Estadística Descriptiva e Inferencial. Manuel Córdova.

(2003). 5ta ed.

Capítulo: 5 2018-2

[email protected]
Nota. En los exámenes y prácticas las probabilidades se expresarán en porcentaje
¿Qué diferencia hay entre un peligro y
un riesgo?
El peligro es una condición ó característica
intrínseca que puede causar lesión o enfer-
medad, daño a la propiedad y/o paralización de un
proceso, en cambio,
el riesgo es la combinación de la probabilidad y la
consecuencia de no controlar el peligro.
Ejemplo:
Conducir en estado de ebriedad es el PELIGRO y
el RIESGO es lo que puede pasar: choque,
volcadura, etc.

¿La mujer es un peligro o un riesgo?

Normas OHSAS 18001
Principio multiplicativo.
You are eating at Ugly Betty’s restaurant and the waiter informs you that you have (a) two
choices for appetizers: soup or juice; b) three for the main course: a meat, fish, or
vegetable dish; and (c) two for dessert: ice cream or cake. How many possible choices do
you have for your complete meal?

El total de posibilidades será: 2 . 3 . 2 = 12

 Regla del producto o principio multiplicativo
Si una elección tiene m alternativas posibles y otra n,
entonces la realización de ambas tiene m x n.
A y B juegan 2 partidas de ajedrez, cuántos resultados posibles
se pueden dar?
Respuesta: a) 4 b) 2 c) 9 d) 8 e) 6 f)No sé jugar
Indica el espacio muestral:
{ }

En las tarjetas de débito la contraseña tiene que estar compuesta

por cuatro dígitos ¿Cuántas contraseñas diferentes puede
generar un tarjetahabiente?
Respuesta: ___________
 Principio
multiplicativo.
1 3 ¿Cuántas fotografías
2 distintas podemos hacer
cambiando de posición
a los personajes de Star
4 6 Treck?
5 7 ¿Cuántas permutacio-
nes son posibles?

7  6  5  4  3  2  1  5040
1 2 3 4 5 6 7

7!  5040
…
Supón que los siete personajes se hacen fotografías en fila en todas las
permutaciones posibles ¿En cuántos casos Data y Picard aparecen juntos?

Pensemos que Data y Picard son siameses o que van dentro de

un saco. El número de posibles fotografías sería 6! = 720.

Pero además, para cada una de esas fotografías, Data puede

estar a la derecha o a la izquierda de Picard. Luego el
resultado es 2! · 6! = 1440.
 Permutaciones (sin repetición de objetos)
Dados n objetos distintos, llamamos permutación a una
ordenación particular de los n objetos en una fila.

El número de permutaciones de n objetos diferentes

tomados todos a la vez es n! (se lee “n factorial” o
“factorial de n”).

Usando la regla del producto: hay n posibles objetos

para la primera plaza de la fila, n - 1 objetos posibles
para ocupar la segunda, etcétera.

Pn  n  (n  1)  ( n  2)    3  2  1  n !
 Permutaciones circulares
Son las diferentes permutaciones que
pueden formarse con n objetos distintos,
donde no hay ni primero ni último objeto, ya
que todos forman un “círculo”.
El total de permutaciones “circulares” es:
= (n – 1) !
 Variaciones (sin repetición)
Según la regla del producto, las maneras de escoger r
elementos distintos de entre un total de n en un determinado
orden, será igual a:

P n ,r
 Vn,r  n Pr  n  (n  1)  (n  2)  ...  (n  r  1)
Esta expresión se conoce como variaciones de n elementos
tomados de r en r.
Habitualmente se expresa como:
n! n  ( n  1)  ( n  2)  ...  3  2  1
Vn,r  
(n  r)! (n  r )  (n  r  1)  ...  3  2  1
 Variaciones (sin repetición)...
¿Cuántos números de tres cifras distintas y significativas se
pueden formar con las nueve cifras del sistema decimal 1;
2; … 9? ¿Y si admitimos el 0?

Al tratarse de números el orden importa y además "cifras

distintas" indica que no pueden repetirse.

V9,3  9  8  7  504
Si admitimos el 0, como primera opción seguimos teniendo 9
números, pero ahora como segundo número podemos usar
también el 0, luego tenemos 9 posibles cifras:

9  9  8  648
 Variaciones con repetición
Según la regla del producto, las maneras de escoger r
elementos de entre un total de n en un determinado orden, y
con la posibilidad de repetir los elementos en cada elección,
son:

n · n · n · ...· n  n r

Esta expresión se conoce como variaciones con repetición y

se representa como:

VRn,r  n r

Se lee: “variaciones con repetición de n elementos tomados de r en r”.

 Variaciones con repetición...
¿Cuántos números de tres cifras significativas se pueden
formar con las nueve cifras del sistema decimal 1; 2; … 9? ¿Y
si admitimos el 0?
Al tratarse de números el orden importa y además las
"cifras se pueden repetir”:

VR9,3  9  729
3

Si admitimos el 0, como primera opción seguimos teniendo

9 números. Pero ahora como segundo número podemos usar
también el 0, luego tenemos 10 posibles candidatos e ídem
para el tercero:

9 10 10  900

 Combinaciones (sin repetición)...
¿Cuántas posibles configuraciones de r elementos
podemos construir desde un conjunto de n elementos
diferentes, sin que importe el orden y no sea posible la
repetición?

Si el orden importara tendríamos n · (n -1) ·.....· (n - r + 1)

posibilidades. Las podemos partir en clases, de forma que
en cada clase estén aquellas configuraciones que sean las
mismas salvo el orden. Como hemos escogido r elementos,
cada clase estará formada por las r! formas distintas de
ordenar esos elementos:

n n!
C  n C r  C (n, r )    
r

 r  r!(n  r )!
n
 Combinaciones (sin repetición)...
Ejemplo.
¿Cuántos grupos de cinco alumnos pueden formarse con los 30
alumnos del curso Por qué Vuelan las Aves (Un grupo es distinto
si se diferencia por lo menos en un alumno).

No importa el orden. No pueden haber dos alumnos iguales

(no hay clones) en un grupo, luego no hay repetición.

 30  30!
C (30,5)      142 506
 5  5!(30  5)!
Ejercicios.
1) El Consejo de Fondos de Inversión de la UVAB (Universidad
Vocé A. Busó) está compuesto por nueve miembros y entre sus
miembros eligen a los integrantes de dos comités. Cada año, se
elige un comité de tres personas para supervisar la construcción
de edificios y otro comité para supervisar el desarrollo
académico, compuesto por un presidente, un vicepresidente y un
secretario. Responde:
a.- Cuando el Consejo elige el Comité de Construcción de
Edificios, ¿cuántos distintos comités son posibles?
b.- Cuando el Consejo elige el Comité Académico ¿cuántas
diferentes listas de candidatos son posibles?
Nota. Asume que un padre de familia no puede pertenecer a
los dos comités.
Alternativas:
a) 84 y 504 b) 84 y 120 c) 120 y 720 d) 20 y 504 e) n. a.
2) ¿Importa el orden en que se eligen los comités?
3) Cada número de placa de automóvil que circula en
Corral Quemado (Cajamarca) tiene la siguiente
estructura:
(letra) (letra) (dígito) (dígito) (dígito). Si hay 26 letras
diferentes (sin incluir ñ) y no importa repetir letras o
dígitos ¿cuántas placas diferentes pueden haber?

(a) 676000 (b) 39000 (c) 376992 (d) n. a.

 Permutaciones con repetición

Si n objetos pueden dividirse en r clases con ni objetos

idénticos en cada clase (i = 1, 2, ..., r), es decir, tal que
n  n  .....  n  n.
1 2 r

Entonces el número de permutaciones posibles es:

n!
PR n1 ,n2 ,...,nr
n 
n1! n2 !....nr !
con n1  n2  ....  nr  n
 Permutaciones con repetición...

¿De cuántas maneras distintas pueden colocarse en

línea nueve bolas de las que cuatro son blancas, tres
amarillas y dos azules?

El orden importa por ser de distinto color, pero hay

bolas del mismo color (están repetidas y son
indistinguibles) y colocamos nueve bolas en línea y
tenemos nueve bolas para colocar.

9!
PR 4 , 3, 2
9   1260
4! 3! 2!
 Combinaciones con repetición

El número de r-combinaciones de un conjunto

con n objetos distintos, cada uno repetido
infinitamente, es:
 Combinaciones con repetición...

En la panadería Los Pasteles Verdes hay cinco tipos

diferentes de pasteles. ¿De cuántas formas se pueden
elegir cuatro pasteles?
No importa el orden (son pasteles). Puede haber dos
o más pasteles repetidos (hasta cuatro), luego se
trata de combinaciones con repetición:
Ejemplo.
¿Cuántos números de 4 dígitos pueden formarse con los
dígitos 0; 1; 2; ... y 9 si:
a) se permiten repeticiones,
b) no se permiten repeticiones,
c) el último número debe ser cero y no se permiten
repeticiones?
Propuesta de solución:
a) El primer número puede ser cualesquiera de los nueve
dígitos (el cero no es significativo como primera
cifra).
El segundo, tercero y cuarto número pueden ser
siempre cualquiera de los 10.
Por lo tanto habrá: 9·10·10·10 = 9000 números
posibles.
Propuesta de solución...

b) El primer número puede ser cualquiera de los

nueve (excepto el cero).
El segundo puede ser cualquiera de los nueve
restantes (ahora el cero se permite).
El tercero tendrá ocho posibilidades y el
cuarto siete.

Por lo que resultan: 9·9·8·7 = 4536 números.

Ejercicio 1.
La empresa agroindustrial Palta de Respeto SAC va a distribuir tres
premios entre sus 10 principales clientes. Averigua de cuántos
modos puede hacerse si:
a) los premios son diferentes y un mismo cliente no puede recibir
más de un premio;
b) los premios son diferentes y un mismo cliente puede recibir
más de un premio;
c) los premios son iguales y un mismo cliente no puede recibir
más de un premio;combinacion.
d) los premios son iguales y un mismo cliente puede recibir más
de un premio; .combina con repeticio.
Elige la alternativa correcta:

a. 720; 120; 1000 y 220

b. 220; 1000; 120 y 720
c. 120; 720; 220 y 1000
d. 220; 1000; 720 y 120
e. 720; 1000; 120 y 220
Ejercicio 2.
¿Cuántos elementos tiene el espacio muestral
asociado al experimento aleatorio de extraer al azar
tres bolas rojas de una urna que contiene seis bolas
rojas, si las extracciones se realizan:

a) A la vez
b) Una a una sin reposición
c) Una a una con reposición?

Suposición: ____________________
R. a) 20 b) 120 c) 216
 ¿Qué es un experimento?
El término experimento puede verse de dos maneras:

(a) De manera general, se puede decir que consiste en

ejecutar una acción y observar las consecuencias.
Así hablaríamos de experimentar cuando
mezclamos sustancias químicas y observamos la
reacción de este hecho o cuando cambiamos de
forma de vestir y vemos el efecto que provoca
sobre nuestros amigos. En esta idea de experimento
observamos que hay una manipulación intencional
de una acción para analizar las posibles
consecuencias.
 ¿Qué es un experimento?...

(b) De manera particular o científica, se

refiere a un estudio de investigación en el
que se manipulan deliberadamente una o
más variables independientes (supuestas
causas) para analizar las consecuencias
que la manipulación tiene sobre una o
más variables dependientes (supuestos
efectos), dentro de condiciones contro-
ladas por el investigador.
 ¿Qué es un experimento?...

Siempre y cuando se pueda repetir un experimento bajo las

mismas condiciones y se obtenga los mismos resultados se
estará en presencia de un fenómeno de naturaleza
determinista. Serán fenómenos deterministas los siguientes:

- El modelo matemático de la ley de Ohm.

- Al conectar 1 voltio a los terminales de una
resistencia de 1 ohm se establecerá una corriente por
ella, que será siempre igual a 1 amperio.
- Las leyes de Kepler.
- Las leyes gravitacionales de Newton.
- Al soltar un cierto objeto desde una cierta altura y
observar la dirección del movimiento ulterior del
objeto, el resultado será siempre la dirección de la
vertical.
 Experimento aleatorio

Entenderemos por experimento aleatorio cualquier

situación que, realizada en las mismas condiciones,
proporcione un resultado imposible de predecir a
priori. Alea jacta est.
Por ejemplo:
• Extraer una carta de una baraja.
• Extraer muestras del concreto a usar en un vaciado de
techo.
• Determinar la capacidad emprendedora de un grupo de
estudiantes.
 Sucesos o eventos
• Cuando se realiza un experimento aleatorio
diversos resultados son posibles. El conjunto de
todos los resultados posibles se llama espacio
muestral (Sample space): E, U, Ω, S.
• Experimento aleatorio: lanzar un dado. El espacio
muestral E = {1; 2; 3; 4; 5 y 6}. (Notación del
algebra de eventos)

• Muestra el Ω del experimento de lanzar una

moneda tantas veces como sea necesario hasta
que aparezca cara.
 Sucesos o eventos...

Se llama suceso o evento a un subconjunto

de dichos resultados. Distinguiremos entre
sucesos simples (o indivisibles) y compues-
tos (o divisibles):
– Sucesos simples, son aquellos que
comprenden un solo punto muestral.
– Sucesos compuestos, son los que englo-
ban más de un punto del espacio mues-
tral. Todo suceso compuesto se puede
considerar como unión de puntos del
espacio muestral o unión de sucesos
simples.
 Sucesos o eventos...

Se llama suceso complementario de un

suceso A (Ac, Ā o A’), al formado por los
elementos que no están en A.
Por ejemplo, sobre el experimento de lanzar
un dado el suceso A: “que el resultado sea
par”.

Ac será: “que el resultado sea impar”:

Ac = {1; 3 y 5}.
Se realiza el experimento aleatorio consistente en lanzar una
moneda. Si sale cara, se extrae una bola de una urna que
contiene una bola azul y tres bolas rojas, y si sale cruz, se
extrae una bola de otra urna que contiene una bola roja y dos
verdes. ¿Cuál es el espacio muestral E de dicho experimento
aleatorio?
E = {(C,R), (C,A), (+,R), (+,V)}
Ejemplo de espacio muestral.
• Producir 20 cilindros (pilotes, testigos) de
concreto bajo condiciones idénticas de
manufactura y contar los cilindros cuya
resistencia a la compresión sea mayor que 200
kg/cm2. El espacio muestral es el conjunto S =
{0; 1; 2 … 20}
Ejercicio 1.
• Un experimento consiste en seleccionar tres piezas en
un proceso manufacturero y observar si son defectuosas
D o no defectuosas D’.
– Enlista todos los elementos del espacio muestral.
– Enlista los elementos contenidos en el suceso: el
número de piezas defectuosas sea cero.
Ejercicio 2.
Una bolsa contiene bolas negras y rojas. Se extraen sucesivamente
tres bolas. Obtener:
a) El espacio muestral
b) El suceso A = {extraer tres bolas del mismo color}
c) El suceso B = {extraer, al menos, una bola negra}
d) El suceso C = {extraer una sola bola negra}
e) Calcula las probabilidades de los sucesos A, B y C

Ejercicio 3.
Alfredo Mastrókalo, ingeniero eléctrico, tiene en su mano dos cajas
de resistores, cada una con cuatro de éstos. Los resistores de la
primera caja están etiquetados con 10 Ω (ohms), pero, de hecho,
sus resistencias son de 9, 10, 11 y 12 Ω. Los resistores de la
segunda caja tienen la etiqueta de 20 Ω, pero sus resistencias son
de 18, 19, 20 y 21 Ω. Alfredo elige un resistor de cada caja y
determina la resistencia de cada uno. Sea A el evento para el cual el
primer resistor tiene una resistencia mayor a 10, sea B el evento en
el que el segundo resistor tiene una resistencia menor a 19 y sea C
el evento en el cual la suma de las resistencias es igual a 28.
Determina un espacio muestral para este experimento y especifica
los subconjuntos que corresponden a los eventos A, B y C.
Sucesos o eventos...

Se llama suceso unión de A y B (A  B) al formado por los

resultados experimentales que están en A o en B (incluyendo
los que están en ambos).

Se llama suceso intersección de A y B (A  B), al formado

por los resultados experimentales que están simultáneamente
en A y B.
Dos sucesos son mutuamente excluyentes si A  B = Ø,
donde Ø es el conjunto vacío.
 Ejemplos de sucesos mutuamente excluyentes
• Comprar máquina nueva o de segunda
• Edificación con cemento y ladrillo o con concreto armado
• Comprar máquina para aumentar el volumen de
producción o para mejorar la calidad.
• Iluminación con focos incandescentes, focos fluorescen-
tes, iluminación LED (diodo emisor de luz), focos ahorra-
dores.
• Diversificar la producción o no.
• Deshidratar frutas: a) Método al aire libre como
desventaja quita algunas propiedades a la fruta. b)
Liofilización congelar la fruta gradualmente para que no se
desintegre a temperaturas que se inician en los 21°C y
pueden llegar a fríos extremos como los 40°C bajo 0. luego
la fruta congelada se introduce en una cámara al vacío
donde se modifica la presión atmosférica para que el
producto pase por un proceso de sublimación. Esto
permite extraer toda la humedad que puede contener la
fruta, conservando su sabor, color y textura.
 Sucesos o eventos...
Observemos que un suceso y su complementario
son siempre mutuamente excluyentes y su unión
es todo el espacio E.
A  Ac = Ø, A  Ac = E
La unión y la intersección de múltiples sucesos
se define:
m
 A j  A1  A 2    A m
j1

m
 Aj  A1  A2    Am
j 1
 Diagramas de Venn

A A
B B

E E

Unión A  B Intersección A  B

A
1
5 3
6
2
B 4
E
A={1; 3 y 5}, B={5 y 6}
E={1; 2; 3; 4; 5 y 6}
Sigamos con el experimento de lanzar un dado.
Sucesos:
A= {Se obtiene un número impar}
B= {Sale un número mayor que 4}
Se presentarían los casos siguientes:
Ac ={2; 4; 6}
Bc ={1; 2; 3; 4}
A  B ={1; 3; 5; 6}
A  B = {5}
(A  B)c ={2; 4}
(A  B)c = {1; 2; 3; 4; 6}
Ejercicio.
Sean A, B y C tres sucesos simples de un mismo
experimento aleatorio. Se consideran los siguien-
tes tres sucesos compuestos:
E1 = “Al menos dos de los tres sucesos ocurren”
E2 = “Exactamente dos de los tres sucesos existen”
E3 = “No más de dos sucesos ocurren”

Expresa Ei en función de los sucesos A, B y C.

Otros tipos de diagramas:

• Diagramas de Euler
• Diagrama de Johnston
• Mapa de Karnaugh
• Diagrama de Peirce
• Diagrama Lewis Carrol
• Diagramas de Venn de Edwards
 Probabilidad

Hay tres procedimientos para su cálculo:

1. Clásica, a priori o de Teoría de Juegos

(eventos equiprobables)
2. Estadística, a posteriori o frecuentista
3. Subjetiva o grado de creencia
 Cuatro tipos de probabilidad

Marginal Unión Conjunta Condicional

P( X) P( X  Y ) P( X  Y ) P( X | Y )
La probabilidad La probabilidad La probabilidad La probabilidad
de que ocurra de que ocurra de que ocurra de que ocurra
X XoY XeY X sabiendo que
ha ocurrido Y

X X Y X Y X
Y
 Probabilidad clásica

Laplace define la probabilidad de un suceso A como

(Regla (Ley, Probabilidad) de Laplace):

Número de casos favorables

P( A) 
Número de casos posibles

Por ejemplo, si con un determinado tipo de mezcla de concreto

se hacen n probetas para obtener un valor de f'c (resistencia del
concreto), en la expresión P(f'c = 210 kg/cm2) = 0,80 se presume
que 0,8n probetas tendrán un valor de f'c=210 kg/cm2, y que las
0,2n restantes, tendrán un valor diferente.
En el lanzamiento de un dado: ¿Cuál es la
probabilidad de A = un número mayor o igual
a 5? ¿Y la probabilidad de B = número impar?

Solución: Los seis casos posibles son igualmen-

te probables, cada uno tiene probabilidad de 1/6.

P(A) = 2/6 = 1/3 pues A ={5,6} tiene dos casos

favorables.
P(B) = 3/6 = 1/2 pues B = {1, 3, 5} tiene tres
casos favorables
 Definición axiomática de probabilidad

Se llama probabilidad a cualquier función

P que asigna a cada suceso A del espacio
muestral E un valor numérico P(A),
verificando los siguientes axiomas:

(1) No negatividad: 0 ≤ P(A)

(2) Normalización: P(E) = 1

 Reglas de adición de la probabilidad
Dos o más eventos son mutuamente excluyentes si cuando se da uno
de ellos, esto implica que no se dan los demás.
Sean A y B son eventos mutuamente excluyentes entonces A ∩ B =
vacío.
Por ejemplo, en el espacio muestral de los resultados de tirar un dado,
el suceso que salga un número par y el suceso que salga un número
impar son sucesos mutuamente excluyentes.
Para encontrar la probabilidad de que ocurra el evento E1 o el evento
E2 o ambos:
a) Eventos mutuamente excluyentes:

P(E1 o E2) = P(E1  E2) = P(E1) + P(E2)

b) Eventos que no son mutuamente excluyentes:

P(E1 o E2) = P(E1  E2) = P(E1) + P(E2) – P(E1E2)

Ejercicio 1.
El objetivo de una prueba de tiro consiste de un blanco rodeado por dos anillos
concéntricos. Se dispara un proyectil hacia el objetivo. La probabilidad de que
pegue en el blanco es de 0,10; la de que atine en el anillo interior es de 0,25 y la
de que acierte en el anillo exterior es de 0,45; responde:
(a) ¿Cuál es la probabilidad de que el proyectil haga blanco en el objetivo?
(b)¿Cuál es la probabilidad de que no pegue en este último?
Rpta a) 0,80 b) 0,20

Ejercicio 2.
La empresa YOU TOO opera un proceso que fabrica latas de aluminio, la
probabilidad de que una lata tenga alguna fisura en su costado es de 0,02; la de
que otra la tenga en la tapa es de 0,03 y de que una más presente una fisura en
el costado y en la tapa es de 0,01; indica:
(a) ¿Cuál es la probabilidad de que al elegir una lata en forma aleatoria tenga
por lo menos una fisura?
(b) ¿Cuál es la probabilidad de que no tenga fisuras? R. 0,04 y 0,96
 Independencia de eventos

Los sucesos A y B serán independientes entre sí, cuando la

ocurrencia de B no influye en la probabilidad de A o viceversa.
Los eventos independientes también son llamados:
estadísticamente independientes, estocásticamente independientes,
independientes en el sentido probabilístico.
Si los sucesos A y B son mutuamente excluyentes no son eventos
independientes.

P( A | B)  P( A) o P( B | A)  P( B)

Entonces: P( A  B)  P( A) P( B)
INDEPENDENCIA DE EVENTOS…

Si el suceso A es independiente del suceso B, entonces el suceso

B también es independiente del suceso A.

Ejemplo 1º.
Suceso A: la probabilidad de que haga buen tiempo es del 0,4
Suceso B: la probabilidad de tener un accidente es del 0,1
Suceso intersección: la probabilidad de que haga buen tiempo y tener
un accidente es del 8%

Veamos si se cumple alguna de las condiciones señaladas:

P (B|A) = P (A ∩ B) / P (A) = 0,08 / 0,4 = 0,2 (que no es igual a P (B))
P (A|B) = P (A ∩ B) / P (B) = 0,08 / 0,1 = 0,8 (que no es igual a P (A))
P (A ∩ B) = 0,08 (que no es igual a P (A) multiplicado por P (B))

Por lo tanto, no se cumple ninguna de las tres condiciones señaladas

por lo que estos dos sucesos no son independientes, sino que existe
algún grado de dependencia entre ellos.
INDEPENDENCIA DE EVENTOS…

Ejemplo 2º.

Suceso A: la probabilidad de que haga buen tiempo es del 0,4

Suceso B: la probabilidad de salir cara al lanzar una moneda es del 0,5
Suceso intersección: la probabilidad de que haga buen tiempo y que
salga cara es 0,2

Veamos si se cumple alguna de las condiciones señaladas:

P (B|A) = P (A ∩ B) / P (A) = 0,2 / 0,4 = 0,5 (igual que P (B))

P (A|B) = P (A ∩ B) / P (B) = 0,2 / 0,5 = 0,4 (igual que P (A))
P (A ∩ B) = 0,2 (igual a P (A) multiplicado por P (B))

Por lo tanto, estos dos sucesos sí son independientes.

Ejercicios.
1) Se elige aleatoriamente un alumno de la Facu, definimos
el evento A = {El alumno seleccionado tiene tarjeta de
crédito Card}, el suceso B como B = {El alumno
seleccionado tiene tarjeta de crédito MasterCo}. Supón que
P(A) = 0,5; P(B) = 0,4 y P(A|B) = 0,625. Señala la proposi-
ción correcta:
i) A y B son eventos independientes
ii) A y B son eventos dependientes

2) Si se lanza un dado (d6) y se tienen los siguientes

eventos, A = {2; 4; 6}, B = {1; 2; 3} y C{1; 2; 3; 4}, señala la
proposición correcta:
i) A y B son eventos independientes
ii) A y C son eventos independientes
iii) B y C son eventos independientes
Ejercicio 3.
Tiburcia está jugando un juego de cartas. Empieza con 10 cartas,
numeradas del 1 al 10, y que están boca abajo por lo que no puede
ver los números. Ella escoge una carta al azar (de forma aleatoria)
y la voltea. Si la carta es mayor que 5, la carta es "ganadora" y la
pone en una pila de cartas "ganadoras", Si la carta es 5 o menor, la
pone en una pila de cartas "perdedoras". Ella gana el juego si logra
juntar tres cartas en la pila ganadora antes de juntar tres cartas en
la pila perdedora.
Elige el enunciado que mejor describe la situación.

a) Los eventos son independientes, porque el juego no elimina

ningún resultado.

b) Los eventos son independientes, porque cada ronda tiene los

mismos posibles resultados (ganar o perder).

c) Los eventos no son independientes, porque un resultado es

eliminado en cada turno y no es reemplazado.
Ejercicio 4.
Supón que se lanza un dado dos veces, de modo que cada
uno de los 36 resultados posibles son equiprobables.
«A», denota el suceso consistente en que la suma resulte 3
en el primer lanzamiento. «B», indicará el suceso
consistente en que la suma de los dos lanzamientos sea 8,
y «C», referirá al hecho de que la suma de los dos
lanzamientos sea 7.

a) ¿A y B son independientes?
b) ¿A y C son independientes?

Explica tus respuestas.

Rpta: a) no; b)sí

 Independencia de m sucesos
m sucesos A1...., Am se llaman independientes si:

P(A1  ...  Am) = P(A1) ... · P(Am)

y además para cada posible subconjunto de k sucesos:

P(Aj+1  ...  Aj+k) = P(Aj+1) ... · P(Aj+k)

donde j+k < m.
De modo que, p. ej. tres sucesos A, B y C son independientes si:

P(A  B) = P(A)  P(B)

P(B  C) = P(B)  P(C)
P(A  C) = P(A)  P(C)
P(A  B  C) = P(A)  P(B)  P(C)
 Reglas de multiplicación de la probabilidad

La probabilidad de que ocurra

conjuntamente el evento E1 y el
evento E2 será:
a) Si son eventos independientes:
P(E1 y E2) = P(E1  E2) = P(E1E2)
= P(E1) P(E2)
 Reglas de multiplicación de la probabilidad…

b) Si son eventos dependientes:

P(E1 y E2) = P(E1  E2) = P(E1E2)

= P(E1) P(E2 E1)
Ejercicio. La siguiente tabla muestra la forma de pago que
efectúan los clientes de la empresa de corte de planchas
metálicas Oh My Cut, asimismo se indica la frecuencia en que
estos hacen los pedidos:
Forma de pago
Tipo de pedido Contado Crédito Total
Regular 10 15 25
Esporádico 20 155 175
Total 30 170 200

Se decide premiar a un cliente elegido aleatoriamente. Se

pide:
a) ¿Cuál es la p. de que el cliente elegido realice pedidos de
forma regular o bien utilice créditos para efectuar sus
pagos?
b) Encuentra la p. de que el cliente sorteado pague al
contado si se sabe que éste hace compras regulares.
c) Calcula la p. de que el cliente elegido realice pedidos de
forma regular y que sus pagos sean al contado.
Probabilidad de falla de un sistema eléctrico
(o hidráulico) basada en las probabilidades de
fallas de sus componentes
Un sistema eléctrico (o hidráulico) puede
considerarse como una secuencia de componentes
sobre las cuales atraviesa una corriente.
Si un componente funciona (o no falla), deja pasar la
corriente, este estado lo representaremos como un
evento Ai. Si un componente falla (o no funciona) y
no deja pasar la corriente, la representaremos por A .i
C

a) Considerando el sistema eléctrico en serie, con n

componentes, tal como aparece en la siguiente
figura:
Dirección de A1
Entrada
la corriente
A2 …. An Salida

Calcula la probabilidad que falle el sistema.

 Probabilidad de falla de...

b) Considerando el siguiente sistema eléctrico en

paralelo, con n componentes:

A1

Dirección A2
Entrada de la Salida
corriente

An

Calcula la probabilidad de falla del sistema,

considerando que las p. de que los componentes
permitan el fluido eléctrico no son m.e.
Ejemplo
Considerando el siguiente sistema o circuito:

A1 C1

Entrada B D Salida

A2 C2

Calcula la probabilidad que el sistema funcione, si P(A1) =

P(A2) = P(B) = ½; P(C1) = P(C2) = P(D) = ¼. Asume que
cada componente constituye evento independiente.

Propuesta de solución: A1 y A2 así como C1 y C2 son NME

P({funcion e el sistema})  PA1  A2   B  C1  C2   D 

Respuesta: 0,041015 = 4,1015%

 Ejemplo de probabilidades
A Ac
Nombre Sexo Edad Sucesos
Zoylo H 18 A = ser hombre (H)
Linda M 19
4 2
B = edad 20
Rosario H 19 B
Hermeli M 20
nda 6
Bc 2
Natacha M 21
Jesús H 20 Probabilidades:
Olinda M 21 P(A) = 6/14 = 0,43 = 43%
Celinda M 21 P(B) = 6/14 = 0,43 = 43%
Yuri H 22 P(A  B) = 4/14 = 0,29 = 29%
Mario H 19 P(A B) = P(A) + P(B) - P(A  B)
Mario H 18 6/14 + 6/14 - 4/14 = 0.43+ 0.43 - 0.29 = 0,57
María M 21
P(AB) = 4/6 = 0,67 = 67%
Ruperta M 21
Baltazar M 18 P(A’B’ ) =
Ejemplo Circuito
P {circuito integrado sujeto a altos niveles de contaminación
sea la causa de una falla en un producto} = 0,10
P {circuito integrado que no está sujeto a altos niveles de
contaminación sea la causa de la falla} = 0,005
El 20% de la producción está sujeta a altos niveles de
contaminación.

¿Cuál es la probabilidad de que un producto que utilice alguno

de estos circuitos integrados falle?

A: {el circuito está expuesto a altos niveles de contaminación}

F: {el producto falla}

A': {el circuito no está expuesto a altos niveles de contamina-

ción}
Ejemplo Circuito…

P(F|A) = 0.1
P(F|A') = 0.005
P(A) = 0.2
P(A') = 1 - 0.2 = 0.8
P(F) = P(F ∩ A) + P(F ∩ A')
P(F) = P(F|A)P(A) + P(F|A')P(A')
P(F) = (0.1)(0.2) + (0.005)(0.8)
P(F) = 0.024
Ejemplo Circuito…
Ejercicio.
La probabilidad de que falle un conector eléctrico durante el
periodo de garantía es 1%. Si el conector se humedece la
probabilidad de falla durante la garantía es 5%. Si el 90% de
los conectores se mantienen secos y el 10% se humedece,
¿qué proporción de los conectores fallará durante el periodo
de garantía?

Solución:
Seco: P(F|E1) = 0.01, P(E1) = 0.9
Húmedo: P(F|E2) = 0.05, P(E2) = 0.1

P(F) = P(F|E1)P(E1) + P(F|E2)P(E2)

P(F) = (0.01)(0.9) + (0.05)(0.1)
P(F) = 0.014
 Probabilidad condicionada

Se llama probabilidad de A condicionada a B, o

probabilidad de A sabiendo que pasa B:

E espacio muestral
P( A  B )
P( A | B )  A
P( B )
B

 Error frecuentísimo:
 No confundas probabilidad condicionada con
intersección.
 En ambos medimos efectivamente la intersección,
pero …
 En P( A ∩ B) con respecto a P (E) =1
 En P( A | B) con respecto a P (B)
 Probabilidad condicionada (...)
Ejemplo. ¿Cuál es la probabilidad de que una carta escogida al azar sea
un as sabiendo que es roja?
Color
Palo Rojo Negro Total
As 2 2 4
No-As 24 24 48
Total 26 26 52

Espacio restringido
P( As  Rojo ) 2 / 52 2
P( As | Rojo )   
P( Rojo ) 26 / 52 26
¿Y la probabilidad de que una carta escogida al azar sea roja
sabiendo que es un as?
 Sistema exhaustivo y excluyente de sucesos

A1 A2
Se trata de una colección de
sucesos A1, A2, A3, A4 tales
que la unión de todos ellos
forman el espacio muestral, y
sus intersecciones son disjuntas.
A3 A4
Ejercicio

Se lanza un dado. Considerar los sucesos

A = {2; 4; 6}, B = {1; 2} y C = {1; 2; 3; 4}.
Halla:
a) P(A∩ B); P(A∩C).
b) P(A | B); P(B | A).
c) P(A | C); P(C | A).
d) P(B’ | C’); P(𝐶 | 𝐵).
 Teorema de la probabilidad total

A1 A2
Si conocemos la probabilidad de B en
cada uno de los componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces podemos calcular
B la probabilidad de B como la suma:

A3 A4

P(B) = P(B  A1) + P(B  A2) + P( B  A3) + P( B  A4)

P(B) = P(B|A1)P(A1) + P(B|A2)P(A2) + P(B|A3)P(A3) + P(B|A4)P(A4)

n
P ( B )   P ( B | Ai ) P ( Ai )
i 1
Ejemplo: En la asignatura «Importancia del Agua en la
Navegación» el 70% de los alumnos son hombres.
De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras ¿Qué porcentaje de fumadores hay en total?

Podemos aplicar la ley de

la probabilidad total:

Hombres y mujeres forman

un sistema exhaustivo y Hombres no fumadores
excluyente de sucesos.
Mujeres
no
fumadoras

Mujeres
Hombres fumadores fumadoras
 Propuesta de solución

Fuma
0,1

Hombre
0,7
No fuma
0,9
Estudiante

0,2
0,3 Fuma
Mujer

0,8
No fuma

F y H son eventos dependientes

P(F) = P(F∩H) + P(F∩M) = P(H) P(F|H) + P(M) P(F|M)
= 0,7 *0,1 + 0,3*0,2 = 0,13 = 13%
 Teorema de la probabilidad complementaria

¿Sabiendo la probabilidad P(A) de un suceso A,

cuál será la probabilidad de su complemento
P(Ac)?

Para un suceso A y su complementario Ac en el

espacio muestral E:

P(Ac) = 1 - P(A)
Ejemplo 1
Cinco monedas se lanzan simultáneamente.
Encuentra la probabilidad del suceso A: Al menos
sale una cara.
Asume que las monedas no están cargadas.
Solución. Puesto
que cada moneda puede aparecer
como cara o cruz, el espacio muestral consiste en
25 = 32 posibilidades. Como las monedas no
están cargadas cada posibilidad tiene la misma
probabilidad de 1/32.
El suceso Ac (ninguna cara) tiene solo una posibili-
dad. Entonces P(Ac) = 1/32 y la respuesta es:

P(A) = 1 - P(Ac) = 31/32 = 96,88%

 Otras maneras de visualizar sucesos
Tabla de probabilidad conjunta, Tabla de doble entrada
Tabla de probabilidad conjunta. Es aquella en la cual
se enlistan como encabezados de renglón todos los
posibles eventos (o resultados) para una variable;
como encabezados de columnas se enlistan todos
los posibles eventos para una segunda variable, y el
valor que se anota en cada una de las celdas de la
tabla es la probabilidad de su ocurrencia conjunta.

La tabla de frecuencias de ocurrencia conjunta que

puede servir como base para construir una tabla de
probabilidades conjuntas se denomina Tabla de
Contingencia, Tabla r x c, Tabla cruzada o también
tabulación cruzada.
Ejemplo

El supermercado La Cutra SA ha tomado, el mes pasado,

los datos de una muestra de sus clientes y los resultados se
muestran en la tabla de contingencia siguiente:

Tabla de contingencia para clientes de La Cutra SA

Edad Hombre Mujer Total

< 30 60 50 110
> = 30 80 10 90
Total 140 60 200

Elabora la tabla de probabilidad conjunta

Tabla de probabilidad conjunta de clientes de La
Cutra SA (Complétala).

Edad Hombre Mujer Probabilidad

marginal

< 30 0,30

> = 30

Probabilidad 0,70 0,30 1,00

marginal
Ejercicio.
La compañía de seguros Esther Minio realiza una investigación sobre
la cantidad de partes de siniestro fraudulentos presentados por los
asegurados. Clasificando los seguros en tres clases, incendio,
automóvil y "otros", se obtiene la siguiente relación de datos:
El 6% son informes por incendio fraudulentos; el 1% son informes de
automóviles fraudulentos; el 3% son "otros" partes fraudulentos; el
14% son partes por incendio no fraudulentos; el 29% son partes por
automóvil no fraudulentos y el 47% son "otros" partes no
fraudulentos.

Elabora la tabla de contingencia correspondiente y responde:

(a) ¿Cuál es la probabilidad de que un parte escogido al azar sea
fraudulento. (b) ¿Cuál será, en cambio, la probabilidad de que el
informe sea fraudulento si se sabe que es de la rama de incendios?
Rpta. (a) 10% (b) 0,3
 Diagrama de árbol
Árbol de Probabilidad para experimentos sucesivos
Representa visualmente los eventos secuencia-les y sus
probabilidades marginales, condicionales y conjuntas.
Cada rama completa del diagrama del árbol se llama
trayectoria y representa un posible resultado del
experimento. En cada segmento que une la secuencia de
experimentos se pone sus respectivas probabilidades.

Supón que el 80% de los clientes del Restaurante Ugly

Betty escogen sopa como entrada y el 20% zumo. De los
que escogen sopa, el 20% eligen vegetales, el 30%
pescado y el 50% carne. De los que escogieron zumo, es
el 30%; 40% y 30% para vegetales, pescado y carne
respectivamente.
Podemos utilizar estos valores para estimar las
probabilidades de los dos primeros platos usando un
diagrama de árbol.
 Componentes del diagrama de
árbol
Eventos: Son variables que no están bajo
nuestro control.

Notaci
ón:
Decisiones: Son variables que están bajo
nuestro control.

Notaci
ón:
(Evento) (Probabilidad)
Definición frecuentista de probabilidad
Si un experimento aleatorio puede repetirse
muchas veces en idénticas condiciones (en teoría)
podemos determinar la frecuencia relativa de la
ocurrencia de un suceso. Si el número de intentos
es m y el número de ocurrencias de A es m(A)
entonces la probabilidad de A es el límite:

m( A)
P( A)  lim
m m
 Definición geométrica de probabilidad

Área de B
P( B) 
Área del cuadrado

La Probabilidad Geométrica fue desarrollado por

George Leclerc, es otra forma de ver la probabilidad
usando la geometría.
Ejemplo. A y B se citan entre las 21:00 y las
22:00 horas. Ninguno de ellos tiene la costumbre
de ser puntual. Así que, el primero que llega
esperará 20 minutos y se irá ¿Cuál es la probabili-
dad de que se produzca el encuentro?

E  {( x1 , x2 ) : 0  x1  60, 0  x2  60}

x2  x1  20
  x2  x1  20
x1  x2  20
 S ( y ) 60 2  40 2 5
P( y )   2

S(E) 60 9
X2 = B

x 2  x1  20
60 min•
Ω=E
x 1  x 2  20
A
20 min •

• • X1 = A
21:00 20 min 60 min
Ejercicio. Si un dardo se clava de manera aleatoria en
el objeto cuadrado que se muestra ¿cuál es la probabi-
lidad que caiga en el área sombreada.

4 cm
4 cm
Ejercicio.
La demanda de los artículos A y B varían aleatoriamente
en un rango de 1000 a 5000 kg. Photo Shock SA,
distribuidor autorizado, decide bajar el precio de ambos
artículos si la suma de sus demandas está comprendida
entre 3000 y 5000 kg ¿Cuál sería la probabilidad de que
disminuya el precio de venta de ambos productos?
.0,25
 Probabilidad a priori y a posteriori

Si se sabe que B ha ocurrido, es frecuente

interpretar P(A) como la probabilidad a priori
de A y P(A|B) como la probabilidad a
posteriori de A (posterior al conocimiento de
la ocurrencia de B)
 Teorema de Bayes

Si conocemos la probabilidad de B en
cada uno de los n componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces…

…si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurren-
B cia de cada Ai, (i = 1, 2, ... , n):

P(B  Ai )
P(Ai|B) 
A3 A4
P(B)

donde P(B) se puede calcular usando el teorema de la

probabilidad total: n
P( B)   P( B  Ai )
i 1
 Teorema de Bayes...

Fuma
0,1
Ejemplo. Se elige a un
Hombre individuo al azar y
0,7
No fuma resulta fumador ¿Cuál
0,9
Estudiante es la probabilidad de
que sea mujer?
0,2
0,3 Fuma
Mujer

0,8
No fuma

Aplicando el Teorema de Bayes:

P(M) = 0,3;
P(F) = P(H ∩ F Ս M ∩ F ) = 0,7*0,1 + 0,3 * 0,2 = 0,13
P(M|F) = P(F ∩ M)/P(F) = P(F|M) P(M) / P(F) =
= 0,2·0,3 / 0,13 = 0,46
Ejercicio. La fábrica NN (Nomen Nescio) posee cuatro
máquinas para producir pernos de túnel: M1, M2, M3 y M4.
Las proporciones de producción son las siguientes: M1
produce el doble de M4, en tanto M3 produce el triple de
M4, mientras que M1 produce la mitad de M2. Las
producciones no defectuosas son 95%, 95% y 90% para
M1, M2 y M3 respectivamente.
Se elige al azar un perno de túnel (perno de roca) de la
producción de un día y se encuentra que la probabilidad
de que resulte no defectuoso es de 0,93; contesta:

a) ¿Cuál es el % de producción no defectuosa de M4?

Respuesta: 90%
b) ¿De qué máquina es más probable que provenga un
perno defectuosos?
Respuesta: M3 (42,86% p. de que siendo defectuoso haya sido producido por
M3, 3% del total de defectuosos)
 Ejemplo de pruebas diagnósticas: Diabetes
• Los carbohidratos ingeridos terminan como glucosa en la sangre. El exceso se
transforma en glucógeno y se almacena en hígado y músculos. Este se
transforma entre comidas de nuevo en glucosa según necesidades.

• La principal hormona que regula su concentración es la insulina. La diabetes

provoca su deficiencia o bien la insensibilidad del organismo a su presencia.
Es una enfermedad muy común que afecta al 2% de la población
(prevalencia)

• Una prueba común para diagnosticar la diabetes, consiste en medir el nivel de

glucosa. En individuos sanos suele variar entre 64 y 110 mg/dL.
– El cambio de color de un indicador al contacto con la orina suele usarse
como indicador (resultado del test positivo)

• Valores por encima de 110 mg/dL se asocian con un posible estado pre-
diabético.
– Pero no es seguro. Otras causas podrían ser: hipertiroidismo, cáncer de
páncreas, pancreatitis, atracón reciente de comida …
• Supongamos que los enfermos de diabetes, tienen un valor medio de 126
mg/dL.
Funcionamiento de la prueba diagnóstica de glucemia
• Valor límite: 110 mg/dL
– Superior: test positivo.
– Inferior: test negativo.
Probabilidad de acierto:
– Para enfermos
• Verdadero positivo
(sensibilidad)
– Para sanos
• Verdadero negativo
(especificidad)
Probabilidad de error
– Para enfermos
• Falso –
– Para sanos
• Falso +
 ¿Cómo definir el punto de corte de la prueba diagnóstica?

No es simple. No es posible aumentar sensibilidad y especificidad al

mismo tiempo. Hay que elegir una solución de compromiso: Aceptable
sensibilidad y especificidad.
Una prueba diagnóstica ayuda a mejorar una estimación de la probabilidad
de que un individuo presente una enfermedad.
En principio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos de:
– Incidencia: Porcentaje de nuevos casos de la enfermedad en la
población.
– Prevalencia: Porcentaje de la población que presenta una enfermedad.
Para confirmar la sospecha, usamos una prueba diagnóstica. Ha sido
evaluada con anterioridad sobre dos grupos de individuos: sanos y
enfermos. Así de modo frecuentista se ha estimado:
– P(+ | Enfermo)= Sensibilidad (verdaderos +) = Tasa de acierto sobre
enfermos.
– P(- | Sano) = Especificidad (verdaderos -) = Tasa de acierto sobre
sanos.
A partir de lo anterior y usando el teorema de Bayes, podemos calcular
las probabilidades a posteriori (en función de los resultados del test):
Índices predictivos
– P(Enfermo | +) = Índice predictivo positivo
– P(Sano | -) = Índice predictivo negativo
Los coeficientes falso-positivo y falso-negativo de las pruebas diagnósticas
son probabilidades condicionadas
 Pruebas diagnósticas: aplicación T. Bayes
Sensibilidad, T+
P. a priori de enfermedad: verdaderos +
incid., preval., intuición,…
Enfermo

Falsos - T-
Individuo
Falsos +
T+
Sano

Especificidad, T-
Verdaderos -
 Ejemplo: Índices predictivos
Individuo

• La diabetes afecta al 2% 0,98 0,02

de los individuos.
• La presencia de
glucosuria se usa como
indicador de diabetes.
• Su sensibilidad es de
0,945.
• La especificidad es 0,977 0,023
0,055 0,945
0,977.
• Calcular los índices
predictivos + y -. T- T+ T- T+

P( Sano T ) P( Enf  T  )
P( Sano | T )  P( Enf | T ) 
P( Sano T )  P( Enf  T ) P( Enf  T )  P( Sano T  )
0,98  0,977 0,02  0,945
  0,999   0,456
0,98  0,977  0,02  0,055 0,02  0,945  0,98  0,023
 Observaciones -¿Qué probabilidad
tengo de estar
• En el ejemplo anterior, al llegar un enfermo?
individuo a la consulta tenemos una
- En principio un 2%. Le
idea a priori sobre la probabilidad de haremos unas pruebas.
que tenga una enfermedad.

• A continuación se le pasa una

prueba diagnóstica que nos aportará
nueva información: Presenta
glucosuria o no.

• En función del resultado tenemos - Presenta glucosuria.

La probabilidad ahora
una nueva idea (a posteriori) sobre es del 45,6%.
la probabilidad de que esté enfermo.
– Nuestra opinión a priori ha sido
modificada por el resultado de un
experimento.
Ejemplo

• A un puesto aduanero llegan periódicamente misiones

diplomáticas procedentes de un determinado país y que
están constituidas por 10 miembros. El citado país es un
gran productor de marihuana, circunstancia que, de vez en
cuando, es aprovechada por sus misiones diplomáticas
para introducir alguno que otro cargamento en el país que
visitan, siendo la forma de hacerlo el que dos de los diez
miembros lleven en sus maletas la hierba.

• Los aduaneros tienen ya información del truco, pero, para

no producir incidentes diplomáticos, se limitan a
inspeccionar dos de las diez maletas dejando pasar a la
misión si en las maletas inspeccionadas no encuentran
droga. Su experiencia les dice además que el 10% de las
misiones portan la droga.
(...)
Si una misión inspeccionada no arroja resultado
positivo, ¿cuál es la probabilidad de que realmente
dicha misión no lleve droga alguna?

• Propuesta de solución
Denominaremos:
A1 al suceso “la delegación porta droga”
A2 al suceso “la delegación no lleva droga”
B al suceso “una misión inspeccionada arroja
resultado negativo”
Se conoce (…):
P ( A1 )  0,1 P( A2 )  0, 9
8   2
  
P ( B / A1 )   2  0

28
P( B / A2 )  1
 10  45
 
 2 
Se pide P(A2|B). Esta probabilidad podemos
calcularla con ayuda del teorema de Bayes:
P ( A2 ) P ( B / A2 )
P( A2 / B)   0,9353
P ( A1 ) P ( B / A1 )  P( A2 ) P ( B / A2 )
Ejercicio.
Nori Navas, agente inmobiliaria sabe por experiencia propia que el 10% de las
personas que entran al “departamento piloto” de un edificio multifamiliar y
hablan con el vendedor acaban comprando un departamento. Para aumentar
las posibilidades de éxito, Nori propone a la inmobiliaria Techamos De Menos
ofrecer una cena gratis con un agente inmobiliario a todos los visitantes que
estuvieran dispuestos a escuchar la presentación completa del vendedor que
es de 22 minutos. Se sabe que algunas personas harían cualquier cosa por
cenar gratis aunque no tengan intención de comprar un departamento. Sin
embargo, algunas personas prefieren no cenar con un agente inmobiliario.
Para comprobar la eficacia del incentivo propuesto, se puso en marcha el plan
sugerido durante seis meses en los cuales visitaron el departamento piloto
200 personas, de las cuales 72 de las personas que compraron un
departamento cenaron gratis. También cenaron gratis 2 personas que no
compraron un departamento en el edificio. Responde:
a) ¿Tienen las personas que aceptan la cena, una probabilidad mayor de
comprar un departamento?
b) ¿Qué probabilidad hay de que una persona que no acepta una cena
gratis compre un departamento?
c) Halla la p. de que una persona elegida al azar acepte la cena y compre.
Propuesta solución

Tabla de contingencia
Inmobiliaria Techamos de Menos
Cena No cena Totales
Compra 72 20 92
No compra 2 106 108
Totales 74 126 200
a) 0,36 y 0,065; b) 0,36 y 0,1; c) 97,3% y 15,87%
Para el ejercicio de Nori Navas plantea los
siguientes procedimientos para resolver el
mismo problema:
a) Diagrama de árbol
b) Teorema de Bayes
c) Utilizando la notación de conjuntos.