Gestin Aeronutica: Estadstica Terica

Facultad Ciencias Econmicas y Empresariales

Departamento de Economa Aplicada
Profesor: Santiago de la Fuente Fernndez

FUNDAMENTOS DE PROBABILIDAD
En el mundo real hay fenmenos regidos por leyes determinadas, es decir, bajo
condicionadas dadas. El resultado es previsible, salvo quizs por errores de medida;
estos fenmenos denominan fenmenos deterministas, un ejemplo de ellos puede ser
la cada de un objeto desde determinada altura.
Frente a estos fenmenos existen otros muchos que no siguen unas leyes determinadas.
Un fenmeno o experimento se dice aleatorio si puede dar lugar a varios resultados, sin
que pueda ser posible decir con certeza los resultados del mismo.
Los fenmenos aleatorios aparecen en muchas disciplinas cientficas. Por ejemplo, en
Mercadotecnia interesan las cantidades de cierta mercanca vendidas en das sucesivos;
en Fsica se detecta la presencia de ruidos trmicos en un circuito elctrico; en Control de
Calidad interesa el nmero de tems defectuosos producidos por cierta mquina; en
Medicina el nmero de pacientes curados por cierto frmaco, etc.
Al describir un experimento aleatorio es esencial especificar qu aspecto del resultado
interesa observar, es decir, cul es el criterio para considerar dos resultados como
diferentes. Esta especificacin se logra mediante el espacio muestral.
ESPACIO MUESTRAL.- Dado un experimento aleatorio, el conjunto cuyos elementos
son los posibles resultados diferentes (que se desean considerar diferentes) del mismo,
se conoce como espacio muestral asociado al experimento aleatorio, se denota por .
Se presentan diversos tipos de espacios muestrales:
a) En el lanzamiento de un dado se puede tomar como espacio muestral:
1, 2, 3, 4, 5, 6
b) En el experimento aleatorio que describe el nmero de automviles que cruzan un
puente de peaje en un perodo dado, el espacio muestral es del tipo 1, 2, 3,
c) En el caso de elegir al azar un nmero real en el intervalo 0, 1 , el espacio muestral
asociado es precisamente 0, 1

Atendiendo al nmero de resultados posibles de un experimento aleatorio se pueden

establecer los siguientes tipos de espacios muestrales:
a) Espacios muestrales finitos: Son aquellos que tienen un nmero finito de elementos,
como puede ser la tirada de un dado.
b) Espacios muestrales infinitos numerables: Son aquellos en los que tiene un
nmero infinito de elementos y puede ponerse en correspondencia biunvoca con los
nmeros naturales, como pude ser el nmero de automviles que pasan por el puente
de peaje.
c) Espacios muestrales infinitos no numerables: Son aquellos en los que tiene un
nmero infinito de elementos y no puede ponerse en correspondencia con los nmeros
naturales, como puede ser la eleccin al azar de un nmero en el intervalo 0, 1 .
1

SUCESOS.- Un suceso asociado a un experimento aleatorio corresponde a la cuestin

de que tenga o no tenga respuesta despus de realizado el experimento.
En el lanzamiento de dos monedas, el espacio muestral asociado, siendo C cara y
X cruz : CC, CX, XC, XX
Es el nmero de caras menor o igual que uno?. La pregunta tiene respuesta y es, por
tanto, un suceso. El subconjunto de que responde afirmativamente a la pregunta es
A CX, XC, XX
Pudiendo definir un suceso de un experimento aleatorio como un subconjunto del espacio
muestral, A , es decir, una coleccin de puntos del espacio muestral.
OPERACIONES CON SUCESOS.- Para definir algo que mida la aleatoriedad que
dentro de s llevan los sucesos de un experimento aleatorio es necesario construir una
estructura matemtica. Para ello se definen ciertas operaciones con los sucesos.

Unin de sucesos: Dados dos sucesos A y B, de cierto experimento aleatorio, se

define la unin de A y B, que se representa por A B , a otro suceso que se denota
por C, que ocurre siempre que ocurra A o siempre que ocurra B: A B C

Interseccin de sucesos: Dados dos sucesos A y B, de cierto experimento aleatorio,

se define la interseccin de A y B, que se representa por A B , a otro suceso que se
denota por D, que ocurre siempre que ocurran A y B simultneamente: A B D

Suceso complementario: Dado un suceso A, de cierto experimento aleatorio, se

define el complementario de A, que se representa por A A C , a otro suceso que
ocurre siempre que no ocurre A.

Suceso imposible: Dado el suceso A y su complementario A , junto con la operacin

de interseccin, se define un suceso que no ocurre nunca, se le conoce como suceso
imposible y se denota por : A A
El suceso complementario del suceso imposible es el suceso seguro, que es
precisamente el espacio muestral:

Sucesos incompatibles: Dados dos sucesos A y B, de cierto experimento aleatorio,

se dice que estos sucesos son incompatibles si su interseccin es el suceso imposible.
A B A y B incompatibles

Sucesos contenido en otro: Dados dos sucesos A y B, de cierto experimento

aleatorio, se dice que A est contenido en B si siempre que ocurre A ocurre B, se
denota por A B .
Se observa que dado cualquier suceso A, siempre ocurre A

Diferencia de sucesos: Dados dos sucesos A y B, de cierto experimento aleatorio, se

define la diferencia de los sucesos A y B, y se denota por A B , el suceso C, que
ocurra A y no ocurra B: C A B . Se observa que C A B A B

Sucesos elementales: Dado un suceso puede ocurrir que ste pueda ser
descompuesto en sucesos ms simples, de forma que la unin de stos sea
precisamente el suceso considerado. A estos sucesos se les llama sucesos
compuestos.
Por otra parte, existen otros sucesos que no pueden ser descompuestos en sucesos
ms simples, estos sucesos reciben el nombre de sucesos elementales.

PROPIEDADES DE LA UNIN e INTERSECCIN DE SUCESOS:

A B B A
Conmutativas
A B B A

A (B C) (A B) C
Asociativas
A (B C) (A B) C

A (B C) (A B) (A C)
Distributivas
A (B C) (A B) (A C)

para la unin : A A
Elemento neutro
para la interseccin : A A

LGEBRA DE BOOLE: Sea M un conjunto cualquiera, la clase de sus subconjuntos que

verifica las condiciones de contener a M, estabilidad para las operaciones de unin y
complementacin de subconjuntos de M, recibe el nombre de lgebra de Boole.

Sea C(M) una clase de subconjuntos de M, se dice que C(M) es un lgebra de Boole
si verifica:
a) M C(M)
b) Si A, B C(M) A B C(M)
c) Si A C(M) A C(M)

Sea el conjunto que es el espacio muestral y una clase formada por los sucesos que
son subconjuntos de , verificando:
a) C(), ya que es un suceso, el suceso seguro
b) Si A, B C( ) A B C() es otro suceso
c) Si A C() A C( ) es otro suceso
La clase formada por los sucesos de un experimento aleatorio tiene estructura de lgebra
de Boole, a sta se la llama lgebra de Boole de sucesos y se denota por
En el caso de que el espacio muestral sea infinito (numerable o no numerable), se
considera una estructura ms amplia, que es la - lgebra de sucesos, y en la que la
diferencia esencial con el lgebra de sucesos es que la unin infinita numerable de
sucesos es otro suceso.
Es decir, la clase de sucesos es un - lgebra s
a)
b) Si A A

c) Si A i i A i
i 1

A la terna (, , P) se le llama espacio probabilstico asociado a un experimento

aleatorio.

Una variable aleatoria es una funcin definida sobre el espacio muestral (conjunto
de resultados de un experimento aleatorio) que toma valores en el cuerpo de los nmeros
reales , es decir:
:

()

Una variable aleatoria puede ser discreta o continua segn sea el rango de esta funcin.
En trminos matemticos con rigor, dado un espacio probabilstico (, , P) asociado a
un experimento aleatorio, una funcin :
es una variable aleatoria si x
el conjunto / () x
FRECUENCIA DE UN SUCESO: El objetivo es definir sobre el lgebra de Boole de
sucesos una funcin que indique una medida de la certeza o incertidumbre en la
ocurrencia de los sucesos del experimento aleatorio.

Dado un suceso A , esto es, un suceso perteneciente al lgebra de sucesos de un

experimento aleatorio, la frecuencia absoluta del suceso A en una serie de n repeticiones
similares del experimento, se denota por nA .
La frecuencia relativa del suceso A es la frecuencia absoluta dividida por el nmero de
veces que se realiza el experimento, denotndose por fA :
0 fA 1 para cualquier suceso
nA
fA
suceso seguro
f 1
n
suceso imposible
f 0
Si dos sucesos A y B son incompatibles, A B , siendo nA la frecuencia absoluta de A
y nB la frecuencia absoluta de B, se tiene que la frecuencia absoluta de A B es
nA B nA nB , teniendo: fA B

nA B nA nB nA nB

fA fB
n
n
n
n

Es decir, fA B fA fB si A B
PROBABILIDAD: Dado un experimento aleatorio, con espacio muestral y lgebra de
sucesos asociada , la probabilidad se define como una aplicacin del lgebra de

sucesos en el intervalo 0, 1 , que verifica los tres axiomas siguientes:

P :
0, 1

P(A) 0 A

P() 1
P(A B) P(A) P(B) A, B con A B

Consecuencias de los Axiomas:

P(A A) P() P(A) P(A) 1 P(A) 1 P(A)

P(A) 1 P(A) A
fA 1 fA

 P() 0 P() 1 P( ) 1 1 0
Si A B P(A) P(B)
Si A B B A (B A) con A (B A)
P(B) P(A) P(B A) con P(A) 0 y P(B A) 0
con lo cual, P(B) P(A)
P(A B) P(A) P(B) P(A B) A, B

A (A B) (A B)

P(A) P(A B) P(A B)

B (A B) (A B)

P(B) P(A B) P(A B)

A B (A B) (A B) (A B) (A B) (A B) (A B) (A B)
P(A B) P(A B) P(A B) P(A B)
B A
Siendo
A B

P(A B) P(A) P(A B)

P(A B) P(B) P(A B)

resulta,

P(A B) P(A B) P(A B) P(A B) P(A B) P(A) P(A B) P(B) P(A B)

obteniendo, P(A B) P(A) P(B) P(A B) A, B
Cuando los sucesos A y B son incompatibles, A B , P(A B) P(A) P(B)
(A B) A B
Leyes de Morgan
(A B) A B
PROBABILIDAD CONDICIONADA: Dado un suceso A con P(A) 0 , para
cualquier otro suceso B , se define la probabilidad del suceso B condicionado al
suceso A:

P(B / A)

P(A B)
P(A)

INDEPENDENCIA: Los sucesos A, B son independientes s P(B / A) P(B)

P(A B)
P(B) P(A B) P(A) . P(B)
Es decir, P(B / A)
P(A)

La expresin P(A B) P(A) . P(B) se toma como definicin de independencia.

Para tres sucesos A, B, C la definicin analtica es que sean independientes dos a
dos y luego los tres juntos, esto es, que se verifiquen las relaciones:
P(A B) P(A) . P(B)

P(A C) P(A) . P(C)

P(B C) P(B) . P(C)

P(A B C) P(A) . P(B) . P(C)

TEOREMA DE LA PROBABILIDAD TOTAL

Sea un conjunto de sucesos A i i 1, 2, , n , A i , tales que verifican las dos condiciones

siguientes:
n A
i
i 1
A i A j i j i, j 1, 2, , n
Esto es, la unin de todos ellos es el suceso seguro y son incompatibles dos a dos.
Un conjunto de sucesos con estas dos propiedades recibe el nombre de sistema completo
de sucesos.
Sea un suceso cualquiera B y un sistema completo de sucesos A i i 1, 2, , n , tales
que P(A i ) 0 i . El Teorema de la Probabilidad Total establece que:
n

P(B) P(A i ) . P(B / A i )

i 1

En efecto, B B siendo A i
i 1

n n
B B B A i B A i
i 1 i 1
Los sucesos B A i son disjuntos por serlo los sucesos A i , resulta, por tanto:

n
n
n
P(B) P B A i P B A i P B A i
i 1
i 1
i 1

Como P(B / A i )

P(B A i )
P(A i )

P(B A i ) P(A i ) . P(B / A i ) i

i 1

i 1

Sustituyendo se tiene: P(B) P B A i P(A i ) . P(B / A i ) i

TEOREMA DE BAYES: Con las mismas condiciones que el teorema de la probabilidad

total, se desea conocer la probabilidad de que habiendo ocurrido el suceso B la causa que
lo produzca sea el suceso Aj , es decir, se desea calcular P(A j / B)

El teorema de Bayes establece que P(A j / B)

P(A j ) . P(B / A j )
n

P(A i ) . P(B / A i )
i 1

En efecto,
P(A j / B)

P(A j B)
P(B)

se tiene, P(A j / B)

y P(B / A j )

P(A j B)
P(B)

P(A j B)
P(A j )

P(A j ) . P(B / A j )
P(B)

P(A j B) P(A j ) . P(B / A j )

P(A j ) . P(B / A j )
n

P(Ai ) . P(B / A i )
i 1

HERRAMIENTAS EN EL ESTUDIO DE EXPERIMENTOS ALEATORIOS

Combinaciones de m elementos tomados de n en n: Es el conjunto de todas las
disposiciones que se pueden formar tomando n elementos entre los m, con la
condicin que dos disposiciones sern distintas s y slo s estn formadas por
elementos distintos, es decir, no se tiene en cuenta el orden de los elementos en la
disposicin.

m
m!
Cm, n
n n! . (m n)!

donde m! m . (m 1) . . 3 . 2 . 1

Variaciones de m elementos tomados de n en n: Es el conjunto de todas las

disposiciones que se pueden formar tomando n elementos de entre los m elementos,
con la condicin de que dos disposiciones sern distintas si estn formadas por
elementos distintos o si los elementos estn dispuestos en orden distinto dentro de la
disposicin, esto es, se tiene en cuenta el orden de los elementos en la disposicin.

Vm, n m . (m 1) . (m 2) . . (m n 1)
Permutaciones de m elementos: Es un caso particular de las variaciones, son
variaciones de m elementos tomados de m en m.

Pm Vm, m m! m . (m 1) . (m 2) . . 3 . 2 .1
Variaciones con repeticin de m elementos tomados de n en n: Es el conjunto de
todas las disposiciones distintas que se pueden formar tomando n elementos entre los
m elementos, en los que eventualmente pueden aparecer elementos repetidos, con la
condicin de que dos disposiciones sern distintas si tienen distintos elementos o
estn situados en distintos lugares, esto es, se tiene en cuenta el orden de los
elementos en las disposiciones.

Vmn mn

 Permutaciones con repeticin: Es el conjunto de todas las disposiciones distintas

que se pueden formar con m elementos, en los que en cada disposicin cada
elemento puede aparecer (n1, n2 , , nm ) veces y en un orden determinado.
RPn

n!
n1 ! . n2 ! nm !

donde n1 n2 nm n

Combinaciones con repeticin de m elementos tomados de n en n: Es el conjunto

de todas las disposiciones distintas que se pueden formar tomando n elementos entre
los m elementos, en donde eventualmente pueden aparecer elementos repetidos, con
la condicin de que dos disposiciones sern distintas si tienen distintos elementos, es
decir, no se tiene en cuenta el orden de la disposicin.

m n 1 (m n 1)!
RCnm

n!. (m 1)!

Portal Fuenterrebollo

Gestin Aeronutica: Estadstica Terica

Facultad Ciencias Econmicas y Empresariales
Departamento de Economa Aplicada
Profesor: Santiago de la Fuente Fernndez

EJERCICIOS DE SUCESOS Y PROBABILIDAD

Ejercicio 1.- En una clase de la Facultad de Econmicas de 30 alumnos hay 18
alumnos que han aprobado estadstica, 16 que han aprobado contabilidad y 6 que no han
aprobado ninguna de las dos asignaturas. Se elige al azar un alumno de la clase.
a) Cul es la probabilidad de que haya aprobado estadstica y contabilidad?
b) Sabiendo que ha aprobado estadstica, cul es la probabilidad de que haya aprobado
contabilidad?.
c) Son independientes los sucesos 'aprobar estadstica' y 'aprobar contabilidad'.
Solucin:
Sean los sucesos: E = 'Aprueban Estadstica'

C = "Aprueban Contabilidad"

Se organizan los datos en una tabla de doble entrada, completando los que faltan:
E
C

10

E
6

14

18

12

30

a) P (E C)

b) P (C / E)

16

10 1

30 3

P(E C) 10 5

P(E)
18 9

c) Los sucesos son independientes cuando P(E C) P(E) .P(C)

P(E C) 1 3

18 16 3 18
8

P(E) . P(C) 30 . 30 5 . 15 25

1
8

Los sucesos NO son independientes

3 25

Ejercicio 2.- Sabiendo que: P A B 0,2 ; P B 0,7 ; P A B 0,5

Se pide: P A B y P A
Solucin:

P A P A B P A B 0,5 0,2 0,7

P B 1 P B 1 0,7 0,3
P A B P A P B P A B 0,7 0,3 0,2 0,8

Ejercicio 3.- Sean dos sucesos A y B, tales que P A B 0 , P A B 0,5 ,

P A 0, 4
Calcula: P B y P A B
Solucin:
P A B 1 P A B 0

P A B

Morgan

P A B

Morgan

P A B 1 P A B 0,5

P A 1 P A 0, 4

P A B 1
P A B 0,5

P A 0,6

P A B P A P B P A B

1 0,6 P B 0,5

P B 0,9

Ejercicio 4.- Se tienen dos bolsas, A y B. En la bolsa A hay 3 bolas blancas y 7 rojas. En
la bolsa B hay 6 bolas blancas y 2 rojas. Sacamos una bola de A y la pasamos a B.
Despus se extrae una bola de B.
a) Cul es la probabilidad de que la bola extrada de B sea blanca?.
b) Cul es la probabilidad de que las dos bolas sean blancas?.
Solucin:
Se hace un diagrama de rbol:

10

a) P 2 blanca

7
7
21 7

30 15 30 10

b) P 1 blanca 2 blanca

7
30

Ejercicio 5.- En una cadena de televisin se hizo una encuesta a 2500 personas para
saber la audiencia de un debate y de una pelcula que se emitieron en horas distintas:
2100 personas vieron la pelcula, 1500 vieron el debate y 350 no vieron ninguno de los
dos programas. Se elegimos al azar uno de los encuestados:
a) Cul es la probabilidad de que viera la pelcula y el debate?.
b) Cul es la probabilidad de que viera la pelcula, sabiendo que vio el debate?.
c) Sabiendo que vio la pelcula, Cul es la probabilidad de que viera el debate?.
Solucin:
Sean los sucesos: P = 'Vio la pelcula'

D = "Vio el debate"

Se organizan los datos en una tabla de doble entrada, completando los que faltan:
D
P

1450

D
650

50

350

400

1500

1000

2500

a) P (P D)

1450 29

0,58
2500 50

b) P (P / D) =

P(P D) 1450 29
=
=
= 0,97
P(D)
1500 30

c) P (D / P)

P(D P) 1450 29

0,69
P(P)
2100 42

11

2100

Ejercicio 6.- La prevalencia de diabetes es del 4%. La glucemia basal diagnstica

correctamente el 95% de los diabticos, pero da un 2% de falsos positivos. Diagnosticada
una persona Cul es la probabilidad de que realmente sea diabtica?
Solucin:
Sean los sucesos: D = "tener diabetes"
P D 0,04

P D 0,96

P G / D 0,95

El Teorema de Bayes: P D / G

P D / G

G = "dar positivo en la prueba glucemia basal"

P G / D 0,02

P D P G / D

P D P G / D P D P G / D

0,04 . 0,95
0,038

0,664
0,04 . 0,95 0,96 . 0,02 0,038 0,0192

Ejercicio 7.- En el punto de partida de un laberinto hay tres orificios iguales A, B y C. Si

una rata elige A vuelve al punto de partida despus de recorrer dos metros. Si elige B
recorre cinco metros y vuelve al mismo punto. Si elige C sale al exterior recorriendo un
metro. Por trmino medio que distancia recorre una rata antes de salir, si siempre elige
un orificio distinto de los seleccionados en veces anteriores?
Solucin:
Las distancias recorridas son:
d ABC 8 m
d BC 6 m

Las probabilidades de las distancias recorridas:

12

d BAC 8 m
d C 1 m

d AC 3 m

P ABC P A . P B / A . P C

1 1
1
. .1
3 2
6

P BAC P B . P A / B . P C

1 1
1
. .1
3 2
6

P AC P A . P C / A
P BC P B . P C / B
P C

1 1
1
.
3 2
6
1 1
1
.
3 2
6

1
3

La distribucin de probabilidad:
ABC
8
1
6

di
pi

BAC
8
1
6

AC
3
1
6

BC
6
1
6

C
1
1
3

La distancia media recorrida es:

E d

i 1

di . pi 8 .

1
1
1
1
1 27
8 . 3 . 6 . 1.
4,5 m
6
6
6
6
3
6

Ejercicio 8.- Sean A y B dos sucesos correspondientes a un experimento aleatorio, tales

que A B con P ( A ) 0,8 y P (B) 0,5 . Se pide calcular las probabilidades:
a)
b)
c)
d)

P (A B)

P (A B )
P (A B)
P (A B )

Solucin:
a) P (A B) P (A) P (B) P (A B) , con la hiptesis A B , siendo P () 1 ,
se tiene:
1 0,8 0,5 P (A B)

P (A B) 0,3

b) B es el complementario de B, en consecuencia, B B
P (A B ) P (A) P (B ) P (A B )

13

P (B ) P () P (B) P (B ) 1 0,5 0,5

De otra parte,
B B (A B) B A B P (B ) P (A B ) 0,5

con lo que, P (A B ) 0,8 0,5 0,5 0,8

Tambin podramos haber considerado:

P (A B) P(A) 0,8

c) P (A B) P (B) 0,5

Leyes de Morgan

d) P (A B )

P (A B) 1 P (A B) 1 O,3 0,7

Ejercicio 9.- Sean A, B y C tres sucesos incompatibles, con P (A) 0,5 , P (B) 0,25 y
P (C) 0,166 . Se pide calcular las siguientes probabilidades:
a) P (A B )
b)
c)
d)
e)

P (A B C )
P (A B C)
P (B A)
Probabilidad de que exactamente se realice uno de los tres sucesos considerados.

Solucin:
a) El suceso A B (A B) . Por las leyes de Morgan:
P (A B ) P (A B) 1 P (A B)
Como los sucesos son incompatibles, P (A B) P () 0 . En consecuencia,
P (A B) P (A) P (B) P (A B) P (A B) P (A) P (B)

resultando:
P (A B ) P (A B) 1 P (A B) 1 P (A) P (B) 1 0,5 0,25 0,25
b) El suceso A B C (A B C) . Por las leyes de Morgan:
P (A B C) P (A B C) 1 P (A B C)
14

Como los sucesos son incompatibles, P (A B C) P (A) P (B) P (C)

con lo cual,
P (A B C) P (A B C) 1 P (A) P (B) P (C) 1 0,5 0,25 0,166 0,084
c) Siendo A, B y C sucesos incompatibles, queda:

AB
Si A C C A
Si B C C B

AC
y, por tanto,

BC

ABC

ACC y BCC y ABCC

quedando, P (A B C) P (C) 0,166

d) El suceso B A B A . Por otro lado, A B , con lo cual B A
B A B A B y la probabilidad pedida:

resultando,

P (B A) P (B A) P (B) 0,25
e) Sea E = 'suceso ocurre exactamente uno de los tres sucesos A, B , C'

E (A B C) (A B C) (A B C)
por analoga con razonamientos anteriores, se tiene que:
ABCA

A B C B

AB C C

P (E) P (A B C) P (A) P (B) P (C) 0,5 0,25 0,166 0,916

Ejercicio 10.- Un banco ha estimado, por experiencias anteriores, que la probabilidad de

que una persona falle en los pagos de un prstamo personal es de 0,3. Tambin ha
estimado que el 40% de los prstamos no pagados a tiempo se han hecho para financiar
viajes de vacaciones y el 60% de los prstamos pagados a tiempo se han hecho para
financiar viajes de vacaciones.
Se pide:
a) Probabilidad de que un prstamo que se haga para financiar un viaje de vacaciones
no se pague a tiempo.
b) Probabilidad de que si el prstamo se hace para propsitos distintos a viajes de
vacaciones sea pagado a tiempo.
Solucin:
Sean los sucesos:
A = 'No falla en los pagos de su prstamo personal'
B = 'Prstamo para financiar viajes de vacaciones'
15

P (A) 0,3

P (A) 0,7

P (B / A) 0, 4

P (B / A) 0,6

P (B / A) 0,6

P (B / A) 0, 4

P (A / B)

P (A).P (B / A)
0,3.0, 4

0,22
P (A).P (B / A) P (A).P (B / A) 0,3.0, 4 0,7.0,6

b) P (A / B)

P (A).P (B / A)
0,7.0, 4

0,608
P (A).P (B / A) P (A).P (B / A) 0,7.0, 4 0,3.0,6

a)

Ejercicio 11.- Un psiclogo industrial, por experiencias anteriores, conoce que el 90 por
100 de las personas que inician un determinado tratamiento tcnico terminan con xito.
La proporcin de personas en entrenamiento y con experiencia previa es del 10 por 100
de entre las personas que completaron con xito su entrenamiento y del 25 por 100 de
entre aquellos que no terminaron con xito su entrenamiento. Se pide:
a) Probabilidad de que una persona con experiencia anterior supere el entrenamiento
con xito.
b) Podemos concluir que la experiencia previa influye en el xito del entrenamiento?
Solucin:
Sean los sucesos:

A = 'Supera con xito el entrenamiento'

B = 'Tiene experiencia previa'

Segn las hiptesis, se tiene:

P (A) 0,9

P (A) 0,1

P (B / A) 0,1

P (B / A) 0,25

a) Se pide P (A / B) , que segn el teorema de Bayes ser:

P (A / B)

con lo cual,

P (A) . P (B / A)
P (A) . P (B / A)

P (B)
P (A) . P (B / A) P (A) . P (B / A)
P (A / B)

0,9 . 0,1
0,78
0,9 . 0,1 0,1 . 0,25

b) Comparando P (A) 0,9 y P (A / B) 0,78 se observa una diferencia entre los dos
sucesos, a favor de P (A) .
16

En consecuencia, en este entrenamiento la experiencia previa influye desfavorablemente

en el xito del mismo.
Ejercicio 12.- Sean A, B dos sucesos con P (A) 0,5 , P (B) 0,3 y P (A B) 0,1
Calcular la probabilidad de que ocurra exactamente uno de los dos sucesos.
Solucin:
Sea el suceso E = 'ocurre uno y solo uno de los sucesos'
E (A B ) (A B)

P (E) P (A B) (A B) P (A B) P (A B) P(A A B B)
P (A B) P (A B) P() P (A B) P (A B)

P (A B) 0, 4

P (A B) 0,2

P(E) P (A B) P (A B) 0, 4 0,2 0,6

Ejercicio 13.- Dado P(A) 1 3 y P(B/ A) 1 3 , determinar si se cumple que

a) A y B son independientes
b) A B
c) A B
d) P(A/ B) 2 3
Solucin:
a) Supongamos que se realiza un experimento aleatorio que consiste en extraer una bola
de una urna con nueve bolas numeradas del 1 al 9. El espacio muestral es
1, 2, 3, 4, 5, 6, 7, 8, 9
Sean los sucesos A 1, 2, 3 y B 3, 4, 5, 6, 7, 8, 9 , entonces:
P(A)

3 1

9 3

P(B)

7
9

P(B A)

1
9

P(B/ A)

P(B A) 1 9 1

P(A)
13 3

P(B) P(B / A) por lo que los sucesos no son independientes.

b) P(B/ A)

P(B A) P(B A) 1

P(A)
13
3

P(B A)

1
9

P(B A)

c) Observando el contraejemplo utilizado en el apartado (a) se observa que A B

17

d) Utilizando el contraejemplo,
A 4, 5, 6, 7, 8, 9

B 1, 2

P(A B) P() 0

Portal Fuenterrebollo

18

P(A/ B)

P(A B) P()

0
29
P(B)