UNIVERSIDAD NACIONAL SANTIAGO ANTUNEZ DE MAYOLO

FACULTAD DE CIENCIAS

ESCUELA PROFESIONAL DE ESTADÍSTICA E INFORMÁTICA

CÁLCULO DE
PROBABILIDADES

2022
Autoría :
Camones Huamán, Edgar
Mendoza Dextre, Eynar Norabuena
Palacios, Fernando Robles Diaz,
Bryan Villanueva Coral, Antony

Docente :
Arce Zúñiga, Fernando Raul 1
Resumen

2
Abstract

Índice

3
DEDICATORIA............................................................................................................9

AGRADECIMIENTO..................................................................................................10

Introducción.................................................................................................................11

CAPITULO I................................................................................................................13

Experimento aleatorio..................................................................................................13

Espacio muestral......................................................................................................14

Evento o sucesos......................................................................................................15

Tipos de eventos.......................................................................................................16

Evento simple.......................................................................................................16

Evento seguro.......................................................................................................17

Evento imposible..................................................................................................17

Eventos incompatibles.........................................................................................18

Sub-eventos..........................................................................................................18

Eventos complementarios....................................................................................19

Operaciones con eventos......................................................................................19

Algebra de eventos...............................................................................................23

Experimentos determinísticos......................................................................................25

EJERCICIOS RESUELTOS........................................................................................27

EJERCICIOS PROPUESTOS.....................................................................................33

CAPÍTULO II..............................................................................................................36

Técnicas de conteo.......................................................................................................36

4
 Principio Aditivo......................................................................................................36

Principio multiplicativo............................................................................................39

Variación..................................................................................................................42

Variación Simple..................................................................................................42

Variación con repetición......................................................................................44

Permutaciones..........................................................................................................46

Permutación Simple.............................................................................................47

Permutación con repetición..................................................................................49

Permutación circular............................................................................................51

Combinaciones.........................................................................................................53

Combinación Simple............................................................................................53

Combinación con repetición................................................................................55

EJERCICIOS PROPUESTOS.....................................................................................57

CAPITULO III.............................................................................................................63

Probabilidad de un evento............................................................................................63

Axiomas...................................................................................................................66

Teoremas..................................................................................................................66

Tipos de espacio muestral........................................................................................69

Finitos...................................................................................................................69

Finitos Numerables..............................................................................................71

Infinitos no Numerables.......................................................................................73

5
EJERCICIOS PROPUESTOS.....................................................................................74

CAPITULO IV.............................................................................................................79

Probabilidad condicional..............................................................................................79

Teorema de la multiplicación...................................................................................82

Teorema de probabilidad total.................................................................................85

Teorema de Bayes....................................................................................................88

Independencia de eventos........................................................................................92

EJERCICIOS PROPUESTOS.....................................................................................95

CAPÍTULO V............................................................................................................101

Variables aleatorias................................................................................................101

Variables aleatorias discretas.............................................................................102

Función de cuantía.............................................................................................103

Variables aleatorias continuas................................................................................108

Función densidad...............................................................................................109

Función de distribución......................................................................................109

Medidas de posición...............................................................................................113

Esperanza matemática........................................................................................113

Mediana..............................................................................................................114

Moda..................................................................................................................115

Medidas de dispersión............................................................................................117

Varianza.............................................................................................................117

6
 Coeficiente de variación.....................................................................................118

EJERCICIOS PROPUESTOS...................................................................................119

CAPITULO VI...........................................................................................................125

Variables bidimensionales.........................................................................................125

Variables bidimensionales discretas......................................................................125

Función de cuantía conjunta...............................................................................125

Variables aleatorias bidimensionales continuas.....................................................127

Función de densidad conjunta............................................................................127

Función de distribución conjunta.......................................................................129

Funciones marginales.........................................................................................134

Funciones condicionales........................................................................................136

Probabilidades condicionales.................................................................................138

Variables aleatorias independientes:......................................................................141

Coeficiente de correlación......................................................................................144

Función generadora de momentos.........................................................................147

Momentos centrales...........................................................................................148

Momentos respecto a la media aritmética..........................................................148

Función generatriz de momento.........................................................................148

EJERCICIOS PROPUESTOS...................................................................................150

CAPÍTULO VII.........................................................................................................157

CAPITULO VIII........................................................................................................158

7
Distribuciones muestrales..........................................................................................158

Distribución de la media muestrales......................................................................158

Distribución de la proporción muestral..................................................................161

Distribución de muestras pequeñas............................................................................164

Distribución Chi-cuadrado.....................................................................................164

Distribución T de Student......................................................................................168

Distribución F.........................................................................................................170

EJERCICIOS PROPUESTOS...................................................................................173

Conclusiones..............................................................................................................180

8
 DEDICATORIA
Dedicamos este trabajo monográfico al docente Arce Zúñiga, por darnos su tiempo y,

sobre todo, su paciencia durante todo este ciclo lectivo 2022 – I.

Por darnos esta oportunidad de realizar este trabajo monográfico. Donde al

encomendarnos dicho trabajo, los cuales fueron experiencias muy importantes en cuento a

nuestro aprendizaje en el cálculo de probabilidades.

9
 AGRADECIMIENTO
En primer lugar, agradecemos a Dios por darnos la oportunidad de la vida, y la gran

oportunidad de estudiar en la universidad Santiago Antúnez de Mayolo.

Un profundo agradecimiento al docente Fernando Arce que fue nuestro asesor del

curso de Cálculo de Probabilidad, por darnos su valioso tiempo, dedicación, paciencia y

consejos para realizar este trabajo mamográfico. Finalmente, agradecemos a todos nuestros

amigos que siempre nos dieron ese aliento de seguir adelante en este ciclo.

Introducción

La teoría de la probabilidad, es una rama de las matemáticas. La cual, se encarga del

estudio de los fenómenos o experimentos aleatorios, que pueden ocurrir dentro de eventos

10
presentes en la vida cotidiana. La conceptualización de la probabilidad; se presenta como, la

base de la Estadística; en referencia a la utilidad de los datos. Además de, tratar de

comprender, la naturaleza de los mismos; en relación a su espacio temporal. De modo que, se

pueda hacer predicciones sobre el futuro. Adicional a lo anterior, la utilidad de tener unos

datos parciales, de una muestra de datos; es la de poder hacer pronósticos sobre el conjunto

total de los datos, o población; de suma relevancia para el estadístico en cuestión.

Con el paso del tiempo, la probabilidad, fue tomando un rumbo cotidiano para todo

hombre. Por ello, se muestran en muchas situaciones, en las que los resultados contemplados

son diferentes, a los determinados. De tal manera, que existe incertidumbre, en relación a la

existencia de múltiples respuestas a un determinado problema, en constante contemplación.

Por ejemplo, el pensar que es probable que una persona gane la lotería o es probable que

ocurra un temblor sísmico en la ciudad de Huaraz. Es de este modo, que, nos damos cuenta,

que utilizamos a menudo la palabra probable o probabilidad. En consecuencia, a ello, estos

términos hacen alusión mayormente, a acontecimientos que pueden ocurrir con mayor o

menor frecuencia. Sin embargo, una persona no puede asumir si estos eventos o

acontecimientos, van a ocurrir, o no; entonces esto podría genera un estado de incertidumbre

o dudas.

Adicional a lo anteriormente mencionado, los fenómenos inciertos, que cuentan con la

característica de, poder tener dos o más resultados diferentes; son de suma relevancia para su

estudio, mediante la probabilidad. Así mismo, se sabe que la estadística trabaja con variables

o datos. De tal manera que, los valores que adopta, se conocen como resultado del estudio y

de la observación. Por otro lado, el cálculo de las probabilidades, trabaja con variables

denominadas “aleatorias”, y que pueden tomar dos o más valores. Además de que, reciben

esa denominación, porque no se puede anticipar con certeza, cuál de esos valores va a adoptar

la variable. Se puede afirmar que, el obtener conocimiento en referencia, a la probabilidad; es

11
de suma relevancia, en todo campo de estudio; ya sea, en el mismo ámbito estadístico, e

incluso, en referencia, a otra carrera profesional. Puesto que, podemos sacar cálculos de

diferentes ámbitos de la vida profesional. Y a su vez, de la misma vida cotidiana.

En conclusión, contar con, los conocimientos otorgados, por esta rama de la

matemática, muestra suma relevancia. Ya que, podemos adquirir conocimiento preciso sobre,

la probabilidad. Puesto que, de esta manera, nos ayuda como estudiantes, a incrementar

nuestras propias capacidades de razonamiento. Debido a que, es importante también, en

muchas carreras. Ya que, de este curso, se pueden sacar múltiples conclusiones asertivas.

Luego de realizar un cálculo, con el uso de la probabilidad; sobre un evento que ocurre en un

determinado espacio. Así como, el contar con una mejor decisión futura, en base a, lo que

resulta más probable y conveniente.

CAPITULO I

Experimento aleatorio

Son aquellos experimentos los cuales existen más un resultado y no podemos predecir

con anterioridad lo que va a suceder, debido que el resultado únicamente depende del azar.

Ejemplos 01.

12
 Lanzar una moneda, debido a que no sabemos con exactitud si saldrá cara o sello.

Ejemplo 02.

Medir el tiempo de atención de un cliente en la ventanilla de una cafetería.

Espacio muestral

Se llama espacio muestral al conjunto de todos los posibles resultados de un

experimento aleatorio.

Donde: n( )= { m, n , o , … }

Ejemplo 01. Lanzar una moneda, entonces el espacio muestral seria:

13
 n( )={Cara , Sello }

Ejemplo 02. Y si lanzamos un dado, tenemos en total 6 posibles resultados que

pueden salir. Por lo tanto, el espacio muestral sería de 6 elementos.

E = {1, 2, 3, 4, 5, 6}

Ejemplo 03. Si se tienen 3 alumnos llamados A, B, C de los cuales se escogen 2 para

una tarea, el espacio muestral seria:

14
 n( )= { AB , BC , AC }

Ejercicio 04. En una urna hay 10 canicas enumeradas del 11 al 20, idénticas, pero de

distintos colores, las cuales algunas con rojas y otras verdes.

n()= {11 , 12,13,14,15,16,17,18,19,20 }

Evento o sucesos

Es un subconjunto que pertenece al espacio muestral de un experimento aleatorio, se

define como el posible resultado o un grupo de posibles resultados. Si B es un evento

entonces B ; en consecuencia  y  también son eventos.

Ejemplo 01. Que hayan ausentado a lo más 4 alumnos en el experimento, cuyo espacio

muestral es → E1={0 ; 1; 2 ; 3 ; 4 }

15
Ejemplo 02. Un foco se queme en menos de 8 horas → E2={t :0 ≤ t ≤ 8 }

Tipos de eventos

En este tipo de eventos encontramos 2 tipos, evento simple, evento seguro, evento imposible,

eventos incompatibles, sub-eventos y ventos complementarios.

Evento simple

Es un resultado especifico, ósea es un evento con un solo resultado

Ejemplo 01. Al lanzar un dado y obtenga un 4, entonces su espacio muestral seria

❑1. M 1=¿ {4}

Ejemplo 02. Sacar en un examen más de 15, entonces su espacio muestral seria

❑2. M 2=¿ {16}, el único resultado valido es el 16.

Evento seguro

Es el evento que consta de todos los sucesos elementales; que siempre se realiza

dentro del espacio muestral.

16
 Ejemplo 01. Saca cualquier valor de un dado al ser lanzada sobre una superficie

plana.

❑1=¿ {1,2,3,4,5,6}

Evento imposible

Es el evento que nunca podrá suceder, debido a que no pertenece al espacio muestral.

Ejemplo 01. Extraer una canica azul dentro de un contenedor la cual solo tenga puras

canicas verdes.

Ejemplo 02. Lanzar un dado común y esperar a que salga un 7.

Eventos incompatibles

Se dice eventos incompatibles, si y solo si, no pueden ocurrir juntos

17
 Ejemplo 01. Lanzar un dado y consideramos los eventos.

A = obtener un 5 = {5}

B = obtener número par = {2,4,6}

A∩B = ∅ . Es decir, es un evento imposible.

Ejemplo 02. Al tirar un dado que salga un número par y que salga un número impar:

A = salir un número par = {2, 4, 6}

B = salir un número impar = {1, 3, 5}

A∩B = ∅ . Es decir, ambos sucesos no tienen sucesos elementales en

común, por lo que son incompatibles.

Sub-eventos

Sea los eventos A y B correspondientes a un mismo experimento, se dice que A es

sub-evento de B si cualquier elemento que este en A también está en B.

Ejemplo 01. Sean esos 2 conjuntos M y N, donde se puede observar que M está

incluido en N, ese decir, A⊂B.

Ejemplo 02. Sean los conjuntos A = [4,6] y B = [1,10], vemos que A⊂B.

18
 Eventos complementarios

Los eventos complementarios son dos resultados de un evento. Si A es un evento del

espacio muestral Ω, se llama complemento de A al evento que ocurre cuando no ocurre A.

→ Ac =Ω− A={m/ m∈ Ω , m A }

Ejemplo 01. Lanzar una moneda y que salga cara o sello son eventos

complementarios ya que no hay más opciones que esas dos.

Ejemplo 02. Lanzar un dado y obtener 1 o algo diferente a 1 son eventos

complementarios (o sacas 1 o no sacas 1).

Operaciones con eventos

Las operaciones con eventos son esenciales en la introducción a la teoría de la

probabilidad. Ofrece un marco para operar con conjuntos.

Representaciones graficas:

19
 Propiedades de intersección de sucesos:

1) Unión

Sea A y B dos eventos del mismo espacio muestral Ω, Se le llama unión al evento que

ocurre si y solo si ocurre en A o B.

A∪ B = {x/x ∈ A o x ∈ B }

Ejemplo 01.

Se entrevistan a las personas que salen del cine en forma secuencial, el cual sea A el

evento que se entreviste por lo menos a 4 personas y sea B el evento de que se entreviste a las

más 6 personas.

A ={4,5,6 , ..}; B = {1,2,3,4,5,6} → A∪ B={1,2,3,4,5,6 ,… }

2) Intersección

20
 Sea A y B dos eventos del mismo espacio muestral Ω, se le llama intersección al

evento que ocurre si y solo si ocurre en ambos eventos juntos.

A ∩ B = {m∈Ω / m ∈ A y m∈ B }

A∩B

Ejemplo 01.

Se lanza un dado sobre una superficie plana, sea A el evento que indique lo números

menores a 5 y sea B el evento que indique los números mayores a 3, obtenga la intersección.

A = {1,2,3,4}; B = {4,5,6} → A ∩ B = {4}

3) Diferencia de eventos

La diferencia de eventos en donde A y B pertenecen al mismo espacio muestral Ω, se

llama diferencia de A menos B al evento formado por todos los sucesos elementales de A,

pero menos los sucesos elementales de B.

A – B = {m ∈Ω / m∈ A , m B}

B – A = {m ∈Ω / m∈ B ,m A }

21
 Ejemplo 01.

Se lanza un dado normal en una superficie plana, encontrar A – B, sean los sucesos A

y B los siguientes:

Suceso A = que salga número par = {2,4,6}

Suceso B = que salga número impar = {1,3,5}

A – B = {2,4,6} - {1,3,5} = {2,4,6}

4) Diferencia simétrica

Sean A y B dos eventos del mismo espacio muestral Ω, se le hace llamar diferencia

simétrica al evento formado por todos los sucesos elementales de la unión de los eventos A y

B, menos los sucesos elementales de la intersección se A y B.

A  B = w  / w  (AB), w  AB

22
 Ejemplo 01.

Se lanza un dado normal sobre una superficie plana, encontrar A  B y sean los

eventos A y B los siguientes:

A = números impares del dado = {1,3,6}

B = números mayores a 2 = {3,4,5,6}

A  B = {1,4,5}

Algebra de eventos

Se puede hacer uso del isomorfismo entre el algebra de conjuntos y el algebra de

eventos para obtener nuevos eventos. Tales como:

 Ley de idempotencia:

o A ∪ A= A

 Leyes asociativas:

o A∪(B ∪ C)=( A ∪B)∪ C

o A ∩ (B ∩ C) = (A ∩ B) ∩ C

o 𝐴 △ (𝐵 △ 𝐶) = (𝐴 △ 𝐵) △ C

23
 Leyes conmutativas:

o A∪ B=B ∪ A

o A∩B=B∩A

o 𝐴△𝐵=B△A

 Leyes distributivas

o 𝐴 𝖴 (𝐵 ∩ 𝐶) = (𝐴 𝖴 𝐵) ∩ (𝐴 𝖴 𝐶)

o 𝐴 ∩ (𝐵 𝖴 𝐶) = (𝐴 ∩ 𝐵) 𝖴 (𝐴 ∩ 𝐶)

o 𝐴 𝖴 (𝐵 △ 𝐶) = (𝐴 𝖴 𝐵) △ (𝐴 𝖴 𝐶)

o 𝐴 ∩ (𝐵 △ 𝐶) = (𝐴 ∩ 𝐵) △ (𝐴 ∩ 𝐶)

 Ley de identidad:

o A𝖴∅=A

o 𝐴∩∅=∅

o 𝐴𝖴=

o 𝐴∩=A

 Ley de complemento:

o Ωc = ∅

o ∅c = 

o ( A¿¿ c)c = A ¿

o 𝐴 𝖴 Ac = 

o A∩ A = 
c

 Leyes de Morgan

o ( A ∪ B)c = A c ∩ Bc

o ( A ∩ B)c= Ac 𝖴 Bc

24
  Leyes de la dominación:

o A ∪Ω=Ω

o A ∩Ω=∅

 Leyes de la diferencia:

o A−B=( A ∩ B¿¿ c )¿

o A-=∅

o Ω-A=∅

o 𝐴 - ∅= A

o ∅− A=∅

 Ley de la inclusión:

o A⊆A

o 𝐴⊆Ω

o ∅ ⊆Ω

Ejemplo 01.

Se lanza un dado normal sobre una superficie plana, sean los eventos A y B. tal que

los sucesos A es obtener más de 3 y sea B los números impares. Hallar A ∩ B.

n(Ω) = {1,2,3,4,5,6}

A = obtener más de 2 = {3,4,5,6}; B = números impares = {1,3,5}

A ∩ B = {3,4,5,6} ∩ {1,3,5 } → A ∩ B={3,5 }

25
 Experimentos determinísticos

Son los que se repiten las mismas condiciones iniciales se garantiza el mismo

resultado.

Ejemplo 01.

Un móvil que circula a una velocidad constante durante un determinado tiempo,

recorre siempre el mismo espacio.

Ejemplo 02.

Una combinación de sustancias en determinadas proporciones y temperatura producen

siempre el mismo resultado de mezcla.

Ejemplo 03.

Un examen con ninguna respuesta correcta produce siempre el mismo resultado; cero.

26
EJERCICIOS RESUELTOS

Ejercicio 01.

De una bolsa que tiene 10 bolas numeradas del 0 al 9, se extrae una bola al azar.

a ¿Cuál es el espacio muestral?

b Describe los sucesos:

A  "Mayor que 6"

B  "No obtener 6"

C  "Menor que 6" escribiendo todos sus elementos.

c Halla los sucesos A  B, A  B y B'  A'.

Solución.

a) n () ¿ {0 ,1 , 2, 3 , 4 ,5 , 6 , 7 , 8 , 9 }

27
 b)
A={7 , 8 , 9 }
B={0 ,1 , 2 ,3 , 4 , 5 ,6 ,7 , 8 , 9 }
C={0 ,1 , 2, 3 , 4 ,5 }
c)
A ∪B= {0 , 1 ,2 , 3 , 4 , 5 , 6 , 7 , 8 ,9 }=B

A ∩ B= {7 , 8 , 9 }=A

B' ∩ A ' ={ 6 }=B '

Ejercicio 02.

Sabiendo que: P ( A ∩ B )=0,2; P ( B ' )=0,7 ; P ( A ∩ B ' )=0,5

a) Calcula P ( A ∪ B )

b) P( A).

Solución

b) Calculamos en primer lugar P( A).

P ( A )=P ( A ∩B ' )+ P ( A ∩ B )=0,5+0,2=0,7

P ( A )=0,7
P ( B )=1−P ( B )=1−0,7=0,3
'

P ( B )=0,3

a) P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B )=0,7+ 0,3−0,2=0,8

P ( A ∪ B ) =0,8

Ejercicio 03.

En una urna hay 15 bolas numeradas de 2 al 16. Extraemos una bola al azar y

observamos el número que tiene.

28
 a Describe los sucesos:

A  "Obtener par"

B  "Obtener impar"

C  "Obtener primo"

D  "Obtener impar menor que 9" escribiendo todos sus elementos.

b ¿Qué relación hay entre A y B? ¿Y entre C y D?

c ¿Cuál es el suceso A  B? ¿y C  D?

Solución.

a)

A={2,4,6,8,10,12,14,16 }

B={3,5,7,9,13,15}

C={2,3,5,7,11,13 }

b) B= A ' ; D⊂C

c) A ∪B=n ( s ) ; C ∩ D=D

Ejercicio 04.

Se lanzan 20 monedas en las que la probabilidad de cara es de 0,6. Calcular cual es el

número más probable de caras y qué probabilidad hay de que salga dicho número.

Solución

El número de caras obtenido al lanzar 20 monedas es una variable aleatoria

con distribución binomial de parámetros B (20;0,6). El número más probable de caras

es 20 ⋅ 0,6 − 0,4 ≤ m ≤ 20 ⋅ 0,6 + 0,6 ⇒11,6 ≤ m ≤ 12,6. Luego el número más

probable de caras es 12, y la probabilidad de 12 caras es:

P ( X=12 ) =( 2012 ) ∙ 0,6 12 8

∙ 0,4 =
20 !
12 !8 !
∙0,0022 ∙ 0,0007=0.0202

29
 Ejercicio 05.

Sabiendo que P ( A ∩ B )=0,6 y que la de la P ( A ∩ B )=0,2, se pide calcular la

probabilidad de A.

Solución

P ( A )=P [ ( A ∩B ) ∪ ( A ∩ B ) ] =P ( A ∩B ) ∪ ( A ∩ B )=0,6+0,2=0,8

Ejercicio 06.

Sean A y B los sucesos tales que: P ( A )=0,4 ; P ( A ' ∩B )=0,4 ; P ( A ∩ B )=0,1

a) Calcula P ( A ∪ B )

b) P( B).

Solución

a) Calculamos en primer lugar P( B).

P ( B )=P ( A ' ∩ B ) + P ( A ∩B )=0,4 +0,1=0,5

P ( B )=0,5

a) P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B )=0,4 +0,5−0,1=0,8

P ( A ∪ B ) =0,8

Ejercicio 08.

En un dado bien construido consideramos los sucesos A y B, tales que A es la

obtención de una puntuación mayor o igual que 4 y B la de 3 o 6. Utilizando los teoremas del

cálculo de probabilidades, determínese si:

a) Los sucesos de A y B son disjuntos.

b) Los sucesos de A y B son independientes.

30
Solución

a)

Los sucesos de Ay B son Disjuntos.

Si los sucesos de A y B son disjuntos, se verificará que; P ( A ∩ B )=0.

Obtendremos el suceso intersección A ∩ B:

A ∩ B=( 4 , 5 ,6 ) ∩ ( 3 ,6 )=6

1
P ( A ∩ B )=P ( 6 )= ≠ 0
6

b)

Los sucesos de A y B son independientes.

Si A y B son independientes, P ( A ∩ B )=P( A)∙ P( B)

3
P ( A )=
6

2
P ( A )=
6

2 2 1
P ( A ) ∙ P ( B )= ∙ = =P (A ∩ B)
3 6 6

Luego los sucesos A y B son independientes.

Ejercicio 09.

Si A y B son dos sucesos tales que: P ( A )=0,4 ; P ( B / A )=0,25 ; P ( B ' )=0,75

Calcular:

a) ¿Son A y B independientes?

b) Calcula P( A ∪ B) y P ( A ∩ B ).

31
Solución

a)

P ( B ) =1−P ( B )=0,75 → P ( B )=0,25

'

como P ( B / A )=0,25 y P ( B )=0,25, tenemos que: P ( B / A )=P ( B )

∴ A y B son independientes.

b)

Como A y B son independientes: P ( A ∩ B )=P ( A ) ∙ P ( B ) =0,4 ∙ 0,25=0,1

∴ P ( A ∩ B )=0,1

Así: P ( A ∪ B ) =P ( A )+ P ( B )−P ( A ∩B )=0,4 +0,25−0,1=0,55

∴ P ( A ∪ B )=0,55

Ejercicio 10.

Lanzamos dos dados sobre la mesa y anotamos los dos números obtenidos.

a ¿Cuántos elementos tiene el espacio muestral?

b Describe los sucesos:

A  "Obtener al menos un cinco".

B  "La suma de los resultados es menor que 4".

C  "La suma de los resultados es igual a 7" escribiendo todos sus elementos.

32
c Halla los sucesos A  B y B  C'.

Solución

a) n ( Ω ) =6 ∙6=36

b)

A={( 5 , 1 ) ; ( 5 , 2 ) ; ( 5 , 3 ) ; ( 5 , 4 ) ; ( 5 , 5 ) ; ( 1 , 5 ) ; ( 2, 5 ) ; ( 3 ,5 ) ; ( 4 , 5 ) ;(6 ; 5)}

B= { (1 , 1 ) ; ( 1 , 2 ) ; ( 2 , 1 ) }

C={( 1 , 6 ) ; ( 2 ,5 ) ; ( 3,4 ) ; ( 4,3 ) ; ( 5 , 2 ) ; (6,1 ) }

c)

A ∩ B=∅

A ∩C ={ ( 1 ,1 ) ; ( 1,2 ) ; ( 2,1 ) } =B (puesto que B⊂C '

'

EJERCICIOS PROPUESTOS

Ejercicio 01.

Extraemos dos cartas de una baraja española y vemos de qué palo son.

a Calcule el espacio muestras e indique la cantidad de elementos que posee.

Respuesta: a) 16 elementos

Ejercicio 02.

Consideramos el experimento que consiste en lanzar tres monedas al aire.

33
a Construya el espacio muestras e indique la cantidad de elementos que posee.

Respuesta: a) 8 elementos

Ejercicio 03.

3 1 1
Sean A y B dos sucesos aleatorios con P ( A )= ; P ( B )= ; P ( A ∩ B )=
8 2 4

Hallar:

a) P( A ∪ B)

b) P( A c )

c) P( A c ∪ B c )

Respuesta: a) 5/8; b) 3/8; c) 3/8

Ejercicio 04.

Calcula lo que se pide dados los siguientes sucesos y sus probabilidades.

2 3 1
P ( A )= ; P ( A ∪ B )= ; P ( A ∩ B ) =
c
3 4 4

Hallar:

a) P( A)

b) P(B)

c) P( A ∪ Bc )

Respuesta: a) 1/3; b) 2/3; c) 1/12

Ejercicio 05.

34
 Demostrar que, si los sucesos A y B son independientes, entonces sus

complementarios también son independientes.

Respuesta: P( A c )∙ P( Bc )

Ejercicio 06.

Sean A, B y C son tres sucesos tales que A ∩ B=∅.

Calcular P[( A ∪ B/C)]=P ( A /C)+ P(B/C)

Respuesta: P( A /C )+ P( B /C )

Ejercicio 08.

Sean los sucesos A y B tales que P ( A ∪ B ) =Ω, P ( A )=0,8 , P ( B )=0,5.

Calcular:

a) P ( A ∪B c )

b) P ( A c ∪ Bc )

Respuesta: a) 0,8 b) 0,7

Ejercicio 09.

1 1 1
Sean los sucesos A y B tales que P ( A )= , P(B/ A )= y P (A /B)=
4 2 4

Determine si son verdaderas o falsas las siguientes relaciones.

1) A  B

2) A y B son independientes

35
 3) A y B son incompatibles

4) P (A / B) = 1/ 2

5) P (A / B) + P (A / B) =1

Respuesta: FVFFV

Ejercicio 10.

En una cadena de televisión se hizo una encuesta a 2500 personas para saber la

audiencia de un debate y de una película que se emitieron en horas distintas: 2100 personas

vieron la película, 1500 vieron el debate y 350 no vieron ninguno de los dos programas.

Eligiendo al azar a uno de los encuestados, se desea saber:

a) Probabilidad de que viera la película y el debate.

b) Probabilidad de que viera la película, sabiendo que vio el debate.

c) Habiendo visto la película, probabilidad de que viera el debate.

Respuesta: a) 0,58 b) 0,97 c) 0,69

CAPÍTULO II

Técnicas de conteo

Están conformadas por, fórmulas y procesos matemáticos, que permiten determinar el

número total de resultados posibles, de un evento o experimento. A su vez, este tipo de

técnicas, son utilizadas cuando, la realización de combinaciones de diferentes elementos,

junto con la determinación, de cuál de ellas es posible realizar; es considerado, manualmente

36
tedioso o imposible de efectuar. Por ende, se dará a conocer algunas de estas técnicas, mas

importantes, dentro del ámbito del Cálculo de Probabilidad.

Principio Aditivo

Considerado una técnica, en donde, si una acción puede realizarse de “n1” maneras

diferentes y una segunda acción puede realizarse de “n2” maneras diferentes. Pero, sin

embargo, no es factible realizar ambas acciones conjuntamente. Entonces, “n1” o “n2”,

pueden efectuarse alternativamente, según “n1 + n2” maneras diferentes. Si se presenta el

caso de trabajar con trata una sola acción, que presente distintas alternativas de ejecución,

deberemos usar el principio aditivo.

Adicional a lo anterior, este principio, establece lo siguiente:

b) Si A es un evento que tiene “x” formas de ser realizado; y B es otro evento que

tiene “z” maneras de ser realizado, Además de que, solo puede ocurrir A o B, y no

ambos eventos al mismo tiempo; entonces las maneras de ser realizado A o B =

(A𝖴B), son “x” + “z”.

Ejemplo 01. ¿Cuántos resultados diferentes se puede obtener al lanzar un dado?

Solución:

Número de Caras de un dado:

{1,2,3,4,5,6} → 6 opciones diferentes.

≡ Se podrá obtener 6 resultados diferente.

Ejemplo 02. Un estudiante para escoger una carrera universitaria, tiene dos áreas: una

de ciencias y otra área de letras: si en el área de ciencias tiene 8 especialidades o carreras de

formación profesional y en la de letras 10 especialidades, además se sabe que un alumno no

37
puede seguir dos carreras a la vez, entonces tendrá 8 + 10 = 18 especialidades para escoger su

carrera profesional.

EJERCICIOS RESUELTO

Ejercicio 01.

¿Cuántos resultados diferentes se puede obtener al lanzar una moneda?

Solución:

Eventos posibles:

{cara, sello} → 2 opciones diferentes.

≡ Se podrá obtener 2 resultados diferentes.

Ejercicio 02.

Pablo puede viajar de Lima a Huancayo por vía aérea o por vía terrestre, tiene a si

disposición 3 líneas aéreas y 6 líneas terrestres, ¿De cuantas maneras distintas puede realizar

el vieje?

Solución:

Pablo viajará a Huancayo o bien por vía aérea o vía terrestre, nunca por ambas vías a

la vez.

Vía aérea: 3 líneas vía terrestre: 6 líneas

Podrá realizar dicho vieje 3 + 6 = 9 maneras diferentes.

Ejercicio 03.

¿Cuántos resultados diferentes se puede obtener al lanzar un dado legal o una

moneda?

38
 Solución:

En moneda:

n ( Ω ) ={ C , S }={Cara , Sello} = 2 resultados

En dado:

n ( Ω ) ={ 1, 2 , 3 , 4 , 5 ,6 }=¿ 6 resultados

Principio multiplicativo

Determinado como una técnica, en relación al Cálculo de Probabilidad; que se utiliza

para resolver problemas de conteo; determinado en un caso particular. Así mismo, como para

hallar la solución, sin la necesidad de enumerar sus elementos. Por otra parte, también es

conocido como, el Principio Fundamental del Análisis Combinatorio. La cual, se basa en, la

multiplicación sucesiva para determinar la forma en la que puede ocurrir un evento.

Por consiguiente, este principio, establece que, si una decisión (d1) puede ser tomada

de “n” maneras, y otra decisión (d2) puede tomarse de “m” maneras, el número total de

maneras en las que pueden ser tomadas las decisiones (d1) y (d2), será igual a multiplicar de

“n “*” m”.

Ejemplo 01.

Antony planea ir visitar un parque de atracciones. Sin embargo, no se decide con que

ropa ir. Para ello, separo 3 camisas y 2 pantalones cortos y 4 polos. ¿De cuántas maneras se

puede vestir Antony?

Solución:

En este caso, Antony debe tomar tres decisiones:

D1 = Escoger entre 3 camisas = n1

39
 D2 = Escoger entre 2 pantalones cortos = n2

D3 = Escoger entre 4 polos = n3

De esa forma Antony tiene n1 * n2 * n3, decisiones a tomar o maneras

diferentes de vestirse. Entonces; n1 * n2 * n3 = 3*2*4 = 24 decisiones.

Ejemplo 02.

Si se quiere formar una palabra clave compuesta por un dígito, seguido por una

consonante y luego por una vocal, de ¿cuántas maneras se puede formar la palabra clave?

Solución

Hay 10 dígitos en el sistema de numeración decimal, 22 consonantes simples en

nuestro idioma y 5 vocales, además se sabe que hay 3 consonantes dobles (rr, ll, ch) que se

deben excluir, pero se incluye el w como consonante simple; en consecuencia, hay 10*22*5 =

1100 formas de formar la palabra clave.

EJERCICIOS RESUELTO

Ejercicio 01.

Enrique puede viajar de Ancash a Arequipa por 4 caminos diferentes y, de Arequipa a

Piura por 3 caminos diferentes. ¿Por cuantos caminos diferentes puede viajar de Ancash a

Piura pasando por Arequipa?

Solución:

Cada camino de Ancash a Arequipa tiene como opción tomar un camino de

los 3 que hay de Arequipa a Piura.

40
  Sea A → (El evento que determina los caminos diferentes que hay

entre Ancash y Arequipa).

 Sea B → (El evento que determina los caminos diferentes que hay

entre Arequipa y Piura).

Entonces, se multiplica la cantidad de caminos diferentes de A con la cantidad

de caminos diferentes de B.

≡ 4*3=12 → Enrique puede viajar de Ancash a Piura pasando por Arequipa

por 6 caminos distintos.

Ejercicio 02.

Calcular cuántos números enteros diferentes de tres dígitos se pueden formar con los

dígitos 2,3,4,5,6,7,8 si los dígitos no pueden repetirse.

Solución:

Si es un número de tres dígitos, necesitamos un dígito para las centenas que puede ser

cualquiera de los siete dígitos dados, después un dígito para las decenas que puede elegirse

entre los seis dígitos restantes y finalmente el dígito de las unidades se elegirá de los cinco

últimos dígitos. Aplicando el Principio multiplicativo, tendremos: 7 x 6 x 5 = 210 números.

Ejercicio 03.

Calcular de cuántas maneras diferentes se pueden sentar tres niños en una banca de

tres asientos.

41
 Solución:

El primer niño puede sentarse en cualquiera de los tres lugares disponibles, el segundo

niño puede sentarse en cualquiera de los dos asientos restantes y el tercer niño se sentará en el

único lugar que queda. Aplicando el Principio multiplicativo, tendremos: 3 x 2 x 1 = 6

maneras diferentes.

Variación

Definido como, una técnica, en relación al Cálculo de Probabilidad, que toma uso de

las ordenaciones, que se pueden realizar, en base, y con los elementos del espacio muestral,

de un determinado caso, en particular.

Variación Simple

Considerado como, las diferentes maneras, por la cual, se organiza o agrupa los

elementos de un conjunto, sin forma alguna de repetición existente, dentro del caso. Además

de tener en cuenta, el orden de la ubicación, en la cual se encuentran dichos elementos.

Las variaciones simples, o también denominado, variaciones sin repetición; de “n”

elementos tomados de “p” en “p”, se definen como, las distintas agrupaciones formadas con

“p” elementos diferentes, escogiéndolos de entre los “n” elementos, de los cuales

disponemos. De manera que, se presenta, el considerar una variación distinta a otra, tanto si

difieren en algún elemento, como si, están situados en distinto orden.

El número de variaciones que se pueden construir y obtener; se puede determinar, en

base a la siguiente fórmula:

n n!
Vk=
( n−k ) !

42
 Ejemplo 01. ¿Cuántos números distintos de 4 cifras diferentes se pueden escribir con

los dígitos: 0, 2, 4, 6, 8?

- No se pueden repetir.

- Influye el orden en el que se coloca.

Solución:

→ Número de dígitos totales = 5 = n

→ Cantidad de dígitos que puede tener el número = 4 = k

≡ Reemplazamos en la fórmula de variación simple:

5!
≡ ≡120
( 5−4 ) !

Ejemplo 02. Obtenga palabras de dos letras diferentes, de un conjunto de las cuatro

letras: a, b, c, d.

Solución:

V (4; 2) = 4! / (4-2)! = 4! / 2! = 4 x 3 = 12

ab, ba, ac, ca, ad, da, bc, cb, bd, db, cd, dc.

Ejemplo 03. En una clase de Filosofía de la UNASAM hay 27 alumnos. ¿De cuántas

formas se pueden elegir un delegado, un subdelegado, y un administrador de grupo social?

Solución:

→ Número de alumnos = 27 = n

→ Cantidad cargos existentes = 3 = k

≡ Reemplazamos en la fórmula de variación simple:

27 ! 27 !
≡ ≡ ≡17 550
( 27−3 ) ! ( 24 ) !

43
 EJERCICIOS RESUELTOS

Ejercicio 01.

A un concurso literario se han presentado 10 candidatos con sus novelas. El cuadro de

honor lo forman el ganador, el finalista y un accésit. ¿Cuántos cuadros de honor se pueden

formar?

Solución:

10! 10 !
V 310= = =10∗9∗8=720
( 10−3 ) ! 7 !

Ejercicio 02.

 ¿Cuántos números de tres cifras (todas distintas) se pueden formar con los

números 1, 2, 3, 4, 5?

Solución:

3 5! 5!
V 10= = =5∗4∗3=60
( 5−3 ) ! 2 !

Ejercicio 03.

¿De cuántas formas diferentes se pueden cubrir los puestos de presidente,

vicepresidente y tesorero de un club de fútbol sabiendo que hay 12 posibles candidatos?

Solución:

3 12 ! 12!
V 12= = =12∗11∗10=1320
( 12−3 ) ! 9 !

44
 Variación con repetición

Las variaciones con repetición de “n” elementos tomados de “p” en “p”, se definen

como las distintas agrupaciones formadas con “p” elementos, en los cuales, existe repetición.

De modo que, eligiéndolos de entre los “n” elementos, de los cuales disponemos. Además de,

considerar, una variación distinta a otra, tanto si difieren en algún elemento como si están

situados en distinto orden.

El número de variaciones que se pueden construir y obtener; se puede determinar, en

base a la siguiente fórmula:

n k
VR k =n

Ejemplo 01. ¿Cuántos resultados hay al lanzar una moneda al aire 4 veces?

Solución:

Lanzamos 4 veces (k=4)

Tenemos 2 posibles resultados por cada lanzamiento (Cara y Sello) → (n=2)

Podemos repetir. Además de que, tenemos en cuenta al orden.

≡ Reemplazamos en la fórmula de variación con repetición:

4
≡2 ≡ 16

Ejemplo 02. Enumere el conjunto de palabras de dos letras que se pueden formar con

un conjunto de 4 letras que son: a, b, c, d.

Solución

V (4; 2) = 42 = 4 * 4 = 16 y las palabras son.

aa, ab, ba, ac, ca, ad, da, bb, bc, cb, bd, db, cc, cd, dc, dd

45
 Ejemplo 03. ¿Cuántos números de 5 cifras se pueden formar con los dígitos 1, 2, 3 y

4?

Solución:

Tenemos (n=4) y (k=5)

→ (En este caso es mayor la n que la m, pero como se pueden repetir no hay

problemas).

Teniendo en cuenta que, sí importa el orden (Ya que 14123 no es lo mismo

que 11432).

≡ Reemplazamos en la fórmula de variación con repetición:

≡ 45 ≡1 024

EJERCICIOS RESUELTOS

Ejercicio 01.

¿Cuántos números de tres cifras (permitiendo cifras repetidas) se pueden formar con

los números 1, 2, 3, 4, 5?

Solución:

3 3
VR 5=5 =125

Ejercicio 02.

¿Cuántos resultados hay al lanzar una moneda al aire 3 veces?

Solución:

3 3
VR 2=2 =8

46
 Ejercicio 03.

¿Cuántos números de 5 cifras se pueden formar con los dígitos 1,2 y 3?

Solución:

VR 53=3 5=243

Permutaciones

Definido como, una técnica, en relación al Cálculo de Probabilidad, en la cual,

permite calcular las posibles ordenaciones, de los elementos de un conjunto o número de

elementos del espacio muestral, de un experimento aleatorio, presente en caso particular.

Adicional a lo anterior, esta técnica de conteo, considera que existe el orden en la

muestra, pero no es posible, darse el caso de repetir algún elemento, de la población en su

conformación.

Permutación Simple

También denominado como, permutación sin repetición, se presenta como, todas las

agrupaciones de “n” elementos, dispuestos linealmente. De manera que, ninguno, de los ya

mencionados, elementos, falte o se repita. Además de que, las agrupaciones se diferencian

entre sí, en relación al orden de sus elementos. Esta técnica, está en base a la siguiente

fórmula:

Pn=n!

Ejemplo 01. Un padre necesita ayuda para un trabajo manual, es por ello que decide

pedirles apoyo a sus 4 hijos ¿De cuántas maneras distintas, llamándolos uno por uno, puede

pedir ayuda, el padre a sus hijos?

Solución:

47
 → El número de hijos que tiene = 4 = n

≡ Reemplazamos en la fórmula de permutación simple:

≡ 4 ! ≡24

Ejemplo 02. Obtenga el conjunto de números que se pueden formar con los dígitos:

1; 2; 3 y 4. El número así formado debe tener cuatro cifras y que ninguno debe repetirse.

Solución:

P4 = 4! = 24, los números son:

1234; 1243; 1324; 1342; 1423; 1432;

2134; 2143; 2314; 2341; 2413; 2431;

3124; 3142; 3214; 3241; 3412; 3421;

4123; 4132; 4213; 4231; 4312; 4321.

Ejercicio 03. ¿Cuántas palabras diferentes, sin tomar en cuenta el significado de la

palabra, se pueden formar intercambiando de lugar las letras de la palabra UNASAM?

Solución:

→ El número de letras en la palabra = 6 = n

≡ Reemplazamos en la fórmula de permutación simple:

≡6 ! ≡ 720

EJERCICIOS RESUELTOS

Ejercicio 01.

¿De cuántas maneras se pueden disponer 7 personas en una fila?

Solución:

48
 Pn=n!=7 !=7∗6∗5∗4∗3∗2∗1=5040

Ejercicio 02.

¿De cuántas formas pueden quedar clasificados 6 equipos de fútbol que participan en

un torneo?

Solución:

Pn=n!=6 !=6∗5∗4∗3∗2∗1=720

Ejercicio 03.

¿De cuántas maneras se pueden disponer en una mesa 3 hermanas? (María, Sofía,

Clara) Determínelas.

Solución:

Pn=n!=3 !=3∗2∗1=6

Donde:

M = María
S = Sofía
C = Clara
Forma de los grupos: (M, S, C) (M, C, S) (S, C, M) (S, M, C) (C, S, M) (C, M, S)

Permutación con repetición

Se presenta cuando, el número de permutaciones de “n” objetos, de los cuales “𝒏𝟏”

son iguales entre sí; “𝒏𝟐” son iguales entre sí y “𝒏𝒌” son iguales entre sí. Se presenta, en

relación, a la siguiente fórmula:

n!
Pn=
n a ! ∙ nb ! ∙ …∙ nr !

49
 Ejemplo 01. En una caja de madera, hay 10 pelotas de futbol del mismo tamaño y

peso, de los cuales, 7 tienen pentágonos rojos y 3 tienen pentágonos azules. ¿De cuántas

maneras se pueden extraer una a una las pelotas de la caja?

Solución:

→ El número de pelotas que tienen pentágonos rojos = 7 = na

→ El número de pelotas que tienen pentágonos azules = 3 = nb

→ Número total de pelotas: n = 7+3 → n = 10

≡ Reemplazamos en la fórmula de permutación con repetición:

10 !
≡ ≡120
3 ! ∙7 !

Ejemplo 02.

Hallar el número de palabras que se pueden formar con las letras de las palabras:

i) mama,

ii) Coca-Cola,

iii) estadísticas

Solución:

i) P4 = 4! / (2!.2!) = 6, las palabras son:

mama, maam, amam, amma, mmaa, aamm.

ii) P8 = 8! / (3!.2!.2!.1!) = 1680 palabras diferentes.

iii) P12 = 12! / (3!.2!.2!.2!.1!.1!.1!) = 479001600/ 48) = 9979200 palabras diferentes.

50
 EJERCICIOS RESUELTOS

Ejercicio 01.

Calcular las permutaciones con repetición de P R 612, 4 ,2

Solución:

P 12 12! 12∗11∗10∗9∗8∗7∗6 !
P R 612, 4 ,2= = = =13860
6 ! 4 ! 2! 2 ! 4 ! 2! 4∗3∗2∗2∗6 !

Ejercicio 02.

Con las cifras 2, 2, 2, 3, 3, 3, 3, 4, 4; ¿Cuántos números de nueve cifras se pueden

formar?

Solución:

P9 9!
P R 3,4,2
9 = = =1260
3 ! 4 ! 2! 3 ! 4 !2!

Ejercicio 03.

En el palo de señales de un barco se pueden izar tres banderas rojas, dos azules

y cuatro verdes. ¿Cuántas señales distintas pueden indicarse con la colocación de las

nueve banderas?

Solución:

P9 9!
P R 3,2,4
9 = = =1260
3!2!4! 3!2!4 !

51
 Permutación circular

Se presenta, permutación en el cual los elementos se ordenan en círculo. De modo

que, el primero elemento que se sitúa en el ordenamiento, determina el principio y el final de

la muestra. Así mismo, se presenta, en relación, a la siguiente fórmula:

P Cn =( n−1 ) !

Ejemplo 01. ¿De cuántas maneras se pueden sentar 10 amigos alrededor de una mesa

de forma circular?

Solución:

→ El número de personas que se sientan alrededor de la mesa = 10 = n

≡ Reemplazamos en la fórmula de permutación con repetición:

≡ ( 10−1 ) ! ≡ 9 ! ≡362 880

Ejemplo 02. ¿De cuántas maneras diferentes se pueden sentar a 8 personas alrededor

de una mesa circular con 8 asientos?

Solución:

Hay (8 - 1)! = 7! = 5 040 formas diferentes.

EJERCICIOS RESUELTOS

Ejercicio 01.

Calcular las permutaciones circulares de 7 elementos.

Solución:

P C7 =P7−1=( 7−1 ) !=6 !=6∗5∗4∗3∗2∗1=720

52
 Ejercicio 02.

¿De cuántas formas distintas pueden sentarse ocho personas alrededor de una mesa

redonda?

Solución:

P C8 =P8−1=( 8−1 ) !=7 !=7∗6∗5∗4∗3∗2∗1=5040

Ejercicio 03.

¿De cuentas maneras diferentes 4 amigos se podrán ubicar alrededor de una mesa

circular?

Solución:

P C4 =( 4−1 ) !=3 !=6

Combinaciones

Esta técnica de conteo, está presente cuando, un conjunto de elementos, es

determinado como una selección de los ya mencionados, sin consideración del orden en el

que se encuentren.

Combinación Simple

Denominado también, como combinación sin repetición. La cual, se presenta como,

todas las agrupaciones de k elementos, dispuestos linealmente. Además de que, se pueden

formar a partir de “n” elementos distintos, sin que ninguno se repita. Así como, el no

considerar orden de ellos. De tal manera que, estas agrupaciones se diferencian entre sí, en

base a los elementos que las conforman.

Esta técnica, se basa en la siguiente fórmula:

53
 ()
C nr = n =
n!
r r ! ( n−r ) !

Ejemplo 01. En una salchipapería venden tres tipos platos, con variaciones de

ingredientes diferentes en cada uno; pero en base a una salchipapa tradicional. ¿Cuántos

platos diferentes podemos elegir entre las salsas adicionales que podemos seleccionar para

cualquier tipo de plato? Dichas salsas son: Mayonesa, mostaza, salsa de tomate y ají.

Solución:

→ n = 4 tipos de salsa, que se ofrece.

→ r = 3 tipos platos diferentes de salchipapa, que se ofrece.

≡ Reemplazamos en la fórmula de combinación simple:

()
≡ 4 ≡
4!
3 3 ! ( 4−3 ) !
≡4

Ejemplo 02. En una obra pequeña se tienen un conjunto de 7 obreros trabajando, de

los cuales se selecciona a 4 obreros para realizar otra obra. ¿Cuántas formas se tiene para

seleccionar a los obreros?

Solución:

→ El número de obreros en total es: 7 = n

→ El número de obreros seleccionados para otra obra: 4 = r

≡ Reemplazamos en la fórmula de combinación simple:

()
≡ 7 ≡
7!
4 4 ! ( 7−4 ) !
≡35

EJERCICIOS RESUELTOS

Ejercicio 01.

54
 Para aprobar un examen de 5 preguntas hay que contestar bien 2 de ellas. ¿De cuántas

formas diferentes se pueden elegir las dos preguntas?

Solución:

()
C 5,2= 5 =
5!
=
5!
2 2 ! ( 5−2 ) ! 2 ! 3 !
=
5∗4∗3 !
2∗3 !
=10

Ejercicio 02.

En un bar hay cervezas de 8 marcas. ¿De cuántas formas se pueden elegir 5 cervezas?

Solución:

( )
C 12,4= 12 =
4
12 !
4 ! ( 12−4 ) !
=
4
12! 12∗11∗10∗9∗8 !
! 8!
=
24∗8 !
=495

Ejercicio 03.

Se tienen los 4 ases de una baraja y se quieren tomar al azar dos cartas. ¿Cuántas y

cuáles son las combinaciones que pueden resultar?

Solución:

()
C 12,4= 4 =
4!
=
4 ! 24
= =6
2 2 ! ( 4−2 ) ! 2 ! 2! 4

Pueden resultar 6 combinaciones posibles de 2 cartas con los 4 ases.

T = Trébol
C = Corazón
D = Diamante
P = Pica
Formación de los grupos: (T, C) (T, D) (T, P) (C, D) (C, P) (D, P)

55
 Combinación con repetición

Se presenta cuando, la selección de k elementos de un conjunto de “n” elementos.

Donde, existe el caso en la que algún elemento se pueda repetir. Además, de no tomar

importancia al orden de su selección.

Esta técnica, se basa en la siguiente fórmula:

(n+r −1) !
(
C nr = n+r −1 =
r )r ! ( n−1 ) !

Ejemplo 01. ¿Cuántas agrupaciones de tres elementos se pueden formar con las

letras: ¿T; C; O; P; M; y O? Si se pueden hacer repeticiones.

Solución:

→ El número total de letras = 6 = n

→ El número total de agrupaciones = 3 = r

≡ Reemplazamos en la fórmula de combinación con repetición:

(6+3−1)!
(
≡ 6+3−1 ≡
3 )
3 ! ( 6−1 ) !
≡ 56

Ejercicio 02. ¿De cuantas maneras se puede distribuir 18 galletas <idénticas> entre 7

niños y 2 niñas?

Solución:

→ El número total de galletas idénticas = 18 = n

→ El número total de niños = 9 = r

≡ Reemplazamos en la fórmula de combinación con repetición:

( 18+9−1 ) !
(
≡ 18+9−1 ≡
9 )
9 ! ( 18−1 ) !
≡3 124 550

56
 EJERCICIOS RESUELTOS

Ejercicio 01.

En una bodega hay cinco tipos diferentes de botellas. ¿De cuántas formas se pueden

elegir cuatro botellas?

Solución:

( 5+ 4−1 ) !
(
C R54= 5+4−1 =
4 ) =
8!
4 ! ( 5−1 ) ! 4 ! 4 !
=70

Ejercicio 02.

¿Cuántas agrupaciones de los dos elementos se pueden formar con las letras: A, B, C

y D, ¿si se permite repeticiones?

Solución:

4
(
C R2 = 4 +2−1 =
2 )
5∗4
2∗1
=10

Ejercicio 03.

¿De cuantas formas podemos distribuir 4 caramelos idénticos entre 3 niños?

Solución:

( )
C R34= 3+4−1 =C 64 =15
4

57
 EJERCICIOS PROPUESTOS

Ejercicio 01

En un baile escolar la profesora forma parejas extrayendo de una bolsa el nombre de

un niño y de otra bolsa el nombre de una niña. Si en el aula hay 9 niños y 7 niñas, ¿Cuántas

posibles parejas distintas se podría formar?

Respuesta: 63

Ejercicio 02

Un producto se vende en 3 mercados, en el primero se tienen disponibles 7 tiendas, en

el seguro en 4 tiendas y en el tercero en 6 tiendas. ¿De cuántas maneras puede adquirir una

persona un ejemplar de dicho producto?

Respuesta: 17

Ejercicio 03

Al lanzar un dado y una moneda simultáneamente. ¿Cuántas resultados diferentes se

obtendrán?

Respuesta: 12

Ejercicio 04

Calcular de cuántas maneras diferentes se pueden sentar tres niños en una banca de

cuatro asientos.

Respuesta: 24 maneras diferentes.

Ejercicio 05

58
 Calcular cuántos contraseña de cuatro letras distintas se pueden diseñar con las letras

de la palabra MEMORIA.

Respuesta: 840 contraseña.

Ejercicio 06

Calcular cuántas placas de automóvil se pueden hacer de manera que tengan tres

letras seguidas de cuatro dígitos con la condición de que no pueden repetirse las letras ni los

dígitos y deben ser seleccionados de los conjuntos {A, B, D, E, M, R} y {1, 3, 4, 5, 7, 8, 9}.

Respuesta: 100,800 placas de automóvil.

Ejercicio 07

A un concurso literario se han presentado 10 candidatos con sus novelas. El cuadro de

honor lo forman el ganador, el finalista y un accésit. ¿Cuántos cuadros de honor se pueden

formar?

Respuesta: 720

Ejercicio 08

¿Cuántos números de 4 cifras distintas se pueden formar con las cifras del 1 al 9?

Respuesta: 3.024

Ejercicio 09

En una carrera de 100 metros participan 8 corredores. ¿De cuántas maneras diferentes

se podrán repartir las medallas de oro, plata y bronce?

Respuesta: 336

Ejercicio 10

59
 ¿Cuántas quinielas de una columna han de rellenarse para asegurar el acierto de los 15

resultados?

Respuesta: 14348907

Ejercicio 11

Con el (punto, raya) del sistema Morse, ¿cuántas señales distintas se pueden enviar,

usando como máximo cuatro pulsaciones?

Respuesta: 30

Ejercicio 12

Halla el número de capicúas de ocho cifras.

Respuesta: 9000

Ejercicio 13

¿De cuántas formas pueden quedar clasificados 8 equipos de baloncesto que

participan en un campeonato?

Respuesta: 40 320

Ejercicio 14

¿De cuántas maneras se pueden disponer 15 personas en una fila?

Respuesta: 1,307,674,368,000

Ejercicio 15

¿De cuántas maneras se pueden disponer en una mesa 4 hermanas? (Amalia, Daniela,

Nhora y Pilar).

Respuesta: 24

60
 Ejercicio 16

¿Cuántas palabras diferentes se pueden formar con todas las letras de la palabra

carreta, sin importar que las palabras tengan o no sentido?

Respuesta: 1260

Ejercicio 17

Federico tiene 7 banderas del mismo tamaño (2 blancas, 2 rojas y 3 azules) ¿Cuántas

señales diferentes podrá hacer, si las iza todas a la vez en un mismo mástil?

Respuesta: 210

Ejercicio 18

¿Cuántas palabras diferentes se pueden formar con todas las letras de la palabra

ACCACCIA?

Respuesta: 280

Ejercicio 19

¿De cuantas maneras 3 parejas de esposos se pueden ubicar en una mesa circular para

jugar casino, si estás parejas juegan siempre juntas?

Respuesta: 16

Ejercicio 20

tenemos siete comensales, ¿cuántas formas diferentes tienen de sentarse a comer en

una mesa circular de siete asientos?

Respuesta: 720

Ejercicio 21.

61
 Sea el conjunto {A, B, C, D}, ¿cuántos grupos circulares se pueden formar con estas 4

letras sin que ninguna se repita?

Respuesta: 6

Ejercicio 22.

Entre 11 alumnos hay que elegir un grupo de 5 alumnos para hacer un trabajo

a) ¿Cuántos grupos diferentes de se pueden formar?

b) Sergio es uno de esos 11 alumnos, ¿en cuántos grupos entraría Sergio?

Respuesta: a) 462 b) 210

Ejercicio 23.

Un alumno decide presentar 3 de las 5 evaluaciones (Aritmética, español, inglés,

Religión, Sociales) que tiene pendiente en su colegio. ¿De cuantas maneras diferentes puede

elegir esas evaluaciones?

Respuesta: 10

Ejercicio 24.

Una madre decide llamar a cenar 4 de sus 7 hijos (Amelia, Bertha, Carolina, Daniel,

Esther, Federico y Gonzalo). ¿De cuantas maneras diferentes puede llamarlos?

Respuesta: 35

Ejercicio 25.

En una heladería tienen 12 sabores distintos.

a) ¿Cuántos cucuruchos de 2 sabores distintos se pueden elegir?

b) ¿Y si se pueden repetir los sabores?

62
 Respuesta: a) 66 b) 78

Ejercicio 26.

¿Cuántos grupos podemos formar al extraer 4 cartas de una baraja española de 40?

a) Sin reposición de cartas

b) Con reposición de cartas.

Respuesta: a) 91 390 b) 1 086 008

Ejercicio 27.

Una frutería prepara centros de frutas compuestos por manzanas, uvas y naranjas. Si

en cada centro se ponen 12 piezas de frutas, ¿cuántos centros diferentes de frutas pueden

hacerse?

Respuesta: 55 centros de frutos.

63
 CAPITULO III

Probabilidad de un evento

La probabilidad es simplemente qué tan posible es que ocurra un evento determinado.

Cuando no estamos seguros del resultado de un evento, podemos hablar de la probabilidad de

ciertos resultados: Y se divide en dos.

c) Clásica (A priori):

n ú mero de casos favorables del evento( A)

P(A) =
n ú mero de casos posibles de espacios muestrales(Ω)

Donde cada caso deber ser igualmente probable y el número de casos debe ser finito.

d) Empírica (Frecuencial):

Se calcula a partir de los resultados de un experimento y nos dice la probabilidad de

ocurrencia de un evento.

X
P( A)=lim
n→∞ Z
Donde:

o X → veces que ocurre el evento.

o Z → total de los eventos sucedidos.

EJERCICIOS RESUELTOS

Ejercicio 01.

La moneda, tiene 2 caras: cara y sello. ¿Cuál es la probabilidad de obtener cara al lanzar una

moneda?

Solución:

64
 Primero calculamos el número total de casos posibles que se dan al lanzar la moneda.

En este problema, son 2 casos posibles, se obtiene cara o se obtiene sello.

Ahora, calculamos el número de casos favorables. Si lanzamos la moneda, tenemos 1

caso de cara. Por lo tanto, la probabilidad de obtener águila sería:

números casos de favorables(cara) 1

p ( cara ) = = =0,5=50 %
numeros total de casos posibles 2

∴ La probabilidad que salga cara es 0,5 o 5 % .

Ejercicio 02.

¿Cuál es la probabilidad de obtener un 5 al lanzar un dado?

Solución:

Primero calculamos el número total de casos posibles que se dan al lanzar un dado. En

este problema, son 6 casos posibles, ya que el dado puede arrojar 1, 2, 3, 4, 5 o 6.

Ahora, calculamos el número de casos favorables. Si lanzamos un dado, tenemos 1

caso en el que se obtiene 5. Por lo tanto, la probabilidad de obtener un 5 sería:

números casos de favorables (5) 1

p ( A )= = =0,1667=16,67 %
numeros total de casos posibles 6

∴ La probabilidad de obtener un 5 es 0,1667 o16,67 %

Ejercicio 03.

Si se lanza una moneda al aire dos veces, ¿cuál es la probabilidad de obtener al menos

1 cara?

Solución:

65
 Primero calculamos el número total de casos posibles. Los casos posibles del primer y

segundo lanzamiento son:

Cara – Cara.
Cara – sello.
Sello – Cara.
Sello – sello.
En total, tenemos 4 casos posibles.

Ahora calculamos el número de casos en los cuáles se obtiene al menos 1 cara. Los

casos son:

Cara – Cara.
Cara – sello.
Sello – Cara.
Es decir, tenemos 3 casos favorables. Por lo tanto, la probabilidad de obtener al

menos una cara es:

P (al menos 1 cara) = ¾ = 0,75 = 75%

∴La probabilidad de al menos una cara es 0,75 o 75%

Axiomas

Sea Ω el espacio muestral asociado a un experimento aleatorio. La probabilidad de

cualquier evento A de Ω es el número real P(A) que satisface los siguientes axiomas:

e) P ( A ) ≥ 0 ∀ evento A

f) P ( Ω )=1
∴ 0 ≤ P( A )≤ 1

Teoremas

1° Teorema: La probabilidad del evento imposible es cero P(Φ) = 0.

66
 2° Teorema: La probabilidad del evento complementario es uno menos la

probabilidad del evento.

P ( A )=1−P( A)
c


 P ( A )=1−P (A c )

P ( A ) + P ( A )=1
c


 P( A c / B)=1−P( A / B)

c
 P ( A /B )+ P (A /B)=1

3°Teorema: Probabilidad de sub eventos.

 A ⊆ B → P ( A ) ≤ P(B)

 A ⊆ B → P ( B−A )=P ( B )−P( A)

4°Teorema. - Probabilidad de la diferencia.

 P ( B− A )=P ( A ) −P( A ∩B)

 P ( A−B )=P ( B )−P ( A ∩ B )

 P ( A ∆ B )=P ( A ∪ B ) −P ( A ∩ B )=P ( A ) + P ( B )−2 P(A ∩B)

P ( A ∆ B )=P ( A ∆ B )
c c


 P ( A ∆ A )=0

P ( A ∆ A ) =1
c


 P ( A ∆ Ω )=P( A c )

P ( A ∆ B )=1−P ( A ∆ B )
c


5°Teorema. - Probabilidad de la unión.

 P ( A ∪ B ) =P ( A )+ P( B)−P( A ∩ B)

67
 

P ( A ∪ B ∪C ) =P ( A )+ P ( B ) + P ( C )−P ( A ∩ B )−P ( A ∩C )−P ( B ∩C )+ P ( A ∩ B ∩C )

EJERCICIOS RESUELTOS

Ejercicio 01.

Sean A y B dos sucesos tales que: P(A)  0.4, P ( Bc )  0.7 y P (A B)  0.6, donde B

es el suceso contrario de B. Calcule P(A/B).

Solución:

Calculamos P(B) con el siguiente axioma: P ( B )=1−P( Bc )

P ( B )=1−0.7 → P ( B ) =0.3

P (A ∩B)
P ( A /B )=
P( B)

P ( A ∩ B )=P ( A )+ P ( B )−P ( A ∪ B )=0,4 +0,7−0,6=0,1

0,1
P ( A /B )= =0,33
0,3

∴P ( AB )=0,3
Ejercicio 02.

La probabilidad de que un vuelo programado normalmente salga a tiempo es P(S) =

0.83, la probabilidad de que llegue a tiempo es P(A)=0.82 y la probabilidad de que salga y

llegue a tiempo es P (S ∩ A) = 0.78. Calcule la probabilidad de que un avión llegue a tiempo,

dado que salió a tiempo.

Solución:

68
 P( A ∩ D) 0,78
P ( A / D )= = =0,94
P(D) 0,83

Ejercicio 03.

Una maestra de matemáticas le da a su clase dos exámenes. El 30% de la clase paso

ambos exámenes, El 45% de la clase paso el primer examen. ¿Qué porcentaje de aquellos que

pasaron el primer examen también pasaron el segundo?

Solución:

Primer examen(A), Primera examen(B)

P ( A ∩ B )=0,3

P ( A )=0,45

P ( A ∩ B) 0,30
P ( A / B )= = =0,66
P( A) 0,45

Tipos de espacio muestral

Finitos

Sea Ω un espacio muestral finito, que contiene w elementos Ω = (w1, w2, w3, … ,

w𝑛). Un espacio finito de probabilidad se obtiene al asignar a cada punto 𝑤𝑖  un número

real Pi, que será denominado como probabilidad de 𝑤𝑖, que satisface las siguientes

propiedades.

 Pi ≥ 0

 La suma de los Pi ; P1 + P2+ P 3+ …+ Pn=1

EJERCICIOS PROPUESTOS

69
 Ejercicio 01.

Considere un experimento de lanzar una moneda tres veces al aire ver el número de

caras obtenidas.

Solución:

Hallamos el espacio muestral al lanzar la moneda tres veces

{SSS, SSC, SCS, SCC, CSS, CSC, CCS, CCC}8 elementos

Sea T el espacio de caras obtenidas T = {0,1,2,3} posibilidades de que salga cara

1
P ( 0 )=  cuando no hay caras(c)
8

3
P ( 1 )=  cuando hay una cara
8

3
P ( 2 )=  cuando hay dos caras
8

1
P ( 3 )=  cuando no hay caras
8

Pi no es negativo

1 3 3 1
sumade todo los P i= + + + =1
8 8 8 8

Ejercicio 02.

Si se extrae una carta de un paquete de 52 cartas, Halle la probabilidad de que la carta

sea una de diamante.

Solución:

Suponga que D es el evento de obtener una carta que sea de diamante, entonces:

70
 13 1
P ( D )= =
52 4

Porque el evento de "extraer una carta de diamante" consta de 13 de los 52 resultados

igualmente probables.

Ejercicio 03.

¿Cuál es la probabilidad de que en una familia que tiene tres hijos, haya dos niñas y

un niño, si se considera igualmente probable el nacimiento de un niño o niña?

Solución:

Usando "M" para niña y "H" para niño, el espacio muestral es:

F={MMM , MMH , MHM , MHH , HMM , HMH , HHM , HHH }  n ( F )=8

Definimos el evento A como que haya dos niñas y un niño, entonces:

A={ MMH , MHM , HMM } n ( A ) =3

n( A) 3
P ( A )= = =0,375
n ( F) 8

∴ La probabilidad de que una familia tenga tres hijos , dos niñas y un niño es 37.5 %

Finitos Numerables

Sea Ω un espacio muestral infinito Ω = (𝑤1, 𝑤2, 𝑤3, . . . 𝑤𝑛) es numerable, como en

caso de los espacios muestrales finitos obtenemos un espacio de probabilidad asignando a

cada W i ∈ Ω un número real Pi , llamado su probabilidad tal que:

 Pi ≥ 0

∞
 P1 + P2+ P3+ …=∑ 1
i =1

71
 EJERCICIOS RESUELTOS

Ejercicio 01.

Considere el experimento aleatorio que consiste en lanzar una moneda hasta que

aparezca cara. Halle la probabilidad de conseguirla máximo con tres lanzamientos.

El espacio muestral asociado a este experimento aleatorio es infinito numerable:

Ω={c , sc , ssc , sssc , … , … }

Debemos conocer entonces la probabilidad de cada uno de los puntos muestrales para

calcular la probabilidad de cualquier suceso:

P { w 1 }=P ( c )=1/2

P { w 2 }=P ( sc )=(1/2)2

P { w n }=P ( ssss … .. c )=( 1/2)n

Tenemos entonces:

P( A)=P ¿

2 3
¿ ( 1/2 ) +(1/2) +(1/2) =7/8

Ejercicio 02.

Calcular la probabilidad de extraer una potencia de 2 del conjunto N de los números

naturales menores que 1.000 (consideraremos que 1 no es potencia de 2).

Solución:

Observemos que 29 = 512   y 210 =1024.  Luego hay de 0 a 1.000 hay nueve potencias

de dos.

72
 9
∴ P ( A )= =0 ,009
1000

Ejercicio 03.

Calcular la probabilidad de extraer una potencia de 2 del conjunto N de los números

naturales menor que 1000000.

Solución:

En este caso utilizaremos logaritmos:

n log 1000000
2 ≤1.000 .000 ⇒n ≤ log 2 ( 1000000 ) = =19,93
log 2

Luego hay 19 potencias de dos menores que 1000000, por lo tanto:

19
P ( A )=
1000000

(Podemos observar que 219 = 524288   y 220 =1048576, luego entre 19/1000000)

Infinitos no Numerables

Sea B cualquier evento de un espacio muestral no numerable o continuo (Ω ), tal que

la medida sea de un área o longitud de B estará denotado por m(B) exista, por consiguiente,

la probabilidad de B es el número real.

 En una dimensión:

Longitud del evento B

P ( B )=
Longitud de Ω

 En dos dimensiones:

Área del evento B

P ( B )=
Área de Ω

73
  En tres dimensiones:

Volumen del evento B

P ( B )=
Volumen de Ω

EJERCICIOS RESUELTOS

Ejercicio 01.

Calcula la probabilidad de que, al elegir al azar, un punto del interior en un círculo de

radio unidad se encuentre más cerca del centro que de la circunferencia.

Sol:

Si la circunferencia tiene radio unidad, los puntos que están más cerca del centro que

de la circunferencia estarán en un círculo de radio 1/2.

1
π
Area del circulo de radio
2
4 1
P ( A )= = =
Area circulo de radio R π∗1 4
2

Ejercicio 02.

se elige aleatoriamente un punto dentro del segmento determinado por el intervalo [2-

10]. ¿calcular la probabilidad que pertenezca al segmento [3-5]?

Solución:

Ω={ x /x ∈ [ 2−10 ] } y mΩ=10−2=0

A={ x / x ∈ [ 3−5 ] } y m A =5−3=2

Luego:

2 1
P ( A )= = =0,25
8 4

Ejercicio 03.
74
 El tiempo de acceso o búsqueda de un fichero en una antigua unidad de disco (HD)

fluctúa uniformemente entre 0,1 y 0,5 segundos. ¿Cuál es la probabilidad de que el tiempo de

acceso a un fichero sea inferior a 0,125 segundos?

Solución:

t−a
0,1(a)< 0,125< 0,5(b) → F (t )=
b−a

0,125−0,1
P ( T <0,125 )=P (T ≤ 0,125 )=F ( 0,125 )= =0,0625
0,5−0,1

EJERCICIOS PROPUESTOS

Ejercicio 01.

En una caja hay pelotas con los números del 1 al 10. Si se extrae un papelito al azar,

calcular la probabilidad de obtener un número par.

Respuesta: 0,5.

Ejercicio 02.

Calcular la probabilidad de que, al extraer una carta de una baraja de 52 cartas, esta

sea de trébol.

Respuesta: 1/4 o 0,25.

Ejercicio 03.

Calcular la probabilidad de que, al extraer una carta de una baraja de 52 cartas, esta

sea el 5 de diamantes.

Respuesta: 1/52 o 0,0192.

Ejercicio 04.

75
 Sean A y B dos sucesos tales que: P(A)  0.4, P ( Bc )  0.7 y P (A B)  0.6, donde B

es el suceso contrario de B. Calcule P(A/B).

Respuesta: 0.33.

Ejercicio 05.

La probabilidad de que un vuelo programado normalmente salga a tiempo es P(S) =

0.83, la probabilidad de que llegue a tiempo es P(A)=0.82 y la probabilidad de que salga y

llegue a tiempo es P (S ∩ A) = 0.78. Calcule la probabilidad de que un avión llegue a tiempo,

dado que salió a tiempo.

Respuesta: 0.94.

Ejercicio 06.

Una maestra de matemáticas le da a su clase dos exámenes. El 30% de la clase paso

ambos exámenes, El 45% de la clase paso el primer examen. ¿Qué porcentaje de aquellos que

pasaron el primer examen también pasaron el segundo?

Respuesta: 0.66.

Ejercicio 07.

Las probabilidades a priori de los eventos A y B son P(A) = 0,40 y P (B) = 0,60. Se

sabe además que P (A∩B) = 0. Suponga también que P(C/A) = 0,20 y que P(C/B) = 0,50.

Calcule P(A∩C).

Respuesta: 0,08

Ejercicio 08.

Calcule P( B ∩ A c )dada las siguientes probabilidades:

76
 2 3 1
P ( A c )= P ( A ∪ B)= P ( A ∩ B )=
3 4 4

Respuesta: 5/12

Ejercicio 09.

La probabilidad de que un hombre viva 20 años es 1/4 y la de que su mujer

viva 20 años es 1/3. Se pide calcular la probabilidad de que el hombre viva 20 y la mujer no.

Respuesta: 1/6

Ejercicio 10.

En un grupo de 10 estudiantes universitarios hay 3 que toman un curso de estadística,

4 que toman un curso de matemáticas y 2 que toman ambos cursos. Halle la probabilidad de

que al seleccionar uno de estos estudiantes al azar, el mismo tome el curso de estadística o el

curso de matemáticas.

Respuesta: 0.5

Ejercicio 11.

Un grupo de 30 personas se dividen en 8 hombres, 12 mujeres, 7 niños y 3 niñas.

Halle la probabilidad de que al seleccionar una de estas personas al azar, ésta no sea niño.

Respuesta: 0,7667

Ejercicio 12.

Sea S = {1, 2, 3, 4, 5, 6, 7, 8}, A = {2, 3, 5, 7} y B = {1, 2, 4, 5, 7}. Halle la siguiente

probabilidad P ( A ∩ B )

Respuesta: 0,375

Ejercicio 13.

77
 En una caja hay 5 cartas enumeradas del 1 al 5 se extrae una carta con reposición

hasta obtener una carta con un numero par. Calcular la probabilidad de extraer dicha carta

cuando se extrae por cuarta vez.

Respuesta: 0,0864

Ejercicio 14.

8 amigos juegan básquet una vez por semana. Este grupo está formado por dos parejas

de casados, 3 jóvenes y una joven. Si las mujeres tienen la mitad de habilidad que los varones

que poseen para el juego. Hallar la probabilidad que gane un soltero.

Respuesta: 0,538

Ejercicio 15.

Calcular la probabilidad de extraer una potencia de 5 del conjunto N de los números

naturales menor que 1.000.000

Respuesta: 0,000008

Ejercicio 16.

Tres tiradores hacen una descarga simultánea. Las probabilidades de hacer blanco

son, respectivamente, 0,6, 0,5 y 0,4. Calcular la probabilidad algún tirador hace blanco.

Respuesta: 0,88

Ejercicio 17.

La probabilidad de que cierto componente eléctrico funcione es de 0.9. Un aparato

contiene dos de estos componentes. El aparato funcionará mientras lo haga, por lo menos,

uno de los componentes.

¿Cuál es la probabilidad de que el aparato funcione?

78
 Respuesta: 0,99

Ejercicio 18.

Se lanza una moneda en una fuente circular de 4cm de diámetro. Demostrar su

espacio muestral y calcular la probabilidad de que la moneda caiga dentro de la fuente.

Respuesta: 1

79
 CAPITULO IV

Probabilidad condicional

La probabilidad condicional consiste en calcular la probabilidad de un suceso A dado

que ocurrió otro suceso B. La ocurrencia de B implica una modificación del espacio muestral

considerado para el cálculo de la probabilidad de A, al que denominamos A, como

consecuencia de que ha tenido lugar otro evento, al que denominamos B y se denota de la

siguiente manera por P(A/B).

 La probabilidad condicional del evento A, dado que el evento B ha ocurrido,

es

P( A ∩ B)
P( A /B)= → si P( B)≠ 0
P (B )

 La probabilidad condicional del evento B, dado que el evento A ha ocurrido,

es

P( A ∩ B)
P( B/ A)= → si P( A)≠0
P ( A)

 Las probabilidades condicionales satisfacen los axiomas de probabilidad

Ejemplo 01.

80
 1) P( Ω/B)=1

P(Ω/ B) P( B)
P( Ω/B)= = =1
P( B) P( B)

2) P [ A ∪C
B ]
=P( A / B)+ P(C / B)→ A ∩C ≠ 0

P [ A ∪C
B
= ]
P[( A ∪ C )∩ B]
P (B )
=P ¿ ¿

P (A ∩B) P(C ∩B)

¿ + =P( A / B)+ P(C / B)
P( B) P(B)

En conclusión:

Sí A ∩ B=∅ → P( A /B)=0

EJERCICIO RESUELTO

Ejercicio 01

La probabilidad de que un vuelo de programación regular despegue a tiempo es

P(D)=0,83; la que llegue a tiempo es P(A)=0,82 y la que despegue y llegue a tiempo es P(

D ∩ A ¿=0,78Encuentre la probabilidad de que el avión:

a) llegue a tiempo dado que despegó a tiempo.

b) despegue a tiempo dado que llegó a tiempo

Solución:

a) D =despegar a tiempo}

A =llegar a tiempo}

P ( A ∩ D)
P(A/D) =
P( D)

81
 P 0,78
= =0,94
0,83

La probabilidad de que el avión llegue a tiempo dado que despegó a tiempo es de 0,

94

P (D∩ A)
b) P(D/A) =
P (A )

P 0,78
= =0,95
0,82

La probabilidad de que el avión despegue a tiempo dado que llegó a tiempo es de

0,95.

Ejercicio 02.

Al 15% de adolescentes les gusta el helado y la naranja, mientras que al 75% les gusta

las rellenitas. ¿Cuál es la probabilidad de que a un adolescente que le gusta el naranja, le

guste el helado?

Solución:

P ( A ∩ B ) 15
P ( A|B )= = =0.2
P (B) 75

Ejercicio 03.

Una revista de noticias publica tres columnas tituladas “Arte” (A), “Libros” (B) y

“Cine” (C). Los hábitos de lectura de un lector seleccionado al azar con respecto a estas

columnas son:

82
 Calcular:

a) P(A/B)

b) (A/B ∪C)

c) (A ∪B /C)

Solución:

P (A ∩B) 0.08
a) P(A/B) = = = 0.348
P( B) 0.23

P (A ∩( B ∪ C)) 0.04+0.05+ 0.03 0.12

b) (A/B ∪C) = = = =0.255
P (B ∪ C) 0.47 0.47

P (( A ∪ B)∩C) 0.04+0.05+ 0.08

c) (A ∪B /C) = ¿ = 0.459
P(C ) 0.37

Teorema de la multiplicación

Esta ley se refiere a la probabilidad conjunta o simultánea de dos sucesos. El suceso

“A y B ocurren simultáneamente” se denota, (A ∩ B) y su probabilidad, P (A ∩ B), puede

calcularse mediante la siguiente regla o definición:

P ( A ∩ B )=P( A) P( B / A)=P (B) P( A / B)

P ( A ∩ B ∩C )=P( A) P(B / A )P(C / AB)

83
 P ( A 1 ∩ A 2 ∩ A 3 ∩ ⋯ ∩ A r ) =P( A1 ) P( A 2 / A 1) P(A 3 / A1 A 2)⋯ P( A R / A1 A2 A 3 ⋯ A r−1 )

→∀r ∈N

EJERCICIO RESUELTO

Ejercicios 01.

Se seleccionan 2 fichas al azar, sin reemplazo, de una urna que contiene 4 blancas y 8

negras. Calcular la probabilidad de que:

a) ambas sean blancas.

b) la segunda sea blanca.

Solución:

B = {fichas blancas}

N = {fichas negras}

4 8
P(B)= P(N)=
12 12

a) P ( B1 ∩ B2 ¿=¿ P ( B1 ¿ . P ( B2 /B1 )

4 3
= .
12 12

1
=
11

La probabilidad de ambas fichas sea blanca es de 0,09

1
b) P ( B1 ∩ B2 ¿+ P( N 1 ∩B 2) = + P( N 1 ). P( B2 / N 1)
11

1 8 4
= + .
11 12 11

84
 1
=
3

La probabilidad de que la segunda ficha sea blanca es de 0,33.

Ejercicio 02.

La probabilidad de que el camión despegue a tiempo dado que llegó a tiempo es de

0,95. Tres artefactos del almacén son seleccionados uno a continuación del otro y sin

reposición de una caja que tiene 10 artículos de los cuales 6 son nuevos y 4 son usados. Halle

la probabilidad de que el tercer artículo extraído sea:

a) Nuevos

b) Usados

Solución:

P = P(UUU) + P(UNU) + P(NUU) + P(NNU)

4 4 6 6
∗3 ∗6 ∗4 ∗5
10 10 10 10
∗2 ∗3 ∗3 ∗4
9 9 9 9
¿ + + + =0.4
8 8 8 8

Ejercicio 03.

Una caja de fusibles contiene 20 unidades, de las cuales 5 son defectuosas. Si tres de

estos fusibles son tomados al azar, en sucesión y sin reemplazo.

a) ¿Cuál es la probabilidad que los tres sean defectuosos?

b) ¿Cuál es la probabilidad que los dos primeros sean buenos y el tercero defectuoso?

Solución:

5 15
P(D)= P ( DC )=
20 20

85
a) P ( D1 ∩ D2 ∩ D3 ) = P ( D1 ¿ .P ( D 2 / D1). P ( D 3 / D1 ∩ D 2)

5 4 3 1
= . . =
20 19 18 144

1
La probabilidad es de
144

b) P ( D C1 ∩ D C2 ∩ D 3 ¿= P ( DC1 ¿ . P(D C2 /D C1 ). P(D 3 /D C1 ∩ D C2 )

15 14 5 35
= . . =
20 19 18 228

La probabilidad es de un 0,1535

Teorema de probabilidad total

Si A1, A2 , A 3 ........ An son:

Sucesos incompatibles 2 a 2

Cuya unión es el espacio muestral ( A1 ∪ A 2 ∪ ....... ∪ A n=E) B otro suceso.

Resulta que:

P ( B )=P( B/ A 1) P( Ai )+ P(B/ A 2) P( A2 )+⋯+ P (B / A k ) P( Ak )

 Ai ∩ A j=∅ → ∀ i≠ j

 Ai ≠ ∅ → ∀ i

 ¿ i=1 ¿ r A i=¿ ¿

86
 Nos indica que los eventos A𝑖 deben ser eventos mutuamente excluyentes o

incompatibles y diferentes del vacío.

 P ( X )=P ( X ∩ A 1) + P ( X ∩ A 2 ) + P ( X ∩ A 3 ) +⋯ + P ( X ∩ A r ) , por ser eventos

incompatibles.

P( X )=P ( A 1) P(X / A 1)+ P (A 2) P( X / A 2)+ P (A 3) P( X / A 3)+…+ P( Ar )P( X / Ar )

, principio de la multiplicación.

EJERCICIOS RESUELTOS

Ejercicio 01.

A, B y C licitan por un contrato para la construcción de un colegio, las probabilidades

de que A, B y C obtengan el contrato son 0,45; 0,30 y 0,25 respectivamente, si obtiene A el

contrato escogerá a X como subcontratista con probabilidad de 0,8, si B obtiene el contrato

subcontratará a X con una probabilidad de 0,5 y si gana C subcontratará a X con una

probabilidad de 0,1. ¿Cuál es la probabilidad de que X sea subcontratada?

P ( A )=0,45 → P ( X|A )=0,80

P ( B )=0,30 → P ( X|B ) =0,50

P ( C ) =0,25→ P ( X|C )=0,10

P ( X )=P ( A ) P ( X| A ) + P ( B ) P ( X|B ) + P ( C ) P ( X|C ) =( 0,45 ) ( 0,80 ) + ( 0,30 ) ( 0,50 ) + ( 0,25 ) ( 0,10 )=0,535

Ejercicio 02.

Una minería tiene 3 plantas: X, Y, Z. La planta X produce el 50% de la producción

total, Y produce el 30% y Z el 20%. El 3% de la producción de A es defectuosa, mientras que

el 2% de B y el 5% de C también lo son. Se elige al azar un artículo producido por la minería:

87
 ¿Cuál es la probabilidad de que el artículo elegido sea defectuoso?

Solución:

P (D) = P (A) P (D/A) + P (B)P (D / B) + P (C) P (D /C)

Sustituyendo los datos del problema se tiene que:

P (D) = P (0.5) P (0.03) + P (0.3) P (0.02) + P (0.2) P (0.05) = 0.31

Ejercicio 03.

Cierto artículo es fabricado por 4 personas, en la proporción: 1: 2: 3: 4

respectivamente, se sabe también que el 5; 4; 3 y 2% de los artículos producidos por las

respectivas máquinas son defectuosos. Todos los artículos producidos son almacenados en un

mismo ambiente. Un inspector selecciona al azar un artículo del almacén, determine la

probabilidad de que sea defectuoso.

Solución:

88
 Sea X que el artículo seleccionado sea defectuoso, además:

A1 = producción de la persona 1

A2 = producción de la persona 2

A3 = producción de la persona 3

A4 = producción de la persona 4

Luego se tiene:

P ( A 1 )=0,1→ P ( X| A1 ) =0,05

P ( A 2 )=0,2→ P ( X| A2 ) =0,04

P ( A 3 ) =0,3→ P ( X| A 3) =0,03

P ( A 4 )=0,4 → P ( X| A 4 )=0,02

4
P ( X )=∑ P ( A 1) P ( X| A 1 )+ P ( A 2 ) P ( X| A 2 ) + P ( A 3 ) P ( X|A 3 ) + P ( A4 ) P ( X| A 4 ) =( 0,1 ) ( 0,05 ) + ( 0,2 ) ( 0,04 ) + (
i=1

3% de todos los artículos son defectuosos

Teorema de Bayes

Si A1, A2 ⋯ A k es una partición de Ω es decir, A1 ∪ A 2 ∪ ⋯ ∪ A k =Ω, Ai ≠ 0 y Ai ∩ A j=∅

∀ i≠ j . Entonces para cualquier evento B ⊂Ω se tiene :

P ( A 1 ∩ B)
P( A1/B) =
P (B)

P(B ∩ A 1)
P( A1/B) =
P (B ∩ A 1)+ P( B ∩ A 2)+........+ P ¿ ¿

89
 P(B/ A1 )P( A i)
P( A1/B) =
P (B / A 1) P( Ai )+ P (B / A 2) P( A2 )+........+ P(B / A k ) P( Ak )

El teorema de Bayes permite comparar una probabilidad a priori P¿) con una

probabilidad a posteriori P( Ai /X) que es la probabilidad de Ai corregida o modificada por la

ocurrencia previa de X.

EJERCICIO RESUELTO

Ejercicio 01.

De un grupo de habitantes de una ciudad que tiene igual número de personas en

administración, comercio, servicio de salud y servicio municipal se encontró que el 35 % de

los administrativos, el 25 % de los comerciantes, el 20 % del servicio de salud y el 15 % del

servicio municipal eran mujeres.

a) ¿Cuál es la probabilidad que una mujer escogida al azar del grupo sea

administrativa?

b) ¿Cuál es la probabilidad que un individuo del grupo elegido al azar sea hombre?

Solución:

A = {administrativo B comerciante} B={ comerciante}

C = {servicio salud} D={ servicio municipal}

M={mujer} M c ={hombre }

1
P(A)= P(B)= P(C)= P(D)=
4

P(M/A) =0,35 P(M/B) =0,25

90
 P(M/C) =0,20 P(M/D) =0,15

a)

P (A ∩ M )
P(A/M) =
P( M )

P( M / A) P ( A )
¿
P (M / A) P( A)+ P( M /B) P (B)+ P(M / C) P(C)+ P( M / D )∗(D )

P( 0,35) P(0,25)
¿
P (0,35) P(0,25)+ P(0,25) P(0,25)+ P (0,20) P(0,25)+ P( 0,15) P(0,25)

=0,37

La probabilidad de que la mujer sea administrativa es de 0,37

b)

P ( M c ¿=1−P(M )

= 1-0,2375 = 0,7625

La probabilidad de que el individuo sea un hombre es de 0,7625.

Ejercicio 02.

La producción diaria en 3 plantas diferentes en una fábrica es de 500 unidades en la

primera planta, de 1000 unidades en la segunda planta y de 2000 unidades en la tercera

planta, además el porcentaje de unidades con falla es 1%, 3% y 2% respectivamente, si se

escoge una unidad de la producción de un día de la fábrica, determine la probabilidad de que:

la unidad que no tiene falla. Si tiene falla de que haya sido producida por la planta C.

Solución:

91
 A = Primera planta P(A) = 1/7 P(X/A) = 0,01

B = Segunda planta P(B) = 2/7 P(X/B) = 0,03

C = Tercera planta P(C) = 4/7 P(X/C) = 0,02

X = unidad escogida tiene fallas.

P ( X )= ( 17 ) ( 0,01) +( 27 ) ( 0,03 ) +( 47 )( 0,02 )= 0,15

7
=0,02143

0,15 6,85
P ( X ) =1−
C
= =0,97857
7 7

P ( C| X )=
P ( C ) P ( X|C )
=
( 7)
4
( 0,02 )
=
0,08
=0,533
P(X)
(7)
0.15 0,15

Ejercicio 03.

Un comerciante compra un lote de 240 mesas a 3 proveedores, de los cuales 60 son

del proveedor A, 108 son del proveedor B y el resto del proveedor C, además sabe que el

10% de las computadoras que vende A tienen garantía de 5 años, en tanto que el 15% de B y

el 20% de C tienen esa garantía, un comprador escoge una mesa al azar y ve que tiene la

etiqueta de tener una garantía de 5 años, ¿Cuál es la probabilidad de que haya sido del

proveedor C?

Solución:

P(A) = 0,25 P(X/A) = 0,10

P(B) = 0,45 P(X/B) = 0,15

P(C) = 0,30 P(X/C) = 0,20

X = computadora escogida tiene garantía de 5 años

92
 P ( X )=( 0,25 )( 0,10 )+ ( 0,45 )( 0,15 )+ ( 0,30 )( 0,20 )=0,1525

P ( C ) P ( X|C ) ( 0,30 )( 0,20 )

P ( C| X )= = =0,39344
P(X) 0,1525

Independencia de eventos

Si el conocimiento de la ocurrencia de un suceso B cambia la probabilidad de que

ocurra otro A, se dice que A y B son dependientes, en ese caso P(A/B)≠ P ( A )

Cuando el suceso A es independiente de B, la ocurrencia de B no cambia la

probabilidad de A, es decir P(A/B) = P ( A )

Como P(A/B)¿ P ( A ∩ B ) /P( B)

A y B son independientes ⇔ P ( A ∩ B )=P( A) P(B)

Lanzamiento de dos monedas

S = {CC, CX, XC, XX}

Hipótesis:

 Monedas equilibradas: P(C)=P(X)

 Independientes
P(CC)=P(C) P(C)= (1/2) (1/2) = 1/4

P(CX)=P(C) P(X)= (1/2) (1/2) = 1/4

P(XC)=P(X) P(C)= (1/2) (1/2) = 1/4

P(XX)=P(X) P(X)= (1/2) (1/2) = 1/4

Independencia (3 o más sucesos)

Tres sucesos A, B, C son independientes si

o P (A∩ B ∩C ¿=P ( A )P(B)P(C )

93
 o P (A∩ B ¿=P( A) P(B)
o P (A∩C ¿=P( A)P (C)
o P (B∩C ¿=P( B) P(C )

Los sucesos A1, A2 , ........ An son independientes si cualquier subconjunto Ai 1,

Ai 2 ,........ Aik cumple

P ( Ai 1 ∩ A i 2 ∩...... ∩ Aik =P( Ai 1 ) P( A i 2) P (A ik )

EJERCICIOS RESUELTOS

Ejercicio 01.

Sabiendo que A y B son eventos independientes, demuestre que:

a) A y Bc son independientes

b) Ac y B son independientes

Solución:

a)

A=( A ∩ B ) ∪ ( A−B )

P(A)=P[( A ∩ B ) ∪ ( A−B ) ¿

P(A)=P( A ∩ B ) + P ( A−B )

P(A)=P¿

P(A)- P¿

94
 P(A)[1-P(B)] = P ( A ∩B c )

P(A)P ( Bc ¿=P( A ∩ Bc )

Por lo tanto, si A y B son independientes, entonces A y Bc también lo son.

b)

B=( A ∩ B ) ∪ ( A−B )

P(B)= P [( A ∩ B ) ∪ ( B−A ) ¿

P(B)=P( A ∩ B ) + P ( B−A )

P(B)=P¿

P(B)- P¿

P(B)[1-P(A)] = P ( B ∩ A c )

P(B)P( Ac ¿=P( B ∩ A c )

Por lo tanto, si A y B son independientes, entonces B y Ac también lo son

Ejercicio 02.

De una caja que contiene 4 conservas de atún y 5 de granadilla, se extraen

sucesivamente y sin reposición 2 conservas, sean los eventos:

A = Primera conserva escogida es de atún.

B = Segunda conserva escogido es de granadilla.

95
 Determine si los eventos A y B son independientes.

Solución:

4
∗3
9
∗4
8
∗5
9 4
P ( A )=P ( D1 ) P ( D 2|D1 ) + P ( D1 ) P ( P 2|D 1) = =
8 9

4
∗5
9
∗5
8
∗4
9 5
P ( B )=P ( D1 ) P ( D 2|D 1 ) + P ( P1 ) P ( P2|P1 )= =
8 9

4
∗5
9 5
P ( A ∩ B )=P ( D1 ) P ( P2|D1 )= =
8 18

4
∗5
5 9
≠
18 9

 Los eventos A y B no son dependientes

Ejercicios 03.

Se lanzan dos dados sobre una superficie plana, sea A el evento de que el primer

dado muestre el número 4 y sea B el evento de que segundo dado muestre también el número

4, determine si los eventos son independientes.

A = {(4;1), (4;2), (4;3), (4;4), (4;5), (4;6)}

P(A) = 1/6

B = {(1;4), (2;4), (3;4), (4;4), (5;4), (6;4)}

P(B) = 1/6

96
 (A∩B) = {(4;4)}

P(A∩B) = 1/ 36

P(A∩B) = P(A)P(B) = 1/36 = (1/6) (1/6)

EJERCICIOS PROPUESTOS

Ejercicio 01.

¿Cuál es la probabilidad de que, al arrojar dos dados en una superficie plana, la suma

de los números que aparecen en las caras superiores exceda a 8, dado que uno de ellos es el

número 6?

Respuesta: 0,63636

Ejercicio 02.

De un lote de 9 artículos enumerados de 1 al 9, se prueban 2 de ellos seleccionándolos

al azar. Si los dígitos de los artículos probados suman un número:

a) par, calcule la probabilidad de que los dígitos sean impares.

b) impar, calcule la probabilidad de que uno de los dígitos sea el número 4.

Respuesta: a) 0,25; b) 0,25

Ejercicio 03.

Un equipo electrónico consta de dos componentes, digamos A y B, a partir de una

serie de pruebas se sabe que la probabilidad de que falle A es igual a 0,2; de que falle sólo B

es igual a 0,15 y de que fallen A y B juntos es igual a 0,15. Calcule la probabilidad de que:

a) Sí falló B, de que falle A.

b) Si falló A, de que falle B.

97
 Respuesta: a) 0,5 b) 0,75

Ejercicio 04.

Se tienen 5 llaves en un llavero de los cuales sólo uno puede abrir un determinado

candado, si la persona que tiene las llaves no las conoce, por lo tanto, tiene que probarlas

uno por uno hasta abrir el candado, ¿cuál es la probabilidad de abrirlo en la:

a) cuarta prueba?

Respuesta: a) 0,2

Ejercicio 05.

Se seleccionan 3 cartas de una baraja de 52 cartas, uno por uno y sin reposición,

halle las siguientes probabilidades:

a) obtener 3 espadas.

b) cartas de diferentes palos.

Respuesta: a) 0,013; b) 0,397

Ejercicio 06.

De una tienda se seleccionan 6 artículos de un conjunto de 24 artículos, donde 8

son defectuosos, la selección se hace uno por uno y sin reposición, ¿cuál es la

probabilidad de que:

a) los 3 no tengan defectos?

b) los 2 primeros no tengan defectos y el tercero si lo sea?

Respuesta: a) 0,27; b) 0,15

98
 Ejercicio 07.

Dos personas llamadas A y B compiten para ocupar la presidencia de una entidad

financiera, las probabilidades de incursionar en nuevas inversiones Es de 0,8 si gana el

candidato A y de 0,4 si gana el candidato B, se sabe que el 70% de los miembros del

directorio están a favor de A y el 30% está a favor de B, ¿cuál es la probabilidad de que se

incursione en nuevas inversiones, cualquiera que gane?

Respuesta: 0,68

Ejercicio 08.

Durante el primer año de uso un equipo electrónico puede requerir 3 tipos de

reparaciones, las probabilidades correspondientes son: 0,05; 0,04 y 0,02. ¿Cuál es la

probabilidad de que el equipo comprado requiera reparación durante el primer año de uso?

Respuesta: 0,1062

Ejercicio 09.

En una ciudad el 40% de los trabajadores tienen primaria completa, el 50% tiene

secundaria completa y el 10% son profesionales, entre los que tienen primaria completa el

25% son desocupados, entre los que tienen secundaria completa el 15% son desocupados y

entre los profesionales ninguno está desocupado. Si se elige un trabajador al azar, ¿cuál es la

probabilidad de que:

a) sea desocupado?

b) si es desocupado, de que tenga secundaria completa?

99
 Respuesta: a) 0,17; b) 0,4286

Ejercicio 10.

En la sala de pediatría de un hospital, el 60% de los pacientes son niñas. De los

niños el 35% son menores de 24 meses. El 20% de las niñas 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 niña.

Respuesta: a) 0,26; b) 0,46

Ejercicio 11.

Un médico cirujano se especializa en cirugías estéticas. Entre sus pacientes, el

20% se realizan correcciones faciales, un 35% implantes mamarios y el restante en otras

cirugías correctivas. Se sabe, además, que son de género masculino el 25% de los que se

realizan correcciones faciales, 15% implantes mamarios y 40% otras cirugías correctivas.

Si se selecciona un paciente al azar, determine:

a) Determine la probabilidad de que sea de género masculino

Respuesta: 0,28

Ejercicio 12.

La probabilidad de que haya un accidente en una fábrica que dispone de alarma es

0.1. La probabilidad de que suene esto sí se ha producido algún incidente es de 0.97 y la

probabilidad de que suene si no decir ha sucedido ningún incidente es 0.02.

Respuesta: 0,157

100
 Ejercicio 13.

Una fábrica tiene 3 máquinas, la primera produce 10 artefactos por hora, la segunda 6

artefactos por hora y la tercera 4 artefactos en 30 minutos, en tanto que la primera máquina

produce el 80% de sus artefactos de calidad extra, asimismo el 70% de la segunda y el 90%

de la tercera máquina son también de calidad extra. Se escoge un artefacto del almacén

central de la producción de una hora de la fábrica. ¿Cuál es la probabilidad de que el

artefacto:

a) sea de calidad extra?

b) si no es de calidad extra, de que no haya sido producido por la primera máquina?

Respuesta: a) 0,7917 b) 0,76

Ejercicio 14.

Una caja contiene 2 lapiceros idénticos de tinta roja y 3 de tinta azul, se extraen en

forma sucesiva 2 lapiceros, sea A el evento de que el segundo 188 lapicero escogido sea de

tinta roja, demuestre que la probabilidad de este evento es igual si la extracción se hace con o

sin sustitución.

Respuesta: 3/5

Ejercicio 15.

Un radioaficionado emite 3 señales de radio sucesivamente, la recepción de cualquier

señal es independiente de los otros dos, las probabilidades de recepción son respectivamente:

0,2; 0,3 y 0,5. Calcule la probabilidad de que se hayan recibido:

a) Al menos dos de ellas.

b) Exactamente una de ellas.

101
 c) Ninguna de ellas.

Respuesta: a) 0,25 b) 0,47 c) 0,28

CAPÍTULO V

Variables aleatorias

Las variables aleatorias se denotan con la letra X, está asociada a los experimentos

aleatorios. Es una función que asignan valores numéricos a cada uno de los posibles

resultados en un espacio muestral dado, pudiendo ser cualitativos o en otro caso cuantitativo.

Está demás decir que su uso es de gran utilidad a la hora de realizar estudios cuantitativos en

relación a ciertos fenómenos. También se puede decir que es un resultado de un evento

aleatorio.

Lo podemos definir como:

Dado (), A, P un espacio de probabilidad, a la función real X se le llama variable

aleatoria, si asigna a cada uno de los elementos del espacio muestral  de un experimento

aleatorio , un número real: x = X(w).

X:  → R es una variable aleatoria si X  x  A  x  R.

f=X
 R

SS 0

SC
1
102
CS

CC 2
 Dominio Rango

 X es una variable aleatoria definida en el espacio muestral .

 Sí X  x es un evento aleatorio  x  R.

Ejemplo 01. Se estudia el proceso de reserva del hotel Tumi en la ciudad de Huaraz.

Solución:

Positivo = La reserva se cumple.

Negativo = La reserva se anula.

La v.a es una función que le asigna a cada resultado del espacio muestral un

número real.

Defino mi v.a como X:

X (Negativo) = 0

X (Positivo) = 1

P (X=0) → Probabilidad de que la reserva se anula.

P (X=1) → Probabilidad de que la reserva se cumpla.

Variables aleatorias discretas

La variable aleatoria discreta es cuando el número de valores de X es finito o infinito

numerable. El rango de X es la siguiente:

 X: Variable aleatorio discreta.

103
  P(X=x): Representa la probabilidad que la variable X tome el valor de x.

Ejemplo 01. Se venden 5000 tickets para una rifa a S/1.00 la unidad. Es un solo

ganador el cual se le premiará con S/ 1,800, calcular el resultado que debe esperar una

persona que compra 3 tickets.

Solución:

Consideramos que se trata de una variable aleatoria discreta.

Donde: ξ = ‘cantidad de dinero obtenido en el juego’.

Los posibles valores de ξ son dos:

 Si se gana la rifa, se obtiene un beneficio de 1800−3 = 1777 soles. La

probabilidad de que ocurra este hecho es de 3/5000.

 Si no se gana la rifa, resulta una pérdida de 3 soles. La probabilidad de que

esto ocurra es de 4997/5000.

Por lo tanto, la distribución de probabilidad para la variable aleatoria ξ será:

ξ = xi 1777 -3

P(ξ=xi) 3/5000 4997/5000

El resultado que debe esperar una persona que compra 3tikects es:

E [ξ] = 1777 · 3 5000 −3 · 4997 5000 = − 9660 5000 = − 483 250 = −1.932, lo que

interpretamos como que, en promedio, cabe esperar una pérdida de 1.93 soles.

104
 Función de cuantía

La función de cuantía, función de masa o función de probabilidad. Denotado como

P(X), que es una función definida para variables aleatorias discretas y para ser considerada

como tal debe cumplir dos condiciones:

 P(X) ≥ 0

 ∑ P ( X )=1
∀x

Ejemplo 01. Suponiendo que es equiprobable el tener hijo o hija, determinar el

número esperado de varones en una familia de ocho hijos, así como la probabilidad de que

efectivamente resulte este número.

Solución:

Consideramos la variable aleatoria.

ξ = ‘número de hijos varones en el total de ocho’.

Al ser equiprobable el tener hijo o hija, la probabilidad de éxito (el tener un hijo) es p = 0.5.

Además, el sexo de un hijo no influye en el de los restantes. Por tanto, la variable ξ sigue una

distribución binomial de parámetros n = 8 y p = 0.5, y su función de densidad es:

() x ()
f ( x )= 8 ∙ 0.5 x ∙ ( 1−0.5 ) = 8 ∙ 0.58 → ∀ x :0 , 1 ,2 , 3 , … ,8
8−x

El número esperado de hijos varones viene dado por la esperanza matemática de la variable

aleatoria ξ, esto es:

E [ξ] = np = 8 · 0.5 = 4 hijos varones.

Por otra parte, la probabilidad de que nazcan exactamente 4 hijos varones es:

105
 ()
P ( ξ=4 )= 8 ∙ 0. 58=
4
8!
4 !∙ 4 !
∙ 0.58 =
8 ∙ 7 ∙6 ∙ 5
4∙3∙2
∙ 0.58 =70∙ 0.58 ≈ 0.2734 , lo que supone un

27.34%.

EJERCICIOS RESUELTOS

Ejercicio 01

De un lote que contiene 10 objetos idénticos, de los cuales 3 tienen fallas, se escogen

cinco al azar. Defina la función de probabilidades del número de objetos con fallas que

resulten en la selección, si se escogen.

a) Las cinco a la vez

b) Una por una sin devolución

c) Una por una con devolución

Solución:

Consideramos a X como el número de fallas que resulten en la selección.

a) Si se escogen los 5 al azar a la vez, entonces, el rango de X es el conjunto:

Rx = {0,1,2,3}.

Si, K ∈ Rx, entonces, X = k significa que k de los 5 objetos tiene fallas y que 5–k no lo

tienen. Este evento ocurre de C 3k x C75−k formas distintas.

Por otro lado, el número de casos posibles que genera el experimento de escoger 5
10
objetos a la vez de los 10, es C 5 . Entonces, la función de probabilidad de X es descrita por:

3 7
C k x C5−k
P[ X =K ]= 10
, K =0,1,2,3.
C5

106
 b) Si se escogen los 5 objetos al azar, uno por uno sin reposición entonces, el rango de

las variables es el conjunto Rx = {0,1,2,3}. Aplicando la regla de la probabilidad de

eventos independientes y un proceso similar al inciso la sub-pregunta a), se concluye

que:

5 3 7 3 7
C k x V k x V 5−k C k x C 5−k
P[ X =K ]= 10
= 10
, K=0,1,2,3.
V5 C5

c) Si se escogen los 5 objetos de uno en uno con reposición, entonces, el rango de X es

el conjunto Rx = {0,1,2,3,4,5}.

Si, K ∈ Rx, entonces, X = k significa que, de los 5 objetos escogidos, k tienen fallas,

cada uno independientemente con probabilidad p = 3/10 y 5-k no tienen fallas, cada uno

independientemente con probabilidad q = 7/10. A vez esos eventos ocurren de C 10

5 formas.

Por lo tanto, la función de probabilidad de X es descrita por:

5 k 5−k
P[ X =K ]=C k x q , K =0,1,2,3,4,5.

Ejercicio 02

Si de una urna que contiene 3 fichas rojas y una ficha azul se sacan al azar las fichas

una por una sucesivamente, determine la distribución de probabilidades del número de

intentos necesarios hasta que ocurra la segunda ficha roja, si las fichas se escogen:

a) Una por una si reposición

b) Una por una con reposición

Solución:

Sea X la variable aleatoria que denota el número de intentos hasta que ocurra la

segunda ficha roja.

107
 a) Si se escogen una por una sin reposición, el rango de X es el conjunto finito R x =

{2,3}. Entonces, la distribución de probabilidades de X está dada por:

3 2 1
f (2)=P[ x=2]=P(RR )= + +
4 3 2

f (3)=P( RAR o ARR )= ( 34 + 13 + 22 )+( 14 + 33 + 22 )= 12

b) Si se escogen una por una con reposición, entonces, el rango de X es el conjunto

infinito Rx = {2,3,4, etc.}. Si k ∈ Rx, entonces, X = k indica que la segunda ficha

roja ocurre en la k-ésima extracción con probabilidad p = ¾. En las k – 1

extracciones anteriores ocurren en forma independiente, la otra ficha roja con

probabilidad p = ¾ y k – 2 fichas azules con probabilidad q = 1/4. Luego, la

función de probabilidad de X está dada por:

k−1 5−k k−1 k−2 2

f (k )=P [X =k ]=(C 1 q p) p=C 1 q p , K =2,3 , etc.

Ejercicio 03

Un inversionista puede participar en un negocio 4 veces y de manera independiente.

Cada vez que participa gana o pierde $5000 con la misma probabilidad. ÉL comienza con

$10000 y dejará de participar en el negocio si se pierde todo su dinero o si gana $15000 (o

sea si termina con $25000). Halle la distribución de probabilidad de la utilidad del

inversionista y calcule la media de la distribución.

Solución:

Sean:

U; la variable que representa la utilidad del inversionista.

P; el evento “pierde”, cuya probabilidad es ½

108
 G; el evento “gana”, cuya probabilidad es ½

{
−10000 ,∧si ocurre PP o PGPP o GPPP , cuya probabilidad total es 6 /16
0 ,∧si ocurre PGPG o PGGP o GPPGo GPGP o GGPP
Con probabilidad total igual a 5/16

10000 si ocurre GGPG o GPGG o PGGG con probabilidad total igual a 3/16

15000 en el caso que ocurra GGG cuya probabilidad es 2/16

Por lo tanto, la distribución de probabilidades de la utilidad es:

Utilidad U -10000 0 10000 15000

Probabilidades 6/16 5/16 3/16 2/16

Y la media de la utilidad es µ = 0.

Variables aleatorias continuas

Es aquella que define reglas de correspondencia entre los resultados obtenidos en

experimentos cuyos valores se miden en una escala continua y el conjunto de los números

reales.

Sea  un especio muestral que es continuo siempre y cuando sus elementos forman

un conjunto infinito un numerable. También será continuo si la imagen de la misma se

constituye por un intervalo de los números reales.

X:  → (a, b); (a, b) ⊂ ℝ

Ejemplo 01. Determine si el siguiente enunciado es de v.a. continua. Presión arterial

de los pacientes que acuden a una sala de emergencias.

Solución:

109
 Si es continua. La presión arterial de los pacientes puede tomar cualquier valor en un

rango dado.

Ejemplo 02. Determine si el siguiente enunciado es de v.a. continua. Longitud de las

alas de aves, de una especie en peligro de extinción, que habitan en una reserva.

Solución:

Variable continua, puesto que la longitud del ala de un ave toma cualquier valor entre

un mínimo y un máximo, según la especie.

Función densidad

La función de cuantía se denota como f(X), y es una función definida para variables

aleatorias continuas y para ser considerada como tal debe cumplir dos condiciones:

 f(X) ≥ 0

+∞

 ∫ f ( X ) dx=1
−∞

Observación: En este caso para obtener una probabilidad de un evento se usa un

intervalo, la probabilidad de un punto determinado es cero.

P (a < X < b) = ∫ f ( X ) dx
a

Función de distribución

La función de distribución se define como una función de probabilidad acumulada, el

cual, en este caso, continuo, se denomina función de distribución. Además de ello, es una

función muy importante para obtener probabilidades, es importante sabes que todas las tablas

estadísticas se basan en su principio.

110
 X0

 En el caso discreto: F ( X 0 )=P ( X ≤ X 0 ) =∑ P ( X )=1

Li x

X0

 En el caso continuo: F ( X 0 )=P ( X ≤ X 0 ) =∫ f ( X ) dx

−∞

Sus propiedades:

 F ( X )≥ 0

 Sí X 1 ≤ X 2 → F ( X 1 ) ≤ F (X 2)

 P ( a ≤ X ≤ b )=F ( X =b ) −F( X=a)

 lim f ( x )=0 lim f ( x )=1 →0 ≤ F ( X ) ≤ 1

n →−∞ n →+∞

 En caso discreto: P ( X i ) =F ( X i ) −F( X i−1)

 En caso continuo: f ( X )=dF (X ) dx

Ejemplo 0. Se define la variable aleatoria continua X = “nivel de colesterol” en cierta

variedad de pollos de una granja, la cual tiene la siguiente función de densidad f(x):

{
1
x ,∧0 ≤ x <2
f ( x )= 2
0 ,∧x< 0 , x >2

Calcular la función de distribución F(x).

Solución:

De acuerdo a la definición dada al comienzo:

x
F ( X )=P [ X ≤ x ] =∫ f (u) du
−∞

Por lo tanto, F(x) es una función por partes. Para el intervalo x < 0, F(x) es igual a 0,

por las propiedades enunciados al comienzo.

111
 En el intervalo 0 ≤ x ≤ 2, se resuelve la integral indefinida:

2 2
1 1 x x
F ( X )=∫ xdx= ∙ =
2 2 2 4

Por último, para el intervalo x > 2, F(x) = 1, según las propiedades, por lo tanto, F(x) queda

así:

{
0 , x <0
2
F (X ) X
,0≤ X≤2
4
1 , x >2

EJERCICIOS RESUELTOS

Ejercicio 01

La demanda mensual en miles de kilogramos de un producto es una variable aleatoria

X cuya función de densidad es la función de densidad es la función real de valor real:

{
F (x)= c x , si X ∈ [ 0,2 ]
2

0 , si X ∉[0,2]

a) Hallar el valor de la constante c.

b) Si el stock mensual del producto es 1000 kg, ¿Qué probabilidad hay de que la

demanda no sea satisfecha en un mes cualquiera?

Solución:

a) El área total que encierra la gráfica de F(x) en [0,2], debe ser igual a 1, entonces:

[ ]
+∞ 2 3
x 8
1= ∫ f ( x)dx=∫ c x dx=c 2
=c
−∞ 0 3 3

Donde resulta, c = 3/8. Luego:

112
 {
F ( x)= 3 x /8 , si X ∈ [ 0,2 ]
2

0 , si X ∉[0,2]

b) La probabilidad de que de demanda no sea satisfecha un mes cualquiera cuando el

stock es 1000kg, es el número real:

( ) [ ]
2 2 3 2
3x x 7
P[ X >1]=∫ dx = =
1
8 8 1 8

Ejercicio 02

La vida útil, en años, de un producto es una variable aleatoria continua X cuya

distribución:

{
−2 x
F ( x)= c e , si X ≥ 0
0 , si X <0

a) Determinar el valor de la constante c.

b) Hallar la función de distribución acumulada F(x) de X.

c) ¿Qué porcentaje de estos productos duran más de 18 meses?

Solución:

a) Del área total igual a 1 que encierra la gráfica de la función se tiene:

[ ]
+∞ 2
1 1
1= ∫ F ( x)dx=∫ c e
−2 x
dx=c 0+ =c
−∞ 0 2 2

De donde resulta, c = 2. Luego:

{
−2 x
F ( x)= 2 e , si X ≥ 0
0 , si X <0

b) Si x < 0, entonces F(x) = 0. Si x ≥ 0, F(x) = P [X ≤ x]

x
¿∫ 2 e
−2t −2 x
dt=1−e
0

113
 c) Observar que, P [X > x] = 1 – P [X ≤ x] = e-2x

Luego, si x=1.5, P [X > 1.5] = e-3 = 0.0498. Es decir, 4,98% de unidades del producto

duran más de 18 meses.

Ejercicio 03

Si la variable aleatoria X continua tiene función de densidad constate definida por:

{
F (x)= 1/4 ,2 ≤ X ≤6
0 , en el resto

Obtener la función de densidad de probabilidad de la variable aleatoria Y = 3x-4

Solución:

y +4
G( y )=P[Y ≤ y ]=P[3 x −4 ≤ y ]=P [x ≤ ]
3

y+ 4
G( y )=F (x) , donde , x=
3

dG( y ) dF( x ) dx 1 y +4
g( y )= = =f ( x) , donde 2≤ x ≤ 6 ;2 ≤ ≤6
dy dx dy 3 3

Luego:

1
g( y )= , donde , 2 ≤ x ≤14
12

Medidas de posición

Las medidas de posición son indicadores que permiten resumir los datos en uno solo,

o dividir su distribución en intervalos del mismo tamaño.

114
 Esperanza matemática

La esperanza matemática, es un número asociado con una distribución de

probabilidades teóricas. Es decir, es el valor de la variable, el promedio aritmético o

simplemente la media (𝜇) de la v.a. X. La esperanza matemática tiene el mismo significado,

pero como un valor futuro o esperado de una variable asociada a una distribución de

probabilidades. Por lo general, se emplea principalmente en la teoría de decisiones, como en

el cálculo de probabilidades.

En los casos discretos

 E(X) =∑
∀x
xP ( X )

 E[G(X)] = ∑
∀x
G(x )P( X )

En los casos continuos

Ls x

 E(X) = ∫ xf ( X ) dx
Li x

Ls x

 E[G(X)] = ∫ G(x )f ( X ) dx
Li x

Sus propiedades:

 E(K) = K

 E(KX) = KE(X)

 E(X+K) = E(X) + K

 E[X-E(X)] = 0

 E (X± Y ¿=E ( X ) ± E(Y )

 E (X.Y) = E(X)E(Y) ↔ v.a. X e Y son independientes.

115
 Ejemplo 01. Se define la variable aleatoria continua X = “nivel de colesterol” en

cierta variedad de pollos de una granja, la cual tiene la siguiente función de densidad f(x):

{
1
x ,∧0 ≤ x <2
f ( x )= 2
0 ,∧x< 0 , x >2

Calcular la esperanza E[X].

Solución:

Para calcular la esperanza o valor esperado, se utiliza:

+∞
E [ X ] = ∫ xf (x )
−∞

( ) ( ) [ ]
2 2 2 3 4 2 4
x x x 2
E [ X ] =∫ x dx =∫ dx= = =2
0
2 0
2 8 0 8

Mediana

La mediana, no es otra cosa que una posición central que proporciona aquel valor que

deja la mitad de la probabilidad a la izquierda y la mitad a la derecha, es decir el 50% a cada

lado.

Se denota como:

Me = P ( X ≤ Me ) ≥0.50 y P ( X ≥ Me ) ≥0.50

Moda

La moda, es una medida de posición central que se define como el valor, o valores, de

la variable en el que la función de probabilidad, en el caso discreto, o la de densidad, en el

caso continuo, alcanza el máximo absoluto.

Observación. Si E(X) = Me = Mo → la distribución de la v.a. X es simétrica.

116
 EJERCICIOS RESUELTOS

Ejercicio 01

Calcular la media de la distribución de probabilidades de la variable aleatoria X que

se define como el número de caras que resultan al lanzar cuatro monedas a la vez.

Solución:

La distribución de probabilidades de la variable X es desarrollada mediante la

siguiente tabla:

xi 0 1 2 3 4

Pi = f (xi) 1/16 4/16 6/16 4/16 1/16

La media de X es el número real:

1 4 6 4 1
µ = E(X) = ∑ (xi)(pi) = 0 x +1 x +2 x + 3 x + 4 x =2
16 16 16 16 16

Entonces, se entiende que, si una persona lanza 4 monedas a la vez repetidas

veces, en promedio obtendrá 2 caras por lanzamiento.

Ejercicio 02

Un juego al azar consiste en lanzar un dado. Un jugador puede ganar (neto) $7 cada

vez, si obtiene al menos 5 puntos, o perder $2 (su parada) en caso contrario.

a) ¿Cuánto espera ganar el jugador?

b) ¿Cuánto debería ganar el jugador para que el juego sea justo?

Solución:

117
 Si A es el evento, cuando el jugador gana, entonces, A = {5, 6} cuya probabilidad es

2/6. En consecuencia, el jugador pierde el evento Ac = {1,2,3,4} cuya probabilidad es 4/6. La

distribución de probabilidades de la utilidad U del jugador consiste de los valores: $7 y -$2

con probabilidades respectivas 2/6 y 4/6. Donde se observa que el jugador tiene más

posibilidades de perder.

a) La esperanza de ganar de este jugador es: E(U) = -2 x 4/ 6 + 7 x 2/ 6 = 1

b) Un juego al azar es justo si la esperanza del juego es igual a cero, es decir si los

esperados absolutos de ganar y de perder son iguales. Este juego será justo, si el

jugador gana sólo $4 dólares en vez de 7 cada vez.

Ejercicio 03

El número de llamadas recibidas en un teléfono celular, en un período de tiempo

dado, es una variable aleatoria X con función de probabilidad:

λ x
e λ
f ( x )=
x!

Donde, x = 0,1,2, etc., λ = constante positiva. Calcule la media de la distribución de

probabilidad.

Solución:

Aplicamos la suma exponencial:

2 3 ∞ k
z z z z
+ + +...=∑ =e
z
1+
1! 2! 3 ! k=0 k !

Se tiene que:

∞ ∞ −λ x ∞ x−1
e λ λ
E( X)=∑ xf (x )=¿ ∑ x =λ e−λ ∑ =λ e−λ e λ= λ ¿
x=0 x=0 ( x !) x=0 ( x−1 ) !

118
 Entonces, esto es, µ = λ es el promedio de llamadas que recibe el celular en el periodo

dado.

Medidas de dispersión

Las medidas de dispersión tratan, a través del cálculo de diferentes fórmulas, de

arrojar un valor numérico que ofrezca información sobre el grado de variabilidad de una

variable.

Varianza

La varianza, se trata de la esperanza del cuadrado de la desviación de esa variable

considerada frente su media y se mide en una unidad diferente, es un indicador de la

variabilidad, es la medida de dispersión más relevante en la inferencia estadística.

Se conoce como: 2 (poblacional), S2(muestral) o simplemente V(x)

 En caso discreto: V ( X )=∑ [ X− E ( X ) ] ∙ P ( X ) =¿ ∑ X P ( X )−E( E )¿

2 2 2

∀X ∀X

Lx Lx

 En caso continuo: V ( X )=∫ [ X−E (X )]∙ P ( X )=∫ X P ( X ) −E(X )

2 2 2

Li Li

2
 Usando la esperanza: V ( X) E ( X 2 ) −( X)

Ejemplo 01.

Del ejemplo 07.

{
1
x ,∧0 ≤ x <2
f ( x )= 2
0 ,∧x< 0 , x >2

Calcular la varianza V(X):

Solución:

119
 Para calcular la esperanza o valor esperado, se utiliza:

+∞
E [ X ] = ∫ xf (x )
−∞

( ) ( ) [ ]
2 2 2 3 4 2 4
x x x 2
E [ X ] =∫ x dx =∫ dx= = =2
0
2 0
2 8 0 8

( ) ( ) [ ]
2 2 2 4 5 2 5
x x x 2 32
E [ X ]=∫ x
2
dx =∫
2
dx= = =
0
2 0
2 10 0 10 10

32 12
V ( X )=E ( X 2 )−E ( X )2= −2= =1.2
10 10

Coeficiente de variación

Las medidas de dispersión, son coeficiente de variación, es decir, es el porcentaje de

variación de los datos respecto a su valor esperado, es importante saber que depende de la

desviación estándar y de la esperanza, es muy común y utilizada en la estadística y en la

probabilidad aplicada.

Y se calcula de la siguiente manera:

Cv ( X )=
( E σ( X ) )∙ 100 %
Ejemplo 01.

Del ejemplo 08.

{
1
f ( x )= 2 x ,∧0 ≤ x <2
0 ,∧x< 0 , x >2

Calcular el coeficiente de variación Cv(X):

Solución:

120
 Para calcular la esperanza o valor esperado, se utiliza:

+∞
E [ X ] = ∫ xf (x )
−∞

( ) ( ) [ ]
2 2 2 3 4 2 4
x x x 2
E [ X ] =∫ x dx =∫ dx= = =2
0
2 0
2 8 0 8

( ) ( ) [ ]
2 2 2 4 5 2 5
x x x 2 32
E [ X ]=∫ x
2
dx =∫
2
dx= = =
0
2 0
2 10 0 10 10

32 12
σ 2=V ( X )=E ( X 2 )−E ( X )2 = −2= =1.2
10 10

Desviación estándar:

σ =√ V ( X )= √1.2=1.09544

( E σ( X ) )∙ 100 %= 1.09544
Cv ( X )=
2
∙ 100 %=54.772 %

EJERCICIOS PROPUESTOS

Ejercicio 01.

De la urna que contiene 3 fichas rojas y una azul se sacan al azar las fichas una por

una sucesivamente con reposición. Si X es la variable aleatoria definida como el número de

intentos necesarios hasta que ocurra la primera ficha azul:

a) Determine la función de distribución acumulativa F(x) de X.

b) Aplicando F(x) calcule la probabilidad P [2 < X ≤ 20]

( ) b) 0,5593.
x
3
Respuesta: a) 1−
4

Ejercicio 02.

121
 El número de llamadas que recibe un teléfono celular en periodos de 10 minutos es

una variable aleatoria X cuya función de probabilidad está definida por:

x
c3
f ( x )=P [ X =x ]= , X=0,1,2 , ...
x!

Obtener el valor de la constante c y aplicando la función de distribución acumulativa

de X, calcule la probabilidad de que el celular reciba más de 2 llamadas en un periodo

cualquiera de 10 minutos.

Respuesta: 0,57681.

Ejercicio 03.

Si X la variable aleatoria definida como el número de caras que ocurre al lanzar una

moneda 4 veces.

a) Obtener la distribución de probabilidades de X. Luego, graficar la distribución y

describir su forma.

b) Calcular la probabilidad P [0 < X ≤ 2].

c) Definir la distribución de probabilidades de X si la moneda se lanza n veces (n ≥

2).

Respuesta: a) f (0) = 1/16, f (1) = 4/16, f (2) = 6/16, f (3) = 4/16, f (4) = 1/16. b) P
n
Cx
[0 < X ≤ 2] = 10/16. c) f (x) = n
2

Ejercicio 04.

Suponga que la vida útil, en meses, de un nuevo modelo de equipo de sonido, es una

variable aleatoria X cuya función de distribución acumulativa es definida por:

{
−x/ 5
f (x)= 1−K e , X ≥ 0
0,X<0

122
 a) Hallar la constante K.

b) Calcular el cuarto superior de vida útil del equipo.

Respuesta: a) K = 1, b) c = 6.93.

Ejercicio 05.

Un experimento consiste en seleccionar al azar un punto en el interior de una región

triangular isósceles cuya base mide 6cm. Y cuyos lados iguales miden 5cm. cada uno. Si X es

la variable aleatoria que se define como la distancia del punto elegido a la base del triángulo,

halle la función de densidad de X.

Respuesta: f (x)=
dx {
dF ( x ) 1 − 1 , si 0< X <4
= 2 8
0 , en otros casos

Ejercicio 06.

La proporción de su muestra anual que una Compañía dedica al mantenimiento de sus

máquinas es una variable aleatoria X con función de densidad dada por:

{
f (x)= c ( 2 x +1 ) , si 0< X ≤ 1
0 , en otro caso

a) Hallar el valor de la constante c. Luego, graficar la distribución y describir su

forma.

b) Determinar la distribución de probabilidades acumuladas F(x). Graficar.

c) Si la proporción del presupuesto de mantenimiento de máquinas es al menos 25%,

¿qué probabilidad hay de que este porcentaje no supere el 75%?

Respuesta: a) c = ½, b) F(x) = (x2+x) /2 si 0<x<1, c) P [X≤0.75/ X≥0.25]

= 16/27 = 0,59.

Ejercicio 07.

123
 Un juego consiste en lanzar un dado. Si el jugador gana $2 cuando obtiene al menos 5

puntos y pierde el número obtenido en dólares en caso contrario, entonces:

a) Definir la función utilidad del juego.

b) Calcular la utilidad esperada del juego.

Respuesta: a) U ( x )= {−x2sisix=1,2,3,4
x=5,6
, b) E(x) = -1

Ejercicio 08.

La demanda por temporada en miles de metros de una determinada tela que produce

una compañía textil es una variable aleatoria X que tiene la siguiente función de densidad:

1
f (X )= , si0 ≤ x ≤ 10
10

Si por cada metro de teal vendida la compañía gana $4, pero por cada metro de tela no

vendida en la temporada pierde $1, ¿qué cantidad de esta tela debería producir para que

obtenga la máxima utilidad esperada?

Respuesta: K = 8.

Ejercicio 09.

Suponga que la vida útil, en años, de un producto es una variable aleatoria X cuya

función de densidad es:

{
f ( X )= 2−2 x si 0≤ x ≤ 1
0 en el resto

124
 Si cada unidad del producto tiene un costo de $400, se vende a $900, con una garantía

de 6 meses que consiste en cambiar por una nueva y por una sola vez la unidad que falla en el

periodo indicado, ¿cuánto es la utilidad esperada por unidad del producto?

Respuesta: E(U) = $200.

Ejercicio 10.

El número de cursos matriculados en el semestre de un alumno, es una variable

aleatoria X con función de probabilidad definida por:

x 1 2 3 4 5

f(x) = P [X = x] 1/10 2/10 k 3/10 1/10

a) Grafique la distribución. Luego calcule la media y la varianza de la distribución.

b) Si todos los cursos son de cuatro créditos, obtenga la distribución de probabilidad

del número de créditos matriculados. Luego calcule su media y su varianza.

Respuesta: a) k = 3/10, 3.1, 1.29; b) 12.4, 20.64.

Ejercicio 11.

El número de defectos que puede tener una cerámica, es una variable aleatoria X con

función de distribución acumulada F(x) definida por la siguiente tabla:

X X<0 0≤X<1 1≤X<2 2≤X<3 X≥3

F(X) = P [X ≤ x] 0.0 0.4 0.7 k 1.0

a) Grafique la distribución. Luego aplique la gráfica para calcular los cuartiles.

b) Calcule la media y la moda de la distribución.

c) ¿Es correcto afirmar que la desviación estándar es igual a 1,5 defectos?

125
 Respuesta: a) k = 0.9, Q1 = 0, Q2 = 1, Q3 = 2; b) Me = 1, Mo = 0; c) σ = 1, No.

Ejercicio 12.

Supongamos que realizamos una compra de 3 cuyes escogiendo al azar uno por uno

sin reposición de una caja que contiene 4 cuyes hembras y 6 cuyes machos.

a) Obtener la distribución de probabilidades del número de cuyes hembras escogidas.

Luego, calcular la media y la varianza.

b) Si se paga S/.5 por cada cuy hembra y S/.7 por cada cuy macho, obtenga la

distribución de probabilidades del costo de los tres cuyes. Luego, calcule su media

y su varianza.

Respuesta: a) Valores: 0,1,2,3. Probabilidades: 1/6, 0.5, 0.3, 1/30, Media = 1,2,

Varianza = 0.56;

b) Costos respectivos: 21, 19, 17, 15, Media = S/.18.6, Varianza = S/.2.24.

126
 CAPITULO VI

Variables bidimensionales

Sea Ω el espacio muestral de un experimento aleatorio, vamos a definir como una

variable aleatoria bidimensional para realizar una explicación del par ordenado (x, y) que son

variables aleatorias. Además, el (x, y) son dos caracteres que a su vez son variables

estadísticas en las que sí existe relación entre ellas, una de las dos variables es la variable

independiente y la otra variable dependiente.

 ( X , Y ) : Ω→ R2 / ∀ ω ∈Ω

 ( X , Y ) :Ω→ R2

o ω → [ X ( ω ) , Y ( ω ) ] ∈ R2

Variables bidimensionales discretas

Es una variable aleatoria bidimensional cuando (x, y) pueden expresar de la forma (xi,

yj) donde i = 1,2,3, … n; j = 1,2,3, …, m.

Función de cuantía conjunta

Se le puede llamar como función de masa conjunta o simplemente como función de

densidad conjunta, el cual se le puede denotar como P (x, y). Además, de debe de saber que

es una función definida para variables aleatorias discretas, para lo cual, debe cumplir dos

condiciones:

 P ( X ,Y ) ≥ 0

 ∑ ∑ P ( X , Y )=1
∀x ∀y

127
 EJERCICIOS RESUELTOS

Ejercicio 01.

Considere el experimento aleatorio de lanzar tres veces una moneda no equilibrada,

tal que: P(C) = 2/3 y P(S) = 1/3. considere también las variables aleatorias siguientes:

X: Número de caras obtenidas en el primer lanzamiento. X: 0, 1

Y: Número de caras obtenidas en los tres lanzamientos. Y: 0, 1, 2, 3

Obtenga P (X, Y)

Solución:

El espacio muestral es el siguiente:

Ω = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}

 CCC = (1, 3)  CSS = (1,1)

 CCS = (1,2)  SCS = (0,1)

 CSC = (1,2)  SSC = (0,1)

 SCC = (0,2)  SSS = (0,0)

Ejemplo 02.

Sea una variable aleatoria bidimensional con distribución de probabilidad.

Hallar las probabilidades:

128
 a) P(X ≤ 2 ;Y > 0)

b) P(X ≥ 2)

c) P(Y <0)

Solución:

1 1 7
a) P ( X ≤2 ; Y >0 ) =P ( X=1 ;Y =1 ) + P ( X=2; Y =0 )= + =
3 4 12

b)

1 1 1 6 1
P ( X ≥2 ) =P ( X=2 ; Y =−1 ) + P ( X =2; Y =1 )+ P ( X=3 ; Y =−1 )+ P ( X =3 ; Y =1 )= + + = =
12 12 12 12 7

1 1 1 1
c) P ( X <0 )=P ( X=1 ;Y =−1 ) + P ( X =2;Y =−1 ) + P ( X=3 ; Y =−1 )= + + =
6 12 12 3

Variables aleatorias bidimensionales continuas

Es una variable aleatoria bidimensional continua, si el par (x, y) puede tomar

cualquier valor del conjunto no numerable del plano euclidiano.

Función de densidad conjunta

La función de densidad conjunta se le define como una a función para variables

aleatoria continuas, Sea (X; Y) una variable aleatoria bidimensional continua, la función f (x;

y) se llama función de densidad conjunta que deben cumplir solo dos condiciones:

 f ( x , y )≥ 0

Lsx L sy

 ∫ ∫ f ( x , y ) dydx=1
L ix Li y

Propiedades:

129
 b d

 P ( a< x <b , c < y <d )=∫ ∫ f ( x , y ) dydx

a c

2
d F(x, y )
 f ( x , y )= , donde F (x, y) es la función de distribución
dxdy

conjunta.

EJERCICIOS RESUELTOS

Ejercicio 01.

Sea (X, Y) una variable aleatoria bidimensional con función de densidad:

{
f ( x , y ) k 0< y < x <1
0 en otro caso

Hallar k para que sea función de densidad

Solución

Para que f (x, y) sea función de densidad tiene que verificarse:

+∞ +∞

∫ ∫ f ( x , y ) dxdy =1
−∞ −∞

( ) [ ]
1 1 1 x 1 1 2 2
∫∫ Kdxdy=¿ ∫ K ∫ dy dx=¿ ∫ K [ Y ] dx=K ∫ xdx =K x2 = K2 =1→ K=2 ¿ ¿
x
0
0 0 0 0 0 0 0

Ejercicio 02.

Sea (X, Y) una variable aleatoria bidimensional con función de densidad:

{
f ( x , y ) 1| y|< x< 1; 0< x<1
0 en otro caso

130
 Comprobar que f (x, y) es función de densidad

Solución

f (x, y) es función de densidad si se verifica:

+∞ +∞

∫ ∫ f ( x , y ) dxdy =1
−∞ −∞

( )
+∞ +∞ 1 x 1 x 1 1
2 2
∫ ∫ f ( x , y ) dxdy =¿∫ ∫ dxdy =¿∫ ∫ dy dx=¿∫ [ Y ] dx=∫ 2 xdx =[ x ]0 =1¿ ¿ ¿
x
−x
−∞ −∞ 0 −x 0 −x 0 0

Función de distribución conjunta

La función de distribución conjunta, se denota de esta manera F (x, y). Además, si (x,

y) es una variable aleatoria bidimensional, la distribución acumulada conjunta de variable

aleatoria bidimensional (x, y) está definida por:

 F ( X o ,Y o )=P( X ≤ X o ,Y O ≤ Y o )

Xo YO

 En el caso discreto: P ( X ≤ X o , Y O ≤ Y o ) =∑ ∑ P( X ,Y )
Li x Li y

X0 Y o

 En el caso continuo: P ( X ≤ X o , Y O ≤ Y o ) =∫ ∫ f ( x , y ) dydx

L ix Li y

Ejemplo 01.

Sea f (x, y) dada en el ejemplo anterior en el caso de variable aleatoria bidimensional

continuas, estime la función de distribución acumulada y P (x 0,5; y 1).

Solución

131
 x y x y x y 2 2 2
1 x y x y
F ( x , y ) ∫ ∫ ( t + ts ) dtds=¿∫ t dt ∫ ds+ ∫ tdt ∫ sds=
2 2
+ ¿
0 0 0 0 30 0 3 12

{
0 si x ≤ 0 , y ≤ 0
2 2 2
F (x , y ) x y + x y ; si0< x ≤1 , 0< y ≤ 2
3 12
1 si x>1 mm , y >2 m

1() ()
1 3 ( ) 1 2 ( )2
1
1
( )
P ( x ≤ 0,5 ; y ≤ 1 )=F , 1 =
2
2
3
+
2
12
1 1
= + =
1
24 48 16

EJERCICIOS RESUELTOS

Ejercicio 01

Cierto supermercado tiene una caja de salida común y una caja rápida, en que X1 es el

número de clientes que están esperando en la caja común, en un momento particular del día, y

X2 es el número de clientes que están esperando en la caja rápida, al mismo tiempo. Suponga

que la función de probabilidad conjunta de X1 y X2 es la siguiente:

Calcule la probabilidad de que

haya por lo menos dos clientes
más en una línea de espera
que en la otra.
132
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
133
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que
haya por lo menos dos clientes
más en una línea de espera
que en la otra.
Calcule la probabilidad de que haya por lo menos dos clientes más en una línea de

espera que en la otra.

Solución

Se sabe que:

𝑥1= “Número de clientes que esperan caja común”

134
 𝑥2= “Número de clientes que esperan caja rápida”

Luego, debemos representar la probabilidad que la fila 𝑥1 tenga por lo menos dos

clientes más que la fila 𝑥2, lo que está dado por:

P ( x 1 ≥ x2 +2 ) =P ( x1=2; x 2=0 ) + P ( x 1=3 ; x 2=0 ) + P ( x1=4 ; x 2=0 ) + P( x 1=3 ; x2 =1)+ P(x 1=4 ; x 2=1)+

Y el otro caso está dado por:

P(x 1 +2≤ x 2)=P (x1 =0 ; x2 =2)+ P( x 1=0 ; x 2=3)+ P(x 1=1 ; x2 =3)

Finalmente, calculando la suma de estas probabilidades, tenemos:

P( x 1 ≥ x 2+ 2)+ P(x 1 +2≤ x 2)=0,05+0,03+0,01+0,05+ 0,04+0,04=0,22

La probabilidad de que haya por lo menos dos clientes más en una línea de espera que

en la otra, corresponde a 0,2

Ejercicio 02.

En una Financiera, se consideran varias: x= número de préstamos solicitados

diariamente y = Número de solicitudes rechazadas diariamente, tal que su distribución de

probabilidad conjunta es:

Determine el número esperado de solicitudes rechazadas diariamente, cuando el

número de préstamos solicitados en el día es máximo.

135
diariamente 𝒚 = Número de
solicitudes rechazadas
diariamente, tal que su
distribución de
probabilidad conjunta es:
Solución

Lo primero es definir el número de préstamos solicitados en el día cuando este es

máximo, esto se puede definir por simple inspección, cuyo resultado es tres, por lo tanto,

creamos una tabla con probabilidad de número de préstamos solicitados diariamente, dado

que el número de solicitudes rechazadas diariamente sea igual a tres.

En seguida, procedemos a
determinar el número esperado de
solicitudes
rechazadas diariamente:
En seguida, procedemos a determinar el número esperado de solicitudes rechazadas

diariamente:

136
 E ( y
x ) ( )y
=3 =∑ y ∙ p =3
x

E ( yx =3)=0∙ 0,300,59+1 ∙0,150,59+ 2∙ 0,050,59+3 ∙ 0,050,59+ 4 ∙ 0,040,59=0,9492

El número esperado de
solicitudes rechazadas
diariamente, cuando el número de
préstamos solicitados en el día es
máximo, es igual a 0,9492
El número esperado de solicitudes rechazadas diariamente, cuando el número de

préstamos solicitados en el día es máximo, es igual a 0,9492

Ejercicio 03

Una empresa vende dos tipos de “chancadoras”, ligeras y pesadas. Las cantidades

vendidas mensualmente son variables aleatorias, en que x e y representan en número de

chancadoras vendidas al mes de tipo ligero y de tipo pesado respectivamente. La

correspondiente distribución de probabilidad conjunta es la siguiente:

137
Se seleccionan al azar las ventas
mensuales, en esta empresa, hasta
ubicar un mes en que
la cantidad vendida de
chancadoras ligeras supera a la de
las pesadas. Determine la
probabilidad de tener éxito
después del tercer mes elegido
Se seleccionan al azar las ventas mensuales, en esta empresa, hasta ubicar un mes en

que la cantidad vendida de chancadoras ligeras supera a la de las pesadas. Determine la

probabilidad de tener éxito después del tercer mes elegido

Solución

Lo primero que debemos hacer es definir las notaciones a utilizar:

𝑥= “Número de chancadoras vendidas al mes de tipo ligero”

𝑦= “Número de chancadoras vendidas al mes de tipo pesado”

Luego, tenemos que obtener la probabilidad correspondiente a ubicar un mes en que

la cantidad vendida de chancadoras ligeras supera a la de las pesadas, lo que se expresa de la

siguiente forma:

P ( x> y )=P ( x=4 ; y =0 ) + P ( x =3 ; y=0 ) + P ( x=2 ; y=0 )+ P ( x=1 ; y=0 )+ P ( x=4 ; y=1 ) + P ( x=3 ; y=

Después, definimos otra variable a utilizar:

138
 𝑉= “Cantidad de meses seleccionados hasta que la cantidad vendida de

chancadoras ligeras, supera a la de las pesadas”

Además, notemos que estamos en presencia de una distribución Geométrica, lo que se

expresa de la siguiente manera:

V Geo ( p=0,63 )

{
V −1
f ( V ) = ( 0,63 )( 0,37 ) ;V =1,2 ,…
0 en otro casi

Finalmente calculamos la probabilidad que nos solicita el problema:

P(V >3)=1−P(V ≤3)=1−[ P(V =1)+ P(V =2)+ P(V =3)]P (V >3)=1−[(0,63)(0,37) 0+(0,63)(0,37)1+(0

La probabilidad de tener éxito después del tercer mes elegido, es 0,0507.

Funciones marginales

Son funciones de la variable aleatoria unidimensionales que forman parte de la

variable aleatoria bidimensionales. Encontramos los siguientes casos de variables aleatorias:

 En el caso discreto:

o P ( X )= ∑ P ( X , Y )
∀y

o P ( Y )=∑ P ( X , Y )
∀x

 En el caso continuo

Ls y

o f ( X )= ∫ f ( X ,Y ) dy
L iy

L sx

o f ( Y ) =∫ f ( X ,Y ) dx
Li x

139
 EJERCICIOS RESUELTOS

Ejercicio 01.

Obtenga las funciones de densidad marginal de la siguiente función de densidad

conjunta:

{
f ( x , y )= 2−x− y , 0< x <1; o< y <1
0 , en otro caso

Solución:

1
2
f ( x )=∫ ( 2−x− y ) dy= −x
0 3

1
2
f ( y ) =∫ ( 2−x− y ) dx= − y
0 3

Ejercicio 02

Sea (X, Y) una variable aleatoria bidimensional con función de densidad conjunta:

{
f ( x , y )= 3 x ( 1−xy ) Si 0 ≤ x ≤1 ; 0 ≤ y ≤ 1
0 en otro caso

Solución:

Entonces, las funciones de densidad marginales vienen dadas por:

( ) ( )
1 1
x2 y 2 x
f x ( x ) =∫ 3 x ( 1−xy ) dy=3 xy− =3 x 1− , 0≤ x ≤ 1
0 2 0 2

( ) = 3 x −22 y ,0 ≤ y ≤1
1 2 2 2 1
x x y
f y ( y ) =∫ 3 x ( 1−xy ) dx=3 −
0 2 2 0

La función de distribución conjunta resulta:

140
 ( )
x x x 2 2 2
u v x y (3−xy )
F (x , y )=∫∫ 3 u (1−uv ) dvdu=3 ∫ uv− du= , 0 ≤ x ≤ 1; 0 ≤ y ≤1
0 0 0 2 2

Y las funciones de distribución marginales son:

2
x ( 3− x )
F x ( x )=F ( x , 1 )= ,0 ≤ x ≤ 1
2

y ( 3− y )
F y ( y )=F ( 1, y )= , 0≤ y ≤1
2

Funciones condicionales

 En el caso discreto:

P ( X ,Y )
o P ( X /Y )=
P(Y )

P ( X ,Y )
o P ( Y / X )=
P( X )

E(X ,Y )
o E ( X /Y ) =
E(Y )

 En el caso continuo:

f (X ,Y )
o f ( X / Y )=
f (Y )

f (X ,Y )
o f ( Y / X )=
f (X )

E(X ,Y )
o E (Y / X )=
E( X)

EJERCICIOS RESUELTOS

Ejercicio 01.

141
Calcular la probabilidad de obtener un 6 al tirar un dado sabiendo que ha salido par.

Solución:

1
6 1
P ( 6| par )= =
3 3
6

Ejercicio 02.

1 1 1
Sean A y B dos sucesos aleatorios con P ( A )= ; P ( B )= ; P ( A ∩ B ) =
2 3 4

Hallar:

a) P ( A∨B )

b) P ( B∨A )

Solución

a)

1
P ( A ∩B ) 5 4
P ( A∨B )= = =
P( B) 1 5
4

b)

1
P ( A ∩B ) 5 3
P ( B∨A )= = =
P( A) 1 5
3

Ejemplo 03.
142
 Supongamos que tenemos un aula con 30 alumnos, siendo el 50 % de 14 años y el

otro 50% de 15 años. Además, sabemos que 12 integrantes del salón tienen 14 años y usan

resaltador en sus libros ¿Cuál es la probabilidad de que un estudiante del salón use resaltador

si tiene 14 años?

Solución:

Siguiendo la fórmula mostrada líneas arriba, primero, sabemos que la probabilidad de

que el estudiante tenga 14 años es 50%(P(B)). Asimismo, la probabilidad que de que un

estudiante tenga 14 años y use resaltador es 12/30=40%.

Por lo tanto, la probabilidad de que un estudiante use resaltador si tiene 14 años se

calcularía de la siguiente forma:

P( A∨B)=P ( A ∩B)/ P( B)=0,4 /0,5=0,8=80 %

Es decir, existe un 80% de probabilidad de que un estudiante use resaltador si tiene 14

años.

Probabilidades condicionales

 Esto se aplica tanto para el caso discreto como para el caso discreto

o P ( XY )= PP( X( Y, Y) )
P(X ,Y )
o P(Y / X )=
P(X )

 V ( X ±Y )=V ( X ) +V ( Y ) ± 2 Cov ( X , Y )

Cov ( X ,Y )
 r= → r muestral( Person)
Sx S y

 Cov ( X , Y )=E ( X ,Y ) −E( X ) E(Y )

o Cálculo de la E (X, Y) en el caso discreto

143
  E( X ,Y )=∑ ∑ XYP(X , Y )
∀x ∀y

o Cálculo de la E (X, Y) en el caso continuo

Lsx L s y

 E( X ,Y )= ∫ ∫ XYf
Lix Li y

 Si las v.a son independientes

→ f ( x , y )=f (x ) f ( y )

→ P ( x , y ) =P(x) P( y )

→ F ( x , y )=F (x) F( y)

→ E ( x , y )=E(x )E ( y)

→ Cov ( x , y )=0

Ejemplo 01.

Se supone que 25 de cada 100 hombres y 600 de cada 1000 mujeres usan gafas. Si el

número de mujeres es cuatro veces superior al de hombres, se pide la probabilidad de

encontrarnos:

Determinar: Con una persona sin gafas

Solución:

Se supone que 25 de cada 100 hombres y 600 de cada 1000 mujeres usan gafas. Si el

número de mujeres es cuatro veces superior al de hombres, se pide la probabilidad de

encontrarnos:

144
 1 4
∗75 ∗400
5 5
P ( sin gafas ) = + =0,47
100 1000

EJERCICIOS RESUELTOS

Ejercicio 01.

Ante un examen, un alumno sólo ha estudiado 15 de los 25 temas correspondientes a

la materia del mismo. Éste se realiza extrayendo al azar dos temas y dejando que el alumno

escoja uno de los dos para ser examinado del mismo.

Hallar la probabilidad de que el alumno pueda elegir en el examen uno de los temas

estudiados

Solución:

Ante un examen, un alumno sólo ha estudiado 15 de los 25 temas correspondientes a

la materia del mismo. Éste se realiza extrayendo al azar dos temas y dejando que el alumno

escoja uno de los dos para ser examinado del mismo. Hallar la probabilidad de que el alumno

pueda elegir en el examen uno de los temas estudiados.

10
∗9
25
P ( al menosun tema ) =¿ 1−P ( ningun tema ) =1− =0,85
24

145
 Ejercicio 02.

Una clase está formada por 10 chicos y 10 chicas; la mitad de las chicas y la mitad de

los chicos han elegido francés como asignatura optativa. ¿Y la probabilidad de que sea chica

y no estudie francés?

Solución:

5
P ( chica y no frances )= =0,25
20

Ejercicio 03.

Un taller sabe que por término medio acuden: por la mañana tres automóviles con

problemas eléctricos, ocho con problemas mecánicos y tres con problemas de chapa, y por la

tarde dos con problemas eléctricos, tres con problemas mecánicos y uno con problemas de

chapa.

a) Calcular el porcentaje de los que acuden por la tarde

b) Calcular el porcentaje de los que acuden por problemas mecánicos

Solución:

a)

6
P ( tarde ) = =0,30∗100=30 %
20

b)

11
P ( mecanicos )= =0,55∗100=55 %
20

146
 Variables aleatorias independientes:

Se dice que dos variables aleatorias son independientes, si el resultado de la v.a X no

tiene influencia sobre el resultado de la otra v.a Y.

Entonces:

 f ( x , y )=f (x) f ( y)

 P ( x , y )=P(x ) P( y)

por lo tanto

 E ( x , y )=E ( x) E( y )

 En el caso discreto:

o P ( X / Y )=P( X )

o P ( Y / X )=P(Y )

 En el caso continuo:

o f ( X /Y )=f (X )

o f ( Y / X )=f (Y )

Observación. Sí dos variables son independientes, entonces el coeficiente de

correlación es igual a cero, lo contrario no siempre se cumple.

Ejemplo 01. Un punto aleatorio X tiene distribución uniforme en el intervalo [0,1] y

otro punto aleatorio Y tiene distribución uniforme en el intervalo [2,3]. Se define la variable

distancia entre X e Y por d=Y-X. Suponiendo que X e Y son independientes, calcúlese la

esperanza matemática y la varianza de d.

Solución:

Como las distribuciones de X e Y son uniformes, sabemos que:

147
 1 5 1
E [ x ]= ; E [ y ]= ; σ 2 [ y ]=
2 2 12

como la esperanza es un operador lineal se tiene

5 1
E [ d ] =E [ y ] −E [ x ]= − =2
2 2

Por otra parte, al ser X e E independientes

2 2 2 2 2 1 1 1
σ [ d ] =σ [ y−x ] =σ [ y ] + (−1 ) σ [ x ] = + =
12 12 6

EJERCICIOS RESUELTOS

Ejercicio 01.

Supongamos que la probabilidad de tener una unidad defectuosa en una línea de

ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un conjunto de

ensayos independientes: ¿cuál es la probabilidad de que entre diez unidades dos se

encuentren defectuosas?

Solución:

P ( η10,0 05=2 ) =C2 ∗0´ 05 ∗( 1−0,05 )=0,0476

10 2 8
'

Ejercicio 02.

Sean λ y η las variables aleatorias que cuentan el número de veces que sale 1 y 6,

respectivamente, en 5 lanzamientos de un dado. ¿Son λ y η independientes?

Solución:

Las variables λ y η siguen una distribución binomial de parámetros n=5 y p=1/6.

Veamos mediante un contraejemplo, que λ y η no son independientes. Por un lado se tiene

148
que:

P= ( λ=0 ,η=0 ) = ()2 5

3 ()
, pero P ( λ=0 )=
5 5
6
=P (η=0)

() ()
5 10
( ) 2 5
P= λ=0 ,η=0 = ≠ P ( λ=0 )∗P ( η=0 )=
3 6

concluyéndose así que las variables no son independientes.

Ejercicio 03.

Cada muestra de aire tiene 10% de posibilidades de contener una molécula rara

particular. Suponga que las muestras son independientes con respecto a la presencia de la

molécula rara. Encuentre la probabilidad de que, en las siguientes 18 muestras, exactamente 2

contengan la molécula rara.

Solución:

Sea X=número de muestras de aira que contiene la molécula rara en las siguientes 18

muestras analizadas. Entonces X es una variable aleatoria binomial con p=0,1 y n=18. Por lo

tanto, P ( x=2 )= ( )
18 ( 0,2 )2 ( 0,9 )16
2

Ahora bien, (182 )=153. Por lo tanto P ( x=2 )=153 ( 0,1 ) ( 0,9 ) =0,284
2 16

Coeficiente de correlación

El coeficiente de correlación, o también llamada coeficiente de Pearson, está

relacionado con el cálculo de la covarianza. Mide el grado de relación que existe entre 2

variables, el que se usara es el de Pearson por lo cual su valor está comprendido entre −1 ≤ 𝑟xy

≤ 1.

149
 De calcula mediante la siguiente formula:

Cov( x , y)
r xy =
Sx Sy

EJERCICIOS RESUELTOS

Ejercicio 01.

Las notas de 12 alumnos de una clase en Matemáticas y Física son las siguientes:

Solución:

Añadimos a la tabla 3 columnas con Xi, * Yi, Xi2 y Xi2 respectivamente. El último

renglón de la tabla se obtiene sumando los valores de cada columna:

150
Hallamos las medias aritméticas.

72
¿ =6
12

60
¿ =5
12

Calculamos la covarianza.

431
σ xy= −6∗5=5,92
12

Calculamos las desviaciones típicas.

σ x=
√ 504
12
2
−6 =2.45

σ y=
√ 380
12
−5 2=2.58

Aplicamos la fórmula del coeficiente de correlación lineal.

5,92
r= =0,94
2,45∗2,58

Como coeficiente de correlación está muy próximo a 1 la correlación es muy fuerte.

151
Ejercicio 02.

Los valores de dos variables X e Y se distribuyen según la tabla siguiente:

Solución:

Determinar el coeficiente de correlación.

Convertimos la tabla de doble entrada en tabla simple.

Hallamos las medias aritméticas.

40
¿ =2
20

41
¿ =2,05
20

y=1,77∗47−6,78=76,41

σ x =√ 2=1,41

152
 σ y =√ 0,65=0,81

Aplicamos la fórmula del coeficiente de correlación lineal.

−0,3
r= =−0,26
1,41∗0,81

Como coeficiente de correlación está muy próximo a 0 la correlación es muy débil.

Función generadora de momentos

La función generadora de momentos, como su nombre lo dice, son funciones de una

v.a. y sirven para obtener los indicadores de una v.a. como la media, la varianza, sesgo,

curtosis, etc. Estos pueden ser de 2 tipos, Momento central o momento respecto a la media

aritmética:

Momentos centrales

Al momento central también se le puede encontrar con el nombre de Momentos

respectos al origen.

En el caso discreto: E ( X ) =∑ X P (X )
R R

∀x

L sx

En el caso continuo: E ( X ) =∫ X f ( X ) dx
RR

Li x

 Momento de primer orden: Sí R=1 → E ( X R ) → E(X )

Momentos respecto a la media aritmética

En el caso discreto: E [X −E ( X ) ] =∑ [ X−E ( X ) ] P( X )

R R

∀x

Lsx

∫ [ X −E ( X ) ]
R
 En el caso continuo: f ( X ) dx
Li x

R
 Sí R=0 → E [X −E ( X ) ] =1

153
 Sí R=1→ E[ X −E ( X ) ]R =0

Sí R=2→ E[ X −E ( X ) ]R=V ( X)

Función generatriz de momento

Se denota como f.g.m o como Mx(t). Y es una función que genera los momentos de

una v.a al derivar respecto a la variable t, tantas veces como sea necesario, y si en esta

expresión t es igual a cero, entonces se obtiene el momento deseado.

 En el caso discreto: M x ( t ) =E ¿

Ls x

En el caso continuo: M x ( t ) = ∫ e f ( X ) dx
tx

Li x

Ejemplo 01.

Sea X con distribución gama ( η , λ ) .Hemos encontrado antes que pata

t < λ , M ( t )=λ n ( λ−t )−n . Calcularemos ahora la esperanza y varianza de X con ayuda de la

η
f.g.m. Derivando una vez, M (t )= λn n ( λ−t )−n −1 . Al evaluar en t = 0 se obtiene E [ x ] = .
λ

'' n ( n+1 )
Derivando nuevamente, M ' ' ( t ) =λn n ( n+1 ) ( λ−t )−n−2. Por lo tanto M ( 0 )= . Entonces
λ2

n ( n+ 1 ) n2 n
Var ( x ) = 2
− 2
= 2
λ λ λ

EJERCICIOS RESUELTOS

Ejercicio 01.

Una variable aleatoria tiene de función de cuantía

154
 Obtener la f,g,m.

Escriba aquí laecuación .

Solución

Ejercicio 02

Solución

Ejercicio 03

Solución

EJERCICIOS PROPUESTOS

Ejercicio 01.

Sea X la variable aleatoria que indica el número de apagones de la luz eléctrica

durante el día en una ciudad, y sea Y la variable aleatoria que indica el número de apagones

de la luz eléctrica durante la noche, por lo que (X, Y), el número de apagones de la luz

eléctrica durante todo el día en dicha ciudad. El cuadro siguiente muestra el P (X, Y).

155
 Hallar.

a) P (X=1, Y=2)

b) P (X=2, Y=1)

c) P (X≤ 1, Y ≤ 2¿

d) P (X≥ 1, Y ≤ 2¿

Respuesta: a) 0.06 b) 0.08 c) 0.80 d) 0.50

Ejercicio 02.

La función de densidad asociada a la emisión de billetes de una compañía área es:

{
f ( x , y ) x+ y 0< x<; 0< y <1
0 en otro caso

Hallar la función de distribución.

1
Respuesta: ( y x2 + y 2 x ) , 0 ≤ x<1 ; 0 ≤ y <1
2

Ejercicio 03.

sea (X, Y) una variable aleatoria bidimensional, donde X representa el diámetro en

cm e Y representa la longitud de las barras de acero en metros producidas por una fábrica

cuya función de densidad conjunta está dada por:

156
 {
2 xy
x+ 0< x<1 cm ; 0< y <2 m
f (x, y) 3
0 en otro caso

Hallar:

1 1
a) P(x < , y> )
2 2

1 3
b) P(x > , y ≤ );
4 2

Respuesta: a) 0.14 b) 0.668

Ejercicio 04.

Las proporciones x1 y x2, de dos sustancias que se encuentran en muestras de

insecticidas, tienen la siguiente función de densidad conjunta:

f ( x1 , x2)=
{2 ;0 ≤0x; ≤1en otro
1 ;0≤ x +x ≤1
1 2
casi

Determinar la proporción esperada de la sustancia x1, cuando las muestras de

insecticida contienen 0,2 de la sustancia x2.

Respuesta: 0,4

Ejercicio 05.

Cada neumático delantero de un tipo particular de automóvil se llenará a una presión

(requerida) de 26 lb/pulg2. Suponga que la presión de aire de cada neumático es una variable

aleatoria, X para el neumático derecho e Y para el izquierdo, con la siguiente función de

densidad conjunta:

157
 {
3
f ( x , y )= 380000
( x 2+ y 2 ) 20 ≤ x ≤ 30 20≤ y ≤30
0 en otro caso

¿Cuál es la probabilidad de que la presión del neumático derecho exceda a la presión

del neumático izquierdo en al menos dos lg/pulg2?

Respuesta: 0,3203

Ejercicio 06.

Sean X, Y variables aleatorias con la siguiente función de probabilidad conjunta.

1
f ( x , y )= xy ; x=1, 2 ,3 , 4 ; y=1 , 2
18

Hallar las distribuciones marginales

Respuesta: x/6 e y/3

Ejercicio 07.

En un centro escolar los alumnos pueden optar por cursar como lengua extranjera

inglés o francés. En un determinado curso, el 90 \% de los alumnos estudia inglés y el resto

francés. El 30 \% de los que estudian inglés son chicos y de los que estudian francés son

chicos el 40 \%. Eligiendo un alumno al azar, ¿cuál es la probabilidad de que sea chica?

Respuesta: 0,69

Ejercicio 08.

De una baraja de 48 cartas se extrae simultáneamente dos de ellas. Calcular la

probabilidad de que:

158
 a) Las dos sean copas

b) Al menos una sea copas

c) Una sea copa y la otra espada

Respuesta: a) 0,059 b) 0,441 c) 0,128

Ejercicio 09.

Una clase está formada por 10 chicos y 10 chicas; la mitad de las chicas y la mitad de

los chicos han elegido francés como asignatura optativa.

a ¿Cuál es la probabilidad de que una persona elegida al azar sea chica o estudie

francés?

b ¿Y la probabilidad de que sea chica y no estudie francés?

Respuesta: a) 0,75 b) 0,25

Ejercicio 10.

Si vives en la capital, quizá te interesen nuestras clases particulares matemáticas

madrid.14 Disponemos de dos urnas: la urna A contiene 6 bolas rojas y 4 bolas blancas, la

urna B contiene 4 bolas rojas y 8 bolas blancas. Se lanza un dado, si aparece un número

menor que 3; nos vamos a la urna A; si el resultado es 3 ó más, nos vamos a la urna B. A

continuación, extraemos una bola. Se pide:

a Probabilidad de que la bola sea roja y de la urna B

b Probabilidad de que la bola sea blanca

Respuesta: a) 2/9 b) 26/45

159
 Ejercicio 11.

Un estudiante cuenta, para un examen con la ayuda de un despertador, el cual

consigue despertarlo en un 80\% de los casos. Si oye el despertador, la probabilidad de que

realiza el examen es 0,9 y, en caso contrario, de 0,5.

a Si va a realizar el examen, ¿cuál es la probabilidad de que haya oído el despertador?

b Si no realiza el examen, ¿cuál es la probabilidad de que no haya oído el

despertador?

Respuesta: a) 0,87804 b) 0,5

Ejercicio 12.

En una estantería hay 60 novelas y 20 libros de poesía. Una persona A elige un libro

al azar de la estantería y se lo lleva. A continuación, otra persona B elige otro libro al azar.

a ¿Cuál es la probabilidad de que el libro seleccionado por B sea una novela?

b Si se sabe que B eligió una novela, ¿cuál es la probabilidad de que el libro

seleccionado por A sea de poesía?

Respuesta: a) 3/4 b) 20/79

Ejercicio 13.

Una muestra con reposición de tamaño n=2 se selecciona aleatoriamente de los

números 1 al 5. Esto produce entonces el espacio equiprobable S conformando por todos los

25 pares de ordenados (a, b) de números del 1 al 5. Es decir, S={(1,1),(1,2),….,(1,5),(2,1),

….,(5,5)} Sea X=0 si el primer número es par y X=1 de lo contrario; sea Y=1 si el segundo

número es impar y Y=0 de lo contrario. Determine si X y Y son independientes.

Respuesta: X e Y son independientes

160
 Ejercicio 14.

Una máquina fabrica tornillos cuyas longitudes se distribuyen normalmente con

media 20 mm y varianza 0.25 mm. Un tornillo se considera defectuoso si su longitud difiere

de la media más de 1 mm. Los tornillos se fabrican de forma independiente. ¿Cuál es la

probabilidad de fabricar un tornillo defectuoso? Si los envasamos en envases de 15 tornillos,

probabilidad de que en un envase no tenga más de 2 defectuosos.

Respuesta: 0,972

Ejercicio 15.

En un quiosco de periódicos se supone que el número de ventas diarias se distribuye

normalmente con media 30 y varianza 2. Determinar que en una ciudad hay 10 quioscos

independientes del mismo tipo y con las mismas características. Determinar la probabilidad

de que más de dos quioscos vendan entre 13 y 31 periódicos

Respuesta: 0,99972

Ejercicio 16.

Dos jueces x e y de un concurso asignaron separadamente a los 10 finalistas del

concurso las siguientes puntuaciones

x 3 10 9 1 2 4 6 5 8 7

y 3 8 10 4 1 2 5 6 7 9

Hallar el coeficiente de correlación:

Respuesta: 0,84

161
CAPÍTULO VII

162
 CAPITULO VIII

Distribuciones muestrales

Las distribuciones muestras, se definen como, una distribución de probabilidad, en

base a un estadígrafo. La cual, dicha distribución, se obtiene mediante todas las posibles

muestras de “n” tamaño. De manera que, están seleccionadas al azar. Además, de ser

pertenecientes a una población determinada. Sim embargo, si se da el caso, de que la

población, sea de naturaleza, infinita; la distribución muestral, será considerado, como una

163
distribución teórica. Adicional a lo anterior, un estadígrafo, es una variable aleatoria

independiente, la cual se rige, por una determinada distribución.

Distribución de la media muestrales

Se define como; los valores de una variable aleatoria. La cual, se puede estudiar su

distribución muestral. Donde, estos valores, son las medias que nos proporciona una muestra

de “n” tamaño. De modo que, esta muestra se extrae de una población.

Tomando en cuenta que, sean X1; X2; X3; …; Xn. Variables aleatorias de “n”

tamaño. De modo que, estas misma, corresponden a una muestra. Y que, se obtienen de una

población con media (μ) y varianza (𝜎2). Entonces, la distribución de la media muestral (),

se normaliza aproximadamente, con lo siguiente:

 Media: µ X =µ

2 σ2
 Varianza: σ X =
n

X −µ
 V.A: z= ⇒ N (0 , 1)
σ /√n

EJERCICIOS RESUELTOS
Ejercicio 01. Una fábrica de almohadas, tiene una media de 300 y una desviación

estándar de 40 productos. Supongamos que, es seleccionado una muestra aleatoria simple de

tamaño 100, en referencia a los productos; y que se usa  para estimar μ. ¿Cuál es la

probabilidad de que la media de la muestra, de los productos, quede dentro de ±10 de la

media de población?

Solución:

Sean los siguientes datos:

164
  μ = 300
 𝜎 = 40
 𝑛 = 100

⟹ 𝑃 (290 ≤ 𝑥̅ ≤ 310)

Estandarizar, mediante la fórmula:

X −µ 290−300 −10
z= ⇒ z 1= ⇒ z 1= ⇒ z 1=−2.5
σ /√n 40/ √ 100 40/10

X −µ 310−300 10
z= ⇒ z 1= ⇒ z 1= ⇒ z 1=2.5
σ /√n 40/ √ 100 40/10

⟹ 𝑃 (140 ≤  ≤ 310) = 𝑃 (−2.5 ≤  ≤ 2,5)

= 𝑃 (𝑍 ≤ 2.5) – 𝑃 (𝑍 ≤ −2.5)

= 0.9938 − 0.0062

= 0,9876
Ejercicio 02. Las medidas de los contenedores de agua, con las que cuenta, un padre

de familia; se distribuyen aproximadamente, en forma normal, con una media de 200,2 cm y

una desviación estándar de 8.4 cm. Si se extraen muestras, de tamaño 36. ¿Cuál es la

probabilidad de que la medida de los contenedores esté por debajo de 196,7 cm?

Solución:

Sean los siguientes datos:

 μ = 200,2
 𝜎 = 8,4
 𝑛 = 36
  = 196,7

X −µ 196,7−200,2 −3,5
z= ⇒ z 1= ⇒ z 1= ⇒ z 1=−2.5
σ /√n 8,4 / √ 36 8,4 /6

165
 ⟹ 𝑃 ( < 196,7) = 𝑃 (𝑍 < -2.5) = 0,0062

Ejercicios 03.

La distribución de la temperatura del cuerpo humano en la ciudad de Huaraz tiene de

media 37° y desviación típica de 0,90°. Se elige una muestra de 225 ciudadanos. Calcule que

la media sea mayor o igual a 37,078 °C.

Solución:

Sean los siguientes datos:

 μ = 37°
 𝜎 = 0,90°
 𝑛 = 225

0.90
⟹ N (37 , )=N (37,0.06)
√ 225

37−37.078
⟹ P( X ≤ 39,2)=P(Z ≤ )=P (Z ≤−1.3)=0.0968
0.06

Distribución de la proporción muestral

Se presenta cuando, dentro de una muestra, se necesite analizar e investigar la

proporción de algunos de sus atributos. Y dentro, del ámbito de las variables cualitativas;

dicha distribución muestral, es la indicada. En cuanto, a presentar una respuesta, ante alguna

situación, en cuestión. De igual forma, esta distribución cuenta con una generación similar, a

la distribución muestral de medias. La fórmula que se utiliza para el cálculo de probabilidad

en una distribución muestral de proporciones; se basa principalmente, en la aproximación, de

la distribución normal a la binomial. Además de que, dicha fórmula, es usada para calcular la

probabilidad del comportamiento de la proporción en la muestra.

166
 Tomando en cuenta que, X sea una V.A. Binomial. La cual, es definida como el

número de éxitos en “n” pruebas realizadas. Además de que, (x/n) se denomina como, la

proporción de éxitos; denotado por “p” o “ ^p”, cuyo rango es el intervalo [0,1]. A su vez, esta

proporción, es el estimador del parámetro P = x/N. Así como ^p es una V.A. que tiene una

distribución binomial. Entonces, tiene relación, con las siguientes fórmulas:

 Media: µ ^p=P

2 PQ
 Varianza: σ ^p=
n

p^ −P
 V.A: z= ⇒ N (0 , 1)
√ PQ /n

Según lo anteriormente mostrado, se afirma sobre ello que, dichas fórmulas se

cumplirán, siempre y cuando, se trabaje con una población infinita, o lo suficientemente

grande, en relación a la muestra. También, cuando el muestreo, presente la característica de

“con reemplazo”.

Sin embargo, cuando se desee trabajar con una población finita, o también

denominado como un muestreo sin reposición; la distribución de la proporción, será

hipergeométrica.

De este modo, se relaciona con la siguiente fórmula:

PQ N −n
 σ 2^p= ( )
n N−1

Además de que, cuando “n” es pequeño, se puede obtener aproximaciones normales.

De manera que, se introduce el Factor de corrección de continuidad (1/2n) en la V.A. “z”, en

167
reemplazo del (1/2). Puesto que, la proporción, dentro de este particular caso; se determina

mediante la V.A “X” dividida entre “n”.

EJERCICIOS RESUELTOS

Ejercicio 01. Se determinó que el 50% de los comensales de la cevichería Don Bryan,

ordenan un menú, con extra picante. Si tomamos una muestra de 100 comensales. ¿Cuál es la

probabilidad de que la proporción de la muestra de comensales que consumen su plato de

ceviche con extra, de picante, será mayor que 0,45?

Solución:

Sean los siguientes datos:

 P = 0,50
 ^p = 0,45
 𝑛 = 100

Mediante la fórmula:

^ −P
p 0,45−0,50 −0,15
⇒ z= ⇒ z= ⇒ z=
√ PQ /n √ 0,50(1−0,50)/100 √0,25 /100

−0,15
⇒ z= ⇒ z=−3
0,05

⟹ 𝑃 ( ^p < 0,45) = 𝑃 (z < -3) = 0,00135

Ejercicio 02. Se evaluó, que el 80% del personal de seguridad, de una empresa de

transporte, cumple con su deber. Además de que, si tomamos una muestra de 164 personales

168
de seguridad. ¿Cuál es la probabilidad de que la proporción de la muestra de personal que

cumplen con su deber, será mayor que el 78 %?

Solución:

Sean los siguientes datos:

 P = 0,80
 ^p = 0,78
 𝑛 = 164

Mediante la fórmula:

p^ −P 0,78−0,80 −0,02
⇒ z= ⇒ z= ⇒ z=
√ PQ /n √ 0,80(1−0,80) /164 √ 0,16/164

−0,02
⇒ z= ⇒ z=−0,640311 ≈−0,64
0,0312348

⟹ 𝑃 ( ^p < 0,78) = 𝑃 (z < −0,64 ) = 0,26109

Ejercicio 03.

Se determinó, que el 85% de los estudiantes de la Escuela profesional de Estadística e

Informática, cuentan con una nota regular. Además de que, si tomamos una muestra de 120

estudiantes. ¿Cuál es la probabilidad de que la proporción de estudiantes, que cuenten con

una nota regular, sea mayor que a el 60%?

Solución:

Sean los siguientes datos:

 P = 0,85
 ^p = 0,6
 𝑛 = 120

169
 Mediante la fórmula:

^ −P
p 0,6−0,85 −0,25
⇒ z= ⇒ z= ⇒ z=
√ PQ /n √ 0,85(1−0,85)/120 √0,1275 /120

−0,25
⇒ z= ⇒ z=−7,66965 ≈−0,67
0,032596

⟹ 𝑃 ( ^p < 0,6) = 𝑃 (z < −0,67 ) = 0,25143

Distribución de muestras pequeñas

Distribución Chi-cuadrado

Determinada como, una distribución continua, basada y especificada, en los grados de

libertad. Además de, los parámetros de no centralidad. Dicha distribución, es de naturaleza

positiva, y asimétrica. Sin embargo, se sabe que, la asimetría disminuye el aumento de los

grados de libertad, con respecto a la distribución.

Tomando en cuenta que, sea X1, X2, X3, …, Xn; V.A. independientes, distribuidas

cada uno, en relación a N (0,1). Entonces, la suma de las variables al cuadrado, se representa

de la siguiente manera:

Su función de densidad, se expresa como:

170
 {
1 − x/2
∗X (n /2 )−1 e ∀ X ≥ 0
 f ( x )= 2n/ 2 Г ( n /2 )
0 si X <0

Además de que, gamma toma los parámetros:

 α =n / 2 ⋀ β=1/2

De misma manera, se presenta la siguiente expresión:

( )
2
2 X i −µ
 X =
i
σ

Cuenta, con una distribución Chi-Cuadrado, con “n” grados de libertad:

( )
n 2
X i−µ
 X =∑2
n
σ
i=1

Propiedades del Chi-Cuadrado

Dentro de la misma distribución del Chi-Cuadrado, nos encontramos, con sus

propiedades, e inclusos, normas, necesariamente impuestas; para el uso apropiado, de la

misma. De este modo, dichas propiedades son:

1. La V.A. Chi-Cuadrado es positiva. Puesto que, es obtenida, mediante la suma

de los valores positivos, por ser cuadrados.

2. La distribución Chi-Cuadrado, es de naturaleza Continua. De modo que, la

forma y la posición, son dependientes, a los grados de libertad. Cuando dichos

grados, son pequeños, la distribución es sesgada, en dirección a la derecha, y a

medida que los grados de libertad (g.l.) aumenta la distribución, tiende a una

normal. Además de que, los (g.l.) son puestos, como los parámetros de la

distribución.

3. Siempre existe una distribución, para cada grado de libertad.

171
 4. El valor esperado de una V.A. Chi-Cuadrado, es igual a sus g.l. De modo que:

2
E( X n)=n

5. La varianza de la distribución Chi-Cuadrado

2
V ( X n)=2n

EJERCICIOS RESUELTOS

Ejercicio 01.

Si X es una V.A. Chi-Cuadrado con 10 g.l. calcular:

Hallar:

a) P (X2 < 9.34)

b) P (X2 < 11.81)

c) P (X2 > 20.52)

Solución:

 P (X2 < 9.34) = P (X2 < X2 0.5) = 0.5

 P (X2 < 11.81) = P (X2 < X2 0.7) = 0.7

 P (X 2 > 20.52) = P (X2 < X2 0.975) = 1 – 0.975 = 0.025

Ejercicio 02.
Si X es una V.A. Chi-Cuadrado con 37 g.l. calcular:

Hallar:

P (X2 < 41)

172
 P (X2 < 69.342)

P (X2 > 44)

Solución:

 P (X2 < 41) = P (X2 < X2 0.7) = 0.7

 P (X2 > 69.342) = P (X2 < X2 0.999) = 1 - 0.999 = 0.001

 P (X 2 > 44) = P (X2 < X2 0.8) = 1 – 0.8 = 0.2

Ejercicio 03.
Si X es una V.A. Chi-Cuadrado con 26 g.l. calcular:

Hallar:

P (X2 ≤ 17,29)

P (X2 ≥ 38.89)

P (13,84 ≤ X2 ≤ 45,64)

P (X2 ≤ 40)

Solución:

 P (X2 ≤ 41) = P (X2 ≤ X2 0.1) = 0.1

 P (X2 ≥ 38.89) = P (X2 ≤ X2 0.95) = 1 - 0.95 = 0.05

 P (13,84 ≤ X 2 ≤ 45,64) = P (X2 0.025 ≤ X2 ≤ X2 0.99) = 0,99 – 0.025 = 0.965

 P (X ≤ 40) = P (X2 ≤ X2 0.95) = 0.95

173
 Distribución T de Student

También llamado Distribución T, se define como un modelo teórico. El cual, es

utilizado para aproximar el momento de primero orden de una población. La cual, se

encuentra distribuida, normalmente. Además de que, el tamaño de la muestra es pequeño, y

se desconoce la desviación típica.

De este modo, tomando en cuenta que; sea “Z” una V.A. estandarizada y distribuida

normalmente, con media 0 y varianza 1 “N (0, 1)”. Así como, “Y” otra V.A. con distribución

Chi-Cuadrado y “n” g.l. De modo que, la V.A. “T”, sea representado, del siguiente modo:

= √
Z Z n
T=
√Y /n √ Y

Así pues, esta distribución, cuenta con una función de densidad. La cual, se expresa,
de la siguiente forma:

Г ( n+12 )
( )
− ( n+1 ) / 2
t2
f ( t )= 1+ ∀t∈R
√ n π Г ( n /2 ) n

EJERCICIOS RESUELTOS

Ejercicio 01.

Si X tiene distribución t-Student con 18 grados de libertad, halle:

Hallar:

a) P (X ≤ 2.101)

b) P (X > 1.734)

c) P (X ≤ -2.878)

d) P ( -1.330 ≤ X ≤ 2.552)

174
 e) P (X ≤ 2)

Solución:

Aplicamos los valores presentes en la tabla t-Student, se tiene:

a) P (X ≤ 2.101) = 0.975

b) P (X > 1.734) = 1 – 0.95 = 0.05

c) P (X ≤ -2.878) = 1 - P (X ≤ -2.878) = 1 – 0.995 = 0.005

d) P ( -1.330 ≤ X ≤ 2.552) = 0.990 – (1 - 0.90) = 0.89

e) P (X ≤ 2) ≈ 0.975

Ejercicio 02.
Si X tiene distribución t-Student con 10 grados de libertad, hallar el valor h, de modo

que:

a) P (X ≤ h) = 0.995

b) P (X ≤ h) = 0.05

c) P (X > h) = 0.01

d) P (-h ≤ X ≤ h) = 0.95

e) P (X ≤ h) = 0.92

Solución:

Aplicamos los valores presentes en la tabla t-Student, se tiene:

a) P (X ≤ h) = 0.995 → h = 3.169

175
 b) P (X ≤ h) = 0.05 → h = -1.812

c) P (X > h) = 0.01 → P (X ≤ h) = 0.99 → h = 2.764

d) P (h ≤ X ≤ h) = 0.95 → P (X ≤ h) = 0.975 → h = 2.228

e) P (X ≤ h) = 0.92 → h = 1.372

Ejercicio 03.
Si X es una V.A. Chi-Cuadrado con 20 g.l. calcular:

Hallar:

P (X2 ≤ 2,528)

P (X2 ≥ -2.086)

Solución:

 P (X2 ≤ 2,528) = P (X2 ≤ X2 0.99) = 2,528

 P (X2 ≥ -2.086) = P (X2 ≤ 2.086) = 0,975

Distribución F

Denominado también, como Distribución de Fisher. La cual, consiste en una

distribución, que cuenta con dos parámetros. Y que, además, aparece con frecuencia, dentro

de una distribución estadística, en base a su utilidad, dentro de un test. Así como, en muchos

contrastes de hipótesis, bajo las suposiciones de normalidad. Además de que, su tabla, es de

naturaleza compleja. Puesto que, tiende a depender de dos parámetros, y por ello, lo

complicado de su diseño. Asu vez, se acostumbra mostrar tablas con niveles de significación,

en relación, a lo que se desee manejar.

176
 De esta manera, definimos a, U y V, como dos V.A. independiente, que cuentan con

distribuciones Chi-Cuadrado, y con “n” y “m” g.l. Entonces, se expresa, de la siguiente

forma:

U
n
F=
V
m

Asu vez, tiene como Distribución F, la consideración de “n” y “m” g.l en el que,

además, “n” g.l. son del numerador, y “m” g.l. son del denominador. De este modo, la

función de densidad de la V.A. F, se representa, de la siguiente manera:

{ ( n+m
2 )
n /2 m/ 2 ( n / m) −1
Г n m x
f ( x )= ∀ X ≥0
Г ( ) Г ( ) ( n+ m)
n m ( n+m ) / 2
2 2
0 ∀ X <0

EJERCICIOS RESULTOS

Ejercicio 01.
Si X ~ F (4,5), obtener las siguientes probabilidades:

Hallar:

a) P (X ≤ 7.39)

b) P (X > 11.4)

c) P (X ≤ 8)
P (X ≤ 0.0645)
177
Solución:

Aplicamos los valores presentes en la tabla F, se tiene:

P (X ≤ 7.39) = 0.975

P (X > 11.4) = 1 - P (X ≤ 11.4) = 1 – 0.99 = 0.01

P (X ≤ 8) ≈ 0.977

P (X ≤ 0.0645) Consideramos que se debe hallar (1 - α), tal que, F1-α, 4.5

= 0.0645

Sabemos que:

1 1
F α . 5.4= = =15.5
F 1−α . 4.5 0.0645

Donde:

α = 0.99 → 1 – α = 0.01

Ejercicio 02.

Si X ~ F (6,10), obtener el valor de h, en las siguientes probabilidades:

P (X ≤ h) = 0.99

P (X ≥ h) = 0.05

P (X ≤ h) = 0.025

Solución:

Aplicamos los valores presentes en la tabla F, se tiene:

P (X ≤ h) = 0.99 → h = 5.39

178
 P (X ≥ h) = 0.05 → h = P (X ≤ h) = 0.95 → h = 3.22

1 1
F 0.025.6,10 = = =0.183
F 0,975,10,6 546

Ejercicio 03.

Si X ~ F (15,12), hallar a y b, tal que, P (a ≤ X ≤ b) = 0.90, sabiendo que:

P (X > b) = 0.05

Solución:

La probabilidad P (X > b) = 0.05, es equivalente a P (X ≤ b) = 0.95

Luego, desde la tabla F (15,12), se obtiene b = 2.62

Así mismo:

De 0.90 = P (a ≤ X ≤ b) = P (X ≤ b) – P (X ≤ a), resulta P (X ≤ a) = 0.05

Por lo tanto:

1 1
a=F 0.05,15,12= = =0.4
F 0.95,12,15 2.48

EJERCICIOS PROPUESTOS

Ejercicio 01.

La demanda diaria, en kilogramos, de un producto se distribuyen según el modelo de

la probabilidad normal con una media de 50 y una desviación estándar de 10.

179
 a) ¿Cuál es la probabilidad de que la demanda de un día cualquiera esté entre los 46 y

54 kilogramos?

b) ¿Qué cantidad del producto debe haber diariamente a fin de satisfacer la demanda

en el 89,8% de los meses?

c) Si la utilidad diaria (en soles) del producto está dada por: U = 2,4X + 20, ¿con qué

probabilidad la utilidad de un día cualquiera supera los 170 soles?

d) ¿Cuál es la probabilidad de que la demanda total de 3 días supere los 116

kilogramos?

Respuesta: a) 0,3108 b) 62,7 kg. c) 0,1056 d) 0,9750

Ejercicio 02.

Un líquido industrial contiene un porcentaje X por galón de un compuesto particular

cuya distribución es normal con una media del 15% y una desviación estándar del 3%. El

fabricante tiene una utilidad neta de $0,15, si 9 < X < 21, de $0,10, si 21 ≤ X ≤ 27, y una

pérdida de $0,05, si 3 ≤ X ≤ 9, calcule la utilidad esperada por galón.

Respuesta:
Valores: {-0,05; 0,15; 0,10}
Probabilidades: {0,0228; 0,9544; 0,0228}
Esperanza: {0,14}.
Ejercicio 03.

Suponiendo que el monto del consumo por persona en un restaurante se distribuye

normalmente con una desviación estándar igual a $5. Si se sabe que el 15,87% de los clientes

consumen por más de $15 y que 112 personas pagaron menos de $7,1, ¿cuántas personas

comieron en el restaurante?

Respuesta: Rp. µ=$10; 400 personas

180
 Ejercicio 04.

Suponemos que la proporción de estudiantes de una Universidad que han fumado en

los últimos 6 meses es p=0,40. Para una clase de n=200 estudiantes que son representativos

de la población, ¿cuál es la probabilidad de que la proporción de estudiantes que hayan

fumado en los últimos seis meses se menor de 0,32?

Respuesta: 0,0104

Ejercicio 05.

La probabilidad de que un paciente se recupere de una rara enfermedad es 0,4. ¿Cuál

es la probabilidad de que en una muestra al azar de 100 pacientes de la población de 1 000

que sufren la enfermedad, más del 30% sobrevivan?

X−40
Respuesta: Z=
4,6499

Ejercicio 06.

Un proceso de producción tiene 4% de unidades defectuosas producidas. Para

controlar el proceso, se revisa periódicamente una muestra de unidades producidas.

a) Calcular aproximadamente la probabilidad de que en una muestra al zar de 150

unidades revisadas una por una se encuentren 6% defectuosos.

b) El proceso de producción se detiene si al revisar una muestra al azar de 100

unidades producidas se encuentran al menos 5% de unidades defectuosas. ¿Cuál es la

probabilidad de que el proceso no se detenga si realmente está produciendo 6% de unidades

defectuosas del total de la producción?

Respuesta: a) 0,0771; b) 0,6628

Ejercicio 08.

181
 Si X es una V.A. Chi-Cuadrado con “n” g.l. demostrar el cálculo de “a” de modo que,

P (X ≤ a) = 0,995. Donde n = 30.

Respuesta: a = 53,67

Ejercicio 09.

Si X ~ X(n), calcular:

a) a y b, tal que, P (a ≤ X ≤ b) = 0,95 y P (X > b) = 0,025. Donde n = 13

b) a, tal que, P (X ≤ a) = 0,015. Donde n = 8

Respuesta: a) a = 5,01; b = 24,74; b) a = 1,8267

Ejercicio 10.

Si X es una V.A. Chi-Cuadrado con 20 g.l. hallar a y b tal que: P (a < X2 ≤ b) = 0,98;

P (X2 ≤ a) = 0,01

Respuesta: a = 8,26; b = 37,57

Ejercicio 11.

Un psicólogo estima que la edad promedio de sus pacientes que sufren ansiedad es de

17 años; si la siguiente semana tiene en su agenda, un grupo de pacientes con edad promedio

de 18 años y una desviación típica de 2,4. Determinar si la afirmación del psicólogo es

correcta.

Respuesta: H1 ≠ 17 años.

Ejercicio 12.

182
 Una de las clases de un profesor, está programado para comenzar a las 8:10 am. Pero

él comienza su clase en un tiempo T que se distribuye uniformemente en el intervalo de 8:05

am, a 8:15 am. ¿Cuál es la probabilidad de que él comience su clase,

a) Al menos dos minutos más temprano?

b) A lo más tres minutos más tarde?

Respuesta: a) 3/10; b) 3/10

Ejercicio 13.

Un fabricante de focos afirma que sus productos durarán un promedio de 500 horas de

trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y

calculado cae entre –t 0.05 y t 0.05, él se encuentra satisfecho con esta afirmación. ¿Qué

conclusión deberá él sacar de una muestra de 25 focos, cuya duración fue?:

520 521 511 513 510

513 522 500 521 495
496 488 500 502 512
510 510 475 505 521
506 503 487 493 500

Donde:

µ = 500h; n = 25; Nc = 90%;  = 505.36; S = 12.07

Respuesta: La media poblacional no es 500.

Ejercicio 14.

Se a determinado que los salarios, en dólares, de las parejas de esposos son

independientes y que la distribución es N (350, 502) para los hombres y N (250, 352) para las

mujeres.

183
 a) ¿Con qué probabilidad el salario de una pareja de esposos supera los $720?

b) ¿Cuál es la probabilidad de que el salario del esposo sea superior al de su esposa?

c) ¿Qué probabilidad existe de que cada salario sea mayor de $300?

Respuesta: a) 0,0244 b) 0,9495 c) 0.0643

Ejercicio 15.

Los alambres de acero producidos por cierta fábrica tienen una resistencia media a la

tracción de 500 lb. y una 𝜎 = 20 lb. Si se extrae una m.a. de 100 alambres de los 100000

alambres producidos, ¿cuál es la probabilidad de que la media de la muestra difiera al

verdadero promedio en sólo 4 lb.?

Respuesta: 0,9544

Ejercicio 16.

Cierto tipo de artículo tiene un precio de venta fijo de 25 unidades monetarias (u.m.) y

un costo variable que es N (5,2). ¿Cuál es la probabilidad de que la venta de 6 artículos

origine una unidad neta total mayor que 125 u.m.?

Respuesta: 0.0207

184
 Conclusiones

El presente trabajo, se ejecutó, en base a los temas que se nos presentó, dentro de todo

el curso de Cálculo de Probabilidad. Que, adicional a lo anterior; este mismo, se desarrolló,

durante todo el semestre académico. El cual, se conforma, por 15 semanas. Y que todo ello

fue, de tal modo que, se pueda obtener un mejor proceso de aprendizaje durante todo el

tiempo que conllevó, el ya mencionado curso.

Asu vez, este mismo curso, cumple con un rol de suma relevancia en la carrera de la

Estadística e Informática -poniendo más énfasis, en el ámbito de la Estadística- en general.

Puesto que, en la vida profesional, de un Estadístico; se manifiesta en las acciones como:

Describir, analizar e interpretar; algunas características, de un conjunto de individuos -

muestra-, que pertenecen a una población. El cual, el estadístico, está evidentemente

estudiando.

185
 Por otro lado, el ya mencionado curso, nos ayuda a contar con una mejor predicción y

percepción, del futuro que se presente, en el instante de tomar decisiones; luego de realizar un

análisis, en base a la probabilidad. De misma manera, dicho curso, también cuenta un alto

grado de relevancia, en múltiples ramas de la ciencia; ya sea en la medicina, ingeniería e

incluso, en el sector económico. Así como, también nos apoya a determinar, el desarrollo de

un país cualquiera. Para, de este modo, tomar el mejor camino, hacia un óptimo desarrollo

nacional; e incluso, mundialmente.

En conclusión, cabe recalcar que, el curso denominado como Cálculo de

Probabilidad; es fundamental e indispensable, para la carrera de Estadística e Informática.

Puesto que, al momento de analizar y tratar de comprender una situación o problemática; nos

apoyamos en la probabilidad, para poder determinar una decisión correcta e idónea; para el

caso en cuestión. De modo que, la toma de decisiones, siempre está presente, en la vida

cotidiana del hombre. Se puede afirmar que, la probabilidad, y su cálculo, están incluso

presentes, en nuestro día a día.

186