2.

Las edades de 80 pacientes aleatoriamente de los hospitales de cierta rea

metropolitana son los siguientes:
a. Constryase una distribucin de frecuencias relativas y una distribucin de
frecuencias relativas acumuladas con intervalos de clases 0.5 a 15.5, 15.5 a 30.5,
etc.
b. Trcense un histograma de frecuencias relativas y una grafica de frecuencias
relativas.
c. Obtnganse la media, la mediana y la moda.
d. Calclese la varianza s, desviacin estndar.
e. Obtngase la proporcin de observaciones que caen en el intervalo formado al
medir una y dos desviacin tpica a partir de la media.

1 7 17 38 49 57 64 68
1 8 17 39 50 59 65 69
1 10 17 40 52 62 65 69
1 14 18 41 52 62 65 69
1 14 19 42 52 62 65 70
2 16 21 44 53 63 67 71
3 16 25 44 53 63 67 72
4 16 26 49 54 63 67 84
5 16 34 49 55 64 68 84
6 16 35 49 56 64 68 99

El primer paso consiste en la construccin de una tabla de distribucin de frecuencias y

a continuacin tendremos un repaso del procedimiento junto con un ejemplo.

TABLA DE DISTRIBUCIN DE FRECUENCIAS

A partir de los datos ordenados en un arreglo se puede presentar los datos en una
DISTRIBUCION DE
FRECUENCIAS. Para realizar la distribucin de frecuencias se puede seguir el
siguiente procedimiento:
a) Localice el valor mximo (xMax) y mnimo (Xmin) del conjunto de datos, y a partir de
ellos
Obtngase el RANGO como:
R = Xmax - Xmin
b) Ahora proceda a dividir el rango en INTERVALOS DE CLASE, se sugiere que el
nmero de intervalos
de clase no sea menor a 6 ni mayor a 20.
c) La LONGITUD DE EL INTERVALO de cada clase debe ser la misma en todas las
clases y deber ser
de tal que el punto medio de cada intervalo tenga el mismo nmero de dgitos y
precisin que los datos
originales.
30
d) Una vez definidos adecuadamente los intervalos proceda a contar los datos que se
encuentren dentro
de su lmite inferior y su lmite superior, el nmero de datos que caen dentro de dicho
intervalo,
constituye la FRECUENCIA DE CLASE.
e) Tome en cuenta que cada dato solo pertenece solamente a una clase, por lo que no
debe haber
ambigedad en su pertenencia a alguna clase.
f) El punto medio de cada intervalo es llamado LA MARCA DE CLASE y representar a
todos los puntos
que caigan dentro del intervalo.
g) LA TABLA DE DISTRIBUCIN DE FRECUENCIA se construye colocando en la
primera columna (
fila) los intervalos de clase y/o las marcas de clase y en la siguiente columna ( fila) las
frecuencias
correspondent

Por la naturaleza de los datos presentados en la tabla se puede optar por que cada uno
de los valores: 2,
3, 4, 5, 6, 7, 8, 9, 10 11 y 12 sean los intervalos, entonces

30
El rango es R = 7.1-2.3=4.8.
Dividiendo el rango en N = 7 intervalos ancho =4.8/7=0.6857
Como el ancho tiene muchos dgitos, el ancho se puede redefinir como ancho =0.7
Pero en este caso la longitud total de los intervalos es Longitud = (7) (0.7)=4.9
Esta longitud excede en 4.9 -4.8= 0.1 al rango, este excedente se puede repartir entre
las clase
extremas, por ejemplo, el lmite inferior de la primera clase es 2.25 y el superior
2.25+0.7= 2.95. Para la
segunda clase se considera como lmite inferior el lmite superior de la primera clase,
su correspondiente
Lmite superior es 2.95+0.7= 3.65, el proceso anterior se repite para cada una de las
clases posteriores.

Los resultados son colocados en la siguiente tabla:

30
 Ahora seguimos con nuestro problema, en el cual nos indican cuales deben de ser los
intervalos y automticamente nos podemos saltar los pasos anteriores, como lo
establecimos fue a manera de repaso para cuando el lector pueda realizarlo cuando no
se le indiquen los intervalos y tenga que construirla por s solo.

Intervalos mi fi fai fi rel. f.r.a. mifi fi(mi- )

0.5-15.5 8 15 15 0.1875 0.1875 120 19440
15.5-30.5 23 13 28 0.1625 0.35 299 5733
30.5-45.5 38 9 37 0.1125 0.4625 342 324
45.5-60.5 53 15 52 0.1875 0.65 795 1215
60.5-75-5 68 25 77 0.3125 0.9625 1700 14400
75.5-90.5 83 2 79 0.025 0.9875 166 3042
90.5-105.5 98 1 80 0.0125 1 98 2916
3520 47070

Pasemos con la revisin de las formulas de medidas de tendencia central.

30
30
Frmulas de Medidas de Dispersin:
Recorrido: Es la diferencia entre el valor ms alto y el ms bajo observado.

Xmnimo Xmximo R

30
30
 Retomando nuestro problema y gracias al uso de la tabla de distribucin de frecuencias
tenemos que la fixi=3520 que se refiere a la suma de la multiplicacin de las marcas de
clases por las frecuencias absolutas.

Media =3520/80=44

Dado que son datos agrupados, la formula qu se utiliza para obtener la moda es la
siguiente y L=60.5 porque es el lmite inferior del intervalo en el cual se concentra el
mayor numero de frecuencias relativas.
60.5-75-5 68 25 77 0.3125 0.9625 1700 14400

El vendra siendo el resultado de restar 25-15=10 y el consiste en 25-2=23.

Ahora L es la amplitud de la clase y sabemos que L=15.

Moda L = 60.5 + 10/10+23 15= 65

Dado que los datos son agrupados se utiliza la siguiente formula, en donde se debe de
calcular N/2=40 y ahora regresamos a la tabla de distribucin de frecuencias para
observar que el intervalo de la mediana se encuentra en
45.5-60.5 53 15 52 0.1875 0.65 795 1215
As que la frecuencia acumulada anterior a este intervalo es =37 y
es la frecuencia absoluta del intervalo de la mediana siendo 15 y ahora w es la amplitud
de la clase que es igual a 15.

Mediana = 45.5 + 40-37/15 15 = 48.5

Respecto a la varianza, se construye el valor y se refiera a la

sumatoria de la multiplicacin de la frecuencia absoluta por la diferencia entre la marca
de clase y la media elevada al cuadrado.

Varianza = 47070/79 = 595.82

30
Para la desviacin estndar solo basta con sacar la raz del valor de la varianza y as
obtenemos:

Desviacin std. = 595.82 =24.4

REPRESENTACIONES GRFICAS
An con una adecuada presentacin de los datos en una tabla, algunas veces el lector
tiene dificultades para la interpretacin de la informacin, especialmente a aquel que no
est
familiarizado con la informacin cuantitativa. La presentacin de la misma informacin
mediante un grfico, a menudo, provee de considerable ayuda. Hay muchas clases de
grficos,
pero el conocimiento de algunos tipos generales, ser suficiente en una primera etapa
del
aprendizaje sobre este tema.
La eleccin del tipo de grfico depende fundamentalmente de qu es lo que se
pretende
mostrar con el mismo y del tipo de variables que se quiera representar, como as
tambin de las
preferencias personales

HISTOGRAMA
El histograma es particularmente adecuado para
representar una distribucin de frecuencias de una variable cuantitativa
continua.

Este es un diagrama donde los intervalos de clase se representan en el eje horizontal y

sobre ellos se grafican rectngulos adyacentes con reas iguales o proporcionales
a las
frecuencias de los intervalos de clase. As, el rea total de los rectngulos resulta
igual N
(nmero total de observaciones) en caso de usar las frecuencias absolutas, y resulta
igual al
100% cuando se usa las frecuencias relativas expresadas en porcentajes. La altura de
cada
rectngulo se logra dividiendo la frecuencia del intervalo de clase por la longitud o
amplitud de
dicho intervalo. Cabe destacar que si todos los intervalos de clase tienen la misma
longitud,
entonces la altura de los rectngulos resultara iguales o proporcionales a las
frecuencias
observadas.
La
escala vertical muestra la frecuencia absoluta, es decir, el nmero de observaciones en
cada
30
intervalo. En el eje horizontal se represent el punto medio de cada intervalo de clase.
Al igual
que el grfico de barras, tambin se puede representar la frecuencia en porcentajes
sobre la
escala vertical

Asi pues obtenemos nuestro histograma de frencuencias relativas

30
POLGONOS DE FRECUENCIAS
Al igual que el histograma, sirve para
representar la distribucin de frecuencia de una variable cuantitativa continua,
pero es particularmente til para comparar distribuciones, de este
tipo de variables, para dos o ms grupos

Este grfico consiste en reemplazar los rectngulos por un polgono que une los puntos
medios de sus bordes superiores de esta manera las reas de los distintos rectngulos
se ve
compensada aproximadamente.
Cuando los grupos a comparar son de tamao diferente, las frecuencias absolutas
debern convertirse en frecuencias relativas porcentuales.

30
Por lo tanto podemos obtener nuestro polgono de frecuencias:

Para obtener la proporcin de observaciones que caen en el intervalo formado al medir

una y dos desviacin tpica a partir de la media se debe considerar que:

La desviacin estndar como se ha indicado anteriormente es una medida de la

dispersin de los datos,
est dispersin se mide a partir de la media de la distribucin de datos; por ejemplo,
supngase que se
comparan dos conjuntos de datos obtenidos a partir de la misma poblacin, los cuales
tienen el mismo
nmero de datos ( 1 2 N = N ),el mismo promedio ( 1 2 x = x ), entonces, si la
desviacin del primer
conjunto es menor que la del segundo conjunto, ( 1 2 s < s ), es posible afirmar que los
datos del primer
conjunto se encuentran ms concentrados que los de la segundo y la altura del primer
conjunto de datos
es mayor que la del segundo. La figura siguiente compara dos distribuciones continuas
con las
caractersticas descritas anteriormente.
30
La desviacin estndar se puede emplear tambin para medir las variaciones con
respecto a la media
de los valores con respecto a la media. Un valor pequeo de la desviacin tpica
estndar indica una
mayor probabilidad de obtener un valor ms cercano a la media. Esta idea se expresa
en un teorema
enunciado por el matemtico ruso Tchebycheff.

Teorema de Tchebycheff
La proporcin de cualquier conjunto de valores que caer dentro k desviaciones tpicas
a partir de la
media es al menos 1-1/k2, donde k es cualquier nmero mayor que 1.
Por ejemplo, para el caso de k = 2, el teorema anterior garantiza que sin importar como
es la distribucin
de frecuencias, existe 1-1/22=0.75 de los datos se encuentran dentro del intervalo
comprendido por
[x 2s, x + 2s]. En la figura 1, se muestra la idea del teorema de Tchebycheff para k =
2..
30
En nuestro problema nosotros contamos con los siguientes datos:
S= 24.4
= 44

1era Desviacin estndar 2da Desviacin estndar

1s 2s
44+24.4=68.4 44+48.8=92.8
44-24.4=19.6 44-48.8=-4.8

Comparacion de las dos distribuciones de frecuencias de nuestro problema.

19. 68.
-4.8 62 92.8

Y aunque el problema no lo dice, decidimos incluir:

Regla de la normal
En muchas ocasiones el histograma que representa la distribucin de frecuencia tiene
una forma de
campana simtrica, este tipo de distribucin puede ser comparada con una distribucin
terica continua
llamada curva normal. Es posible aplicar las caractersticas de la curva normal a este
tipo de
distribuciones muestrales para determinar la proporcin de datos contenidos dentro de
una, dos y tres
desviaciones estndar. A continuacin se enuncia la regla de la normal.
30
Para distribuciones de frecuencia simtricas en forma de campana, aproximadamente
el 68 % de los
datos caern en el intervalo [X S, X + S], el 95 % de los datos caern en el intervalo
[X 2S, X + 2S], y casi el 100 % de los datos caern en el intervalo [X 3S, X + 3S].

30
30
7.- Sea A un conjunto de cinco elementos a, b, c, d y e. Cuntas permutaciones
hay si se seleccionan cada vez dos elementos de A? Lstense las permutaciones
del espacio muestral.

Permutaciones sin combinacin.

La permutacin aparece cuando se tienen N objetos DISTINGUIBLES SIN

REEMPLAZO y estos pueden
ocupar r lugares o posiciones. Lo anterior se representa grficamente como

Aplicando el principio fundamental del conteo y recordando que en el primer lugar pude
ser ocupado por
los n objetos, el segundo lugar por los N-1 restantes y as sucesivamente hasta el lugar
r donde
solamente puede ser ocupado por n-r objetos

Permutaciones = n(n-1)(n-2)(n-3)(n.-r)1
Este producto particular es conocido como el FACTORIAL
n! = n(n-1)(n-2)(n-3)(n.-r)..1

Ejemplo:

8. Determinar cuantas formas hay de acomodar las letra A,B,C sin reemplazo en tres
lugares
consecutivos. Muestre explcitamente cuales son estas posibilidades.
Para el problema n =3 y r =3,
3P 3 = 3!= 1 2 3 = 6
Explcitamente las permutaciones se pueden obtener a partir del diagrama de rbol
siguiente
30
As para nuestro problema establecemos n como el nmero total de objetos y r como el
numero de selecciones del conjunto A.

A={a, b, c, d, e}

..n=5
..r=2

5!/(5!-2!)=5!/3!=20

20 posibles permutaciones
30
12.- En una votacin preliminar simulada para determinar la probabilidad de
cierto candidato para la presidencia de los E.U.A., se encontr que 495 de 1000
votantes seleccionados aleatoriamente estn a favor de dicho candidato. Cul
es la probabilidad de que cualquiera de los votantes favorezca a este candidato?

Es de mencionar que la definicin anterior est dada particularmente para conjuntos

finitos y existen
otras definiciones para conjuntos infinitos, por ejemplo par el caso de conjuntos
representados mediante
reas, la probabilidad se puede definir como el cociente de el rea que representa al
evento E entre el
rea total que representa al espacio muestral.
La probabilidad se puede interpretar como la medida de la ocurrencia de un evento que
es parte de un
evento E que es parte de un espacio muestral experimento aleatorio.

30
17.- Un club femenino conste de 30 miembros. De cuantas formas pueden
seleccionarse 3 dirigentes: presidenta, vicepresidenta y secretaria?

Dado que en la eleccin nicamente se pueden elegir a tres personas sin reemplazo,
es decir que no habr 2 presidentas o 5 vicepresidentas solo habr una de cada una, la
forma de saber cuntas posibilidades de orden habr para escogerlas es la siguiente:

Aplicando una permutacin en la cual sabemos que n es el nmero total de miembros y

r es la forma de acomodo.

..n=30

..r=3

P^30= (30)!/(30-3)!= 30!/27!= 24360

Hay 24360 formas de elegir a los 3 candidatos

22.- Un vendedor de aparato electrodomesticos ofrece 5 marcas diferentes de

hornos de microondas, cada uno en cuatro modelos distintos. Todos se
producen en tres colores diferentes. Cuntos tipos diferentes de hornos de
microondas ofrece en venta?

TCNICAS DE CONTEO
PRINCIPIO FUNDAMENTAL DEL CONTEO.
Si un evento n1 se puede realizar de N1 formas y otro evento se puede realizar de N2
formas, entonces el
evento conjunto se puede realizar de N1.N2 formas.
N = N1.N2 (2.1)
El principio fundamental del conteo se puede representar grficamente mediante el
llamado diagrama
de rbol. Cada trayectoria en el diagrama de rbol representa un posible resultado o
forma de realizarse
el experimento.
En la figura 1 se muestra el diagrama de rbol para el caso de N1=4 y N2 = 2, con lo
que se obtienen
N1*N2=4*2= 8 trayectorias formas
Por otra parte el principio fundamental del conteo se puede generalizar a k eventos,
esto es, si el evento
30
i puede ocurrir de Ni formas, entonces el evento total conjunto de los k eventos, se
puede realizar de
N1.N2. NiNk formas.

Del problema obtenemos las formas en el que los eventos pueden ocurrir, se decidi
comenzar por las marcas de los hornos despus por los modelos de los hornos y por
ultimo para quien estaba dirigido indicado en las tres diferentes edades. Nota: El orden
de esto pudo variar.

N=5 marcas de hornos

N=4 modelos distinos
N=3 edades diferentes

T=(N)(N)(N)=5*4*3= 60

30
 5

Diagrama del primer bloque comenzando por la marca de clases del cual obtenemos
12 formas de en las que se ofrece en venta el horno, por lo cual cm son 5 marcas de
hornos el total son 60 formas.

30
AXIOMAS BSICOS DE LA PROBABILIDAD
Aunque la definicin dada anteriormente de la PROBABILIDAD permite calcularla a
partir del conteo de
Los conjuntos, es necesario definir nuevas propiedades que permitan calcularla para
los casos en que no
Sea posible aplicar dicha definicin.

Es importante resaltar la propiedad c) ya que seala que ningn evento puede de

ninguna manera tener
una probabilidad negativa ni nunca puede ser mayor que la unidad. Por lo tanto, si al
resolver algn
problema se obtiene una probabilidad que no cumpla la propiedad c) se pude afirmar
que el problema
est mal resuelto.

REGLA DE LA ADICIN DE PROBABILIDAD PARA EVENTOS AJENOS

30
REGLA GENERAL DE LA ADICIN DE PROBABILIDAD.

Nota: La regla (f) se reduce a la regla (c) en el caso de conjuntos ajenos.

La regla es difcil de generalizar para un nmero grande de conjuntos. Por ejemplo, a
continuacin se muestra la regla de adicin para el caso de tres conjuntos A, B, C
cualquiera, no necesariamente ajenos

EJEMPLO:
35. En el experimento de arrojar tres monedas, se considera que los ocho posibles
resultados son
equiprobables. Si E1 denota al evento de que ocurran dos soles y E2 al evento de que
ocurran tres soles,
Cul es la probabilidad de que ocurra ya sea E1 E2? Esto es, cul es P(E1U E2)?
SOLUCION
El espacio muestral del problema y cada uno de los eventos E1 y E2 son mostrados a
continuacin
S = {arrojar 3 monedas}= {SSS, SSA, SAS, SAA, ASS, ASA, AAS, AAA}
E1= {dos soles}=}= {SSA, SAS, ASS}
E2= {3 soles}=}= {SSS}
P(E1)=3/8, P(E2)=1/8,
E1 U E2= {dos soles tres soles}=}= {SSA, SAS, ASS, SSS}
E1E2=
P(E1 U E2)=P(E1) +P (E2) =3/8 + 1/8 = 4/8 =1/2
30
Retomando nuestro ejercicio:

27.- El experimento de tirar dados, considrese que los 36 posibles resultados

con equiprobables. Dentese con A al evento de que ocurran cuatro o menos
puntos y B al evento de que ocurran 10 o ms puntos. Son mutuamente
excluyentes Ay B? Obtngase la probabilidad de que ocurran A y B, si A denota
al evento de que ocurra un numero non de puntos y B al evento de que ocurran
ms de 7 puntos, Cunto vale P(AUB)?. Utilcese un diagrama para mostrar la
unin de A y B, Obtngase la probabilidad de que ocurra un punto o cuatro o
siete o nueve puntos.

Evento A (4 o -4 pts.) Evento B (10 o +10 pts.)

1-{1,2,3} 4-{6}

2-{1,2} 6 posibles casos 5-{5,6} 6 posibles casos

3-{1} 6-{4,5,6}
30
S= {arrojar 2 dados al aire}= {[1,1], [1,2] [6,6]}

A= {4 o -4 pts.}= {[1,1], [1,2], [1,3], [2,1], [2,2], [3,1]}

B= {10 o +10 pts.}= {[4,6], [5,5], [5,6], [6,4], [6,5], [6,6]}

Entonces se tiene que:

P(A)=6/36

P(B)=6/36

AUB={[1,1],[1,2],[1,3],[2,1],[2,2],[3,1],[4,6],[5,5],[6,4],[6,5],[6,6]}

Adems AB=

P(AUB)=P(A)+P(B)=6/36+6/36=12/36=2/6=1/3

Evento A (numero non de pts.) Evento B (+7 pts.)

1-{2,4,6} 2-{6}

2-{1,3,5} 3-{5,6}

3-{2,4,6} 18 posibles casos 4-{4,5,6} 15 casos posibles

4-{1,3,5} 5-{3,4,5,6}

5-{2,4,6} 6-{2,3,4,5,6}

6-{1,3,5
30
As:

A= {numero non de pts.}=

{[1,2],[1,4],[1,6],[2,1],[2,3],[2,5],[3,2],[3,4],[3,6],[4,1,[4,3],[4,5],[5,2],[5,4],[5,6],[6,1],[6,3],
[6,5]}

B= {+7 pts.}= {[2,6],[3,5],[3,6],[4,4],[4,5],[4,6],[5,3],[5,4],[5,5],[5,6],[6,2],[6,3],[6,4],[6,5],

[6,6]}

AB= {[3,6], [4,5], [5,4], [5,6], [6,3], [6,5]}

P(AUB)=P(A)+P(B)-P(AB)= 18/36+15/36-6/36= 27/36

Probabilidad de que caiga en un punto, en 4 pts., en 7 pts. y en 9 pts.

Dado que son 2 dados, la probabilidad de que solo salga un punto es imposible as que
se descarta.

P(4pts) +P (7pts) +P(9pts) =

3/36+6/36+4/36=13/36
32.- Una caja contiene 10 esferas. Cinco de ellas son blancas, tres rojas y dos
negras. Se selecciona aleatoriamente una esfera sin reemplazo.

a. Cul es la probabilidad extraer dos esferas blancas una despus de otra?

b. Cul es la probabilidad de extraer una esfera roja y despus una negra?
c. Cul es la probabilidad de extraer 3 esferas rojas, una despus de otra?
d. Cul es la probabilidad de extraer una esfera negra, despus de una roja y
finalmente una blanca?

PROBABILIDAD CONDICIONAL
Eventos independientes y dependientes

Se dice que dos eventos A y B son EVENTOS INDEPENDIENTES si y solo si la

ocurrencia de uno de ellos no afecta la ocurrencia del otro.
Si A y B son EVENTOS INDEPENDIENTES entonces, la probabilidad de que ocurran
tanto A como B es igual al producto de sus probabilidades respectivas, esto es:

En el caso de que la ocurrencia de un evento A afecte la ocurrencia del evento B

entonces se tiene el caso de EVENTOS DEPENDIENTES de la PROBABILIDAD
CONDICIONAL, la cual se denota por:
P(B A) La probabilidad de B dado que ha ocurrido A
En general la probabilidad de la interseccin de los eventos AB, cuando son
dependientes se obtiene
Mediate la expresion:

EJEMPLOS

1. Determine si los eventos A = {sol en la primera tirada} B = {sol en la segunda tirada}

son independientes en el experimento de arrojar una moneda dos veces.

SOLUCION

El espacio muestral del problema es S = {(S, S), (S, A), (A, S), (A, A)}
Para la parte izquierda de la ecuacin (10)

E = {dos soles al arrojar una moneda dos veces} = AB = = {(S, S)}

P (AB)=N (E)/N(S)= 1/4

Para la parte derecha de la ecuacin (10) P {A}=1/2 P {B}= 1/2

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

Entonces se cumple que P (AB) = P(A).P (B), por lo que los eventos son
independiente.

Regresando a nuestro problema:

Experimento se realiza sin reemplazo

Deteniendo los siguientes conjuntos

Total de esferas B= {sacar bola blanca en 1era

..n=10 extraccin}
Repetidas en: 5 blancas B= {sacar bola blanca en 2da
3 rojas extraccin}
2 negras B= {sacar bola blanca en 3era
extraccin}
R= {sacar bola roja en 1era extraccin}
R= {sacar bola roja en 2da extraccin}
N= {sacar bola negra en 1era
extraccin}
N= {sacar bola negra en 2da
extraccin}
Dado que se cuentan con 5 canicas en la bolsa y se pretenden sacar 2 bolas una
seguida de la otra, al principio la probabilidad de sacar una bola blanca es de 5/10, 5
casos requeridos sobre 10 casos posibles as que cuando se logra sacar la primera
bola blanca, la probabilidad de que salga otra bola blanca se reduce a 4/9 ya que solo
quedan 4 bolas blancas y 9 bolas en total puesto que no se regresa la bola blanca que
se extrajo el principio, por lo cual es un experimento que se realiza sin reemplazo.

a) P({2 blancas una despus de la otra})=P(BB)= P(B) P(B/B)= (5/10) (4/9)=2/9

Lo mismo sucede con la probabilidad de sacar una bola roja, ya que se cuentan con 3
bolas rojas la probabilidad es dada por 3/10, cuando se logra extraer esa bola roja, la
probabilidad de que se obtenga una negra solo se ve afectada por el hecho de que
sali una bola de otro color y el nmero de casos posibles se reduce en uno quedando
la probabilidad de esta manera 2/9.

b) P({una roja y una negra})=P(RN)=P(R) P(N/R)= (3/10) (2/9)= 1/15

Cuando se tienen que sacar 3 bolas rojas de manera consecutiva, el anlisis es muy
similar, cuando sacas la primera bola roja, la probabilidad se reduce a 2/9 ya que ahora
solo quedan 2 bolas rojas y 9 bolas en total, y si aun falta una tercera bola, la
probabilidad tras sacar la segunda bola roja es de 1/8 ya que solo que una bola roja en
8 bolas totales.

c) P {3 rojas una despus de otra})=P(R/P(R/R)*P(R/RR)= (3/10) (2/9)(1/8)=1/20

Este caso pareciera ser especial, ya que cuando se tienen todas las bolas, al principio
la probabilidad de sacar una bola negra es de 2/10 porque se cuenta con 2 bolas
negras dentro de las 10 totales, cuando se saca la bola negra, la probabilidad de sacar
una bola roja es 3/9 porque aun se encuentran las 3 bolas rojas pero ahora que ha
salido una bola de otro color, el nmero total de bolas se reduce a 9, cuando se tiene
que sacar la bola blanca, la probabilidad es 5/8 ya que dentro de la bolsa continan
estando las 5 bolas blancas iniciales y lo nico que ha cambiado es la cantidad de
bolas ya que se han extrado de otro color. As la probabilidad de sacar una bola blanca
al final es ms alta que al principio.

d)P({negra, despus roja y blanca})=P(N)-P(R/N)*P(B/RN)=(2/10)(3/9)(5/8)=1/24

37.- Como muchos saben la hepatitis se detecta comnmente realizando pruebas
sanguneas. Supngase que en un cierto grupo de personas, el 3% realmente
tiene hepatitis (H) y el 97% no(H). Supngase adems que si una persona tiene la
enfermedad, el 95%de las pruebas sanguneas la detectan (p), pro el 5% no la
detectan (N). Para las personas que no tienen la enfermedad, el 6% de las
pruebas muestran resultados positivos y el 94% muestran resultados negativos.
Si la prueba sangunea de una persona es negativa, Cul es la probabilidad de
que en realidad tenga la enfermedad?

Ejemplo 8:
El 60% de los tornillos producidos por una fabrica proceden de la mquina A y el 40%
de la
Mquina B. La proporcin de defectuosos en A es 0.1 y en B es 0.5. .Cual es la
probabilidad de que
Un tornillo de dicha fabrica sea defectuoso? .Cual es la probabilidad de que, sabiendo
que un tornillo
Es defectuoso, proceda de la mquina A?
Estadstica 45
En este ejemplo, tenemos un experimento en dos etapas; en la primera, los sucesos
son:

A: tornillo fabricado por la mquina A

B: tornillo fabricado por la mquina B
Los valores de las probabilidades de estos sucesos son conocidos: p(A)=0,6 y
p(B)=0,4.
Los resultados de la segunda etapa son:

D: tornillo defectuoso
D: tornillo no defectuoso
Las probabilidades de estos sucesos dependen del resultado de la primera etapa:

p(D/A)=0,1 p(D/B)=0,5
A partir de estos valores podemos determinar tambin:

p(D/A)=1-P(D/A)=1-0,1=0,9 p(D/B)=1-P(D/B)=1-0,5=0,5
El suceso D se puede poner como: D=DA+DB, sucesos mutuamente excluyentes;
luego utilizando el teorema de las probabilidades totales:

p(D)=p(D/A)p(A)+p(D/B)p(B)=(0,1)(0,6)+(0,5)(0,4)=0,26

La otra probabilidad es p(A/D), probabilidad de un resultado de la primera etapa

condicionada a un resultado de la segunda; podemos aplicar el teorema de Bayes para
resolverlo:
Regresando a nuestro problema:

Gracias a los datos expresados en el problema, se puede construir este diagrama

en el que se representa

P(P/H)=0.9
P(H)*P(P/H)=(0.03)
(0.95)=0.0285

P(H)=0.0
P(N/H)=0. P(H)*P(N/H)=(0.03)
05 (0.05)=0.0015
P(P/H)=0.
P(H)=0.
P(H)*P(P/H)=(0.97)
97
(0.06)=0.0582

P(N/H)=0.
94 P(H)*P(N/H)=(0.97)
(0.94)=0.9118
=1

P(HN)+P(HN)

Si la prueba sangunea de una persona es negativa, Cul es la probabilidad de que en

realidad tenga la enfermedad?
P(H)*P(N/H)+P(H)*P(H/N)=(0.0015)(0.9118)=0.9133

Teorema de Bayes

P (HN)= P(H)*P(N/H)
P(H)*P(N/H)+P(H)*P(N/H)

P (HN)= 0.0015 =
0.9133