Tema N 03: PROBABILIDADES

Ing. Jos Manuel Garca Pantigozo

calidadtotal@hotmail.com

2017 - 0
 ESPECFICOS DE
APRENDIZAJE
al final de la clase el estudiante sera capaz de:

Definir el trmino probabilidad.

Describir los enfoques clsico,
emprico y subjetivo de la
probabilidad.
Explicar los trminos experimento,
evento, resultado, permutaciones y
combinaciones.
Definir los trminos probabilidad
condicional y probabilidad conjunta. 2
 ESPECFICOS DE
APRENDIZAJE
al final de la clase el estudiante sera capaz de:

Calcular probabilidades
utilizando las reglas de la adicin
y las reglas de la multiplicacin.
Aplicar un diagrama de rbol
para organizar y calcular
probabilidades.
Calcular una probabilidad
utilizando el teorema de Bayes. 3
 PROYECTOS /TAREAS
DE APRENDIZAJE
Problemas y ejercicios
(individuales y
grtupales).

4
 CRITERIOS DE
EVALUACIN
Participacion, entrega de
trabajos, examenes.

5
Cmo osamos hablar de leyes del azar? No es,
acaso, el azar la anttesis de cualquier ley?

Bertrand Rusell
6
 Por qu una encuesta de 1000 o
1500 personas permite predecir
bastante bien el resultado de la
eleccin con 8 millones de votantes?

Cmo se logra este resultado?

Cmo se mide la precisin del resultado?

La probabilidad de tener un accidente de trfico
aumenta con el tiempo que pasas en la calle. Por
tanto, cuanto mas rpido circules, menor es la
probabilidad de que tengas un accidente .
8
El 33 % de los accidentes mortales involucran a alguien
que ha bebido. Por tanto, el 67 % restante ha sido
causado por alguien que no haba bebido. A la vista de
esto y de lo anterior, esta claro que la forma ms segura
de conducir es ir borracho y a gran velocidad.
9
En un estudio de control de calidad de una
fbrica de focos, sera muy costoso examinar
cada una.
Se usa una muestra de 500 focos.
Las normas de calidad exigen que a lo ms 3%
de los focos pueden durar menos de 1000 horas
en un lote de 5000 focos.
Si obtenemos 3,2% de focos defectuosos en una
muestra de 500 focos, podemos declarar el lote
completo defectuoso?
Cmo se usa este resultado obtenido de
una muestra? 10
La Probabilidad es una disciplina matemtica cuyos
propsitos son de la misma clase que, por ejemplo, los de
la Geometra o la Mecnica Analtica. En cada campo
debemos distinguir tres aspectos de la teora:
a) el contenido lgico-formal,
b) el antecedente intuitivo,
c) las aplicaciones.
El carcter y el encanto de toda la estructura no pueden
ser apreciados sin considerar los tres aspectos
adecuadamente relacionados.

William Feller, Introduccin a la Teora de

Probabilidades y sus aplicaciones. 12
 La aficin al juego fue lo que impuls el
desarrollo de la probabilidad.
En un esfuerzo por aumentar sus ganancias
pidieron a los matemticos que les
proporcionaran las estrategias ptimas para
varios juegos de azar.
Como resultado de este primer desarrollo de
la teora de la probabilidad, se extiende junto
con la estadstica a muchos campos, como la
poltica, los negocios, la prediccin del clima, y
la investigacin cientfica.
13
Probabilidad: Una medicin de la posibilidad de que
un evento ocurra en el futuro, esta puede asumir
solamente valores entre 0 y 1.
Probabilidad. Valor entre cero y
uno, inclusive, que describe la
posibilidad relativa (oportunidad o
casualidad) de que ocurra un
evento. Existe un 1% de
probabilidad de que la
Tierra sea golpeada
por un NEO de 300
metros de dimetro
durante el siglo XXI.
Experimento: La observacin de alguna actividad o
el acto de realizar alguna medicin.
Experimento: Proceso que induce a
que ocurra una y slo una de varias
Resultado: Un resultado particular de
un experimento..
Evento: Un resultado particular de un
experimento..
Experimento: Proceso que induce a
que ocurra una y slo una de varias
Experimento Aleatorio: Cualquier situacin que,
realizada en las mismas condiciones, proporcione un
resultado imposible de predecir a priori.
Evento o Suceso: Cuando se realiza un experimento
aleatorio diversos resultados son posibles. El conjunto
de todos los resultados posibles se llama espacio
muestral (E).
Ejemplo:Video Games, Inc. recin cre un
nuevo videojuego. Ochenta jugadores
veteranos van a probar su facilidad de
operabilidad.
a) En qu consiste el experimento?
b) Cul es uno de los posibles resultados?
c) Suponga que 65 jugadores intentaron jugar
el nuevo juego y dicen que les gust. Es 65
una probabilidad?
d) La probabilidad de que el nuevo juego sea un
xito es de 1.0. Haga comentarios al
respecto.
e) Especifique un posible evento.
23
 Ejemplos:
Una bolsa contiene bolas blancas y negras. Se
extraen sucesivamente tres bolas. Calcular:
1. El espacio muestral.
E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n);
(n,n ,b); (n, n,n)}
2. El suceso A = {extraer tres bolas del mismo
color}.
A = {(b,b,b); (n, n,n)}
3. El suceso B = {extraer al menos una bola blanca}.
B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n);
(n,n ,b)}
4. El suceso C = {extraer una sola bola negra}.
C = {(b,b,n); (b,n,b); (n,b,b)}
Ejemplo de Evento:

El resultado
de la TINKA
es un evento
estadstico.
Espacio Muestral: Es el conjunto de todos los
resultados de un experimento aleatorio. Se simboliza
con S.
Ejemplo: Espacio muestral del lanzamiento de un
dado.
Ejemplo: Espacio muestral del lanzamiento de dos
dados.
Ejemplos:

Una moneda E= {C, X}.

Nmero de sucesos = 22 =4
Dos monedas E= {(C,C); (C,X); (X,C); (X,X)}.
Nmero de sucesos = 24 =16
Un dado E = {1, 2, 3, 4, 5, 6}.
Nmero de sucesos = 26 = 64
 Probabilidad de que el sol desaparezca: 0.0
Probabilidad de que Universitario campeone: 0.6
Probabilidad de que una moneda de : 0.5
Probabilidad de baje el precio del petrleo: 0.9
Probabilidad de que el ao 2016 venga El Nio: 0.9
31
CONCEPTO CLSICO DE LA PROBABILIDAD

El enfoque clsico o a priori de la probabilidad est

basado en la suposicin de que todos los resultados
del experimento son igualmente posibles. La
probabilidad se calcula de la siguiente manera:

nmero de posibles
resultados del evento
Probabilidad
=
del evento
nmero total de
resultados posibles del
experimento 33
 Ejemplo 01:
El experimento es lanzar un dado.
Cul es la probabilidad de que caiga
un dos hacia arriba?
P( caiga 2 ) = 1/6= 0.166

Cuando solo puede ocurrir un evento

a la vez se dice que son eventos
mutuamente exclusivos.
34
 CONCEPTO FRECUENTISTA DE
PROBABILIDAD
La probabilidad de que suceda un evento es
determinada observando como sucede el
evento en el pasado. En trminos de
frmula:

nmero de veces que sucedi el

Probabilidad evento en el pasado
de que suceda =
un evento nmero total de observaciones

35
 Ejemplo 02:
Se sabe que una moneda est
cargada. Para determinar la
probabilidad de que caiga guila se
lanza 60 veces la moneda al aire, de
las cuales 25 veces cay guila. Si
aplicamos la frmula:
P(cae guila
60 ) 25 = 0.41

36
 CONCEPTO SUBJETIVO DE LA
PROBABILIDAD
Si no hay experiencia anterior o hay muy poca sobre la
cual basar una probabilidad, esta se fundamenta en la
intuicin, opiniones, creencias personales y otra
informacin indirecta. Este tipo de probabilidad es el
enfoque subjetivo de la probabilidad.

Concepto subjetivo de probabilidad .La

probabilidad de que un evento en particular
suceda es asignada por un individuo basado en
cualquier informacin disponible, como intuicin,
opiniones etc. 37
Ejemplo 03:

Hay una probabilidad del 80% de que el

Alianza le gane al San Martn.
Hay una probabilidad del 90% de que las
ventas mejoren el ao prximo
Hay una alta probabilidad de sacarme un
20.

38
REGLA DE ADICIN
Interseccin de dos eventos es el conjunto de
resultados de un experimento que pertenece a
los dos eventos dados. El operador de la
interseccin es

Unin de dos eventos es el conjunto de

resultados de un experimento que pertenece a
alguno de los dos eventos dados. El operador de
la unin es U. 40
 REGLA DE ADICIN
GENERAL
Para dos eventos:

P(AoB)=P(A)+P(B) P(AyB)

Para tres eventos:

P(AoBoC)= P(A)+P(B) + P(C) - P(AoB)

- P(AoC) - P(BoC)
+ P(AyByC)

41
42
43
La probabilidad de que alguno de dos eventos
pertenecientes a un mismo espacio muestral
ocurra se determina mediante la siguiente
ecuacin:
P( A U B ) = P( A ) + P( B ) P( A B )
Ejemplo 04:
Si el experimento es lanzar un dado una vez,
el espacio muestral es:
S = { 1, 2, 3, 4, 5, 6 }
Si el evento A es cae un nmero par
A = { 2, 4, 6 }
Si el evento B es cae un nmero menor de 3
B = { 1, 2 }
44
Ejemplo 05: Cul ser la probabilidad de
que suceda alguno de estos dos eventos?
Entonces la probabilidad de A y la
probabilidad de B es:
P(A) =3= 0.50 P(B) =2= 0.3366
Para aplicar el teorema es necesario
conocer la probabilidad de la interseccin de
estos dos eventos, es decir, la probabilidad
de que caiga un nmero par y menor de 3.

A B = { 2 }P(A B) =1= 0 .166

Si aplicamos la regla de adicin:

P( A U B ) = P( A ) + P( B ) P( A B )
P( A U B ) = 0.50 + 0.33 0.16
45
 Ejemplo 06: Cual en la probabilidad de
que una carta elegida al azar de una baraja
de 52 naipes sea un rey o una de corazones?
Solucin:
Carta Probabilidad Explicacin
Rey P(A) = 4/52 Hay 4 reyes en una baraja
De corazones P(B) = 13/52 Hay 13 corazones en una baraja
Rey de corazones P(AyB)=1/52 Hay un rey de corazones en una
baraja

Resolviendo:
P(AoB)=P(A)+P(B)- P(AyB)
= 4/52 + 13/52 - 1/52 = 0.3077
46
 Problema Propuesto 01: Como parte de
un programa de servicio a la salud para los
empleados de Backus, se efectuan
anualmente exmenes mdicos de rutina.
Se descubri que el 8% necesita zapatos
correctores, que el 15% necesita trabajos
dentales importantes y 3% necesitaba tanto
los zapatos correctores y como trabajos
dentales?
Cul es la probabilidad de que un trabajador
seleccionado al azar necesite o zapatos
Resolviendo:o trabajos dentales?
correctores
P(AoB)=P(A)+P(B)- P(AyB)
= 8/100 + 15/100 - 3/100 = 0.2
47
 REGLA DE ADICIN
ESPECIAL
Para dos eventos:

P(AoB)=P(A)+P(B)
Para tres eventos:

P(AoBoC)= P(A) + P(B) + P(C)

48
 Ejemplo 07: Una mquina llena bolsas de plstico
con mezcla de frijoles, brcolis y legumbres. La
mayora tiene pesos correctos, pero debido a ligeras
variaciones en el tamao de los frijoles y de las otras
legumbres, un paquete puede tener un peso
ligeramente menor o mayor. Una verificacin anterior
de muchos paquetes indico lo que muestra el cuadro a
continuacin.
Cual es la probabilidad de que un paquete en especial
tenga un peso menor o mayor?

PESO EVENTO N PAQUETE PROBABILIDAD DE

OCURRENCIA
Con peso menor A 100 0.025
Satisfactorio B 3600 0.900
Con peso mayor C 300 0.075
4000 1.000 49
P(AoC)=P(A) + P(C)
P(AoC)= 0.025 + 0.07
P(AoC)= 0.10

51
 Problema Propuesto 02: Se va a entrevistar a un grupo selecto de
trabajadores de la BACKUS con respecto a un nuevo plan de pensiones.
Se efectuaran entrevistas detalladas a cada uno de los trabajadores
seleccionados en la muestra. Los trabajadores fueron clasificados as:

Clasificacin Evento Nmero de Trabajadores

Supervisores A 120
Mantenimiento B 50
Produccin C 1460
Gerencia D 302
Secretarial E 68

1.Cual es la probabilidad que el 1er trabajador seleccionado sea de

mantenimiento?.
2.Cual es la probabilidad que el 1er trabajador seleccionado sea secretaria?
3.Cual es la probabilidad que el 1er trabajador seleccionado sea de mantenimiento o
una secretaria?
4. Qu regla utilizo para la pregunta anterior?
5. Cual es la probabilidad que el 1er trabajador seleccionado sea de mantenimiento o
de produccin o secretaria? 52
 REGLA DE
MULTIPLICACION
La probabilidad condicional es la probabilidad de
que un evento dado ocurra dado que otro evento
ocurre. El operador de la probabilidad condicional es
el signo .
53
 La probabilidad de que dos eventos dados
ocurran si uno de ellos depende de que
ocurra el otro es:
P(AB) = P(A) P(BA)
Ejemplo 09:
El experimento es extraer aleatoriamente
dos canicas de una urna que contiene 5
canicas rojas y 5 canicas verdes.
verdes Cul
es la probabilidad de que ambas canicas
sean rojas?
P(A) = {la primer canica es roja}
P(B) = {la segunda canica es roja}
54
 P(B A) = {la segunda canica es roja dado que
la primer canica es roja}
P(AB) ={las dos canicas son rojas}
Al extraer la primer canica hay en la urna 5
canicas rojas de un total de 10, por lo que la
probabilidad es:
P(A) =5/10= 0.50
Al extraer la segunda canica hay en la urna 4
canicas rojas de un total de 9, por lo que la
probabilidad de que la segunda sea roja dado
que la primera fue roja es:
P(B A) = 4/9 = 0.44
entonces:
P(AB) = P(A)*P(BA) = 0.50*0.44 = 0.22
55
REGLA DE MULTIPLICACION
ESPECIAL

Para dos eventos:

P(AyB)=P(A)*P(B)
Para tres eventos:
P(AyByC)=P(A)*P(B)*P(C)
57
 Ejemplo 10:
Se lanzan dos monedas Cul es la
probabilidad de que ambas caigan
guila?
Solucin:
P(AyB) = P(A) * P(B)
= (1/2)*(1/2)
= 0.25

58
 Ejemplo 11:
Se lanzan tres dados Cul es la
probabilidad de que todos caigan 3?
Solucin:
P(AyByC) = P(A) * P(B)*P(C)
= (1/6)*(1/6)*(1/6)
= 0.0046296

59
Resumen de Operaciones
con Eventos El evento se verifica
cuando se verifica uno
de los dos o ambos.
El evento se verifica
cuando se verifican
simultneamente A y
B.
El evento contrario de
A (A), se verifica
cuando no se verifica
A.
Dos eventos
incompatibles no se
verifican
simultneamente.
Propiedades:
PROBLEMAS
1.- Suponga que de un grupo de 500
estudiantes universitarios se encuentra que
300 fuman, que 350 consumen bebidas
alcohlicas y que 250 tienen estos dos
hbitos nocivos para la salud. Cul es la
probabilidad de que un estudiante
seleccionado aleatoriamente
a) tenga alguno de estos dos malos hbitos?
b) no tenga ninguno de estos dos psimos
hbitos?
c) fume pero no tome?
d) tome pero no fume?
e) No fume?

63
2.-La probabilidad de que una compaa
norteamericana ubique una de sus plantas en
Jurez es 0.7, la probabilidad de que instale
una planta en Chihuahua es 0.4, la
probabilidad de que no se ubique ni en Jurez
ni en Chihuahua es .20. Cul es la
probabilidad de que
a) Se ubique en alguna de estas dos ciudades?
b) Se ubique en ambas ciudades?
c) No se ubique en alguna de estas dos
ciudades?
d) Se ubique en Chihuahua pero no en Jurez?
e) Se ubique en Jurez pero no en Chihuahua?

64
 3.- En cierta escuela de 45 estudiantes que
reprobaron Estadsticas I, 32 dijeron que
reprobaron por no estudiar, 18 porque no le
entienden al maestro, 9 por causas
diferentes a estas dos. Encuentre la
probabilidad de los siguientes eventos:
a) Reprob porque no estudi o porque no le
entiende al maestro
b) Reprob porque no estudi y porque no le
entiende al maestro
c) Reprob porque no estudi y no porque no
le entiende al maestro
d) Reprob porque no le entiende al maestro
y no porque no estudi
65
4.- Se realiz una encuesta sobre preferencias
en materia de peridicos, de 350 personas
entrevistadas, 200 leen el Heraldo, 140 leen
el Diario y 105 leen los dos peridicos.
Encontrar la probabilidad de los siguientes
eventos:
a) Lee alguno de estos dos peridicos
b) No lee ninguno de estos dos peridicos
c) Lee el Diario pero el Heraldo no
d) Lee el Heraldo pero el Diario no
e) Lee el Heraldo dado que lee el Diario
f) Lee el Diario dado que lee el Heraldo
g) No lee alguno de estos dos Peridicos
66
5.- La probabilidad de que en un matrimonio, el
esposo vea cierto programa de TV es 0.4, la
probabilidad de que la esposa lo haga es de
0.5. La probabilidad de que el esposo vea el
programa de TV dado que la esposa lo hace es
de 0.7. Encuentre la probabilidad de que:
a) Ambos vean el programa de TV
b) Alguno de los dos vea el programa de TV
c) Ninguno vea el programa de TV
d) El esposo vea el programa pero la esposa no
e) La esposa vea el programa pero el esposo no
f) La esposa vea el programa dado que el
esposo lo hace
g) Alguno de los dos no ve el programa
67
DIAGRAMA DE RBOL

68
 DIAGRAMA DE
RBOL

Es una tcnica en la que se

determinan y despliegan
sistemticamente los medios
necesarios para alcanzar un objetivo
hasta llegar al nivel de acciones
concretas (Plan de Implementacin).
69
DIAGRAMA DE RBOL

70
 DIAGRAMA DE RBOL

CAMPOS DE APLICACIN PRCTICA DEL

DIAGRAMA DE RBOL

Desarrollo de ideas para resolver problemas .

Desarrollo de metas, polticas y programas.
Desarrollo de requisitos de calidad.

71
DIAGRAMA DE RBOL

72
 Diagrama de rbol: Ejemplo
Cmo disminuir los costes de calidad?
Optimizar costes de realizacin de procedimientos

Optimizar costes de
Optimizar costes de formacin
prevencin
Optimizar costes de pautas de inspeccin

Optimizar costes de inspeccin de recepcin

Optimizar costes de
Optimizar costes de inspeccin de procesos
Disminuir evaluacin
Optimizar costes de inspeccin final
costes de
calidad Optimizar costes de Disminuir costes de reproceso
fallo interno Disminuir costes de disposicin de material

Optimizar costes de Disminuir costes de garantas

fallo externo Disminuir costes de reproceso

73
Ejemplo 12: Laura se gan un viaje para dos
personas, al entregrselo le presentaron las
siguientes opciones:

* Lugar: Acapulco o Cancn

* Transporte: Autobs o Avin
* Acompaante:
Acompaante Pap, mam o hermano
De cuntas maneras distintas puede
Laura efectuar el viaje?
Representemos con un diagrama de rbol
Diagrama de rbol
Pap
Autobs Mam
Acapulco Hermano
Pap
Avin
Mam
Hermano

Pap
Autobs Mam
Cancn Hermano
Pap
Avin
Mam
Hermano
Contamos ahora, todas las opciones de la
ltima columna solamente y tendremos el total
de formas posibles en las que Laura puede
efectuar su viaje.
Esto corresponde a:

12 opciones distintas

Por lo tanto, Laura puede viajar de 12

maneras diferentes.
Ejemplo 13: Una clase consta de seis nias y
10 nios. Si se escoge un comit de tres al
azar, hallar la probabilidad de:
a) Seleccionar tres nios.
b) Seleccionar exactamente dos nios y una nia.
c) Seleccionar exactamente dos nias y un nio.
d) Seleccionar tres nias.
Solucin:
Solucin:
a) Seleccionar tres nios.
= (10/16)*(9/15)*(8/14)= 0.214
b) Seleccionar exactamente dos nios y una nia.
= (10/16)*(9/15)*(6/14) + (10/16)*(6/15)*(9/14) +
(6/16)*(10/15)*(9/14)= 0.482
c) Seleccionar exactamente dos nias y un nio.
= (10/16)*(6/15)*(5/14) + (6/16)*(10/15)*(5/14) +
(6/16)*(5/15)*(10/14)= 0.214
d) Seleccionar tres nias.
= (6/16)*(5/15)*(4/14)= 0.036
Ejemplo 12A: Ximena y sus amigas fueron a
comprar refresco, al pedir el refresco les
dieron las siguientes posibilidades: tamao
del vaso: grande y pequeo, sabor de
refresco: horchata y aguacate, color del vaso:
rosita, amarillo o blanco. Cuntas
posibilidades le ofrecen en la venta?
Datos Operaciones Resultados
Tamao: grande o chico R 18 posibilidades
Sabor: horchata o aguacate A
Color: rosa, amarillo o blanco
B
H R
G A
A B
R
H A
CH B
A R
A
B
Ejemplo 12B: Gallo lanza al aire dos monedas una de
peso y otra de 25 centavos. Cuntos resultados
diferentes podra tener si ninguna cae de canto?

Datos Operaciones Resultados

1. monedas, una de peso guila 4 posibilidades
y otra de 25 centavos. peso sol
2. Resultados diferentes
3. Ninguna cae de canto.
25c guila

sol
Ejemplo 12C: Fernando desea un helado y le dan
escoger las siguientes posibilidades. Tamao
grande o chico. sabor: nopal, aguacate, queso.
Mermelada : Fresa, naranja, durazno, zapote,
tamarindo, pia, ninguna. Cuntas posibilidades
le ofrecen en la venta?
Datos: tamao grande y chico. Sabor: nopal,
aguacate, queso. Mermelada: fresa, naranja,
durazno, zapote, tamarindo, pia y ninguna.
Ejemplo 12D: Tanya va ir a bailar y tiene las
siguientes opciones: lugar: saln California,
dancing club, el patio de su casa. Vestimenta :
Minifalda, de mezclilla, tapa rabos y huaraches.
Acompaante: Ricardo, Jean Paul, Tizoc. Tipo de
msica: Quebradita, la marcha de Zacatecas, la
Adelita. Cuntas posibilidades tendr?
Datos. Lugar : S, D, P. Vestimenta: M, ME, T.
Acompaante: R, J, T. Msica: Q, M, A.
Ejemplo 12E: Marlene se va de vacaciones esta Navidad
teniendo las siguientes posibilidades. De lugar: Acapulco,
Xochimilco, y Atlantis. En transporte: camin, bicicleta y a
pata. Acompaante: Luis Miguel, Enrique Iglesias o Armando.
Hospedaje : Hotel cinco estrellas, bajo una palmera o la
terminal de autobuses. Comida: sopa de camarn, espinacas,
sopas de espinacas de fideo, torta. Vestimenta: traje de bao,
bikinis, short y blusa, tipo brasileo.
Datos. lugar: Acapulco, Xochimilco y Atlantis. Hospedaje:
hotel, palmera, terminal. Transporte: camin, bicicleta, a pata.
Acompaante: Luis, Enrique, Armando. Traje: bikini, short,
brasileo.
TEOREMA DE BAYES

86
 TEOREMA DE BAYES

En el siglo XVII el reverendo

Thomas Bayes, ministro
presbiteriano ingls,
interesado en las ciencias
matemticas intento
desarrollar una formula para
llegar a probar la probabilidad
de que Dios Exista.
Laplace, afino dicho trabajo y
le dio el nombre de Teorema 87
 TEOREMA DE BAYES
P(A1)P(B|A1)
P(A1|B)=
P(A1)P(B|A1) + P(A2)P(B|A2)
Donde: A1 y A2 = son eventos mutuamente
excluyentes y colectivamente exhaustivos.
Las probabilidades que manejamos antes de
conocer que ha ocurrido un evento se denominan
"probabilidades a priori.
Una vez que incorporamos la informacin de que
ha ocurrido un evento, las probabilidades del
suceso (A) cambian: son probabilidades
condicionadas
P (A/B), que se denominan "probabilidades 88 a
 TEOREMA DE BAYES - Ejemplo
Ejemplo: La textilera Ecotexa, compra un
cargamento de telas de tres casas proveedoras.
Un 30% de las telas se adquieren en Casa Ochoa,
20% a Casa Textiles del Sur, y el 50% sobrante a
Tituanatex.
Ecotexa posee informacin de las tres casas y sabe
que 3% de la mercadera de Casa Ochoa son
defectuosas,5% de telas de Casa Textiles del Sur no
son aceptables, y que 4% de telas de Tituanatex
tienen algn tipo de defecto.
Al llegar a bodega no son seleccionados y se toma un
paquete de telas que resultan ser defectuosas. Cual
es la probabilidad de que esta mercadera sea 89 de
 TEOREMA DE BAYES - Ejemplo
Solucin: Existen tres eventos mutuamente
excluyentes y colectivamente exhaustivos, que son
las tres casas:
A1 mercadera de compro en Casa Ochoa,
A2 mercadera de compro en Casa Textiles del
Sur,
A3 mercadera de compro en Tituanatex.
Las probabilidades a priori son:
P(A1) =(30/100)= 0.30 probabilidad de mercadera
adquirida en Casa Ochoa,
P(A2) =(20/100)= 0.20 probabilidad de mercadera
adquirida en Casa Textiles del Sur, 90
 TEOREMA DE BAYES - Ejemplo
PROBABILIDADES CONDICIONALES:

P(B|A1) = (3/100)= 0.03 mercadera de

Casa Ochoa , sea defectuosa.

P(B|A2) = (5/100)= 0.05 mercadera de Textiles de

Sur , sea defectuosa.

P(B|A3) = (4/100)= 0.04 mercadera de Tituanatex ,

sea defectuosa.
 TEOREMA DE BAYES - Ejemplo
La informacin se la puede resumir en la siguiente
tabla:
Evento Ai Probabilid Probabilid Probabilid Probabilidad
ad a ad ad posteriori,
Priori, condiciona conjunta, P(Ai|B1)
P(Ai) l, P(B1|Ai) P(Ai|B1)

Casa 0.30 0.03 0.009 0.009/0.039=0.2

Ochoa
308
Textiles de 0.20 0.05 0.010 0.010/0.039=0.2
Sur
564
Tituanatex 0.50 0.04 0.020 0.020/0.039=0.5

128
0.039
Para obtener la probabilidad posteriori, dividimos la probabilidad de cada
evento para el total de probabilidades conjuntas.
 TEOREMA DE BAYES - Ejemplo
La probabilidad de que un paquete de telas que resultan ser defectuosas
sea de Casa Ochoa, lo podemos encontrar aplicando el Teorema de
Bayes. Se desea calcular P(A1|B1) , donde A1 se refiere a Casa Ochoa,
y B1 de que la mercadera resulte defectuosa.

P(A1 |B1)= P(A1)P(B1|A1)

P(A1)P(B1|A1) + P(A2) P(B1|A2) + P(A3)
P(B1|A3)

= (0.30)(0.03)
(
(0.30)(0.03) +(0.20)(0.05) + (0.50)
(0.04)

= 0.009 = 0.2308
Ejemplo: Una compaa dedicada al transporte pblico explota tres lneas
de una ciudad, de forma que el 60% de los autobuses cubre el servicio de
la primero 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. Determina
la probabilidad de que, en un da, un autobs sufra una avera.

Solucin:
El suceso "sufrir una avera" (Av) puede producirse en las tres lneas, (L1,
L2, L3). Segn el teorema de la probabilidad total y teniendo en cuenta
las probabilidades del diagrama de rbol adjunto, tenemos: P(Av) = P(L1)
P(Av/L1) + P(L2) P(Av/L2) + P(L3) P(Av/L3) = 0.6 0.02 + 0.3
0.04 + 0.1 0.01 = 0.012 + 0.012 + 0.001 = 0.025
 TEOREMA DE BAYES - Ejemplo
La informacin se la puede resumir en la siguiente
tabla:
Evento Ai Probabilid Probabilid Probabilid Probabilidad
ad a ad ad posteriori,
Priori, condiciona conjunta, P(Ai|B1)
P(Ai) l, P(B1|Ai) P(Ai|B1)

LINEA 1 0.60 0.02 0.012 0.012/0.025=0.4

8
LINA 2 0.30 0.04 0.012 0.012/0.025=0.4
8
LINEA 3 0.10 0.01 0.001 0.001/0.025=0-
04
0.025
Para obtener la probabilidad posteriori, dividimos la probabilidad de cada
evento para el total de probabilidades conjuntas.
Ejercicio :El parte meteorolgico ha anunciado
tres posibilidades para el fin de semana:
a) Que llueva: probabilidad del 50%
b) Que nieve: probabilidad del 30%
c)Que haya niebla: probabilidad del 20%

Segn estos posibles estados meteorolgicos, la

posibilidad de que ocurra un accidente es la
siguiente:

a)Si llueve: probabilidad de accidente del 10%

b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del
5%
Resulta que efectivamente ocurre un accidente y
como no estbamos en la ciudad no sabemos que
tiempo hizo (nev, llovi o hubo niebla).

El teorema de Bayes nos permite calcular estas

probabilidades:

Las probabilidades que manejamos antes de

conocer que ha ocurrido un accidente se
denominan"probabilidades a priori"(lluvia con
el 50%, nieve con el 30% y niebla con el 20%).

Una vez que incorporamos la informacin de que

ha ocurrido un accidente, las probabilidades del
 FORMULAS
Probabilidad
Total P(T)= P(Ai) * P(B/
Ai)
TEOREMA DE
BAYES P(Ai/B)= P(Ai) * P(B/
Ai) P(T)
Calculando la Probabilidad
Total

Acciden A* B/A
A te B/A
A*
*
0.5 Si 0. B/A
1 0.05
Lluvia
No 0.9

0.3 *
Clima
Si 0. 0.1
Nieve 2 0.0
No 6
2
0.8

0.2 * Si 0.05
Niebla 0.0
No 0.95 1
 Calculando la Probabilidad de
A dado B
TEOREMA DE BAYES
(A* B/A) /
P(T)

Accident A* B/A 0.05 / 0.12 =

A e B/ 0.416
A
0.1
* Si

0.5 0.0
Lluvia A*
No 0.9
5 B/A
0.3
Clima
* Si 0. 0.06 / 0.12 =
0.1
Nieve
No
2 0.0
2
0.500 1
0.8
6
0.2
* Si
0.05
Niebla

No 0.0 0.01 / 0.12 =

0.95 0.083
1
Clculo de la Probabilidad
Total P(T)= P(Ai) * P(B/
Lluvia Ai)
0.50
Nieve
0.30
Probabilidad
Niebla de
que ocurra un accidente
0. 20
Si llueve 0.10
Si nieva 0.20
Si hay Neblina 0.05

P (Accidente) = (0.5 * 0.1) + ( 0.30 *0.20) + (0.20 *0.05)

P (Accidente) = (0.05 + ( 0.06) + (0.01)

P (Accidente) = 0.12
Clculo de las probabilidades de A
dado B P(Ai/B)= P(Ai) *
P(B/ Ai) P(T)
Lluvia: Probabilidad del 50% o.5

Probabilidad de que ocurra un accidente:

Si llueve: Probabilidad del 10% o.1

P(Lluvia/Accidente)= P(Lluvia) * P(Accidente/

Lluvia)
P(Accident
e)
P(Lluvia/Accidente)= 0.5* 0.1
0.1
2
P(Lluvia/Accidente)=
0.416
Clculo de las probabilidades de A
dado B P(Ai/B)= P(Ai) *
P(B/ Ai) P(T)
Nieve: Probabilidad del 30% o.3

Probabilidad de que ocurra un accidente:

Si hay nieve: Probabilidad del 20% o.2

P(Nieve/Accidente)= P(Nieve) *
P(Accidente/Nieve)
P(Accident
e)
P(Nieve/Accidente)= 0.3* 0.2
0.1
2
P(Nieve/Accidente)=
0.500
Clculo de las probabilidades de A
dado B P(Ai/B)= P(Ai) *
P(B/ Ai) P(T)
Niebla: Probabilidad del 20% o.2

Probabilidad de que ocurra un accidente:

Si hay niebla: Probabilidad del 5% o.05

P(Niebla/Accidente)= P(Niebla) *
P(Accidente/Niebla)
P(Accident
e)
P(Niebla/Accidente)= 0.2* 0.05
0.1
2
P(Niebla/Accidente)=
0.0833
Entonces. . .

P(Ai/B)= P(Ai) *
P(B/ Ai) P(T)
P(Ai/B)= P(Ai) * P(B/ Ai)
P(T)

P(Ai/B)= 0.4166 + 0.5000 +

0.0833

P(Ai/B)= 1
 Ejercicios propuestos: La prevalencia de infarto cardaco para hipertensos
es del 0,3% y para no hipertensos del 0,1%. Si la prevalencia de
hipertensin en una cierta poblacin es del 25% Cul es la prevalencia
del infarto en esa poblacin?
Solucin:
A1 = {ser hipertenso}
A2 = {no serlo}
estos sucesos constituyen un sistema competo de sucesos
B = {padecer infarto}

datos: p(B|A1) = 0,003;

p(B|A2) = 0,001;
p(A1) = 0,25

evidentemente p(A2) = 1-p(A1)=0,75

p(B) = p(B|A1)x p(A1)+ p(B|A2)x p(A2) =

= 0,001 0,003x0,25 + 0,001 x 0,75 = 0,0015

Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea
diabtica es 0,03. Obviamente la probabilidad de que no lo sea es 0,97.

P(D)=0.03: P(NB)=0.97
Si no disponemos de informacin adicional nada ms podemos decir, pero
supongamos que al realizar un anlisis de sangre los niveles de glucosa son
superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabticos y slo en
un 2% de las personas sanas.
P(HG/D)=0.95
P(HG/ND)=0.02
Cul ser ahora la probabilidad de que esa persona sea diabtica?

P(HG)=P(HG/D)xP(D)+P(HG/ND)xP(ND)=0.95x0.03+0.02x0.97=0.0479
P(HG)=P(HG/D)xP(D)+P(HG/ND)xP(ND)=
= 0.95x0.03+0.02x0.97=0.0479
P ( D) P ( HG / D) 0.03 0.95
P( D / HG ) 0.595
P ( HG ) 0.0479

Vemos as que la informacin proporcionada por el anlisis de sangre hace

pasar, la probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del anlisis de sangre hubiese sido negativa,
esta informacin modificara las probabilidades en sentido contrario. En
este caso la probabilidad de padecer diabetes se reducira a 0,0016.
Ejercicio propuesto: Estudiamos 1000 alumnos en tres facultades de la
UAM. En la 1 hay un neurtico por cada 10 alumnos, en la 2 1 por
cada 15 y en la 3 1 por cada 20. El nmero de alumnos por facultad
es de 200, 300 y 500. Tomamos un individuo al azar y vemos que es
neurtico Cul es la probabilidad de que pertenezca a la facultad
nmero 3?

Solucin:

Lo que tenemos que calcular es p(F3/N), por el Teorema de Bayes

tenemos

En primer lugar calculamos la probabilidad de pertenecer a cada

Facultad:
P(F1) = 200/1000=0.2; P(F2)=300/1000=0.3; P(F3)=500/1000=0.5.
En segundo lugar las probabilidades de ser neurtico en cada una de
ellas:
P(N/F1)=1/10=0.1; P(N/F2)=1/15=0.066; P(N/F3)=1/20=0.05

Podemos calcular por tanto la Probabilidad Total de ser neurtico

P(N)=P(F1) P(N/F1) + P(F2) P(N/F2) + P(F3) P(N/F3) =

= 0.2 0.1 +0.3 0.066 + 0.5 0.05 = 0.064

Por ltimo, utilizando el teorema de Bayes

P( N / F 3) P( F 3) 0.025
P( F 3 / N ) 0.3906
P(F1) P(N/F1) P(F2) P(N/F2) P(F3) P(N/F3) 0.064
 Ejercicio propuesto: Una prueba diagnstica para el cncer uterino
tiene un coeficiente falso-positivo de 0,05 y falso-negativo de 0,10.
Una mujer con una probabilidad pre-prueba de padecer la
enfermedad de 0,15 tiene un resultado negativo con la misma.
Calcular la probabilidad de que no est enferma.

Solucin:

Sea NE = {la mujer no est enferma},

+ = {el resultado de la prueba es positivo} y
-= {el resultado de la prueba es negativo}.
La pregunta pide P(NE|-).
Los datos que se dan son p(+|NE)=0,05; p(-|E)=0,10 y p(E)=0,15. Del
primero se deduce que p(-|NE)=0,95 y del ltimo p(NE)=0,85, por lo
tanto aplicando el teorema de Bayes
Ejercicio 1: El parte meteorolgico ha anunciado tres posibilidades
para el fin de semana:
a) Que llueva: probabilidad del 50%.
b) Que nieve: probabilidad del 30%
c) Que haya niebla: probabilidad del 20%.Segn estos posibles estados
meteorolgicos, la posibilidad de que ocurra un accidente es la
siguiente:
a) Si llueve: probabilidad de accidente del 10%.
b) Si nieva: probabilidad de accidente del 20%
c) Si hay niebla: probabilidad de accidente del 5%.Resulta que
efectivamente ocurre un accidente y como no estabamos en la ciudad no
sabemos que tiempo hizo (nev, llovo o hubo niebla). El teorema de
Bayes nos permite calcular estas probabilidades:
Las probabilidades que manejamos antes de conocer que ha ocurrido un
accidente se denominan "probabilidades a priori" (lluvia con el 60%,
nieve con el 30% y niebla con el 10%).
Una vez que incorporamos la informacin de que ha ocurrido un
accidente, las probabilidades del suceso A cambian: son probabilidades
condicionadas P (A/B), que se denominan "probabilidades a
posteriori".
 Vamos a aplicar la frmula:

a)a) Probabilidad de que estuviera lloviendo:

La probabilidad de que efectivamente estuviera lloviendo el da del

accidente (probabilidad a posteriori) es del 71,4%.
b) Probabilidad de que estuviera nevando:

La probabilidad de que estuviera nevando es del 21,4%.

c) Probabilidad de que hubiera niebla:

La probabilidad de que hubiera niebla es del 7,1%.

Ejercicio 2: En la sala de pediatra de un hospital, el 60% de los
pacientes son nias. De los nios el 35% son menores de 24
meses. El 20% de las nias tienen menos de 24 meses. Un
pediatra que ingresa a la sala selecciona un infante al azar.
a. Determine el valor de la probabilidad de que sea menor de 24
meses.
b. Si el infante resulta ser menor de 24 meses. Determine la
probabilidad que sea una nia.

SOLUCIN:
Se definen los sucesos:
Suceso H: seleccionar una nia.
Suceso V: seleccionar un nio.
Suceso M: infante menor de 24 meses.
En los ejercicios de probabilidad total y teorema de bayes, es
importante identificar los sucesos que forman la poblacin y cul
es la caracterstica que tienen en comn dichos sucesos. Estos
sern los sucesos condicionados.
a. En este caso, la poblacin es de los infantes. Y la caracterstica en
comn es que sean menores de 24 meses. Por lo tanto, la probabilidad
de seleccionar un infante menor de 24 meses es un ejemplo de
probabilidad total. Su probabilidad ser:

b.
b. Para identificar cuando en un ejercicio se hace referencia al Teorema
de Bayes, hay que partir de reconocer esta es una probabilidad
condicionada y que la caracterstica comn de los sucesos
condicionantes ya ha ocurrido. Entonces, la probabilidad de que sea
nia una infante menor de 24 meses ser:

c.
 PROBLEMAS DE TEOREMA DE BAYES
Una empresa de consultora se ha presentado a un concurso para
un gran proyecto de investigacin. Inicialmente la direccin de la
empresa pens que tena una oportunidad de 50% de obtener el
contrato. Sin embargo, la dependencia a la que fue presentada la
propuesta ha solicitado informacin adicional al respecto. Por la
experiencia se sabe que la dependencia solicit informacin
adicional en el 75% de las propuestas aceptadas y en el 40% de
las propuestas rechazadas.
1. Cul es la probabilidad previa de tener xito?
2. Cul es la probabilidad condicional de tener una solicitud de
informes adicionales, dado que al final la oferta ser
seleccionada?
3. Calcule la probabilidad posterior de que la oferta tenga xito
dado que se ha recibido informacin adicional?

119
 PROBLEMAS DE TEOREMA DE BAYES
En un mismo da, el equipo profesional de baloncesto de una
ciudad juega como local, mientras que el equipo profesional de
hockey de la misma ciudad juega como visitante. Segn las
probabilidades publicadas en una revista para los deportes
profesionales, un equipo profesional de baloncesto tiene una
probabilidad de 0.641 de ganar un juego cada da como local, y
uno de hockey tiene probabilidad de 0.462 de ganar un juego
cuando es visitante. Histricamente, cuando ambos equipos
juegan en el mismo da, la probabilidad de que la nota principal de
los noticiarios al da siguiente se refiera al juego de basquetbol es
de 60% y la del juego de hockey es de 40%. Suponga que a la
maana siguiente de un da con este tipo de encuentros el
encabezado de la seccin deportiva es Ganamos!
Cul es la probabilidad de que la nota se refiera al equipo de
baloncesto?
120
Problema 01: 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%.
Seleccionamos una pieza al azar; calcula la
probabilidad de que sea defectuosa. Tomamos,
al azar, una pieza y resulta ser defectuosa;
calcula la probabilidad de haber sido producida
por la mquina B. Qu mquina tiene la mayor
probabilidad de haber producido la citada pieza
defectuosa?
122
Solucin al problema 01: Sea
D = "la pieza es defectuosa" y
N = "la pieza no es
defectuosa".
La informacin del problema se
expresa 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

123
 Solucin al problema 01(sigue): 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
Problema 02: 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 del Problema 02:
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.

125
Solucin al problema 02: La probabilidad
pedida es P(A/R). Utilizando el teorema de
Bayes, tenemos:

126
Problema 03: 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 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? 04: La probabilidad de que haya un
Problema
accidente en una fbrica que dispone de alarma es
0.1. La probabilidad de que suene esta s se ha
producido algn incidente es de 0.97 y la probabilidad
de que suene si no ha sucedido ningn incidente es
0.02. En el supuesto de que haya funcionado la
alarma, cul es la probabilidad de que no haya
habido ningn incidente?
partner-pu

En el supuesto de que haya funcionado la

alarma, cul es la probabilidad de que no
haya habido ningn incidente?
Sean los sucesos:
I = Producirse incidente.
A = Sonar la alarma.

129
Problema 05: Considera una fbrica de
botellas que cuenta con dos mquinas para
producir sus botellas. En esa fbrica se
producen 10,000 botellas al da. La
mquina A produce 6,500 botellas diarias
de las cuales el 2% son defectuosas. La
mquina B produce 3,500 botellas cada da
de las cuales el 1% son defectuosas.
Si un inspector de calidad de la compaa
selecciona una botella al azar y encuentra
que esta defectuosa Cul es la
probabilidad de que la botella haya ha sido
producida por la maquina A?
 PROBLEMAS
PROPUESTOS DE
TEOREMA DE BAYES

133
 1.- Una urna contiene dos monedas de bronce y tres de
cobre. Otra urna contiene cuatro monedas de bronce y
tres de cobre. Si se elige una urna al azar y se extrae una
moneda al azar, cul es la probabilidad de que la
moneda extrada sea de bronce?
2.- En tres plantas, A, B y C, fabrican el 50 %, el 30 % y
el 20 %, respectivamente, del total de los objetos de una
empresa. Los porcentajes de produccin defectuosa de
estas plantas son, respectivamente, el 3 %, el 4 % y el 5
%.
a) Si se selecciona un objeto al azar, qu probabilidad
tiene de salir defectuoso?
b) Suponiendo que es defectuoso, cul es la
probabilidad de que se haya producido en la planta A?
134
 3.- En un instituto se ofertan tres modalidades excluyentes,
M, P y Q, y dos idiomas excluyentes, alemn y francs. La
modalidad M es elegida por un 50 % de los alumnos, la P
por un 30 % y la Q por un 20 %.
Tambin se conoce que han elegido alemn el 80 % de los
alumnos de la modalidad M, el 90 % de la modalidad P y el
75 % de la Q, habiendo elegido francs el resto de los
alumnos.
a) Qu porcentaje de estudiantes del instituto ha elegido
francs?
b) Si se elige al azar un estudiante de francs, cul es la
probabilidad de que sea de la modalidad M?
135
 4.- En un IES hay tres profesores de Matemticas. Cuando
un alumno se matricula en el centro tiene igual probabilidad
de que le asignen uno y otro profesor de Matemticas. La
probabilidad de obtener como nota final un sobresaliente
con el profesor A es 0,3: la de obtenerlo con el profesor B
es de 0,28; y la de obtenerlo con el profesor C es 0,35.
a) Calcular la probabilidad de que un alumno matriculado
en Matemticas obtenga como nota final un sobresaliente.
b) Sabiendo que un alumno ha obtenido un sobresaliente
como nota final en Matemticas, cul es la probabilidad
de que le hubiesen asignado al profesor C?

136
 5.- Un club tiene un 75 % de sus miembros que son mujeres y un 25
% que son hombres. De este club tiene celular un 25 % de las
mujeres y un 50 % de las hombres.
a) Calcular el porcentaje de miembros de este club que no tienen
telfono mvil.
b) Calcular la probabilidad de que un miembro de este club elegido al
azar entre los que tienen telfono mvil sea hombre.
6.- Dos amigos comparten piso. El primero prepara la comida el 40 %
de los das y el resto de los das lo hace el segundo. El porcentaje de
veces que se le quema al primero es el 5 %, mientras que el del
segundo es el 8 %. a) Calcular la probabilidad de que un da, elegido
al azar, la comida est quemada.
b)Si cierto da se ha quemado, calcular la probabilidad de que haya
cocinado el primero. 137
 7.- Hay 2 cines. En el 1ero el 50% de las pelculas son de accin
mientras que en el 2do lo son el 70%. Un espectador elige al azar un
cine siguiendo un mtodo que implica que la probabilidad de elegir le
primero es el triple que la de elegir el segundo. Una vez llega al. a)
Calcular la probabilidad de que la pelcula que vea sea de accin. b)
Sabiendo que la pelcula que ha visto es de accin, obtener la
probabilidad de que haya acudido al primer cine.
8.- En una urna A hay 5 bolas blanca y 2 roja, y en otra B hay 3 bolas
verdes, 6 blancas y 5 rojas. Se lanza un dado trucado, con las caras
numeradas del 1 al 6 y en el que la probabilidad de obtener un 6 es el
doble que la de obtener cualquier otro nmero. Si al lanzar el dado sale
un nmero par, se saca una bola de la urna A, y si sale un nmero
impar, la bola se saca de la urna B. Determinar la probabilidad de que
la bola que se saque sea roja.
138
 9.- Dos amigos A y B comparten un nmero de telfono. De las
llamadas que llegan, 2/5 son para A y 3/5 son para B. Sus
ocupaciones les alejan de este telfono, de modo que A est fuera
de este telfono el 50 % de l tiempo y B el 25 % . Calcula la
probabilidad de que alguien conteste el telfono cuando suene.

10.- Tenemos la urna A con 4 bolas rojas y 6 blancas la urna B con

7 bolas rojas y 3 blancas. Se selecciona una urna al azar, se
extrae una bola y se coloca en la otra urna. continuacin se
extrae una bola de la segunda urna . calcula la probabilidad de
que las dos bolas extradas sean el mismo color.
 11.- En un mercado, el 70 % de las compras las realizan mujeres;
de las compras realizadas por stas, el 80% supera los 20 ,
mientras que las compras realizadas por los hombres slo el 30 %
supera esa cantidad.
a) Elegido un ticket de compra al azar, cul es la probabilidad de
que supere los 20 ?
b) Si se sabe que un ticket de compra no supera los 20 , cul es
la probabilidad de que la compra haya sido hecha por una mujer?

12.- Una prueba diagnstica para el cncer uterino tiene un

coeficiente falso-positivo de 0,05 y falso-negativo de 0,10. Una
mujer con una probabilidad pre-prueba de padecer la enfermedad
de 0,15 tiene un resultado negativo con la misma. Calcular la
probabilidad de que no est enferma.
Solucin:

1. 0,485 5. a: 0,6875 b: 0,4 9. 0,65

2. a: 0,037 b: 0,405 6. a: 0,068 b: 0,294 10. 0,509

3. a: 0,18 b: 0,55 7. a: 0,55 b: 0,68 11. 0,35

4. a: 0,31 b: 0,376 8. 0,316 12. 0,982

 CONTEO
Si se tienen m elementos de un tipo y n de otro tipo, el
nmero de parejas que se puede formar es:
En trminos de frmula:
Nmero total de arreglos = m * n
Y para mas de dos eventos tenemos:
Nmero total de arreglos = m * n * o

143
 Ejemplo 1: Un fabricante desarroll 5
bases para lmpara y 4 pantallas que se
pueden usar juntas. Cuntos arreglos
distintos de base y pantalla se pueden
ofrecer?

Nmero total de arreglos = m * n =

5 * 4 = 20

144
Ejemplo 2: Una industria fabrica 3
modelos de Home Theatre, 4 Televisores
LED y 2 DVD Blue Ray. Cuntos sistemas
distintos puede ofrecer esta industria?
Nmero total de arreglos = m*n*o
Nmero total de arreglos = 3*2*4 =
24

145
 Ejemplo 3: Una tienda anuncia que por
US$ 20,000.00 se puede adquirir un
convertible, un dos puertas o un modelo
de cuatro puertas, con eleccin de cubre
ruedas deportivos o comunes. Cuntos
arreglos diferentes de modelos y cubre
ruedas puede ofrecer la tienda?
Nmero total de arreglos = m * n = 3
*2=6

146
Ejemplo 4: Verificar las 56
combinaciones mencionadas en el prrafo
anterior. 8!
= 56
8C3 = 3!(8 3)!

Como un plan alternativo para codificar por

color las 42 partes, se sugiri que se
colocaran solo dos colores en cada una.
Serian adecuados 10 colores para codificar
las 42 partes?
10!
C2= 2(10 3) = 42
10

147
 Ejemplo 5: Una persona es contratada para
llevara a cabo una encuesta en 50 ciudades del
pas. Cuntas rutas posibles podr planear
para dicha encuesta?

Solucin: Si se aplica la Regla Factorial

tendremos lo siguiente: 50!

30,414,093,201,713,378,043,612,608,166,064,
768,844,377,641,568,960,512,000,000,000,000

Ahora si tenemos un nmero grande.

grande
 Ejemplo 6: Los sistemas comunes de alarma
para casas tienen un cdigo que consta de
cuatro dgitos. Los dgitos (0 a 9) pueden estar
repetidos, aunque deben ingresarse en el orden
correcto. Suponer que Ud. planea tener acceso
intentando cdigos hasta encontrar el correcto
Cuntos cdigos diferentes son posibles?

Solucin: Hay 10 valores posibles para cada

uno de los cuatro dgitos, entonces:
10*10*10*10=10,000 cdigos
149
 Ejemplo 6:
Tres miembros de una organizacin social se
ofrecen como voluntarios para fungir como
dirigentes el siguiente ao, en los puestos de
presidente, tesorero y secretario. El nmero de
maneras (permutaciones) en que los tres
pueden asumir los puestos es:
Solucin:

150
 Ejemplo 7:
Una inmobiliaria ofrece por $35.000,00 una
casa de dos pisos, o simple. Adems puede
elegir el tipo de pago Crdito o Contado.
Cuantos arreglos diferentes de departamentos
y formas de pago puede hacer?.
Solucin:
Podemos utilizar la formula de la multiplicacin
para verificar, donde m es el nmero de
modelos y n el tipo de pago.
Total de arreglos posibles=(m)(n)=(2)(2)=4

151
 PERMUTACION
Disposicin en orden de un conjunto de objetos
en el que hay un primero, un segundo, un
tercero, etc. hasta n.

n!
P =
n r
(n r)!
P: nmero de permutaciones
n: nmero total de objetos
r: nmero de objetos que se dispondr 153
 Ejemplo 1:
Se desea ensamblar tres elementos
electrnicos en cualquier orden. de
cuantas formas diferentes se pueden
reunir?
: n! 3!
P=
n r =
(n r)! (3 3)!
=6
154
 Ejemplo 2:
a que es igual 6!? = 6*5*4*3*2*1=
720
a que es igual 6!2!/4!3!? = 10
Un operador debe realizar 4
verificaciones de seguridad antes de
activar una mquina. No importa el
orden en que se realicen las
verificaciones. De cuantas formas
diferentes se puede realizar las
4!
verificaciones el operador?
P =
4 4 = 24
(4 4)!
155
 Ejemplo 3:
Utilizar 10 nmeros del 0 al 9 para crear
grupos de cdigo de 4 cifras fin de
identificar un artculo de ropa. El cdigo
1083 podra ser una blusa azul, talla
media. El grupo cdigo 2031 podra
identificar unos pantalones, talla 18, etc.
No se permiten repeticiones de los
nmeros. Es decir, el mismo nmero no
puede utilizarse dos veces o mas en una
secuencia total. Por ejemplo 2256, 2562,
o 5559 no se permitirn Cuntos grupos
de distintos !
10cdigos pueden
10P4 =
establecerse? = 5040
(10 4)!
156
Ejemplo 4: Un msico desea escribir una partitura
basada solamente en cinco notas (la, si, do, re y mi).
Sin embargo, solo tres notas de las cinco se utilizarn
en sucesin, como do, la y mi. No se permitirn
repeticiones como la, la y mi.
1) Cuantas permutaciones de las cinco notas,
tomadas tres cada vez, son posibles?
= 5*4*3 = 60
2) Utilizando la formula para permutaciones,
Cuntas permutaciones son posibles?

5!
5P3 = = 60
(5 3)!
157
 Ejemplo 5: Supongamos que la organizacin social
se compone de 10 miembros y que an no se ha
presentado ninguna nominacin para los puestos de
presidente, tesorero y secretario. El nmero de
diferentes disposiciones de los tres dirigentes elegidos
entre los 10 miembros del organismo es:
Solucin:

158
Ejemplo 6: Como se puede designar los cuatro primeros lugares
de un concurso, donde existen 15 participantes?
Aplicando la formula de la permutacin tenemos:
nPr= n!
(n - r)!
= 15! = 15*14*13*12*11*10*9*8*7*6*5*4*3*2*1
(15-4)! 11*10*9*8*7*6*5*4*3*2*1
= 32760
Donde:
n= nmero total de objetos
r= nmero de objetos seleccionados
!= factorial (producto entre 1 y n).
NOTA: se puede cancelar nmeros cuando se tiene las mismas
cifras en numerador y denominador.
159
 PERMUTACION CON
REPETICION
Disposicin en orden de un conjunto de objetos
en el que hay un primero, un segundo, un
tercero, etc. hasta n, pero que se permiten las
repeticiones.

P
n r = n r

P: nmero de permutaciones
n: nmero total de objetos
r: nmero de objetos que se dispondr 160
Auto examen 5-16
Un msico desea escribir una partitura
basada solamente en cinco notas (la, si,
do, re y mi). Sin embargo, solo tres notas
de las cinco se utilizarn en sucesin,
como do, la y mi. Se permitirn
repeticiones como la, la y mi.
Hay 60 permutaciones sin repeticin de
tres notas Cuantas permutaciones son
posibles si se permiten las repeticiones?

P
5 3 = 5 = 125
3

161
 COMBINACION
Dado un conjunto de n elementos, se denomina
combinaciones de tamao r a todos los conjuntos que
se pueden formar con r elementos tomados de entre los
n elementos, de modo que cada conjunto difiera de los
dems en por lo menos un elemento.
n!
n Cr =
r!(n r)!
P: nmero de permutaciones
n: nmero total de objetos
r: nmero de objetos que se dispondr 163
 Ejemplo 1:
1 A un Dpto. de Pinturas le han
pedido que disee cdigos de color para 42
elementos distintos. Se van a utilizar tres de
cada uno. sern adecuados siete colores
tomados de tres cada vez para codificar las 42
partes mecnicas ?

7!
7C3 = = 35
3!(7 3)!
164
Ejemplo 2: Verificar las 56 combinaciones mencionadas en el
prrafo anterior.
8!
C = = 56
8 3 3!(8 3)!

Como un plan alternativo para codificar por color las 42 partes,

se sugiri que se colocaran solo dos colores en cada una.
Serian adecuados 10 colores para codificar las 42 partes?

10!
= 42
10C2=
2(10 3)

165
 Ejemplo 3: Supongamos que se elegir a tres
miembros de una pequea organizacin social
con un total de 10 miembros para que integren
un comit. El nmero de grupos diferentes de
tres personas que pueden ser elegidos, sin
reparar en el diferente orden en el que cada
grupo podra elegirse, es:
Solucin:
Ejemplo 4: Hay 7 candidatos para desempear
3 tareas, si todos los candidatos son
igualmente eficientes, De cuntas maneras se
puede efectuar la asignacin?
Solucin:

P7,3 =
Ejemplo 5: Un entrenador de ftbol tiene 5 balones de
las marcas A, B, C, D y E para los entrenamientos en un
bolso. Forma 5 equipos numerados del 1 al 5, orden en
que recibirn los balones. De cuntas maneras pueden
salir del bolso los balones?
Solucin: El grupo 1 puede recibir cualquiera de las 5
marcas; el grupo 2 puede recibirlos balones de 4 marcas
el grupo 3 de 3 marcas, el grupo 4 de 2 marcas el grupo
5 puede recibirlo nicamente de la marca que no se haya
entregado. El nmero de ordenaciones de 5 balones en
una fila de grupos es: 5 4 3 2 1 = 5! = 120.
Ejemplo 6: Verificar las 56 combinaciones
mencionadas en el prrafo anterior.

8!
= 56
8C3 =
3!(8 3)!

Como un plan alternativo para codificar por color las

42 partes, se sugiri que se colocaran solo dos
colores en cada una. Serian adecuados 10 colores
para codificar las 42 partes?

10!
= 42
10C2=
2(10 3)

169
Ejemplo 7: La Empresa El Cafetal, tiene vacantes
cinco puestos de gerentes, y hay diez profesionales listos
para ocupar estas vacantes. De cuantos modos se
pueden distribuir las cinco vacantes?
Solucin:
FRMULA: C =
n r n!
r!(n - r)!
= 10!
5!(10-5)!
= 10! = 10*9*8*7*6*5*4*3*2*1
5!(10-5!) 5*4*3*2*1(5*4*3*2*1)

= 30240 = 252
120
Donde: n= nmero total de objetos.
r= nmero de objetos seleccionados. 170
 Ejemplo 8: 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:
 Solucin del Ejemplo 8: 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
Solucin del Ejemplo 8:
b) Debemos calcular P(B/D). Por el teorema de Bayes,
Solucin del Ejemplo 8:
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 9: En una clase de 35 alumnos se
quiere elegir un comit formado por tres
alumnos. Cuntos comits diferentes se
pueden formar?
No entran todos los elementos.
No importa el orden: Juan, Ana.
No se repiten los elementos.
SOLUCION:
 Ejemplo 10: De cuntas formas pueden
mezclarse los siete colores del arco iris
tomndolos de tres en tres?
No entran todos los elementos.
No importa el orden.
No se repiten los elementos.
SOLUCION:
 Ejemplo 11: A una reunin asisten 10 personas
y se intercambian saludos entre todos.
Cuntos saludos se han intercambiado?
SOLUCION:
 Ejemplo 12: En una bodega hay cinco tipos de
botella. de cuantas formas se pueden elegir
4 botellas?
No entran todos los elementos. Solo 4
No importa el orden: da igual 2 de anis y dos
de ron,
Si se repiten los elementos. Puede elegir mas
de una botella del mismo tipo.
SOLUCION:
 EJERCICIOS DE
COMBINATORIA

179
 1De cuntas formas diferentes se pueden cubrir
los puestos de presidente, vicepresidente y
tesorero de un club de ftbol sabiendo que hay
12 posibles candidatos?
2Con las letras de la palabra libro, cuntas
ordenaciones distintas se pueden hacer que
empiecen por vocal?
3De cuntas formas pueden mezclarse los siete
colores del arco iris tomndolos de tres en tres?
4Cuntos nmeros de cinco cifras distintas se
pueden formar con las cifras impares? Cuntos
de ellos son mayores de 70.000?
5De cuntos partidos consta una liguilla
formada por cuatro equipos?
 6A una reunin asisten 10 personas y se
intercambian saludos entre todos. Cuntos saludos
se han intercambiado?
7Con las cifras 1, 2 y 3, cuntos nmeros de cinco
cifras pueden formarse? Cuntos son pares?
8Cuntas apuestas de Lotera Primitiva de una
columna han de rellenarse para asegurarse el acierto
de los seis resultados, de 49?
9De cuntas formas pueden colocarse los 11
jugadores de un equipo de ftbol teniendo en cuenta
que el portero no puede ocupar otra posicin distinta
de la portera?
10Con el punto y raya del sistema Morse, cuntas
seales distintas se pueden enviar, usando como
mximo cuatro pulsaciones?
 11Una mesa presidencial est formada por ocho personas,
de cuntas formas distintas se pueden sentar, si el
presidente y el secretario siempre van juntos?
12Cuntas diagonales tiene un pentgono y cuntos
tringulos se puede informar con sus vrtices?
13Un grupo, compuesto por cinco hombres y siete mujeres,
forma un comit de 2 hombres y 3 mujeres. De cuntas
formas puede formarse, si:
1. Puede pertenecer a l cualquier hombre o mujer.
2. Una mujer determinada debe pertenecer al comit.
3. Dos hombres determinados no pueden estar en el
comit.