3a U. Probabilidad

Lic.
Vicente Snchez y Ramrez

Probabilidad
___________________________________________________________________________________________
1. PROBABILIDAD
Histricamente la creacin de la probabilidad se atribuye a los matemticos

franceses del siglo XVII Blaise Pascal y Pierre de Fermat, quienes formularon la
teora de probabilidad a partir de una serie de investigaciones sobre las propiedades
de los nmeros. La cual ha llegado a ser de gran importancia en la estadstica
inferencial.
Sin embargo en el siglo XVI Gerolano Cardano ya haba hecho importantes

contribuciones para su desarrollo, as como Jaques Bernoulli en ell siglo XVIII.
La probabilidad es utilizada como una herramienta para evaluar la confiabilidad de

las inferencias que se realizan con respecto a una poblacin, cuando el anlisis se
lleva a cabo a partir de una muestra aleatoria.
Qu es probabilidad?
De manera general podemos decir que es la posibilidad de que suceda un evento.

Otras definiciones pueden ser:
Es la rama de las matemticas que se ocupa de medir y determinar

cuantitativamente la posibilidad de que ocurra un determinado suceso.
Supuesto que describe la posibilidad relativa de que ocurra un evento, pudiendo

tomar los valores entre cero y uno.
La palabra probabilidad proviene del latn probabilis que significa probable o como
verdad.
La probabilidad la podemos dividir en tres tipos:
N o de resultados favorables
Clsica
N o total de resultados posibles
N o de veces que ocurri el evento en el pasado

Emprica
N o total de observaciones
Subjetiva Se obtiene evaluando las opiniones disponibles y otra inf ormacin subjetiva
Como ejemplos de estas probabilidades tenemos:
Clsica. Si se lanza al aire un dado bien balanceado una sola vez, cul es la
probabilidad de que la cara superior de este caiga par?
1
Lic. Vicente Snchez y Ramrez
Probabilidad
___________________________________________________________________________________________
El total de resultados posibles que pueden aparecer al lanzar el dado una sola vez
son S = (1, 2, 3, 4, 5, 6); Los resultados favorables de que la cara superior sea par
son A = (2, 4, 6). Por lo tanto la probabilidad de obtener nmero par es 3 / 6 = 0.5
Emprica. Si la semana pasada una lnea de produccin produjo 3000 artculos y

entre los cuales se encontraron seis defectuosos, cul es la probabilidad de que
en esta lnea se encuentre un producto defectuoso?
El total de las observaciones en este caso es de 3000, como lo que interesa es un

producto defectuoso y en el pasado se encontraron seis de ellos, por lo tanto la
probabilidad requerida es de 6 / 3000 = 0.002
Sujetiva. Suponga que se desea conocer la probabilidad de que en la materia de

estadstica que usted esta cursando, obtenga la calificacin de 90 %.
En este caso solo usted podr estimar la posibilidad de una calificacin de 90 %,

ya que ello depende de: tiempo que le dedique a estudiar, nmero de libros en
que se apoye, asesoras a las que asista, ejercicios que realice, etc.
Definicin. La probabilidad de un evento A es la suma de todos los resultados

favorables entre el total de resultados posibles. Por lo tanto:
0 P A 1 P 0 P S 1
Teorema. Si un experimento puede tener cualquiera de N resultados diferentes

igualmente probables, y si exactamente n de stos resultados corresponde al evento
A, entonces la probabilidad de este ltimo es:
n
P A
N
Ejemplo. Una mujer est a punto de dar la luz y el cual no va ha ser alumbramiento
mltiple. a) Cul es la probabilidad de que de luz a un gato? b) A una nia?
c) A un nio una nia?
a) P (un gato) = 0 / 2 = 0
b) P (una nia) = 1 / 2 = 0.5
c) P (un nio una nia) = 2 / 2 = 1
Estas probabilidades representadas en una grfica indican:
0 0.5 1
Tan probable como Siempre

Nunca
improbable ocurrir
ocurrir
2
Probabilidad
___________________________________________________________________________________________
En cada caso se expresa un resultado del cual no se tiene certeza, pero en virtud de
los antecedentes o la comprensin del experimento, se logra cierto contenido de
confianza en la validez de la aseveracin.
1.1 Axiomas de probabilidad.
Axioma es una proposicin a la que se le asigna convencionalmente, valor de

verdad.
Sea S un espacio muestral, sea E la clase de eventos y sea P una funcin de valores
reales definida en E. Entonces P se llama funcin de probabilidad y P(A) es llamada
probabilidad del evento A si cumple con los siguientes axiomas.
Axioma 1. Para todo evento A, 0 P A 1
Axioma 2. P S 1
Axioma 3. Si A y B son eventos mutuamente excluyentes (que no puede suceder

simultneamente), entonces. P A B P A P B
Visto los eventos A y B en un diagrama de Venn Euler, estos se encuentran como se

muestra a continuacin.
U
A B
Axioma 4. Si A1 , A2 , es una serie de eventos mutuamente excluyente,

entonces:
P A1 A2 P A1 P A2
Los eventos A1, A2 , representados en el diagrama de Venn, se observan de la

siguiente manera.
A A
1 2
Como ejemplos de eventos mutuamente excluyentes, podemos citar:
3
Probabilidad
___________________________________________________________________________________________
1. Si se lanza una moneda al aire una sola vez, cul es la probabilidad de que
caiga guila y sol?
2. En un proceso de manufactura de un artculo, si se selecciona uno de ellos de

manera aleatoria, cul es la probabilidad de que salga sano y defectuoso?
3. Cul es la probabilidad de obtener un nmero par y un nmero impar, cuando se

lanza un dado al aire una sola vez?
Al analizar cualquier problema, nos damos cuenta que al aparecer un evento el otro
no tiene posibilidad de salir, por lo que le corresponde la probabilidad cero.
Los axiomas de probabilidad no proporcionan una manera de asignar probabilidades

a los resultados de un experimento; tan slo limitan las maneras en que este puede
hacerse.
En la prctica las probabilidades se asignan con base en la experiencia, con el apoyo

de un anlisis cuidadoso de las condiciones que rodean el experimento y hasta por
medio de suposiciones y evaluaciones subjetivas, como la suposicin comn de que
todas las caras al lanzar un dado al aire una sola vez, tienen la misma probabilidad
de salir.
Veamos los siguientes ejemplos con el fin de entender mejor estos axiomas:
1. Se lanzan dos dados bien balanceado al aire una sola vez, donde A es el evento
de que la suma de los nmeros de la cara superior sea cinco, B es el evento de
obtener dos nmeros iguales y C el evento de obtener 10 puntos, encuentre la
probabilidad de A, B y C.
Primero obtenemos el espacio muestral al lanzar los dos dados (36 resultados), y
posteriormente asignamos las probabilidades a cada punto muestral de la siguiente
manera.
11 21 31 41 51 61
12 22 32 42 52 62
13 23 33 43 53 63
14 24 34 44 54 64
15 25 35 45 55 65
16 26 36 46 56 66
Sabemos que P(S) = 1, entonces wN = 1 donde: w = probabilidad y N = total de

resultados en el experimento, en nuestro caso ser w(36) = 1, si despejamos w
tenemos que w = 1/36 es la probabilidad que tiene cada elemento de salir elegido,
por lo tanto las probabilidades requeridas son:
P(A) = (14, 23, 32, 41) = 1/36 + 1/36 + 1/36 + 1/36 = 4/36
P(B) = (11, 22, 33, 44, 55, 66) = 1/36 + 1/36 + 1/36 + 1/36 + 1/36 + 1/36 = 6/36
P(C) = (46, 55, 64) = 1/36 + 1/36 + 1/36 = 3/36
4
Probabilidad
___________________________________________________________________________________________
2. Si se lanza una moneda al aire dos veces, encuentre la probabilidad de que
cuando menos caiga un guila.
El espacio muestral presenta cuatro resultados que son S = (AA, AS, SA, SS), por lo
que w(4) = 1, entonces W = .
Por lo que P(un guila o ms) = P(AA, AS, SA) = 1/4 + 1/4 + 1/4 = 3/4
3. Se carga un dado de tal manera que el nmero par tiene el doble de posibilidad de
salir que un non. Si A es el evento de que la cara superior del dado sea un nmero
menor que cuatro en un solo lanzamiento, encuentre la probabilidad de A.
El espacio muestral es S = (1, 2, 3, 4, 5, 6), por lo que asignamos probabilidad w a

cada nmero non y 2w a cada nmero par, por lo que el nuevo valor de N = 9. Dado
que la suma de wN = 1, por lo tanto w(9) = 1, con lo que w = 1/9
Si A = (1, 2, 3), por lo tanto P(A) = 1/9 + 2/9 + 1/9 = 4/9
1.2 Teoremas que se deducen directamente de los axiomas.
Teorema es una proposicin demostrable cuyo enunciado consta de un supuesto o

hiptesis y una conclusin o tesis.
Teorema 1. Si es el conjunto vacio, entonces P 0
Demostracin: Sea A un conjunto; entonces A y son mutuamente excluyentes y.
A A
P A P A
P A P A P
P A P A P A P P A
0 P
Teorema 2. Si AC es el complemento de un evento A entonces:
P ( Ac ) 1 P A.
Demostracin: El espacio muestral S se puede descomponer en los eventos A y A C

mutuamente excluyentes, esto es, S A Ac .

1 P S P A Ac P A P Ac
1 P A P A
c

P A 1 P A
c
Visto bajo en un diagrama de Venn es:
U
5
Probabilidad
___________________________________________________________________________________________
A AC
Teorema 3. Si A B entonces P A P B
Demostracin: Si A B , entonces B se puede descomponer en los nuevos eventos

A y (B | A) mutuamente excluyentes, El smbolo lo leeremos como y no, as.
P B P A P B | A
Visto en un diagrama de Venn los eventos A y B estn:
B
A
B|A
Teorema 4. Si A y B son dos eventos cualesquiera o comunes, entonces:
P A | B P A P A B
Demostracin: A, se puede descomponer en los eventos mutuamente excluyentes

(A B) y (A B); esto es:
A A | B A B
P A P A | B P A B
P A | B P A P A B
Visto grficamente es:
U
A
A|B
A| BAA
BB
B
Teorema 5. Si A y B son dos eventos cualesquiera o comunes, entonces:
6
Probabilidad
___________________________________________________________________________________________
P A B P A P B P A B .
Demostracin: A U B, se puede descomponer en los eventos (A B) y B

mutuamente excluyentes esto es A B A | B B , por el axioma 3 y el teorema 4 se
tiene:
P A B P A | B P B
P( AUB) P A P A B P B
P( AUB) P A P B P A B
Visto en un diagrama es:
B
A|B
A B
A
B
Teorema 6. Para tres eventos comunes A, B, y C.
P A B C P A P B P C P A B P A C P B C P A B C .
Los eventos A, B y C en un diagrama de Venn se representan de la siguiente

madera:
A B
Dentro de los teoremas encontramos el trmino de eventos cualesquiera o

comunes, con el fin de comprenderlos mejor veamos los siguientes ejemplos.
1. En un mazo de 40 cartas de una baraja mexicana, cul es la probabilidad de que

una carta elegida al azar sea rey y espadas?
2. Al lanzar dos monedas al aire una sola vez, cul es la probabilidad de que caiga
guila y sol respectivamente?
7
Probabilidad
___________________________________________________________________________________________
En el primer ejemplo nos damos cuenta que los eventos rey y espadas si pueden
salir, ya que existe el rey de espadas. Mientras que en el segundo ejemplo las
monedas si pueden caer guila y sol, ya que son dos.
1.3 Ejemplos de problemas de probabilidad (reglas aditivas)
1. Una mquina automtica llena bolsas de plstico con: Frijoles, soya y otras
leguminosas, la mayora de las bolsas tienen un peso correcto pero otras tienen
pequeas variaciones, un paquete puede tener un peso ligeramente mayor o menor.
Una verificacin de paquetes llenados la semana pasada indic:
Peso Evento Nmero Probabilidad de

de paquetes ocurrencia
Menor A 100 0.025
Satisfactorio B 3600 0.900
Mayor C 300 0.075
Total 4000 1.000
a) Si se toma un paquete al azar, cul es la probabilidad de que tenga un peso

mayor o menor?
Lo primero que tenemos que verificar es ver si se trata de eventos mutuamente

excluyentes o comunes, para determinar si utilizaremos axiomas o teoremas. Al
analizar el caso nos damos cuenta de que un paquete solo tiene una cualidad
(menor, satisfactorio o mayor), pero en ningn momento tendr dos o ms
cualidades al mismo tiempo, por lo tanto los eventos son mutuamente excluyentes,
por lo que nos apoyaremos en el axioma tres.
P ( A o C ) P A C P A P C
0.025 0.075 0.10
b) Cul es la probabilidad de que un paquete tenga un peso menor, satisfactorio y

mayor? P( A y B y C ) P A B C 0
2. La probabilidad de que Ana apruebe matemticas es 2/3 y de que apruebe ingls

es de 4/9, si la probabilidad de que apruebe ambos cursos es de , cul es la
probabilidad de que Ana apruebe al menos uno de ellos?
Al analizar los eventos nos damos cuenta que hay elementos que tanto pertenecen
a matemticas como a ingls (existe interaccin), por lo que se trata de eventos
comunes lo que nos lleva a utilizar el teorema cinco.
Sea M el evento de que apruebe matemticas, por lo tanto P M 2 3

Sea I el evento de que apruebe ingls, por lo tanto P ( I ) 4 / 9
Por lo que la probabilidad de que apruebe matemticas o ingls se define por:
P(M o I) P M I P M P I P M I
8
Probabilidad
___________________________________________________________________________________________
2 / 3 4 / 9 1 / 4 31/ 36 0.8611
Al observar el resultado vemos que casi es seguro de que Ana aprobar al menos
un curso.
3. En una escuela se gradan 200 estudiantes, 54 estudiaron matemticas, 69

historia y 35 ambas materias. Si se selecciona de manera aleatoria a un egresado
de esta escuela:
a) Cul es la probabilidad de que haya estudiado matemticas o historia?

b) Cul es la probabilidad de que no haya cursado ninguna de estas materias?
c) Cul es la probabilidad de que haya estudiado historia pero no matemticas?
Al analizar el problema vemos que existe interaccin entre los eventos, por lo que se
trata de eventos comunes.
Sea M el evento que haya estudiado matemticas, por lo tanto P M 54 / 200

Sea H el evento que haya estudiado historia, por lo tanto P H 69 / 200
a) P M H P M P H P M H
54 / 200 69 / 200 35 / 200 88 / 200 0.44
b) P M H C 1 P M H
1 88 / 200 112 / 200 0.56
c) P H | M P H P H M
69 / 200 35 / 200 34 / 200 0.17
4. Cul es la probabilidad de obtener un total de 7 u 11 puntos cuando se lanza al

aire un dado dos veces?
El espacio muestral al lanzar un dado al aire dos veces es:
11 21 31 41 51 61
12 22 32 42 52 62
13 23 33 43 53 63
14 24 34 44 54 64
15 25 35 45 55 65
16 26 36 46 56 66
Siete puntos pueden aparecer seis veces y once puntos dos veces (valores
remarcados). Dado que la suma siete puntos y once puntos no pueden presentarse
al mismo tiempo, se trata de eventos mutuamente excluyentes.
Sea S el evento de obtener siete puntos P S 6 / 36

Sea O el evento de obtener once puntos P (O ) 2 / 36
Por lo que la probabilidad de obtener siete u once puntos es:
9
Probabilidad
___________________________________________________________________________________________
P S O P S P O
6 / 36 2 / 36 8 / 36 0.2222
5. Si A y B son dos eventos, donde P(A) = 0.3 y P (B) = 0.5 encuentre:

a) P(A U B) b) P(Ac) c) P(Ac B) d) P(Ac Bc)
Si observamos el problema vemos que no existe interaccin entre estos dos eventos,
por lo que son mutuamente excluyentes.
Para este tipo de problemas se sugiere resolverlos con el auxilio de un diagrama de

Venn Euler, por su facilidad para hacerlo.
U=1
A B
.3 .5
.2
a) P A B P A P B 0.3 0.5 0.8

b) P Ac 1 P A 1 0.3 0.7
c) P Ac B 0.5
d) P Ac B c 0.2
6. Si la probabilidad de que una persona al comprar un carro seleccione el color

verde, blanco, rojo o azul son: 0.09, 0.15, 0.21 y 0.23 respectivamente, cul es la
probabilidad de que un comprador cualquiera seleccione un auto?
Sea V el evento de que compre un auto color verde.

Sea B el evento de que compre un auto color blanco.
Sea R el evento de que compre un auto color rojo.
Sea A el evento de que compre un auto color azul.
Al analizar los eventos nos damos cuenta de que si la persona compra un carro
verde ya no puede comprar un carro azul, por lo que los eventos son excluyentes.
Por lo tanto la probabilidad requerida es:
PV B R A 0.09 0.15 0.21 0.23 0.68
7. Si J y K son dos eventos, donde P J 0.3 , P K 0.4 y P J K 0.1

encuentre:
a) P(J U K) b P(J Kc) c) P(JK) d) P(J - K)
Como existe interaccin entre los eventos, sabemos que se trata de eventos
comunes y nos apoyaremos para resolverlo en el diagrama de Venn siguiente.
Para definir la probabilidad en cada una de las regiones del diagrama, se recomienda
iniciar con la interaccin de los conjuntos (0.1). As si todo J vale 0.3 pero en la
10
Probabilidad
___________________________________________________________________________________________
interaccin ya hay 0.1, entonces la regin faltante de J ser 0.3 0.1 = 0.2, y de
manera anloga se obtiene para K.
U=1
J K
.2 .1 .3
.2
a) P J K 0.2 0.1 0.3 0.6

b)
P J K c 0 .2
c) p J | K 0.2
d) P J K 0.2
8. Si la probabilidad de que un mecnico repare 3, 4, 5, 6, 7, 8, ms vehculos

en un da son: 0.12, 0.19, 0.28, 0.24, 0.10 y 0.07 respectivamente. Cul es la
probabilidad de que le de servicio al menos a cinco carros al siguiente da de
trabajo?
Si E es el evento que arregle menos de cinco carros, entonces E C es el evento que

arregle cinco carros o ms, por lo que:
P ( E ) 0.12 0.19 0.31 Por lo tanto P ( E c ) 1 P ( E ) 1 0.31 0.69
Otra manera de obtener esta probabilidad es planteando P(x 5) = P(x = 5) + P(x =

6) + P(x = 7) + P(x = 8) = 0.28 + 0.24 + 0.10 + 0.07 = 0.69
9. La comisin de turismo de Florida seleccion una muestra de 200 turistas que

visitaron a este Estado durante el ao. La encuesta revel que 120 fueron a Disney
World, 100 a Busch Gardens y 60 personas fueron a ambos lugares. Cul es la
probabilidad de que una persona seleccionada al azar haya visitado Disney World o
Busch Gardens?
Sea D el evento de personas que visitaron a Disney.

Sea B el evento de personas que visitaron Busch Gardens.
Como se trata de eventos comunes, tenemos que La probabilidad requerida es

P D B
P D B P D P B P D B 120 / 200 100 / 200 60 / 200 0.80
Apoyndonos con un diagrama de Venn, podemos resolver este mismo problema de

la siguiente manera.
U=200
40
D 60 B
60 40 11
Probabilidad
___________________________________________________________________________________________
60 60 40
P( DUB) 0.80
200
10. Anualmente en una empresa se efectan exmenes fsicos de rutina. Se

descubri que el 8% de los empleados necesitan zapatos correctivos, 15% trabajo
dental importante y 3% necesitan tanto zapatos correctivos como correccin de
ortodoncia mayor.
a) Cul es la probabilidad de que un empleado seleccionado completamente al

azar necesite zapatos correctivos o trabajo dental importante?
Sea Z el evento zapato correctivo.

Sea D el evento de trabajo dental importante.
Como existe interaccin entre los dos eventos, la probabilidad requerida es:
P Z D P Z P D P Z D
= 0.08 + 0.15 - 0.03
= 0.20
b) Muestre esta situacin en forma de un diagrama de Venn Euler.
U=1
.05 .03 .12

Z D
P Z D 0.05 0.03 0.12 0.20
11. El presidente de una junta de directores dice: hay un 50% de posibilidad de que
esta compaa tenga utilidades, un 30% de que quede a nivel y un 20% de que
perder dinero el siguiente trimestre.
a) Cul es la probabilidad de que no pierda dinero el siguiente trimestre?
Podemos apreciar que los eventos son mutuamente excluyentes y los definimos por:
Sea U el evento que tenga utilidad.
Sea N el evento que quede a nivel.
Sea P el evento que pierda dinero.
12
Probabilidad
___________________________________________________________________________________________
Estos tres eventos vistos en un diagrama de Venn podemos tambin presentarlos de

la siguiente manera.
U=1
U=0.5 N=0.3 P=0.2
Por lo tanto, la probabilidad de que no pierda dinero es PU P N 0.5 0.3 0.8
b) Aplique la regla de complemento para obtener la probabilidad de que no haya

prdidas en tal periodo.
Si P es el evento de que pierda dinero entonces P P c 1 P P = 1 - 0.2 = 0.8
1.3.1 Ejemplos propuestos de probabilidad de reglas aditivas.
1. La probabilidad de que un chip de un circuito integrado tenga un grabado

defectuoso es de 0.16, la probabilidad de que tenga un defecto de cuarteadura es de
0.29 y la probabilidad de que tenga ambos defectos es 0.07.
a) Cul es la probabilidad de que un chip de fabricacin reciente tenga ya sea un

defecto de grabado o de cuarteadura?
b) Cul es la probabilidad de que un Chip de fabricacin reciente no tenga ninguno

de tales defectos?
2. Si A, B y C son tres eventos donde: P A 0.2 , P B 0.3 y P C 0.2 ,

obtenga las probabilidades solicitadas.
a) P A B C R = 0.7
b)
P A B C
c
c
R = 0.5
c) P B c
C R = 0.2
d) P A c
B C c
c
R = 0.3
3. Se van a entrevistar de manera detallada a un grupo de 245 empleados en una

empresa con respecto a un plan de pensiones, estos se encuentran clasificados de la
siguiente manera: 150 obreros, 75 tcnicos y 20 administrativos. Con el apoyo de un
diagrama de Venn determine:
a) La probabilidad de que un empleado escogido al azar sea un tcnico o un

administrativo?
b) Si se selecciona a un empleado al azar, cul es la probabilidad de que no trabaje
en administracin? R = 0.9184
13
Probabilidad
___________________________________________________________________________________________
4. En una encuesta realizada con 270 personas adultas, se encontr que 70 fuman,
50 toman, y 10 toman y fuman. Si se selecciona a un adulto al azar de donde se saco
la muestra:
a) Cul es la probabilidad de que sea un fumador o tomador?

b) Cul es la probabilidad de que sea fumador pero no tomador?
c) Cul es la probabilidad de que sea fumador y tomador?
d) Cul es la probabilidad de que sea abstemio?
5. Si las probabilidades de que, en condiciones de garanta un automvil nuevo

requiera reparaciones de motor, la transmisin o ambos, son 0.87, 0.36 y 0.29, cul
es la probabilidad de que un auto requiera uno o el otro o ambos tipos de reparacin
durante el periodo de garanta? R = 0.94
6. Tres caballos A, B, y C intervienen en una carrera, A tiene el doble de posibilidad

de ganar que B y B el doble de ganar que C.
a) Cul es la probabilidad que tiene cada caballo de ganar? P(A) = 4/7, P(B) = 2/7 y
P(C) = 1/7
b) Cul es la probabilidad de que A o B ganen? R = 6/7
1.4 Probabilidad condicional.
A la probabilidad de que un evento B se d, cuando se sabe que algn otro evento A

se ha presentado se le llama probabilidad condicional, y se denota por P (B | A) y se
lee la probabilidad de que B ocurra dado que ocurri A, o simplemente la
probabilidad B habiendo sucedido A.
Teorema. Sea S un espacio finito equiprobable con eventos B y A. Entonces la

probabilidad condicional de B dado que ocurri A est dada por:
P B A
P B | A
Donde: P A
P B | A = Probabilidad de que ocurra B dado que A ya ocurri.

P B A = Probabilidad de que ocurra B y A a un mismo tiempo.
P A Probabilidad de que ocurra A.
Visto grficamente el teorema es:
14
A AB B
Probabilidad
___________________________________________________________________________________________
1.4.1 Ejemplos de probabilidad condicional
1. El siguiente cuadro presenta el espacio muestral obtenido en la congregacin de

Plan de Limn correspondiente al municipio de Misantla, Veracruz, donde se realiz
un muestreo para cuantificar el nmero de desempleados y empleados, tanto de
hombres como mujeres (datos ficticios).
Empleados Desempleados Total

Hombres 460 40 500
Mujeres 140 260 400
Total 600 300 900
a) Si se toma a un individuo al azar de la comunidad y es hombre, cul es la

probabilidad de que est desempleado?
Sea H el evento que sea hombre.

Sea D el evento que este desempleado.
Al analizar el problema nos damos cuenta que el evento condicin es H, por lo tanto
la probabilidad la obtenemos de acuerdo al teorema por:
P D H
P D | H
P H
Tenemos que: P(D H) = 40/900 y P(H) = 500/900, por lo que:
40 900
P D | H 0.08
500 900
Lo cual es una probabilidad relativamente baja.
b) Cul es la probabilidad de que sea mujer, dado que esta empleada?
Sea M el evento que sea mujer.

Sea E el evento que esta empleada.
El evento condicin en este caso es que este empleada, por lo que la probabilidad
requerida es.
P M E
P M | E
P E
Si la probabilidad P M E 140 900 y P E 600 900 , por lo tanto.
15
Probabilidad
___________________________________________________________________________________________
140 900
P M | E 0.2333
600 900
c) Si se toma a un individuo al azar de sta comunidad y est empleado, cul es la

probabilidad de que sea hombre?
Considerando los mismos eventos H y E de los incisos a y b, pero ahora con el

evento condicin como E, tenemos:
P H E 460 900
P H | E 0.7667
P E 600 900
2. A los habitantes de una ciudad se les realiz una encuesta con el fin de determinar
el nmero de lectores de los peridicos Exclsior y Novedades. Los resultados de
sta encuesta fueron los siguientes: 20% de los habitantes leen Exclsior, 16% leen
Novedades y un 1% leen ambos peridicos. Si se selecciona al azar a una persona
que lee Exclsior, cul es la probabilidad de que tambin lea Novedades?
Sea E el evento que lea Exclsior.

Sea N el evento que lea Novedades.
El evento condicin en este problema es que lea Exclsior, por lo tanto:
P N E 0.01
P N | E 0.05
P E 0.20
Visto en un diagrama de Venn Euler estos eventos, tenemos:
U=1
E N
.19 .01 .15

.65
Por lo que la probabilidad que se solicita tambin puede obtenerse directamente del
diagrama por:
0.01
P N | E 0.05
0.19 0.01
3. El espacio muestral de 200 adultos se clasific de acuerdo a su sexo y nivel de

educacin.
Escolaridad Hombres Mujeres Total

Primaria 38 45 83
Secundaria 28 50 78
Bachillerato 22 17 39
Total 88 112 200
16
Probabilidad
___________________________________________________________________________________________
Si se selecciona una persona al azar, encuentra la probabilidad de que:
a) Sea hombre dado que tiene educacin secundaria.
Sea H el evento que sea hombre.

Sea S el evento que tiene educacin secundaria.
Si el evento condicin es que tenga educacin secundaria la probabilidad requerida

es:
P H S 28 200
P H | S 0.3589
P S 78 200
b) No tenga grado de bachillerato dado que es mujer.
El hecho de que no tenga grado de bachillerato, implica la posibilidad de que tenga

primaria y secundaria, por lo tanto los eventos son:
Sea N el evento que no tenga grado de bachillerato.

Sea M el evento que es mujer.
Si el evento condicin es que sea mujer, luego entonces la probabilidad requerida se

define por:
P N M 45 50 200
P N | M 0.848
P M 112 200
c) Tenga bachillerato dado que es mujer.
Si B es el vento que tenga bachillerato y M el evento que sea mujer, la probabilidad

requerida es:
P B M 17 200
P B | M 0.1518
P M 112 200
4. En la segunda guerra mundial Gran Bretaa en su afn de descubrir los

submarinos enemigos, la mayor parte de las veces concentr su vigilancia en las
costas, ya que pensaban que los avistamientos de los submarinos ocurran ms ah,
posteriormente sus investigadores estudian 1000 registros de vuelos de un avin
con los resultados siguientes:
Playas Alta mar Total

Submarinos descubiertos 80 20 100
Submarinos no descubiertos 820 80 900
Total 900 100 1000
17
Probabilidad
___________________________________________________________________________________________
Empleando la frmula de la probabilidad condicional recomiende el mejor lugar para
la bsqueda de submarinos.
Lo que en este problema interesa es descubrir submarinos, por lo que debemos

obtener la probabilidad de encontrarlos en alta mar o en la playa.
Sea D el evento de descubrir submarinos.

Sea P el evento buscados en la playa.
Sea A el evento buscados en alta mar.
Por lo tanto las probabilidades condicionales de descubrir submarinos habiendo sido

en la playa o en alta mar las podemos definir por:
P D P 80 100 0
P D | P 0.0888
P P 900 1000
P D A 20 1000
P D | A 0.20
P A 100 1000
Como la probabilidad de descubrir submarinos habiendo sido en alta mar es mayor

que en la playa, se recomienda que la bsqueda deba hacerse en alta mar.
5. Se lanzan al aire dos dados normales una sola vez, si la suma de los nmeros
que aparece es de por lo menos siete, obtenga las probabilidades solicitadas.
El espacio muestral al lanzar dos dados al aire una sola vez es:
11 21 31 41 51 61
12 22 32 42 52 62
13 23 33 43 53 63
14 24 34 44 54 64
15 25 35 45 55 65
16 26 36 46 56 66
a) La probabilidad de que en el segundo dado aparezca el nmero cuatro.
Sea S el evento que aparecen por lo menos siete puntos (valores marcados, que es
el evento condicin).
Sea C el evento que el segundo dado que aparece sea cuatro (34, 44, 54,64).
P C S
Entonces P C | S
P S
Si P S 21 36 y P C S 4 36.
4 36
Por lo tanto: P C | S 0.19048
21 36
b) La probabilidad de que ambos nmeros sean pares.

18
Probabilidad
___________________________________________________________________________________________
Sea S el evento que aparezca por lo menos siete puntos.

Sea P el evento que ambos nmeros sean pares (26, 44, 46, 62, 64, 66).
P P S 6 36
Por lo que P P | S 0.2857
P S 21 36
c) La probabilidad de que en el primer dado aparezca el nmero dos.
Sea S el evento que aparezca por lo menos siete puntos.

Sea D el evento que en el primer dado aparezcan dos puntos (25, 26).
P D S 2 36
Por lo tanto P D | S 0.0952
P S 21 36
6. Si una caja contiene 10 pelotas distribuidas de la siguiente manera: 3 son de color

y tiene puntos, 1 es de color y tiene franjas, 2 son grises y tienen puntos y 4 son
grises y tienen franjas.
a) Si se saca de la caja una pelota de color, cul es la probabilidad de que sta

tenga puntos?
Sea C el evento pelota de color.

Sea P el evento que tenga puntos.
Como la condicin es que la pelota sea de color, por lo que la probabilidad requerida
es:
P P C 3 10
P P | C 0.75
P C 4 10
b) Si se saca de la caja una pelota de color, cul es la probabilidad de que sta

tenga franjas?
Sea C el evento pelota de color.

Sea F el evento que tenga franja.
P F C 1 10
P F | C 0.25
P C 4 10
c) Cul es la probabilidad de que la pelota tenga puntos dado que es gris?
En este problema observamos que la condicin es que la pelota sea gris, por lo que
los eventos y la probabilidad solicitada son:
Sea P el evento que la pelota tenga puntos.

Sea G el evento que la pelota sea gris.
19
Probabilidad
___________________________________________________________________________________________
P P G 2 10
P P | G 0.3333
P G 6 10
d) Cul es la probabilidad de que la pelota tenga franjas dado que es gris?
Sea F el evento que la pelota tenga franjas.

Sea G el evento que la pelota sea gris.
P F G 4 10
P F | G 0.67
P G 6 10
1.4.2 Ejemplos propuestos de probabilidad condicional.
1. Si la probabilidad de que un proyecto de investigacin est bien planeado es 0.80

y la probabilidad de que ser bien planeado y ejecutado es 0.72, cul es la
probabilidad de que un proyecto de investigacin bien planeado tambin est bien
ejecutado? R = 0.9
2. Si la probabilidad de que un avin despegue a tiempo es 0.83, la que llegue a

tiempo es 0.82 y que despegue y llegue a tiempo es 0.78, encuentre:
a) La probabilidad de que llegue a tiempo dado que despeg a tiempo. R = 0.939

b) La probabilidad de que despegue a tiempo dado que lleg a tiempo. R = 0.951
3. Una encuesta realizada con 200 ejecutivos en una compaa para investigar la
lealtad a su empresa arroj los resultados que se presentan a continuacin. Una de
las preguntas planteadas fue: Si otra empresa le hiciera una oferta igual o
ligeramente mayor a su puesto actual, seguira en su empresa o tomara el otro
empleo.
Tiempo de servicio:
Decisin Menos de un 1a5 6 a 10 Mas de Total
ao aos aos 10 aos
Se quedara 10 30 5 75 120
No se quedara 25 15 10 30 80
Total 35 45 15 105 200
a) Si se selecciona a un ejecutivo al azar y ste tiene ms de 10 aos de servicio,

cul es la probabilidad de que sea leal a la empresa?
b) Si se selecciona a un ejecutivo al azar y este tiene ms de 10 aos de servicio,
cul es la probabilidad de que no sea leal a la empresa?
4. Suponga que se distribuyen pelotas de colores en tres urnas idnticas de la

siguiente manera:
Urna 1 Urna 2 Urna 3

Rojo 2 4 3
Blanco 3 1 6
20
Probabilidad
___________________________________________________________________________________________
Azul 5 3 3
Una urna se selecciona aleatoriamente, de ella se saca una pelota de manera

aleatoria y se observa que es blanca. Cul es la probabilidad de que la urna tres
sea la que se escogi?
1.5 Reglas multiplicativas.
Teorema. Si en un experimento pueden ocurrir los eventos A y B, entonces.
P A B P A P B | A
Dado que los eventos A B y B A son equivalentes, tambin se pueden escribir.
P B A P B P A | B
A B se debe interpretar como el evento de que ocurra A y a continuacin ocurra B

y (BA) se debe interpretar como el evento de que ocurra B dado que A ya ocurri.
1.5.1 Ejemplo de aplicacin de reglas multiplicativas.
1. Se tiene una caja con 20 fusibles de los cuales cinco estn defectuosos. Si se
seleccionan dos al azar uno tras otro sin reemplazo, encuentre:
a) La probabilidad de que ambos fusibles estn defectuosos.
Sea D1 el evento que el primer fusible est defectuoso.

Sea D 2 el evento que el segundo fusible tambin est defectuoso.
La probabilidad requerida es que el primer fusible est defectuoso y que el segundo

tambin lo est, por lo que el planteamiento es:
P D1 D2 P D1 P D2 | D1
Como las probabilidades correspondientes son: P D1 5 / 20 y P D2 | D1 4 / 19
5 4
Por lo que P D1 D2 0.0526
20 19
b) La probabilidad de que dos fusibles no estn defectuosos.
Sea S 1 el evento que el primer fusible este sano.

Sea S 2 el evento que el segundo fusible est tambin sano.
Por lo que la probabilidad requerida es P S1 S 2 P S1 P S 2 | S1 .
Como P S 15 / 20 y P S | S 14 / 19
1 2 1
21
Probabilidad
___________________________________________________________________________________________
15 14
Por lo tanto P S1 S 2 0.5526
20 19
2. En un lote de 100 artculos, 98 de ellos estn en un buen estado, si se seleccionan

dos al azar, de tal manera que el primero se saca se observa y se regresa
nuevamente antes de seleccionar el segundo artculo, encuentre:
a) La probabilidad de que ambos artculos estn en buen estado.
Sea B el evento que el primer artculo est en buen estado.

Sea C el evento que el segundo artculo tambin est en buen estado.
La probabilidad requerida es P B C P B P C | B
Como P B 98 / 100 y P C | B 98 / 100
98 98
Entonces P B C 0.9604
100 100
b) Al menos un artculo este defectuoso.
Sea D el evento que el primer artculo est defectuoso.

Sea E el evento que el segundo artculo tambin est defectuoso.
2 2
La probabilidad requerida es: P( D E ) P( D) P( E | D) 0.0004
100 100
3. Se sacan tres cartas una tras otra de un mazo de 40 cartas de una baraja
mexicana, encuentre probabilidad de: A1 A2 A3 donde:
A1 es el evento de que la primera carta sea as de bastos.

A2 es el evento de que la segunda carta sea sota y
A3 es el evento de que la tercera carta sea mayor que tres y menor que siete.
La P A1 1 40 ya que solo existe un as de bastos en toda la baraja.
La P A2 | A1 4 39 , cuatro porque solo hay cuatro sotas y 39 porque ya se sac una

carta.
La P A3 | A2 | A1 12 38 , doce porque hay tres cartas para cada figura que estn
entre 3 y 7.
Por lo que P A1 A2 A3 P A1 P A2 | A1 P A3 | A2 | A1
1 4 12
0.0008097
40 39 38
Teorema. Dos eventos A y B son independientes si y slo si.
22
Probabilidad
___________________________________________________________________________________________
P A B P A P B
Una consecuencia inmediata de esta definicin es que si A y B son eventos

independientes, entonces:
P A | B P A y P B | A P B
De modo informal, se considera que dos eventos son independientes si la

probabilidad de la ocurrencia de uno no est afectada por la ocurrencia o la no
ocurrencia del otro.
Por ejemplo, sea S el espacio muestral de lanzar una moneda tres veces al aire.
S = {AAA, AAS, ASA, ASS, SAS, SAA, SSA, SSS}
Donde cada uno de los elementos de este espacio muestral est formado por tres
pruebas repetidas e independientes que son los tres lanzamientos de la moneda, si
deseamos determinar la probabilidad de cada uno de los elementos, nos
encontraremos con lo siguiente.
P (AAA) = P(A1A2A3) = P(A1)P(A2A1)P(A3A1A2) = P(A)P(A)P(A)

=1/2*1/2*1/2=1/8, por lo que:
P (AAS) = P(A)P(A)P(S) =1/2*1/2*1/2 =1/8.
P (ASA) = P(A)P(S)P(A) = 1/2*1/2*1/2 = 1/8.
Con lo anterior se comprueba que efectivamente la probabilidad de cada uno de los

elementos del espacio muestral descrito anteriormente es de 1/8, como se
consideraba cuando se calculaban probabilidades para un espacio finito
equiprobable.
Ejemplos de pruebas repetidas e independientes.
1. El equipo de ftbol Nacaquinia tiene la probabilidad de ganar de 0.6, la

probabilidad de empatar de 0.3 y la probabilidad de perder de 0.1, si este equipo
participa en dos juegos la semana prxima, determine la probabilidad de que:
a) Gane el segundo juego, b) gane ambos juegos, c) gane uno de los juegos y d)
gane el primer juego y empate el segundo.
El espacio muestral obtenido con el auxilio de un diagrama de rbol es:
0.6G
P(G)=0.6 0.3 E
0.1 P
23
Probabilidad
___________________________________________________________________________________________
0.6 G
P(E)=0.3 0.3 E
0.1 P
0.6 G
P(P)=0.1 0.3 E
0.1 P
Como S = {GG, GE, GP, EG, EE, EP, PG, PE, PP} por lo que:
a) P (gane el segundo juego) = P(GG, EG, PG) = (0.6)(0.6) + (0.3)(0.6) + (0.1)(0.6)

= 0.36 + 0.18 + 0.06 = 0.6
b) P (gane ambos juegos) = P(GG) = (0.6)(0.6) = 0.36
c) P (gane uno de los juegos) = P(GE, GP, EG, PG) = (0.6)(0.3) + (0.6)(0.1) + (0.3)
(0.6) + (0.1)(0.6) = 0.48
d) P (gane el primero y empate el segundo) = P(GE) = (0.6)(0.3) = 0.18
2. Un boxeador gana 8 de cada 10 peleas en las que compite, si este boxeador

participar en tres peleas en los prximos seis meses, determine la probabilidad de
que: a) Gane dos de las peleas. b) Si gana dos de las peleas, cul es la
probabilidad de que sea la primera y tercera pelea? c) Gane la segunda pelea.
0.8 G
0.8 G 0.2 P
P(G)=8/10= 0.8 0.8 G

0.2 P
0.8 G 0.2 P
P(P)=2/10=0.2 0.8 G
0.2 P
0.2 P 0.8 G
24
Probabilidad
___________________________________________________________________________________________
0.2 P
Del diagrama anterior obtenemos el siguiente espacio muestral, y las probabilidades

correspondientes para:
S = {GGG. GGP, GPG, GPP, PGG, PGP, PPG, PPP}
a) P (gane dos de las peleas) = P(GGP, GPG, PGG) = (0.8)(0.8)(0.2) + (0.8)(0.2)(0.8)

+ (0.2)(0.8)(0.8) = 0.128 + 0.128 + 0.128 = 0.384
b) Sea E el evento de que gane dos peleas.

Sea A el evento de que gane la primera y la tercera pelea.
P(E) = {GGP, GPG, PGG} = 0.348

P(A) = {GGG, GPG} = 0.64
Si AE = {GPG} por lo que P(AE) = (0.8)(0.2)(0.8) = 0.128, luego entonces.
P(AE) = P(AE) / P(E) = 0.128/0.348= 0.3678
c) P(gane la segunda pelea) = P(GGG, GGP, PGG, PGP) = (0.8)(0.8)(0.8) + (0.8)

(0.8)(0.2) + (0.2)(0.8)(0.8) + (0.2)(0.8)(0.2) = 0.512 + 0.128 + 0.128 + 0.032 = 0.8
3. Se dispone de un carro de bombero y una ambulancia. La probabilidad de que el

primero est disponible cuando se necesita es de 0.98, y la probabilidad de que la
ambulancia lo est cuando se llame es de 0.92.
Cul es la probabilidad de que el carro de bomberos y la ambulancia estn

disponibles al mismo tiempo?
Sea B el evento que el carro de bomberos este disponible.

Sea A el evento que la ambulancia este disponible.
Por lo tanto P B A P B P A como P B = 0.98 y P A 092 , por lo que:
P B A 0.98 0.92 0.90
Recuerde que B A debe interpretarse como el evento de que B ocurra y a

continuacin ocurra A.
1.5.2 Ejemplos propuestos de reglas multiplicativas.
1. Una bola se extrae aleatoriamente de una caja que contiene 6 bolas rojas, 4 bolas
blancas y 5 bolas azules. Si se extrae de manera aleatoria una bola, determine la
probabilidad de que:
a) Sea roja. R = 6/15

b) Sea blanca. R = 4/15
25
Probabilidad
___________________________________________________________________________________________
c) Sea azul. R = 5/15
d) No sea roja. R = 3/5
e) Sea roja o blanca. R = 2/3
2. Encuentre la probabilidad de no obtener un total de 7 u 11 puntos en ninguno de

los dos lanzamientos de un par de dados honrados. R = 28/36
3. Una caja contiene 6 bolas rojas, 4 bolas blancas y 5 bolas azules. Si se extraen 3
bolas sucesivamente, hallar la probabilidad de que se extraigan en el orden roja,
blanca y azul, si las bolas:
a) Se reemplazan. R = 0.035
b) No se reemplazan. R = 0.0439
4. La probabilidad de que Mario sobreviva 20 aos ms es de 0.7 y la de que Mara

lo haga es de 0.9. Si se supone independencia para ambos, cul es la probabilidad
de que ninguno sobreviva 20 aos? R = 0.03
5. Una empresa consultora renta automviles a tres agencias, 20% a la agencia A,

20% a la B y 60% a la agencia C. Si 10% de los autos de A, 12% de los autos de B y
4% de los autos de C tienen neumticos en mal estado, cul es la probabilidad que
la empresa reciba un auto con neumticos en mal estado? R = 0.068
1.6 Teorema de Bayes.
Teorema. Si B1, B2,,Bn son sucesos que se excluyen mutuamente, de los cuales
n
uno necesariamente debe ocurrir, donde: P B 1 , entonces.
i 1
i
P Br P A | Br
P Br | A n
P B P A | B
i 1
i i
Para r = 1, 2,, n
La expresin anterior debe leerse de la siguiente manera: la probabilidad de que el
efecto A haya sido causado por el suceso B r.
El algoritmo anterior del teorema de Bayes no es ms que la probabilidad condicional

Br dada la ocurrencia del evento A.
Vista esta probabilidad bajo el diagrama de Venn Euler tenemos:
U
3
1
26
Probabilidad
___________________________________________________________________________________________
La manera de presentar esquemticamente este algoritmo para facilitar su

planteamiento y resolucin, es mediante un diagrama de rbol como se muestra
enseguida.
B1 P A | B1 A
P (B1)
B2 P A | B A
2
P (B2) *
*
P (Br) Br P A | Br A
Puede observarse que en las ramas terminales del diagrama de rbol, se encuentra
la probabilidad condicional de que el efecto A haya sido causado por el suceso B r,
tema visto anteriormente.
1.6.1 Ejemplos de probabilidad de teorema de Bayes.

1. Se desea conocer como trabajan los reguladores de voltaje instalados en una
fbrica por tres abastecedores (B 1, B2, y B3). De los 200 reguladores instalados,
sabemos adems como trabajan de acuerdo a su garanta especificada.
Abastecedores Reguladores Garanta especificada

abastecidos
B1 120 95%
B2 60 80%
B3 20 65%
a) Si se toma un regulador al azar, cul es la probabilidad de que provenga del

abastecedor B3, cuando se sabe que si cumple con la garanta especificada?
Sea A el evento que cumple con la garanta especificada.

Sea B1 el evento que procede del abastecedor 1.
Al analizar el problema nos damos cuenta que el evento A es el efecto o condicin,

mientras que el evento B1, B2, y B3 son los sucesos. Al plantear nuestro diagrama de
rbol quedar:
P(B1)=120/200=0.6 B1 P A | B1 0.95 A
P(B2)= 60/200=0.3 B2 P A | B2 0.80 A

27
Probabilidad
___________________________________________________________________________________________
P(B3)=20/200=0.1 B3 P A | B3 0.65 A
En el diagrama podemos comprobar que P Bi 1 . Ahora aplicando la frmula del

teorema de Bayes obtenemos la probabilidad requerida.
P B3 P A | B3
P B3 | A
P B1 P A | B1 P B2 P A | B2 P B3 P A | B3
0.1 0.65
0.07428
0.6 0.95 0.3 0.80 0.1 0.65
Observe como la probabilidad de B 3 disminuye de 0.10 a 0.07, una vez que sabemos
que los reguladores trabajan de acuerdo con la garanta especificada.
b) Si el supervisor del departamento de control de calidad selecciona un regulador y

encuentra que no cumple con la garanta especificada, cul es la probabilidad que
provenga del abastecedor B2?
Sea N el evento que no cumple con la garanta especificada.

Sea Bi el evento que procede del abastecedor 1, 2 3.
Ahora el evento efecto o condicin es N, por lo tanto el diagrama de rbol y la

probabilidad correspondiente ser:
P(B1)=0.6 B1 P N | B1 0.05 N
P (B2)=0.3 B2 P N | B2 0.20 N
P (B3)=0.1 B3 P N | B3 0.35 N
0.3 0.2
P B2 | N 0.48
0.6 0.05 0.3 0.2 0.1 0.35

2. Una oficina tiene cuatro secretarias que manejan respectivamente el 20, 60, 15, y
5% de los archivos de informe gubernamentales, las probabilidades de que estas
28
Probabilidad
___________________________________________________________________________________________
secretarias los traspapelen son 0.05, 0.10, 0.10 y 0.05 respectivamente, si se
traspapela un informe, cul secretaria ser la ms probable que lo haya hecho?
Sea I el evento de informe traspapelado.

Sea Si el evento secretaria que maneja los archivos 1, 2, 3 y 4.
Al analizar el problema nos damos cuenta que el efecto en este caso es el

documento traspapelado (evento I), por lo que al plantear el problema mediante un
diagrama de rbol queda:
P (S1) = 0.2 S1 P I | S1 0.05 I
P (S2) =0.6 S2 P I | S 2 0.10 I
P (S3) =0.15 S3 P I | S3 0.10 I
P (S4) =0.05 S4 P I | S 4 0.05 I
Como se desea saber cual secretaria es la ms probable que haya traspapelado el

documento es necesario obtener la probabilidad para cada una de ellas, y tomar
aquella donde la probabilidad sea mayor.
La probabilidad obtenida para la primera secretaria es:
0.2 0.05 0.01

P S1 | I 0.1143
0.2 0.05 0.6 0.1 0.15 0.1 0.05 0.05 0.0875
Las probabilidades correspondientes para las dems secretarias son.
P S 2 | I 0.06 0.0875 0.6857
P S3 | I 0.015 0.0875 0.1714
P S 4 | I 0.0025 0.0875 0.0286
Como la probabilidad ms alta es obtenida por la secretaria dos, ella es la ms

probable que haya traspapelado el documento.
Pero puede observarse que a pesar de que solo el 20% de los informes son
manejados por la secretaria uno, se ha traspapelado alrededor del 11% del total de
los informes que son de su responsabilidad.
3. Se tienen tres candidatos a la presidencia de un club privado. La probabilidad de

que se elija al seor Lpez es de 0.3, la de que se elija al seor Martnez es de 0.5 y
29
Probabilidad
___________________________________________________________________________________________
la de que gane la seora Armenta es de 0.2. En caso de que se elija al seor Lpez
la probabilidad de que la cuota de membreca se incremente es de 0.8 si se elige al
seor Martnez o a la seora Armenta las probabilidades correspondientes son 0.1 y
0.4.
a) Cul es la probabilidad de que haya un incremento en la cuota de membreca?

b) Cul es la probabilidad de que se elija a la seora Armenta como presidenta del
club, dado que se incrementar la cuota de membreca?
Al analizar el inciso b, nos damos cuenta que la probabilidad deseada es que se elija
a la seora Armenta, por lo que los candidatos son los sucesos y la membresa es el
efecto.
Sea A el evento que se incremente la cuota de membresa.

Sea Bi el evento que se elija al Sr. Lpez, Martnez o Sra. Armenta.
El diagrama de rbol para un mejor planteamiento del problema, indicando tanto los
sucesos como los efectos (ramas terminales) se presentan a continuacin.
P(B1)=0.3 B1 P A | B1 0.8 A
P(B2)=0.5 B2 P A | B2 0.1 A
P(B3)=0.2 B3 P A | B3 0.4 A
a) La probabilidad de que se incremente la cuota de membresa se obtiene por:
P A P B1 P A | B1 P B2 P A | B2 P B3 P A | B3
= 0.3 (0.8) + 0.5 (0.1) + 0.2 (0.4)
= 0.37
b) La probabilidad de que se elija a la seora Armenta como presidenta dado que se

incrementar la cuota es.
0.2 0.4
P B3 | A 0.2162
0.3 0.8 0.5 0.1 0.2 0.4
4. Una fbrica recibe materia prima de tres proveedores, la cual es elaborada

supuestamente con la misma calidad, en un estudio realizado por el departamento de
control de calidad de la fbrica se encontr que:
30
Probabilidad
___________________________________________________________________________________________
Proveedor Porcentaje de defectos Porcentaje que aporta cada
por proveedor proveedor
P1 3 60
P2 2 25
P3 4 15
a) Si se selecciona un artculo al azar y esta defectuoso, cul es la probabilidad de

que provenga del abastecedor P1?
Al analizar el problema nos damos cuenta de que los sucesos son los proveedores y
el efecto es que la materia prima est defectuosa, por lo que los eventos son:
Sea D el evento de que la materia prima est defectuosa.

Sea Pi el evento que procede del abastecedor 1, 2 y 3.
P (P1)=0.6 P1 P D | P1 0.03 D
P (P2)=0.25 P2 P D | P 2 0.02 D
P (P3)=0.15 P3 P D | P 3 0.04 D
Como la probabilidad requerida es que provenga del primer abastecedor, su

planteamiento es:
0.6 0.03
P P1 | D 0.6207
0.6 0.03 0.25 0.02 0.15 0.04
b) Si se selecciona un artculo al azar y no esta defectuoso, cul es la probabilidad

de que provenga del abastecedor segundo?
Como aqu la condicin es que el artculo no est defectuoso (ND), en cada una de
las ramas terminales del rbol debemos tener el complemento de que est
defectuoso, as el nuevo esquema quedar:
P (P1)=0.6 P1 P ND | P 0.97 ND
1
P (P2)=0.25 P2 P ND | P 0.98 ND
2
P (P3)=0.15 P3 P ND | P 0.96 ND
3
La probabilidad requerida la obtenemos por:
31
Probabilidad
___________________________________________________________________________________________
0.25 0.98
P P2 | ND 0.2523
0.6 0.97 0.25 0.98 0.15 0.96
5. Los tres ayudantes de una gasolinera deben limpiar los parabrisas de los autos
de los clientes. Juan quien atiende el 20% de todos los autos, no cumple su
cometido una vez cada 20 autos; Toms quien atiende el 60% de los autos , no
limpia el parabrisas una vez de cada 10 autos y Miguel quien atiende el 20% de
ellos , no cumple su cometido una vez cada 15 autos . Si un cliente se queja de que
su parabrisas no fue lavado, cul es la probabilidad de que su auto lo haya atendido
Juan?
Un rpido anlisis del problema nos lleva a saber que los sucesos son los ayudantes
de la gasolinera y el efecto es el parabrisas no lavado, por lo que los eventos son:
Sea N el evento parabrisas no lavado.

Sea J, T y M los eventos de autos atendidos por Juan, Tomas y Miguel.
Las probabilidades correspondientes de parabrisas no lavados por los ayudantes

son: Para Juan es 1/20 = 0.05, Tomas es 1/10 = 0.10 y para Miguel es 1/15 = 0.07.
Por lo que el planteamiento del problema en el siguiente diagrama es:
P (J)=0.20 J P N | J 0.05 N
P (T)=0.60 T P N | T 0.10 N
P (M)=0.20 M P N | M 0.07 N
Por lo que la probabilidad de que el auto haya sido atendido por Juan dado que el
parabrisas no fue lavado ser:
0.2 0.05
P J | N 0.119
0.2 0.05 0.6 0.10 0.2 0.07
Es interesante observar que si bien Juan no lava el parabrisas de un auto por cada
20 de ellos, es decir el 5% de los autos, ms del 11% de los parabrisas que no son
lavados en la gasolinera son de su responsabilidad.
6. Considere el caso de una empresa petrolera que va a iniciar perforaciones en

busca de petrleo, sus gelogos dan probabilidad de hallar petrleo en ese lugar,
como sigue: P(petrleo) = 0.5 y P(no petrleo) = 0.5 perforan hasta 500 pies y no
encuentran petrleo, pero analizan las muestras de suelo. Por experiencias
anteriores saben que las probabilidades de hallar este tipo de suelo, dado que halla
petrleo o no son: P (suelo de este tipo | petrleo) = 0.2 y P (suelo de este tipo | no
petrleo) = 0.8
32
Probabilidad
___________________________________________________________________________________________
Empleando el teorema de Bayes, determine cual es la probabilidad de encontrar
petrleo.
Como la probabilidad requerida es encontrar petrleo, este evento es el suceso.

Recordemos que en la rama terminal del rbol se encuentra la probabilidad
condicional y estas aparecen definidas en el problema que nos ocupa.
Sea S el evento suelo de este tipo.

Sea P el evento de encontrar petrleo
Sea NP el evento de no encontrar petrleo.
Nuestro diagrama de rbol queda definido por los sucesos y efectos por:
P(P)=0.5 P P S | P 0.2 S
P(NP)=0.5 NP P S | NP 0.8 S
Por lo que la probabilidad de encontrar petrleo segn Bayes es:
0.5 0.2
P P | S 0.2
0.5 0.2 0.5 0.8
7. En la siguiente tabla se describe la ubicacin y especie de 77 muestras de peces

contaminados. Esta informacin fue el resultado de un estudio hecho por el cuerpo
de ingenieros del ejercito de los Estados Unidos, sobre la contaminacin causada
por DDT a los peces del Ro Tennessee en Alabama.
Especie Millas corriente arriba Total
275 300 305 - 325 330 - 350

Perca de boca pequea 9 7 0 16
Robalo de boca grande 0 0 1 1
Bagre de canal 31 23 6 60
Total 40 30 7 77
a) Si se captura un pez entre 330 a 350 millas corriente arriba del Ro Tennessee,
cul es la probabilidad de que sea un robalo?
Este es un ejemplo clsico con los que se encuentra uno en la vida real, donde se
tiene que obtener la probabilidad de los sucesos mediante probabilidad emprica, y
la probabilidad de los efectos mediante el empleo de probabilidad condicional para
dos eventos.
33
Probabilidad
___________________________________________________________________________________________
Como la probabilidad requerida es de que sea un robalo, por lo tanto los sucesos son
las especies y el efecto es que haya sido pescado de 330 a 350 millas corriente
arriba del ro.
Sea T el evento que haya sido pescado de 330 a 350 millas.

Sea P, R y B el evento que el pez sea perca, robalo y bagre respectivamente.
Las probabilidades simples para cada uno de los sucesos, las obtenemos por:
P P 16 77 0.2078 , P R 1 77 0.013 y P B 60 77 0.7792
Las probabilidades para los efectos (probabilidad condicional), se obtienen de la

manera ya vista en el tema de probabilidad condicional.
La probabilidad condicional de que haya sido pescado de 330 a 350 millas corriente
arriba, dado que el pez es una perca:
P T P 0 77
P T | P 0
P P 16 77
La otra probabilidad condicional de que haya sido pescado de 330 a 350 millas
corriente arriba, dado que el pez es un robalo se define por:
P T R 1 77
P T | R 1
P R 1 77
De manera anloga la probabilidad condicional de que haya sido pescado de 330 a

350 millas corriente arriba, dado que el pez es un bagre es:
P T B 6 77
P T | B 0.1
P R 60 77
Las probabilidades simples y condicionales obtenidas anteriormente las

concentramos en el diagrama de rbol siguiente.
P (P)=0.2078 P P T | P 0 T
P (R)=0.013 R P T | R 1 T
P (B)=0.7792 B P T | B 0.1 T
Por lo que la probabilidad de que el pez sea un robalo, dado que haya sido
capturado de 330 a 350 millas es:
0.0131 0.013
P R | T 0.14298
0.2078 0 0.0131 0.7792 0.1 0.09092
34
Probabilidad
___________________________________________________________________________________________
b) Si se captura un pez y es un bagre de canal, cul es la probabilidad de que haya
sido capturado entre 275 y 300 millas corriente arriba del Ro Tennessee?
En este nuevo caso tenemos que los sucesos ahora son las millas corriente arriba y
el efecto o condicin es que sea un bagre de canal por lo que los eventos son:
Sea D el evento pez capturado de 275 a 300 millas corriente arriba.

Sea T el evento pez capturado de 305 a 325 millas corriente arriba.
Sea C el evento pez capturado de 330 a 350 millas corriente arriba.
Sea B el evento que el pez sea bagre de canal.
Las probabilidades simples y condicionales se presentan a continuacin.
P D 0.5195 , P T 0.3896 , P C 0.0909 , P B | D 0.775 , P B | T 0.7667 y

P B | C 0.8571
Estas probabilidades concentradas en un diagrama de rbol quedan de la siguiente

manera.
P(D)=0.5195 D P B | D 0.775 B
P(T)=0.3896 T P B | T 0.7667 B
P(C)=0.0909 C P B | C 0.8571 B
Ahora bien, la probabilidad de que el pez sea capturado de 275 a 300 millas corriente
arriba, dado que es un bagre de canal es:
0.4026125
P D | B 0.5167
0.77922921
NOTA. Al principio de este tema, decamos que el teorema de Bayes no es ms que

probabilidad condicional para dos eventos o ms, para verificar lo antes dicho
obtengamos por el tema de probabilidad condicional lo solicitado en los incisos a y
b de este problema.
La probabilidad de que sea robalo (R) dado que haya sido capturado de 330 a 350
millas corriente arriba (T) del Ro Tennessee, se define por:
P R T 1 77
P R | T 0.1429
P T 7 77
35
Probabilidad
___________________________________________________________________________________________
La probabilidad de que haya sido capturado de 275 a 300 millas corrientes arriba (D)
dado que es un bagre de canal (B) es:
P D B 31 77
P D | B 0.5167
P B 60 77
Ambas probabilidades son idnticas a las obtenidas con el teorema de Bayes.
1.6.2 Ejemplos propuestos de teorema de Bayes.
1. El siguiente cuadro presenta el espacio muestral obtenido en la congregacin de

Plan de Limn correspondiente al municipio de Misantla, Veracruz, donde se realiz
un muestreo para cuantificar el nmero de desempleados y empleados, tanto de
hombres como mujeres (datos ficticios).
Empleados Desempleados Total

Hombres 460 40 500
Mujeres 140 260 400
Total 600 300 900
a) Si se toma a un individuo al azar de esta comunidad y es hombre, cul es la

probabilidad de que este desempleado? R = 0.08
b) Cul es la probabilidad de que sea mujer, dado que esta empleada? R = 0.2333
2. El espacio muestral de 200 adultos se clasific de acuerdo a su sexo y nivel de
educacin como se muestra a continuacin.
Escolaridad Hombres Mujeres Total

Si Primaria 38 45 83 se
Secundaria 28 50 78
Bachillerato 22 17 39
Total 88 112 200
selecciona una persona al azar, encuentra la probabilidad de que:
a) Sea mujer dado que tiene educacin secundaria.

b) Tenga bachillerato dado que es hombre.
3. El cuadro siguiente presenta los registros de 266 muestras de aire clasificados en

base a la presencia de dos molculas raras. Encuentre la probabilidad de que la
molcula dos se presente, dado que la molcula uno ya se present. R = 0.3333
Molcula 1 presente Total

no si
Molcula 2 presente no 212 24 236
si 18 12 30
Total 230 36 266
36
Probabilidad
___________________________________________________________________________________________
4. Un fabricante de computadoras compra los microcircuitos RG-235 a tres
proveedores, un 40% de ellos los compra a Electrnicas Galindo, un 10% a Sanrram
S. A. y 50% a Componentes Electrnicos. La experiencia en la compra de este
material le ha indicado al fabricante que el 2 % de los microchips de Electrnicas
Galindo estn defectuosos, el 3 % de los de Sanrram no son aceptables y el 4 % de
Componentes Electrnicos tienen defectos. Si un obrero selecciona uno para su
instalacin y encuentra que est defectuoso. Quin es ms probable que lo haya
fabricado?
5. El 20% de los empleados de una empresa son ingenieros y el otro 20% con
economistas, El 75% de los ingenieros ocupan un puesto directivo y el 50% de los
economistas tambin, mientras que los no ingenieros y los no economistas
solamente el 20% ocupa un puesto directivo. Cul es la probabilidad de que un
empleado directivo elegido al azar sea ingeniero? R = 0.4054
6. La delegacin de transito, planea reforzar el respeto a los lmites de velocidad

mediante la utilizacin de un sistema de radar, en cuatro diferentes cruces de calles
dentro de la ciudad. Los sistemas de radar en cada cruce (C 1, C2, C3 y C4) se ponen a
funcionar el 40%, 30%, 20% y 30% del tiempo respectivamente. Se sabe que una
persona que conduce a gran velocidad rumbo a su trabajo, tiene las probabilidades
de 0.2, 0.1, 0.5 y 0.2 respectivamente de pasar por alguno de estos cruces. Si una
persona recibe una infraccin por conducir a gran velocidad rumbo a su trabajo,
cul es la probabilidad de que haya pasado el radar que se localiza en el cruce C2?
R = 0.1111
37

3a U. Probabilidad

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

3a U. Probabilidad

Încărcat de

Drepturi de autor:

Formate disponibile

Lic.

Vicente Snchez y Ramrez

Histricamente la creacin de la probabilidad se atribuye a los matemticos

Sin embargo en el siglo XVI Gerolano Cardano ya haba hecho importantes

La probabilidad es utilizada como una herramienta para evaluar la confiabilidad de

De manera general podemos decir que es la posibilidad de que suceda un evento.

Es la rama de las matemticas que se ocupa de medir y determinar

Supuesto que describe la posibilidad relativa de que ocurra un evento, pudiendo

La probabilidad la podemos dividir en tres tipos:

N o de veces que ocurri el evento en el pasado

Emprica. Si la semana pasada una lnea de produccin produjo 3000 artculos y

El total de las observaciones en este caso es de 3000, como lo que interesa es un

Sujetiva. Suponga que se desea conocer la probabilidad de que en la materia de

En este caso solo usted podr estimar la posibilidad de una calificacin de 90 %,

Definicin. La probabilidad de un evento A es la suma de todos los resultados

Teorema. Si un experimento puede tener cualquiera de N resultados diferentes

Estas probabilidades representadas en una grfica indican:

Tan probable como Siempre

1.1 Axiomas de probabilidad.

Axioma es una proposicin a la que se le asigna convencionalmente, valor de

Axioma 1. Para todo evento A, 0 P A 1

Axioma 3. Si A y B son eventos mutuamente excluyentes (que no puede suceder

Visto los eventos A y B en un diagrama de Venn Euler, estos se encuentran como se

Axioma 4. Si A1 , A2 , es una serie de eventos mutuamente excluyente,

Los eventos A1, A2 , representados en el diagrama de Venn, se observan de la

Como ejemplos de eventos mutuamente excluyentes, podemos citar:

2. En un proceso de manufactura de un artculo, si se selecciona uno de ellos de

3. Cul es la probabilidad de obtener un nmero par y un nmero impar, cuando se

Los axiomas de probabilidad no proporcionan una manera de asignar probabilidades

En la prctica las probabilidades se asignan con base en la experiencia, con el apoyo

Sabemos que P(S) = 1, entonces wN = 1 donde: w = probabilidad y N = total de

El espacio muestral es S = (1, 2, 3, 4, 5, 6), por lo que asignamos probabilidad w a

Si A = (1, 2, 3), por lo tanto P(A) = 1/9 + 2/9 + 1/9 = 4/9

1.2 Teoremas que se deducen directamente de los axiomas.

Teorema es una proposicin demostrable cuyo enunciado consta de un supuesto o

Teorema 1. Si es el conjunto vacio, entonces P 0

Demostracin: Sea A un conjunto; entonces A y son mutuamente excluyentes y.

Teorema 2. Si AC es el complemento de un evento A entonces:

Demostracin: El espacio muestral S se puede descomponer en los eventos A y A C

Visto bajo en un diagrama de Venn es:

Demostracin: Si A B , entonces B se puede descomponer en los nuevos eventos

Visto en un diagrama de Venn los eventos A y B estn:

Teorema 4. Si A y B son dos eventos cualesquiera o comunes, entonces:

Demostracin: A, se puede descomponer en los eventos mutuamente excluyentes

Visto grficamente es:

Teorema 5. Si A y B son dos eventos cualesquiera o comunes, entonces:

Demostracin: A U B, se puede descomponer en los eventos (A B) y B

Visto en un diagrama es:

Teorema 6. Para tres eventos comunes A, B, y C.

Los eventos A, B y C en un diagrama de Venn se representan de la siguiente

Dentro de los teoremas encontramos el trmino de eventos cualesquiera o

1. En un mazo de 40 cartas de una baraja mexicana, cul es la probabilidad de que

1.3 Ejemplos de problemas de probabilidad (reglas aditivas)

Peso Evento Nmero Probabilidad de

a) Si se toma un paquete al azar, cul es la probabilidad de que tenga un peso

Lo primero que tenemos que verificar es ver si se trata de eventos mutuamente

b) Cul es la probabilidad de que un paquete tenga un peso menor, satisfactorio y

2. La probabilidad de que Ana apruebe matemticas es 2/3 y de que apruebe ingls

Sea M el evento de que apruebe matemticas, por lo tanto P M 2 3

Por lo que la probabilidad de que apruebe matemticas o ingls se define por:

3. En una escuela se gradan 200 estudiantes, 54 estudiaron matemticas, 69

a) Cul es la probabilidad de que haya estudiado matemticas o historia?

Sea M el evento que haya estudiado matemticas, por lo tanto P M 54 / 200