EJERICICIOS DE PROBABILIDAD Por: Inocencio Melndez Julio. Magster en Administracin.

TALLER II. Solucin ejercicios de Probabilidad 1) Eventos: A: cumple especificaciones de llenado B: Por debajo del llenado establecido C: Por encima del llenado esperado . = Si P(B) = 0001 ,y P(A) 0.990 entonces

a) Como

P(ABC P(A) P(B) P(C) 1 )= + + =

. . = . Entonces P(C) = 1 P(A) P(B) = 1 0990 0001 0009 ) . + = b) P(AC= P(A)+ P(C) = 0990 0.0090.999 ) + = + = c) P(BC = P(B) P(C) 0.0010.0090.01 2) 100 estudiantes. 24: Matemticas, 68 Sicologa, 54 Historia

22: Matemticas y Historia 25: Matemticas y Sicologa 7: Historia pero no matemticas ni sicologa 10: Las tres asignaturas 8: ninguna de las tres asignaturas

Diagrama de Venn para los datos:

M 5

12 10 7

15

25

18 8

A)

P ( M y H dado S) =

10 = 0.147 = 14.7% 68 12 = 0.5 = 50% 5 + 12 + 7

B) P ( M y H dado S ) =

3) Aplicacin del Teorema de Bayes.

Sean: M: turno matutino, FH: fallas humanas, Datos: P ( M ) = P (V ) = P ( N ) = P (CI dado V) = 0.06 , P (CI dado N) = 0.02 1 3 , P (CI dado M) = 0.05 , P ( FH dado M ) = 0.32 V: turno vespertino, N: turno nocturno

CI: condiciones inseguras

P ( FH dado V) = 0.25 P ( FH dado N) = 0.30

a) P ( M ) =

1 3

b) P ( FH ) = P ( FH dado M) P(M) + P(FH dado V) P(V) + P(FH dado N) P(N) = 1 1 1 0.32 + 0.25 + 0.30 = 0.29 = 29% 3 3 3 c) P (V y CI) = P (CI dado V) P (V ) = 0.06 1 = 0.02 = 2% 3

1 0.32 P ( FH dado M) P(M) d) P ( M dado FH) = 3 = 0.3678 = 36.78% = P ( FH ) 0.29 4) Marcas de T: A, B, y C Sean los eventos: D: catador o probador M: la marca A es la ms deseable M : la marca A es la menos deseable Los eventos A , B y C son mutuamente excluyentes e independientes al evento D ya que el catador no diferencia entre una marca y otra, en tal caso todas las marcas de T tienen la misma probabilidad de ser escogidas y por lo tanto: P( M ) = 1 3 b) P ( A dado D) = P ( A) = 1 3 1 1 2 + = 3 3 3

a)

P ( M ) = P ( B C ) = P ( B ) + P (C ) =

5) Tres virus A, B y C Sea E: el evento enfermedad Datos: 3 tubos con virus A, 2 tubos con virus B y 5 tubos con virus C Entonces P ( A) = 3 , 10 P ( B) = 2 , 10 y P (C ) = 5 adems se sabe que 10

P ( E dado A) = Luego:

1 , 3

P ( E dado B) =

2 3

P ( E dado C) =

1 7

a) P ( E ) = P ( E dado A) P( A) + P ( E dado B) P(B) + P(E dado C) P(C) = 1 3 2 2 1 5 + + = 0.3047 = 30.47% 3 10 3 10 7 7 1 5 b) P (C dado E ) = P ( E dado C) P(C) = 7 10 = 0.2344 = 23.44% P( E ) 0.3047
6) Luis dice la verdad: LV

P(LV = ) P(LM = ) 1 4

3 4

Luis dice mentira: LM Too dice la verdad: TV

P(TV = )

5 y 6

P(TM = )

1 6

P[ (LVyTM) (LM TV)= P(LVyTM) P(LM TV) P(LV) y ] + y = P(TM)P(LM) + P(TV) = 3 1 1 5 8 + = = 33 % .33 4 6 4 6 24

7) 40 alumnos.

25 hombres de los cuales 7 hablan ingls 15 mujeres de las cuales 8 hablan ingls.

Eventos:

H: hombre , M: mujer , I: habla ingls

P(H = )

25 15 ) , P(M = 40 40

I : No habla ingls

]= P(I) = 1 P(I) = 1 [ P(Idado P(M) P(I M) + dado P(H) H)

a) 8 15 7 25 1 + = 0625 625 . = . % 15 40 25 40 15 , 40 H) = c) P(H yI) = P(Idado P(H) 7 25 = 0175 175 . = . % 25 40

M b) P( ) =

d)

P(Idado ) = M

8 = 05333 53 % . = .33 15

8) De 16 radios. 5 de ellos defectuosos y 11 buenos, se escoge una muestra de 3. Es un problema de distribucin hipergeometrica
a)

P(ninguno defectuoso(3buenos )= P )=

113 C = 02946 29 % . = .46 16 3 C

y s) = b) P(1bueno2defectuoso

[ 5C1 [ 112] = 0.491 491% ] C = .

16 3 C

9) Completar la tabla con totales por filas y por columnas

Analgsico Capsulas Tabletas Total

% de ventas 57 43 100

% dosis fuerte 38 31 69

Total 95 74 169

Sean. DF: dosis fuerte , a) P ( DF ) =

C: capsulas y T: tabletas

69 = 0.4082 = 40.82% 169 38 = 0.55 = 55% 69

b) P (C dado DF ) =

10) Aplicacin del Teorema de Bayes. Sean los eventos: S: el despertador suena , T: Llegar tarde Datos: P ( S ) = 0.8 , P ( S ) = 0.2 , P (T dado que S) = 0.2 , P (t dado que S) = 0.8 , S : El despertador no suena

t: llegar temprano

P (T dado que S ) = 0.9 ,

P (t dado que S ) = 0.1

a)

P (T y S) = P (T dado S) P(S) = (0.2)(0.8) = 0.16 = 16%

b) P (t ) = P (t dado S) P(S) + P(t dado S ) P( S ) = 0.8(0.8) + 0.1(0.2) = 0.66 = 66% c) P ( S dado que T) = P (T dado S) P(S) 0.2(0.8) = = P(T) P (T dado S) P(S) + P(T dado S ) P( S )

0.2(0.8) = 0.47 = 47% 0.2(0.8) + 0.9(0.2) d) P ( S dado que t ) = P (t dado S ) P( S ) 0.1(0.2) = = 0.030 = 3% P(t) 0.66

11) Viajan 120 personas: 48 hablan ingls, hablan los dos idiomas.

36 hablan francs y 12

Sean los eventos: I : Habla ingls I : No habla ingls, F: habla francs

Datos: P(I) =

48 , 120

P(F) =

36 12 , P(F yI) = 120 120

+ a) P(IF)= P(I) P(F)P(FyI)=

48 36 12 + = 06= 60 . % 120 120 120

12 P(FyI) 120 12 I) = = = 025 25 . = % b) P(Fdado = 48 48 P(I) 120 c) P(F yI ) = 12) Datos: 24 = 02= 20 . % 120

3% de los artculos son defectuosos

Sean los eventos: D: artculos defectuosos

B: artculos buenos ) . . Entonces: P(D = 003 y P(B) = 097 ) ) ) . (. ) . a) P(D yD = P(D P(D = 003003 = 00009 . (. ) . = % b) P(B yB) = P(B) P(B) = 097097 = 094 94 c) P(BD DB) P(BD)P(DB) P(B)P(D) P(D) = + = + P(B) 0.97( )+ 003097 = 0058 = 003 . ( . ) . .

13) Sean los eventos:

A: cambio de aceite,

F: cambio de filtro

D: cambio de aceite y cambio de filtro Datos:

a)

P(A) = 025 P(F) = 040 , . , .

P(D = 014 ) .

P(F dadoA) =

P(F yA) 014 . = = 056 56 . = % P(A) 025 .

F b) P(A dado) =

P(A yF) 014 . = = 035 35 . = % P(F) 040 .

14) ** Sean los eventos ) . CC: confiabilidad de que sea culpable. P(CC = 090 ) . CI: confiabilidad de que sea inocente. P(CI = 099 C: realmente culpable. P(C) = 005 . P (" C" ) = P (C ) P (CC )

C: El suero indica que es culpable. I: realmente inocente

I / " C" : Es culpable y se le considera inocente.

" C" / I : Es inocente y se le considera culpable.

P ( I / " C" ) = 0.10 P (" C" / I ) = 0.01

Cul es probabilidad de que sea inocente siendo que el suero indica que Es culpable ?

P ( I dado " C" ) =

P ( " C" dado I) 0.01 0.01 = = = 0.222 = 22.2% P (" C" ) P(C) P(CC) 0.05(0.99)

Nota. A mi juicio, este tipo de probabilidades, y en Lgica, las reglas de inferencia, en particular los silogismos, las tautologas y las falacias, son claves en la formacin de profesionales en cualquier rama del derecho.

15) Sean los eventos:

F : Clientes con fondos.

F : Clientes sin fondos , E: fecha equivocada P ( E dado F) = 0.999

Datos:

P( E dado F) = 0.001 , P ( F ) = 0.90 ,

P ( F) = 0.10

Si el cheque tiene fecha equivocada, cual es la probabilidad de que sea de un cliente sin fondos? P ( F dado E) = P( F y E) P ( E dado F) P( F) = = P(E) P(E dado F) P( F) + P(E dado F) P(F) 0.999(0.10) = 0.991 = 99.1% 0.999(0.10) + 0.001(0.90)

16) Sean los eventos: S: El espacio muestral. p: Vieron la pelcula , d: vieron el debate p y d : No vieron ninguno de los dos programas p y d: vieron la pelcula y el debate p d : Vieron alguno de los dos programas Datos:
# S = 2.500 ,

# p = 2.100 ,

# d = 1.500 ,

# (p y d) = 350

Como # S = 2.500 =# (p d) + # (p y d) entonces # (p d) = 2.500# (p y d) = 2.500 - 350 = 2.150 Por otra parte se tiene que:

2.150 =# (p d) =# ( p )+ # (d )# ( p y d) Entonces # ( p y d) =# (p)+ # (d) - 2.500 = 2.100 + 1.500 - 2.150 = 1.450

Los datos en un diagrama de Venn

650

1450

50

350

a) P ( p y d) =

1450 = 0.58 2500

650 P ( p y d) 2500 = = 0.65 b) P ( p dado d) = 1000 P(d) 2500 1450 P ( p y d) 2500 = = 0.6904 = 69.04% c) P ( d dado p) = 2.100 P(p) 2500 18) Sean los eventos: Ev: vota el esposo Datos: P ( Ev) = 0.31 , ev: vota la esposa P ( ev) = 0.23 , P ( Ev y ev) = 0.19

a)

P ( ev dado Ev) =

P ( Ev y ev) 0.19 = = 0.6129 = 61.29% P(Ev) 0.31 P ( Ev y ev) 0.19 = = 0.826 = 82.6% P(ev) 0.23

b) P ( Ev dado ev) = 19) Sean los eventos: E: Escapar

L1 : Escoger laberinto1, L4 : Escoger laberinto4 , Datos:

L2 : Escoger laberinto2 L3 : Escoger laberinto3 L5 :Escoger laberinto5

P(L1 ) = P(L2) = P(L3) = P(L4) = P(L5) = 02 . P(E dado1 ) = 01, L . P(E dado4 ) = 03, L . P(E dado2 ) = 01 , L . P(E dado5 ) = 05 L . P(E dado3 ) = 02 L .

Por el Teorema de Bayes se tiene que:

P(L2 dadoE ) =

P(E dado2 ) P(L2) L P(E)

Y por probabilidad total tenemos: P(E ) = P(Edado1) P(L1)+ P(Edado2 ) P(L2)+ P(Edado3) P(L3)+ P(Edado4) P(L4)+ L L L L P(Edado5 ) P(L5) = 0102 + 0102 + 02 02 + 03 02 + 05 02 = 024 L .( . ) .( . ) . ( . ) . ( . ) . ( . ) . Por lo tanto P(L2 dadoE ) = P(E dado2 ) P(L2) 0102 L .( . ) = = 0083 83 . = .% P(E) 024 .

20) Sean los eventos EC: efectivamente tiene cncer

dc: La prueba detecta que tiene cncer c: tiene cncer

c : no tiene cncer

Datos: P(c) 0.05 P(c ) = 0.95 P(dc = dado ) = 0.80 , c , , P(dc dado )= 0.1 c

P( = P(dc EC) dado P(c) P(dc c) + dado ) P( ) = 080 .05+ 01095 = 0135 13 % c c . (0 ) . ( . ) . = .5