales de seguridad, la Oficina de Estadísticas Laborales realizó una encuesta de trabajadores
que sufren lesiones graves en las manos mientras trabajan (Engineering News-Record, 3 de marzo
de 1983). La Oficina informó que, a pesar de que sus números no son grandes, los carpinteros dan
 cuenta de 4% de todas las lesiones en la mano relacionadas con el trabajo. La encuesta indicó
también que 29% de los trabajadores lesionados atribuyen sus lesiones al ritmo con que trabajan,
y 13% de los trabajadores lesionados que usaban protección para las manos aseguraron que fueron
sus guantes los que en realidad causaron el accidente. Suponga que los eventos aquí descritos son
independientes.
a. Calcule la probabilidad de que un trabajador con una lesión en la mano relacionada con el
trabajo sea un carpintero cuya lesión se debió al ritmo con que estaba trabajando.
b. Calcule la probabilidad de que un trabajador con una lesión en la mano relacionada con el
trabajo no atribuya la causa del accidente a los guantes con que se protege las manos.

EJERCICIOS SUPLEMENTARIOS OPCIONALES

. 3.65 Un armador de terminales de computadora y modems utiliza componentes de dos proveedores. La com-
pañía A suministra 80% de los componentes yla compañía Bsuministra e120% restante. Por experiencias
anteriores, el armador sabe que 5% de los componentes suministrados por la compañía A tienen defectos
y que 3% de los componentes suministrados por la compañía B tienen defectos. Se observa que un
modem armado seleccionado al azar tiene un componente defectuoso. ¿Cuál de los dos proveedores es
más probable que haya suministrado el componente defectuoso?
3.66 Refiérase al ejercicio 3.11. En el juego de craps que se practica con dos dados, un jugador gana si lanza un
natural ( 7 u 11) y pierde si lanza craps ( 2,3 o 12). Sin embargo, si la suma de los dos dados es 4,5,6,8,9
o 10 (cada una de éstas se conoce como punto), el jugador continúa lanzando los dados hasta quese repite
el m~smo resultado (punto) (en cuyo casoel jugador gana) u ocurre el resultado 7 (en cuyo caso el jugador
pierde). Por ejemplo, si la primera tirada del jugador produce 6, el jugador continúa lanzando los dados
hasta que ocurre 6 o 7. Si ocurre primero 6, el jugador gana; si ocurre primero 7, el jugador pierde.
a. ¿Qué probabilidad hay de que un jugador obtenga un punto en la primera tirada?
b. Si un jugador lanza un punto en la primera tirada, ¿qué probabilidad hay de que el jugador
gane el juego en la siguiente tirada?
c. Si un jugador lanza un punto en la primera tirada, ¿qué probabilidad hay de que el jugador
pierda el juego en la siguiente tirada?
d. Demuestre que la probabilidad de que un jugador gane el juego (es decir, logre un pase) en
dos o menos tiradas es .299.
3.67 Cinco compañías constructoras licitan por tres diferentes contratos del Departamento de Transporte
(DOT). Una compañía en particular recibirá cuando más un contrato del DOT.
a. ¿De cuántas formas distintas se pueden otorgar los contratos?
b. Si suponemos que todos los eventos simples son igualmente verosímiles, calcule la probabilidad
de que la compañía 2 reciba un contrato del DOT.
c. Suponga que las compañías 4 y 5 presentaron licitaciones no competitivas. Si el DOT otorga
los contratos al azar, calcule la probabilidad de que estas dos compañías reciban contratos.
3.68 a. Un profesor pide a sus estudiantes escribir un programa para computadora en FORTRAN que
imprima todas las secuencias de tres letras en las que intervienen las cinco letras A, B, E, T y
O. ¿Cuántas secuencias distintas de tres letras tendrán que imprimirse?
b. Conteste el inciso a si el programa debe modificarse de manera que cada una de las secuencias
de tres letras tenga por lo menos una vocal y no tenga letras repetidas.
3.69 Considere manos de póquer de 5 naipes repartidas de una baraja estándar para bridge de 52 naipes.
Dos eventos importantes son:
A: {Se obtienen cinco naipes del mismo palo}
B: {Se obtienen cinco naipes seguidos}
 a. Calcule P(A). b. Calcule P(B).
c. El evento de que ocurren tanto A como B, es decir, A n B, se conoce como flor imperial.
Calcule P(A í'\ B).
[Nota: En el evento B, Obtener cinco naipes seguidos, los naipes pueden ser de cualquier palo y se
puede considerar que un as tiene valor de 1 o un valor más alto que un rey.]
3.70 Refiérase al ejemplo 3.13.
a. Calcule la probabilidad de que se detecte un intruso, dado que el día está despejado.
b. Calcule la probabilidad de que se detecte un intruso, dado que el día está nublado.
3.71 El sistema de Comando, Control, Comunicación e Inteligencia (01) de Estados Unidos incluye
sensores (por ejemplo, satélites y radares), enlaces de comunicación y sistemas de cómputo que
permiten la recolección y el procesamiento de información referente a un posible ataque de misiles
dirigido hacia Estados Unidos continentales. El sistema t; 3I contiene dos componentes básicos: un
sistema de aviso, diseñado para detectar ataques de misiles contra Estados Unidos, y un sistema
de respuesta, diseñado para lanzar un contraataque. El sistema de respuesta no puede lanzar un
misil si el sistema de aviso no ha detectado una señal. Sin embargo, si se recibe una señal de aviso,
es posible que el sistema de respuesta no lance un contraataque.
Paté-Comell y Neu realizaron un análisis probabilístico de la confiabilidad del sistema C 3I (Risk
Analysis, vol. 5, núm. 2, 1985). En particular, a los investigadores les interesaba la probabilidad de
un ataque accidental causado por el sistema C 3I, es decir, la probabilidad de que el sistema lance un
misil nuclear hacia Rusia con base en una falsa alarma.
Suponga que la probabilidad condicional de que el sistema de respuesta lanzara un misil hacia
Rusia, dada una falsa alarma del sistema de aviso, era de .90. Suponga también que la probabilidad
de una falsa alarma (es decir, la probabilidad de que el sistema de aviso enviara una señal al siste-
ma de respuesta sin que existiera un ataque soviético) era de .02. Si la probabilidad de un ataque
soviético con misiles contra Estados Unidos continentales era de .01, calcule la probabilidad de un
ataque accidental iniciado por el sistema C 3I. [Sugerencia: Para tres eventos, A, B y C, la fórmula
P(A n B n C) = P(C I A n B) . P(B I A) . P(A)
da la probabilidad de su intersección.]

Referencias
...................................................................
Fcl1er, W,An Introduction to Probability Theory and Its Ap- Parzen, E. Modern Probability Theory and Its Applications.
plications, 3a. ed. Vol. 1. New York: Wiley, 1968. NewYork: Wi1ey, 1960.
Mendenhal1, W., Scheaffer, R.L., y Wackerly, D. Mathe-
matical Statitistics with Applications, 4a. ed. Boston:
Duxbury Pr~ss, 1989.