0% encontró este documento útil (0 votos)
80 vistas62 páginas

Probabilidad

Descargar como pdf o txt
Descargar como pdf o txt
Descargar como pdf o txt
Está en la página 1/ 62

FACULTAD DE CIENCIAS ECONÓMICAS Y

EMPRESARIALES
CURSO: ESTADÍSTICA 1

Cap 3. Probabilidad

Lima, Setiembre de 2020


Conceptos básicos
 Conceptos básicos de probabilidad
 Experimento, espacio muestra y eventos.
 Variable aleatoria: discreta y continua
 probabilidad simple, probabilidad compuesta
 Probabilidad condicional
 Probabilidad marginal, independencia
estadística,etc
Experimento
*Proceso que genera resultados definidos.
En cada una de las repeticiones del
experimento, habrá uno
y solo uno de los posibles resultados
experimentales
Ejemplos de experimento pueden ser:
 Lanzar una moneda

 Lanzar un dado

 Elegir a una persona de un grupo de “n”personas.

 Lanzar “n” monedas o lanzar una moneda “n”


veces
 Lanzar “n” dados o lanzar un dado “n” veces.

 Elegir “k” artículos de un conjunto de “n” artículos

 Elegir a 2 personas de un grupo de “n” personas.

 Observar cierta característica en un grupo de “n”


individuos,…,etc.
Evento
 A cada posible resultado de un experimento se le denomina
evento.
Tipos de eventos:
 Evento simple
 Resultado no desglosable (en aspectos más simples) de un
experimento, con una característica singular.
 Ejemplo. Cuando se lanza una moneda, los dos posibles resultados
son cara o sello (cada uno es un evento simple)
 Evento compuesto
 Es un evento que reúne 2 o más eventos simples.
 ejemplo: a) El evento M= Obtener un número par al lanzar un
dado: consiste en tres eventos simples: 2,4 ó 6
b) El evento de obtener 1 cara y 1 sello al lanzar dos
monedas
Espacio muestra: (S o Ω)
 Conjunto de todos los posibles resultados de un
experimento.
 Experimento: Lanzar un dado (o lanzar un dado una vez).
S={1,2,3,4,5,6}

 Experimento: Elegir una carta de una baraja de 52 cartas (o juego


de naipes):
S={cada una de las cartas de la baraja}
¿cuál es el espacio muestra de los
siguientes experimentos?
 Lanzar 2 monedas (o lanzar 1 moneda dos veces)
 Lanzar 2 dados (o lanzar 1 dado dos veces)
 Elegir un alumno de los “n” que hay en clase.
 Elegir dos alumnos de los “n” que hay en clase.
 Un estudiante responde al azar a dos preguntas de verdadero
falso.
 Dos personas eligen al azar, cada una de ellas, un número del 1
al 5.
 Elegir 2 cartas de una baraja de 52 cartas.
 Elegir 2 cartas de una baraja de 52 cartas (con reemplazo).
 Elegir 5 naranjas de una caja que contiene 12 naranjas de las
cuales 3 están malogradas.
Visualización de Eventos
 Tablas de contingencia
AS No es AS Total
Negro 2 24 26
Rojo 2 24 26
Total 4 48 52

 Diagramas de árbol As
Cartas
Todo el rojas No es As
juego de
cartas Cartas As
negras
No es As
Variable aleatoria
 Es una función definida sobre un espacio
muestra “S”, donde a cada evento del espacio
muestra le corresponde un número real:
X (ei) = xi
 Una variable aleatoria puede ser:
Discreta: si el número de eventos posibles es
finito o numerablemente infinito en un intervalo.
Continua: si el número de eventos posibles es
infinito (no numerable) en un intervalo.
 Dado un espacio muestra, se pueden definir
varias variables aleatorias sobre dicho espacio.
Ejemplo
Experimento: Lanzar dos monedas
Espacio muestra: S = {CC, CS, SC, SS}
Sobre ese espacio muestra se podrían definir
algunas variables aleatorias como por
ejemplo:
X= Número de caras
Y=Número de sellos
Z=2(Número de caras) + (Número de sellos)3
W=Número de caras - Número de sellos
¿qué tipos de variable serían las que hemos
definido aquí?
Probabilidad
 Probabilidad es la medida 1 Seguro de
o valor numérico que repre ocurrir

senta la oportunidad o posi


lidad de que un evento ocurra.
.5
 Es un proporción o fracción
cuyo valor está entre 0 y 1

0 Imposible
de ocurrir
Probabilidad
Existen tres aproximaciones sujetas a la
probabilidad (es decir 3 formas de asignar o
calcular la probabilidad de que algo ocurra):

a) Probabilidad clásica o a priori


b) Probabilidad empírica
c) Probabilidad subjetiva
Probabilidad a priori
 Se basa en la consideración de que los resultados de un
experimento son igualmente probables, así la
probabilidad de un Evento “E” se define como:

número de eventos éxito x


P( E )  
número total de posibles resultados T

ej. P(obtener 6 al lanzar un dado) = 1/6

 Cada uno de los resultados del espacio muestra tiene


igual probabilidad de ocurrir.
Probabilidad empírica
 Otra forma de definir la probabilidad es con
base en las “frecuencias relativas”. La
probabilidad de que un evento ocurra a largo
plazo se determina observando en que
fracción del tiempo sucedieron eventos
semejantes en el pasado.

LEY DE LOS GRANDES NÚMEROS. En una gran cantidad


de intentos, la probabilidad empírica de un evento se
aproximará a su probabilidad real.
Probabilidad empírica
Ejemplo. Una empresa conduce un estudio con
individuos seleccionados aleatoriamente para saber si
reciclan o no. De las 2541 personas encuestadas, 1054
dijeron que si reciclaban. Si elegimos al azar a una
persona cualquiera, ¿Cuál es la probabilidad de que
recicle?

Ejemplo.
Probabilidad empírica
Probabilidad subjetiva
 Si existe poca o ninguna experiencia en la cual se pueda basar
una probabilidad, de todas formas puede obtenerse una
probabilidad en forma subjetiva. Fundamentalmente, esto
significa evaluar las opiniones disponibles y otra información
subjetiva para después estimar o asignar la probabilidad.
Atinadamente a este concepto se le denomina probabilidad
subjetiva.
 La Probabilidad subjetiva es la posibilidad (probabilidad) de que
suceda un evento específico, asignado por una persona con
base en cualquier información de que disponga.
 La precisión de una probabilidad subjetiva depende de la
habilidad o conocimiento que tenga una persona para juzgar
una determinada situación. Se basa en una combinación de las
experiencias pasadas de individuo, la opinión personal y el
análisis de una situación particular.
Probabilidad subjetiva

 Estimar la probabilidad de que la selección


peruana clasifique a la Copa Mundial de
Fútbol de la FIFA Catar 2022.
 Un paciente le pregunta a su cardiólogo sobre
cuánta probabilidad tiene de salir exitosa la
operación de corazón abierto que le dijo que
tenía que realizarle.
¿Qué enfoque se emplea en estos
ejemplos para asignar la probabilidad?

Conceptos importantes
 Evento Imposible
 No puede ocurrir Evento Imposible
 ejemplo. Trébol y diamante

en una misma carta



 Complemento de un Evento
 Para un evento A, son todos los
Eventos que no son A
 Se denota como Ᾱ.
 Ejemplo. A: Reina de Diamantes

Ᾱ :Son todas las cartas del juego de baraja, que no


son la reina de diamantes
Conceptos importantes
 Eventos Mutuamente Excluyentes
 Realizado un experimento, se dice que dos o más eventos son mutuamente
excluyentes entre sí, “Si la ocurrencia de uno de ellos impide la ocurrencia de otro”.
Ejemplos:
a) Si el experimento es lanzar una moneda. Los dos resultados posibles del
experimento son: Cara y sello. Si se definen los eventos:
M: Obtener cara
N: Obtener sello

Se dice que M y N son eventos mutuamente excluyentes entre sí.

b) Si el experimento es Elegir una carta de una baraja de 52 cartas. Si se definen los


eventos:
A: Obtener reina de diamantes
B: Obtener el 2 de tréboles
C: Obtener el 3 de espadas
Se dice que A, B y C son eventos mutuamente excluyentes entre sí.

c) Determinar si los eventos son o no mutuamente excluyentes.


 Si un vendedor realiza una venta. Definimos los eventos:
R: La venta excede los 500 soles T: La venta excede los 1000 soles.
 Si un vendedor realiza una venta. Definimos los eventos:
R: La venta es de menos de 500 soles W: La venta es de entre 1000 y 5000 soles.
G: La venta es de más de 10000 soles
Conceptos importantes
 Eventos Colectivamente Exhaustivos

 Al realizar el experimento uno de los eventos puede ocurrir.


 El conjunto de eventos cubre la totalidad del espacio muestra

Ejemplos.
a) Si el experimento es lanzar una moneda. Los dos resultados posibles
del experimento son: Cara y sello. Si se definen los eventos:
M: Obtener cara
N: Obtener sello
M y N son eventos colectivamente exhaustivos, pues uno de ellos debe
ocurrir al lanzar una moneda.
b) Si el experimento es Elegir una carta de una baraja de 52 cartas. Si se
definen los eventos:
B: Obtener carta negra;
C: Obtener carta de diamante;
D: Obtener carta de corazón
B, C y D son eventos colectivamente exhaustivos, pues uno de ellos debe
ocurrir al Elegir una carta.
Por lo tanto……

Si un conjunto de eventos es
colectivamente exhaustivo y
los eventos son mutuamente
excluyentes, entonces la suma
de las Probabilidades es igual
a 1. Por ejemplo…
Si lanzamos un dado normal y definimos los
eventos:
A=obtener número mayor a 4
B=obtener número menor a 4
C=obtener 4
 Si elegimos una carta de una baraja de 52
cartas (hay 26 cartas rojas y 26 cartas
negras) y definimos los eventos:
M=obtener una carta roja
J=obtener una carta negra
(se entiende que el evento J es complemento del
evento M)
REGLAS DE CONTEO
EN MUCHOS CASOS ES COMPLICADO
DETERMINAR EL NÚMERO DE POSIBLES
RESULTADOS Y DE ÉXITOS, QUE NOS
AYUDEN A CALCULAR LA PROBABILIDAD DE
UN EVENTO.

EN ESTAS CIRCUNSTANCIAS SE HAN


DESARROLLADO UNAS REGLAS PARA
CONTAR EL NÚMERO DE POSIBLES
RESULTADOS.
REGLA DE CONTEO N°1
SI CUALQUIERA DE LOS “K” EVENTOS MUTUAMENTE
EXCLUYENTES Y COLECTIVAMENTE EXHAUSTIVOS
PUEDEN OCURRIR EN CADA UNO DE LOS “n “
ENSAYOS, EL NÚMERO DE POSIBLES
RESULTADOS ES IGUAL A:
n
k
Lo que se debe entender es que un experimento
se describe como una sucesión de “n" pasos
(ensayos) en los que hay siempre “k" resultados
(mutuamente excluyentes y colectivamente
exhaustivos) en cada uno de ellos.
REGLA DE CONTEO N°1
Ejemplo: Suponga que lanza una moneda
al aire 3 veces (o lanza al aire 3 monedas,
una vez) ¿Cuál es el número de diferentes
resultados posibles (la secuencia de caras y
sellos)?
Ejemplo: Suponga que lanza un dado 2
veces (o lanza 2 dados una vez) ¿Cuántos
posibles resultados diferentes pueden
ocurrir?
REGLA DE CONTEO N°2
SI HAY “K1” EVENTOS EN EL PRIMER ENSAYO, “K2”
EVENTOS EN EL SEGUNDO ENSAYO, Y “Kn” EVENTOS
EN EL n-ÉSIMO ENSAYO, ENTONCES, EL NÚMERO
DE POSIBLES RESULTADOS ES IGUAL A:

k 1 k 2 ... k n 
Ejemplo: El menú de un restaurante tienen un precio
fijo para las cenas completas que consisten en un
aperitivo, un platillo principal, una bebida y un postre.
Se tiene la posibilidad de elegir entre 5 aperitivos, 10
platillos, tres bebidas y seis postres. Determinar el
número total de cenas posibles.
REGLA DE CONTEO N°3
ESTA REGLA ESTÁ RELACIONADA CON EL CÁLCULO DEL
NÚMERO DE MANERAS EN LAS QUE UN CONJUNTO DE “n”
ELEMENTOS PUEDE ARREGLARSE EN ORDEN.

EL NÚMERO DE MANERAS EN EL QUE LOS “n”


ELEMENTOS PUEDE ARREGLARSE EN ORDEN ES:

n !  n n  1 ... 1 
donde n! se llama factorial de n. (Nota: 0!=1)

Ejemplo: Si un conjunto de 6 libros de texto se


colocan en una repisa, ¿de cuántas formas es posible
ordenar estos seis libros de texto?
REGLA DE CONTEO N°4
EN MUCHOS CASOS SE NECESITA SABER EL NÚMERO DE
FORMAS EN LAS QUE UN SUBCONJUNTO DE UN GRUPO DE
ELEMENTOS PUEDE ARREGLARSE EN ORDEN. CADA POSIBLE
ARREGLO ES LLAMADO PERMUTACIÓN.

PERMUTACIONES: EL NÚMERO DE MANERAS PARA


ARREGLAR “X” OBJETOS SELECCIONADOS DE “n”
ELEMENTOS TENIENDO EN CUENTA EL ORDEN ES:
n!
n PX 
n  x !
Ejemplo: Si se tienen las letras a, b y c ¿cuántas
permutaciones de 2 elementos se pueden formar?
Ejemplo: Si cinco corredores compiten en la final de los 100 m.
¿de cuántos modos pueden ganarse los tres primeros puestos?
REGLA DE CONTEO N°5
EN MUCHAS SITUACIONES SE NECESITA SABER EL NÚMERO DE
MANERAS EN LAS QUE “X” OBJETOS PUEDEN SELECCIONARSE A
PARTIR DE “n” ELEMENTOS SIN CONSIDERAR EL ORDEN. CADA
POSIBLE ARREGLO ES LLAMADO COMBINACIÓN.

COMBINACIONES: EL NÚMERO DE MANERAS DE


SELECCIONAR “X” OBJETOS A PARTIR DE “n” ELEMENTOS
SIN TENER EN CUENTA EL ORDEN ES:
n!
CX 
x! n  x !
n

Ejemplo: Si se tienen las letras a, b y c ¿cuántas combinaciones de 2


elementos se pueden formar?
Ejemplo: Un comité de 5 personas se va a seleccionar en un club de
12 miembros ¿De cuántos modos puede seleccionarse ese comité?
Regla especial de la
adición
Si dos eventos son mutuamente
excluyentes se cumple que:
P(A o B) = P(A) + P(B)

La regla especial se puede generalizar a 2 o


más eventos mutuamente excluyentes, así:
P(A o B o C o…..) = P(A) + P(B)+P(C)+……
Ejercicio. Al tirar un dado ¿cuál es la probabilidad de que se
obtenga un número mayor de 4 o un número menor de 2?
Ejercicio. Se lanzan dos dados ¿Cuál es la probabilidad de que
se obtenga una suma igual a 5 ó una suma igual a 8 ó una
suma igual a 10?
Ejercicio. En una empresa los 400 trabajadores son
clasificados según el área donde labora, teniendo 50 en
administración, 200 en operaciones y 150 en ventas. Si se
elige aleatoriamente a un empleado:
a) ¿Cuál es la probabilidad de que sea administrativo o de
ventas?
b) ¿ Cuál es la probabilidad de que no sea de ventas?
c) ¿Los eventos en el apartado a) son complementarios? ¿son
colectivamente exhaustivos? ¿son mutuamente
excluyentes?
Regla general de la adición
Si dos eventos NO son mutuamente
excluyentes se cumple que:

P(A1 o B1 ) = P(A1) + P(B1) - P(A1 y B1)


La regla general de la adición se puede
generalizar a 2 o más eventos, así:
P(E1 E2 ...EN )  P(E1)  P(E2 ) ... P(EN ) P(Ei Ej )  P(Ei Ej  Ek ) ...
... P(E1 E2 ...EN )
Ejercicio. Al tirar un dado ¿cuál es la
probabilidad de que se obtenga un número
mayor de 3 o un número par?
Ejercicio. Si se lanzan dos dados ¿Cuál es la
probabilidad de que se obtenga una suma
igual a 8 ó un número de puntos igual en
cada dado?
Ejercicio. Al tirar un dado ¿cuál es la
probabilidad de que se obtenga un número
par o un número menor de 3 o un número
entre 2 y 4, inclusive?
Ejercicio. Se tiene una baraja de 52 cartas,
y se selecciona aleatoriamente una carta
¿Cuál es la probabilidad de que la carta sea
roja o un as?
P(Obtener carta roja o un As) 
 p(roja)  p(as)  p(roja y as) 
26 4 2 28 7
   
52 52 52 52 13
Este problema también podría ser visto y resuelto através
de una tabla de contingencias, como se aprecia a
continuación:
Calculando probabilidades
usando la Tabla de Contingencia
Color
Tipo Rojo Negro Total
As 2 2 4
No es As 24 24 48
Total 26 26 52
Ejemplo. P(Obtener carta roja o As) 
 p(roja)  p(as)  p(roja y as) 
26 4 2 28 7
   
52 52 52 52 13
Calculando probabilidades usando la Tabla de
Contingencia
Supongamos que se registra información sobre
sexo y nivel de educación de 200 adultos
seleccionados al azar.
Educación
Sexo Básica Media Universitaria Total

Hombre 38 28 22 88
Mujer 45 50 17 112
Total 83 78 39 200
Probabilidades usando Tablas de
contingencia
Independencia estadística y
Probabilidad condicional
 Si dos eventos A y B son Independientes,
entonces la probabilidad de que ocurra A y
B, será:
P ( A y B )  P ( A).P ( B )
" Re gla especial de la multiplicaciòn"
Los Eventos A y B son Independientes
cuando la Probabilidad de un evento, B, no
es afectada por la ocurrencia de otro
Evento, A.
Independencia estadística y
Probabilidad condicional
La regla especial de la multiplicación se puede
generalizar a 2 o más eventos
independientes, diciendo que la probabilidad
de que ocurran conjuntamente N eventos
independientes, uno tras otro, es:

P(E1 y E2 y ... y EN) = P(E1). P(E2)...P(EN)


Ejercicio. Se lanzan dos monedas al aire ¿Cuál es la
probabilidad de que ambas caigan cara?

Ejercicio. Una moneda se lanza 7 veces, calcular la


probabilidad de que aparezcan exactamente 4 caras.

Ejercicio. Se lanza un dado cinco veces.


a) Determine la probabilidad de que sólo los 3 primeros
lanzamientos sean 6.
b) Determine la probabilidad de que exactamente en tres de
esos cinco lanzamientos salga el seis.

Ejercicio. Una familia tiene tres hijos. Suponiendo que la


probabilidad de que un hijo sea varón o mujer es la misma,
determine la probabilidad de que:
a) Los tres sean del mismo sexo.
b) Dos sean varones.
Independencia estadística y
Probabilidad Condicional
Ahora si dos eventos no son independientes,
osea son dependientes, entonces surge el concepto
de probabilidad condicional (es la
probabilidad de que ocurra un evento dado
que otro evento haya ocurrido)
Surge entonces la:
 Regla general de la Multiplicación :

P( A y B)  P( A).P( B | A)  P( B).P( A | B)
P A y B 
Probabilidad Condicional : P(A | B) 
P(B)
Ejercicio. Una caja contiene 12 naranjas, tres de las
cuales están malogradas. Si seleccionamos al azar 5
naranjas:
a) ¿Cuál es la probabilidad de que dos de las naranjas
seleccionadas estén malogradas?
b) ¿Cuál es la probabilidad de que ninguna de las
naranjas seleccionadas esté malograda?
c) ¿Cuál es la probabilidad de que una de las naranjas
seleccionadas esté malograda?
b) ¿Cuál es la probabilidad de que tres de las naranjas
seleccionadas estén malogradas?
Más ideas sobre la “Probabilidad condicional”
Pongamos atención a los dos problemas siguientes:

a) Se lanza un dado ¿Cuál es la probabilidad de obtener


“6”?
Definimos el evento:
A: Obtener “6”
Se pide: P(A)
La respuesta es…

b) Se lanza un dado y se obtiene número par ¿Cuál es


la probabilidad de obtener “6”?
Definimos los eventos:
A: Obtener “6” B: Obtener número par
Se pide: P(A\B)
La respuesta es…
Probabilidad Condicional Usando la Tabla de
Contingencia
Ejercicio. Se tiene una baraja de 52 cartas, y se
selecciona aleatoriamente una carta resultando ser
roja ¿Cuál es la probabilidad de que la carta sea un as?
Definimos los eventos:
A: Obtener “As”
B: Obtener carta Roja

Se pide: P(A\B)=?
Regla de la suma y multiplicación:
Particiones
Sean los eventos E1, E2, E3 ... ,EN una partición
del espacio muestra S, es decir, todos
mutuamente excluyentes, de tal forma que la
unión de todos conformen el espacio muestral S.
Sea además un evento E, perteneciente a S,
como se muestra (sombreado) en la figura
siguiente:

Particiones de S.
Entonces podemos decir:

P (E ) = P (E y S) = P [E y (E1 o E2 o ... o EN)]

P (E ) = P (E y E1) o P (E y E2) o ... o P (E y EN)

P(E) = P(E 1)P (E \E 1) + P(E 2)P (E \E2) + ... + P(EN)P (E


\ EN)

P( E) =  P( E i ) P( E \ E i)
Ejemplo. Aplicando la Regla de la suma
y multiplicación: Particiones
Una cartera de clientes es segmentada en
tres grupos: A, B y C. La cantidad de
clientes en cada grupo son 500, 400 y 100
respectivamente. El porcentaje de clientes
morosos en cada grupo es 1%, 2% y 3%
respectivamente.
Si selecciona un cliente al azar, ¿Cuál es la
probabilidad de que el cliente sea moroso?
Teorema de Bayes
Este teorema se utiliza para revisar probabilidades
previamente calculadas cuando se posee nueva
información.

Desarrollado por el reverendo Thomas Bayes


(1702-1761) en el siglo XVII, el teorema de Bayes
es una extensión de lo que hemos aprendido
hasta ahora acerca de la probabilidad condicional.
En el estudio de la probabilidad condicional se vio
que revisar las probabilidades cuando se obtiene
más información es parte importante del análisis
de probabilidades.
Teorema de Bayes
Por lo general, se suele iniciar el análisis con una estimación de
probabilidad inicial (probabilidad a priori) o probabilidad previa de los
eventos que interesan.

Después, de fuentes como una muestra, una información especial o


una prueba del producto, se obtiene más información sobre estos
eventos.
Dada esta nueva información, se modifican o revisan los valores de
probabilidad mediante el cálculo de probabilidades revisadas a las que
se les conoce como probabilidades posteriores. El teorema de Bayes
es un medio para calcular estas probabilidades.

El teorema de Bayes es aplicable cuando los eventos para los que se


quiere calcular la probabilidad revisada son mutuamente excluyentes y
su unión es todo el espacio muestral.
Teorema de Bayes

“SI LA PROBABILIDAD ES UNA


MEDIDA DE LA IMPORTANCIA DE
NUESTRO ESTADO DE
IGNORANCIA, DEBE CAMBIAR SU
VALOR SIEMPRE QUE
AGREGUEMOS ALGÚN NUEVO
CONOCIMIENTO”.
Teorema de Bayes

P(A)  P(B | A)
P(A | B) 
P(A)  P(B | A)  P(A' )  P(B | A' )

Expresión general:

P(Bj | Ai )P( Ai )
P( Ai | Bj ) 
P(Bj | A1)P( A1 )  P(Bj | A2 )P( A2 )  ... P(Bj | Ak )P( Ak )
P(Bj | Ai )P( Ai )
P( Ai | Bj )  k

P(B | A )P( A )
i
j i i
Teorema de Bayes
Aunque esta expresión no es más que
una aplicación de las reglas de suma y
multiplicación de probabilidades, tiene
mucha importancia pues ha servido
para desarrollar la inferencia o
estimación bayesiana, que,
mediante el empleo de datos
experimentales llega a estimar
probabilidades subjetivas con buena
precisión.
Aplicando Teorema de Bayes
Una cartera de clientes es segmentada en
tres grupos: A, B y C. La cantidad de
clientes en cada grupo son 500, 400 y 100
respectivamente. El porcentaje de clientes
morosos en cada grupo es 1%, 2% y 3%
respectivamente.
Si selecciona un cliente al azar y resulta
que es moroso ¿Cuál es la probabilidad de
que el cliente sea del segmento C? ¿ y que
sea del segmento B? ¿y que sea del
segmento A?
Problema

Si se elige al azar un número


de cinco dígitos, ¿cuál es la
probabilidad de que al menos
dos de sus dígitos sean ``7''?
Problema. El comisario de policía de un distrito limeño
clasifica los delitos por edad (en años) del malhechor, y si el
crimen es con violencia o no. Según se muestra a
continuación, al comisario se le informó de un total de 150
delitos cometidos durante el año pasado.
Edad
Tipo de Menos de 20 20 a menos 40 o más Total
delito años de 40
Con violencia 27 41 14 82
Sin violencia 12 34 22 68
Total 39 75 36 150

a) ¿Cuál es la probabilidad de seleccionar un caso para


analizarlo y encontrar que se trató de un delito con violencia?
b) ¿Cuál es la probabilidad de seleccionar un caso para
analizarlo y descubrir que el delito lo cometió alguien con
menos de 40 años de edad?
Edad
Tipo de Menos de 20 20 a menos 40 o más Total
delito años de 40
Con violencia 27 41 14 82
Sin violencia 12 34 22 68
Total 39 75 36 150

c) ¿Cuál es la probabilidad de seleccionar un caso


relacionado con un crimen violento o un delincuente de
menos de 20 años de edad?
d) Dado que se selecciona para análisis un delito con
violencia, ¿cuál es la probabilidad de que lo haya
cometido una persona de menos de 20 años de edad?
e) Un juez seleccionó dos casos para revisarlos, ¿Cuál es
la probabilidad de que ambos sean crímenes cometidos
con violencia?
Problema
Una caja contiene 4 canicas azules y 6 rojas. Si se
extraen dos aleatoriamente, una tras otra y sin
reemplazo:
a)¿Cuál es la probabilidad de que sean azules?
b)¿Cuál es la probabilidad de que la primera sea azul
y la segunda sea roja?
c) ¿Cuál es la probabilidad de que una sea azul y la
otra sea roja?
d) ¿Cuál es la probabilidad de elegir al menos una
azul?
e) ¿Cuál es la probabilidad de que ninguna sea azul?
Problema
En un poblado el 55% de los votantes están
registrados en el partido político A y el 45% de los
votantes están registrados en el partido político B. Hay
2 candidatos a la alcaldía: Rafael, del partido A, y
Daniel, del partido B. En la elección, 80% de los del
partido A y 10% de los del partido B votaron por
Rafael. El 20% de los del partido A y 90% de los del
partido B votaron por Daniel.
a) Si selecciona a un votante al azar, ¿Cuál es la
probabilidad de que haya votado por Daniel?
b) Si se selecciona a un votante al azar y se encuentra
que ha votado por Daniel ¿Cuál es la probabilidad de
que sea del partido B?
Problema
Una clase de estadística avanzada está formada
por 10 estudiantes de segundo año, 30 de
cuarto año y 10 graduados. Tres estudiantes de
segundo año, 10 de cuarto año y 5 graduados
obtuvieron calificación A.
a) Si se selecciona al azar un estudiante de esta
clase ¿Cuál es la probabilidad de que haya
obtenido calificación A?
b) Si se selecciona al azar un estudiante y se
encuentra que su calificación es A, ¿Cuál es la
probabilidad de que sea un graduado?

También podría gustarte