MUESTREO ALEATORIO Y PROBABILIDAD

INTRODUCCIÓN

Hemos concluido nuestro análisis de la estadística descriptiva y estamos listos para co-
menzar a estudiar el área fascinante de la estadística inferencial. Con la estadística des-
criptiva, nuestra preocupación principal era la presentación y descripción de los conjuntos
de datos de la manera más significativa y eficaz. En la estadística inferencial vamos más
allá de la mera descripción de los datos, ya que un objetivo básico es el uso de los datos pro-
venientes de una muestra para hacer una afirmación acerca de una característica de la
población. Se hacen dos tipos de afirmaciones: una tiene que ver con la prueba de hipó-
tesis y la otra con la estimación de parámetros.
En la prueba de hipótesis, el investigador está reuniendo datos de un experimento sobre
un conjunto de objetos, en un intento por validar cierta hipótesis relativa a una población.
Por ejemplo, suponga que una psicóloga dedicada a la educación cree que un nuevo
método de enseñar la materia de las matemáticas para los niños de 10 arios, en su distri-
to escolar (población), es superior a la forma usual de enseñanza. En el experimento, ella
divide a los alumnos en dos muestras, una de las cuales recibe el nuevo método de en-
señanza y la otra el usual. Cada grupo presenta el mismo examen final. Al hacer esta
prueba, la psicóloga no se conforma con sólo informar que la media del grupo que reci-
bió el nuevo método fue mayor a la del otro grupo. Ella quiere hacer una afirmación
como "La mejoría en las calificaciones del examen final fue debida al nuevo método de
enseñanza y no al azar. Además, dicha mejoría no sólo se aplicaría a la muestra verifi-
cada, sino que aparecería en toda la población de estudiantes si se les enseñase con el
nuevo método". Las técnicas utilizadas en la estadística inferencial permiten hacer estas
afirmaciones.
En los experimentos para la estimación de parámetros, el investigador está interesado
en determinar la magnitud de una característica de la población. Por ejemplo, a un eco-
nomista podría importarle la determinación de la cantidad mensual promedio de dine-
ro gastado el año pasado en comida por los estudiantes de bachillerato. Con datos de una
muestra y las técnicas de la estadística inferencial, él puede estimar la cantidad me-
dia gastada por la población. El economista podría concluir con una afirmación como la
siguiente: "la probabilidad de que el intervalo $140—$160 contenga la media de la pobla-
ción es de 0.95".

155
156 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

Los temas de muestreo aleatorio y de probabilidad

son fundamentales para la meto.
dología de la estadística inferencial. En la siguiente sección estudiaremos el primer tett
El resto del capítulo tratará sobre los principios básicos de la probabilidad. la

Li MUESTREO ALEATORIO

Para generalizar de manera válida de una muestra a la población, tanto en los experime
n.
tos de prueba de hipótesis como en los de estimación de parámetros, la muestra no puede
ser cualquier subconjunto de la población; es crucial que sea aleatoria.

DEFINICIÓN • Una muestra aleatoria es elegida de la población mediante un proceso que

asegura que (1) cada muestra aleatoria de un tamaño dado tenga una misma
probabilidad de ser elegida; (2) todos los miembros de la población tengan
la misma probabilidad de quedar en la muestra.*

Para ilustrar la definición, consideremos la situación en la que tenemos una poblact )11
con los datos 2, 3, 4, 5 y 6; queremos extraer, de manera aleatoria, una muestra de tamal!,
2. Observe que, por lo general, una población tendría más datos. La hemos restringido a
cinco elementos para facilitar la comprensión de lo que queremos resaltar. Suponga qu e
estamos realizando un muestreo de esta población y que tomamos un dato a la vez, NI „
luego regresarlo con el resto de los elementos antes de extraer otro. Esto se llama muestr,
con reemplazo y se analiza posteriormente en este capítulo. A continuación mostrarn
todas las muestras de tamaño 2 que podemos obtener de la población mediante este
método de muestreo:

2,2 3,2 4,2 5,2 6,2

2,3 3,3 4,3 5,3 6,3
2,4 3,4 4,4 5,4 6,4
2,5 3,5 4,5 5,5 6,5
2,6 3,6 4,6 5,6 6,6

Son 25 muestras de tamaño 2 las que obtenemos al realizar el muestreo con reemplazo.
Para conseguir un muestreo aleatorio, el proceso debe ser tal que (1) tanto las 25 mues-
tras (2) así como todos los datos de la población (2, 3, 4, 5 y 6) tengan la misma probabi-
lidad de ser seleccionados en la muestra.
La muestra debe ser aleatoria por dos razones. La primera es que para generalizar un
característica que presenta una muestra a toda la población, es necesario aplicarle las
leyes de la probabilidad. Si la muestra no se ha generado mediante un proceso que garan-
tice que cada muestra posible del tamaño dado tenga la misma posibilidad de ser esco-
gida, no podremos aplicar las leyes de probabilidad. La importancia del carácter aleaton ,
del proceso y de la probabilidad para la inferencia estadística será clara cuando hayamc ,
analizado los capítulos relativos a la prueba de hipótesis y a la distribución muestral.
La segunda razón para la utilización del muestreo aleatorio es que para asegurar la
generalización de una característica de la muestra a toda la población, es necesario que
esta muestra sea representativa de la población en cuestión. Una forma de lograr la re -

*Véase la nota 8.1 de la página 189.

 Muestreo aleatorio 157

presentatividad es elegir la muestra mediante un proceso que garantice que todos los
miembros de la población tienen la misma posibilidad de ser escogidos. Así, requerir
que una muestra sea aleatoria permite utilizar las leyes de probabilidad sobre la muestra
misma, y con ella que sea representativa de la población.
Es tentador pensar que podemos lograr la representatividad de una muestra mediante
métodos distintos al del muestreo aleatorio. Sin embargo, con mucha frecuencia el pro-
cedimiento utilizado produce una muestra sesgada (no representativa). Un ejemplo de
esto es la famosa encuesta Literaty Digest de 1936, la cual predijo una victoria aplastan-
te de Landon (57 a 43%). De hecho, Roosevelt ganó con 62% de los votos. La predicción
del Literaty Digest fue un error garrafal. ¿Por qué? Un análisis posterior reveló que el
error se debió a que la muestra no era representativa de la población votante, sino que era
sesgada. Los individuos fueron elegidos de fuentes como el directorio telefónico, regis-
tros de clubes y de propietarios de automóviles. Estos registros excluyeron de ma-
nera sistemática a los pobres, quienes tal vez no tenían teléfonos o automóviles. Ocurrió
que los pobres votaron en forma aplastante por Roosevelt. Aunque otros métodos de
muestreo produjesen una muestra representativa, éstos no serían útiles para la inferencia,
pues no podríamos aplicar las leyes de probabilidad necesarias para generalizar una ca-
racterística de la muestra a la población.

Técnicas para el muestreo aleatorio

Un estudio profundo de las formas con las cuales generaríamos muestras aleatorias, está
más allá del objetivo de este libro. Este tema puede ser complejo, en particular al trabajar
con encuestas. Sin embargo, presentaremos algunas técnicas de uso común, junto con
algunas situaciones sencillas, de modo que usted pueda darse una idea de lo que impli-
ca. Suponga que tenemos una población de 100 personas y queremos obtener una mues-
tra aleatoria de 20 personas para un experimento. Una forma de hacer esto sería enume-
rar a los individuos de la población del 1 al 100, luego tomar 100 pedazos de papel y
numerarlos, colocar los trazos en un sombrero para revolyerlos y después elegir uno.
Volveríamos entonces a mezclar los papelitos para elegir otro. Luego, continuaríamos
este proceso hasta elegir 20 pedazos de papel. Los números escritos en los pedazos de
papel identificarían a los individuos que participarían en la muestra. En este método
de muestreo aleatorio, es crucial que la población (los trazos de papel) esté bien "revuel-
ta" para garantizar la aleatoriedad.
Una forma común para producir muestras aleatorias es utilizar una tabla de números
aleatorios, como la tabla J del apéndice D. Este tipo de tablas se construyen, por lo
regular, mediante un programa de computadora, el cual garantiza que todos los dígitos
(0-9) tengan la misma posibilidad de ocurrencia cada vez que se imprima un dígito.
La tabla se puede emplear como una sucesión de dígitos simples consecutivos, núme-
ros de dos dígitos, números de tres dígitos, etc.. Por ejemplo, en la tabla J, si comenza-
mos en el primer renglón y nos movemos en forma horizontal por la página, el orden
aleatorio de los dígitos simples sería 3, 2, 9, 4, 2,... Si quisiéramos utilizar números de
dos dígitos, el orden aleatorio sería 32, 94, 29, 54, 16,...
Como los dígitos de la tabla son aleatorios, se pueden utilizar vertical u horizontal-
mente en ambas direcciones. La dirección por usar debe especificarse antes de emplear
la tabla; para manejarla de manera adecuada, hay que comenzar de forma aleato-
ria. Una posibilidad de lograr esto es hacer tarjetas con números de renglón y de colum-
na, colocarlas en una caja, revolverlas y luego elegir un número para el renglón y otro pa-
ra la columna. La intersección del renglón y la columna sería la posición del primer
número aleatorio. Los demás números serían localizados al moverse desde el primer rió-
158 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

mero, en la dirección dada antes de entrar a la tabla. Por ejemplo, suponga que quererri v,
formar una muestra aleatoria de 3 sujetos de una población de 10 sujetos.* Para este eje m
plo hemos decidido movernos sobre la tabla en forma horizontal, a la derecha. Para el (
gir la muestra, primero asignamos a cada individuo de la población un número del O al
Luego entramos en la tabla de manera aleatoria para localizar el primer número. Supon g,,
que el dato es el primer número del séptimo renglón, que es igual a 3. Este núme r„
designa al primer sujeto de la muestra. Como hemos decidido movernos sobre la tabi,,
hacia la derecha, los dos números siguientes son 5 y 6. Así, los individuos que portan l a ,
cifras 5 y 6 completarían la muestra.
Resolvamos un problema en el cual la población tiene más individuos. Con fin e
ilustrativos, supondremos que se desea extraer un muestra aleatoria de 15 sujetos de un d
población de 100. Para variar las cosas un poco, para este ejercicio decidimos moverno,
sobre la tabla hacia abajo. Como antes, necesitamos asignar una cifra a cada miembro d,
la población. Esta vez, los números asignados son del 00 al 99 en vez de O a 9. De nueve,
entramos a la tabla de manera aleatoria. Esta vez suponemos que el primer dato o primer
número de dos dígitos aparece en la intersección de la columna 3 con el renglón 12. El
guarismo de dos dígitos localizado en esa intersección es 70. Así, el primer sujeto de i
muestra es el individuo que lleva el número 70. Localizamos el siguiente sujeto bajarla,
en la tabla a partir del 70. Así, el segundo sujeto de la muestra sería el individuo que lle-
va el número 33. Continuaríamos este proceso hasta elegir 15 sujetos. El conjunto con,
pleto de números que representan a los sujetos de la muestra sería 70, 33, 82, 22, 96, 35
14, 12, 13, 59, 97, 37, 54, 42 y 89. Al obtener este conjunto de números, el número 82
apareció dos veces en la tabla. Como el mismo individuo no puede estar en la muestr<1
más de una vez, no incluimos el número repetido.

Muestreo con o sin reemplazo

Hasta ahora hemos definido una muestra aleatoria, analizado la importancia del muestre' ,
aleatorio y presentado algunas técnicas para producir muestras aleatorias. Para comple-
tar nuestro estudio, debemos distinguir entre el "muestreo con reemplazo" y el "muestreo
sin reemplazo". Para ilustrar la diferencia entre estos dos métodos de muestreo, suponga
que queremos formar una muestra de dos datos provenientes de una población compues -

ta por los numeros 4, 5, 8 y 10. Una manera de hacer esto sería extraer un dato de 1‹,
población, registrar su valor, y luego regresarla a la población antes de extraer el segun -

do elemento. Así, el primer dato podría ser elegido de nuevo en la segunda extracción
Este método se llama muestreo con reemplazo. Una segunda alternativa consistiría en
extraer al azar un dato de la población y no reemplazarlo antes de seleccionar el segundo
Así, un número proveniente de la población podría aparecer en la muestra solamente inri
vez. A este método se le llama muestreo sin reemplazo.

DEFINICIONES • El muestreo con reemplazo se define como un método en el cual cada miem-
bro de la población elegida para la muestra se regresa a la primera antes de
elegir al siguiente miembro.

*Por supuesto, en los experimentos reales, el número de elementos de la población es mucho mayor
que 10. Utilizamos 10 en el primer ejemplo como ayuda para comprender la forma de emplear la tabla.
 Probabilidad 159

El muestreo sin reemplazo se define como un método en el cual los miem-

bros de la muestra no se regresan a la población antes de elegir a los miembros
siguientes.

Al elegir a los sujetos que participan en un experimento, hay que utilizar el muestreo
sin reemplazo, pues el mismo individuo no puede estar en la muestra más de una vez.
Es probable que usted reconozca éste como el método utilizado en la sección anterior. El
muestreo con reemplazo es la base matemática para muchas de las pruebas de inferencia
que analizaremos posteriormente. Aunque los dos métodos no producen resultados idén-
ticos, cuando el tamaño de la muestra es pequeño en comparación con el de la pobla-
ción, las diferencias son insignificantes y las técnicas "con reemplazo" son mucho más
fáciles de utilizar al proporcionar la base matemática para la inferencia. Pasemos ahora
al tema de la probabilidad.

PROBABILIDAD

La probabilidad se puede estudiar desde dos puntos de vista: (1) a priori o clásico y (2) a
posteriori o empírico. A priori significa aquello que se puede deducir usando sólo la
razón, sin la experiencia. Desde el punto de vista a priori o clásico, la probabilidad se
define como:

Número de eventos clasificables como A probabilidad a priori

p(A)
Cantidad total de eventos posibles

El símbolo p(A) se lee como "la probabilidad de ocurrencia del evento A". Así, la ecua-
ción establece que la probabilidad de ocurrencia del evento A es igual al número de
eventos clasificables como A dividida entre la cantidad de eventos posibles. Para ilustrar
el uso de esta ecuación, veamos un ejemplo relacionado con los dados. La figura 8.1
muestra una imagen de un par de dados. Cada dado tiene seis caras, con un número
distinto de puntos en cada una. Los puntos varían de uno a seis. Estos cubos de aparien-
cia inocente se utilizan para juegos de azar; son la base de muchas desgracias y alegrías,
según la "suerte" del jugador.
Regresando a la probabilidad a priori, suponga que vamos a arrojar un dado una vez.
¿Cuál es la probabilidad de que el dado se detenga con un "dos" (el lado que tiene dos
FIGURA 8.1 puntos) hacia arriba? Como existen seis números posibles y sólo uno de ellos es un dos,
la probabilidad de un dos en una tirada de un dado es:
Un par de dados
Número de eventos clasificables como 2 =1 = 0.1667*
p (A) = p (2) —
Cantidad total de eventos posibles 6

Resolvamos otro problema mediante el punto de vista a priori. ¿Cuál es la probabili-

dad de obtener un número mayor que 4 en una tirada de un dado? Ahora existen dos

*En éste y en los demás problemas relativos a los dados, supondremos que éstos no se detienen sobre
alguna de sus aristas.
160 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

eventos clasificables como A (obtener un 5 o un 6). Así,

p(A) = p(5 o 6) — Número de eventos clasificables como 5 o=6_2 0.3333

Cantidad total de eventos posibles 6
Observe que resolvimos los dos problemas anteriores mediante un razonamiento,
si,
recurrir a alguna colección de datos. Debemos comparar este punto de vista con el e nfe:
que a posteriori o empírico de la probabilidad. A posteriori significa "después del h l
e
cho"; en el contexto de la probabilidad, significa después de reunir algunos datos. D esd
el punto de vista a posteriori o empírico, la probabilidad se define como

p(A) = Número de veces que A ha ocurrido probabilidad a posteriori

Cantidad total de ocurrencias

Para determinar la probabilidad de un dos al tirar un dado, desde el punto de vista elDpf
rico, tendríamos que considerar el dado real, arrojarlo muchas ocasiones y contar el nú-
mero de veces que ha ocurrido un dos. Mientras más arrojemos el dado, será mejor. Par a
este problema, suponga que lanzamos el dado 100,000 veces y que un dos apareció e n
16,000 ocasiones. La probabilidad de que un dos ocurra en un lanzamiento del dado s e
determina mediante:

p(2) Número de veces que ha ocurrido 2 16 000

= ' = 0.1600
Cantidad total de ocurrencias 100,000
Observe que con este punto de vista, es necesario tener el dado real y reunir alguno,
datos antes de determinar la probabilidad. El punto interesante es que si el dado no esta
cargado (se dice que es un dado honesto), al tirarlo muchas veces la probabilidad
posteriori se acerca a la probabilidad a priori. Si tiramos el dado una infinidad de veeel
las dos probabilidades serán iguales. Observe también que si el dado está cargado (con
un peso tal que uno de los lados aparezca hacia arriba con más frecuencia que los d,
más), la probabilidad a posteriori será diferente que la a priori. Por ejemplo, si el da,I ,
está "cargado" para que aparezcan un seis, el dos nunca aparecerá. Podemos ver ahor a
que la ecuación a priori supone que cada resultado posible tiene la misma probabilidad
de ocurrir. Para la mayor parte de los problemas de este capítulo y el siguiente, utilizare-
mos el punto de vista a priori.

Algunos aspectos básicos relativos a los valores

de probabilidad
Como la probabilidad es esencialmente una proporción, su valor fluctúa entre 0.00
1.00. Si la probabilidad de que ocurra un evento es igual a 1.00, entonces es seguro qi , a
el evento ocurrirá. Si la probabilidad es igual a 0.00, entonces es seguro que el evento
ocurrirá. Por ejemplo, un dado común no tiene un lado con siete puntos en él. Por
tanto, la probabilidad de obtener un siete al arrojar un dado es igual a 0.00. Es seguro que
no ocurrirá que salga un siete. Por otro lado, la probabilidad de que salga un número del
1 al 6 es igual a 1.00. Es seguro que se obtendrá alguno de los números 1, 2, 3, 4, 5 o 6
La probabilidad de ocurrencia de un evento se expresa corno una fracción o un núme-
ro decimal. Por ejemplo, la probabilidad de elegir al azar el as de espadas de una baraja
 Probabilidad 161

común es 51-.2 = 0.0192. La respuesta se puede quedar como una fracción ( 511), pero general-
mente se convierte en su equivalente decimal (0.0192).
A veces, la probabilidad se expresa como posibilidades respecto a 100. Por ejemplo,
alguien podría comentar que la probabilidad de que ocurra el evento A es de cinco posi-
bilidades en 100. Lo que esta persona quiere decir es que p(A) = 0.05. En ciertas ocasio-
nes, la probabilidad también se expresa como las posibilidades a favor o en contra de que
ocurra un evento. Por ejemplo, un apostador podría decir que las posibilidades son de 3
a 1 a favor de que Fred gane la carrera. En términos de probabilidad, p(gane Fred) =1=
0.75. Si las posibilidades fuesen de 3 a 1 en contra de que Fred triunfe, entonces p(gane
Fred) =-= 0.25.

Cálculo de probabilidades
La determinación de la probabilidad de los eventos puede ser compleja. De hecho, exis-
ten cursos completos dedicados a este tema y son bastante difíciles. Por fortuna, para
nuestros fines, sólo hay que aprender dos reglas fundamentales de la probabilidad: la de
la suma y la del producto. Estas reglas proporcionan las bases necesarias para compren-
der las pruebas de inferencia estadística que veremos más adelante.

La regla de la suma
La regla de la suma permite determinar la probabilidad de que ocurra alguno de varios
eventos posibles. Para comenzar nuestro análisis, suponga que sólo existen dos eventos
posibles: A y B. Cuando existen dos eventos, la regla de la suma establece lo siguiente.

DEFINICIÓN • La probabilidad de ocurrencia de A o B es igual a la probabilidad de

ocurrencia de A más la probabilidad de que ocurra B inenos la probabilidad
de que ocurran A y B.

En forma de ecuación, la regla de la suma establece que:

ecuación general de la regla
p(A o B) = p(A) + p(B) — p(A y B)
de la suma para dos eventos

Ilustraremos la forma de utilizar esta regla. Suponga que queremos determinar la pro-
babilidad de sacar un as o un trébol de una baraja de cartas ordinarias. Resolvemos el
problema de dos maneras en la figura 8.2. Por favor, consulte la figura al leer este párra-
fo. De la primera manera, enumeramos todos los eventos que se pueden clasificar como
un as o un trébol y utilizamos la ecuación básica para la probabilidad. Como existen 16
formas de obtener un as o un trébol, la probabilidad de lograr un as o un trébol es del =
0.3077. El segundo método emplea la regla de la suma. La probabilidad de obtener un as
de 1. y la probabilidad de conseguir un trébol de La probabilida de logar un as y un
trébol es igual al. Por la regla de la suma, la probabilidad de conseguir un as o un trébol
es 1 + f3,-,12 .1. 0.3077. ¿Por qué debemos restar la probabilidad de obtener un as y un
trébol a la vez? Porque hemos contado el as de tréboles dos veces. Sin restarlo, pensaría-
mos de manera errónea que existen 17 eventos favorables en vez de 16.
En este curso emplearemos la regla de la suma casi en todas las situaciones en que los
eventos sean mutuamente excluyentes.
 162
CAPITULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

Fi GURA 8.2
Determinación de la probabilidad de elegir al azar un as o un trébol en una extracción de una
baraja de cartas ordinarias

(a) Por enumeración, utilizando la

definición básica de probabilidad
• O 0.
• • X 0 ....
O •• • •• l'I, . 0 •. . 0
• 0 • e ' 11,‘ . e • . • 'N
• .0 . •• lail • • .• •
• • • .._ÁI li
. • As o trébol
. _ ~
P(A) Número de eventos favorable s a A
11
—

Cantidad total de eventos posibleis Eventos favorables a A

■
A A A A
16
—
.

(1.9
.

O
.

A
'

•
lp:.,1
/
q1,74
.1P
IV a 1 9.4.4'
= 52 = 0.3077 v
V 4 v v 51 ó • r oi

144 144 Z** 144 144 244 14 14

44.4
444 4.4 44 4 «I
4> SI 4* 41 * 4.; • *; * 4>1 4> 4»;
donde A = representa obtener un as o un trébol 4* ; 4, ;
16

(b) Por la regla de la suma

Eventos favorables a A
A A A A

Y 9 á 4*
4 4 1 y
p(A o B)= p(A) + p(B) — p(A y B)

Eventos favorables aAyB

A

donde A representa obtener un as y Y

B representa obtener un trébol

DEFINICIÓN • Dos eventos son mutuamente excluyentes si no pueden ocurrir al mismo

tiempo. Otra forma de decir esto es que dos eventos son mutuamente
excluyentes si la ocurrencia de uno impide la ocurrencia del otro.

Los eventos de obtener un uno y un dos al lanzar un dado son mutuamente excluyente,
Si el lanzamiento termina con un uno, entonces no puede tener también un dos. Los
 Probabilidad 163

eventos de elegir un as y un rey al extraer una carta de una baraja ordinaria son mutua-
mente excluyentes. Si la carta es un as, esto impide que la carta también sea un rey. Esto
debe compararse con los eventos de obtener un as y un trébol al extraer una carta de la
baraja. Estos eventos no son mutuamente excluyentes, pues existe una carta que es a la
vez un as y un trébol (el as de tréboles).
Cuando los eventos son mutuamente excluyentes, la probabilidad de que ambos
ocurran al mismo tiempo es igual a cero. Así, p(A y B)= O cuando A y B son mutuamente
excluyentes. Bajo estas condiciones, la regla de la suma se simplifica como:

p(A o B) = p(A) + p(B) regla de la suma cuando A y B son mutuamente excluyentes

Resolveremos algunos problemas con situaciones en las cuales A y B son mutuamente

excluy entes.

PROBLEMA DE PRÁCTICA 8.1

¿C ual
uál es la probabilidad de elegir al azar un 10 o un 4 al extraer una carta de
una baraja ordinaria?
La solución aparece en la figura 8.3. Como queremos un 10 o un 4 y como
estos eventos son mutuamente excluyentes, aplicamos la regla de la suma
correspondiente. Así, p(10 o 4) = p(10) + p(4). Como existen cuatro 10, cuatro
4 y 52 cartas, p(10) =* y p(4) =*. Así, p(10 o 4) =* + -1 7 =1 = 0.1538.

FIGURA 8.3 Determinación de la probabilidad de elegir al azar un 10 o

un 4 al extraer una carta de una baraja ordinaria: regla de
la suma para eventos mutuamente excluyentes

• • • . .•
•..*
• .°0 .NI
..°. . itikt .., °••.*
. .. e ..
• S ... it,
p(A o B) = p(A) + p(B) • ..... jtk • •°,, 10 ó 4

p(un 10 o un 4) = p(10) + p(4) Eventos favorables a A

T4 4 a. 9v v v '14 • •
52 52 44 VV • • 4. 4. 4,
4, 1 * A
AA
4
= — = O' 1538
52
* * ¿', a sq • •,1,

Eventos favorables a B
ho y 1* • :4 4. :44 44

donde A representa sacar un 10 y A Al * • *1'1 * T,

B representa obtener un 4
164 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

P o1.i 1:> E r .1--1 Á cTIG A El ,

A l lanzar un dado que no está cargado una vez, ¿cuál es la probabilidad

obtener un 1 o un número par?
de

La solución aparece en la figura 8.4. Como los eventos son mutuamente

excluyentes y el problema pide obtener un 1 o un número par, podemos aplicar
la regla de la suma para este tipo de eventos. Así, p(1 o un número par) = p(1) +
p(un número par). Existe una forma de conseguir un 1, tres formas de lograr un
número par (2, 4, 6) y seis resultados posibles. Así, p(1) p(un número par)
1, y p(1 o un número par) + i=4-= 0.6667.

FIGURA 8.4 Determinación de la probabilidad de obtener un I o un

número par al lanzar un dado honesto a la vez: regla de la
suma para eventos mutuamente excluyentes:

p(A o B) = p(A) + p(B)

p(1 o un número par) = p(1) + p(un número par)

1 3 4 Eventos favorables a A

•
= 0.6667

Eventos favorables a B
• In
I! I •
donde A representa obtener un 1 y ei •
B representa obtener un número par

ROB 1.(": 1V1 .A DE PRÁCTICA 8 .3

S uponga que va a elegir de manera aleatoria un individuo entre una población

de 130 personas. En esta población hay 40 niños menores de 12 arios, 60 adoles-
centes y 30 adultos. ¿Cuál es la probabilidad de que el individuo elegido sea un
adolescente o un adulto?
La solución aparece en la figura 8.5. Como los eventos son mutuamente
excluyentes y queremos obtener un adolescente o un adulto, podemos emplear la
regla de la suma correspondiente. Así, p(adolescente o adulto) =p(adolescente) +
p(adulto). Como hay 60 adolescentes, 30 adultos y 130 personas en la pobla-
ción, p(adolescente) = y p(adulto) =1. Así, p(adolescente o adulto) = + a= -

" — 0.6923.
130 —
 Probabilidad 165

FIGURA 8.5 Determinación de la probabilidad de obtener al azar un

adolescente o un adulto en una extracción de una
población de 40 niños menores de 12 años, 60
adolescentes y 30 adultos; el muestreo es uno a la vez con
reemplazo: regla de la suma para eventos mutuamente
excluyentes
Adolescente o adulto
p(A o B)= p(A) + p(B) 1 e
p(un adolescente o un adulto) = p(un adolescente)
+ p(un adulto) 111
_ 60 + 30
— 130 130 - .-(1- ------".\
niñ os
9° = 0.6923
= 130 menores _____2 71
de 12 a'ños ,i
Población 60
adolescentes
•

donde A representa obtener un adolescente y adultos°

B representa obtener un adulto

La regla de la suma también se puede utilizar en situaciones donde hay más de dos
eventos; sólo hacemos una sencilla extensión de la ecuación empleada para esta situa-
ción. Así, cuando existen más de dos eventos, y todos son mutuamente excluyentes, la
probabilidad de que ocurra cualquiera de ellos es igual a la suma de las probabilidades de
cada evento. A continuación mostramos la ecuación:

p(AoBoCo...oZ)= p(A) + p(B) + p(C) + • • • + p(Z)

regla de la suma para más de dos
eventos mutuamente excluyentes

donde Z es el último evento.

Con mucha frecuencia encontraremos situaciones en las cuales los eventos no sólo
son mutuamente excluyentes, sino también exhaustivos. Ya hemos definido a los dos
primeros, nos faltan los segundos.

DEFINICIÓN • Un conjunto de eventos es exhaustivo si incluye a todos los eventos posibles

Por ejemplo, al lanzar un dado una sola vez, el conjunto de eventos de obtener uno, dos,
tres, cuatro, cinco y seis es exhaustivo, pues el conjunto incluye a todos los eventos
posibles. Cuando un conjunto de eventos es exhaustivo y mutuamente excluyente, existe
una relación muy útil. Bajo estas condiciones, la suma de las probabilidades individuales
CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

de cada evento del conjunto debe ser igual a 1. Así,

p(A) + p(B) + p(C) + . . . + p(Z) 1.00 cuando los eventos son exhaustivo,
y mutuamente excluyentes
donde A, B, C, Z son los eventos.

Para ilustrar esta relación, consideremos el conjunto de eventos en el que podar lo,
obtener uno, dos, tres, cuatro, cinco o seis al lanzar un dado honesto una sola vez. c ony'
los eventos son exhaustivos y mutuamente excluyentes, la suma de sus probabilidade,
debe ser igual a 1. Podemos ver que esto es cierto, pues p(uno) = p(dos) =
p(cuatro) p(tres),
p(cinco) =k y p(seis) = f. Así,

p(uno) + p(dos) + p(tres) + p(cuatro) + p(cinco) + p(seis) = 1.00

1 1 1 1 1 1
I
-- r r 4 ±
-
=1 .°°

Cuando sólo existen dos eventos, y éstos son mutuamente excluyentes, se acostumbn
asignar el símbolo P a la probabilidad de que ocurra uno de los eventos y Q i
a la probabi-
lidad de que suceda el otro evento. Por ejemplo, si estuviésemos lanzando una moneda\
ésta sólo puede caer en cara o en cruz, ésta sería una situación en la cual sólo hay dc,'
eventos posibles (cara o cruz) en cada lanzamiento, y son mutuamente excluyentes (si e,
cara, no puede ser cruz). Se acostumbra asignar P a la probabilidad de ocurrencia de une
de los eventos, digamos, cara, y Q a la del otro evento, cruz. En este caso, si la monedlt Dd
fuese honesta, P=IyQ =1. Como los eventos son exhaustivos y mutuamente excluyentes
sus probabilidades deben sumar 1. Así,

P + Q = 1.00 cuando dos eventos son exhaustivos y mutuamente excluyentes

En el capítulo 9 utilizaremos ampliamente los símbolos P y Q en relación con la distribu-

ción binomial.

La regla del producto

Mientras que la regla de la suma proporciona la probabilidad de que ocurra cualquiera de
varios eventos, la regla del producto analiza la ocurrencia conjunta o sucesiva de varios
eventos. Observe que la regla del producto analiza con frecuencia lo que ocurre en más
de un lanzamiento o extracción, mientras que la regla de la suma estudia sólo un lanza-
miento o extracción. Si nos interesa la ocurrencia conjunta o sucesiva de dos eventos A y
B, la regla del producto establece lo siguiente:

DEFINICIÓN • La probabilidad de ocurrencia de A y B es igual a la probabilidad de

ocurrencia de A por la probabilidad de que B ocurra, dado que A ha ocurrido.

En forma de ecuación, la regla del producto es

p(A y B) = p(A)p(BIA) ecuación general de la regla del producto con

dos eventos
 Probabilidad 167
Observe que el símbolo p(BIA) se lee como la "probabilidad de que ocurra B dado que A
ha ocurrido". Esto no significa B entre A. Observe también que la regla del producto se
refiere a la ocurrencia de A y B, mientras que la regla de la suma se aplica a la ocurrencia
de A o B.
Al analizar la regla del producto, es útil distinguir tres condiciones: cuando los even-
tos son mutuamente excluyentes, independientes o dependientes.

Regla del producto: Eventos mutuamente excluyentes

Ya hemos analizado la ocurrencia conjunta de A y B cuando éstas son mutuamente
excluyentes. Recordará que en este caso,

p(A y B)= O regla del producto para eventos mutuamente excluyentes

ya que cuando los eventos son mutuamente excluyentes, la ocurrencia de uno impide la
ocurrencia del otro. La probabilidad de su ocurrencia conjunta es nula.

Regla del producto: Eventos independientes

Para comprender la forma de aplicar la regla del producto en esta situación, debemos
definir primero qué son los eventos independientes.

DEFINICIÓN • Dos eventos son independientes si la ocurrencia de un evento no tiene efecto

sobre la probabilidad de ocurrencia del otro.

El muestreo con reemplazo ilustra muy bien esta situación. Por ejemplo, suponga que
vamos a extraer dos cartas, una a la vez, con reemplazo, de una baraja ordinaria. Denota-
mos por A la carta extraída primero y B a la carta obtenida en segundo lugar. Como A se
reemplaza antes de extraer a B, la aparición de A en la primera extracción no tiene efecto
alguno sobre la probabilidad de ocurrencia de B. Por ejemplo, si A fuese un as, como se
regresa a la baraja antes de elegir la segunda carta, la ocurrencia de un as en la primera
extracción no tiene efecto alguno sobre la probabilidad de la ocurrencia de la carta elegi-
da en la segunda extracción. Si A y B son independientes, entonces la probabilidad de B
no es afectada por A. Por lo tanto, p(BIA)= p(B). Bajo esta condición, la regla del produc-
to se convierte en

regla del producto para eventos

p(A y B) = p(A)p(BIA) = p(A)p(B)
independientes

Veamos cómo emplear esta ecuación. Suponga que vamos a obtener al azar dos cartas,
una a la vez, con reemplazo, de una baraja ordinaria. ¿Cuál es la probabilidad de que
ambas cartas sean ases?
La solución aparece en la figura 8.6. Como el problema pide un as en la primera y
segunda extracciones, podemos aplicar la regla del producto. Sea A un as en la primera
extracción y B un as en la segunda. Como el muestreo es con reemplazo, A y B son
independientes. Así, p(un as en la primera extracción y un as en la segunda extracción) =
donde A representa obtener un as en la primera extracción y • „. ,
B representa obtener un as en la segunda extracción ., 0
„.

Eventos
ntos favorables a A‘
A‘-- __I
.■ —
A
. 1
A
. "7-
4 Y
1 1
• + y
y

Eventos favorables a B
. . .
4.
.
yy
y
.
y
y
6

;;
4/
p(un as en la primera extracción)p(un as en la segunda extracción). Como existen cuate
ases posibles en la primera extracción, cuatro ases posibles en la segunda extracción (el ,
muestreo es con reemplazo) y 52 cartas en la baraja, p(un as en la primera extracción)
h y p(un as en la segunda extracción) = h. Así, p(un as en la primera extracción y un as el,
la segunda extracción) = h(h) = = 0.0059.
Veamos algunos problemas de práctica.
 Probabilidad 169

PRO BL EMA DE PRÁCTICA 8.4

S uponga que lanzamos un par de dados legales una sola vez. ¿Cuál es la proba-
bilidad de obtener un 2 en el primer dado y un 4 en el segundo?
La solución aparece en la figura 8.7. Como hay una independencia entre los
dos dados y como el problema pide un 2 y un 4, podemos aplicar la regla del
producto para eventos independientes. Así, p(un 2 en el primer dado y un 4 en el
segundo). Existe una forma de obtener un 2 en el primer dado, una de conseguir
un 4 en el segundo dado y seis resultados posibles para cada dado. Por lo tanto,
p(un 2 en el primer dado) =-61 ,p(un 4 en el segundo) =!,- y p(un 2 en el primer dado
y un 4 en el segundo) = .11-) = = 0.0278.

FIGURA 8.7 Determinación de la probabilidad de obtener un 2 en el

primer dado y un 4 en el segundo, en un lanzamiento de
dos dados honestos: regla del producto para eventos
independientes

p(A y B) = p(A)p(B)
p(un 2 en el primer dado y un 4 en el segundo)
= p(un 2 en el primer dado)p(un 4 en el segundo)
(1)(I 1=
O 0278
= VW) k-67= 36 •
Eventos favorables a A o
Dado I
o

o o
Eventos favorables a B
Dado 2 41 •
donde A representa obtener un 2 enel primer dado y
B representa obtener un 4 en el segundo dado
170 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

PROBLEMA DE PRÁCTICA 8.5

i se lanzan dos monedas una sola vez, ¿cuál es la probabilidad de que ambas
caigan con cara hacia arriba? Suponga que las monedas no están cargadas y que
una cara o una cruz es el único resultado posible para cada moneda.
La solución aparece en la figura 8.8. Como el resultado para la primera mone-
da no tiene efecto alguno sobre el resultado de la segunda, los eventos son inde-
pendientes. Como en el problema se pide una cara para ambas monedas podemos
usar la regla del producto correspondiente. Así, p(una cara con la primera mone-
da y una cara con la segunda moneda) = p(una cara con la primera moneda)p
(una cara con la segunda moneda). Como sólo existe una forma de obtener una ca-
ra con cada moneda y dos posibilidades en cada moneda (cara o cruz), p(una
cara con la primera moneda) = y p(una cara con la segunda moneda) = Así,
p(una cara con la primera moneda y una cara con la segunda moneda) = ÷(;)
= 0.2500.

FIGURA 8.8 Determinación de la probabilidad de obtener dos caras en

un lanzamiento de dos monedas honestas: regla del
producto para eventos independientes

p(A y B) = p(A)p(B)

p(una cara para la primera moneda p(un as en la primera extracción)

y una cara para la segunda moneda)_ p(un as en la segunda extracción)

= (1--) = 0.2500

oriorm

donde A representa obtener una cara Eventos favorables a A

para la primera moneda y Primera tnoneda
B representa obtener una cara
para la segunda moneda

Eventos favorables a B
Segunda moneda
 Probabilidad 171

OBLEMA DE PR Á C TICA 8.6

S uponga que extrae una muestra aleatoria de una bolsa de frutas. La bolsa con-
tiene 4 manzanas, 6 naranjas y 5 duraznos. Si selecciona dos frutas, una a la vez,
con reemplazo, ¿cuál es la probabilidad de que obtenga una naranja y una man-
zana, en ese orden?
La solución aparece en la figura 8.9. Como las extracciones son independien-
tes (el muestreo es con reemplazo) y como queremos obtener una naranja y una
manzana, aplicamos la regla del producto correspondiente. Así, p(una naranja en
la primera extracción y una manzana en la segunda extracción) = p(una naranja
en la primera extracción) p(una manzana en la segunda extracción). Como exis-
ten 6 naranjas y 15 frutas en la bolsa, p(una naranja en la primera extracción) =
A. Como la fruta obtenida en la primera selección se reemplaza antes de la se-
gunda, el resultado no tiene efecto alguno sobre la fruta elegida en esta segunda
elección. Como hay 4 manzanas y 15 frutas, p(una manzana en la segunda ex-
tracción) = A. Por lo tanto, p(una naranja en la primera extracción y una manza-
na en la segunda extracción) = A) = 0.1067.

FIGURA 8.9 Determinación de la probabilidad de elegir de manera

aleatoria una naranja y una manzana en dos extracciones de
una bolsa que contiene 6 naranjas, 4 manzanas y 5 duraznos;
el muestreo es con reemplazo: regla del producto para
eventos independientes

p(A y B) = p(A)p(B)

p(una naranja en la primera extracción p(una naranja en la primera extracción)

y una manzana en la segunda extracción) = p(una manzana en la segunda extracción)
¡6\¡4\ Naranja Manzana
= 15) \
O ' 1067

donde A representa una naranja

en la primera extracción y
B representa una manzana
en la segunda extracción

Eventos favorables a A gélh Eventos favorables a B

Naranjas Manzanas
172 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

PROBLEMA DE PRÁCTICA 8 . 7

S uponga que extrae al azar 2 individuos de una población de 100 hombres y

mujeres. Hay 50 varones y 60 féminas en esta población. El muestreo es de u n
individuo a la vez, con reemplazo. ¿Cuál es la probabilidad de que la muestra
contenga sólo mujeres?
La solución aparece en la figura 8.10. Como el problema pide una mujer en la pri-
mera extracción y otra en la segunda, y como estos dos eventos son indepe n_
dientes (el muestreo es con reemplazo), aplicamos la regla del producto
correspondiente. Así, p(una mujer en la primera extracción y una mujer en la
segunda extracción) =p(una mujer en la primera extracción)p(una mujer en la se-
gunda extracción). Como hay 60 mujeres y 110 personas en la población, p(una
mujer en la primera extracción) = -1 5 y p(una mujer en la segunda extracción)
A. Por lo tanto, p(una mujer en la primera extracción y una mujer en la segunda
extracción) = ,6,%() = , 326: = 0.2975.

FIGURA 8.10 Determinación de la probabilidad de extraer al azar 2

mujeres en dos extracciones distintas de una población de
50 hombres y 60 mujeres; el muestreo es de una persona a
la vez, con reemplazo: regla del producto para eventos
independientes

p(A y B)= p(A)p(B)

p(una mujer en la primera extracción p(un as en la primera extracción)

y una mujer en la segunda extracción) p(un as en la segunda extracción)
( 60 \ ( 60 \
= l110) k110)
3600 Determini,
— 12,100 = 0 ' 2975 probabil«
azar 3 mil
hombre. (i
cuatro e
poblaci(
y 60 férl
donde A representa una mujer es de ur3
en la primera extracción y la vez„
B representa una mujer regla de I
en la segunda extracción más de .1
i ndeper
e
Población
mujeres

(.1hombrey
 ¿Cuál es la verdad? 173

La regla del producto para eventos independientes también se aplica en situaciones

con más de dos eventos. En tales casos, la probabilidad de la ocurrencia conjunta de los
eventos es igual al producto de las probabilidades individuales de cada evento. En forma
de ecuación:

19 (A YBYCY Y Z) = 1 2 (A)P(B)P(C)...P0
regla del producto para más de
dos eventos independientes

Para mostrar el uso de esta ecuación, suponga que en vez de obtener una muestra de
dos individuos pertenecientes a la población descrita en el problema de práctica 8.7, se
extrae una muestra de 4 personas. Salvo esta última condición, el problema es el mismo.
La población está compuesta por 50 hombres y 60 mujeres. Como antes, el muestreo es de
una persona a la vez, con reemplazo. ¿Cuál es la probabilidad de obtener 3 mujeres y 1
hombre, en ese mismo orden? La solución aparece en la figura 8.11. Como el problema
pide una mujer en la primera, segunda y tercera extracción y un hombre en la cuarta, y
como el muestreo es con reemplazo, aplicamos la regla del producto para más de dos
eventos independientes. Esta regla es similar a la del producto para dos eventos indepen-
dientes, sólo que tiene más factores. Así, p(una mujer en la primera extracción y una
mujer en la segunda extracción, una mujer en la tercera extracción y un hombre en la
cuarta extracción) = p(una mujer en la primera extracción)p(una mujer en la segun-
da extracción)p(una mujer en la tercera extracción)p(un hombre en la cuarta extracción).
Hay 60 mujeres, 50 hombres y 110 personas en la población. Como el muestreo es con
reemplazo, p(una mujer en la primera extracción) =1, p(una mujer en la segunda extrac-
ción) = p(una mujer en la tercera extracción) = y p(un hombre en la cuarta extracción)
=1. Así, p(una mujer en la primera extracción, una mujer en la segunda extracción, una

FIGURA 8.11 p(A y By Cy D)= p(A)p(B)p(C)p(D)

Determinación de la
probabilidad de obtener al
azar 3 mujeres y 1
hombre, en ese orden, en
cuatro extracciones de una
población de 50 varones
y 60 féminas; el muestreo
es de una persona a
la vez, con reemplazo:
regla del producto para
donde
más de dos eventos
independientes
-
p(una mujer en la primera extracción y una mujer
en la segunda extracción y una mujer en la tercera = ( 60 \ ( 60 ) ( 60 ) ( 50 \
110/1110) ■ 110/ 1110)
_extracción y un hombre en la cuarta extracción) _
_ 1080
— 14,641
• •
=0.0738 • 11 • W
A representa una mujer
en la primera extracción
B representa una mujer
en la segunda extracción
C representa una mujer •
•
en la tercera extracción
D representa un hombre 60 mujeres
en la cuarta extracción W
hombres
 174 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

mujer en la tercera extracción y un hombre en la cuarta extracción)

1080/14,641 = 0.0738.

Regla del producto: Eventos dependientes

Cuando A y 13 son dependientes, la probabilidad de que ocurra B
se ve afectada p ot
ocurrencia de A. En este caso, no podemos simplificar la ecuación para la probabilidad
de A y B. Debemos usarla en su forma original. Así, si A y B
son dependientes,

p(A y B)= p(A)p(B1A) regla del producto para eventos dependientes

El muestreo sin reemplazo proporciona una buena ilustración de los eventos dep en,
dientes. Suponga que va a extraer dos cartas, una a la vez, sin reemplazo, de una baraja
ordinaria. ¿Cuál es la probabilidad de que ambas cartas sean ases?
La solución aparece en la figura 8.12. A representa un as en la primera extracción y E
representa un as en la segunda extracción. Como el muestreo es sin reemplazo (la carta
obtenida la primera vez se retira de la baraja), la ocurrencia de A realmente afecta la pro-
babilidad de B. A y B son dependientes. Como el problema pide un as en la prime-
ra extracción y un as en la segunda, y como estos eventos son dependientes, aplicamo s
la regla del producto correspondientes. Así, p(un as en la primera extracción y un as en id
segunda extracción) =p(un as en la primera extracción)p(un as en la segunda extracción
dado que se obtuvo un as en la primera extracción). Para la primera selección, hay 4 ase,
y 52 cartas. Por lo tanto, p(un as en la primera extracción) = Como el muestre, ,
es sin reemplazo, p(un as en la segunda extracción dado un as en la primera extracción)
1. Así, p(un as en la primera extracción y un as en la segunda extracción) =' 7-:',,-(‘41
0.0045. 3‘ = 261 52 2 :-

FIGURA 8.12 p(A y B)= p(A)p(BIA)

Determinación de la [p(un as en la primera extracción y ~

p(un as en la primera extracción)
probabilidad de elegir de un as en la segunda extracción) p(un as en la segunda extracción)
manera aleatoria dos
ases en dos extracciones 4\(3\
=V5-2/ 151)
de una baraja ordinaria;
el muestreo es de una 12
— 2652 — 0 ' 0045
carta a la vez y sin
As As
reemplazo: regla del • ••••• f
••
.° .• .• 10, • • e
producto para eventos • • •
•• • •
• ••• inj
e
dependientes •• •• •
• •
• •
• .1..41.0

• • O
• .• • •

donde A representa obtener un as en la primera extracción y

B representa obtener un as en la segunda extracción
Eventos favorables a A
*
A A
* ■1 A
4.

• * •

Eventos favorables a B
1 '■ ■
A

4 •
V
•
*
V
A
0 •
V
 PROBLEMA QE PR ÁCTICA 8.B

S uponga que extrae al azar dos frutas, unaa la vez, de la misma bolsa descrita
en el problema de práctica 8.6. Como antes, dicha bolsa contiene 4 manzanas, 6
naranjas y 5 duraznos. Sin embargo, esta vez obtendrá la muestra sin reemplazo.
¿Cuál es la probabilidad de obtener una naranja y una manzana, en ese mismo
orden?
La solución aparece en la figura 8.13. Como el problema pide una naranja y
una manzana y como el muestreo es sin reemplazo, aplicamos la regla del pro-
ducto para eventos dependientes. Así, p(una naranja en la primera extracción
y una manzana en la segunda extracción) = p(una naranja en la primera
extracción)p(una manzana en la segunda extracción, dado que se obtuvo una
naranja en la primera extracción). En la primera selección, hay 6 naranjas y 15
frutas. Por lo tanto, p(una naranja en la primera extracción) =1. Como el muestreo
es sin reemplazo, p(una manzana en la segunda extracción dada una naranja en
la primera extracción) =1. Por lo tanto, p(una naranja en la primera extracción y
una manzana en la segunda extracción) = = -221 = 0.1143.

FIGURA 8.13 Determinación de la probabilidad de obtener de manera

aleatoria una naranja y una manzana en dos extracciones de
una bolsa que contiene 4 manzanas, 6 naranjas y 5 duraznos;
el muestreo es de una fruta a la vez sin reemplazo: regla del
producto para eventos dependientes

p(A y B) = p(A)p(BIA)

p(una naranja en la primera extracción p(una manzana en la segunda extracción dado

_y una manzana en la segunda extracción)ue q se obtuvo una naranja en la primera
- extracción

(6j4\
= 115)114/
Naranja Manzana
=
24 = 01143
210

e ----e — 1
donde A indica obtener una naranja I, I
en la primera extracción y 1
B obtener una manzana I,
en la segunda extracción
)'
. .,- ,

Eventos favorables a A Eventos favorables a B •

Naranjas Manzanas
176 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

P o 17. CA 8.9

E n cierto grupo hay 15 estudiantes de música, 24 de historia y 46 de psicolo gía

Si usted extrae al azar 2 alumnos del grupo, ¿cuál es la probabilidad de c iti
ambos sean estudiantes de historia? El muestreo es de una persona a la vez, sin
reemplazo.
La solución aparece en la figura 8.14. Como el problema pide un estudian-
te de historia en la primera y otro en la segunda, y el muestreo es sin reemplazo,
aplicamos la regla del producto para eventos dependientes. Así, p(un estudiante
de historia en la primera y un estudiante de historia en la segunda extracción)
p(un estudiante de historia en la primera extracción)p(un estudiante de historia
en la segunda extracción, dado que se obtuvo un estudiante de historia en la pri-
mera extracción). Para la primera selección, la población tenía 24 estudiantes de
historia y 85 personas. Por lo tanto, p(un estudiante de historia en la primera ex-
tracción) =1. Como el muestreo es sin reemplazo, p(un estudiante de historia en
la segunda extracción dado un estudiante de historia en la primera extracción)
' Por lo tanto, p(un estudiante de historia en la primera extracción y un estu-
Ti•
diante de historia en la segunda extracción) =1(1-) = 0.0773.

FIGURA 8.14 Determinación de la probabilidad de elegir de manera

aleatoria a 2 estudiantes de historia en dos extracciones de
una población de 15 alumnos de música, 24 de historia y 46
de psicología; el muestreo es de una persona a la vez, sin
reemplazo: regla del producto para eventos dependientes

p(A y B) = p(A)p(BIA) Determil

probabiii
p(un estudiante de historia - rpallCra
p(un estudiante de historia en la primera extracción)
en la primera extracción y un = p(un estudiante de historia en la segunda extracción, estudiar
estudiante de historia en la dado que se obtuvo un estudiante de historia en la cuatro el
segunda extracción) primera extracción) publac
de músill
24 23
= (B) (P)
552
Estudiantes de historia ir y 46 •
el mue.
I una pe r
— 71 40 — 0.0773 sin reor•
produi•1
7 * *-----\\ 1.eper,,1 ,
Población 4X-
lir---

11
24 estudiantes
15 estudiantes e fl de
de historia
donde A representa obtener un estudiante música
de historia en la primera extracción y
B representa obtener un estudiante de historia 46 estud diantes
en la segunda extracción psicología 1
 Probabilidad 177

Como en el caso de la regla del producto para eventos independientes, la del producto
para eventos dependientes también se aplica a situaciones con más de dos eventos. En
tales casos, la ecuación es

p(A yByCy ... y Z) regla del producto

= p(A)p(BIA)p(CIAB)...p(ZIABC...) para más de dos eventos
dependientes

donde p(A)= la probabilidad de A

p(BIA)= la probabilidad de B dado que A ha ocurrido
P(CIAB) = la probabilidad de C dado que A y B han ocurrido
p(ZIABC...)= la probabilidad de Z dado que A, B, C y todos
los demás eventos han ocurrido

Para mostrar el uso de esta ecuación, veamos un problema con más de dos eventos
dependientes. Suponga que va a extraer una muestra de 4 alumnos del grupo presentado
en el problema de práctica 8.9. En esa clase había 15 estudiantes de música, 24 de histo-
ria y 46 de psicología. Si el muestreo es de una persona a la vez, sin reemplazo, ¿cuál es
la probabilidad de obtener 4 estudiantes de historia?
La solución aparece en la figura 8.15. Como el problema pide un estudiante de histo-
ria en la primera, segunda, tercera y cuarta extracciones, y como el muestreo es sin reem-
plazo, aplicamos la regla del producto con más de dos eventos dependientes. Esta regla
se parece mucho a la del producto para dos eventos dependientes, sólo que tiene más
factores. Así, para este problema, p(un estudiante de historia en la primera extracción y
un estudiante de historia en la segunda extracción, un estudiante de historia en la terce-

FIGURA 8.15 P(A y B y C y D)= p(A)p(BIA)p(CIAB)p(DIABC)

Determinación de la (24 \ (23) (22' (21'

probabilidad de elegir de = 185)184)183) 82) • ._.--
• ..,.--
manera aleatoria a cuatro _— 255,024 .--- 0.0052
estudiantes de historia en 48,594,840 111 111
cuatro extracciones de una
población de 15 alumnos
de música, 24 de historia 1 .„..--- • ,.-- I
y 46 de psicología; donde A representa obtener un estudiante
el muestreo es de de historia en la primera extracción 11
111
una persona a la vez, B representa obtener un estudiante Estudiantes de historia
sin reemplazo: regla del de historia en la segunda extracción
producto para eventos C representa obtener un estudiante • .._.-
-"' --
dependientes de historia en la tercera extracción lrif \
D representa obtener un estudiante 11
de historia en la cuarta extracción / 24 estudiante
de
15 estudiay 1/ ill
1-11--- historia
Población de
música

46 estudiantes
de
psicología
 78 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

ra extracción, un estudiante de historia en la cuarta extracción) = p(un estudiant

historia en la primera extracción)p(un estudiante de historia en la segunda extrac ecid" d,
dado un estudiante de historia en la primera extracción)p(un estudiante de historia e n 111
tercera extracción dado un estudiante de historia en la primera y segunda extracciones)p(w, "
estudiante de historia en la cuarta extracción dado un estudiante de historia en la prim er;
segunda y tercera extracciones). Para la primera selección, hay 24 estudiantes de histori
y 85 individuos en la población. Así, p(un estudiante de historia en la primera extracción),
24 C
omo el muestreo es sin reemplazo, p(un estudiante de historia en la segunda extrae.-
ción dado un estudiante de historia en la primera extracción) = p(un estudiante de
historia en la tercera extracción dado un estudiante de historia en la primera y segu nda
extracciones) = 2825 y p(un estudiante de historia en la cuarta extracción dado un estudiante
de historia en la primera, segunda y tercera extracciones) = lo tanto, p(un estudian-
te de historia en la primera extracción y un estudiante de historia en la segunda extraes
ción y un estudiante de historia en la tercera extracción y un estudiante de historia en
la cuarta extracción) = 1(1)(1)(1) = 255,024/48,594,840 = 0.0052.

Reglas de la suma y del producto

En algunas situaciones debemos utilizar las reglas de la suma y del producto. Por ejem-
plo, suponga que voy a lanzar a la vez dos dados honestos. ¿Cuál es la probabilidad de
que la suma de los números exhibidos por los dados sea igual a 11? La solución se mues-
tra en la figura 8.16. Existen dos resultados posibles cuya suma es 11 (5 en el primer
dado y 6 en el segundo, que llamaremos resultado A, y 6 en el primer dado y 5 en el
segundo, que llamaremos resultado B). Como los dados son independientes, podemos
utilizar la regla del producto para eventos independientes para determinar la probabili-
dad de cada resultado. Al utilizar esta regla, p(A) = -k(zg = g¿- y p(B) = Kb = 1. Como cada
uno de los resultados produce una suma de 11 puntos, p(stima igual a 11) = p(A o B). Al
ser estos resultados mutuamente excluyentes, podemos emplear la regla de la suma pa-
ra eventos mutuamente excluyentes para determinar p(A o B). Así, p(suma de 11) =
p(A o B) = p(A) + p(B) = + 516- = A = 0.0556.

FIGURA 8.16 p(A) = p(5 ene! primer dado y 6 en el segundo dado)

= p(5 en el primer dado)p(6 en el segundo dado)
)eterminación de la
)robabilidad de obtener = (1) (k)= "Á.
tna suma de 11 puntos al
anzar dos dados honestos: p(B)= p(6 en el primer dado y 5 en el segundo dado)
eglas de la suma y el = p(6 en el primer dado)p(5 en el segundo dado)
Iroducto
= (1) (16)-16
=
Resultados posibles que
p(suma de 11) = p(A o B) = p(A) + p(B) producen una suma de 11
Dado! Dado 2
• 0 e e
A • • *
* ej • *

• • • •
B • • •
II , • •
 Probabilidad 179

Resolvamos otro problema que implica las reglas de la suma y del producto.

PROBLEMA DI: PBÁCTICA 8.1O

I magine que ha llegado a Las Vegas y decide probar su "suerte" con una máqui-
na tragamonedas. En caso de que usted no conozca este tipo de máquinas, éstas
constan de tres rodillos que giran en forma independiente. Cada rodillo tiene la
imagen de diversos objetos. Suponga que la máquina con la que está jugando
tiene siete frutas distintas en el primer rodillo. Hay un limón, una ciruela, una
manzana, una naranja, una pera, algunas cerezas y un plátano. Los rodillos 2 y
3 tienen las mismas frutas que el primero. Cuando se jala la palanca hacia abajo,
los tres rodillos giran en forma independiente y después se detienen. En la má-
quina existe una ventana al frente de cada rodillo. Las imágenes de las frutas
pasan por la ventana durante la rotación. Cuando la rueda se detiene, una de las
frutas de cada tambor se podrá ver por la ventana. Supondremos que cada fru-
ta del rodillo tiene la misma probabilidad de aparecer por la ventana al final de
la rotación. Usted inserta una moneda y jala la palanca. ¿Cuál es la probabilidad
de que aparezcan dos limones y una pera? El orden no es importante: lo único
que debe importarle es obtener dos limones y una pera, en cualquier orden.
La solución se presenta en la figura 8.17. Hay tres órdenes posibles de que
aparezcan dos limones y una pera: (limón limón pera); (limón pera limón) y (pera
limón limón). Como los rodillos giran en forma independiente, podemos utilizar
la regla del producto para eventos independientes y determinar la probabili-
dad de cada orden. Como cada fruta es igualmente probable, p(limón y limón
y pera) = p(limón)p(limón)p(pera) = .4.((,,-) = . Esta misma probabilidad se
aplica a los otros dos órdenes. Como los tres órdenes producen dos limones y
una pera, p(dos limones y una pera) = p(orden 1, 2 o 3). Al usar la regla de la
suma para eventos independientes, p(orden 1, 2 o 3) = - 31 = 0.0087. Así, la proba-
bilidad de obtener dos limones y una pera, sin importar el orden, es igual a 0.0087.
180
CAPITULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

F I GUR A 8.17 Determinación de la probabilidad de obtener dos limones y

una pera, sin importar el orden, en una máquina
tragamonedas con tres rodillos y siete frutas en cada uno de
ellos: reglas de la suma y el producto

®oo
Rueda -

Orden I

Orden 2 0 c),
Orden 3 o oo
p(orden 1) = p(limón en el primer rodillo y limón en el segundo rodillo y pera en el tercero)
= p(limón en el primer rodillo)p(limón en el segundo rodillo)p(pera en
el tercer rodillo)
1
=1) (7) (7)=-31-3
p(orden 2) = p(limón en el primer rodillo y pera en el segundo rodillo y limón en
el tercer rodillo)
= p(limón en el primer rodillo)p(pera en el segundo rodillo)p(limón en el tercer
rodillo)
0\ m (1 \ 1
= YTI 15.1 = 57-
13
p(orden 3) = p(pera en el primer rodillo y limón en el segundo rodillo y limón en el tercer
rodillo)
= p(pera en el primer rodillo)p(limón en el segundo rodillo)p(limón en el tercer
rodillo)

=1) (-U ( !7)=-1

p(2 limones
y una pera) = p(orden 1 0203)
= p(orden 1) + p(orden 2) + p(orden 3)

+1 1 3
- 343 343 + -s2F3 = =0.0087
 Probabilidad 181

Probabilidad y variables continuas

con distribución normal
Hasta este punto, en nuestro análisis de la probabilidad, hemos considerado variables dis-
cretas, por ejemplo, el muestreo de una baraja de cartas o el lanzamiento de un par de
dados. Sin embargo, muchas de las variables dependientes que deben evaluarse en los
experimentos son continuas, no discretas. Cuando una variable es continua,

Área debajo de la curva, correspondiente a A probabilidad de A con

p(A) = una variable continua
Área total bajo la curva

Como es frecuente que estas variables se distribuyan de manera normal, concentraremos

nuestro análisis en las variables continuas con distribución normal.
Para ilustrar el uso de la probabilidad con variables continuas que se distribuyen de
manera normal, suponga que hemos medido los pesos de todas las mujeres inscritas en el
cuarto semestre de la universidad en la que estudia. Imagine que éste es un conjunto de
datos pertenecientes a una población de distribución normal, con una media de 120 libras
y una desviación estándar de 8. Si elegimos al azar un dato de esta población, ¿cuál es la
probabilidad de que el dato seleccionado sea mayor o igual a 134?
La población aparece en la figura 8.18. La media de 120 y el dato 134 se localizan
sobre el eje X. El área sombreada representa a todos los datos mayores o iguales a 134.
Como el muestreo es aleatorio, cada dato tiene la misma posibilidad de ser elegido. Así,
la probabilidad de obtener un dato mayor o igual a 134 se determina calculando la pro-
porción de los datos contenidos en el área sombreada. Como los datos se distribuyen de
forma normal, podemos determinar esta proporción convirtiendo el dato crudo en su
valor z transformado, para luego buscar el área en la tabla A del apéndice D. Así,

X— p. 134 — 120 14 _ 1 75
z= 8 — 8

De la columna C en la tabla A,

p(X 134) = 0.0401

FIGURA 8.18 x —Az 134 — 120 1.75

z=
Probabilidad de obtener
X ?_ 134 si se elige
al azar un dato de una
población normal con
/1= 120 y a = 8

X: 120 134
Z: 1.75
182 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

Estamos seguros de que el lector reconocerá que este tipo de problema es similar a lo s
sentados en el capítulo 5, cuando estudiamos los puntajes estándar. La diferencia prii]ji
pal es que ahora el ejercicio se formula en términos de probabilidad y no en término,
la proporción o porcentaje de datos como en el capítulo 5. Como el lector ya está farnihrir:
zado con esta clase de pruebas, no creemos que sea necesario resolver muchos probi L
mas de práctica. Sin embargo, solucionaremos unos cuantos sólo para asegurarnos.

PROBLEMA DE PRÁCTICA 8.11

C onsidere a la misma población de mujeres universitarias que estudian en cuarto

semestre. Si se elige un dato aleatoriamente de la población, ¿cuál es la probabili-
dad de que éste sea menor o igual a 110?
La solución aparece en la figura 8.19. El área sombreada representa a todos
los datos que son menores o iguales a 110. Como el muestreo es aleatorio, cada
dato tiene la misma posibilidad de ser elegido. Para determinar p(X 110), pri-
mero debemos transformar el dato crudo 100 en su puntaje z. Luego podemos
calcular la proporción de datos contenidos en el área sombreada, mediante la
tabla A. Así,

X-p 110-120
= =-1.25
a 8

p(X5110) = 0.1056
0.1056

X: 110 120
-1.25

FIGURA 8.19 Probabilidad de obtener X 5. 110 si se elige al azar un dato

de una población normal con 1.1 = 120 y a = 8
 Probabilidad 183

PROBLEMA DE PRÁCTICA 8.12

Tornando de nuevo a la población del ejercicio anterior, ¿cuál es la probabili-

dad de elegir al azar un dato que esté tan o más alejado de la media que un dato
de 138?
La solución aparece en la figura 8.20. El dato 138 está 18 unidades por arriba
de la media. Como el problema pregunta por datos tanto o más lejos de la media,
también debemos considerar datos que estén a 18 unidades o más por debajo de
la media. Corno el muestreo es aleatorio, cada dato tiene la misma posibilidad
de ser elegido. Para determinarp(X 5_ 102 o X 138), primero debemos transformar
los datos crudos 102 y 138 en sus puntajes z. Entonces podemos determinar la
proporción de datos contenidos en las áreas sombreadas mediante la tabla A. p(X
5_ 102 o X 138) es igual a esta proporción. Así,
X — p. 102 — 120 18 X — kt 138 — 120 18
Z — — —— Z— — -

c5 8 8 a 8 8

= —2.25 = 2.25

De la tabla A, columna C,

p(X 5. 102 o X ?_ 138) = 0.0122 + 0.0122 = 0.0244

FIGURA 8.20 Probabilidad de obtener un dato tan o más alejado de la

media que un dato de 138 de una población con y = 120
y a= 8

X: 102 120 138

z: -2.25 0 2.25
184
CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

"NO SOY CULPABLE, SOY UNA VÍCTIMA DE

LAS COINCIDENCIAS" ¿SÚPLICA O VERDAD?

A pesar de una tradición que

privilegia la toma de decisiones
cualitativas sobre las
cuantitativas, el campo legal utiliza
cada vez más a la estadística como
un apoyo para dictar sentencia. El
siguiente caso es un ejemplo.
En un juicio que se llevó a cabo en
Suecia, el demandado había recibido
una multa por dejar estacionado su auto
por más tiempo del permitido. Un
oficial de policía había marcado la
posición de las válvulas de los
neumáticos, tanto del delantero como
del trasero, del auto del acusado, de
acuerdo con una representación
de las manecillas de un reloj, en donde
la válvula delantera apuntaba a la una RESPUESTA Como estadístico, su trabajo
es cerca de 7 en mil. ¿Qué cree que
y la trasera a las seis, con un redondeo consiste en determinar lo razonable de la hizo el juez al recibir esta información?
a horas (véase el diagrama). Después afirmación de coincidencia. Si supone- Aunque usted no lo crea, el juez
de consumirse el tiempo permitido, el mos que la historia del demandado es exoneró al acusado, diciendo que si
auto continuaba en el mismo lugar, con cierta, es decir, que dejó y regresó al las cuatro ruedas hubiesen sido
las dos válvulas apuntando de igual mismo lugar de estacionamiento, ¿cuál verificadas, encontrando que todas
manera, es decir, a la una y a las seis, es la probabilidad de que las dos apuntaban en la misma dirección
respectivamente. El acusado recibió válvulas regresaran a las mismas que antes (p = +2.
una multa. Sin embargo, en la corte, él posiciones que ocupaban antes, de 0.00005), entonces hubiese rechazado
alegó ser inocente, afirmando que había acuerdo con la representación de las la afirmación de coincidencia por ser
dejado el lugar de estacionamiento a manecillas del reloj, es decir, a la una y altamente improbable y entonces
tiempo, pero que había regresado más a las seis, respectivamente? hubiese multado al acusado. Así,
tarde, ocurriendo que las válvulas Como existen 12 posiciones posibles el juez consideró la explicación de
quedaran en la misma posición que para cada válvula, suponiendo que las coincidencia bastante probable como
antes. El juez, que no había asistido a ruedas sean independientes, y al utilizar para rechazarla, aunque los resultados
algún curso básico de estadística, llamó la regla del producto, se habrían obtenido I de 144 veces si
a un experto en la materia para evaluar
hubiera existido coincidencia. En
la afirmación de coincidencia del
p(una y seis) = ( r15 )( i5 ) = OS realidad, como las ruedas no giran en
demandado. ¿Es razonable su
forma independiente, las fórmulas
afirmación? Suponga que usted es el = 0.0069
utilizadas subestiman un poco la
experto. ¿Qué le diría al juez? Al
probabilidad de regresar a la posición
formular su respuesta, suponga que las Así, si hubo una coincidencia (es original (¿cómo lo habría hecho usted?
ruedas son independientes, como lo decir, simplemente fue el azar), la ¿Podríamos llamarlo en el futuro como
habría hecho el estadístico que asesoró probabilidad de que las válvulas experto en estadística para apoyar a
al juez.
regresaran a sus posiciones originales la justicia?)

E 1 encabezado de un artículo
aparecido en 1995 en un
importante periódico, decía: "20
años de estudio muestran un declive
en el número de espermatozoides
entre los hombres fértiles". Aquí
reproducimos algunas partes de ese
artículo.
Un nuevo estudio ha determinado
un notable declive en la cantidad de
espermatozoides entre los hombres
fértiles durante los últimos 20 años...
El artículo, publicado hoy en The
New England Journal of Medicine, se
basó en los datos reunidos durante un
periodo de 20 años en un banco de
esperma de París. Algunos expertos, en
Estados Unidos, mostraron cierta
objeción a los descubrimientos...
El nuevo estudio, realizado por el
doctor Pierre Jouannet del Centro para
el Estudio y la Conservación de Óvulos
DECLIVE DEL NÚMERO DE ESPERMATOZOIDES:
¿FALLA DEL HOMBRE O DE LA INVESTIGACIÓN?
y Esperma de esa capital, examinó
el semen recolectado por un banco
de esperma en París a partir de 1973.
Se informa que la cantidad de
espermatozoides se redujo un promedio
de 2.1 por ciento por año, pasando de
89 millones de espermatozoides por
milímetro en 1973 a un promedio de 60
millones por milímetro en 1992. Al
mismo tiempo, se determinó que los
porcentajes de espermatozoides con
movimiento normal y sin deformaciones
se redujo entre un 0.5 y 0.6 del uno por
ciento anual.
El artículo está acompañado de un
editorial por invitación, escrito por un
experto en esterilidad masculina, doctor
Richard Sherins, director de la División
de Andrología en el Genetics and IVF
Institute en Fanfax, Vancouver,
quien afirmó que ese estudio y otros
anteriores adolecían de fallas
¿Cuál es la verdad? 185
metodológicas, de modo que los datos
no se podían interpretar como
concluyentes.
Sherins afirmó que los estudios no
analizaron el esperma de hombres
elegidos al azat; que la cantidad de
espermatozoides y su calidad varía
mucho de una semana a otra, de modo
que es difícil basarse en muestras
únicas para medir la calidad
de los espermatozoides, como
lo hacían los estudios.
¿Qué piensa? ¿Por qué podría ser
tan importante utilizar muestras
de hombres elegidos al azar y no de
los hombres que depositan su
esperma en un banco de esperma?
¿Por qué podría la gran variabilidad
en la cantidad y calidad de los
espermatozoides de una semana
a otra complicar la interpretación
de los datos?
 186
CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD

RESUMEN
En este capítulo hemos analizado los temas de muestreo
Si los eventos son mutuamente excluyentes:
aleatorio y de probabilidad. Una muestra aleatoria se
define como aquella que se ha elegido de una población
p(A o B) = p(A) + p(B)
mediante un proceso que garantice lo siguiente: (1) cada
muestra posible de un tamaño dado tiene la misma pro-
Si los eventos son mutuamente excluyentes y exhall,,
babilidad de ser escogidas y (2) todos los miembros de tivos:
la población tienen la misma posibilidad de ser elegidos
en la muestra. Después de definir y analizar la importan- p(A) + p(B) = 1.00
cia del muestreo aleatorio, describimos varios métodos
para obtener una muestra aleatoria. Luego, analizamos La regla del producto establece lo siguiente:
el muestreo con y sin reemplazo.
Al presentar el tema de la probabilidad, señalamos p(A y B) = p(A)p(BIA)
que ésta se puede enfocar desde dos puntos de vista: a
priori y a posteriori. De acuerdo con el punto de vista
a priori, p(A) se define como: Si los eventos son mutuamente excluyentes:

p(A y B)=0

p(A) = Número de eventos clasificables como A Si los eventos son independientes:

Cantidad total de eventos posibles
Desde un punto de vista a posteriori, p(A) se define como
p(A)= Número de veces que ha ocurrido A
Número total de ocurrencias
Como la probabilidad es fundamentalmente una propor-
ción, ésta varía de 0.00 a 1.00. Luego presentamos dos
reglas de probabilidad necesarias para comprender la
estadística inferencial: la regla de la suma y la del pro-
ducto. Suponiendo que existen dos eventos (A y B), la
regla de la suma proporciona la probabilidad de A o B,
mientras que la del producto determina la probabilidad
de A y B. La regla de la suma establece lo siguiente:
p(A y B) = p(A)p(B)
Si los eventos son dependientes, debemos utilizar la ecua-
ción general
8.
p(A y B)= p(A)p(BIA)
Además, analizamos (1) la generalización de estas
ecuaciones a situaciones en las que hay más de dos even-
tos y (2) en las que se requerían ambas reglas, la de la
suma y la del producto, para su solución. Por último, es-
tudiamos la probabilidad de A con variables continuas y
describimos la forma de determinar p(A) cuando la va-
9.
riable es continua y presenta una distribución normal.
La ecuación para establecer la probabilidad de A cuando
la variable es continua es:

p(A o B)= p(A) + p(B)— p(A y B) p(A) = Área debajo de la curva, correspondiente a A
Área total bajo la curva

TÉRMINOS IMPORTANTES
A posteriori (página 160)
A priori (página 159)
Exhaustivo (página 165)
Independiente (página 167)
1 0.
Muestra aleatoria (página 156)
Probabilidad (página 159)
Muestreo con reemplazo (página 158) Regla de la suma (página 161)
Muestreo sin reemplazo (página 159)
Regla del producto (página 166)
Mutuamente excluyentes (página 162)

pg EGuNTAS Y PROBLEMAS
1, Defina o identifique cada concepto de la sección
"Términos importantes".
2, ¿Cuáles son los dos propósitos del muestreo aleatorio?
3, Suponga que quiere formar una muestra aleatoria
de 20 sujetos a partir de una población de 400 indi-
viduos. El muestreo será sin reemplazo y usted pla-
nea utilizar la tabla J del apéndice D para realizar la
aleatoriedad. Explique cómo utilizaría la tabla pa-
ra elegir a la muestra.
• ¿Cuál es la diferencia entre la probabilidad a priori
y a posteriori?
5. La regla de la suma proporciona la probabilidad de
ocurrencia de cualquiera de varios eventos, mien-
tras que la regla del producto determina la probabi-
lidad de la ocurrencia conjunta o sucesiva de varios
eventos. ¿Es correcta esta afirmación? Explique me-
diante ejemplos que ilustren su respuesta.
6. Al resolver problemas que impliquen la regla del
producto, es útil distinguir entre tres condiciones.
¿Cuáles son éstas? ¿Por qué es importante diferen-
ciarlas?
7. ¿Cuál es la definición de la probabilidad cuando la
variable es continua?
8. ¿Cuáles, de los siguientes ejemplos, son eventos in-
dependientes?
a. Obtener un 3 y un 4 al lanzar un par de dados
honestos.
b. Obtener un as y un rey, en ese orden, al extraer
dos cartas, sin reemplazo, de una baraja.
c. Obtener un as y un rey, en ese orden, al extraer
dos cartas, con reemplazo, de una baraja.
d. Un cielo nublado seguido por lluvia.
e. Una luna llena y comer una hamburguesa.
9. ¿Cuáles de los siguientes ejemplos, son eventos mu-
tuamente excluyentes?
a. Obtener un 4 y un 7 al extraer una carta de una
baraja ordinaria.
b. Obtener un 3 y un 4 al lanzar dos dados honestos
c. Ser hombre y estar embarazado.
d. Obtener un 1 y un número par en el lanzamiento
de un dado honesto
e. Casarse y seguir soltero.
1 0. ¿Cuáles, de los siguientes ejemplos, son eventos ex-
haustivos?
a. Lanzar una moneda y obtener una cara o una cruz
(la moneda no puede quedar de canto).
b. Lanzar un dado y obtener un dos.
c. Presentar un examen, y aprobarlo o reprobarlo.
d. Tener una cita y pasarla bien.
Preguntas y problemas 187
11. Si usted extrae una sola carta de una baraja ordina-
ria, ¿cuál es la probabilidad de que sea:
a. El as de diamantes?
b. Un 10?
c. Una reina o un corazón?
d. Un 3 o una carta negra?
12. Si usted lanza dos dados honestos una vez, ¿cuál es
la probabilidad de obtener:
a. Un 2 en el primer dado y un 5 en el segundo?
b. Un 2 y un 5, sin importar cuál de los dados tiene
el 2 o el 5?
c. Al menos un 2 o un 5?
d. Una suma igual a 7?
13. Si usted realiza un muestreo aleatorio, tomando un
elemento a la vez, con reemplazo, de una bolsa que
contiene ocho canicas azules, siete canicas rojas
y cinco canicas verdes, ¿cuál es la probabilidad de
obtener:
a. Una canica azul en una extracción de la bolsa?
b. Tres canicas azules en tres extracciones de la bol-
sa?
c. Una canica roja, una verde y una azul, en ese or-
den, en tres extracciones de la bolsa?
d. Al menos dos canicas rojas en tres extracciones
de la bolsa?
14. Responda a las mismas preguntas del problema 13,
excepto que ahora el muestreo es de una canica a la
vez sin reemplazo.
15. Usted juega con la máquina tragamonedas descri-
ta en el problema de práctica 8.10 de la pági-
na 177. Esta tiene tres rodillos, y en cada uno de
ellos hay una imagen de un limón, una ciruela, una
manzana, una naranja, una pera, cerezas y un pláta-
no (siete imágenes distintas). Usted inserta una mo-
neda y jala la palanca. ¿Cuál es la probabilidad de
que aparezcan:
a. Tres naranjas?
b. Dos naranjas y un plátano, sin importar el orden.
c. Al menos dos naranjas?
16. Usted quiere llamar a una amiga por teléfono. Sólo
recuerda los tres primeros dígitos de su número te-
lefónico y ha olvidado los últimos cuatro. ¿Cuál es
la probabilidad de que marque al azar el número
correcto?
17. Usted planea "hacer su agosto" en el hipódromo.
En cierta carrera participan siete caballos. Si los ca-
ballos están clasificados de la misma manera, ¿cuál
es la probabilidad de que elija en forma correcta al
ganador y al segundo lugar?
 CAPÍTULO 8 MUESTREO ALEATORIO Y PROBABILIDAD
Una máquina con gomas de mascar tiene 38 chicles
de color naranja, 30 morados y 18 amarillos. La
máquina opera de modo que al introducir una mo-
neda, se obtiene una goma de mascar.
a. Al usar tres monedas, ¿cuál es la probabilidad de
obtener 3 gomas de mascar en el orden: naranja,
morado, naranja?
b. Al utilizar una moneda, ¿cuál es la probabili-
dad de conseguir una goma de mascar morada o
amarilla?
c. Al emplear tres monedas, ¿cuál es la probabili-
dad de que de las 3 gomas conseguidas, una sea
morada y otra amarilla?
Si se extraen al azar dos cartas de una baraja ordina-
ria, una a la vez con reemplazo, ¿cuál es la probabi-
lidad de obtener al menos un as?
Una lotería estatal paga $1,000,000 al poseedor de
un boleto con el número correcto de 8 dígitos. Cada
boleto cuesta un dólar. Si usted compra un boleto,
¿cuál es la probabilidad de que gane? Suponga que
sólo existe un boleto por cada número posible de 8
dígitos y que el número ganador es elegido median-
te un proceso aleatorio.
Dada una población de 30 bats, 15 guantes de béis-
bol y 60 pelotas, si el muestreo es aleatorio, uno a
la vez, sin reemplazo, ¿cuál es la probabilidad de
obtener:
a. Un guante si se extrae un objeto de la población?
b. Un bat y un guante si se extraen dos objetos de la
población?
c. Un bat, un guante y un bat, en ese orden, si se
extraen tres objetos de la población?
Una distribución de datos es normal con media y =
85 y desviación estándar a= 4.6. Si se extrae al azar
un dato de la población, ¿cuál es la probabilidad de
que:
a. Sea mayor que 96?
b. Esté entre 90 y 97?
c. Sea menor que 88?
Suponga que los datos de IQ de los estudiantes de la
universidad en la que estudia, se distribuyen de ma-
nera normal, con iti = 115 y a= 8. Si usted extrae al
azar un dato de esta distribución, ¿cuál es la proba-
bilidad de que:
a. Sea mayor de 130?
b. Esté entre 110 y 125? oTA S
c. Sea menor de 100?
24. Un etólogo está interesado en saber cuánto del-1111,, s 1 Observem
.
muestra NI
tarda cierta especie de musaraña en atrapar a su p r,
babilidad
sa. En 20 ocasiones por día, él deja a una libéh,
za que toc'
la suelta en la jaula de la musaraña y mide el tie n ,
po transcurrido hasta que este pequeño insectívo,
captura a la libélula. Después de meses de in ve
tigación, el etólogo concluye que el tiempo pro m ,
dio que tarda en atrapar a su presa este roedor e s (I
30 segundos, con una desviación estándar de 5.5
gundos, y los datos presentan una distribución nor,
mal. Con base en el registro anterior, ¿cuál es l a
probabilidad de que la musaraña:
a. Atrape a una libélula en menos de 18 segundoo
b. Capture a una libélula entre 22 y 45 segundos'?
c. No tarde más de 40 segundos en atrapar a u na
libélula?
25. Un instructor de la Escuela de Demolición Submari-
na, de la Marina de Estados Unidos, cree haber de-
sarrollado una nueva técnica para permanecer debajo
del agua durante más tiempo. El comandante de la
escuela le otorga el permiso de probar su técni-
ca con un estudiante elegido al azar de entre su gru-
po actual. Como parte de su examen de calificación,
todos los alumnos verifican cuánto tiempo pueden
estar debajo del agua sin un tanque de oxígeno. Los
registros existentes muestran que los datos se distri-
buyen de formal normal, con una media a = 130
segundos y una desviación estándar cr = 14 segun-
dos. Si la nueva técnica no tiene efectos adiciona-
les, ¿cuál es la probabilidad de que el estudiante
elegido al azar permanezca debajo del agua:
a. Más de 150 segundos?
b. Entre 115 y 135 segundos?
c. Menos de 90 segundos?
26. Si usted elige de manera aleatoria dos datos, uno a la
vez, con reemplazo, de una población comprendida
por los datos 2, 3, 4, 5 y 6, ¿cuál es la probabilidad
de que:
a. La media de la muestra X sea igual a 6.0?
X 5.5?
X 2.0?
Sugerencia: Todas las muestras posibles de tamaño
2 aparecen en la página 156.

NOTAS
8 Observemos que si el proceso garantiza que cada
muestra posible de un tamaño dado tenga la misma pro-
babilidad de ser elegida, entonces también garanti-
za q ue todos los miembros de la población tengan la
Notas 189
misma posibilidad de ser elegidos en la muestra.
Incluimos este último enunciado en la definición
debido a que creíamos que era lo suficientemente im-
portante como para merecer un énfasis especial.