Este documento presenta tres interpretaciones de la probabilidad: la clásica, la de frecuencias relativas y la subjetiva. La probabilidad clásica asume resultados igualmente probables, mientras que la probabilidad de frecuencias se basa en observaciones pasadas. La probabilidad subjetiva depende de las creencias individuales. El documento también proporciona ejemplos para ilustrar cada tipo de probabilidad e introduce conceptos como el espacio muestral y la notación común para probabilidades.
0 calificaciones0% encontró este documento útil (0 votos)
408 vistas18 páginas
Este documento presenta tres interpretaciones de la probabilidad: la clásica, la de frecuencias relativas y la subjetiva. La probabilidad clásica asume resultados igualmente probables, mientras que la probabilidad de frecuencias se basa en observaciones pasadas. La probabilidad subjetiva depende de las creencias individuales. El documento también proporciona ejemplos para ilustrar cada tipo de probabilidad e introduce conceptos como el espacio muestral y la notación común para probabilidades.
Este documento presenta tres interpretaciones de la probabilidad: la clásica, la de frecuencias relativas y la subjetiva. La probabilidad clásica asume resultados igualmente probables, mientras que la probabilidad de frecuencias se basa en observaciones pasadas. La probabilidad subjetiva depende de las creencias individuales. El documento también proporciona ejemplos para ilustrar cada tipo de probabilidad e introduce conceptos como el espacio muestral y la notación común para probabilidades.
Este documento presenta tres interpretaciones de la probabilidad: la clásica, la de frecuencias relativas y la subjetiva. La probabilidad clásica asume resultados igualmente probables, mientras que la probabilidad de frecuencias se basa en observaciones pasadas. La probabilidad subjetiva depende de las creencias individuales. El documento también proporciona ejemplos para ilustrar cada tipo de probabilidad e introduce conceptos como el espacio muestral y la notación común para probabilidades.
Descargue como PDF, TXT o lea en línea desde Scribd
Descargar como pdf o txt
Está en la página 1de 18
CAPITULO 3 PROPIEDADES BSICAS DE LAS PROBABILIDADES.
En la vida cotidiana nos hemos acostumbrado a hacer y a or afirmaciones que
llevan implcito el concepto de probabilidades: los pronsticos meteorolgicos nos sealan las probabilidades de lluvia; los mdicos nos dicen que probabilidad hay de que nuestras enfermedades se curen por medio de determinados tratamientos; los consejeros escolares, en el colegio, especulan sobre nuestras posibilidades de xito en la universidad, los encuestadores polticos nos dicen que oportunidad tiene de ganar en las elecciones nuestro candidato favorito.
En forma muy simple se puede definir la probabilidad como un nmero de 0 a 1, que le asignamos a suceso para indicar su posibilidad de ocurrir. Las probabilidades se expresan como fracciones o como decimales que estn entre uno y cero o tambin en valor porcentual entre 0 y 100. Tener una probabilidad de cero significa que algo nuca va a suceder; una probabilidad de uno indica que algo va a suceder siempre. Casi todo el mundo estar de acuerdo en que si se lanza un apelota al aire la probabilidad de que vuelva a caer es 1. Por el contrario, la probabilidad de que una persona pueda sobrevivir en el planeta Mercurio sin ninguna clase de proteccin es 0.
En el presente captulo se examinarn las diferentes interpretaciones que se tienen de la probabilidad: la clsica, la de frecuencias relativas y la subjetiva o a priori. Las dos primeras son muy similares por cuanto se basan en la repeticin de experimentos realizados bajo las mismas condiciones; mientras que la tercera representa una medida del grado de creencia con respecto a una proposicin.
Despus de definida la probabilidad de un evento, se ver a continuacin los axiomas que deben satisfacer las probabilidades de cualquier experimento aleatorio. Posteriormente, se tratarn las reglas de adicin y de multiplicacin para probabilidades, apoyadas en la teora de conjuntos, de donde se derivan conceptos como la probabilidad condicional, la independencia de eventos y el Teorema de Bayes.
3.1 INTERPRETACIONES DE LA PROBABILIDAD Existen tres diferentes formas de definir la probabilidad de un evento. Cada una de estas formas de interpretacin tiene su lugar en el estudio de la Probabilidad y ninguna de ellas por separado cubre completamente todos los casos.
Antes de iniciar con estas definiciones, se hace importante acordar una notacin que se seguir a lo largo del texto, y que usted encontrar comnmente en otros textos acadmicos relacionados con la probabilidad. Los eventos sern enunciados en letras maysculas as: A, B, C,; la letra mayscula P denotar una probabilidad y P(A) indicar, entonces, la probabilidad de que ocurra el evento A.
Definicin Clsica de Probabilidad o a Priori Cuando un experimento aleatorio tiene n resultados, y todos ellos con igual posibilidad de ocurrencia, entonces se emplea el mtodo clsico de la probabilidad para estimar la posibilidad de ocurrencia de cada uno de ellos. Le corresponde pues, a cada resultado, una probabilidad igual a 1/n.
Considere, por ejemplo, un dado de 6 caras, cul es la probabilidad de que caiga el nmero 5 despus de un lanzamiento? Un dado balanceado (esto es, no recargado) tiene 6 resultados posibles: 1, 2, 3, 4, 5, 6. La probabilidad de que caiga el nmero 5 es igual a la probabilidad que tiene cualquier otro de los valores, y esta es igual a 1/6.
Resumiendo, la probabilidad de que ocurra un evento A cualquiera, que tiene la misma posibilidad de ocurrencia que cualquier otro evento dentro del espacio muestral de tamao n, se define como:
Este planteamiento de la probabilidad tiene serios problemas cuando intentamos aplicarlo a los problemas de toma de decisiones menos previsibles. El planteamiento clsico supone un mundo que no existe, supone que no existen situaciones que son bastante improbables pero que podemos concebir como reales. La probabilidad clsica supone tambin una especie de simetra en el mundo.
Definicin de probabilidad segn el concepto de frecuencia relativa o probabilidad Frecuentista.
En el siglo XIX, los estadsticos britnicos, interesados en la fundamentacin terica del clculo del riesgo de prdidas en las plizas de seguros de vida y comerciales, empezaron a recoger datos sobre nacimientos y defunciones. En la actualidad, a este planteamiento se le llama frecuencia relativa de presentacin de un evento y define la probabilidad como:
La frecuencia relativa observada de un evento durante un gran nmero de intentos, o La fraccin de veces que un evento se presenta a la larga, cuando las condiciones son estables.
Este mtodo utiliza la frecuencia relativa de las presentaciones pasadas de un evento como una probabilidad. Determinamos qu tan frecuente ha sucedido algo en el pasado y usamos esa cifra para predecir la probabilidad de que suceda de nuevo en el futuro.
Un experimento aleatorio se caracteriza porque repetido muchas veces y en idnticas condiciones el cociente entre el nmero de veces que aparece un resultado (suceso) y el nmero total de veces que se realiza el experimento tiende a un nmero fijo. Esta propiedad es conocida como ley de los grandes nmeros, establecida por Jacob Bernouilli. Tiene el inconveniente de variar la sucesin de las frecuencias relativas de unas series de realizaciones a otras, si bien el valor al que se aproximan a medida que el nmero de realizaciones aumenta se mantiene estable.
La frecuencia relativa del suceso A:
Cuando utilizamos el planteamiento de frecuencia relativa para establecer probabilidades, el nmero que obtenemos como probabilidad adquirir mayor precisin a medida que aumentan las observaciones. Una dificultad presente con este planteamiento es que la gente lo utiliza a menudo sin evaluar el nmero suficiente de resultados.
Para un espacio muestral de tamao n y para un evento cualquiera A con frecuencia f, se tiene que su probabilidad de ocurrencia es:
EJEMPLO 3.12 En una urna se tienen 9 bolitas de diferentes colores: 4 blancas, 3 grises y 2 negras.
Si se selecciona de la urna una bolita, sean: B: Evento para el cual la bolita seleccionada es blanca. G: Evento para el cual la bolita seleccionada es gris. N: Evento para el cual la bolita seleccionada es negra. Determinar la probabilidad de ocurrencia de cada evento.
Intuitivamente, se puede pensar que la probabilidad de ocurrencia de un evento est asociada a la cantidad de veces en que se repite un procedimiento o fenmeno. Por ejemplo, en un tpico experimento aleatorio como lanzar una moneda, se tienen dos resultados probables: cara o sello. Ambos resultados son igualmente probables (siempre y cuando la moneda no est recargada). Pero perfectamente en un experimento con 10 lanzamientos de la moneda, se podra tener un resultado como 8 caras y 2 sellos. Este es un resultado normal. Sin embargo, si el experimento fuera de 100 lanzamientos, sera muy extrao encontrar un resultado como 80 caras y 20 sellos; o bien, con 1000 lanzamientos 800 caras y 200 sellos. Entonces, no se puede garantizar cul ser el resultado en un lanzamiento, o pocos lanzamientos, pero se puede ver que con una gran cantidad de lanzamientos los resultados de que la moneda caiga cara sern muy similares al nmero de veces para sello.
Con lo anterior, puede concluirse que al calcular probabilidades con el mtodo de frecuencias relativas, se obtiene un estimado y no un valor exacto. Conforme el nmero de observaciones se incrementa, los estimados correspondientes tienden a acercarse a la probabilidad real. Esta propiedad es conocida comnmente como la ley de los grandes nmeros.
Probabilidades subjetivas. Las probabilidades subjetivas estn basadas en las creencias de las personas que efectan la estimacin de probabilidad. La probabilidad subjetiva se puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en la evidencia que se tenga disponible. Esa evidencia puede presentarse en forma de frecuencia relativa de presentacin de eventos pasados o puede tratarse simplemente de una creencia meditada.
Las valoraciones subjetivas de la probabilidad permiten una ms amplia flexibilidad que los otros dos planteamientos. Los tomadores de decisiones puede hacer uso de cualquier evidencia que tengan a mano y mezclarlas con los sentimientos personales sobre la situacin. Las asignaciones de probabilidad subjetiva se dan con ms frecuencia cuando los eventos se presentan slo una vez o un nmero muy reducido de veces.
Por ejemplo, una mujer en embarazo asegura que el beb que tendr ser varn por la cantidad de pataditas recibidas en el vientre, mientras que su cuada le refuta este argumento, pues afirma que la forma de su barriga le asegura que tendr una nia.
Ambas mujeres parten de una experiencia o una prctica personal para atreverse a asegurar el sexo del ser que viene en camino. Sin embargo, la probabilidad de que sea nio es igual a la probabilidad de que sea nia, y eso es igual a 0.5 ( 50%).
Otro ejemplo comn es el de las predicciones meteorolgicas, en las que el cientfico debe usar su conocimiento experto de las condiciones del tiempo para desarrollar un estimado de la probabilidad de buen o mal tiempo. Como casi todas las decisiones sociales y administrativas de alto nivel se refieren a situaciones especficas y nicas, los responsables de tomar decisiones hacen un uso considerable de la probabilidad subjetiva.
Se trata pues de una conjetura entrenada, basada siempre en la prctica, en la comprensin de fenmenos similares o en las circunstancias que rodea al evento, y no como presunciones lanzadas sin un conocimiento de las causas o como corazonadas.
Este mtodo es usado, por ejemplo, cuando un mdico estima la probabilidad de recuperacin para un enfermo grave o tambin cuando un ingeniero estima rpida y subjetivamente la resistencia de un puente al paso de una carga superior a la establecida en los diseos.
Es importante entender que el mtodo de la probabilidad a priori o subjetiva no debe menospreciarse frente a los otros mtodos (frecuencia relativa y clsica), ya que es frecuente no tener registros del comportamiento de cierta variable para determinar una probabilidad relacionada, pues simplemente no es posible repetir el experimento.
Por ejemplo, las aseguradoras no pueden darse el lujo de repetir el ensayo del dao de un carro, del robo de una valiosa obra de arte, del secuestro de una persona o del accidente de un avin. stas solo pueden basarse en experiencias adquiridas para estimar su probabilidad de ocurrencia y as determinar el costo del seguro que ofrece. De la misma manera, no se podra determinar la probabilidad de que una ciudad sea bombardeada por meteoritos, porque simplemente no hay registros histricos para hacer una estimacin. Slo se puede hacer un estimado subjetivo.
EJEMPLO 3.13 Suponga que usted es un astrnomo que quiere determinar la probabilidad de que un gran asteroide destruya el planeta Tierra. Qu mtodo usara para este clculo?
Observe que no puede usarse el mtodo clsico, porque los resultados posibles no tienen la misma posibilidad de ocurrir. Tampoco se aplica el mtodo de las frecuencias relativas, ya que es imposible realizar ensayos y no hay datos histricos de una destruccin de ese tipo. Slo puede aplicarse el mtodo de la probabilidad subjetiva apoyndose, por ejemplo, en el nmero de asteroides reportados con un tamao suficiente y tan cercano a nuestro planeta como para destruirlo, tambin en el conocimiento de las rbitas de estos asteroides.
Los astrnomos desarrollaron la probabilidad subjetiva de que el planeta Tierra fuera destruido por una colisin con un asteroide en algn momento en los prximos 100 aos: la probabilidad es aproximadamente de 1 / 5000.
3.2: AXIOMAS DE PROBABILIDAD: REGLA DE LA ADICIN Conocida ahora la probabilidad de un evento, se pueden reunir ciertas caractersticas conocidas como axiomas de probabilidad que satisfacen la probabilidad de cualquier experimento aleatorio. Estos axiomas no determinan las probabilidades, lo que hacen es facilitar el clculo de las probabilidades de algunos eventos a partir del conocimiento de las probabilidades de otros.
Entendiendo la probabilidad de cualquier evento como un nmero entre 0 y 1, ella satisface las siguientes propiedades:
Si S es el espacio muestral y A es cualquier evento del experimento aleatorio, entonces: 1. P(S) = 1 2. 0 P(A) 1 Estos axiomas implican los siguientes resultados. La probabilidad de un evento imposible es 0 P()=0. La probabilidad de que un evento ocurra con certeza es 1. Para cualquier evento A, P(A) = 1- P(A) . Si el evento A1 est contenido en el evento A2, entonces: P (A 1 ) P (A 2 )
La probabilidad de un evento compuesto, generado al aplicar las operaciones bsicas de los conjuntos a los eventos individuales que lo componen (unin, interseccin y complemento de eventos), se puede obtener a partir de las probabilidades de los eventos individuales. En estos casos, las operaciones bsicas de los conjuntos tambin son tiles para determinar la probabilidad de un evento compuesto
a.- Regla de la adicin para eventos mutuamente excluyentes. A menudo, estamos interesados en la probabilidad de que una cosa u otra suceda; es decir nos interesa la probabilidad de la unin de dos eventos. Si estos dos eventos son mutuamente excluyentes, podemos expresar esta probabilidad haciendo uso de la regla de adicin para eventos mutuamente excluyentes:
Existe un caso especial, para cualquier evento A, tenemos que ste sucede o no sucede. De modo que los eventos A y A son mutuamente excluyentes y exhaustivos:
b.- Regla de adicin para eventos que no son mutuamente excluyentes. Si dos eventos no son mutuamente excluyentes, es posible que ambos se presenten al mismo tiempo. En tales casos, debemos modificar la regla de la adicin para evitar el conteo doble:
El siguiente diagrama de flujo 1 4, resume las reglas de adicin para el clculo de la probabilidad de dos eventos dados A y B.
Figura 3.7 Diagrama de flujo de la regla de adicin
EJEMPLO 3.14: Las siguientes son las caractersticas de las orqudeas de un vivero:
1 Modificado de Probabilidad y estadstica, Mario F. Triola. Novena edicin. Pearson & Addison Wesley. Mxico. 2004. Y sea el evento B: la orqudea es de color lila. Entonces:
3.3: AXIOMAS DE PROBABILIDAD: REGLAS DE MULTIPLICACIN En el tema anterior se present la regla de la adicin para calcular . En esta seccin se desarrollar una regla para determinar , esto es, la probabilidad de que el evento A ocurra en un primer experimento y el evento B ocurra en un segundo experimento.
a.- Probabilidades bajo condiciones de independencia estadstica. Cuando se presentan dos eventos, el resultado del primero puede tener un efecto en el resultado del segundo, o puede no tenerlo. Esto es, los eventos pueden ser dependientes o independientes.
Probabilidades marginales bajo independencia estadstica. Una probabilidad marginal o incondicional es la probabilidad simple de presentacin de un evento. Probabilidades conjuntas bajo condiciones de independencia estadstica.
La probabilidad de dos o ms eventos independientes que se presentan juntos o en sucesin es el producto de sus probabilidades marginales:
b.- Probabilidades bajo condiciones de dependencia estadstica. La dependencia estadstica existe cuando la probabilidad de que se presente algn suceso depende o se ve afectada por la presentacin de algn otro evento. Probabilidades conjuntas bajo condiciones de dependencia estadstica. o La regla de la multiplicacin se puede resumir en el siguiente diagrama de flujo 2
para el clculo de la probabilidad de la interseccin de dos eventos dados A y B.
Figura 3.8. Diagrama de flujo de la regla de multiplicacin
RECOMENDACIONES PRCTICAS: Cuando se aplica la regla de la adicin de probabilidades, determinar previamente si los eventos son excluyentes o no. Cuando se usa la regla de la multiplicacin, determinar si los eventos son dependientes o independientes. Siempre que sea posible, apoyar la interpretacin del problema mediante el empleo de diagramas de Venn. La probabilidad es un nmero que nunca puede tener valor negativo, ni ser mayor que 1.
2 Modificado de Probabilidad y estadstica, Mario F. Triola. Novena edicin. Pearson & Addison Wesley. Mxico. 2004. 3.4: PROBABILIDAD CONDICIONAL Probabilidades condicionales bajo independencia estadstica. Simblicamente, la probabilidad condicional se escribe P(B/A) y se lee "la probabilidad de que se presente el evento B, dado que el evento A se ha presentado". La probabilidad condicional es la probabilidad de que un segundo evento (B) se presente, si un primer evento (A) ya ha sucedido.
Probabilidad condicional bajo Independencia estadstica P(B/A) = P(B)
Probabilidad condicional bajo dependencia estadstica.
Ejemplo 3.1.5 Retome el ejemplo de las caractersticas de las orqudeas de un vivero y calcule la probabilidad de que la orqudea que se seleccione sea de color lila dado que se ha tomado una orqudea de tamao de ptalo grande.
Sean los eventos: A: la orqudea es de ptalo grande. B: la orqudea es de color lila.
Calcule ahora la probabilidad de que la orqudea seleccionada sea de ptalo grande dado que es de color lila. Observe que esta probabilidad es diferente a la calculada arriba, se pide:
En este caso, P(A) y P(A B) son las probabilidades del mismo evento (la orqudea es de ptalo grande) pero calculadas bajo dos diferentes estados de conocimiento: la primera, sin la condicin de su color y la segunda, condicionada a que su color sea lila. De manera similar, P(B) y P(B A) son las probabilidades del mismo evento (la orqudea es de color lila) calculadas bajo dos estados diferentes de conocimiento: sin condicionar su tamao de ptalo para la primera y la segunda condicionada a que su tamao de ptalo sea grande. 3.5: PROBABILIDAD TOTAL Y TEOREMA DE BAYES. La regla de multiplicacin es til para determinar la probabilidad de un evento que depende de otros. En esta seccin se ver otro modo de calcular la probabilidad de un evento considerando a este como el resultado de la unin de otros eventos. Para esto es necesario definir el concepto de particin.
Figura 3.10 Diagrama de Venn indicando la particin de un espacio muestral
Para cualquier evento B, ste puede definirse como un evento compuesto de varios subconjuntos mutuamente excluyentes (ver figura 3.6.), esto es:
Figura 3.11 Diagrama de Venn de un evento en varios subconjuntos mutuamente excluyentes
La probabilidad total de un evento es la suma exhaustiva de las probabilidades de todos los casos mutuamente excluyentes que conducen a dicho evento., Es as como la regla de probabilidad total afirma:
Algunos autores resumen esta definicin como una sumatoria, as:
La regla de probabilidad total para dos eventos se simplifica considerando que el evento B puede describirse como la unin de la parte de B que est en A y la parte de B que est en A. Esto es:
De manera que para cualquier par de eventos A y B:
Ejemplo 3.16 Una compaa dedicada al transporte pblico tiene tres lneas en una ciudad, de forma que el 60% de los autobuses cubre el servicio de la primera lnea, el 30% cubre la segunda y el 10% cubre el servicio de la tercera lnea. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 4% y 1%, respectivamente, para cada lnea. Determine la probabilidad de que, en un da, un autobs sufra una avera.
Recuerde que el primer paso en el clculo de probabilidades es la adecuada definicin de los eventos que intervienen. As, se definen los siguientes eventos: L1: evento para el cual el autobs cubre el servicio de la primera lnea. L2: evento para el cual el autobs cubre el servicio de la segunda lnea. L3: evento para el cual el autobs cubre el servicio de la tercera lnea. A: evento donde el autobs se avera.
Con esto, se ve claramente que la probabilidad pedida es P(A). Usando la regla de probabilidad total, se tiene:
De manera que la probabilidad de que en un da un autobs de la compaa se avere es del 2,5%. Teorema de Bayes En el ao 1763, dos aos despus de la muerte de Thomas Bayes (1702-1761), se public una memoria en la que aparece, por vez primera, la determinacin de la probabilidad de las causas a partir de los efectos que han podido ser observados. El clculo de dichas probabilidades recibe el nombre de teorema de Bayes.
Sea A1, A2, ...,An un sistema completo de sucesos, tales que la probabilidad de cada uno de ellos es distinta de cero, y sea B un suceso cualquier del que se conocen las probabilidades condicionales P(B/Ai). entonces la probabilidad P(Ai/B) viene dada por la expresin:
Donde el denominador corresponde a encontrar la Probabilidad Total de B. En los problemas relacionados con la probabilidad, y en particular con la probabilidad condicionada, as como con la probabilidad total y el teorema de Bayes, es aconsejable que, con la informacin del problema, construyas una tabla de contingencia o un diagrama de rbol.
EJEMPLO 3.17 Tres mquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente, del total de las piezas producidas en una fbrica. Los porcentajes de produccin defectuosa de estas mquinas son del 3%, 4% y 5%.
a. Seleccionamos una pieza al azar; calcula la probabilidad de que sea defectuosa. b. Tomamos, al azar, una pieza y resulta ser defectuosa; calcula la probabilidad de haber sido producida por la mquina B. c. Qu mquina tiene la mayor probabilidad de haber producido la citada pieza defectuosa?
Solucin: Sea D= "la pieza es defectuosa" y N= "la pieza no es defectuosa". La informacin del problema puede expresarse en el diagrama de rbol adjunto.
a. Para calcular la probabilidad de que la pieza elegida sea defectuosa, P(D), por la propiedad de la probabilidad total, P(D) = P(A) P(D/A) + P(B) P(D/B) + P(C) P(D/C) = = 0.45 0.03 + 0.30 0.04 + 0.25 0.05 = 0.038 b. Debemos calcular P(B/D). Por el teorema de Bayes,
c. Calculamos P(A/D) y P(C/D), comparndolas con el valor de P(B/D) ya calculado. Aplicando el teorema de Bayes, obtenemos:
La mquina con mayor probabilidad de haber producido la pieza defectuosa es A
EJEMPLO 3.18 Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la bola ha sido roja, cul es la probabilidad de haber sido extrada de la urna A
Solucin: Llamamos R= "sacar bola roja" y N= "sacar bola negra". En el diagrama de rbol adjunto pueden verse las distintas probabilidades de ocurrencia de los sucesos R o N para cada una de las tres urnas. La probabilidad pedida es P(A/R). Utilizando el teorema de Bayes, tenemos:
EJERCICIOS CAPITULO 3 1.- Se extrae una carta al azar de una baraja de 40 cartas. a.- Cul es la probabilidad de que sea dos o sea un siete? B.- Cual es la probabilidad de que sea oro o un 6?
2.- Consideremos el lanzamiento de un dado, usted gana si el resultado es impar o divisible por dos. Cul es la probabilidad de ganar?
3.- En el curso de estadstica la probabilidad de que los estudiantes tengan computador es de 0.60, la probabilidad de que tengan auto es de 0.25 y ambas cosas es de 0.15. Cul es la probabilidad de que un estudiante escogido al azar tenga computador o auto?
4.- De entre 20 tanques de combustible fabricados para el transbordador espacial, tres se encuentran defectuosos. Si se seleccionan aleatoriamente 4 tanques: a.- cual es la probabilidad de que ninguno de los tanques sea defectuoso b.- Cual es la probabilidad de que uno de los tanques tenga defectos.
5.- En la tabla aparecen 1000 estudiantes universitarios clasificados de acuerdo con los puntajes que obtuvieron en un examen de admisin a la universidad. Tambin muestra la clasificacin de los colegios en donde se graduaron de bachilleres:
Calcular la Probabilidad de que un estudiante escogido al azar: a) haya obtenido un puntaje bajo en el examen. b) Se haya graduado en un colegio de nivel superior c) haya obtenido un puntaje bajo en el examen y se haya graduado en un colegio de nivel superior d) haya obtenido un puntaje bajo en el examen dado que se haya graduado en un colegio de nivel inferior e) si el estudiante escogido termino en un colegio de grado regular encontrar la probabilidad de que tenga un puntaje alto en el examen.
6.- Fabin y Pilar estudian en un mismo curso. La probabilidad de que Fabin no pierda ninguna materia es del 85% y la de Pilar es del 90%. a) Cual es la probabilidad de que los dos no pierdan ninguna materia. b) Cual es la probabilidad de que Fabin pierda una materia y Pilar ninguna. C) Cual es la probabilidad de que los dos pierdan una materia.
7.- Cuatro amigos se dirigen a un lugar y toman 4 rutas diferentes de acuerdo al riesgo de tener un accidente. Las probabilidades de riesgo de cada ruta son 0.2, 0.15, 0.25, 0.10 respectivamente. Cul es la probabilidad de que ninguno sufra un accidente.
8.- El consejero escolar de un colegio estim las probabilidades de xito en la universidad para tres alumnos de ltimo ao en 0.9, 0.8 y 0.7 respectivamente. Cul es la probabilidad de que los tres tengan xito en la universidad?
9.- Una maquina que produce un determinado artculo fue adquirida bajo la condicin de que el 3% de los artculos producidos son defectuosos. Si el proceso se realiza bajo control, es decir independiente cual es la probabilidad de que a.- dos artculos seguidos sean defectuosos, b.- dos artculos seguidos no sean defectuosos, c.- el primero sea defectuoso y el segundo bueno.
10.- La probabilidad de que un doctor diagnostique en forma correcta una determinada enfermedad es de 0.7. Dado que el doctor hace un diagnostico incorrecto, la probabilidad de que un paciente presenta una demanda es de 0.9. Cul es la probabilidad de que el doctor haga un diagnostico incorrecto y el paciente presente una demanda?
11.- En una empresa, la probabilidad de que un empleado escogido al azar tenga ms de 30 aos es de 0.55. Cul es la probabilidad de que un empleado escogido al azar tenga 30 aos o menos?
12.- En una ciudad grande el 70% de los hogares compra un peridico matutino y el 90% uno vespertino. Si se supone que los dos eventos son independientes. Cul es la probabilidad de que un hogar escogido al azar sea uno de los que compra ambos peridicos?
13.- La tabla muestra el resultado de 500 entrevistas hechas durante una encuesta. Los datos se clasificaron segn el sector de la ciudad donde se aplico el cuestionario.
Si se selecciona un cuestionario. Cul es la probabilidad de a) No se haya contestado b) La persona no estaba en casa c) el cuestionario se haya contestado y la persona viva en el sector N d) Dado que la persona viva en el sector O, no haya contestado el cuestionario e) La persona viva en el sector M Conteste el cuestionario. F) Si la persona no estaba cual es la probabilidad de que viva en el sector O.
14.- El 70% de los estudiantes aprueba una asignatura A y el 60% aprueba otra asignatura B. Sabemos adems, que el 35% del total de los estudiantes aprueba ambas. Elegido un estudiante al azar, calcular las probabilidades de: a.- haya aprobado la asignatura B sabiendo que ha aprobado la A b.- haya aprobado la asignatura B sabiendo que no ha aprobado la A c.- no haya aprobado la asignatura B sabiendo que ha aprobado la A d.- no haya aprobado la asignatura B sabiendo que no ha aprobado la A
15.- Los pedidos nuevos de los productos de una compaa varan en valor monetario, segn el siguiente cuadro
a) cual es la probabilidad de que un nuevo pedido sea mayor a $2.000 b) cual es la probabilidad de que un nuevo pedido sea igual o menor a $2000 dado que el pedido excede a $1.000 c) cual es la probabilidad de que un nuevo pedido sea mayor a $3.000 dado que la venta excede a $2.000
16.- Una compaa encontr que el 82% de las personas seleccionadas para su programa de entrenamiento de vendedores termino el curso. De estos solamente 60% se convirtieron en vendedores productivos. Si un aspirante nuevo llega al curso cual es la probabilidad de que termine el curso y se convierta en un vendedor productivo.
17- En un centro mdico, los fumadores que se sospecha tenan cncer pulmonar, el 90% lo tena, mientras que el 5% de los no fumadores lo padeca. Si la proporcin de fumadores es del 45% a) Cul es la probabilidad de que un paciente con cncer seleccionado al azar sea fumador? B) Cual es la probabilidad de que la persona tenga cncer.
18.- Un investigador de una clnica de especialistas ha descubierto que durante un periodo de varios aos, el 20% de los pacientes que llegaron a la clnica tenan la enfermedad D1, el 30% la enfermedad D2, y el 50% la enfermedad D3. El investigador descubri tambin que un conjunto de sntomas bien definidos al que denomino S, se encontraba en un 25% de los pacientes con la enfermedad D1, 60% de los que tenan la enfermedad D2, y 80% de los que tenan la enfermedad D3. El investigador quiere utilizar esta informacin para hacer rpidamente el diagnostico a los pacientes recin llegados. Supongamos que ha sido admitido un paciente con el conjunto de sntomas S, cual es la probabilidad de que tenga la enfermedad D3, cual es la probabilidad de que tenga la enfermedad D1.
19.- Un cientfico ha descubierto en un hospital para enfermedades crnicas que el 15% de los pacientes permanecen en el hospital menos de 30 das, mientras que el 85% de los pacientes permanece 30 das o ms. Tambin ha descubierto que el 20% de los que se quedan menos de 30 das y el 60% de los que se quedan 30 das o ms, presentan cierto grupo de caractersticas. Cul es la probabilidad de que un paciente que llega al hospital con esas caractersticas permanezca menos de 30 das?
20.- A un sospechoso se le aplica un suero de la verdad que se sabe que es confiable en 90% cuando la persona es culpable y en 99% cuando la persona es inocente. En otras palabras el 10% de los culpables se consideran inocentes cuando se usa el suero y el 1% de los inocentes se juzgan culpables. Si el sospechoso se escogi de un grupo del cual solo 5% han cometido alguna vez un crimen y el suero indica que la persona es culpable, cul es la probabilidad de que sea inocente?
21.- Con los jugadores de un club de ftbol se forman dos equipos para jugar un partido de entrenamiento; entre los dos equipos se renen 6 defensas, 8 medios, 6 delanteros y 2 porteros. El entrenador sabe que en estos partidos, la probabilidad de que se lesione un jugador es 0.22 si es delantero, 0.11 si es medio, 0.055 si es defensa y 0 si es portero. a.- Calcular la probabilidad de que se lesione uno cualquiera de los jugadores en este partido. b.- Si se sabe que un jugador se ha lesionado, determinar la probabilidad de que haya sido un defensa.
22.- Tras un estudio estadstico en una ciudad se observa que el 70% de los motoristas son varones y, de estos, el 60% llevan habitualmente casco. El porcentaje de mujeres que conducen habitualmente con casco es del 40%. Se pide: a.- Calcular la probabilidad de que un motorista elegido al azar lleve casco. b.- Se elige un motorista al azar y se observa que lleva casco. Cul es la probabilidad de que sea varn?
23.- El 20% de los empleados de una empresa son ingenieros y otro 20% son economistas. El 75% de los ingenieros ocupan un puesto directivo y el 50% de los economistas tambin, mientras que de los no ingenieros y no economistas solamente el 20% ocupan un puesto directivo. Cul es la probabilidad de que un empleado directivo elegido al azar sea ingeniero?