1

UNIDAD II APRENDAMOS DE LA INCERTUDUMBRE

2.1 Mtodos de conteo
Introduccin
Suponga que usted es el jefe de personal de una compaa, y que el principal accionista
de la empresa est otorgando 3 becas para estudiar en el extranjero para los ingenieros
del rea de produccin de la empresa. Cmo seleccionara usted a los tres futuros
becarios si en el rea de produccin se encuentran 5 ingenieros? Pues no se preocupe
porque en esta unidad se abordaran tcnicas para solucionarlo.
Un paso para resolverlo es numerar todos los posibles resultados, pero esto es factible
cuando se tienen pocos elementos, pero cuando los elementos son muchos numerarlos
seria prcticamente un proceso engorroso. De igual manera hay tcnicas que nos
permite resolverlo de una manera sencilla.
Tcnicas de Conteo.
Nmero Factorial
El factorial de un nmero natural n, que se denota por n!, es igual al producto de n por
todos los nmeros naturales menores que l.
Es decir que: n! = n(n-1)(n-2)(n-3)xx2x1
Nmero Combinatorio
Para n y r nmeros naturales, con r n, el nmero combinatorio n, r se define:
)! ( !
!
r n r
n
C
r
n
r n

,
_

Ejemplos:
1. Calcular
10
10
c) ;
0
10
b) ;
3
7
)

,
_

,
_

,
_

a
2. Simplificar las siguientes expresiones:
3!0!
5!
d)
98!2!
100!
c)
1)! - (n
)! 2 )( 1 (n
b)
! 5 ! 2
! 7
)
2
n
a
DIAGRAMA DE ARBOL
Es una tcnica que sirve para contar y describir de manera conjunta, ciertos tipos de
sucesos que van sucediendo a travs de etapas sucesivas.
Ejemplo 1
Se lanza una moneda tres veces, Cules son los resultados posibles?
2
Ejemplo 2
Un empresario clasifica a sus clientes de acuerdo a tres criterios; segn el volumen de
compras (alto, medio o bajo); segn su origen (nacional o extranjero) y segn su poltica
de crdito (corto, mediano y largo plazo). De cuantas maneras distintas se puede
clasificar un cliente?
PRINCIPOS DE MULTIPLICACION
Si un determinado proceso u operacin se realiza en k etapas, y se tienen:
n
1
maneras de cubrir la etapa 1, n
2
maneras de cubrir la etapa 2,, n
k
maneras de cubrir
la etapa k; entonces, el nmero total de maneras en el cual el proceso puede ocurrir se
calcula por el producto:
Ejemplo 1
De cuantas maneras diferentes se puede permutar las letras A, B, C, D y E?
Ejemplo 2
Cuntas cantidades de siete cifras significativas, se pueden formar con los nmeros
dgitos? No se permite repeticin.
Ejemplo 3
Un estudiante revisa a diario su correo elctrico y en un da cualquiera se da cuenta que
ha recibido seis mensajes de direcciones diferentes, de cuantas maneras distintas puede
leer y responder los seis mensajes?
PERMUTACION
Una permutacin es un arreglo de r elementos tomados de un total de n elementos,
donde el orden de aparicin se toma en cuenta.
El total se calcula mediante la expresin:
)! (
!
Pr
r n
n
n

Ejemplo 1
Con los nmeros del 1 al 9 se desea formar cantidades de cuatro cifras, Cuntas
cantidades diferentes pueden formarse? Sin repeticin.
Ejemplo 2
Cuntas cantidades de cuatro cifras se pueden formar con los dgitos 5, 6, 7 y 8. No se
permite repeticin.
n
1
x n
2
x x n
k
3
COMBINACIN
Es una seleccin de r elementos tomados de un total de n elementos donde el orden de
aparicin no se toma en cuenta.
El total se calcula mediante la expresin
)! ( !
!
r n r
n
C
r
n
r n

,
_

Ejemplo 1
Se tienen los nmeros del 1, 4, 7 y 9. Si se seleccionan dos de estos para sumarlos,
Cuntas cantidades diferentes se pueden formar?
R/ 6
Ejemplo 2
Se disponen de 10 jugadores para integrar un equipo de baloncesto, Cuntos equipos
pueden formarse? Si todos los jugadores tienen la misma capacidad para jugar en
cualquier posicin. R/ 252
Ejemplo 3
En una oficina trabajan 5 hombres y 5 mujeres. De entre los cuales se van a escoger a
cuatro para formar un grupo que deber trabajar los domingos. Cuntos equipos o
grupos diferentes pueden formarse? S:
a) No existen restricciones.
b) Debe estar formado por dos hombres y dos mujeres.
c) Debe estar formado por dos hombres y dos mujeres, pero una mujer especfica
no puede formar parte del equipo.
d) Solo hombres.
e) Solo mujeres.
Ejemplo 4
Existen 3 errores graves que un aprendiz puede cometer al ensamblar una pieza de
maquinaria. De cuantas formas distintas puede cometer al menos dos errores graves?
PERMUTACIONES CON ELEMENTOS REPETIDOS
Si en un nmero n de objetos existen: n
1
repetidos de la clase 1, n
2
repetidos de la clase
2, n
3
repetidos de la clase 3 y as sucesivamente n
k
repetidos de la clase k y se tiene que
n = n
1
+ n
2
+ n
3
+ + n
k
entonces el total de permutaciones de los n objetos tomados
todos a la vez, se calcula mediante la expresin:
k 3 2 1
x...xn xn ! xn !
!
n
n
Ejemplo 1
Utilizando la palabra TERREMOTO. Calcular el total de permutaciones posibles si:
a) No hay restricciones.
b) La primera letra debe ser una vocal.
4
Solucin
080 , 10
! 1 ! 1 ! 2 ! 2 ! 2
! 8
2 ) 680 , 22
! 1 ! 2 ! 2 ! 2 ! 2
! 9
)

b a
Ejemplo 2
Para recorrer el camino que va de P a Q en el diagrama, solo puede ir horizontal hacia la
derecha y vertical hacia arriba. Si al llegar a cada punto de encrucijada se considera que
se ha cubierto una etapa del camino, Cuntas trayectorias o caminos diferentes
conducen de P a Q?
Q
P
Solucin
D: Movimientos hacia la derecha: 4+
A: Movimientos hacia arriba: 3
7
Respuesta: 35
! 3 ! 4
! 7

Ejemplo 3
Se tienen siete tarjetas marcadas con los dgitos 2, 4, 5, 6, 6, 6, 6. Cuntas cifras
diferentes de siete dgitos se pueden formar?
Solucin
Respuesta: 210
! 4 ! 1 ! 1 ! 1
! 7

PRINCIPIO DE LA SUMA
Si un determinado proceso se realiza en k etapas y se tienen:
n
1
maneras de cubrir la etapa 1, n
2
maneras de cubrir la etapa 2,, n
k
maneras de cubrir
la etapa k; el nmero total de maneras en el cual el proceso puede ocurrir se calcula por
la suma:
n
1
+ n
2
+ n
3
+ + n
k
Ejemplo 1
Se est organizando una excursin y no se sabe todava si visitar una playa o una
montaa. Si existen cuatro posibles playas y cinco montaas para ser visitadas. De
cuantas formas diferentes se puede organizar la excursin
Ejemplo 2
Cuntas cantidades de cuatro cifras significativas y que sean mltiplos de cinco se
pueden formar con los nmeros dgitos?
5
NOCIONES BASICAS DE PROBABILIDAD
INTRODUCCION
El origen de la teora de la probabilidad se encuentra en el trabajo motivado por los
juegos de azar de los matemticos Pedro de Fermat (1601- 1665), Blas Pascal (1623-
1662). De este trabajo surgi el concepto primitivo de probabilidad. Posteriormente
existe una larga lista de matemticos que han contribuido a desarrollar la Teora de
Probabilidad, de entre ellos cabe mencionar a:
Bernoulli (1654- 1705) Bayes (1751-1800)
Laplace (1749-1827) Gauss (1777- 1855)
Poisson (1781 -1840) Chebyshev (1821 -1894)
Markov (1856 -1922)
La Teora de Probabilidad tiene por objetivo el anlisis matemtico de los eventos
aleatorios.
Clasificamos a los eventos que manifiesta la naturaleza en Determinsticos y Aleatorios.
Eventos determinsticos: Son aquellos que ofrecen exclusivamente un solo resultado.
Por ejemplo, el combinar (bajo condiciones apropiadas) dos partes de Hidrgeno con
una de oxgeno, necesariamente resulta agua.
Eventos aleatorios: Son aquellos que ofrecen dos o ms resultados.
Por ejemplo, en la lotera nacional el premio mayor se ofrece a las 50,000 personas que
participan en el sorteo.
La vida en aos de un componente electrnico es de 6, entonces un evento aleatorio
puede ser que el componente falle antes de que finalice el sexto ao.
Claro esta que al efectuarse un evento aleatorio se presenta solamente un resultado, pero
en repeticiones sucesivas del mismo evento aleatorio los resultados pueden ser distintos.
Un evento determinstico carece de importancia para la teora de probabilidad, por que
se reduce a un caso trivial de esta. En realidad la teora de probabilidad siempre se ha
dirigido al anlisis de los eventos aleatorios.
En la vida cotidiana aparecen muchas situaciones en las que los resultados observados
son diferentes aunque las condiciones iniciales en las que se produce la experiencia sean
las mismas. Por ejemplo, al lanzar una moneda unas veces resultar cara y otras cruz,
Estos fenmenos, denominados aleatorios, se ven afectados por la incertidumbre.
En el lenguaje habitual, frases como "probablemente...", "es poco probable que...", "hay
muchas posibilidades de que..." hacen referencia a esta incertidumbre.
La teora de la probabilidad pretende ser una herramienta para modelar y tratar con
situaciones de este tipo; Por otra parte, cuando aplicamos las tcnicas estadsticas a la
recoleccin, anlisis e interpretacin de los datos, la teora de la probabilidad
proporciona una base para evaluar la fiabilidad de las conclusiones alcanzadas y las
inferencias realizadas. Debido al importante papel desempeado por la probabilidad
dentro de la estadstica, es necesario familiarizarse con sus elementos bsicos, lo que
constituye el objetivo de esta unidad.
La teora de probabilidad es una herramienta bsica indispensable para toda clase que
contenga incertidumbre.
Es una base fundamental de los procedimientos de decisin para la estimacin y pruebas
de hiptesis.
6
La probabilidad da origen a la construccin de modelos matemticos de gran utilidad
para la inferencia estadstica.
AZAR y DESCONOCIMIENTO.
El azar est relacionado con el desconocimiento. Un ejemplo nos puede ayudar; piense
en un proceso industrial que produce grandes cantidades de un artculo determinado. No
todos los artculos producidos son idnticos, cada artculo puede calificarse como
"bueno'' o "defectuoso''. Si de toda la produccin se escoge un artculo "a ciegas'', ese
artculo puede resultar bueno o defectuoso. Esta es una situacin azarosa (o aleatoria) y
la parte esencial de este azar es que no sabemos si el artculo seleccionado es
defectuoso. Claro que con experiencia en el proceso es posible cuantificar de una
manera numrica qu tan probable es que el artculo sea defectuoso o no.
AZAR e INCERTIDUMBRE.
Hay otro concepto asociado al azar y es el de incertidumbre. Veamos un ejemplo.
Respecto a una inversin, podemos estar contemplando invertir una cantidad de dinero.
El retorno sobre la inversin puede ser fijo, como en el caso de una cuenta en un banco
con inters fijo; pero pensemos en una empresa. El negocio puede resultar desde un
gran xito hasta un fracaso, es decir, la ganancia no es fija, sino que depende del xito a
obtener. Si no podemos evaluar qu tan factible es cada monto posible de la ganancia,
tenemos una situacin de incertidumbre. Por el contrario, si podemos tener una idea de
qu tan probables son los diferentes resultados y entonces tendremos una situacin de
riesgo. Esta ltima es la que llamamos aleatoria o azarosa.
Algunos conceptos importantes
Aleatoriedad: Se caracteriza por que admite dos o ms resultados posibles y no se
tienen elementos de juicios suficientes para predecir cual de los resultados ocurrir en
una determinada prueba.
Experimento Aleatorio: Conjuntos de prueba realizadas en las mismas condiciones y
su ocurrencia o no ocurrencia est determinada por factores al azar.
Espacio Muestral: Es el conjunto de todos los resultados posibles. Se denota por S.
Evento: En un espacio muestral finito, cualquier subconjunto del espacio muestral se
llama evento.
Por ejemplo
Experimento: Lanzamiento de un dado
Espacio muestral: S = {1, 2, 3, 4, 5, 6}
Sea E: evento: Que el resultado sea par.
E = {2, 4, 6}; Card (E) = 3 = n (E)
7
Nota:
El evento vaco se llama suceso imposible por que nunca ocurre.
El evento S se llama suceso seguro por que siempre ocurre.
Sean A y B sucesos asociados a un espacio muestral S, entonces:
AUB = {x / x A o x B}
AB = {x / x A y x B}
A B = {x / x A o x B}
A = {x / x A}
Ejemplo 1
Se lanzan dos dados y se observa su suma. Si se tienen los siguientes sucesos:
A: Evento: la suma sea par.
B: Evento: la suma sea primo.
Encontrar a) A b) AUB c) AB d) A B
Ejemplo 2
Un tablero tiene siete llaves tres de las cuales abren una puerta. Una experiencia en
seleccionar dos llaves del tablero, al azar, Cul es el cardinal del espacio asociado a la
experiencia? Cual es el cardinal del suceso A: seleccionar una llave correcta y una
incorrecta?
Solucin
12
1
4
1
3
b) 21
2
7
)

,
_

,
_

,
_

a
NOCIONES BASICAS DE PROBABILIDAD
La teora de probabilidad es una herramienta bsica indispensable para toda clase que
contenga incertidumbre.
Es una base fundamental de los procedimientos de decisin para la estimacin y pruebas
de hiptesis.
La probabilidad da origen a la construccin de modelos matemticos de gran utilidad
para la inferencia estadstica.
Algunos conceptos importantes
Aleatoriedad: Se caracteriza por que admite dos o ms resultados posibles y no se
tienen elementos de juicios suficientes para predecir cual de los resultados ocurrir en
una determinada prueba.
Experimento Aleatorio: Conjuntos de prueba realizadas en las mismas condiciones y
su ocurrencia o no ocurrencia est determinada por factores al azar.
Espacio Muestral: Es el conjunto de todos los resultados posibles. Se denota por S.
8
Evento: En un espacio muestral finito, cualquier subconjunto del espacio muestral se
llama evento.
Por ejemplo
Experimento: Lanzamiento de un dado
Espacio muestral: S = {1, 2, 3, 4, 5, 6}
Sea E: evento: Que el resultado sea par.
E = {2, 4, 6}; Card (E) = 3 = n (E)
Nota:
El evento vaco se llama suceso imposible por que nunca ocurre.
El evento S se llama suceso seguro por que siempre ocurre.
Sean A y B sucesos asociados a un espacio muestral S, entonces:
AUB = {x / x A o x B}
AB = {x / x A y x B}
A B = {x / x A o x B}
A = {x / x A}
Ejemplo 1
Se lanzan dos dados y se observa su suma. Si se tienen los siguientes sucesos:
A: Evento: la suma sea par.
B: Evento: la suma sea primo.
Encontrar a) A b) AUB c) AB d) A B
Ejemplo 2
Un tablero tiene siete llaves tres de las cuales abren una puerta. Una experiencia en
seleccionar dos llaves del tablero, al azar, Cul es el cardinal del espacio asociado a la
experiencia? Cual es el cardinal del suceso A: seleccionar una llave correcta y una
incorrecta?
Solucin
12
1
4
1
3
b) 21
2
7
)

,
_

,
_

,
_

a
PROBABILIDAD.
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los
eventos futuros. Es por ello que el estudio de probabilidades surge como una
herramienta utilizada por los nobles para ganar en los juegos y pasatiempos de la poca.
El desarrollo de estas herramientas fue asignado a los matemticos de la corte.
Con el tiempo estas tcnicas matemticas se perfeccionaron y encontraron otros usos
muy diferentes para la que fueron creadas. Actualmente se contino con el estudio de
nuevas metodologas que permitan maximizar el uso de la computacin en el estudio de
las probabilidades disminuyendo, de este modo, los mrgenes de error en los clculos.
9
A travs de la historia se han desarrollado tres enfoques conceptuales diferentes para
definir la probabilidad y determinar los valores de probabilidad:
Definicin.
La probabilidad se usa para indicar la probabilidad o no de que un suceso o
acontecimiento ocurra.
Hay tres concepciones sobre la teora de probabilidad: Definicin clsica, teora
frecuentista y subjetiva.
Definicin Clsica
Se usa cuando tiene ciertos resultados definidos.
Es decir, sea E un evento asociado a un espacio muestral S, entonces la probabilidad de
ocurrencia de E se calcula:
) (
) (
posibles casos
favorables
) (
S card
E card casos
E P
Teora Frecuentista
Es llamada tambin teora emprica de probabilidad. Si un suceso A, aparece n
A
veces
en n ensayos repetidos de una experiencia, realizada bajo las mismas condiciones,
entonces, la frecuencia relativa.
n
n
f
A
A
es un valor aproximado de la probabilidad del suceso A; f
A
cumple 0 f
A
1
Ejemplo 1
Una caja 5 bolas de color blanca y 10 negras y hacemos una extraccin de ella. Cul es
la probabilidad de que?
a) Sea blanca b) sea negra
Ejemplo 2
En el lanzamiento de una moneda 100 veces se obtuvieron los siguientes resultados.
Lanzamiento de la moneda F. Observada F. Esperada Frecuencia Relativa
Cara 40 50 0.40
Cruz 60 50_ 0.60_____
100 100 1.00
Ejemplo 4
Un fabricante tiene 5 terminales de computadoras aparentemente idnticas listas para
ser enviadas a su destino. l no sabe dos de cinco son defectuosas. Recibe un pedido
especial de dos terminales y lo surte seleccionando al azar dos de las cinco disponibles.
a) Obtenga el espacio muestral para este experimento.
Solucin
10
2
5

,
_

D1, D2, B1, B2, B3

10
E1 = { D1, D2 } ; E2 = { D1 , B1 } ; ; E10 = { B2 , B3 }
Entonces S = {E1, E2,, E10}
b) Sea A un evento en el que el pedido se surte con terminales buenas.
E8 = {B1, B2}; E9 = {B1, B3} E10 = {B2, B3}
A = {E8, E9, E10}
c) Construya un diagrama de Venn para el experimento y represente en evento A
S
d) Asigne la probabilidad a los eventos simples.
...,10 2, 1, i ;
10
1
) P(E
i

e) Calcular la probabilidad de A
10
3
P(A)
AXIOMAS DE PROBABILIDAD
Supngase que en un espacio muestral S est asociado con un experimento A cada
evento definido en S, se le asigna una probabilidad de tal manera que se cumplen las
siguientes probabilidades:
1. Para un evento A definido es S, se cumple 0 P(A)1
2. P(S) = 1 ; P( ) = 0
3. Para dos sucesos cualesquiera A y B definidos en S:
P (AUB) = P (A) + P (B) P (AB)
P (AB) = P (A) P (B/A)
4. Para dos sucesos complementarios A y A
P (A) = 1 P (A)
5. Para dos sucesos mutuamente excluyentes A y B
P (AUB) = P (A) + P (B)
E1 E2 E3 E4
A
E5 E6 E7
E8 E9
E10
11
6. Para dos sucesos independientes A y B
P(AB) = P(A) P (B) y adems P (A / B) = P (A)
7. Para eventos condicionales
) (
B) P(A
P(A/B)
B P

Ejemplo 1
En el lanzamiento de un par de dados. Cul es la probabilidad de que la suma de las
caras superiores sea cinco o que la suma sea siete?
Ejemplo 2
Se lanzan dos dados, Cul es la probabilidad de que la suma de las caras superiores no
sea once?
Ejemplo 3
En un pedido de 100 libros, 10 tienen defectos de compaginacin. Si se extraen
aleatoriamente sin reemplazo, cual es la probabilidad de que los tres libros escogidos
tengan defectos de compaginacin?
Ejemplo 4
Sean dos sucesos A y B tales que P(A) = 0.4 y P (B) = 0.3 Determine P (AUB) en cada
uno de los siguientes casos.
a) P (AB) = 0.1 b) P(A B) = 0.15 c) Si A y B son mutuamente
excluyentes d) Si A B (Si A se realiza siempre que B ocurre)
Ejemplo 5
Si se lanza un dado y este cae par, Cul es la probabilidad de que sea primo?
Ejemplo 6
Una casa vende ropa mediante pedidos por correo, comercia dos tipos de lneas de
productos 1 y 2 una relativamente cara y la otra barata. Una encuesta de 1000 pedidos
produjo las frecuencias de los pedidos por lneas de productos y por sexo de los
consumidores, como se muestra en la siguiente tabla.
a) Calcular la probabilidad de que el consumidor sea mujer.
b) Calcular la probabilidad de que el pedido sea para el pedido 1.
c) Calcular la probabilidad de que el pedido sea para el pedido 1 y el consumidor
sea mujer.
d) Calcular la probabilidad de que el consumidor sea mujer dado que el pedido sea
de la lnea 2.
e) Si el pedido es para la lnea 1, Cul es la probabilidad de que el consumidor sea
hombre?
Lnea de producto
Sexo 1 2 Total
Masculino 132 147 279
Femenino 516 205 721
total 648 352 1000
12
Ejemplo 7
Se lanzan dos monedas, Cul es la probabilidad de que ambas resulten caras? Cual es
la probabilidad de que al menos uno resulte cara?
Ejemplo 8
Un estudiante de ingeniera cursa matemtica y estadstica y la probabilidad de aprobar
son 0.4 y 0.8 respectivamente. Cul es la probabilidad de aprobar ambas? Aprobar al
menos una de las dos? Aprobar al menos una?
Ejemplo 9
Supngase que un mecanismo est formado por dos componentes acoplados enserie,
como se indica en la siguiente figura. Cada componente tiene una probabilidad p de
no funcionar. Cul es la probabilidad de que el mecanismo funcione? Suponer que
ambos mecanismos trabajen en forma independiente.
P( mecanismo funciones ) = P( funcione C
1
y funcione C
2
)
= P (funcione C
1
) P (funcione C
2
)
= (1 p) (1 p)
= (1 p)
2
Ejemplo 11
Una lotera vende 100 nmeros de las cuales tres estn premiados. Si una persona
compra tres nmeros. Calcular las probabilidades de que la persona:
a) Gane solo un premio
b) Gane ms de un premio
c) No gane premio alguno
d) Gane al menos uno
Solucin
a) P(Gane solo un premio) = 086 . 0
700 , 161
968 , 13
3
100
2
97
1
3

,
_

,
_

,
_

b) P(Gane ms de un premio) = 0018 . 0

700 , 161
292
3
100
0
97
3
3
1
97
2
3

,
_

,
_

,
_

,
_

,
_

C
1
C
2
13
c) P(No gane premio alguno) =

,
_

,
_

,
_

,
_

,
_

,
_

,
_

3
100
0
97
3
3
1
97
2
3
2
97
1
3
O bien = 088 . 0 9118 . 0 1
700 , 161
440 , 147
1
3
100
3
97
0
3
1

,
_

,
_

,
_

14
PROBABILIDAD TOTAL Y TEOREMA DE BAYES
Particin de un espacio muestral
Decimos que los sucesos B
1
, B
2
,.... , B
k
son una particin de un espacio
muestral S si:
i ; 0 ) ( )
)
)
1
>

i
i
k
i
j i
B P c
S B b
B B a
U

En otras palabras, cuando se efecta el experimento A ocurre uno y solo uno de los
sucesos B
i
.
S
Por ejemplo:
En el lanzamiento de un dado:
B1 = { 1 , 2 } ; B2 = { 3, 4 , 5 } ; B3 = {6} representan una particin del espacio
muestral;
Mientras que C1 ={ 1 , 2 , 3 , 4 } ; C2 = { 4 , 5 , 6 } no lo es.
Sea A un suceso asociado a un espacio muestral asociado S y sean B
1
, B
2
, .... , B
k
una
particin de S, entonces:
A = A S= S A
A = (B
1
U B
2
U.... U B
k
) A
A = (B
1
A) U (B
2
A) U....U (B
k
A)
P(A) = P (B
1
A) + P (B
2
A) +.... + P (B
k
A)
P(A) = P (B
1
) P(A/B
1
) + P(B
2
)P(A/B
2
)+..+ P (B
k
) P(A/B
k
)
P (A) = P (Bi) P (A/Bi)
A la expresin obtenida se le llama teorema de la probabilidad total.
Ejemplo 1
Cierto artculo es manufacturado por tres fbricas, sean 1, 2 y 3. Se sabe que la
primera fbrica produce el doble de artculos que la segunda y que sta y la tercera
producen el mismo nmero de artculos (durante un perodo de produccin
especificado). Se sabe tambin que el 2% de los artculos producido por las dos
primeras fbricas es defectuoso, mientras que el 4% de los productos manufacturados
por la tercera es defectuoso. Se colocan juntos los artculos en una fila y se escoge uno
al azar.
15
Cul es la probabilidad de que ese artculo sea defectuoso?
TEOREMA DE BAYES
Se enuncia de la siguiente manera:
Sean B
1
, B
2
,.... , B
k
eventos mutuamente excluyentes, formando una particin del
espacio muestral S y si A es un evento arbitrario definido en este espacio muestral de
modo que P(A) > 0, el teorema dice que la probabilidad de Bi dado que ha ocurrido A
es:

,
_

k
1 i
i
) / ( ) P(B
) (
) (
) (
i
i i
i
B A P
B A P
A P
B A P
A
B
P
Ejemplo 1
Cierto artculo es manufacturado por tres fbricas, sean 1, 2 y 3. Se sabe que la
primera fbrica produce el doble de artculos que la segunda y que sta y la tercera
producen el mismo nmero de artculos (durante un perodo de produccin
especificado). Se sabe tambin que el 2% de los artculos producido por las dos
primeras fbricas es defectuoso, mientras que el 4% de los productos manufacturados
por la tercera es defectuoso. Se colocan juntos los artculos en una fila y se escoge uno
al azar.
a) Cul es la probabilidad de que ese artculo sea defectuoso? Sol. 2.5%
b) Cul es la probabilidad de que ese artculo sea defectuoso dado que provenga de la
fbrica 1? Sol. 2%
c) Cul es la probabilidad de que ese artculo provenga de la fabrica 2 dado que es
defectuoso? Sol. 20%
d) Cul es la probabilidad de que ese artculo sea no defectuoso?
e) Cul es la probabilidad de que ese artculo provenga de la fbrica 3 dado que es no
defectuoso? Sol. 25.13%
Ejemplo 2
Una empresa compra ciertos tipos de piezas que son suministrados por tres tipos de
proveedores. El 45% de las piezas se compran al primer proveedor y resultan
defectuosas el 1%. El segundo proveedor suministra el 30% y las piezas defectuosas
ascienden al 2%. Las piezas restantes las proporciona el tercer proveedor y resultan
defectuosas el 3.5%. Si se selecciona una pieza al azar,
a) Cul es la probabilidad de que resulte defectuosa?
b) Si en efecto resulta defectuosa, Cul es la probabilidad de que hay suministrado
el segundo proveedor? de que haya suministrado el tercero?
Ejemplo 3
Un banco local revisa su poltica de tarjetas de crdito con el objeto de retirar algunas de
ellas. En el pasado aproximadamente el 5% de los tarjetahabientes incumplieron,
dejando al banco sin la posibilidad de cobrar el saldo pendiente. De manera que el
director determin una probabilidad previa de 0.05 de que el tarjetahabiente no cumpla.
El banco encontr tambin de que un cliente que es cumplido no haga un pago mensual
es 0.20. Por supuesto la probabilidad de no hacer un pago mensual entre los que
incumplen es de 1.
a) Dado que no hizo el pago de uno o ms meses, calcule la probabilidad posterior de
que el cliente no cumpla. Sol.: 0.21
16
b) El banco deseara retirar sus tarjetas si la probabilidad si la probabilidad de que un
cliente no cumpla es mayor que 0.20, Debe retirar el banco una tarjeta si el cliente no
hace un pago mensual? Sol.: Si debe retirar la tarjeta