2
Probabilidad
Bosquejo del capítulo
2-1 Espacios de muestra y Eventos
2-1.1 experimentos aleatorios
2-1.2 Espacios de ejemplo
2-1.3
Eventos
2-1.4 técnicas de conteo
2-2 Interpretaciones y axiomas de
la probabilidad
2-3 Reglas de adición
2-4 La probabilidad condicional
2-5 Multiplicación y Reglas de
probabilidad total
2-6 Independencia
2-7 Teorema de Bayes
2-8 Variables aleatorias
Una mujer atlética de unos veinte años llega al servicio de
urgencias quejándose de mareos después de correr cuando
hace calor. Un electrocardiograma se utiliza para comprobar
si hay un ataque al corazón, y el paciente genera un resultado
anormal. La prueba tiene una tasa de falso positivo 0.1 (la
probabilidad de un resultado anormal cuando el paciente es
normal) y una tasa de falsos negativos de 0,1 (la probabilidad
de un resultado normal cuando el paciente es anormal).
Además, se podría suponer que la probabilidad previa de un
ataque al corazón para este paciente es de 0,001. Aunque la
prueba anormal es una preocupación, es posible que se
sorprenda al saber que la probabilidad de un ataque al
corazón dado el resultado electrocardiograma sigue siendo
inferior a 0,01. Ver “¿Por qué Los clínicos son bayesianos
natural” (2005), bmj.com para los detalles de este ejemplo y
otros.
La clave es combinar adecuadamente las probabilidades
dadas. Además, el mismo análisis exacto utilizado para este
ejemplo médica se puede aplicar a las pruebas de productos
de ingeniería. Consecuentemente, el conocimiento de cómo
manipular las probabilidades con el fin de evaluar los riesgos
y tomar mejores decisiones es importante a lo largo
disciplinas científicas y de ingeniería. En este capítulo, las
leyes de la probabilidad se presentan y se utilizan para
evaluar los riesgos en casos como éste y muchos otros.
15
 16 Capítulo 2 /
Probabilidad

Objetivos de aprendizaje
Después de un cuidadoso estudio de este capítulo, usted debería ser capaz de hacer lo siguiente:

1. Entender y describir espacios muestrales y eventos para los experimentos aleatorios con gráficos,
tablas, listas o diagramas de árbol
2. Interpretar y utilizar las probabilidades probabilidades de los resultados para calcular las
probabilidades de eventos en espacios muestrales discretos
3. Utilice permuations y combinaciones para contar el número de resultados, tanto en un evento y
el espacio muestral
4. Calcular las probabilidades de eventos conjuntos, tales como uniones e intersecciones de las
probabilidades de los eventos individuales
5. Interpretar y calcular las probabilidades condicionales de eventos
6. Determinar la independencia de los acontecimientos y la independencia utilizar para calcular las probabilidades
7. Utilice el teorema de Bayes para calcular probabilidades condicionales
8. Comprender variables aleatorias

2-1 Espacios de muestra y Eventos

2-1.1 ALEATORIO EXPERIMENTOS
Si medimos la corriente en un alambre fino de cobre, estamos realizando un experimento. Sin
embargo, el día a día repeticiones de la medición pueden variar ligeramente debido a pequeñas
variaciones en las variables que no son controlados en nuestro experimento, incluyendo
cambios en la temperatura ambiente, ligeras variaciones en la galga y pequeñas impurezas en
la composición química del alambre ( si diferentes ubicaciones se seleccionan), y derivas de
fuentes de corriente. En consecuencia, se dice que este experimento (así como muchos
llevamos a cabo) que tienen un componente aleatorio. En algunos casos, las variaciones dom
ran- son lo suficientemente pequeños, en relación con nuestros objetivos experimentales, que
pueden ser ignorados. Sin embargo, no importa cuán cuidadosamente nuestro experimento se
diseñó y llevó a cabo, la variación es casi siempre presente, y su magnitud puede ser lo
suficientemente grande que las conclusiones importantes de nuestro experimento no son
obvias. En estos casos, los métodos presentados en este libro para el modelado y análisis de
los resultados experimentales son muy valiosos.
Nuestro objetivo es entender, cuantificar y modelar el tipo de variaciones que a menudo
nos encontramos. Cuando incorporamos la variación en nuestro pensamiento y análisis,
podemos hacer juicios informados de nuestros resultados que no son invalidadas por la
variación.
Modelos y análisis que incluyen variaciones no son diferentes de los modelos utilizados en
otras áreas de la ingeniería y la ciencia. La Fig. 2-1 muestra los componentes importantes. se
desarrolla un modelo Matemáticas- ematical (o abstracción) del sistema físico. No tiene que
ser una abstracción per- fecto. Por ejemplo, las leyes de Newton no son descripciones perfectas
de nuestro universo físico. Aún así, son modelos útiles que pueden ser estudiado y analizado
a aproximadamente cuantificar el rendimiento de una amplia gama de productos de ingeniería.
Dada una abstracción matemática que se valida con las mediciones de nuestro sistema,
podemos usar el modelo para comprender, describir y cuantificar aspectos importantes del
sistema físico y predecir la respuesta del sistema a las entradas.
A lo largo de este texto, se discuten los modelos que permiten a las variaciones en las
salidas de un sis- tema, a pesar de que las variables que controlamos no se cambian
deliberadamente durante nuestro estudio. Fig. 2-2 muestra gráficamente un modelo que
incorpora entradas incontrolables (ruido) que se combinan con las entradas controlables para
 Sección 2-1 / Espacios de ejemplo y Eventos
producir la salida de nuestro sistema. Debido a las entradas incontrolables, la misma 17
configuración para las entradas controlables no dan lugar a salidas idénticas cada vez que se
mide el sistema.
 18 Capítulo 2 /
Probabilidad

variables
controlad
as

sistema físico Sistema

Entra Salida
da
Mediciones Análisis

Model
o variables
de ruido

FIGURA 2-1 iteración continua entre el FIGURA 2-2 variables de ruido afectan a la
modelo y el sistema físico. transformación de entradas en salidas.

Experim
ento Un experimento que puede dar lugar a resultados diferentes, a pesar de que se repite
aleatorio de la misma manera cada vez, se denomina experimento aleatorio.

Para el ejemplo de la medición de corriente en un alambre de cobre, nuestro modelo para

el sistema podría ser simplemente la ley de Ohm. Debido a las entradas incontrolables, se
esperan variaciones en las mediciones de alquiler Cur-. La ley de Ohm podría ser una
aproximación adecuada. Sin embargo, si las variaciones son grandes en relación a la
utilización prevista del producto en estudio, podríamos necesitamos extender nuestro modelo
para incluir la variación. Véase la Fig. 2-3.
Como otro ejemplo, en el diseño de un sistema de comunicación, tal como una red de
ordenadores o comunicación de voz, la capacidad de información disponible para servir a las
personas que utilizan la red es una consideración de diseño importante. Para la comunicación
de voz, suficientes líneas externas tienen que estar disponibles para satisfacer las necesidades
de un negocio. Suponiendo que cada línea puede transportar una única conversación, cuántas
líneas deben ser comprados? Si se compran muy pocas líneas, las llamadas pueden ser
retrasados o perdidos. La compra de demasiadas líneas aumenta los costos. Cada vez más, el
diseño y desarrollo de productos se requiere para satisfacer las necesidades del cliente a un
coste competitivo.
En el diseño del sistema de comunicación de voz, se necesita un modelo para el número de
llamadas y la duración de las llamadas. Aún sabiendo que, en promedio, las llamadas se
producen cada cinco minutos y que duran cinco minutos no es suficiente. Si las llamadas
llegaron precisamente a intervalos de cinco minutos y se prolongaron durante exactamente
cinco minutos, una línea telefónica sería suficiente. Sin embargo, la variación slight- est en el
número de llamada o la duración resultaría en algunas llamadas que son bloqueados por otros.
Véase la Fig. 2-4. Un sistema diseñado sin tener en cuenta la variación será lamentablemente
inadecuado para su uso práctico. Nuestro modelo para el número y duración de las llamadas
debe incluir la variación como un componente integral.

2-1.2 MUESTRA ESPACIOS

A modelar y analizar un experimento aleatorio, hay que entender el conjunto de posibles los
resultados a partir del experimento. En esta introducción a la probabilidad, utilizamos los
conceptos básicos de conjuntos y operaciones sobre conjuntos. Se supone que el lector está
familiarizado con estos temas.
 Sección 2-1 / Espacios de ejemplo y Eventos
Espacio muestral 19
El conjunto de todos los posibles resultados de un experimento aleatorio se denomina
espacio muestral
del experimento. El espacio de muestra se denota como S.
Un espacio de muestra se define a menudo sobre la base de los objetivos del análisis. El
siguiente ejemplo ilustra varias alternativas.
 20 Capítulo 2 /
Probabilidad

Llamada 1234

Tiempo de
duración de 05101520
Minutos
Corrien

llamada
123
te

Llamada

Llamada 3 bloqueado
Tiempo de
duración de 05101520
voltaje llamada Minutos

FIGURA 2-3 Un examen más detenido de las FIGURA 2-4 La variación provoca interrupciones en el
desviaciones del sistema de identi fi ca a partir sistema.
del modelo.

tiempo de un desarrollo rápido (el tiempo necesario para preparar la cámara antes de otro flash).
Ejemplo 2-1 Cámara
Los Destello
valores posibles de este
Considere un experimento que selecciona una cámara de teléfono celular
y registra el reciclaje
el tiempo depende de la resolución del temporizador y el tiempo máximo y mínimo de reciclado. Sin embargo, debido
a que el tiempo es positivo, es conveniente definir el espacio de muestra simplemente como la línea real positivo
S 
Si se sabe que todos los tiempos de reciclado son entre 1,5 y 5 segundos, el espacio de muestra puede ser
S 
Si el objetivo del análisis es considerar sólo si el tiempo de reciclado es baja, media o alta, el espacio de muestra puede
ser tomada a ser el conjunto de tres resultados
S 
Si el objetivo es sólo para evaluar si es o no una cámara en particular se ajusta a ción de un tiempo mínimo de reciclaje
especificación, el espacio muestral se puede simplificar a un conjunto de dos resultados
S 
que indica si la cámara coincida.

Es útil distinguir entre dos tipos de espacios de muestra.

Espacios de
ejemplo Un espacio de muestra es discreto si se trata de un conjunto infinito finito o numerable
discretas y de los resultados.
continuas
Un espacio de muestra es continuo si contiene un intervalo (ya sea finito o infinito)
de números reales.

En el Ejemplo 2-1, la elección S






sión de la línea real positivo R es tomar el espacio de muestra para ser el cuadrante positivo del
avión
 Sección 2-1 / Espacios de ejemplo y Eventos
21
Ejemplo 2-2 Cámara especificaciones Supongamos que los tiempos de reciclado de dos cámaras son
grabadas. la exten-

S 
Si el objetivo del análisis es considerar sólo si las cámaras se ajustan a las especificaciones de fabricación, ya sea
la cámara puede o no conforme. Abreviamos sí y no como yyn. Si el par ordenado yn indica que la primera cámara
cumple y el segundo no, el espacio muestral puede ser representado por los cuatro resultados:
 22 Capítulo 2 /
Probabilidad

S aa, yn, NY,

nn
Si estamos interesados sólo en el número de conformar cámaras en la muestra, que podríamos resumir como el espacio
muestral
S 0,1, 2
Como otro ejemplo, considere un experimento en el que las cámaras se prueban unitl el tiempo de reciclado del
flash no cumple con las especificaciones. El espacio de muestra se puede representar como
S n, yn, YYN, yyyn, yyyyn,
Etcéteray esto es un ejemplo de un espacio de muestra discreta que es
espacios de ejemplo también se pueden describir gráficamente con árbol diagramas. Cuando
un espacio de muestra puede ser construido en varias etapas o fases, podemos representar cada
una de las formas n1 de completar el primer paso como una rama de un árbol. Cada una de las
maneras de completar la segunda etapa se puede representar como ramas n2 a partir de los
extremos de las ramas originales, y así sucesivamente.

Ejemplo 2-3 Mensaje

se Los retrasos
recibe dentro Cada
del tiempo mensaje en
especificado porunelsistema de comunicación
diseño del sistema. Si tresdigital se clasifica
mensajes en
se clasifican,
utilizar
cuanto auna
si
diagrama de árbol para representar el espacio de muestra de resultados posibles.
Cada mensaje puede ser recibido a tiempo o tarde. Los posibles resultados para tres mensajes se pueden visualizar
por ocho sucursales en el diagrama de árbol se muestra en la Fig. 2-5.
Interpretación práctica: Un diagrama de árbol puede representar efectivamente un espacio muestral. Incluso si un
árbol se vuelve demasiado grande para construir, todavía puede aclarar conceptualmente el espacio muestral.
mensaje 1

En timeLate

mensaje 2

En timeLateOn Mensaje timeLate

En timeLateOn timeLateOn timeLateOn timeLate

FIGURA 2-5 Árbol diagrama para tres mensajes.

Ejemplo 2-4 Opciones.

AutomóvilCada vehículoUn
opciones se fabricante de automóviles ofrece vehículos equipados con seleccionado
ordena

R con o sin una transmisión automática

R con o sin un techo corredizo
R con una de las tres opciones de un sistema estéreo
R con uno de los cuatro colores exteriores
Si el espacio muestral consiste en el conjunto de todos los posibles tipos de vehículos, lo que es el número de
resultados en el espacio muestral?
El espacio muestral contiene 48 resultados. El diagrama de árbol para los diferentes tipos de vehículos se muestra en la
 Sección 2-1 / Espacios de ejemplo y Eventos
Fig. 2-6. 23
 20 Capítulo 2 /
Probabilidad

Transmisión

Automático

techo solar

No No

FIGURA 2-6 diagrama de árbol para diferentes tipos de vehículos con 48 resultados en el espacio de muestra.

Ejemplo 2-5 Automóvil Colores Considere una extensión de la ilustración en el fabricante de

el
automóviles
ejemplo anterior en el que otra opción vehículo es el color interior. Existen cuatro
opciones de color interior: rojo, negro, azul o marrón. Sin embargo,
r Con un exterior de color rojo, solamente un interior negro o rojo puede ser elegido.
r con un exterior blanco, cualquier color interior puede ser elegido.
R con un exterior de color azul, solamente un interior negro, rojo o azul puede ser elegido.
r Con un solo un interior marrón marrón exterior puede ser elegido.
En la Fig. 2-6, hay 12 tipos de vehículos con cada color exterior, pero el número de opciones de color interior
depende del color exterior. Como se muestra en la Fig. 2-7, el diagrama de árbol se puede extender para mostrar que
hay 120 tipos de vehículos diferentes en el espacio de muestra.
Exterior colorRedWhiteBlue

marrón Interior colorBlackRed

12 3 2 = 2412 3 4 = 4812 3 3 = 3612 3 1 = 12

24 + 48 + 36 + 12 = 120 tipos de vehículos

FIGURA 2-7 diagrama de árbol para diferentes tipos de vehículos con colores interiores

2-1.3 EVENTOS
A menudo estamos interesados en una colección de resultados relacionados a partir de un
experimento aleatorio. los resultados relacionados pueden ser descritos por subconjuntos del espacio
de muestra, y las operaciones establecidas también se pueden aplicar.

Evento
Un evento es un subconjunto del espacio de muestra de un experimento aleatorio.

Nosotros También puede estar interesado en la descripción de nuevos eventos de

combinaciones de los eventos existentes. Dado que los eventos son subconjuntos, podemos
usar operaciones de conjuntos básicos tales como uniones, intersecciones, y complementos
para formar otros eventos de interés. Algunas de las operaciones de conjuntos básicos se
 Sección 2-1 / Espacios de ejemplo y Eventos
resumen a continuación en términos de eventos: 21
 22 Capítulo 2 /
Probabilidad

r La unión de dos eventos es el caso de que se compone de todos los resultados que
están contenidos en cualquiera de los dos eventos. Se denota la unión como
E1
r La intersección de dos eventos es el evento que se compone de todos los resultados
que están contenidas en ambos de los dos eventos. Se denota la intersección como
E1
r El complemento de un evento en un espacio muestral es el conjunto de resultados
del espacio de muestra que no están en el evento. Se denota el complemento del
evento E como ELa notación CE también se utiliza en otra literatura para denotar el
complemento.

Ejemplo 2-6 Eventos Considere el espacio muestral S


resultados para los cuales se ajusta al menos una cámara se denota como E1. Entonces,
mi1 aa, yn, NY
El evento de tal manera que ambas cámaras no se ajustan, denotado como E2, contiene sólo el único resultado, mi2
{nn}. Otros ejemplos de eventos son E3 , El conjunto nulo, y E4 , El espacio muestral. Si E5 {in, NY, nn},
mi1 S mi1 yn, Nueva York mi1 nn
Interpretación Práctica: Los eventos se utilizan para definir los resultados de interés a partir de un experimento
aleatorio. Una de ellas es a menudo interesados en las probabilidades de los eventos especificados.

Ejemplo 2-7 Como en el Ejemplo 2-1, los tiempos de la cámara de recirculación S R
pueden utilizar el espacio muestral
TIVE números reales. Dejar
mi X  X
Entonces, 15

mi X 
y
mi X 
También,
mi X 
y
mi 
cuatro hospitales en Arizona. Las 2   X | pueden salir
mipersonas sin ser visto por un médico, y esas son las
visitas

Ejemplo 2-8 emergencia de un hospital visitas La siguiente tabla resume las visitas a los servicios de
urgencias en
 Sección 2-1 / Espacios de ejemplo y Eventos
23
denotado como LWBS. Las visitas restantes son atendidas en el servicio de urgencias, y el visitante pueden o no
pueden ser admitidos para una estancia en el hospital.
Sea A el evento de que una visita al hospital es 1, y dejar segundo el evento de que el resultado de la visita es LWBS.
Calcular el número de resultados en A B, A , y A B.
El evento A B se compone de los 195 visitas al hospital, 1 que resultan en LWBS. El A evento consiste en las
visitas a los hospitales 2, 3, y 4 y contiene 6991 5640 4329 16.690 visitas. El evento A B consta de las visitas
al hospital 1 o las visitas que resultan en LWBS, o ambos, y contiene 5292 270 246 6,050 visitas. Observe que
el último resultado también puede calcularse como el número de visitas en A más el número de visitas en B menos el
número de visitas A B (que de otro modo serían contados dos veces) 5292 953 195 6050.
Interpretación práctica: Hospitales realizar un seguimiento de las visitas que resultan en LWBS para entender las
necesidades de recursos y mejorar los servicios al paciente.
 24 Capítulo 2 /
Probabilidad

Hospital

1 2 3 4 Total

Total 5292 6991 5640 4329 22252

LWBS 195 270 246 242 953

Aceptado 1277 1558 666 984 4485

no admitido 3820 5163 4728 3103 16814

Los diagramas se utilizan a menudo para describir las relaciones entre series, y estos
diagramas también se usan para describir las relaciones entre eventos. Nosotros podemos
usarVenn diagramas para representar un espacio de muestras y eventos en un espacio
muestral. Por ejemplo, en la Fig. 2-8 (a) el espacio de muestra del experimento aleatorio se
representa como los puntos en el rectángulo S. Los eventos A y B son los subconjuntos de
puntos en las regiones indicadas. Higos. 2-8 (b) a 2-8 (d) ilustran eventos conjuntos
adicionales. La Fig. 2-9 ilustra dos eventos con no hay resultados comunes.
Eventos
mutuame
nte
excluyent
es
Dos eventos, denominados E1 y E2, de manera que
mi1 E2 
se dice que son mutuamente excluyentes.

Resultados adicionales que implican acontecimientos se resumen en lo siguiente. La

definición del complemento de un evento que implica

La ley distributiva para operaciones de conjunto que implica
 UN  UN segundo  y UN UN segundo 
Las leyes de DeMorgan implican que 
UN  y UN 

Además, recuerde
que UN y UN 


2-1,4 CONTANDO TÉCNICAS

En muchos de los ejemplos de este capítulo, es fácil determinar el número de resultados en
cada caso. En ejemplos más complicados, la determinación de los resultados en el espacio
muestral (o un evento) se vuelve más difícil. En su lugar, recuento de la cantidad de resultados
del espacio de muestra y diversos eventos se utilizan para analizar los experimentos aleatorios.
Estos métodos se denominantécnicas de conteo. Algunas reglas simples se pueden utilizar
para simplificar los cálculos.
En el Ejemplo 2-4, un fabricante de automóviles ofrece vehículos equipados con las
 Sección 2-1 / Espacios de ejemplo y Eventos
opciones seleccionadas. Cada vehículo se ordena 25
R con o sin una transmisión automática
R con o sin un techo corredizo
R con una de las tres opciones de un sistema estéreo
R con uno de los cuatro colores exteriores
 26 Capítulo 2 /
Probabilidad

Espacio muestral S con eventos UN y licenciado en Letras > segundo

AB AB

SS

(a) (segundo)

(UN < SEGUNDO) > CALIFORNIA > DO)'

AB

S S

S
(do) (re)

FIGURA 2-8 Diagramas de FIGURA 2-9 Eventos mutuamente excluyentes.

Venn.

El diagrama de árbol en la Fig. 2-6 se describe el espacio de muestra de todos los posibles
tipos de vehículos. El tamaño del espacio de muestra es igual al número de ramas en el último
nivel del árbol, y esta cantidad es igual a 2 2 3 4 48. Esto conduce al siguiente
resultado útil.
Regla de la
multiplicación Supongamos que una operación que puede ser descrito como una secuencia de k pasos,
(Para y
técnicas de
conteo) r el número de formas de completar el paso 1 es n1, y
r el número de formas de completar el paso 2 es n2 para cada modo de
completar el paso 1, y
r el número de formas de completar el paso 3 es n3 para cada modo de
completar el paso 2, y así sucesivamente.
El número total de maneras de completar la operación es
norte

Ejemplo 2-9 sitio web Diseño El diseño de un sitio web debe consistir en cuatro colores, tres fuentes y tres
posiciones para una imagen. A partir de la regla de la multiplicación, 4 3 3 36 diseños
Interpretación práctica: El uso
diferentes son de la regla multipication y otras técnicas de conteo permite a uno deter- minar
posibles.
fácilmente el número de resultados en un espacio de muestra o evento y esto, a su vez, permite que las probabilidades
de eventos que se determinen.

permutaciones
Otro cálculo útil busca el número de de ordenado secuencias de los elementos de un conjunto.
Considere un conjunto de elementos, tales como S {a, b, c}. UNpermutación de los
elementos es una secuencia ordenada de los elementos. Por ejemplo, abc, acb, bac, bca, CAB,
y cba son todas las permutaciones de los elementos de S.
 Sección 2-1 / Espacios de ejemplo y Eventos
27
El número de permutaciones de n elementos diferentes es n!
dónde
(2-1)
norte norte norte
 28 Capítulo 2 /
Probabilidad

Este resultado se sigue de la regla de la multiplicación. Una permutación se puede construir

mediante la selección del elemento para ser colocado en la primera posición de la secuencia
de los ele- mentos n, a continuación, seleccionando el elemento para la segunda posición
desde el restante n 1 ele- mentos, a continuación, seleccionando el elemento para el tercera
posición desde el n restante 2 elementos, y así sucesivamente. Permutaciones tales como
estos se denominan permutaciones como lineales veces.
En algunas situaciones, estamos interesados en el número de acuerdos de sólo algunos de
los elementos de un conjunto. El siguiente resultado se desprende también de la regla de
Permutacione
multiplicación.
s de
subconjun El número de permutaciones de subconjuntos de r elementos seleccionados de un
tos conjunto de n
diferentes elementos es
PAG    norte!
...  (2-2)
norte

Ejemplo 2-10 Circuito impreso Tablero Una placa de circuito impreso tiene ocho lugares diferentes en
las que un componente puede
Colocarse. Si cuatro componentes diferentes se van a colocar en el tablero, la cantidad de diferentes
¿posible? diseños son
Cada diseño consiste en seleccionar una ubicación en las ocho ubicaciones para el primer componente, una
localización de los siete restantes para el segundo componente, una localización de los seis restantes para el tercer
componente, y una ubicación en la cinco restantes para el cuarto componente. Por lo tanto,
PAG
4
4!


A veces estamos interesados en contar el número de secuencias ordenadas de objetos que

no son todos diferentes. El siguiente resultado es un cálculo útil, general.
Permutaciones
de objetos El número de permutaciones de norte
similares

norte!
(2-3)
norte1! norte2!

dos cirugías de cadera en un día. Se denota una operación de rodilla y cadera, y k h,

Ejemplo 2-11 Hospital Programar
respectivamente. los Un quirófano de un hospital necesita programar tres operaciones de rodilla
y
número de posibles secuencias de tres rodilla y dos cirugías de cadera es
5! 10
2! 3!
Las 10 secuencias se resumen fácilmente:
{Kkkhh, kkhkh, kkhhk, khkkh, khkhk, khhkk, hkkkh, hkkhk, hkhkk, hhkkk}

(Negro), separados por espacios, ya sea ancho o estrecho (blanco). Cada personaje contiene
nueve elementos
Ejemplo 2-12 Código de barras 39 Código 39 es un sistema de código de barras común que consiste en
barras estrechas y anchas
 Sección 2-1 / Espacios de ejemplo y Eventos
29
(cinco barras y cuatro espacios). El código para un personaje comienza y termina con una barra (ya sea estrecha o
ancha) y un espacio (blanco) aparece entre cada barra. La especificación original (ya revisado) utiliza exactamente dos
barras anchas y un amplio espacio en cada personaje. Por ejemplo, si b y B denotan bares (negro) estrechos y anchos,
respectivamente, y W y W designan espacios (blanco) estrechos y anchos, un carácter válido es bwBwBWbwb (el
número 6). Uno de los personajes es retenido como un delimitador de inicio y parada. ¿Cuántos otros caracteres se
pueden codificar por este sistema? ¿Puede explicar el nombre del sistema?
 30 Capítulo 2 /
Probabilidad

Los cuatro espacios en blanco se producen entre las cinco barras negras. En el primer paso, se centran en los bares.
El número de permutaciones de cinco barras negras cuando dos son B y tres son b es
5!
! 2 3!
En el segundo paso, tenga en cuenta los espacios en blanco. Un código tiene tres espacios estrechos W y de una
amplio espacio W por lo que hay cuatro
posibles ubicaciones para el amplio espacio. Por lo tanto, el número de códigos posibles es 10 4 = 40. Si un código
se lleva a cabo de nuevo como un arranque / parada delimitador, entonces otros 39 caracteres pueden ser codificados

combinaciones
Otro problema de conteo de interés es el número de subconjuntos de elementos que se pueden
seleccionar a partir de un conjunto de n elementos. En este caso, el orden no es importante.
Estos se llamancombinaciones. Cada
subconjunto de elementos pueden ser indicados por la lista de los elementos en el conjunto y
marcar cada elemento con un “*” si es para ser incluido en el subconjunto. Por lo tanto, cada
permutación de r *, s y n piezas en bruto R indica un subconjunto diferente, y los números
de estos se obtiene de la ecuación 2-3. Para examen-
PLE, si el conjunto es S {a, b, c, d}, el subconjunto {a, c} puede ser indicado como
aBCD
* 


combinaciones
El número de combinaciones, los subconjuntos de elementos que se puede
seleccionar de unse
norte elementos, conjunto deo do y
denota como
do  (2-4)


Ejemplo 2-13 Printed Circuit Board Diseño Una placa de circuito impreso tiene ocho lugares diferentes en
las que una
componente puede ser colocado. Si cinco componentes idénticos se van a colocar en el tablero,
cuántos
diferentes diseños son posibles?
Cada diseño es un subconjunto de tamaño cinco de los ocho lugares que han de contener los componentes. De la
ecuación 2-4, el número de posibles diseños es
8!
5! 3!

En el siguiente ejemplo se utiliza la regla de multiplicación en combinación con la ecuación

2-4 para responder a una más difícil, pero común, pregunta. En experimentos aleatorios en la
que los artículos se seleccionan de un lote, un elemento puede o no puede ser reemplazado
antes de que se selecciona la siguiente. Esto se conoce como el muestreocon o sin reemplazo,
Respectivamente.

Ejemplo 2-14 muestreo

47 sin Reemplazo
partes defectuosas. Un6compartimiento
Una muestra de de 50depiezas
partes se selecciona los 50fabricadas
partes sin contiene 3 piezas
reemplazo. Ese
defectuosas y
 Sección 2-1 / Espacios de ejemplo y Eventos
31
Es decir, cada parte se puede seleccionar sólo una vez, y la muestra es un subconjunto de las 50 partes. ¿Cuántas
muestras diferentes hay de la talla 6 que contiene exactamente 2 piezas defectuosas?
Un subconjunto que contiene exactamente 2 piezas defectuosas se puede formar por primera elección de las 2 partes
defectuosas de las tres piezas defectuosas. Utilizando la ecuación 2-4, este paso se puede completar en


 ! 2 1!
 32 Capítulo 2 /
Probabilidad

A continuación, el segundo paso es seleccionar las 4 partes restantes de las partes 47 aceptables en el bin. El segundo
paso puede ser completado en
47!
  4! 43!


Por lo tanto, a partir de la regla de multiplicación, el número de subconjuntos de tamaño 6 que contienen
exactamente 2 piezas defectuosas es
3 178 365 535 095


 6! 44!

Ceremoni PARA LA SECCIÓN 2-1

asProblema disponible en WileyPLUS a discreción del instructor.

problema tutoría disponible en WileyPLUS a discreción del instructor
Proporcionar una descripción razonable del espacio de muestra 2-14. Un pedido de un automóvil puede especificar una
para cada uno de los experimentos aleatorios de los ejercicios automática o una transmisión estándar, ya sea con o sin
2-1 a 2-17. No puede haber más de una interpretación aceptable condicionamiento de aire, y con cualquiera de los cuatro
de cada experimento. Describir cualquier suposición que colores rojo, azul, negro, o blanco. Describir el conjunto de
realice. órdenes posibles para este experimento.
2-15. Una pieza moldeada por inyección en la muestra podría
2-1. Cada uno de tres piezas mecanizadas se clasifica como por
haber sido pro- ducido en cualquiera de dos prensas y en uno
encima o por debajo de la especificación de destino para la
cualquiera de los ocho cavidades en cada pulsación.
parte.
2-16. Una orden para un sistema informático puede especificar
2-2. Cada uno de los cuatro bits transmitidos se clasifica como
la memoria de 4, 8, o 12 gigabytes de almacenamiento en disco
en error o no en error.
y de 200, 300, o 400 gigabytes. Describir el conjunto de
2-3. En la inspección final de las fuentes de alimentación
posibles órdenes.
electrónicas, ya sea unidades pasan, o podría producirse tres
2-17. Las llamadas se colocan en repetidas ocasiones a una
tipos de no conformidades: fun- cional, menor de edad, o
línea telefónica ocupada hasta que se logra una conexión.
cosmético. Tres unidades son inspeccionadas.
2-18. Tres se hacen intentos para leer los datos en un
2-4. El número de hits (visitas) se registra en un sitio web de
dispositivo de almacenamiento magnético antes de un
alto volumen en un día.
procedimiento de recuperación de errores que reposi- ciones se
2-5. Cada uno de 24 sitios Web se clasifica como que contiene
utiliza la cabeza magnética. El procedimiento de recuperación
o no contiene anuncios publicitarios.
de errores intenta tres reposicionamientos antes de un mensaje
2-6. Un amperímetro que muestra tres dígitos se utiliza para
de “abortar '' se envía al operador. Dejar
medir la corriente en miliamperios.
2-7. Una escala que muestra dos decimales se utiliza para medi- s denotar el éxito de una operación de lectura
material de ure alimenta en una planta química en toneladas. F denotar el fracaso de una operación de lectura
2-8. Las siguientes dos preguntas aparecen en un cuestionario S denotar el éxito de un procedimiento de
de encuesta a los empleados. Cada respuesta se elige de la recuperación de error F denotar el fracaso de un
escala de cinco punto 1 (nunca), 2, 3, 4, 5 (siempre). error de recuperación de procedimiento A denota
Es la corporación dispuesto a escuchar y bastante un mensaje de interrupción enviado al operador
evaluar nuevas ideas? Describir el espacio muestral de este experimento con un
¿Con qué frecuencia son importantes en mi rendimiento diagrama de árbol. 2-19. Tres eventos se muestran en el
general del trabajo de mis compañeros de trabajo? diagrama de Venn en la figura siguien- tes:
2-9. La concentración de ozono en la parte más cercana por mil
millones.
2-10. Se solicita a la vez hasta que una transacción de servicio
de un ordenador a la milésima de segundo más cercano.
2-11. La lectura de pH de una muestra de agua a la décima de
unidad.
2-12. Los huecos en una losa de ferrita se clasifican como
pequeño, mediano o grande. El número de huecos en cada
categoría se mide por una inspección óptica de una muestra. Reproducir la figura y sombra de la región que corresponde a
cada uno de los siguientes eventos.
 Sección 2-1 / Espacios de ejemplo y Eventos
2-13. El tiempo de una reacción química se graba en el NEAR (un) UN (segundo) UN (c)  UN  33

est milisegundo.
(re)  segundo  (mi)  UN

 34 Capítulo 2 /
Probabilidad

2-20. Tres eventos se muestran en el diagrama de Venn en la PAR que se produce en la gama de los rojos, y sea B el evento
figura siguien- tes: de que PAR se produce en el rango azul. Describir el espacio
muestral e indicar cada uno de los siguientes eventos:
(a) UN (segundo) segundo (C) A segundo (D) A B
2-25. En la replicación de control, las células se replican en un
período de dos días. No hasta que se completa recién
sintetizado puede mitosis DNA ser replicado de nuevo. Dos
mecanismos de control han sido identificados y uno positivo y
otro negativo. Supongamos que una replicación se observa en
tres células. Sea A el evento de que todas las células se
identifican como positivos, y sea B el evento de que todas las
células son nega- tivo. Describir el espacio muestral de forma
Reproducir la figura y sombra de la región que corresponde a gráfica y mostrar cada uno de los siguientes eventos:
cada uno de los siguientes eventos.
(segundo)  UN  UN
(un) UN (B) B
(A) A (c) UN segundo


(c)  UN (d)  segund 2-26. Discos de plástico de policarbonato de un

 o   proveedor se analizan para cero y resistencia a los golpes. Los
(mi)  UN resultados de 100


2-21. Se utiliza una escala digital que proporciona pesos Los discos se resumen a continuación:
al gramo más próximo.
(a) ¿Cuál es el espacio muestral para este experimento? Resistencia a los
Sea A el caso de que un peso supera 11 gramos, sea B el evento golpes
de que un peso es inferior o igual a 15 gramos, y sea C el evento Alto Bajo
de que un peso es mayor que o igual a 8 gramos y menos de 12 Rasguño Alto 70 9
gramos. Resistencia Bajo diecis 5
Describir los siguientes eventos. éis
Sea A el evento de que un disco tiene una alta resistencia a los golpes, y
(b) UN (c) UN sea B el evento de que un disco tiene una alta resistencia a los arañazos.
 

(d) UN (mi) UN Determinar el número de discos en un B, A , y A B.

 2-27. Las muestras de una parte de fundición de aluminio se clasifican
(F)  UN  en el
C

(h) segu (i) UN base de acabado superficial (con micras) y el acabado de borde. los
ndo  segund

o 

resultados de 100 partes se resumen como sigue:

2-22. En una operación de moldeo por inyección, la longitud y
anchura, indicado como X e Y, respectivamente, de cada pieza Edge Finalizar
moldeada se eva- uated. Dejar Excelente Buen
UN denotar el caso de 48 <x <52 centímetros o
segundo denotar el caso de 9 <y <11 centímetros Superficie Excelente 80 2
Construir un diagrama de Venn que incluye estos eventos. Terminar Bueno 10 8
Sombrear las áreas que representan lo siguiente: (a) Sea A el evento de que una muestra tiene un excelente
(un) UN (segundo) UN  acabado superfi- cie, y sea B el evento de que una muestra
tiene un excelente acabado de borde. Determinar el número
de muestras en
(c) UN (d) UN UN
 
(e) Si estos eventos son mutuamente excluyentes, el éxito de esta operación sería la producción? ¿El proceso pro-
 Sección 2-1 / Espacios de ejemplo y Eventos
duce piezas con X 50 centímetros e Y = 10 centímetros? (b) Supongamos que cada uno de dos muestras es para ser35
2-23. Cuatro bits se transmiten sobre un canal clasificados sobre la base de acabado de la superficie, ya
de comunicaciones Tal DIGI-. Cada bit está distorsionada o sea excelente o buena, y sobre la base de acabado de borde,
bien recibida sin distorsión. Sea Ai el evento de que el bit i se ya sea excelente o buena. Use un dia- grama de árbol para
distorsiona, i 1, , 4. representar los posibles resultados de este experimento.
(a) Describir el espacio muestral para este experimento. 2-28. Las muestras de las emisiones procedentes de tres
(b) Son del Ai mutuamente excluyentes? proveedores se clasifi- sified para En
la cumplimiento
conformidad con las
Describir los resultados en cada uno de los siguientes eventos: especificaciones de calidad del aire. Sí
Los resultados deNo
100
(c) UN1  muestras se resumen como sigue:
1 22 8
(mi) UN1 (F)  UN1 2   UN3 4  Proveedor 2 25 5
 3 30 10

2-24. En la fotosíntesis-dependiente de la luz, calidad de la luz

se refiere a las longitudes de onda de luz que son importantes.
La longitud de onda de una muestra de radiaciones
fotosintéticamente activos (PAR) se mide a la nanómetros más
cercano. La gama de los rojos es 675 a 700 nm y el rango de
450-500 nm es azul. Sea A el evento
Sea A el caso de que una muestra es desde el proveedor 1, y sea
B el evento de que una muestra se ajusta a las especificaciones.
Determinar el número de muestras en A B, B , y A B.
 36 Capítulo 2 /
Probabilidad
2-29. El tiempo de subida de un reactor se mide en minutos
(y fracciones de minutos). Deje el espacio muestral sea extremo
positivo, los números reales. Defina los eventos A y B de la
siguiente manera:
UN X | x 72 5y B X | x 52 5.
Describir cada uno de los siguientes eventos:
(a) UN (segundo) segundo
(c) UN (d) UN
 
2-30. Una muestra de dos artículos se selecciona sin reemplazo
de un lote. Describir el espacio de muestra (ordenada) para cada
uno de los siguientes lotes:
(a) El lote contiene los elementos {a, b, c, d}.
(b) El lote contiene los elementos {a, b, c, d, e, f, g}.
(c) El lote consta de 4 artículos defectuosos y 20 buenos
artículos.
(d) El lote contiene 1 artículo defectuoso y 20 buenos artículos.
2-31. Una muestra de dos placas de circuito impreso se
selecciona sin reemplazo de un lote. Describir el espacio de
muestra (ordenada) para cada uno de los siguientes lotes:
(a) El lote contiene 90 tablas que no están defectuosos, 8
tableros con defectos menores, y 2 placas con defectos
importantes.
(b) El lote contiene 90 tablas que no están defectuosos, 8
tableros con defectos menores, y 1 tabla con los
principales defectos.
2-32. Cargos de las páginas web proporcionadas por cada uno
de dos servidores de orde- nador en una hora del día
seleccionado se registran. Sea A el caso de que al menos 10
páginas son proporcionados por el servidor 1, y sea B el evento
de que al menos 20 páginas son proporcionados por el servidor
2. Describe el espacio de muestra para el número de páginas
para los dos servidores gráficamente en un x y trama.
Mostrar cada uno de los siguientes eventos en el gráfico de
espacio de muestra:
(un) UN (B) B
(c) UN (d) UN
 
2-33. tiempo de subida de un reactor se mide en minutos (y
ciones fracciones de minutos). Deje el espacio muestral para el
tiempo de subida de cada lote sea números positivos, reales.
Tenga en cuenta los tiempos de subida de dos lotes. Sea A el
caso de que el tiempo de subida de lote 1 es de menos de 72,5
minutos, y sea B el evento de que el tiempo de subida de lote 2
es mayor que 52,5 minutos.
Describir el espacio de muestra para el tiempo de subida de
dos lotes gráficamente y mostrar cada uno de los siguientes
eventos en una parcela de dos dimensiones:
(un) UN  debe ser una muestra de control?
(c) UN (d) UN
 
2-34. Un abridor de puerta de garaje inalámbrico tiene un
2-38. Un proceso de fabricación consta de 10 operaciones que
se pueden realizar en cualquier orden. ¿Cuántas secuencias
diferentes pro- ducción son posibles?
2-39. Una operación de fabricación se compone de 10 ciones
opera-. Sin embargo, cinco operaciones de mecanizado deben
ser completados antes de cualquiera de las cinco operaciones
de montaje restantes pueden comenzar.
Dentro de cada grupo de cinco, las operaciones se pueden completar en cualquier
orden. ¿Cuántas diferentes ciclos de producción son
posibles?2-40. En una operación de hoja de metal, se requieren
tres muescas y cuatro curvas. Si las operaciones se pueden
realizar en cualquier orden, cómo son posibles muchas maneras
diferentes de completar la fabricación?
2-41. Un lote de 140 chips semiconductores es inspeccionado
por la elección de una muestra de 5 fichas. Asumir 10 de las
fichas no se ajustan a los requisitos del cliente.
(a) ¿Cuántas muestras diferentes son posibles?
(b) ¿Cuántas muestras de cinco contienen exactamente un
chip de formación de noncon-?
(c) ¿Cuántas muestras de cinco contienen al menos un
noncon- formación de virutas?
2-42. En el diseño de una placa de circuito impreso para un
producto electrónico, 12 ubicaciones diferentes pueden
acomodar patatas fritas.
(a) Si cinco tipos diferentes de fichas se van a colocar en el
tablero, el número de diseños diferentes son posibles?
(b) Si las cinco fichas que se colocan en el tablero son del
mismo tipo, el número de diseños diferentes son posibles?
2-43. En el análisis de laboratorio de muestras de un proceso
químico, cinco muestras del proceso se analizan diariamente.
Además, una muestra de control se analiza dos veces cada día
para comprobar
la calibración de los instrumentos de laboratorio.
(a) ¿Cuántas diferentes secuencias de proceso y controlar sam-
ples son posibles todos los días? Supongamos que las cinco
muestras de proceso se consideran idénticos y que las dos
muestras de control se consideran idénticos.
(b) ¿Cuántas diferentes secuencias de muestras de proceso y de
control son posibles si tenemos en cuenta las cinco
muestras de proceso a ser diferentes y las dos muestras de
control que ser idénticos?
(c) Para la misma situación que la parte (b), el número de
secuencias son posibles si la primera prueba de cada día
2-44. En el diseño de un producto electromecánico, 12 com-
código determinado por el ajuste hacia arriba o hacia abajo de 12
interruptores. ¿Cuántos resultados se encuentran en el espacio muestral de

códigos posibles?
2-35. Un pedido de un ordenador puede especificar cualquiera
de los cinco tamaños de memoria, cualquiera de los tres tipos
de pantallas, y uno cualquiera de los cuatro tamaños de un disco
duro, y puede incluir o no incluir una tableta de lápiz. ¿Cuántos
sistemas diferentes se pueden pedir?
2-36. En una operación de fabricación, una parte se produce
por mecanizado, pulido, y la pintura. Si hay tres máquinas
herramientas, herramientas de pulido, cuatro y tres
herramientas de pintura, el número de rutas diferentes (que
consiste en el mecanizado, seguido por el pulido, y seguido por
la pintura) por una parte son posibles?
2-37. Nuevo diseños para un tanque de tratamiento de aguas
residuales han propuesto tres formas posibles, cuatro tamaños
posibles, tres ubicaciones para las válvulas de entrada, y cuatro
ubicaciones para las válvulas de salida. ¿Cuántas diferentes
diseños de productos son posibles?
Sección 2-1 / Espacios de ejemplo y Eventos
componentes son para ser apilados en una carcasa cilíndrica de 37
una manera que minimiza el impacto de los choques. Un
extremo de la carcasa se designa como la parte inferior y el otro
extremo está la parte superior.
(a) Si todos los componentes son diferentes, el número de
diseños diferentes son posibles?
(b) Si siete componentes son idénticos entre sí, pero los otros
son diferentes, el número de diseños diferentes son
posibles?
(c) Si tres componentes son de un tipo y idénticas entre sí, y
cuatro componentes son de otro tipo y idénticas entre sí,
pero los otros son diferentes, el número de diseños
diferentes son posibles?
2-45. Considerar el diseño de un sistema de comunicación.
(a) ¿Cuántas telefónica de tres dígitos prefijos que se utilizan
para repre- enviado un área geográfica en particular (por
ejemplo, un código de área) puede ser creado a partir de los
dígitos del 0 al 9?
 38 Capítulo 2 /
Probabilidad

(b) Al igual que en la parte (a), ¿cómo son posibles muchas 2-51. Un anuncio de Web puede ser diseñado a partir de
prefijos telefónicos de tres dígitos que no comienzan con 0 o cuatro diferentes colores, tres tipos de fuentes, tamaños de
1, pero contienen 0 o 1 como el dígito medio? fuente cinco, tres y cinco imágenes, frases de texto.
(c) ¿Cuántas prefijos telefónicos de tres dígitos son posibles ¿Cuántos diseños diferentes son posibles?
en las que ningún dígito aparece más de una vez en cada 2-52. Considere los datos de servicio de urgencias del hospital
prefijo? de ejem- plo 2-8. DejarUN denotar el caso de que una visita al
2-46. Un byte es una secuencia de ocho bits y cada bit es o hospital es 1, y sea B el evento de que los resultados de una
bien 0 o 1. visita en la entrada a cualquier hospital. Determinar el
(a) Cuántos bytes diferentes son posibles? número de personas en cada uno de los siguientes eventos.
(b) Si el primer bit de un byte es una comprobación de paridad,
es decir, el primer byte se determina a partir de los otros
siete bits, la cantidad de bytes diferentes son posibles?
2-47. En una planta química, 24 tanques de almacenamiento se
utilizan para el almacenamiento del producto final. Los cuatro
tanques se seleccionan al azar y sin reemplazo. Supongamos
que seis de los tanques contienen material en el que la
viscosidad supera los requisitos de los clientes.
(a) ¿Cuál es la probabilidad de que exactamente un tanque en
la muestra contiene material de alta viscosidad?
(b) ¿Cuál es la probabilidad de que al menos un depósito en
la muestra contiene material de alta viscosidad?
(c) Además de los seis tanques con niveles de alta viscosidad,
cuatro tanques diferentes contienen material con altas
impurezas. ¿Cuál es la probabilidad de que exactamente un
tanque en la muestra contiene material de alta viscosidad y
exactamente un tanque en la muestra contiene material con
altas impurezas?
2-48. Las piezas de plástico producidas por una operación de
moldeo por inyección se comprueban para la conformidad con
las especificaciones. Cada herramienta contiene 12 cavidades
en las que se producen partes, y estas partes caen en un
transportador cuando la prensa se abre. Un inspector elige 3
partes de entre el 12 al azar. Dos cavidades se ven afectadas
por un fallo de funcionamiento temperatura que resulta en
partes que no se ajustan a las especificaciones.
(a) ¿Cuántas muestras contienen exactamente 1 parte no
conforme?
(b) ¿Cuántas muestras contener al menos 1 parte no conforme?
2-49. Un compartimiento de 50 partes contiene 5 que son
defectuosos. Una muestra de 10 partes se selecciona al azar, sin
reemplazo. ¿Cuántas muestras contienen al menos cuatro
piezas defectuosas?
2-50. La siguiente tabla resume 204 las reacciones
endotérmicas que implican bicarbonato de sodio.

Condiciones
temperatura final Calor absorbido
Abajo (cal)
Objetivo por encima
266 K del objetivo 1240
271 K 4416
274 K 5636
Sea A el caso de que temperatura final de una reacción es 271
K o menos. Sea B el evento de que el calor absorbido es por
debajo del objetivo. Determinar el número de reacciones en
cada uno de los siguientes eventos.
(A) A B (b) A (c) A B (d) A B (e) A B 
 Sección 2-1 / Espacios de ejemplo y Eventos
(un) UN  39
2-53. Un artículo de The Journal of Science Data [ “Un análisis
estadístico de fallas en los pozos en Baltimore County” (2009, Vol.
7, pp. 111-127)] proporcionó la siguiente tabla de fallos así para
diferentes grupos de formación geológicas en Baltimore County.

Wells
La formación geológica Grupo Ha fallado Total
Gneiss1701685
Granite228
cuervo Loch schist4433733
Mafic14363
Marble29309
Niño bonito schist601403
otro schists46933
Serpentine339
Sea A el evento de que la formación geológica tiene más de 1000
pozos, y sea B el evento de que un pozo fallaron. Determinar el
número de pocillos en cada uno de los siguientes eventos.
(un) UN UN(do) UN 
2-54. Al igual que en el programa del hospital en el ejemplo 2-11,
SUP- pose que una sala de operaciones tiene que manejar tres de la
rodilla, la cadera de cuatro y cinco cirugías de hombro.
(a) ¿Cuántas secuencias diferentes son posibles?
(b) ¿Cuántas secuencias diferentes tienen todas las de cadera,
rodilla, hombro y cirugías programadas de forma
consecutiva?
(c) ¿Cuántos horarios distintos comenzar y terminar con una
cirugía de rodilla?
2-55. Considere el código de barras en el ejemplo 2-12. Un código
todavía se retiene como un delimitador. Para cada uno de los casos
siguientes, el número de caracteres se pueden codificar?
(a) La restricción de exactamente dos barras anchas se sustituye
por uno que requiere exactamente una barra ancha.
(b) La restricción de exactamente dos barras anchas se sustituye
por uno que permita una o dos barras anchas.
(c) La restricción de exactamente dos barras anchas se deja caer.
(d) Las limitaciones de exactamente dos barras anchas y un
amplio espacio se dejan caer.
2-56. Un sistema informático utiliza contraseñas que contienen
exactamente ocho caracteres, y cada personaje es 1 de las 26
letras minúsculas (a-z) o 26 letras mayúsculas (A-Z) o 10
enteros (0-9). Vamos Ω denota el conjunto de todas las
contraseñas posibles, y sea A y B denotan los eventos que
constan de contraseñas con sólo letras o sólo enteros,
respectivamente. Determinar el número de palabras pasaportes
en cada uno de los siguientes eventos.
(A) Ω (segundo) UN (C) A B 
(d) Las contraseñas que contienen al menos 1 número entero
(e) Las contraseñas que contienen exactamente 1 número entero
2-57. El artículo “Term Eficacia de Ribavirina más interferón alfa
en el tratamiento de hepatitis C crónica,” [gía Gastroenterology
(1996, Vol. 111, no. 5, pp. 1307-1312)], considerado el efecto de
dos tratamientos y un control para el tratamiento de la hepatitis
C. La siguiente tabla proporciona el total de pacientes en cada
grupo y el número que mostró una respuesta completa (positivo)
después de 24 semanas de tratamiento.
 30 Capítulo 2 /
Probabilidad

Respuest Sea A el caso de que el paciente fue tratado con Virin Riba-
a Total más interferón alfa, y sea B el evento de que la respuesta fue
Ribavirina más interferón completa
di 21 completa. Determinar el número de pacientes en cada uno de
alfa El interferón alfa ec 19 los siguientes eventos.
Los controles no tratados isé 20 (a) UN (c) UN (d) UN
is
B 

2-2 interpretaciones y axiomas de la probabilidad

En este capítulo, introducimos probabilidad para espacios-aquellos de muestra discretos con
sólo un conjunto finito (o infinito numerable) de los resultados. La restricción a estos espacios
de muestra nos permite simplificar los conceptos y la presentación sin excesivas las
matemáticas.
Probabilidad se utiliza para cuantificar la probabilidad o posibilidad, de que se produzca
un resultado de un experimento aleatorio. “La probabilidad de lluvia hoy es del 30%” es una
declaración que cuantifica nuestra sensación sobre la posibilidad de lluvia. La probabilidad de
un resultado se cuantifica mediante la asignación de un número de la intervalo [0, 1] para el
resultado (o un porcentaje de 0 a 100%). Los números más altos indican que el resultado es
más probable que los números más bajos. Un 0 indica que no se produzca un resultado. Una
probabilidad de 1 indica que un resultado ocurrirá con certeza.
La probabilidad de un resultado puede interpretarse como nuestra probabilidad subjetiva,
o el grado de creencia, de que se produzca el resultado. Diferentes individuos, sin duda, proba-
bilidades asignar diferentes a los mismos resultados. Otra interpretación de la probabilidad se
basa en el modelo conceptual de repetidas replicaciones del experimento aleatorio. La
probabilidad de un resultado se interpreta como el valor límite de la proporción de veces que
el resultado se produce en n repeticiones del experimento aleatorio a medida que n aumenta
más allá de todos los límites. Por ejemplo, si asignamos capacidad proble- 0,2 con el resultado
de que hay un pulso dañado en una señal digital, se interpreta que esta asignación en el sentido
de que, si analizamos muchos pulsos, se corromperá aproximadamente el 20% de ellos. Este
ejemplo proporciona una interpretación frecuencia relativa de probabilidad. La proporcion,
0.2. Las probabilidades se eligen de manera que la suma de las probabilidades de todos los
resultados en un experi- mento se suma a 1. Este convenio facilita la interpretación frecuencia
relativa de la capacidad proble-. Fig. 2-10 ilustra el concepto de frecuencia relativa.
Las probabilidades de un experimento aleatorio se asigna a menudo sobre la base de un
modelo razonable del sistema en estudio. Un método consiste en asignaciones de probabilidad
de base en la simple con- cepto de resultados igualmente probables. Por ejemplo, supongamos
que seleccionamos 1 diodo láser al azar de un lote de 100. aleatoriamente implica que es
razonable asumir que cada diodo en el lote tiene la misma probabilidad de ser seleccionado.
Debido a que la suma de las probabilidades debe ser igual a 1, el modelo de probabilidad para
este experimento asigna probabilidad de 0.01 a cada uno de los 100 OUT- viene. Podemos
interpretar la probabilidad imaginando muchas repeticiones del experimento. Cada vez que se
inicia con todos los diodos 100 y 1 seleccione al azar. La probabilidad 0.01 asignado a un
diodo particular, representa la proporción de repeticiones en el que se selecciona un diodo
particular.resultados igualmente probables Se supone, las probabilidades se eligen para ser
igual.

pulso dañado

Hora
 Sección 2-2 / Interpretaciones y axiomas de la Probabilidad
2
Frecuencia relativa de pulso corrompido = 31
10

FIGURA 2-10 Frecuencia relativa de pulsos corrompidos

enviados a través de un canal de comunicación.
 32 Capítulo 2 /
Probabilidad

Igualmente probable
los resultados Siempre que un espacio de muestra consta de n posibles resultados que son
igualmente probables, la probabilidad de cada resultado es 1 / N.

Con frecuencia es necesario asignar probabilidades a los eventos que se componen de

varios resultados del espacio muestral. Esto es sencillo para un espacio muestral discreto.

Ejemplo 2-15 Láser diodos Supongamos que el 30% de los diodos láser en un lote de 100 cumplen la
requisitos
potencia mínimade un cliente específico. Si se selecciona al azar un diodo láser, es decir, cada diodo
láser tiene la misma probabilidad de ser seleccionado, nuestra intuición es que la probabilidad de cumplir los
requisitos del cliente es de 0.30. Sea E denotar el subconjunto de 30 diodos que cumplan con los requisitos del
cliente. Debido a E contiene 30 resultados y cada resultado tiene una probabilidad de 0,01, llegamos a la conclusión
de que la probabilidad de E es 0,3. La conclusión coincide con nuestra intuición. Fig. 2-11
ilustra este ejemplo.

EDUCACIÓN FÍSICA) = 30 (0,01) = 0,30

FIGURA 2-11 Probabilidad del evento mi es la suma de las probabilidades de los resultados
en mi .

Para un espacio de muestra discreta, la probabilidad de un evento puede ser definido por el
razonamiento
utilizado en el ejemplo anterior.
Probabilidad de
un evento Para un espacio de muestra discreta, la probabilidad de un evento E, denota como
PAG(E), es igual a la suma de las probabilidades de los resultados en E.

Ejemplo 2-16 Las probabilidades

probabilidades de0,5,
0,1, 0,3, Eventos
y 0,1, Un experimento aleatorio
respectivamente. Sea A el puede
eventoresultar
{a, b}, en uno
B el de los{b,
evento resultados
c, d},
{a, b, c, d} con
y C el evento {d}. Entonces,
PAG
PAG
PAG
También, P  UN  segundo  do segundo, PAG
 UN 
UN  UN


Ejemplo 2-17 Contaminación partículas Una inspección visual de una ubicación en obleas de un proceso de
fabricación de semiconductores resultó en la siguiente tabla.
 Sección 2-2 / Interpretaciones y axiomas de la Probabilidad
Si se selecciona una oblea al azar de este proceso y se inspecciona la ubicación, ¿cuál es la probabilidad de que no33
contiene partículas? Si se dispusiera de información para cada oblea, podríamos definir el espacio de muestra como el
conjunto de todas las obleas inspeccionados y procedemos como en el ejemplo con diodos. Sin embargo, no es
necesario este nivel de detalle en este caso. Podemos considerar el espacio muestral para consistir en las seis categorías
que resumen el número de partículas de contaminación en una oblea. Cada categoría tiene probabilidad igual a la
proporción de las obleas en la categoría. El evento que no hay
 34 Capítulo 2 /
Probabilidad

Número de partículas de Proporción

contaminación de obleas
0 0.40
1 0.20
2 0.15
3 0.10
4 0.05
5 o más 0.10

de partículas de contaminación en el lugar inspeccionado en la oblea, indicado como E, se puede considerar que se
compone
solo de la a saber, mi
resultado,
 PAG
¿Cuál es la probabilidad de que una oblea contiene tres
mi o
más partículas en el lugar inspeccionado? Sea E el
evento de que una oblea contiene tres o más partículas en el lugar inspeccionado. Entonces, E consta de los tres
resultados PAG
{3, 4, 5 o más}. Por lo tanto,
 mi  
Interpretación práctica: Los niveles de contaminación afectan el rendimiento de los dispositivos funcionales en la
fabricación de semiconductores de modo que las probabilidades tales como éstos se estudiaron con regularidad.

A menudo, más de un elemento se selecciona de un lote sin reemplazo cuando se inspecciona

la producción. En este caso, seleccionados al azar implica que cada posible subconjunto de
elementos tiene la misma probabilidad.

Ejemplo 2-18 Fabricación

partes, Inspección
6 partes Considerar
son seleccionados la inspección
al azar sin reemplazo.descrito en el Ejemplo
El bin contiene 2-14.
3 partes Desde uny bin
defectuosas 47
de 50
partes no defectuosas. ¿Cuál es la probabilidad de que exactamente 2 piezas defectuosas son seleccionados en la
muestra?
El espacio de muestra se compone de todos los posibles subconjuntos (no ordenadas) de 6 partes seleccionadas sin
reemplazo. Como se muestra en el Ejemplo 2-14, el número de subconjuntos de tamaño 6 que contiene exactamente 2
piezas defectuosas es 535.095 y el número total de subconjuntos de tamaño 6 es 15890700. La probabilidad de un
evento se determina como la relación entre el número de resultados en el caso con el número de resultados en el espacio
de muestra (para resultados igualmente probables). Por lo tanto, la probabilidad de que una muestra contiene
exactamente 2 piezas defectuosas es
535, 095 0,034
15890, 700
Un subconjunto sin piezas defectuosas se produce cuando todas las 6 partes se seleccionan de los 47 los no
defectuosas. Por lo tanto, el número de subconjuntos sin piezas defectuosas es
47!

6! 41!
y la probabilidad de que no se seleccionan las piezas defectuosas es
10, 737, 573 0,676
15890, 700
Por lo tanto, la muestra de tamaño 6 es probable que se omitan las piezas defectuosas. Este ejemplo ilustra la distribu-
ción hipergeométrica estudiado en el capítulo 3.

Ahora que la probabilidad de un evento se ha definido, podemos recoger las suposiciones que
hemos hecho en relación con las probabilidades en un conjunto de axiomas que las probabilidades
en cualquier experimento aleatorio deben satisfacer. Los axiomas asegurar que las probabilidades
asignadas en un experimento pueden interpretarse como frecuencias relativas y que las
asignaciones son consistentes con nuestra comprensión intuitiva de las relaciones entre las
frecuencias relativas. Por ejemplo, si el eventoUN está contenido en caso
 Sección 2-2 / Interpretaciones y axiomas de la Probabilidad
segundo, Nosotros deberíamos tener PAG  UN  segundo. Los axiomas no determinan las 35
probabilidades; las probabilidades
se asignan en base a nuestro conocimiento del sistema en estudio. Sin embargo, los axiomas nos
permiten calcular fácilmente las probabilidades de algunos eventos a partir del conocimiento de
las probabilidades de otros eventos.
 36 Capítulo 2 /
Probabilidad

Los
axiomas de La probabilidad es un número que se asigna a cada miembro de una colección de
la eventos de un experimento aleatorio que satisface las siguientes propiedades:
probabilid Si S es el espacio muestral y E es cualquier evento en un experimento aleatorio,
ad
(1) P S
(2) 0 P  mi  
(3) Para dos eventos mi1 y E2 con E1 E2 
PAG mi1 E2 mi1mi2 

La propiedad que 0 P (E) 1 es equivalente a la exigencia de que una frecuencia relativa

debe estar entre 0 y 1. La propiedad que P (S) 1 es una consecuencia del hecho de que un
resultado desde el espacio de la muestra se produce en cada prueba de un experimento. En
consecuencia, la frecuencia relativa de S es 1. Propiedad 3 implica que si los eventos E1 y E2
no tienen resultados en común, la frecuencia relativa de los resultados en E1 E2 es la suma
de las frecuencias relativas de los resultados en E1 y E2.
Estos axiomas implican los siguientes resultados. Las derivaciones se dejan como ejercicios al
final
de esta sección. Ahora,
PAG 
y para cualquier evento E,
PAG
mimi
Por ejemplo, si la probabilidad del evento E es 0,4, nuestra interpretación de la frecuencia
relativa implica que la probabilidad de E es 0,6. Por otra parte, si el evento E1 está
contenida en el evento E2,
PAG  mi1   PAG  mi2 

Ceremoni PARA LA SECCIÓN 2-2

asProblema disponible en WileyPLUS a discreción del instructor.
problema tutoría disponible en WileyPLUS a discreción del instructor

2-58. Cada uno de los cinco posibles resultados de un (B) ¿Cuál es la probabilidad de que una orden no solicita más
experimento aleatorio es ment igualmente probable. El espacio de una característica opcional?
muestral es {a, b, c, d, e}. Sea A el evento {a, b}, y sea B el 2-61. Si el último dígito de una medición de peso es
evento de {c, d, e}. deter- minar la siguiente: igualmente probable que ser cualquiera de los dígitos del 0 al
(A) P (A) (B) P (B) (C) P (A ) 9,
(D) P (A B)(mi) PAG(UN  (a) ¿Cuál es la probabilidad de que el último dígito es 0?
(b) ¿Cuál es la probabilidad de que el último dígito es mayor
2-59. El espacio muestral de un experimento aleatorio es {a,
o igual a 5?
b, c, d, e} con probabilidades 0,1, 0,1, 0,2, 0,4, y 0,2,
respectivamente. Sea A el evento {a, b, c}, y sea B el evento de 2-62. A parte seleccionada para la prueba es igualmente
{c, d, e}. Determinar lo siguiente: probable que han sido producidos en una cualquiera de seis
(un) PAG (segundo) PAG (C) P A  herramientas de corte.
(a) ¿Cuál es el espacio muestral?
(b) ¿Cuál es la probabilidad de que la parte de la herramienta es 1?
(c) Qué es la probabilidad de que la parte es de la herramienta 3 o la
herramienta 5?
(d) PAG (e) PAG (D) ¿Cuál es la probabilidad de que la pieza no es de la herramienta 4?
 
 Sección 2-2 / Interpretaciones y axiomas de la Probabilidad
2-60. Los pedidos de un ordenador son resumidos por las 2-63. Una pieza moldeada por inyección es igualmente 37
características opcionales que se solicitan los siguientes: probable que ser obtenido a partir de uno cualquiera de los ocho
cavidades en un molde.
Proporción de las (a) ¿Cuál es el espacio muestral?
Órdenes (b) ¿Cuál es la probabilidad de que una parte es de la cavidad 1 o 2?
No hay características 0.3 (c) ¿Cuál es la probabilidad de que una parte es de ninguna
opcionales cavidad 3 ni 4? 2-64. En una valoración ácido-base, una base o
Una característica opcional 0.5 ácido se añade gradualmente a la otra hasta que se han
Más de una característica 0.2 neutralizado por completo entre sí. Debido a que los ácidos y
opcional
bases son por lo general incoloro (como lo son el agua y la sal
(A) ¿Cuál es la probabilidad de que una las solicitudes de producida en la reacción de neutralización), el pH es
pedidos por lo menos una característica opcional?
 38 Capítulo 2 /
Probabilidad

medido para controlar la reacción. Supongamos que se alcanza 2-70. Discos de plástico de policarbonato de un proveedor se
el punto de equivalencia después de aproximadamente se ha analizan para cero y resistencia a los golpes. Los resultados de
añadido 100 ml de una solución de NaOH (suficiente para 100 discos se resumen de la siguiente manera:
reaccionar con todo el ácido acético presente), pero que
repeticiones son igualmente probable que indique de 95 a 104 Resistencia a los
ml al ml más próximo. Supongamos que los volúmenes se golpes
miden a la más cercana ml y describen el espacio muestral. Alto Bajo
(a) ¿Cuál es la probabilidad de que la equivalencia se Rasguño Alto 70 9
indica en 100 ml? Resistencia Bajo dieci 5
(b) ¿Cuál es la probabilidad de que la equivalencia se indica a séis
menos de 100 ml? Sea A el evento de que un disco tiene una alta resistencia a los
(c) ¿Cuál es la probabilidad de que la equivalencia se indica golpes, y sea B el evento de que un disco tiene una alta
entre 98 y 102 ml (inclusive)? resistencia a los arañazos. Si se selecciona un disco al azar,
2-65. En una batería de NiCd, una célula completamente determinar las probabilidades siguientes:
cargada se compone de hidróxido nickelic. El níquel es un (A) P  UN  (B) P segundo  (C) P UN 
elemento que tiene múltiples estados ción oxida- y que por lo (D) P UN (E) P UN (F) P UN
general se encuentra en los siguientes estados:
2-71. Las muestras de las emisiones de los tres proveedores se
carga de proporciones clasifican de conformidad con las especificaciones de calidad
níquel encontrado del aire. Los resultados de 100 muestras se resumen como
0 0.17 sigue:
2 0.35
En cumplimiento
3 0.33
Sí No
4 0.15
1 22 8
(a) ¿Cuál es la probabilidad de que una célula tiene, al menos,
Proveedor 2 25 5
una de las opciones positivas cargada con níquel?
(b) ¿Cuál es la probabilidad de que una célula no está 3 30 10
compuesto de una carga de níquel positivo mayor que 3? Sea A el caso de que una muestra es desde el proveedor 1, y
2-66. Una tarjeta de crédito contiene 16 dígitos entre 0 y 9. SIN sea B el evento de que una muestra se ajusta a las
EMBARGO, sólo 100 millones de números son válidos. Si se especificaciones. Si se selecciona un PLE sam- al azar,
introduce un número al azar, ¿cuál es la probabilidad de que determinar las siguientes probabilidades:
sea un número válido? (A) P (A) (B) P (B) (C) P (A )

2-67. Supongamos que su vehículo tiene licencia en un (d) PAG(U (e) PAG(U (f) PAG segundo)
estado que N  N 

matrículas temas que constan de tres dígitos (entre 0 y

9) seguido de tres letras (entre A y Z). Si se selecciona un
número de licencia al azar, ¿cuál es la probabilidad de que el
suyo se selecciona el elegido?
2-68. Un mensaje puede seguir diferentes caminos a través de
los servidores en una red. El mensaje del remitente puede ir a
uno de los cinco servidores para la primera etapa; cada uno de
ellos puede enviar a cinco servidores en el segundo paso; cada
uno de los que pueden enviar a cuatro servidores en el tercer
paso; y luego el mensaje va a servidor del destinatario.
(a) ¿Cuántos caminos son posibles?
(b) Si todos los caminos son igualmente probables, ¿cuál es la
probabilidad de que un mensaje pasa a través de la primera
de cuatro servidores en el tercer paso?
2-69. se utilizan alquilos de magnesio como catalizadores
homogéneos en la producción de polietileno lineal de baja
densidad (LLDPE), que requiere un polvo de magnesio más
fino para sostener una reacción. Redox experimentos de
reacción utilizando cuatro cantidades diferentes de magnesio
2-72. Un artículo en el Journal of Base de Datos [ “Estudio
Experimental de un auto-Tuning Algoritmo para DBMS Buffer
Pools” (2005, Vol. 16, pp. 1-20)] proporcionó la carga de
trabajo utilizado en el (procesamiento de transacciones TPC-C
OLTP Versión C On-Line Transaction Processing) marca de
evaluación comparativa de Performance Council, que simula
una aplicación típica entrada de pedidos. Véase la Tabla 2E-1.
La frecuencia de cada tipo de transacción (en la segunda
columna) se puede utilizar como el porcentaje de cada tipo de
transacción. Se muestra el número medio de operaciones
selecciona los necesarios para cada tipo de transacción. Sea A
el evento de transacciones con un número medio de
operaciones Selecciona de 12 o menos. Sea B el caso de
transacciones con un número de años promedios de las
operaciones de las actualizaciones de 12 o menos. Calcular las
siguientes probabilidades.
(A) P (A) (B) P (B) (C) P (A B)

se llevan a cabo en polvo. Cada resultado puede o no puede (d) PAG(UN (e) PAG(UN 
estar más lejos 

reducido en una segunda etapa usando tres cantidades de polvo
de magnesio diferentes. Cada uno de estos resultados puede o
no puede ser reducido aún más en una tercera etapa usando tres
cantidades diferentes de polvo de magnesio.
(a) ¿Cuántos experimentos son posibles?
(b) Si todos los resultados son igualmente probables, ¿cuál es
la probabilidad de que el mejor resultado se obtiene a partir
de un experimento que utiliza los tres pasos?
(c) ¿El resultado de la parte (b) si el cambio de cinco o seis o
siete cantidades dife- rentes se utilizan en el primer paso?
Explique.
Sección 2-2 / Interpretaciones y axiomas de la Probabilidad
2-73. Utilizar los axiomas de la probabilidad de mostrar lo siguiente: 39
(A) Para cualquier evento E, P
mi mi. (B) P 
(C) Si A está contenido en B, entonces P UNsegundo.
2-74. Considere la reacción endotérmica de en el ejercicio 2-50.
Sea A el caso de que temperatura final de una reacción es 271
K o menos. Sea B el evento de que el calor absorbido es por
encima del objetivo.
Determinar las probabilidades siguientes.
 Sección 2-3 / Reglas de adición
35

TransactionFrequency Selecci actualiz inserci Supri Selecciona Se

ona aciones ones me no únicos une
Nuevo 43 23 11 12 0 0 0
orden de 44 4.2 3 1 0 0.6 0
pago Estado 4 11.4 0 0 0 0.6 0
de la orden 5 130 120 0 10 0 0
de entrega 4 0 0 0 0 0 1

(A) P  UN  (C) P  UN 
(D) P  UN  (E) P  UN
2-75. Un anuncio de Web puede ser diseñado a partir de
cuatro diferentes colores, tres tipos de fuentes, tamaños de
fuente cinco, tres y cinco imágenes, frases de texto. Un diseño
específico es generado aleatoriamente por el servidor Web
cuando visita el sitio. Si usted visita el sitio cinco veces, ¿cuál
es la probabilidad de que usted no verá el mismo diseño?2-76.
Tenga en cuenta los datos de los servicios de urgencias en el
ejemplo 2-8. Sea A el evento de que una visita al hospital es
4, y sea B el evento de que una visita resultados en LWBS (en
cualquier hospital).
Determinar las probabilidades siguientes.
(a) PAG  UN  (C) P  UN
(D) P  UN  (E) P 
2-79. Al igual que en el programa del hospital en el ejemplo 2-
11, supongamos que una sala de operaciones tiene que
programar tres de la rodilla, la cadera de cuatro y cinco cirugías
de hombro. Suponga que todos los horarios son igualmente
probables. Determinar la probabilidad para cada uno de los
siguientes:
(a) Todas las cirugías de cadera se completan antes de que otro tipo de la
cirugía.
(b) El cronograma comienza con una operación de cadera.
(c) El primer y último cirugías son cirugías de cadera.
(d) Las dos primeras cirugías son cirugías de cadera.
2-80. Supongamos que un paciente se selecciona
aleatoriamente de la los descritos en el ejercicio 2-57. Sea A el
caso de que el paciente está en el grupo tratado con interferón
alfa, y dejar
segundo denotar el caso de que el paciente tiene una respuesta
completa. Determinar las probabilidades siguientes.

UN

2-77. Tenga en cuenta los datos de fallas y en el ejercicio 2- (A) P (A) (B) P (B)
53. Sea A

denotar el caso de que la formación geológica tiene más de (c) PAG(U (d) PAG(U (e) PAG segundo)
N  N 

1000 pozos, y sea B el evento de que un pozo fallado. deter- 2-81. Un sistema informático utiliza contraseñas que
minar las siguientes probabilidades. contienen exactamente ocho caracteres, y cada personaje es
uno de los 26 bajos
(a) PAG  UN  (c) PAG cartas ercase (a-z) o 26 letras mayúsculas (A-Z) o 10 Gers
(D) P  UN  (E) P  UN inte- (0-9). Vamos Ω denota el conjunto de todas las
UN  contraseñas posibles,

2-78. Considere el código de barras en el ejemplo 2-12.
Supongamos que todos los 40 códigos son igualmente
probables (ninguno es retenido como un delimitador).
Determinar la probabilidad para cada uno de los siguientes:
(a) Un amplio espacio se produce antes de un espacio estrecho.
(b) Dos barras anchas ocurren consecutivamente.
(c) Dos barras anchas consecutivos son al principio o al final.
(d) La barra del medio es amplia.
y dejar que A y B denotan los hechos que constan de
contraseñas con sólo letras o sólo enteros, respectivamente.
Supongamos que todas las contraseñas en Ω son igualmente
probables. Determinar la pro- babilidad de cada uno de los
siguientes:
(un) UN (B) B
(c) Una contraseña contiene al menos 1 entero.
(d) Una contraseña contiene exactamente 2 números enteros.

2-3 Reglas de adición

 36 Capítulo 2 /
Probabilidad Se generan eventos conjuntos mediante la aplicación de operaciones de conjuntos básicos de
eventos individuales. Uniones de eventos, tales como A B; intersecciones de eventos, tales
como A B; y complementos de eventos, como A -comúnmente son de su interés. La
probabilidad de un evento conjunto a menudo se puede determinar a partir de los probabili-
dades de los eventos individuales que la componen. operaciones de conjuntos básicos también
a veces son útiles para determinar la probabilidad de un evento conjunto. En esta sección, la
atención se centra en las uniones de los acontecimientos.

proceso de fabri-. Supongamos que 1 oblea se selecciona al azar. Sea H el evento de que la
Ejemplo 2-19 Semiconductor obleas La Tabla 2-1 enumera la historia de 940 obleas en un fabri-
semiconductor
oblea contiene altos niveles de contaminación. Entonces, P (H) 358/940.
Sea C el evento de que la oblea está en el centro de una herramienta de pulverización catódica. Entonces, P (C)
626/940 También, P (H C) es la probabilidad de que la oblea es desde el centro de la herramienta de pulverización
catódica y contiene altos niveles de contaminación. Por lo tanto,
 Sección 2-3 / Reglas de adición
37

PAG H 
El evento H





PAG H H do H 

Interpretación práctica: Para comprender mejor las fuentes de contaminación, rendimiento desde ubicaciones
defferent en obleas se agregan de forma rutinaria.

5" # - y t 2-1 Obleas en la fabricación de semiconductores Clasi

fi cada por la contaminación y ubicación
Ubicación en la
herramienta de sputtering
Contaminación Centra Bord Total
r e
Bajo 514 68 582
Alto 112 246 358
Total 626 314

El ejemplo anterior ilustra que la probabilidad de A o B es interpretado como P UN 

y que el siguiente en general regla de la suma se aplica.

Probabilidad de
una union
PAG  UN  UN   segundo   UN 
(2-5)

Ejemplo 2-20 Las obleas de semiconductores y Ubicación Las obleas en el Ejemplo 2-19 se clasifican
además por el grado de contaminación. Tabla 2-2 muestra la proporción de obleas en cada
categoría. Cuál es el
probabilidad de que una oblea era o bien en el borde o que contiene cuatro o más partículas? Deje E1 el evento de que
unaLa
oblea contiene cuatro
probabilidad o más
solicitado mi1 E2 y. dejar
es Ppartículas, Ahora, mievento
E2Pel 1mioblea
de que una 2 
estaba en el borde.
PAG mi

PAG mi

5" # - y t 2-2 Obleas Clasi fi cada por la contaminación y
ubicación
Número de
Contaminación
partículas Centra Borde Los
r totales
0 0.30 0.10 0.40
1 0.15 0.05 0.20
2 0.10 0.05 0.15
3 0.06 0.04 0.10
4 0.04 0.01 0.05
5 o más 0.07 0.03 0.10
 38 Capítulo 2 /
Probabilidad Los totales 0,72 0.28 1.00
 Sección 2-3 / Reglas de adición
39

Qué es la probabilidad de que una oblea contiene menos de dos partículas o que es a la vez en el borde y contiene
máspartículas?
cuatro de Deje E1 el evento de queuna oblea contiene menos de dos partículas, y dejar E2 el evento de que
la vez en el borde y contiene más de cuatro partículas. La probabilidad solicitado es P mi1 E2 . Ahora,PAG
unaa oblea
es
y P mi2
 

PAG mi1  PAG mi


Recordemos que dos eventos A y B se dice que son mutuamente excluyentes si A B =

. Entonces, P UN

de la probabilidad.

Si A y B son eventos mutuamente excluyentes,

PAG(UN (2-6)


Tres o más eventos

probabilidades más complicados, tales como P UN , Puede ser determinada por el uso
repetido de
Ecuación 2-5 y mediante el uso de algunas operaciones de conjuntos básicos. Por ejemplo,

PAG  UN   PAG  UN   UN   PAG do   PAG  UN  
Tras la expansión de P A B por la Ecuación 2-5 y usando la regla distribuida para
operaciones de conjunto para simplificar P ⎡ ⎣ A B C ⎤ ⎦ , obtenemos
PAG  UN   PAG  UN  PAG  segundo   PAG  UN   PAG do   PAG  UN 
 segundo 

 PAG  UN  PAG  segundo   PAG  UN   PAG do   ⎡ ⎣ PAG  UN  
PAG  segundo   PAG  UN 
 UN   segundo  do  UN  UN
 segundo  UN 
Hemos desarrollado una fórmula para la probabilidad de la unión de tres eventos. Las fórmulas
pueden ser desarrollados para la probabilidad de la unión de cualquier número de eventos,
aunque las fórmulas se vuelven muy compleja. A modo de resumen, para el caso de tres
eventos,

PAG  UN UN   segundo  do

 UN  (2-7)
 UN  segundo
Resultados para tres o más eventos simplifican considerablemente si los eventos son
mutuamente excluyentes. En general, una colección de eventos, E1, E2, , Ek, se dice que es
mutuamente excluyentes si no hay superposición entre cualquiera de ellos. El diagrama de
Venn para varios eventos mutuamente excluyentes se muestra en la Fig. 2-12. Generalizando
el razonamiento para la unión de dos eventos, el siguiente resultado se puede obtener:
 40 Capítulo 2 /
Probabilidad

FIGURA 2-12 diagrama de Venn

de cuatro eventos mutuamente
exclusivos.
 Sección 2-3 / Reglas de adición
41
Eventos
mutuame Una colección de eventos, mi1, E2, , Ek, se dice que es mutuamente excluyentes si para
nte todos los pares,
excluyent
es Ei 
Para una colección de eventos mutuamente excluyentes,
PAG mi1 E2 Ek mi1mi2 PAG ek  (2-8)

Ejemplo 2-21 pH Aquí está un ejemplo simple de eventos mutuamente exclusivos, los cuales serán utilizados
con bastante frecuencia.
a 7,8. Esta probabilidad X
Sea esellapH de de
suma unacualquier
muestra.colección
Consideredeeleventos
caso de mutuamente
que X sea mayor que 6,5con
exclusivos pero menor
unión o igual
igual a la
misma gama de X. Un ejemplo es
PAG 6 5 X 7 86 5 X 7 07 0 X 7 57,5 X 7,8
Otro ejemplo es
PAG 6 5 X 7 86 5 X 6 66 6 X 7 17 1 X

7 47 4 X 7 8La mejor opción depende de las probabilidades particulares disponibles.

Interpretación práctica: La partición de un evento en subconjuntos mutuamente excluyentes es ampliamente
utilizado en los capítulos posteriores a
el cálculo de probabilidades.

Ceremoni PARA LA SECCIÓN 2-3

asProblema disponible en WileyPLUS a discreción del instructor.
problema tutoría disponible en WileyPLUS a discreción del instructor

2-82. Si PAG(UN) (b) ¿Cuál es la probabilidad de que una lesión en la rodilla

 como resultado de una actividad distinta de un deporte?


(A) P (A ) (B) P (A B)(do) PAG(A 2-85. Discos de plástico de policarbonato de un proveedor se

segundo) analizan para cero y resistencia a los golpes. Los resultados de
(D) P (A B )(mi) PAG[(A B) 100 discos se resumen de la siguiente manera:
](F) PAG(A segundo)

2-83. Si A, B, y C son eventos mutuamente excluyentes con

PAG(A) 0 2, P (B) 0 3, y P (C) 0 4, determinar las Resistencia a los
probabilidades siguien- tes: golpes
(a) PAG(UN Alto Bajo
 Rasguño Alto 70 9
C] Resistencia Bajo dieci 5
(A) Si se selecciona un disco al azar, ¿cuál es la probabilidad de que su
séis

2-84. En el artículo “El uso de reconstrucción del LCA Fijación Las lesiones ActivityKnee
hueso tendón rotuliano-hueso Press-Fit: 10-Year Resultados Contacto sport46%
clínicos” en la cirugía de rodilla, Traumatología Deportiva, la sport44 Noncontact%
artroscopia (2005, vol 13, pp 248-255..), Las siguientes causas La actividad de todos los días living9%
de se consideraron las lesiones de rodilla: Equitación motorcycle1%
Porcentaje de (a) ¿Cuál es la probabilidad de que una lesión en la rodilla fue resultado de
 42 Capítulo 2 /
Probabilidad un deporte (contacto o sin contacto)? resistencia al rayado es alta y su resistencia a los golpes es alta?
(b) Si se selecciona un disco al azar, ¿cuál es la probabilidad
de que su resistencia al rayado es alta o su resistencia a los
golpes es alta?
(c) Considere el caso de que un disco tiene una alta resistencia
al rayado y el caso de que un disco tiene una alta resistencia
a los golpes. Son estos dos eventos mutuamente
excluyentes?
2-86. Las hebras de hilo de cobre de un fabricante se analizan
para la resistencia y la conductividad. Los resultados de 100
filamentos son como sigue:
Fuerza
alta Baj
alta 74 o8
conductividad 15 3
baja
 Sección 2-3 / Reglas de adición
43
(a) Si se selecciona al azar una hebra, ¿cuál es la probabilidad (A) P  UN  (B) P segundo 
(c) PAG  UN  (D) P  UN 
de que su conductividad es alta y su fuerza es alto?
(b) Si se selecciona al azar una hebra, ¿cuál es la probabilidad
de que su conductividad es baja o su resistencia es baja? 2-91. Tenga en cuenta las reacciones endotérmicas en
(c) Considere el caso de que una hebra tiene una baja Ejercicio 2-50. Sea A el caso de que temperatura final de una
conductividad y el caso de que la hebra tiene baja reacción es 271 K o menos. Sea B el evento de que el calor
resistencia. Son estos dos eventos mutuamente absorbido es por encima del objetivo. Utilizar las reglas de
excluyentes? adición para calcular las probabilidades siguientes. (A) P A
2-87. El análisis de ejes para un compresor se summa- B (B) P   (C) P  
AUTORIZADO por conformidad con las especificaciones. 2-92. Un anuncio de Web puede ser diseñado a partir de cuatro
diferentes colores, tres
En cumplimiento de la tipos de fuentes, tamaños de fuente cinco, tres y cinco imágenes,
redondez
frases de texto. Un diseño específico es generado aleatoriamente
Sí No
por el servidor Web cuando visita el sitio. Sea A el evento de
Acabado de la Sí 345 5 que el color es rojo, y sea B el evento de que el tamaño de la
superficie
fuente no es la más pequeña. Utilizar las reglas de adición para
En cumplimiento No 12 8
calcular las probabilidades siguientes.

(a) Si se selecciona un eje al azar, ¿cuál es la probabilidad de
que se ajusta a la superficie requisitos de acabado?
(b) ¿Cuál es la probabilidad de que el eje seleccionado se ajusta
a la superficie requisitos de acabado o de redondez
requisitos?
(c) ¿Cuál es la probabilidad de que el eje seleccionado, ya sea
formas con- salgan a la superficie requisitos de acabado o
no es conforme a los requisitos redondeadas?
(d) ¿Cuál es la probabilidad de que el eje seleccionado se ajusta
a la vez acabado superficial y requisitos de redondez?
2-88. El aceite de cocina se produce en dos variedades
principales: mono y poliinsaturados. Dos fuentes comunes de
aceite de cocina son el maíz y canola. La siguiente tabla
muestra el número de asiente bot- de estos aceites en un
supermercado:
Tipo de aceite
7 maíz
Tipo de insaturación poli canola 13
mon 93 77
o (d) La primera barra es amplia o el primer espacio es amplio.
(a) Si se selecciona una botella de aceite al azar, ¿cuál es la
pro- babilidad de que pertenece a la categoría
poliinsaturados?
(b) ¿Cuál es la probabilidad de que la botella elegida es el
aceite de canola saturado monoun-?
2-89. Un fabricante de luces delanteras para las pruebas
de automóviles
(A) P  UN  (B) P  UN  (C) P UN
2-93. Tenga en cuenta los datos de los servicios de urgencias
en el ejemplo 2-8. Sea A el evento de que una visita al hospital
es 4, y sea B el evento de que una visita resultados en LWBS
(en cualquier hospital). Utilizar las reglas de adición para
calcular las probabilidades siguientes.
(A) P  UN  (B) P  UN  (C) P UN
2-94. Tenga en cuenta los datos de fallas y en el ejercicio 2-53.
Sea A el evento de que la formación geológica tiene más de
1000 pozos, y sea B el evento de que un pozo fallaron. Utilizar
las reglas de adición para calcular las probabilidades siguientes.
(A) P  UN  (B) P  UN  (C) P UN
2-95. Considere el código de barras en el ejemplo 2-12.
Supongamos que todos los 40 códigos son igualmente
probables (ninguno es retenido como un delimitador).
Determinar la probabilidad para cada uno de los siguientes:
(a) La primera barra es amplia o la segunda barra es amplia.
(b) Ni la primera ni la segunda barra es amplia.
(c) La primera barra es amplia o la segunda barra no es amplia.
2-96. Tenga en cuenta los tres grupos de pacientes en Ejercicio
2-57. Sea A el caso de que el paciente fue tratado con ribavirina
más interferón alfa, y sea B el evento de que la respuesta fue
completa. Determinar las probabilidades siguientes:

lámparas bajo un ambiente de alta temperatura y alta (a) PAG(U (b) PAG(A (c) PAG(UN 
humedad N 
usando la intensidad y la vida útil como las respuestas de
2-97. Un sistema informático utiliza contraseñas que contienen
interés. La siguiente tabla muestra el rendimiento de 130
exactamente ocho caracteres, y cada personaje es una de las 26
lámparas:
letras minúsculas (a-z) o 26 letras mayúsculas (A-Z) o 10
Vida util enteros (0-9). Considere que todas las contraseñas son
igualmente probables. Sean A y B denotan los eventos que
Satisfactorio Insatisfactorio
constan de contraseñas con sólo letras o sólo enteros,
IntensitySatisfactory1173 respectivamente. Determinar las probabilidades siguientes:
Unsatisfactory82 (a) PAG(UN ) (segundo) PAG(A segundo)
 44 Capítulo 2 /
Probabilidad (a) Encontrar la probabilidad de que una lámpara
seleccionada al azar dará lugar a resultados poco
satisfactorios bajo cualquier criterio.
(b) Los clientes de estas lámparas exigen 95% de resultados
satisfactorios. ¿Puede el fabricante de lámparas satisfacer
esta demanda?
2-90. Un sistema informático utiliza contraseñas que son seis
caracteres, y cada personaje es una de las 26 letras (a-z) o 10
enteros (0-9). No se utilizan letras mayúsculas. Sea A el evento
de que una contraseña comienza con una vocal (ya sea a, e, i,
o, o U), y sea B el evento de que una contraseña termina con
un número par (0, 2, 4, 6, o 8). Supongamos que un pirata
informático selecciona una contraseña al azar. Determinar las
probabilidades siguientes:
(c) PAG (Contraseña contiene exactamente 1 o 2 números enteros)
2-98. El artículo [ “Los resultados clínicos y radiográficos de
cuatro estrategias de tratamiento diferentes en pacientes con
artritis reumatoide temprana “, Arthritis & Rheumatism (2005,
Vol. 52, pp. 3381- 3390)] consideraron cuatro grupos de
tratamiento. Los grupos consistían en pacientes con diferentes
terapias con medicamentos (tales como prednisona y liximab
INF): monoterapia secuencial (grupo 1), paso hasta la terapia
de combinación (grupo 2), la terapia de combinación inicial
(grupo 3), o terapia de combinación inicial con infliximab
(grupo 4). Las radiografías de las manos y los pies se utilizaron
para evaluar la progresión de la enfermedad. El número de
pacientes sin progresión del daño articular fue de 76
 40 Capítulo 2 /
Probabilidad

114 pacientes (67%), 82 de 112 pacientes (73%), 104 de 120 que el paciente está en el grupo 1, y sea B el evento de que no
pacientes hay progresión. Determinar las probabilidades siguientes:
(87%), y 113 de 121 pacientes (93%) en los grupos 1-4,
respectivamente.

Supongamos que un paciente es seleccionado al azar. Sea A el (a) PAG(U (b) PAG (c) PAG(UN 
evento N  

2-4 La probabilidad
condicional
A veces las probabilidades necesitan ser reevaluado como información complementaria. Una
forma útil para incorporar información adicional en un modelo de probabilidad es asumir que
la OUT- vienen que se genera es un miembro de un evento dado. Este evento, dicen A, se
definen las condiciones en que el resultado se conoce de satisfacer. A continuación, las
probabilidades pueden ser revisadas para incluir este conocimiento. La probabilidad de un
evento B bajo el conocimiento de que el resultado estará en el evento A se denota como
PAG segundo| Una
y esto se llama el la probabilidad condicional de segundo dado UN.
Un canal de comunicación digital tiene una tasa de error de 1 bit por cada 1.000 transmitida.
Los errores son raros, pero cuando ocurren, tienden a ocurrir en ráfagas que afectan a muchos
bits consecutivos. Si se transmite un solo bit, podríamos modelar la probabilidad de un error
tan 1/1000. SIN EMBARGO, si el bit anterior fue por error a causa de las explosiones, que
pueda creer que la probabilidad de que el siguiente bit estará en error es mayor que 1/1000.
En un proceso de fabricación de película delgada, la proporción de las partes que no son
aceptables es del 2%. Sin embargo, el proceso es sensible a los problemas de contaminación
que pueden aumentar la tasa de partes que no son aceptables. Si sabíamos que durante un
cambio particular, había problemas con los filtros utilizados para controlar la contaminación,
tendríamos evaluar la probabilidad de una parte ser inaceptable como mayor que 2%.
En un proceso de fabricación, el 10% de las partes contienen defectos superficiales visibles
y 25% de las piezas con defectos superficiales son (funcionalmente) piezas defectuosas. Sin
embargo, sólo el 5% de las piezas sin defectos superficiales son piezas defectuosas. La
probabilidad de una pieza defectuosa depende de nuestro conocimiento de la presen- cia o
ausencia de un defecto superficial. Sea D el evento de que una parte es defectuoso, y sea F el
evento de que una parte tiene un defecto superficial. Entonces denotamos la probabilidad de
D dada o suponiendo que
una parte tiene un defecto de superficie, como P (D | F). Debido a que el 25% de las piezas
con defectos superficiales son defectuosos, nuestra conclusión se puede establecer como P re
| Fparte no tiene un defecto de
superficie y debido a 5% de las piezas sin defectos superficiales son defectuosos, tenemos P
re | F 
Ejemplo 2-22 Los defectos superficiales y defectuosos Tabla 2-3 proporciona un ejemplo de 400 partes
clasificadas por defectos en la superficie y como (funcionalmente) defectuoso. Para esta tabla, las
probabilidades condicionales coinciden con los descritos
anteriormente en esta sección. Por ejemplo, de las piezas con defectos en la superficie (40 partes), el número de los defectuosos
es 10. Por lo tanto,
PAG  re | F
y de las piezas sin defectos superficiales (360 partes), el número de los defectuosos es de 18. Por lo tanto,
PAG  re | F  
Interpretación práctica: La probabilidad de ser defectuoso es cinco veces mayor para piezas con defectos
superficiales. Este cálculo ilustra cómo se ajustan las probabilidades para obtener información adicional. El resultado
también sugiere que puede haber un vínculo entre los defectos de superficie y partes funcionalmente defectuosos, que
 Sección 2-4 / Probabilidad condicional 41

Superfi defectos
cie
Sí (evento F) No Total
Defectuoso Sí (caso D) 10 18 28
No 30 342 372
Total 40 360 400
 42 Capítulo 2 /
Probabilidad

P (D u F) =
0.25 25% 5% defectuosos
defectuoso P (D u F') = 0,05

FIGURA 2-13
probabilidades F = partes con F' = partes sin
condicionales para piezas defectos defectos
superficiale superficiales
con AWS fl superficie. s

En el Ejemplo 2-22, probabilidades condicionales se calcularon directamente. Estas

probabilidades se pueden determinar a partir de la definición formal de probabilidad
condicional.

La
probabilid los la probabilidad condicional de un evento B dado un evento A, denotada como P
ad
condicional
segundo | UN, es
PAG  segundo | UN UN / PAG  UN 
(2-9)
para p UN

Esta definición puede entenderse de un caso especial en el que todos los resultados de un
experimento aleatorio son igualmente probables. Si hay n resultados totales,
PAG UNnúmero de resultados en A/ n
También, en
PAG  UN número de resultados en A
consecuencia,
B/ N PA B / PA número de resultados

en A B  número de resultados

A en
Por lo tanto, P  segundo | UNpuede interpretarse como la frecuencia relativa de evento B
entre los ensayos que producir un resultado en el caso de A.

Ejemplo 2-23 Árbol Diagrama Consideremos de nuevo las 400 partes de la Tabla 2-3. A partir de esta
tabla,
 Sección 2-4 / Probabilidad condicional 43
PAG  re | F re PAG  F 
40040040
Nótese que en este ejemplo los cuatro de las siguientes probabilidades son diferentes:
PAG  F 400 PAG  F | re
PAG  re  400 PAG  re | F
Aquí, P (D) y P re | Fson las probabilidades de un mismo hecho, pero se calculan en dos estados diferentes de
conocimiento. Del mismo modo, P (F) y P F | rese calculan en dos estados diferentes de conocimiento.
El diagrama de árbol en la Fig. 2-14 también se puede utilizar para mostrar probabilidades condicionales. La
primera rama está en defecto de superficie. De las 40 piezas con defectos superficiales, 10 son funcionalmente
defectuoso y 30 no lo son. Por lo tanto,
PAG  re | F40º PAG(D | F) 30/40
De las 360 piezas sin defectos superficiales, 18 son funcionalmente defectuosa y 342 no lo son. Por lo tanto,
PAG  re | F 360º y PAG  re| F 
 44 Capítulo 2 /
Probabilidad

defecto de
superficie

Defectuoso

Las muestras al azar y probabilidad condicional

Recordemos que para seleccionar un elemento de azar de un lote implica que cada elemento
tiene la misma probabilidad de ser recogidos. Si se selecciona más de un elemento, implica al
azar que cada elemento del espacio de muestra es igualmente probable que ser recogido.
Cuando los espacios de muestra se presentaron anteriormente en este ter capí-, el muestreo
con y sin reemplazo fue definido e ilustrado para el caso simple de un lote con tres artículos
{a, b, c}. Si se seleccionan al azar dos artículos de este lote sin
reemplazo, cada uno de los seis resultados en el espacio de muestra ordenada ab, ac, BA, BC, CA,
CBtiene
probabilidad 1 / 6. Si se utiliza el espacio de muestra no ordenado, cada uno de los tres resultados en {{a, b},
{A, c}, {b, c}} tiene probabilidad 1/3.
Cuando se selecciona una muestra al azar de un lote grande, por lo general es más fácil
evitar meration enu- del espacio de muestra y calcular las probabilidades de probabilidades
condicionales. Por ejemplo, supongamos que un lote contiene 10 partes de herramienta 1 y 40
partes de herramienta 2. Si se seleccionan dos partes al azar, sin reemplazo, ¿cuál es la
probabilidad condicional de que una parte de la herramienta 2 se selecciona en segundo dado
Las muestras que una parte de la herramienta 1 se selecciona en primer lugar?
aleatorias Aunque la respuesta puede determinarse a partir de los resultados de los recuentos, este
tipo de pregunta se puede responder más fácilmente con el siguiente resultado.

Para seleccionar aleatoriamente implica que en cada paso de la muestra, los

elementos que permanecen en el lote son la misma probabilidad de ser seleccionado.
Si se selecciona una parte de la herramienta 1 con la primera selección, 49 artículos se
mantendrían, 9 de la herramienta 1 y 40 de la herramienta 2, y serían la misma probabilidad
de ser escogido. Por lo tanto, la probabilidad de que una parte de la herramienta 2 se
seleccionaría con la segunda selección dado esta primera selección es
PAG mi2 | E1
De esta manera, otras probabilidades también se pueden simplificar. Por ejemplo, sea el evento E
consistir de los resultados con la primera parte seleccionada de la herramienta 1 y la segunda parte de
herramienta
2. Para determinar la probabilidad de E, tenga en cuenta cada paso. La probabilidad de que
una parte de la herramienta 1 se selecciona con la primera selección es
Pmi1


PAG mi2 | E1
PAG mimi | miPAG mi 
21 1
49 5049
A veces una partición de la pregunta en selecciones sucesivas es un método más fácil para resolver el
problema.
 Sección 2-4 / Probabilidad condicional 45

Ejemplo 2-24 Aleatorio Inspección Considere la inspección descrita en el ejemplo 2-14. Seis partes se
seleccionan ran-
partes tivos. ¿Cuál es la probabilidad de que la segunda parte es defectuosa dado que la primera parte es defectuosa?
 46 Capítulo 2 /
Probabilidad

Sean A y B denotan los eventos que la primera y segunda parte seleccionada son defectuosos, respectivamente. La
probabilidad solicitado se puede expresar como P (B | A). Si la primera parte es defectuoso, antes de seleccionar la
segunda parte del lote contiene 49 partes, de las cuales 2 son defectuosos. Por lo tanto,
PAG(B | A)
49

Ejemplo 2-25 Continuando el ejemplo 2-24, ¿cuál es la probabilidad de que las dos primeras partes
seleccionadas son defectuosos y la tercera no es defectuoso?
Esta probabilidad puede ser descrito en notación abreviada como P (d1re2norte3), Donde d y n
denota partes que son defectuosos y no defectuoso, respectivamente. aquí
PAG(DDN) P (n | dd) P (dd) P (n | dd) P (d | d) P (d) 47 2 3 0,0024
1 2 33 1 2 1 231 2211
48 49 50
Las probabilidades para la primera y segunda selecciones son similares a las del ejemplo anterior. El P (n 3| d1re2) Se
basa en el hecho de que después de las 2 primeras partes se seleccionan, permanecen 1 defectuoso y 47 partes no
defectuosas.
Cuando la probabilidad está escrito para tener en cuenta el orden de las selecciones, es fácil de resolver esta cuestión
de la definición de probabilidad condicional. Hay otras maneras de expresar la probabilidad, tales como P (d 1re2norte3)
= P (d2| d1norte3) P (d1norte3). Sin embargo, estas alternativas no conducen a probabilidades condicionales que se
pueden calcular fácilmente.

Problema disponible en WileyPLUS a discreción del instructor.

problema tutoría disponible en WileyPLUS a discreción del instructor
siguientes:
2-99. Discos de plástico de policarbonato de un proveedor se
(A) P  UN  (B) P segundo 
analizan para cero y resistencia a los golpes. Los resultados de
100 discos se resumen de la siguiente manera: (C) P UN | segundo(D) P segundo | UN

Resistencia a los golpes

Alto Bajo
Rasguño Alto 70 9
Resistencia Bajo dieci 5
séis
Sea A el evento de que un disco tiene una alta resistencia a los
golpes, y sea B el evento de que un disco tiene una alta
resistencia a los arañazos. Determinar las probabilidades
siguientes:
(a) PAG  UN  (B) P  segundo 
(C) P  UN | segundo (D) P  segundo | UN
2-100. Muestras de piel experimentar descamación se analizan
tanto para la humedad y el contenido de melanina. Los
resultados de 100 muestras de piel son como sigue:
La melanina contenido
Alto Bajo
Humedad Alto 13 7
Contenido Bajo 48 32
Sea A el evento de que una muestra tiene bajo contenido de
melanina,
y sea B el evento de que una muestra tiene alto contenido de
humedad contenido de materias. Determinar las probabilidades
 Sección 2-4 / Probabilidad condicional 47
2-101. El análisis de los resultados de un experimento de hoja de
transmutación (girando una hoja en un pétalo) se resume por tipo de
transformación efectuada:
Transformación de
textura total
Sí No
total Colour Sí 243 26
Transformación No 13 18
(a) Si una hoja completa la transformación de color, ¿cuál es la
probabilidad de que se complete la transformación de textura?
(b) Si una hoja no se completa la transformación de textura, ¿cuál
es la probabilidad de que se complete la transformación de
color?
2-102. Las muestras de una parte de fundición de aluminio se
clasifican sobre la base de acabado de superficie (en micropulgadas)
y mediciones de la longitud. Los resultados de 100 partes se
resumen como sigue:
Longitud
Excelente Buen
o
Superfi Excelente 80 2
cie
Termi Bueno 10 8
nar
Sea A el evento de que una muestra tiene un excelente acabado
superficial, y sea B el evento de que una muestra tiene una excelente
longitud. Determinar:
(A) P  UN  (B) P segundo 
(c) PAG  UN | segundo(D) P  segundo | UN
 48 Capítulo 2 /

Probabilidad

(e) Si la parte seleccionada tiene un excelente acabado La evidencia de fugas

superficial, ¿cuál es la probabilidad de que la longitud es de gas
excelente? Sí No
(f) Si la parte seleccionada tiene buena longitud, ¿cuál es la Evidencia de Sí 55 17
probabilidad de que el acabado de la superficie es falla eléctrica No 32 3
excelente?
Las unidades sin evidencia de fugas de gas o fallo eléctrico mostraron otros
2-103. La siguiente tabla resume el análisis de mues- tras de tipos de fallo. Si se trata de una muestra representativa de fallo de CA,
acero galvanizado para el recubrimiento de peso y rugosidad encontrar la probabilidad
de la superficie:
(a) Ese fracaso implica una fuga de gas
Peso del revestimiento
Alto Bajo
Superficie Alto 12 dieci
séis
Aspereza Bajo 88 34
(a) Si el peso del recubrimiento de una muestra es alta, ¿cuál
es la probabilidad de que la rugosidad de la superficie es
alta?
(b) Si la rugosidad de la superficie de una muestra es alta,
¿cuál es la probabilidad de que el peso del revestimiento
es alta?
(c) Si la rugosidad de la superficie de una muestra es baja,
¿cuál es la probabilidad de que el peso del revestimiento
es baja?
2-104. Tenga en cuenta los datos sobre la contaminación de la
oblea y la ubicación en la herramienta de pulverización se
muestra en la Tabla 2-2. Supongamos que una oblea se
selecciona al azar de este conjunto. Sea A el evento de que una
oblea contiene cuatro o más partículas, y sea B el evento de que
una oblea es desde el centro de la herramienta de pulverización
catódica. Determinar:
(A) P  UN  (B) P  UN | segundo
(C) P segundo  (D) P  segundo | UN
(E) P  UN  (F) P  UN 
2-105. La siguiente tabla resume el número de escarabajos
muertos bajo autolisis (la destrucción de una célula después de
su muerte por la acción de sus propias enzimas) y putrefacción
(descomposición de la materia orgánica, especialmente de
proteínas, por microorganismos, lo que resulta en la producción
de foul- oliendo el caso):

autolisis
Alto Bajo
Putrefacción Alto 14 59
Bajo 18 9
(a) Si la autolisis de una muestra es alta, ¿cuál es la
probabilidad de que la putrefacción es baja?
(b) Si la putrefacción de una muestra es alta, ¿cuál es la
probabilidad de que la autólisis es alto?
(c) Si la putrefacción de una muestra es baja, ¿cuál es la
probabilidad de que la autólisis es baja?
2-106. Una empresa de mantenimiento ha reunido la siguiente
información relativa a los mecanismos de fallo de los sistemas
de posiciona- condi- aire:
 Sección 2-4 / Probabilidad condicional 49
(b) Que hay evidencia de fallo eléctrico, dado contraseña está en el evento A y selecciona una contraseña
que había una fuga de gas al azar de este subconjunto. ¿Cuál es la probabilidad de que
(c) Que hay evidencia de una fuga de gas dado se selecciona la contraseña?
que hay evidencia de fallo eléctrico (c) Supongamos que un hacker sabe que la contraseña está en
2-107. Un lote de 100 chips semiconductores A y B y selecciona una contraseña al azar de este
contiene 20 que son defectuosos. Dos se subconjunto. ¿Cuál es la probabilidad de que se selecciona
seleccionan al azar, sin sustitución, del lote. la contraseña?
(a) ¿Cuál es la probabilidad de que la primera 2-111. Si p UN |
seleccionada es defectuosa? segundo
(b) ¿Cuál es la probabilidad de que la segunda Explica tu respuesta.
seleccionada es defectuosa dado que el 2-112. Supongamos que A y B son eventos mutuamente
primero era defectuoso? excluyentes. Construir un diagrama de Venn que contiene los
(c) ¿Cuál es la probabilidad de que ambos son defectuosos? tres eventos A, B,
(d) ¿De qué manera la respuesta a (b) cambiar y C tal que P UN | dosegundo | do
parte, si los chips seleccionados fueron
reemplazados antes de la próxima
selección?
2-108. Un lote de 500 contenedores para jugo de
naranja congelado contiene 5 que son
defectuosos. Dos se seleccionan, al azar, con-
cabo la sustitución del lote.
(a) ¿Cuál es la probabilidad de que la segunda
seleccionada es defectuosa dado que el
primero era defectuoso?
(b) ¿Cuál es la probabilidad de que ambos son defectuosos?
(c) ¿Cuál es la probabilidad de que ambos son aceptables?
Tres envases se seleccionan, al azar, sin ment
sustitución, a partir del lote.
(d) ¿Cuál es la probabilidad de que el tercero
seleccionado es defectuoso dado que el
primer y segundo los seleccionados eran
defectuosos?
(e) ¿Cuál es la probabilidad de que el tercero
seleccionado es defectuoso dado que la
primera seleccionada era defectuosa y el
segundo seleccionado fue bien?
(f) ¿Cuál es la probabilidad de que los tres son defectuosos?
2-109. Un lote de 350 muestras de las
mitocondrias rejuvenecido contiene 8 que están
mutados (o defectuoso). Dos se seleccionan a
partir del lote, al azar, sin reemplazo.
(a) ¿Cuál es la probabilidad de que la segunda
seleccionada es defectuosa dado que el
primero era defectuoso?
(b) ¿Cuál es la probabilidad de que ambos son defectuosos?
(c) ¿Cuál es la probabilidad de que ambos son aceptables?
2-110. Un sistema informático utiliza
contraseñas que son exactamente siete
personajes y cada personaje es una de las 26
letras (a-z) o 10 enteros (0-9). A mantener una
contraseña para este sistema informático. Sea A
el subconjunto de contraseñas que comienzan
con una vocal (ya sea a, e, i, o, o U) y dejar B el
subconjunto de contraseñas que termina con un
número par (0, 2, 4, 6, o 8).
(a) Supongamos que un pirata informático
selecciona una contraseña al azar. ¿Cuál es
la probabilidad de que se selecciona la
contraseña?
(b) Supongamos que un hacker sabe que la
 Sección 2-5 / Multiplicación y Total Reglas de probabilidad
45
2-113. Tenga en cuenta las reacciones endotérmicas en 2-117. Considere el código de barras en el ejemplo 2-12.
Ejercicio 2-50. Sea A el caso de que temperatura final de una Supongamos que todos los 40 códigos son igualmente
reacción es 271 K o menos. Sea B el evento de que el calor probables (ninguno es retenido como un delimitador).
absorbido es por encima del objetivo. Determinar las Determinar la probabilidad para cada uno de los siguientes:
probabilidades siguientes. (a) La segunda barra se da amplia que la primera barra es amplia.
(a) PAG  UN | segundo (B) P  UN  (b) La tercera barra se amplia teniendo en cuenta que los dos primeros
(C) P  UN  (D) P  segundo | UN compases no son de ancho.
(c) La primera barra se da amplia que la última barra es amplia.
2-114. Tenga en cuenta los datos de los servicios de urgencias
en ejem- plo 2-8. Sea A el evento de que una visita al hospital 2-118. Supongamos que un paciente es seleccionado al azar de
es 4, y sea B el evento de que una visita resultados en LWBS los descritos en el ejercicio 2-57. Sea A el caso de que el
(en cualquier hospital). Determinar las probabilidades paciente es tratado con ribavirina más interferón alfa, y sea B
siguientes. el evento de que la respuesta es completa. Determinar las
(A) P  UN | segundo (B) P  UN 
probabilidades siguientes:
(C) P  UN | B  (D) P  segundo | UN (a) PAG(SEGUNDO | UN) (segundo) PAG(UN | SEGUNDO)

2-115. Tenga en cuenta los datos de fallas y en el (c) PAG(U (d) PAG | SEGUNDO)
ejercicio 2-53. N

2-119. Suponer que un paciente es seleccionado al azar de los

(a) ¿Cuál es la probabilidad de un fallo dado que hay más de
descritos en el ejercicio 2-98. Sea A el evento de que el paciente
1.000 pozos en una formación geológica?
se encuentra en el grupo 1, y sea B el evento de que no hay
(b) ¿Cuál es la probabilidad de un fallo dado hay menos de
progresión. Determinar las probabilidades siguientes:
500 pozos en una formación geológica?
2-116. Un artículo publicado en el The Canadian (un) PAG(SEGUNDO | UN) (segundo) PAG(UN | SEGUNDO)
Entomologist (Har-

corte et al., 1977, vol. 109, pp. 1521-1534) informaron sobre (c) PAG(U (d) PAG | SEGUNDO)
la N

vida del gorgojo de la alfalfa de los huevos hasta la edad adulta. 2-120. Un sistema informático utiliza contraseñas que
La tabla si- guiente muestra el número de larvas que sobreviven contienen exactamente ocho caracteres, y cada personaje es
en cada etapa del desarrollo de los huevos a adultos. una de las 26 letras minúsculas (a-z) o 26 letras mayúsculas
(A-Z) o 10 enteros (0-9). Vamos Ω denota el conjunto de
Las Las pupa Las todas las contraseñas posibles. Supongamos que todas las
Huevo adulto
s
larvas larvas s pre- pupas
s contraseñas en Ω son igualmente probables. Determinar la
tempra finales finales probabilidad para cada uno de los siguientes:
na (a) Contraseña contiene letras minúsculas dado que contiene
421 412 306 45 35 31 sólo letras
(a) ¿Cuál es la probabilidad de un huevo sobrevive a la edad (b) Contraseña contiene al menos 1 letra mayúscula dado que
adulta? contiene sólo letras
(b) ¿Cuál es la probabilidad de supervivencia hasta la edad (c) Contraseña contiene sólo números pares dada y que
adulta dada supervivencia en la fase larvas tarde? contiene todos los números
(c) ¿En qué fase la menor probabilidad de sobrevivir a la
siguiente etapa?

2-5 Multiplicación y Reglas de probabilidad total

La probabilidad de la intersección de dos eventos es a menudo necesaria. La defini- ción
probabilidad condicional en la Ecuación 2-9 se puede reescribir para proporcionar una fórmula
conocida como laregla de la multiplicación de probabilidades.
Multiplicación
Regla PAG  UN  segundo | (2-10)
  
La última expresión en la ecuación 2-10 se obtiene intercambiando UN y B.

Ejemplo 2-26 mecanizado etapas La probabilidad de que la primera etapa de un mecanizado de control
operación
numérico para pistones de alta rpm cumple con las especificaciones es 0,90. Los fracasos son
debido a las variaciones de metal,
 46 Capítulo 2 /
Probabilidad
alineación accesorio, cortando Condición de la cuchilla, la vibración, y las condiciones ambientales. Dado que la
primera etapa cumple con las especificaciones, la probabilidad de que una segunda etapa de mecanizado cumple con
las especificaciones es 0,95. ¿Cuál es la capacidad proble- que ambas etapas cumplen con las especificaciones?
Dejar UN y segundo denotan los eventos que la primera y segunda etapas cumplen con las especificaciones,
respectivamente. La probabilidad solicitado está
PAG UN segundo | UNPAG UN0 90
Aunque también es cierto que P  UN  UN | segundoPAG  segundo  , la información proporcionada en
el problema no coincide con esta segunda formulación.
Interpretación práctica: La probabilidad de que ambas etapas cumplen con las especificaciones es de aproximadamente
0,85, y si eran necesarias etapas adicionales para completar un pistón, la probabilidad disminuiría aún más. En
consecuencia, la probabilidad de que se completa cada etapa necesita con éxito para ser grande para que un pistón para
cumplir con todas las especificaciones.
 Sección 2-5 / Multiplicación y Total Reglas de probabilidad
47
A veces, la probabilidad de un evento se da en cada una de varias condiciones. Con
suficiente de estas probabilidades condicionales, la probabilidad de que el evento se puede
recuperar. Por ejemplo, supongamos que en la fabricación de semiconductores, la probabilidad
es 0,10 que un chip sometido a altos niveles de contaminación durante la fabricación provoca
un fallo del producto. La probabilidad es 0.005 que un chip no sometido a altos niveles de
contaminación durante la fabricación provoca un fallo del producto. En un ciclo de producción
en particular, 20% de las fichas están sujetos a altos niveles de contaminación. ¿Cuál es la
probabilidad de que un producto usando uno de estos chips falla?
Claramente, la probabilidad requerida depende de si o no el chip se expuso a alto
niveles de contaminación. Para cualquier evento B, podemos escribir B como la unión de la
parte desegundo en A y la parte de B en A . Es decir,
segundo UN UN
Este resultado se muestra en el diagrama de Venn en la Fig. 2-15. Debido a que A y A son
mutuamente excluyentes, A B y A B son mutuamente excluyentes. Por lo tanto, de la
probabilidad de la unión de eventos mutuamente exclusivos en la ecuación 2-6 y la regla de
multiplicación en la ecuación 2-10, el siguienteregla probabilidad total es obtenido.

Total Regla de
probabilidad
Para cualquier sucesos A y B,
(dos eventos)
PAG  segundo  segundo  segundo  segundo |
UN PAG  UN   segundo | A PAG UN (2-11)

Ejemplo 2-27 Semiconductor Contaminación Considere la discusión contaminación en el inicio de esta sec-
ción. LaProbabilidad deresume aquí.
información se Nivel de Probabilid
fallo contaminación ad de
Nivel
0.1 Alto 0.2
0,005 No es 0.8
alta
Sea F el evento de que el producto falla, y sea H el evento de que el chip está expuesto a altos niveles de contami-
nación. La probabilidad solicitado es P (F), y la información proporcionada puede ser representado como
PAG  F | H10y PAG  F | H

PAG  H 20y PAG H 
De la ecuación 2-11,

que puede interpretarse sólo como la media ponderada de las dos probabilidades de
fallo.
El razonamiento utilizado para desarrollar la ecuación 2-11 se puede aplicar de manera más general.
Porque
UN  UN  UNes igual a B, y debido a que A A sabemos A
B
yA B son mutuamente excluyentes. En general, una colección de conjuntos E1, E2, , de tal manera que
Ek
total Regla (Múltiple
Eventos)

la probabilidad
Asumir E1, E2, , Ek son k conjuntos mutuamente excluyentes y exhaustivas.
 48 Capítulo 2 /
mi1 E2
Probabilidad Ek S se dice ser
exhaustiva. Una representación gráfica de
la partición de un eventosegundo
entre una colección de
eventos mutuamente
excluyentes y exhaustivos
se muestra en la Fig. 2-16.
 Sección 2-5 / Multiplicación y Total Reglas de probabilidad
49

AUTOMÓVIL
CLUB
BRITÁNICO'

segundo > UN
segun

do
FIGURA 2-15 segundo = (segundo > mi1) < (segundo > mi2) < (segundo
> mi3) < (segundo > mi4)
particionamiento un
evento en dos
FIGURA 2-16 La partición de un evento
subconjuntos
en varios subconjuntos mutuamente
mutuamente excluyentes.
excluyentes.

Ejemplo 2-28 Semiconductor fracasos Siguiendo con la fabricación de semiconductores, asumir las
siguientes probabilidades de fallo del producto sujeto a niveles de contaminación en la
fabricación de:

Probabilidad de FailureLevel de Contaminación

0.10 Medio
0.01 -alto
0,001 Bajo

En un ciclo de producción en particular, 20% de las fichas están sometidos a altos niveles de contaminación, 30% a
niveles medios de contaminación, y 50% a los niveles bajos de contaminación. ¿Cuál es la probabilidad de que un
producto usando uno de estos chips falla? Dejar
r H el evento de que un chip está expuesto a altos niveles de contaminación
r M el evento de que un chip se expone a niveles medios de
contaminación r L el evento de que un chip se expone a niveles bajos
de contaminación Luego,
PAG  F F | HPAG H F | METROPAG METRO F | LPAG L


Los cálculos están convenientemente organizados con el diagrama de árbol en la Fig. 2-17.

Contaminación

0.200.50
0.30
Alto medio bajo

PAG(FallaruAlto) PAG(No PAG(FallaruMe PAG(No PAG(Fallar PAG(No

5 0.10 FallaruAlto) dio) FallaruMedio) uBajo) FallaruBajo)
5 0.90 5 0.01 5 0.99 5 0,001 5 0,999

0,10 (0,20) 0,90 0,01 0,99 0,001 (0,50) 0,999

(0,20) (0,30) (0,30) (0,50)
5 0.02 5 0.18 5 0,003 5 0,297 5 0,0005 5 0.4995
 50 Capítulo 2 /
Probabilidad PAG(Fallar) 5 0,02 + 0,003 + 0,0005 5 0,0235

FIGURA 2-17 diagrama de árbol para el Ejemplo 2-28.

 Sección 2-5 / Multiplicación y Total Reglas de probabilidad
51

Ceremoni PARA LA SECCIÓN 2-5

asProblema disponible en WileyPLUS a discreción del instructor.
problema tutoría disponible en WileyPLUS a discreción del instructor
están relacionados con sustancias inducidas (73%) o los objetos extraños
2-121. Supongamos que P UN | (27%). sucesos naturales son causados por la obstrucción arterial (56%),
segundosegundominar el enfermedad (27%), y la infección (por ejemplo, infección por estafilococos)
siguiente: (17%).
(A) P  UN  (B) P  UN  (a) Determinar la probabilidad de que un fallo se debe a una sustancia
2-122. Supongamos que P  UN | inducida.
segundo UN | B  (b) Determinar la probabilidad de que un fallo es debido a la enfermedad o
infección.
PAG segundoUN?
2-129. Un lote de 25 piezas moldeadas por inyección contiene 5 partes que
2-123. La probabilidad es del 1% de que un conector eléctrico han sufrido una contracción excesiva.
que se mantiene seca falla durante el período de garantía de un
ordenador portátil. Si el conector está siempre mojado, la
probabilidad falle uno durante el periodo de garantía es de 5%.
Si el 90% de los conectores se mantengan secos y el 10% son
húmeda, qué proporción de conectores fallar durante el período
de garantía?
2-124. Supongamos 2% de rollos de tejido de algodón y el 3%
de los rollos de tela de nylon contienen defectos. De los rollos
utilizados por un fabricante, el 70% son de algodón y 30% son
de nylon. ¿Cuál es la probabilidad de que un rollo
seleccionados al azar utilizado por el fabricante contiene
defectos?2-125. La rugosidad borde de productos de papel de
hendidura aumenta a medida que se desgastan hojas de
cuchillo. Sólo el 1% de los productos de hendidura con nuevas
hojas tienen bordes ásperos, 3% de los productos de hendidura
con cuchillas de rugosidad media nitidez de exposiciones y 5%
de los productos de hendidura con cuchillas desgastadas
exposición rugosidad. Si el 25% de las palas en la fabricación
son nuevos, el 60% son de nitidez promedio, y el 15% están
gastadas, ¿cuál es la proporción de productos que presentan
rugosidad borde?
2-126. En la elección presidencial de 2012, las encuestas de
salida desde el estado crítico de Ohio proporcionan los
siguientes resultados:

Total Obama Romney

Sin título universitario (60%) 52% 45%
graduado College (40%) 47% 51%

¿Cuál es la probabilidad de que una persona seleccionada al

azar votó por Obama?
2-127. fracasos del teclado de ordenador se deben a Conexiones
defectuosas eléctricos (12%) o defectos mecánicos (88%). defectos
mecánicos están relacionados con teclas sueltas (27%) o montaje
incorrecto (73%). defectos de conexión eléctricos son causados por
cables defectuosos (35%), conexiones inadecuadas (13%), o
alambres mal soldadas (52%).
(a) Calcule la probabilidad de que un fallo se debe a las llaves
sueltas.
(b) Encuentra la probabilidad de que un fallo es debido a mal
conectado o cables mal soldadas.
2-128. fracasos del corazón son ya sea debido a causas
naturales (87%) o factores externos (13%). factores exteriores
 52 Capítulo 2 /
(a) Si se seleccionan dos partes al azar, y sin
Probabilidad (D) utilizar la regla de la probabilidad total para determinar PAG(UN)
ment sustitución, ¿cuál es la probabilidad de 2-134. Tenga en cuenta los datos de los servicios de urgencias
que la segunda parte seleccionada es uno con en el ejemplo 2-8. Supongamos que tres visitas que resultaron
una contracción excesiva? en LWBS son seleccionados al azar (sin sustitución) para una
(b) Si se seleccionan tres piezas al azar y sin entrevista de seguimiento.
reemplazo ción, ¿cuál es la probabilidad de (a) Qué es la probabilidad de que los tres se seleccionan de
que la tercera parte seleccionada es uno con entre el hospital 2?
una contracción excesiva? (b) ¿Cuál es la probabilidad de que los tres son del mismo
2-130. Un lote de 100 chips semiconductores hospital?
contiene 20 que son defectuosos.
(a) Dos se seleccionan, de forma aleatoria, sin
sustitución, del lote. Determinar la
probabilidad de que el segundo chip
seleccionado es defectuoso.
(b) Tres se seleccionan, de forma aleatoria, sin
sustitución, del lote. Determinar la
probabilidad de que todos son defectuosos.
2-131. Un artículo en el British Medical Journal
[ “Comparación de tratamiento de los cálculos
renales mediante cirugía operativa,
nefrolitotomía percutánea y litotricia
extracorpórea” (1986, Vol. 82, pp. 879-892)]
proporcionó la siguiente discusión de las tasas de
éxito en el traslado de cálculos renales. La
cirugía abierta tuvo una tasa de éxito del 78%
(273/350) y un método más nuevo, percutane-
Nefrolitotomía ous (PN), tuvo una tasa de éxito
del 83% (289/350). Este nuevo método se veía
mejor, pero los resultados cambió cuando se
consideró diámetro piedra. Para piedras con
diámetros de menos de 2 centímetros, 93%
(81/87) de los casos de cirugía abierta fueron
éxito en comparación con sólo el 83% (234/270)
de los casos de PN. Para piedras mayores que o
igual a 2 centímetros, las tasas de éxito fueron
del 73% (192/263) y 69% (55/80) para la cirugía
abierta y PN, respectivamente. La cirugía abierta
es mejor para ambos tamaños de piedra, pero
menos éxito en total. En 1951, EH Simpson
señaló esta aparente contradicción (conocido
comoSimpson paradoja), Y el peligro aún
persiste en la actualidad. Explicar cómo la
cirugía abierta puede ser ter BET para ambos
tamaños de piedra, pero peor en total.
2-132. Tenga en cuenta las reacciones
endotérmicas en Ejercicio 2-50. Sea A el caso de
que temperatura final de una reacción es 271 K
o menos. Sea B el evento de que el calor
absorbido es por encima del objetivo.
Determinar las probabilidades siguientes.
(A) P  UN  (B) P  UN  (C) P UN
(D) utilizar la regla de la probabilidad total para determinar
PAG(UN)
2-133. Tenga en cuenta los datos de los servicios
de urgencias en ejem- plo 2-8. Sea A el evento
de que una visita al hospital es 4 y sea B el
evento de que una visita resultados en LWBS (en
cualquier hospital). Determinar las
probabilidades siguientes.
(A) P  UN  (B) P  UN  (C) P  UN
 Sección 2-6 / Independence 49

2-135. Tenga en cuenta los datos de fallas y en el ejercicio 2-
53. Sea A el evento de que la formación geológica tiene más de
1000 pozos, y sea B el evento de que un pozo fallaron. deter-
minar las siguientes probabilidades.
(A) P  UN  (B) P  UN  (C) P UN
(D) utilizar la regla de la probabilidad total para determinar P
(A)
2-136. Tenga en cuenta los datos de fallas y en el ejercicio 2-
53. SUP- plantean dos intentos fallidos que los pozos son
seleccionados al azar (sin reemplazo) para un examen de
seguimiento.
(a) ¿Cuál es la probabilidad de que ambos son del gneis geo
formación grupo lógico?
(b) ¿Cuál es la probabilidad de que ambos son del mismo
grupo lógico formación geográfica?
2-137. Un anuncio de Web puede ser diseñado a partir de
cuatro colores diferentes,
cadera, y cinco cirugías de hombro. Suponga que todos los
horarios son igualmente probables. Determinar las
probabilidades siguientes:
(a) Todas las cirugías de cadera se completa en primer lugar,
dado que todas las operaciones de rodilla son pasado.
(b) El cronograma comienza con una cirugía de cadera, dado
que todas las operaciones de rodilla son pasado.
(c) La primera y última cirugías son cirugías de cadera dado
que cirugías de rodilla están programadas en periodos de
tiempo de 2 a 4.
(d) Las dos primeras cirugías son cirugías de cadera, dado que
todas las operaciones de rodilla son pasado.
2-140. Supongamos que un paciente es seleccionado al azar de
los descritos en el ejercicio 2-98. Sea A el evento de que el
paciente se encuentra en el grupo 1, y sea B denota el evento
para el cual no hay progresión. Determinar las probabilidades
siguientes:

tres tipos de fuentes, tamaños de fuente cinco, tres y cinco (A) P (A (B) P (B)
imágenes, frases de texto. Un diseño específico es generado B) (d) PAG(U (e) PAG segundo)
aleatoriamente por la Web N 
B)

servidor cuando usted visita el sitio. Determinar la
probabilidad de que el color del anuncio es rojo y el tamaño
de la fuente no es la más pequeña.
2-138. Considere el código en el ejemplo 2-12. Supongamos
que todos los 40 códigos son igualmente probables (ninguno es
retenido como un delimitador). Determinar la probabilidad
para cada uno de los siguientes:
(a) El código empieza y termina con una barra ancha.
(b) Dos barras anchas ocurren consecutivamente.
(c) Dos barras anchas consecutivos se producen al comienzo o
al final.
(d) La barra del medio es amplia.
2-139. Al igual que en el programa del hospital en el ejemplo
2-11, SUP- pose que una sala de operaciones tiene que
programar tres rodilla, cuatro
2-141. Un sistema informático utiliza contraseñas que
contienen exactamente ocho caracteres, y cada personaje es
una de las 26 letras minúsculas (a-z) o 26 letras mayúsculas
(A-Z) o 10 enteros (0-9). Vamos Ω denota el conjunto de
todas las contraseñas posibles, y sea A y B denotan los
eventos que constan de contraseñas con sólo letras o sólo
enteros, respectivamente. Supongamos que todas las
contraseñas en Ω son igualmente probables. Determinar los
siguientes robabilities:
(a) PAG
(b) PAG segundo)
(c) PAG (Contraseña contiene exactamente 2 números
enteros, dado que contiene al menos 1 número entero)

2-6 Independencia
En algunos casos, la probabilidad condicional de  |P
UN



seleccionados al azar de un cubo de 50 partes, pero asumen que la parte seleccionada se sustituye
antes de la siguiente

Ejemplo 2-29 el muestreo

partes con
tivos. En Reemplazo
ese Considere
caso, se determinó que la
P inspección descrita en
(D | F) 10/40 0 el
25ejemplo
y P (D) 2-14. Seis partes
28/400 0 07.son
 50 Capítulo 2 /
Probabilidad
uno se selecciona. El bin contiene 3 partes defectuosas y 47 partes no defectuosas. ¿Cuál es la probabilidad de que la
segunda parte es defectuosa dado que la primera parte es defectuosa?
En notación abreviada, la probabilidad solicitado es P (B | A), donde A y B denotan los eventos que las partes
primera y segunda son defectuosos, respectivamente. Debido a que la primera parte se sustituye antes de seleccionar
la segunda parte, el bin todavía contiene 50 partes, de las cuales 3 son defectuosos. Por lo tanto, la probabilidad de B
no depende de si o no la primera parte es defectuoso. Es decir,
PAG(B | A) 
50
Además, la probabilidad de que las dos partes son defectuosos es
PAG
50 502500

Ejemplo 2-30 defectos y funciones La información de la Tabla 2-3 defectos superficiales relacionados con
funcionalmente tuosos
Supongamos que la situación es diferente y sigue la Tabla 2-4. Entonces,
PAG  re | F05and PAG  re  
Es decir, la probabilidad de que la parte es defectuoso, no depende de si tiene defectos en la superficie. También,
PAG  F | re10y PAG  F 
 Sección 2-6 / Independence 51

por lo que la probabilidad de un defecto de superficie no depende de si la parte es defectuoso. Por otra parte, la
definición de probabilidad condicional implica que
PAG F re |
FPAG F 
PAG F rePAG F
40 20200

Los defectos
superficiales
Sí (evento F) No Total
Defectuoso Sí (caso D) 2 18 20
No 38 342 380
Total 40 360 400

El ejemplo anterior ilustra las siguientes conclusiones. En el caso especial de que

PAG segundo | UNsegundo, obtenemos
PAG  UN  segundo |
y UN PAG  UN   segundo  PAG
UN
PAG  UN | segundo
 UN 

 UN  PAG segundo  UN
 PAG segundo PAG segundo
 Estas conclusiones conducen a una definición
 importante.
Independenci
a (dos
eventos)
dos eventos son independiente si cualquiera de las siguientes afirmaciones es
 verdadera equivalentes:
 (1) P  UN | segundo UN 

 (2) P  segundo
(3) P UN | UN segundo  (2-13)
  
Se deja como un ejercicio de expansión mental para demostrar que la independencia implica resultados
relacionados tales como
PAG UNUNPAG segundo
El concepto de independencia es una relación importante entre los eventos y se usa en todo
este texto. Una relación mutuamente excluyentes entre dos eventos se basa únicamente en los
resultados que componen los eventos. Sin embargo, una relación de independencia depende
del modelo de probabilidad utilizado para el experimento aleatorio. A menudo, la
independencia se supone que es parte del experimento aleatorio que describe el sistema físico
en estudio.

Ejemplo 2-31 Considere la inspección descrito en el Ejemplo 2-14. Seis partes son seleccionados al azar sin
ment sustitución de un bin de 50 partes. El bin contiene 3 partes defectuosas y 47 partes no
defectuosas. Sean A y
 52 Capítulo 2 /
Probabilidad segundo denotan los eventos que las partes primera y segunda son defectuosos, respectivamente.
Tenemos la sospecha de que estos dos eventos no son independientes, porque el conocimiento de que la primera parte es
defectuoso sugiere que es menos probable que la segunda parte seleccionada es defectuosa. De hecho, P (B | A) = 2/49.
Ahora, lo que es P (B)? Encontrar el P incondicional (B) realiza un cierto trabajo debido a los posibles valores de la
primera selección deben ser considerados:
PAG(B) P (B | A) P (A) P (B | A ) P (A )
2

49 5049 5050
 Sección 2-6 / Independence 51

Curiosamente, P (B), la probabilidad incondicional de que la segunda parte seleccionada es defectuoso, sin ningún
El conocimiento de la primera parte, es la misma que la probabilidad de que la primera parte seleccionada es
defectuoso. Sin embargo, nuestro objetivo es evaluar la independencia. Debido a que P (B | A) no es igual a P (B), los
dos eventos no son independientes, tal y como esperábamos.
Al considerar tres o más eventos, podemos extender la definición de independencia
el siguiente resultado general.
Independenci
a (múltiples
eventos)
Los eventos E1, E2 ,  norte son independientes si y sólo si para cualquier subconjunto
de estos eventos
PAG  Ei1 2 k   PAG  Ei1   PAG  Ei2     PAG  Eik 
(2-14)
Esta definición se suele utilizar para calcular la probabilidad de que se produzcan varios eventos,
en el supuesto de que son independientes y se conocen las probabilidades de eventos individuales.
El conocimiento de que los eventos son independientes por lo general proviene deuna
comprensión fundamental del experimento aleatorio.

Ejemplo 2-32 Serie Circuito La siguiente circuito funciona sólo si hay un camino de dispositivos funcionales
de izquierda a derecha. La probabilidad de que cada uno funciones de dispositivo se muestra en
el gráfico. Asumir que los dispositivos
fallar de forma independiente. ¿Cuál es la probabilidad de que el circuito funciona?

Sea L y R indican los eventos que operan los dispositivos izquierdo y derecho, respectivamente. Hay un camino
sólo si tanto oper- comió. La probabilidad de que opera el circuito es
PAG  L y R L  L  PAG  R  0 90
Interpretación práctica: Observe que la probabilidad de que el circuito funciona degrada a aproximadamente 0,5
cuando se requieren todos los dispositivos para ser funcional. La probabilidad de que cada dispositivo es necesidades
funcionales que ser grande para un circuito para operar cuando muchos dispositivos están conectados en serie.

contami- es de 0,01 y que las obleas son independientes; es decir, la probabilidad de que una oblea
Ejemplo 2-33 contiene
Semiconductor obleas Suponga que la probabilidad de que una oblea contiene una partícula
grande de con-
una partícula grande no depende de las características de cualquiera de las otras obleas. Si se analizan 15 obleas, ¿cuál
es la probabilidad de que no hay partículas grandes se encuentran?
Vamos Ei el evento de que la oblea ITH no contiene partículas grandes, i 1, 2, , 15 Entonces, P (Eyo ) 0 99.
La capacidad proble- solicitado puede ser representada como P mi1 E2 E15  A partir de la hipótesis de la
independencia y la ecuación 2-14,
Ejemplo 2-34 Paralela mi1 E2La siguiente
PAGCircuito E15  mi1funciona
circuito mi2 sólo
PAG
si hay un camino
mi15 
de dispositivos
funcionales de izquierda a derecha. La probabilidad de que cada uno funciones de dispositivo se
muestra en el gráfico. Asumir que los dispositivos
fallar de forma independiente. ¿Cuál es la probabilidad de que el circuito funciona?

Sea T y B denotan los eventos que la parte superior y los dispositivos inferiores operan, respectivamente. Hay un
camino que al menos un dispositivo funcione. La probabilidad de que opera el circuito es
 52 Capítulo 2 /
Probabilidad

PAG T o B  1 P ⎡ ⎣ T o B    1 P T 
unnd B 
Una fórmula simple para la solución puede derivarse de los complementos T yB de la suposición de
independencia,
PAG T  unnorted B   PAG T   PAG
 segundo   1 0 95  0 052
2

asi que
PAG T o B
Interpretación práctica: Observe que la probabilidad de que opera el circuito es mayor que la probabilidad de que cualquiera de los
dos
dispositivo es funcional. Esto es una ventaja de una arquitectura paralela. Una desventaja es que se necesitan varios dispositivos.

Ejemplo 2-35 Avanzado Circuito La siguiente circuito funciona sólo si hay un camino de dispositivos
funcionales de izquierda a derecha. La probabilidad de que cada uno funciones de dispositivo se
muestra en el gráfico. Asumir que
dispositivos fallan de forma independiente. ¿Cuál es la probabilidad de que el circuito funciona?
0.9

0.95

un 0.9 0.99 segundo

0.95

0.9

La solución puede obtenerse a partir de una partición de la gráfica en tres columnas. Sea L el evento de que hay un
camino de dispositivos funcionales sólo a través de las tres unidades de la izquierda. A partir de la independencia y
con base en el ejemplo anterior,
PAG L
Del mismo modo, sea M el evento de que hay un camino de dispositivos funcionales sólo a través de las dos unidades en el medio.
Entonces,
PAG METRO 
La probabilidad de que hay un camino de dispositivos funcionales sólo a través de la una unidad de la derecha es
simplemente la probabilidad de que las funciones del dispositivo, a saber, 0,99. Por lo tanto, con el supuesto de
independencia utilizado de nuevo, la solución es
1 0 13 1 0 052 0 99

Ceremonias PARA LA SECCIÓN 2-6

Problema disponible en WileyPLUS a discreción del instructor.

problema tutoría disponible en WileyPLUS a discreción del instructor
segundo segundo   UN  
2-142. Si p  UN | la eventos B y el complemento de A independiente?
2-144.
segundo segundo   UN  l
Si p
os sucesos A y B independientes? UNsegundo aliado exclusivo,
2-143. Si p  UN | son independientes?
2-145. Un lote de 500 contenedores de con- tiene jugo de naranja congelado 5
 Sección 2-6 / Independence 53
que son defectuosos. Dos se seleccionan, al azar, sin
sustitución, a partir del lote. Sean A y B denotan los 2-146. Discos de plástico de policarbonato de un proveedor se
acontecimientos que el primer y segundo contenedores analizan para cero y resistencia a los golpes. Los resultados de
seleccionados son defectuosos, respectivamente. 100 discos se resumen de la siguiente manera:
(a) Son A y B eventos independientes?
(b) Si el muestreo se realiza con la sustitución, haría A y Resistencia a los golpes
segundo ¿Se independiente? Alto Bajo
Rasguño Alto 70 9
Resistencia Bajo dieci 5
séis
Sea A el evento de que un disco tiene una alta resistencia a los
golpes, y sea B el evento de que un disco tiene una alta
resistencia a los arañazos. Son eventos independientes A y B?
 54 Capítulo 2 /
Probabilidad

2-147. Las muestras de las emisiones de los tres proveedores 2-152. Un jugador de un videojuego se enfrenta a una
son fied clasifi- para la conformidad con las especificaciones serie de cuatro oponentes y una probabilidad del 80% de
de calidad del aire. Los resultados de 100 muestras se resumen derrotar a cada oponente. Suponga que los resultados de los
como sigue: oponentes son independientes (y que cuando el jugador es
derrotado por un nente opuesto termina el juego).
En cumplimiento
Sí No
1 22 8
Proveedor 2 25 5
3 30 10

Sea A el evento de que una muestra es de la compañía 1, y dejar

segundo denotar el caso de que una muestra se ajusta a las
especificaciones.
(a) Son eventos independientes A y B?
(b) Determinar P (B | A).
2-148. matriz redundante de discos independientes (RAID) es
una tecnología que utiliza múltiples unidades de disco duro
para aumentar la velocidad de transferencia de datos y
proporcionar copia de seguridad instantánea de datos.
Supongamos que la probabilidad de cualquier disco duro
fracasar en un día es de 0,001 y los fallos de la unidad son
independientes.
(a) Un esquema de RAID 0 utiliza dos unidades de disco duro,
una imagen especular de la otra que contiene cada uno.
¿Cuál es la probabilidad de pérdida de datos? Supongamos
que se produce la pérdida de datos si ambas unidades fallan
en el mismo día.
(b) Un esquema RAID 1 divide los datos a través de dos
unidades de disco duro. ¿Cuál es la probabilidad de pérdida
de datos? Supongamos que se produce la pérdida de datos
si al menos una unidad falla en el mismo día.
2-149. La probabilidad de que un espécimen de laboratorio
contiene altos niveles de contaminación es 0,10. Cinco
muestras se comprueban, y las muestras son independientes.
(a) ¿Cuál es la probabilidad de que ninguno contienen altos
niveles de contaminación?
(b) ¿Cuál es la probabilidad de que exactamente uno contiene
altos nive- les de contaminación?
(c) ¿Cuál es la probabilidad de que al menos uno contiene
altos niveles de contaminación?
2-150. En una prueba de una placa de circuito impreso usando
un patrón de prueba al azar, es igualmente probable que sea 0
o 1. Supongamos los bits son independientes una matriz de 10
bits.
(a) ¿Cuál es la probabilidad de que todos los bits son 1s?
(b) ¿Cuál es la probabilidad de que todos los bits son 0s?
(c) ¿Cuál es la probabilidad de que exactamente 5 bits son 1s
y 0s 5 bits son?
2-151. Seis tejidos se extraen de una planta de hiedra infestada
de ácaros. La planta en infestado en 20% de su área. Cada tejido
se elige de un área seleccionada aleatoriamente en la planta de
hiedra.
(a) ¿Cuál es la probabilidad de que cuatro muestras sucesivas
muestran los signos de infestación?
(b) ¿Cuál es la probabilidad de que tres de cada cuatro
muestras sucesivas muestran los signos de infestación?
 Sección 2-6 / Independence 55
(a) ¿Cuál es la probabilidad de que un jugador derrota a los cuatro
componen- opues- tas en un juego?
(b) ¿Cuál es la probabilidad de que un jugador derrota al menos
dos oponentes en un juego?
(c) Si el juego se juega tres veces, ¿cuál es la probabilidad de que
el jugador derrota a los cuatro oponentes al menos una vez?
2-153. En una valoración ácido-base, una base o ácido se añade
gradualmente a la otra hasta que se han neutralizado por completo
entre sí. Debido a que los ácidos y bases son por lo general incoloro
(como lo son el agua y la sal producida en la reacción de
neutralización), el pH se midió para controlar la reacción.
Supongamos que el punto de equivalencia se alcanza después de
aproximadamente 100 ml de una solu- ción NaOH se ha agregado
(suficiente para reaccionar con todo el ácido acético pre enviado),
pero que repeticiones son igualmente probable que indican 95 a 104
ml, medida a la ml más cercanas. Suponer que los dos los técnicos
cada uno de forma independiente de conducta titulaciones.
(a) ¿Cuál es la probabilidad de que ambos técnicos obtienen
equiva- lencia a 100 ml?
(b) ¿Cuál es la probabilidad de que ambos técnicos obtienen
equivalencia entre 98 y 104 ml (inclusive)?
(c) ¿Cuál es la probabilidad de que el volumen medio en la
equivalencia de los técnicos es de 100 ml?
2-154. Una tarjeta de crédito contiene 16 dígitos. También contiene
el mes y año de caducidad. Supongamos que hay 1 millón de
titulares de tarjetas de crédito con números de tarjetas únicas. Un
pirata informático selecciona aleatoriamente un número de tarjeta
de crédito de 16 dígitos.
(a) ¿Cuál es la probabilidad de que pertenece a un usuario?
(b) Supongamos que un hacker tiene una probabilidad del 25% de
adivinar correctamente el año su tarjeta expira y selecciona al
azar a 1 de los 12 meses. ¿Cuál es la probabilidad de que el
hacker selecciona correctamente el mes y año de caducidad?
2-155. Ocho cavidades en una herramienta de moldeo por
inyección producen conectores de plástico que entran en una
corriente común. Una muestra se elige cada varios minutos.
Supongamos que las muestras son independientes.
(a) ¿Cuál es la probabilidad de que cinco muestras sucesivas se
produjeron todas en la cavidad 1 del molde?
(b) ¿Cuál es la probabilidad de que cinco muestras sucesivas se
produjeron todos en la misma cavidad del molde?
(c) ¿Cuál es la probabilidad de que cuatro de cada cinco mues- tras
sucesivas se produjeron en la cavidad 1 del molde?
2-156. La siguiente circuito funciona si y sólo si existe un camino
de dispositivos funcionales de izquierda a derecha. La probabilidad
de que cada uno de las funciones del dispositivo es tal como se
muestran. Suponga que la capacidad proble- que un dispositivo es
funcional no depende de si o no otros dispositivos son funcionales.
¿Cuál es la probabilidad de que el circuito funciona?

2-157. La siguiente circuito funciona si y sólo si hay un camino de

dispositivos funcionales de izquierda a derecha. La probabilidad de
que cada uno de las funciones del dispositivo es tal como se
muestran. Suponga que la probabilidad de que
 56 Capítulo 2 /
Probabilidad

un dispositivo es funcional no depende de si o no otros
dispositivos son funcionales. ¿Cuál es la probabilidad de que el
circuito funciona?
2-158. Considerar las reacciones endotérmicas en Ejercicio 2-
50. Sea A el caso de que temperatura final de una reacción es
271 K o menos. Sea B el evento de que el calor absorbido es
por encima del objetivo. Son estos eventos independientes?
2-159. Tenga en cuenta los datos de los servicios de urgencias en
el Ejemplo 2-8. Sea A el evento de que una visita al hospital es
4, y sea B el evento de que una visita resultados en LWBS (en
cualquier hospital). Son estos eventos independientes?
2-160. Tenga en cuenta los datos de fallas y en el ejercicio 2-
53. Sea A el evento de que la formación geológica tiene más de
1000 pozos, y sea B el evento de que un pozo fallaron. Son
estos eventos independientes?
2-161. Un anuncio de Web puede ser diseñado a partir de
cuatro diferentes colores, tres tipos de fuentes, tamaños de
fuente cinco, tres y cinco imágenes, frases de texto. Un diseño
específico es generado aleatoriamente por el servidor Web
cuando visita el sitio. Sea A el evento de que el color es rojo, y
sea B el evento de que el tamaño de la fuente no es la más
pequeña. Son A y B eventos independientes? Explica por qué
o por qué no.
2-162. Considere el código en el ejemplo 2-12. Supongamos
que todos los 40 códigos son igualmente probables (ninguno es
retenido como un delimitador).
Sean A y B denotan el caso de que la primera barra es amplia
y B el evento de que la segunda barra es amplia. Determinar lo
siguiente:
(A) P (A)(segundo) PAG(SEGUNDO)(do) PAG(UN 
(D) ¿Son A y B eventos independientes?
2-163. Un circuito integrado contiene 10 millones de puertas
lógicas (cada uno puede ser un AND lógico o circuito OR).
Supongamos que la capacidad de un fallo proble- puerta es p y
que los fracasos son independientes. El circuito integrado no
funciona si falla cualquier puerta. deter- minar el valor de p de
modo que la probabilidad de que las funciones de circuito
integrado es 0,95.
2-164. La Tabla 2-1 proporciona datos sobre obleas
clasificados por ubicación y de contaminación niveles. Sea A
el evento de que la contaminación es baja, y sea B el evento de
que la ubicación es central. Son independientes A y B? ¿Por
qué o por qué no?
2-165. Mesa 2-1 proporciona datos sobre obleas clasificados
por niveles ción y contaminación PAR-. Más en general, que el
número de obleas con baja contaminación de las ubicaciones
de los centros y del borde se denota como NLC y Nle,
respectivamente. Del mismo modo, y mucho
nortehc y Nél denotar el número de obleas con alta contamina-
Tion de las ubicaciones de los centros y del borde,
respectivamente. Supongamos que 10nhc y NLE NLC = =
10nhe. Esto es, hay 10 veces más obleas de contaminación
bajos como los de alta de cada PAR-
ción. Sea A el evento de que la contaminación es baja, y sea B
el evento de que la ubicación es central. Son A y B inde-
pendiente? ¿Cambia su conclusión si el multiplicador de 10
(entre las obleas de baja y alta contaminación) se cambia de 10
a otro número entero positivo?

2-7 Teorema de Bayes

Los ejemplos en este capítulo indican que la información se presenta a menudo en términos de
probabilidades condicionales. Estas probabilidades condicionales proporcionan comúnmente
la probabilidad de un evento (por ejemplo, insuficiencia) dada una condición (por ejemplo,
contaminación alta o baja). Pero después de un experimento aleatorio genera un resultado,
estamos naturalmente interesados en la probabilidad de que una condición estaba presente
(alta contaminación) dado un resultado (un fracaso semiconductor). Thomas Bayes abordó
esta cuestión esencial en la década de 1700 y desarrolló el resultado fundamental conocido
comoTeorema de Bayes. No deje que la simplicidad de las matemáticas ocultar la importancia.
Hay gran interés en este tipo de probabilidades en el análisis estadístico moderno.
A partir de la definición de probabilidad condicional,

PAG UN UN | segundoPAG segundosegundo segundo

| UNPAG UN
Ahora, teniendo en cuenta el segundo y el último término en la expresión anterior, podemos escribir
 Sección 2-6 / Independence 57

PAG(B | PAG
PAG pa (2-15)
A) P (A) PAG
(SE
ra segund

Este es un resultado útil que nos permite resolver PAG(A | B) en términos de P (B | A).
 58 Capítulo 2 / Sección 2-7 / Bayes Teorema 55
Probabilidad

Ejemplo 2-36 Reconsider Ejemplo 2-27. La probabilidad condicional de que un alto nivel de contaminación
estaba presente cuando se produjo un error debe ser determinado. La información del Ejemplo 2-
27Probabilidad
se resume aquí.
de FailureLevel de
ContaminationProbability de Nivel
0.1 Alto 0.2
0,005 No es 0.8
La probabilidad de P  H | Fse determina a alta
PAG(F | H) P (H)
partir PAG
  PAG
4 de P F
(F) fue encontrado
El valor de P (F) en el denominador de nuestra solución P F F | HPAG H
   
En general, si PAG(SEGUNDO) en el denominador de la Ecuación 2-15 está escrito
utilizando la probabilidad total regla en la Ecuación 2-12, obtenemos el siguiente resultado
Teorema de
general, que se conoce como Teorema de Bayes.
Bayes

Si E1, E2, , Ek son k eventos mutuamente excluyentes y exhaustivos y B es

cualquier caso,PAG segundo | mi

EDUCACI  EDUCACIÓN
  PAG mi segundo |
FÍSICA (2-16)
ÓN PAG segundo | mi
para p      
segundo 
Observe que el numerador siempre es igual a uno de los términos de la suma en el denominador.

Ejemplo 2-37 Médico Diagnóstico Debido a que un nuevo procedimiento médico ha demostrado ser eficaz en
detección
el precoz de una enfermedad, se propone una revisión médica de la población. La
probabilidad de que
la prueba identifica correctamente a alguien con la enfermedad como positivo es 0,99, y la probabilidad de que la
prueba identifica correctamente una persona sin la enfermedad como algo negativo es de 0,95. La incidencia de la
enfermedad en la población general es de 0,0001. Se toma la prueba, y el resultado es positivo. ¿Cuál es la probabilidad
de que usted tiene la enfermedad?
Sea D el evento de que usted tiene la enfermedad, y dejar S denotar el caso de que la prueba de señales positivas.
La probabilidad requerida puede denotarse como P re | S. La probabilidad de que la prueba indica correctamente una
persona sin la enfermedad como nega- tivo es de 0.95. En consecuencia, la probabilidad de una prueba positiva sin la
enfermedad es
PAG S | D 
Por el teorema de Bayes,
PAG


Interpretación práctica: La probabilidad de que usted tenga la enfermedad dada un resultado positivo de la prueba es
solamente 0,002. Sorprenden- vez más, a pesar de que la prueba es eficaz, en el sentido de que P S | rees alta y PAG
S | D es baja, debido a que la incidencia de la enfermedad en la población general es baja, las posibilidades son bastante
pequeñas que usted realmente tiene la enfermedad, incluso si la prueba es positiva.

Ejemplo 2-38 bayesiano Red redes bayesianas se utilizan en los sitios Web de alta tecnología fabri-
cantes que los clientes puedan diagnosticar rápidamente problemas con productos. Un ejemplo
muy simplificado
 se presenta aquí.
Un fabricante de la impresora obtiene las siguientes probabilidades de una base de datos de resultados de la prueba.
fallos de impresora se asocia a los tres tipos de problemas: hardware, software, y otros (tales como conectores) con
probabilidades de 0,1, 0,6, y 0,3, respectivamente. La probabilidad de un fallo de la impresora dado un problema de
hardware es 0,9, dado un problema de software es de 0,2, y dado cualquier otro tipo de problema es 0,5. Si un cliente
entra en el sitio Web del fabricante para diagnosticar un fallo en la impresora, ¿cuál es la causa más probable del
problema?
 Sección 2-8 / Aleatorio Variables 57

y los compuestos, en lugar clorados de tener que utilizar una
sola prueba para cada contaminante. Los fabricantes de la
prueba afirman que puede detectar altos niveles de
contaminantes orgánicos con 99,7% de precisión, los
disolventes volátiles con% de precisión 99,95, y com- puestos
clorados con 89,7% de precisión. Si un contaminante no está
presente, la prueba no es una señal. Las muestras se preparan
para la calibración de la prueba y 60% de ellos están
contaminados con hormigas pollut- orgánico, 27% con
disolventes volátiles, y 13% con trazas de compuestos de
cloruros rinated. Una muestra de ensayo se selecciona al azar.
(a) ¿Cuál es la probabilidad de que la prueba será la señal?
(b) Si las señales de prueba, lo que es la probabilidad de que
los compuestos clorados están presentes?
2-174. Tenga en cuenta las reacciones endotérmicas en
Ejercicio 2-50. Utilice el teorema de Bayes para calcular la
probabilidad de que temperatura final de una reac- ción es 271
K o menos dado que el calor absorbido es por encima del
objetivo.
2-175. Tenga en cuenta los datos de los servicios de urgencias
en el ejemplo 2-8. Utilice el teorema de Bayes para calcular la
probabilidad de que un hospital persona visita 4 dado que son
LWBS.
2-176. Tenga en cuenta los datos de fallas y en el ejercicio 2-
53. Utilice el teorema de Bayes para calcular la probabilidad de
que un seleccionado al azar, así es en el grupo de gneis dado
que el pozo ha fallado.
2-177. Dos colores Web se utilizan para un sitio de publicidad. Si
llega un visitante del sitio de un afiliado, las probabilidades de
los colores azules o verdes que se utilizan en el anuncio son 0,8
y 0,2, respectivamente. Si el visitante del sitio llega de un sitio
de búsqueda, las probabilidades de colores azules y verdes en
el anuncio son 0,4 y 0,6, respectivamente. Las proporciones de
los visitantes de afiliados y los sitios de búsqueda son 0,3
y 0.7, respectivamente. Quées la probabilidad de que un
visitante es de un sitio de búsqueda dado que el anuncio azul
fue visto?
2-178. Suponer que un paciente es seleccionado al azar de los
descritos en el ejercicio 2-98. Sea A el evento de que el paciente
se encuentra en el grupo 1, y sea B el evento de que no hay
progresión. Determinar las probabilidades siguientes:
(A) P (B)(segundo) PAG (B | A)(do) PAG (A | B)
2-179. Un filtro de correo electrónico está prevista para separar
los correos electrónicos válidos de correo no deseado. La
palabra libre se produce en el 60% de los mensajes de correo
basura y sólo el 4% de los mensajes válidos. Además, el 20%
de los mensajes son spam. Determinar las probabilidades
siguientes:
(a) El mensaje contiene gratuita.
(b) El mensaje es spam dado que contiene libre.
(c) El mensaje es válida dado que no contiene gratuita.
2-180. Un proveedor de equipamiento recreativo encuentra que
entre los pedidos que incluyen tiendas de campaña, el 40%
también incluye colchonetas. Sólo el 5% de los pedidos que no
incluyen tiendas de campaña sí incluyen esteras para dormir.
Además, 20% de los pedidos incluyen tiendas de campaña.
Determinar las probabilidades siguientes:
(a) La orden incluye colchonetas.
(b) La orden incluye una tienda de campaña dado que incluye
colchonetas.
2-181. Las probabilidades de mala calidad de impresión dado
ningún problema de la impresora, papel mal alineados, de alta
viscosidad de la tinta, o residuos impresora-cabeza son 0, 0,3,
0,4, y 0,6, respectivamente. Las probabilidades de no problema
de la impresora, papel desalineados, de alta viscosidad de la
tinta, o escombros impresora-cabeza son 0,8, 0,02, 0,08, y 0,1,
respectivamente.
(a) Determinar la probabilidad de alta viscosidad de la tinta

Variables aleatorias
dado mala calidad de impresión.
2-8 (b) Dada la mala calidad de impresión, lo más probable es un problema?

Nosotros menudo resumir el resultado de un experimento aleatorio por un simple número. En

muchos de los ejemplos de experimentos aleatorios que hemos considerado, el espacio
muestral ha sido una descripción de posibles resultados. En algunos casos, las descripciones
de los resultados son suficientes, pero en otros casos, es útil para asociar un número con cada
resultado en el espacio muestral. Debido a que el resultado particular del experimento no se
conoce de antemano, el valor resultante de nuestra variable no se conoce de antemano. Por
esta razón, la variable que asocia un número con el resultado de un experimento aleatorio se
denominavariable aleatoria.
Aleatorio
Variable
UN variable aleatoria es una función que asigna un número real a cada resultado en
el espacio muestral de un experimento aleatorio.

Notación se utiliza para distinguir entre una variable aleatoria y el número real.

Notación
Una variable aleatoria se denota por una letra mayúscula como X. Después de que
se llevó a cabo un experimento, el valor medido de la variable aleatoria se denota
por una letra minúscula, tales como x 70 miliamperios.
 58 Capítulo 2 /
Probabilidad

A veces una medición (tal como la corriente en un alambre de cobre o la longitud de una
pieza mecanizada) puede asumir cualquier valor en un intervalo de números reales (al menos
en teoría). Entonces precisión arbitraria en la medición es posible. Por supuesto, en la práctica,
podemos redondear
 Sección 2-8 / Aleatorio Variables 59

a la décima más cercana o centésima de unidad. La variable aleatoria que representa esta
medición se dice que es unavariable aleatoria continua. El rangode la variabilidad aleatoria
capaz incluye todos los valores en un intervalo de números reales; es decir, el rango puede ser
pensado como un continuo.
En otros experimentos, podríamos registrar una cuenta, como el número de bits
transmitidos que se reciben en el error. Entonces, la medición se limita a números enteros. O
podríamos registrar que una proporción tal como 0,0042 de los 10.000 bits transmitidos se
recibió con error. Entonces, la medición es fraccionaria, pero todavía se limita a puntos
discretos en la línea real. Siempre que la medición se limita a puntos discretos en la línea real,
se dice que la variable aleatoria ser unavariable aleatoria discreta.

Variables
aleatorias UN variable aleatoria discreta es una variable aleatoria con una gama finita (o infinito
discretas y numerable).
continuas
UN variable aleatoria continua es una variable aleatoria con un intervalo (ya sea
finito o infinito) de números reales para su gama.

En algunos casos, la variable aleatoria X En realidad, es discreta, pero, debido a que el

rango de valores posibles es tan grande, que podría ser más conveniente para analizar X como
una variable aleatoria continua. porejemplo, Suponen que las mediciones de corriente se leen
de un instrumento digital que muestra la corriente con una precisión de centésima de un
miliamperios. Debido a las posibles mediciones son limitados, la variable aleatoria es discreta.
Sin embargo, podría ser una aproximación más conveniente, fácil de asumir que las medidas
de corriente son valores de una variable aleatoria continua.

Ejemplos de
Variable Ejemplos de variables aleatorias continuas:
s
corriente eléctrica, la longitud, la presión, temperatura, tiempo, voltaje, peso
aleatoria
s Ejemplos de variables aleatorias discretas:
número de arañazos en una superficie, la proporción de piezas defectuosas
entre 1,000 a prueba, número de bits transmitidos recibió con error

Ceremoni PARA LA SECCIÓN 2-8

asProblema disponible en WileyPLUS a discreción del instructor.
problema tutoría disponible en WileyPLUS a discreción del instructor
(a) El número de grietas superior a una pulgada y media en 10 millas de una
2-182. Decidir si una variabilidad aleatoria discreta o continua
carretera nacional.
capaz es el mejor modelo para cada una de las siguientes
(b) El peso de una pieza de plástico moldeada por inyección.
variables:
(a) El tiempo hasta que un proyectil vuelve a la tierra.
(b) El número de veces que un transistor en una memoria de
ordenador cambia de estado en una sola operación.
(c) El volumen de la gasolina que se pierde por evaporación
durante el llenado de un tanque de gas.
(d) El diámetro exterior de un eje de mecanizado.
2-183. Decidir si una variable aleatoria discreta o continua es
el mejor modelo para cada una de las siguientes variables:
 60 Capítulo 2 /
(c) El número de moléculas en una muestra de gas.
Probabilidad
(d) La concentración de salida de un reactor.
(e) La corriente en un circuito electrónico.
2-184. Decidir si una variable aleatoria discreta
o continua es el mejor modelo para cada una de
las siguientes variables:
(a) El tiempo para un algoritmo informático
para asignar una imagen a una categoría.
(b) El número de bytes utilizados para almacenar un archivo en un
ordenador.
(c) La concentración de ozono en microgramos por metro cúbico.
(d) La fracción de eyección (fracción
volumétrica de sangre bombeada desde un
ventrículo del corazón con cada latido).
(e) La tasa de flujo de fluido en litros por minuto.
 Sección 2-8 / Aleatorio Variables 61

Problema disponible en WileyPLUS a discreción del instructor.

problema tutoría disponible en WileyPLUS a discreción del instructor

2-185. Las muestras de vidrio de laboratorio están en envases (D) Si se selecciona un eje al azar, ¿cuál es la probabilidad de
pequeños, ligeros o, gran embalaje pesado. Supongamos que 2% y que el eje se ajusta a la superficie requisitos de acabado o
1%, respectivamente, de la muestra enviado en paquetes pequeños el eje es de herramienta 2?
y grandes, respectivamente, romper durante el tránsito. Si el 60% 2-189. Si UN, B, y do son eventos mutuamente excluyentes, es
de las muestras se envían en paquetes grandes y el 40% son posible que PAG(UN)
enviados en paquetes pequeños, ¿qué proporción de las muestras se 
rompen durante el envío? 2-190. El análisis de ejes para un compresor se resume
2-186. Una muestra de tres calculadoras se selecciona entre una en conformidad con las especificaciones:
línea de Turing fabri-, y cada calculadora se clasifica como En cumplimiento de la
defectuosa o aceptable. Sean A, B, y C indican los eventos que redondez
la primera, segunda y tercera calculadoras, respectivamente, Sí No
son defectuosas. Acabado de la Sí 345 5
(a) Describir el espacio muestral para este experimento con superficie
un diagrama de árbol. En No 12 8
Utilice el diagrama de árbol para describir cada uno de los cumplimiento
siguientes eventos:
(a) Si sabemos que un eje se ajusta a los requisitos de redondez,
(b) UN (do) segundo (re) UN (mi) ¿cuál es la probabilidad de que se ajusta a acabado de superficie
 segundo


2-187. Las muestras de una parte de fundición de aluminio requisitos?

se clasifican sobre la base de acabado de superficie (en (B) Si sabemos que un eje no se ajusta a los requisitos de la
micropulgadas) y acabado de borde. Los resultados de 100 redondez, ¿cuál es la probabilidad de que se ajusta a la
partes se resumen como sigue: superficie requisitos de acabado?
Edge Finalizar
2-191. Un investigador recibe 100 contenedores de oxígeno.
Excelente Buen De esos contenedores, 20 tienen oxígeno que no se ioniza, y el
o resto están ionizados. Dos muestras son seleccionadas al azar,
Superfic Excelente 80 2 sin sustitución, del lote.
ie
(a) ¿Cuál es la probabilidad de que la primera seleccionada no
Termina Bueno 10 8 está ionizado?
Sea
r A el evento de que una muestra tiene un excelente acabado
superficial, y sea B el evento de que una muestra tiene un (b) ¿Cuál es la probabilidad de que el segundo seleccionado no
excelente acabado de borde. Si se selecciona una parte al azar, está ionizado dado que el primero se ioniza?
determinar las siguientes probabilidades: (c) ¿Cuál es la probabilidad de que ambas están ionizados?
(A) P (A) (B) P (B) (C) P (A )

(d) PAG(U (e) PAG(U (f) PAG(A (d) ¿De qué manera la respuesta en (b) cambiar parte, si las muestras
N  N  seleccionadas

superficie
2-188. Los ejes se clasifican en términos de la máquina
herramienta que se utilizó para la fabricación del eje y la En cumplimiento No 8 6
conformidad con acabado super- ficie y redondez. (a) Si se selecciona un eje al azar, ¿cuál es la probabilidad
de que el eje se ajusta a la superficie requisitos de
herramient En cumplimiento de la acabado o para redondeadas requisitos o es de la
a1 redondez
herramienta 1?
Sí No
(b) Si un eje se selecciona al azar, ¿cuál es la probabilidad
Acabado de la Sí 200 1 de que el eje se ajusta a la superficie requisitos de
superficie acabado o no se ajusta a los requisitos de la redondez o
En cumplimiento No 4 2
es de la herramienta 2?
herramient En cumplimiento de la (c) Si se selecciona un eje al azar, ¿cuál es la probabilidad
a2 redondez de que el eje se ajusta a ambos requisitos de acabado y
Sí No la redondez de la superficie o el eje es de herramienta
Acabado de la Sí 145 4 2?
 62 Capítulo 2 /
fueron reemplazados antes de la próxima selección?
Probabilidad
2-192. Un lote contiene 15 piezas fundidas de un proveedor local
y 25 coladas de un proveedor en el siguiente estado. Dos piezas de
fundición son seleccionados al azar, sin reemplazo, de la gran
cantidad de 40. Sea A el evento de que el primer casting
seleccionada es del proveedor local, y sea B el evento de que la
segunda colada se selecciona del proveedor local. Determinar:
(A) P UN(B) P segundo | UN(C) P UN (D) P UN 
Supongamos que 3 piezas fundidas se seleccionan al azar, sin ment
sustitución, de la gran cantidad de 40. Además de las definiciones
de los eventos A y B, permiten C el evento de que la tercera colada
es seleccionado del proveedor local. Determinar:
(e) PAG  UN  (F) P  UN 
2-193. En la fabricación de un adhesivo químico, el 3% de todos
los lotes tienen materias primas procedentes de dos lotes diferentes.
Esto ocurre cuando los tanques de retención se reponen y la porción
restante de un lote es insuficiente para llenar los tanques.
Sólo el 5% de los lotes con el material de un solo lote requiere
reprocesamiento. Sin embargo, la viscosidad de los lotes de
compuestos de dos o más lotes de material es más difícil de
controlar, y 40% de estos lotes requieren un procesamiento
adicional para lograr la viscosidad requerida.
 60 Capítulo 2 /
Probabilidad
Sea A el evento de que un lote está formado por dos lotes
dife- rentes, y sea B el evento de que requiere una gran cantidad
adi- cional de procesamiento. Determinar las probabilidades
siguientes:
(A) P  UN  (B) P UN  (C) P segundo | UN(D) P
segundo | A 
(E) P  UN  (F) P  UN (G) P  segundo 
2-194. las llamadas entrantes a un centro de servicio al cliente
se clasifican como quejas (75%) de las llamadas o solicitudes
de informa- ción (25% de las llamadas). De las quejas, el 40%
tratan de un material informático que no responde y el 57%
trato con la instalación de software incompleta; en el 3%
restante de las quejas, el usuario ha seguido incorrectamente las
instrucciones de instalación. Las solicitudes de información se
dividen de manera uniforme en cues- ciones técnicas (50%) y
las solicitudes de compra de más productos (50%).
(a) ¿Cuál es la probabilidad de que una llamada entrante al
centro de servicio al cliente será de un cliente que no ha
seguido las instrucciones de instalación adecuadamente?
(b) Encuentre la probabilidad de que una llamada entrante es
una solicitud de compra de más productos.
2-195. Una red de ordenadores congestionada tiene una
probabilidad de 0.002 de la pérdida de un paquete de datos, y
las pérdidas de paquetes son eventos independientes. Un
paquete perdido debe ser reenviado.
(a) ¿Cuál es la probabilidad de que tendrá que ser reenviados
un mensaje de correo electrónico con 100 paquetes?
(b) Qué es la probabilidad de que un mensaje de correo
electrónico con 3 paquetes tendrá exactamente 1 a resentir?
(c) Si se envían mensajes de correo electrónico 10, cada uno
con 100 paquetes, ¿cuál es la probabilidad de que al menos
1 mensaje se necesita que algunos paquetes se vuelva a
enviar?
2-196. Las muestras de una parte de fundición de aluminio se
clasifican sobre la base de acabado de superficie (en
micropulgadas) y mediciones de la longitud. Los resultados de
100 partes se resumen como sigue:
Longitud
Excelente Buen
o minar el número de individuos en
Superficie Excelente 80 2 (a) UNsegundo
Terminar Bueno 10 8 operaciones de lectura. las operaciones de alto nivel de potencia más bajo de
Sea A el evento de que una muestra tiene un excelente acabado
superficial, y sea B el evento de que una muestra tiene una
excelente duración. Son eventos independientes A y B?
2-197. Un dispositivo de almacenamiento
óptico utiliza un procedimiento de recuperación de error que
requiere una parte posterior lectura satisfactoria inmediata de
todos los datos escritos. Si la colación no tiene éxito después
de tres operaciones de escritura, ese sector del disco se elimina
como inaceptable para el almacenamiento de datos. En una
porción aceptable del disco, la probabilidad de una lectura de
retorno satisfactorio es 0,98. Asumen las colaciones son
independientes. ¿Cuál es la probabilidad de que una porción
aceptable del disco se elimina como inaceptable para el
almacenamiento de datos?
2-198. Los láseres semiconductores utilizados en dispositivos
de almacenamiento óptico requieren mayores niveles de
potencia para las operaciones de escritura que para las
del tiempo leyendo y escribiendo, y la probabilidad de que la
vida útil sea superior a cinco años es de 0.995. Ahora, el 25%
de los productos de un fabricante se utilizan para la copia de
seguridad y el 75% de los productos que se utilizan para el
almacenamiento principal.
Sea A el evento de que la vida útil de un láser es superior a
cinco años, y sea B el evento de que un láser es un producto
que se utiliza para la copia de seguridad.
Use un diagrama de árbol para determinar lo siguiente:
(A) P  segundo  (B) P  UN | segundo (C) P  UN | B 
(D) P  UN  (E) P  UN  (F) P  UN 
(g) ¿Cuál es la probabilidad de que la vida útil de un láser es
superior a cinco años?
(h) ¿Cuál es la probabilidad de que un láser que falló antes de
cinco años vino de un producto utilizado para la copia de
seguridad?
2-199. La energía liberada a partir de células rompe el enlace
molecular y convierte el ATP (trifosfato de adenosina) en ADP
(difosfato de adenosina). El almacenamiento de ATP en las
células musculares (incluso para un atleta) puede sostener
potencia muscular máxima solamente durante menos de cinco
segundos (un corto DASH). Tres sistemas se utilizan para
replen- sistema ish ATP-fosfágeno, sistema de ácido
glucógeno-láctico (anaeróbico) y aeróbico respiración, pero la
primera es útil sólo para menos de 10 segundos, e incluso el
segundo sistema proporciona menos de dos minutos de ATP .
Un atleta de resistencia necesita para llevar a cabo debajo del
umbral anaeróbico a mantener la energía durante períodos
prolongados. Una muestra de 100 individuos se describe por el
sistema de energía utilizada en ejercicio a diferentes niveles de
intensidad.
principalmente
Period Síaeróbico No
o1 50 7
2 13 30
Sea A el evento de que un individuo está en el período 2, y sea
B el evento de que la energía es principalmente aeróbica. deter-
(B) B (do) UN 
la vida útil del láser.
Láseres en productos utilizados para la copia de seguridad de los discos
magnéticos de mayor velocidad de escritura principalmente, y la probabilidad
de que la vida ful uso- superior a cinco años es de 0,95. Los láseres que se
encuentran en los productos que se utilizan para el almacenamiento principal
pasan aproximadamente una cantidad igual
 Sección 2-8 / Aleatorio Variables 61
2-200. Una preparación de la muestra para una
medición química se completa correctamente
por el 25% de los técnicos de laboratorio,
completado con un error menor en un 70%, y se
completa con un importante error de 5%.
(a) Si se selecciona al azar un técnico para
completar la preparación, ¿cuál es la
probabilidad de que se ha completado sin
error?
(b) ¿Cuál es la probabilidad de que se haya
completado, ya sea con un menor o un error
grave?
2-201. En las pruebas de circuito de placas de
circuito impreso, cada tablero falla, ya sea o no
falla el Junta test.A que no pasa la prueba a
continuación, se comprueba además para
determinar que uno de los cinco tipos de
defectos es el modo de fallo primario.
Representar el espacio muestral para este
experimento.
2-202. Los datos de 200 piezas mecanizadas se
resumen de la siguiente manera:

Profundidad de
Diámetro
Condición del lado por encima Por debajo
del objetivo del objetivo
Grueso 15 10
Moderar 25 20
Suave 50 80
 62 Capítulo 2 /
Probabilidad

(a) ¿Cuál es la probabilidad de que una parte seleccionada (e) ¿Cuál es la probabilidad de que una muestra se ajusta a la E1 o
tiene una condición de borde moderada y una profundidad mi3 Especificación?
orificio por debajo del objetivo? (f) ¿Cuál es la probabilidad de que una muestra se ajusta a la E1 o
(b) ¿Cuál es la probabilidad de que una parte seleccionada mi2 o especificación E3?
tiene una condición de borde moderada o una profundidad 2-206. Transacciones a una base de datos informática o son
orificio por debajo del objetivo? nuevos artículos o cambios en los elementos anteriores. La
(c) ¿Cuál es la probabilidad de que una parte seleccionada no adición de un elemento puede ser completado en menos de 100
tiene una condición de borde moderada o no tiene una milisegundos 90% del tiempo, pero sólo 20% de los cambios
profundidad orificio por debajo del objetivo? en un elemento anterior se puede completar en menos de este
2-203. Las computadoras en un envío de 100 unidades tiempo. Si el 30% de las transacciones son cambios, ¿cuál es la
contienen un disco duro portátil, memoria de estado sólido, o probabilidad de que una transacción puede ser completado en
ambos, de acuerdo con la siguiente tabla: menos de 100 milisegundos?
2-207. Una placa de acero contiene 20 pernos. Supongamos
Disco duro portátil
que los 5 tornillos no están apretados a los límites propios. 4
memoria de estado Sí n° tornillos se seleccionan en dom ran-, sin reemplazo, a ser
sólido Sí 15 80 comprobado para el par.
(a) ¿Cuál es la probabilidad de que todos los 4 de los pernos
No 4 1
seleccionados estén apretados hasta el límite adecuado?
Sea A el evento de que un equipo tiene un disco duro portátil, (b) ¿Cuál es la probabilidad de que al menos 1 de los pernos
y sea B el evento de que un ordenador tiene una memoria de seleccionados es
estado sólido. Si se selecciona un equipo al azar, calcular no tensado a los límites propios?
(A) P  UN  (B) P  UN  (C) P  UN  2-208. La siguiente circuito funciona si y sólo si existe un
(D) P  UN  (E) P  UN | segundo camino de dispositivos funcionales de izquierda a derecha.
Suponga dispositivos fallan de forma independiente y que la
2-204. La probabilidad de que la orden de un cliente no se probabilidad de fallo de cada dispositivo es como se muestra.
entrega a tiempo es 0.05. Un cliente particular, coloca tres ¿Cuál es la probabilidad de que el circuito funciona?
órdenes, y las órdenes se colocan lo suficientemente separados
en el tiempo que pueden ser considerados como eventos
independientes.
(a) ¿Cuál es la probabilidad de que todo se envían a tiempo?
(b) Qué es la probabilidad de que exactamente uno no se
envía a tiempo?
(c) ¿Cuál es la probabilidad de que dos o más órdenes no se
envían a tiempo? 2-209. La probabilidad de que las entradas para los
conciertos están disponibles por teléfono es de 0,92. Para el
2-205. Dejar mi1, E2, y E3 denotan las muestras que se ajusten a un porcentaje de
mismo evento, la probabilidad de que los boletos están
especificación de sólidos, una especificación de peso molecular, y una especificación de color,
disponibles a través de un sitio Web es de 0.95. Asumen que
respectivamente. Un total de 240 muestras se clasifican por el E1, E2, E3 y especificaciones,
estas dos formas de comprar billetes son independientes. ¿Cuál
donde sí indica que la muestra se ajusta.
es la probabilidad de que alguien que trata de comprar entradas
mi3 sí a través de la web y por teléfono obtendrán entradas?
2-210. El gobierno británico ha intensificado su campaña de
mi2 información con respecto a la fiebre aftosa por correo
Sí No Total opúsculos a los agricultores de todo el país. Se estima que el
mi1 Sí 200 1 201 99% de los agricultores escoceses que reciben el folleto poseen
No 5 4 9 suficiente información para hacer frente a un brote de la
Total 205 5 210 enfermedad, pero sólo el 90% de los que no tienen el folleto
puede hacer frente a un brote. Después de los primeros tres
mi3 no meses del correo, el 95% de los agricultores en Escocia había
recibido el folleto informativo. Calcular la probabilidad de que
mi2
un agricultor seleccionado al azar tendrá suficiente información
Sí No Total para hacer frente eficazmente a un brote de la enfermedad.2-
mi1 Sí 20 4 24 211. En una operación de llenado automatizado, la
No 6 0 6 probabilidad de un llenado incorrecto cuando el procedimiento
Total 26 4 30 se hace funcionar a una velocidad baja es
(a) Son mi1, E2, E3 y eventos mutuamente excluyentes? 0,001. Cuandoel proceso se hace funcionar a una velocidad alta,
(b) E son12, y e3¿eventos mutuamente excluyentes? la pro- babilidad de un llenado incorrecto es 0,01. Supongamos
(c) ¿Cuál es P (o E1 mi2 o E3 )? que el 30% de los contenedores están llenos cuando el proceso
(d) ¿Cuál es la probabilidad de que una muestra se ajusta a las se hace funcionar a una alta velocidad y el resto se llena cuando
tres especificaciones? el procedimiento se hace funcionar a una velocidad baja.
 Sección 2-8 / Aleatorio Variables 63
(a) ¿Cuál es la probabilidad de un contenedor lleno de forma incorrecta?
(b) Si se encuentra un recipiente lleno de forma incorrecta, lo que
es la capacidad proble- que estaba lleno durante el
funcionamiento a alta velocidad?
2-212. Un sistema de cifrado-descifrado consiste en tres elementos:
codificar, transmitir y descodificar. A encode defectuoso se
produce en 0,5% de los mensajes procesados, se producen errores
de transmisión
 64 Capítulo 2 /
Probabilidad
(a) ¿Cuál es la probabilidad de que los 3 arandelas son más gruesas que el
en el 1% de los mensajes, y un error de decodificación se
objetivo?
produce en 0,1% de los mensajes. Suponga que los errores son
(b) ¿Cuál es la probabilidad de que la tercera arandela seleccionado es más
independientes.
grueso que el objetivo si las 2 primeras arandelas seleccionados son más
(a) ¿Cuál es la probabilidad de que un mensaje
completamente libre de defectos? delgadas que el objetivo?
(b) ¿Cuál es la probabilidad de que un mensaje que tiene o bien (c) ¿Cuál es la probabilidad de que el tercer lavadora seleccionada es más
una codificación o un error de decodificación? grueso que el objetivo?

2-213. Se sabe que dos copias defectuosas de un programa de

software comer- cial fueron enviados erróneamente a una gran
cantidad de transporte que ahora tiene un total de 75 copias del
programa. Una muestra de copias se selecciona de entre el
montón sin reemplazo.
(a) Si son inspeccionados tres copias del software, determinar
la probabilidad de que exactamente una de las copias
defectuosas serán encontrados.
(b) Si son inspeccionados tres copias del software, determinar
la probabilidad de que se encontraron las dos copias
defectuosas.
(c) Si se inspeccionan 73 copias, determinar la probabilidad de
que se encontraron las dos copias. (Pista: Trabajar con las
copias que quedan en el lote).
2-214. Una herramienta de inserción robótica contiene 10
compo- nentes primarios. La probabilidad de que cualquier
componente falla durante el periodo de garantía es 0,01.
Suponga que los componentes fallan de forma independiente y
que la herramienta falla si falla cualquiera de los componentes.
¿Cuál es la probabilidad de que la herramienta falla durante el
período de garantía?2-215. Un mensaje de correo electrónico
puede viajar a través de una de las dos rutas de servidor. La
probabilidad de error de transmisión en cada uno de los
servidores y la proporción de mensajes que viajan cada ruta se
muestran en la siguiente tabla. Suponga que los servidores son
independientes.
Probabilidad de error
Porcentaje
de mensajes 1 Servidor 2 Servidor 3 Servidor 4
ruta 130 0.010.015--
ruta 270
--0.020.003
(a) ¿Cuál es la probabilidad de que un mensaje llegará sin
error?
(b) Si llega un mensaje por error, por lo que es la probabilidad
de que se envía a través de la ruta 1?
2-216. Una máquina herramienta está inactivo 15% del tiempo.
Usted solicita su uso inmediato de la herramienta en cinco
ocasiones diferentes durante el año. Asuma que sus peticiones
representan eventos independientes.
(a) ¿Cuál es la probabilidad de que la herramienta está en
reposo en el momento de todas sus peticiones?
(b) ¿Cuál es la probabilidad de que la máquina está inactiva en
el momento de exactamente cuatro de sus peticiones?
(c) ¿Cuál es la probabilidad de que la herramienta está en
reposo en el momento de al menos tres de sus peticiones?
2-217. Una gran cantidad de 50 arandelas espaciadoras
contiene 30 arandelas que son más gruesas que la dimensión de
destino. Supongamos que 3 lavadoras son seleccionados al
azar, sin sustitución, del lote.
 Sección 2-8 / Aleatorio Variables 65
2-218. Continuando Ejercicio 2-217, arandelas que el circuito no funciona?
se seleccionan de entre el lote al azar sin
reemplazo.
(a) ¿Cuál es el número mínimo de arandelas que
deben ser seleccionados de manera que la
probabilidad de que todas las arandelas son
más delgados que el objetivo es inferior a
0,10?
(b) ¿Cuál es el número mínimo de arandelas que
deben ser seleccionados de manera que la
probabilidad de que 1 o más arandelas son
más gruesas que el objetivo es al menos
0,90?
2-219. La siguiente tabla muestra la historia de
940 pedidos de características en un producto
informático de nivel de entrada.

Ampliación de memoria extra

No Sí
opcional alto No 514 68
la velocidad del Sí 112 246
procesador
Sea A el evento de que una orden pide al
procesador de alta velocidad opcional, y sea B el
evento de que una las solicitudes de pedidos de
memoria adicional. Determinar las
probabilidades siguientes:
(A) P  UN  (B) P  UN 
(C) P  UN  (D) P UN
(e) ¿Cuál es la probabilidad de que una orden
solicita un procesador de alta velocidad
opcional dado que la solicitudes de pedidos
de memoria extra?
(f) Qué es la probabilidad de que una las
solicitudes de pedidos de memoria adicional
dado que el orden solicita un procesador de
alta velocidad opcional?
2-220. La alineación entre los medios
magnético y la cabeza en un sistema de
almacenamiento magnético afecta Mance
perfor- del sistema. Supongamos que el 10% de
las operaciones de lectura son degradados por
alineaciones sesgadas, 5% de las operaciones de
lectura son degradados por alineaciones fuera
del centro, y las operaciones de lectura restantes
están correctamente alineados. La probabilidad
de un error de lectura es de 0,01 a partir de una
alineación sesgada, 0,02 partir de una alineación
fuera del centro, y
0.001 de una alineación apropiada.
(a) ¿Cuál es la probabilidad de un error de lectura?
(b) Si se produce un error de lectura, ¿cuál es la
probabilidad de que sea debido a una
alineación sesgada?
2-221. La siguiente circuito funciona si y sólo si
existe un camino de dispositivos funcionales de
izquierda a derecha. Supóngase que los
dispositivos fallan de forma independiente y que
la probabilidad de fallo de cada dispositivo es
como se muestra. ¿Cuál es la probabilidad de
 66 Capítulo 2 /
Probabilidad

2-222. Una empresa que realiza un seguimiento del uso de su (b) Si una contraseña formada exactamente por 6 letras y
sitio Web determinó que los más páginas vistas visitantes, es número 1, el número de contraseñas son posibles?
más probable que el visitante es proporcionar información de (c) Si una contraseña consta de 5 letras seguidas de 2 cifras,
contacto. Use las siguientes tablas para responder a las el número de contraseñas son posibles?
preguntas: 2-226. pelo rojo natural se compone de dos genes. Las personas
con cabello rojo tienen dos genes dominantes, dos genes
Número de páginas vistas: 1 2 3 4 o Más regresivos, o uno dominante y un gen regresivo. Un grupo de
Porcentaje de visitantes: 40 30 20 10 1000 personas se clasificó de la siguiente manera:
Porcentaje de gen 2
visitantes en cada
de vista de página gen 1 Dominante Regresivo Otro
categoría Dominante 5 25 30
que proporciona
Información del 10 10 20 40 Regresivo 7 63 35
contacto: Otro 20 15 800

(a) ¿Cuál es la probabilidad de que un visitante del sitio Web
pro- porciona información de contacto?
(b) Si un visitante proporciona información de contacto, lo
que es la capacidad proble- que el visitante ve cuatro o
más páginas?
Sea A el evento de que una persona tiene un gen dominante
pelo rojo, y sea B el evento de que una persona tiene un gen
pelo rojo regresiva. Si se selecciona una persona al azar de este
grupo, calcule lo siguiente:
(A) P  UN  (B) P  UN  (C) P  UN 

2-223. Un artículo en Genome Research [ “Una Evaluación del (D) P  UN  (E) P  UN | segundo
gen de precisión de la predicción en grandes secuencias de (F) Probabilidad de que la persona seleccionada tiene el pelo rojo
ADN” (2000, Vol. 10, pp. 1631-1642)], considerada la 2-227. Dos proveedores cada suministran 2000 partes que se
exactitud de software co- mercial para predecir los nucleótidos evaluaron para la conformidad con las especificaciones. Un
en las secuencias de genes. La siguiente tabla muestra el tipo parte fue más complejo que el otro. La proporción de partes
número de secuencias para las que los programas producidos que forman noncon- de cada tipo se muestran en la tabla.
predicciones y el número de nucleótidos predijo correctamente
(calculado a nivel mundial a partir del número total de éxitos Compon Asamble
de predicción y fracasos en todas las secuencias). Proveedor ente a Total
sencilla compleja
Número de 1 no conforme 2 10 12
Secuencias Proporción
Total 1000 1000 2000
GenScan 177 0.93
2 no conforme 4 6 10
predeterminado 175 0.91
Total 1600 400 2000
BLASTX
BLASTX topcomboN 174 0.97 Una parte se selecciona al azar de cada proveedor. Para cada
proveedor, calcular por separado las siguientes probabilidades:
BLASTX 2 etapas 175 0.90
(a) ¿Cuál es la probabilidad de que una parte se ajusta a las
GeneWise 177 0.98 especificaciones?
procusto 177 0.93 (b) ¿Cuál es la probabilidad de que una parte se ajusta a las
Suponga que los éxitos y fracasos de predicción son especificaciones dadas se trata de un montaje complejo?
independientes entre los programas. (c) ¿Cuál es la probabilidad de que una parte se ajusta a las
(a) ¿Cuál es la probabilidad de que todos los programas especificaciones dadas es un componente simple?
predicen un nucleótido correctamente? (d) Compara tus respuestas para cada proveedor en la parte (a)
(b) ¿Cuál es la probabilidad de que todos los programas a las de las partes (b) y (c) y explicar ningún resultado
predicen un nucleótido de forma incorrecta? inusuales.
(c) ¿Cuál es la probabilidad de que al menos un programa 2-228. Considere los tratamientos en ejercicio 2-57.
BLASTX predice un nucleótido correctamente? Supongamos que un paciente es seleccionado al azar. Sea A el
2-224. Un lote contiene 36 células de las bacterias. Suponga caso de que el paciente es tratado con ribavirina más interferón
alfa o interferón alfa, y sea B el evento de que la respuesta es
que 12 de las células no son capaces de replicación celular. De
completa. Determinar las probabilidades siguientes.
las células, 6 se seleccionan al azar, sin sustitución, a ser
comprobado para la replicación.
(a) ¿Cuál es la probabilidad de que todos los 6 de las celdas
seleccionadas se

capaz de (a) PAG(A | B) (b) P (B | A) (c) (d) PAG(UN 

replicar? PAG(UN 

(B) ¿Cuál es la probabilidad de que al menos 1 de las células
seleccionadas no es capaz de replicación?
2-225. Un sistema informático utiliza contraseñas que son
exactamente siete caracteres, y cada personaje es una de las 26
letras (a-z) o 10 enteros (0-9). No se utilizan letras mayúsculas.
(A) ¿Cuántas contraseñas son posibles?
Sección 2-8 / Aleatorio Variables 67
2-229. Tenga en cuenta los grupos de pacientes en Ejercicio 2-
98. Supongamos que un paciente es seleccionado al azar. Sea
A el evento de que el paciente se encuentra en el grupo 1 o 2, y
sea B el evento de que no hay progresión. Determinar las
probabilidades siguientes:
(A) P (A | B) (b) P (B | A) (c) P (A B) (d) P (A B)
 68 Capítulo 2 /
Probabilidad

Ejercicios de expansión mental

2-230. Supongamos que los documentos en una
organización de préstamos son seleccionados al azar (sin
reemplazo) para su revisión. En un conjunto de 50
documentos, supongamos que 2 contienen errores de hecho.
(a) Qué es el tamaño mínimo de la muestra tal que la
probabilidad es superior a 0,90 que se selecciona al
menos 1 documento en error?
(b) Comentar sobre la eficacia de la inspección de muestreo
para detectar errores.
2-231. Supongamos que una gran cantidad de arandelas es
bastante grande que se puede suponer que el muestreo se
realiza con reemplazo. Supongamos que el 60% de las
arandelas exceda el espesor objetivo.
(a) ¿Cuál es el número mínimo de arandelas que deben ser
seleccionados de manera que la probabilidad de que
ninguno es más grueso que el destino es menor que
0,10?
(b) ¿Cuál es el número mínimo de arandelas que deben ser
seleccionados de manera que la probabilidad de que 1 o
más arandelas son más gruesas que el objetivo es al
menos 0,90?
2-232. Una empresa de fabricación de la biotecnología
puede producir kits de pruebas de diagnóstico a un costo de
$ 20. Cada kit para los que existe una demanda en la semana
de la producción puede ser vendido por $ 100. Sin embargo,
la vida media de los componentes del kit requiere el kit para
ser desechada si no se vende en la semana de la producción.
El costo de tener que desechar el kit es de $ 5. La demanda
semanal se resume como sigue:
La demanda
semanal
Número de units050 100 200
Probabilidad de
demand0.050.40.30.25
¿Cuántos kits debe producir cada semana para maximizar
las ganancias medias de la empresa?
2-233. Asumir las siguientes características del proceso de
inspec- ción en el ejercicio 2-207. Si un operador
comprueba un perno, la probabilidad de que se identifica un
perno incorrectamente par de torsión es de 0,95. Si un perno
verificado correctamente es sometido a torsión, la
conclusión de que el operador es siempre correcta. ¿Cuál es
la probabilidad de que al menos un perno en la muestra de
cuatro se identifica como un par de torsión de forma
incorrecta?
2-234. Si los eventos A y B son independientes, muestran que A 
y B son independientes.
2-235. Supongamos que una tabla de recuentos parte es
generalizar como sigue:
En cumplimiento
Sí No
Proveedor 1 kakb
2 ab
donde a, b, y k son enteros positivos. Sea A el caso de que
una parte es desde el proveedor 1, y sea B el evento de que
una parte se ajusta a las especificaciones. Muestran que A y
B son eventos independientes.
Este ejercicio ilustra el resultado de que cada vez que las
filas de una tabla (con r filas y columnas c) son
proporcionales, un evento definido por una fila de categoría
y un evento definido por una categoría de columna son
independientes.

regla de la suma Igualmente probable Las muestras paradoja diagrama de

Axiomas de la los resultados aleatorias de árbol de reglas de la
probabilidad teorema regla de evento permutación de probabilidad total de
de Bayes Combinación Independencia probabilidad Simpson
de conteo de Multiplicación Azar variables discretas y diagrama de Venn
probabilidad Resultado eventos continuas Con o sin sustitución
condicional mutuamente excluyentes Ejemplos de espacios-
técnicas discreta y continua

Variables aleatorias discretas
Distribuciones de
probabilidad y función de
probabilidad
Funciones de distribución
acumulativa 3-4 media y la varianza de
un Discrete
Variable aleatoria
3-5 Discrete Distribución
Uniforme 3-6 Distribución
Binomial
Geométricos y negativos
distribuciones binomiales
Distribución hipergeométrica
Distribución de veneno
3
Variables
aleatorias discretas
y distribuciones de
probabilidad
Una matriz redundante de discos independientes (RAID)
utiliza múltiples unidades de disco físico como una unidad
lógica en un sistema informático. La matriz puede aumentar
el rendimiento y la robustez de un fallo de disco. copias de
datos pueden ser escritos simultáneamente en varias
unidades (conocido como mirroring) para proporcionar
copia de seguridad inmediata y la capacidad de recuperarse
de los fallos, pero con menos capacidad de almacenamiento
capaci- dad de otra manera estarían disponibles.
Alternativamente, para aumentar el rendimiento, los datos
pueden ser distribuidos entre varios discos con sólo una
fracción de los datos sobre cada uno (conocido como
striping). Pero la falta de incluso un solo disco puede
conducir a la pérdida de datos. Un diseño intermedio es
distribuir los datos de origen junto con los datos adicionales
(conocidos como datos de paridad) a través de múltiples
discos. Con los datos de paridad, los datos de origen pueden
ser recuperados incluso con fallos de disco. En particular, un
diseño de RAID 5 utiliza la fragmentación y la paridad de
poder recuperar los datos de origen si un disco falla en la
matriz, y un diseño de RAID 6 permite la recuperación de
datos, incluso si dos discos fallan. fallas en el disco debido a
un fallo de hardware a menudo se supone que son
independientes con una probabilidad constante. Con un gran
número de discos en una matriz, el riesgo de pérdida de datos
y el diseño de matriz adecuado para cumplir con el
rendimiento del sistema, la disponibilidad, la y criterios de
coste son importantes. El número de unidades que han
fallado puede ser modelada como una variable aleatoria
discreta, y el riesgo de pérdida de datos en un sistema
redundante es sólo un ejemplo de la utilización de los temas
de este capítulo. fallas en el disco debido a un fallo de
hardware a menudo se supone que son independientes con
una probabilidad constante. Con un gran número de discos
en una matriz, el riesgo de pérdida de datos y el diseño de
 matriz adecuado para cumplir con el rendimiento del
70 Capítulo 2 / sistema, la disponibilidad, la y criterios de coste son
Probabilidad importantes. El número de unidades que han fallado puede
ser modelada como una variable aleatoria discreta, y el
riesgo de pérdida de datos en un sistema redundante es sólo
un ejemplo de la utilización de los temas de este capítulo.
fallas en el disco debido a un fallo de hardware a menudo se
supone que son independientes con una probabilidad
constante. Con un gran número de discos en una matriz, el
riesgo de pérdida de datos y el diseño de matriz adecuado
para cumplir con el rendimiento del sistema, la
disponibilidad, la y criterios de coste son importantes. El
número de unidades que han fallado puede ser modelada
como una variable aleatoria discreta, y el riesgo de pérdida
de datos en un sistema redundante es sólo un ejemplo de la
utilización de los temas de este capítulo.

sesenta y cinco
 66 Capítulo 3 variables aleatorias / discretas y distribuciones de
probabilidad

Objetivos de aprendizaje
Después de un cuidadoso estudio de este capítulo, usted debería ser capaz de hacer lo siguiente:

1. Determinar las probabilidades de funciones de masa de probabilidad y la inversa

2. Determinar las probabilidades y función de probabilidad de funciones de distribución acumulativa y
la inversa
3. Calcular medias y las varianzas de las variables aleatorias discretas
4. Entender los supuestos para algunas distribuciones de probabilidad discretas comunes
5. Seleccione una distribución discreta de probabilidad apropiada para calcular las probabilidades en aplicaciones
especí fi co
6. Calcular probabilidades y determinar los medios y varianzas para algunas distribuciones de
probabilidad discretas comunes

3-1 Discreto Variables aleatorias

Muchos sistemas físicos puede ser modelado por los mismos o similares experimentos
aleatorios y variables aleatorias. La distribución de las variables aleatorias que participan en
cada uno de estos sistemas comunes puede ser analizado, y los resultados se puede utilizar en
diferentes aplicaciones y ejemplos. En este capítulo, se presenta el análisis de varios
experimentos aleatorios yvariables aleatorias discretas que surgen con frecuencia en las
aplicaciones. A menudo omitimos una discusión sobre el espacio muestral subyacente del
experimento aleatorio y describe directamente la distribución de una variable aleatoria en
particular.
tiempo ticular, se observa el sistema, y algunas de las líneas se están utilizando. Dejar que la
Ejemplo 3-1 Voz Líneas
variable aleatoria
Un sistema de comunicación de voz para que una empresa contiene 48 líneas
externas. En una par-
X denotar el número de líneas en uso. Entonces X puede asumir cualquiera de los valores enteros de 0 a 48. Cuando se
observa el sistema, si 10 líneas están en uso, x 10.

Ejemplo 3-2 El tiempo de recarga del flash se pone a prueba en tres cámaras de teléfonos celulares. La
probabilidad de que una cámara pasa la prueba es 0,8, y las cámaras de realizar de forma
independiente. Véase la Tabla 3-1 para el espacio muestral para el experimento y probabilidades
asociadas. Por ejemplo, debido a que las cámaras son independientes,
la probabilidad de que la primera y segunda cámaras de pasar la prueba y la tercera uno falla, denotado como PPF, es
PAG
La variable aleatoria X indica el número de cámaras que pasan la prueba. La última columna de la tabla muestra los
valores de X asignados a cada resultado del experimento.

cámara 1 cámara cámara 3 Probabilida X

de 2 d
Pasar Pasar Pasar 0,512 3
Fallar Pasar Pasar 0,128 2
Pasar Fallar Pasar 0,128 2
Fallar Fallar Pasar 0,032 1
Pasar Pasar Fallar 0,128 2
Fallar Pasar Fallar 0,032 1
Pasar Fallar Fallar 0,032 1
Fallar Fallar Fallar 0,008 0
 68 Capítulo 3 variables aleatorias / discretas y distribuciones de Distribuciones Sección 3-2 / Probabilidad y Probabilidad Funciones de masas
probabilidad 67

Ejemplo 3-3 Definir la variable aleatoria X sea el número de partículas de contaminación sobre una oblea en la
fabricación de semiconductor. Aunque obleas poseen un número de características, la variable
aleatoria X
resume la oblea sólo en términos del número de partículas.
Los posibles valores de X son números enteros desde cero hasta un valor grande que representa el número máximo
de tículos par- que se pueden encontrar en una de las obleas. Si este número máximo es grande, puede ser que
simplemente asumimos que el rango de X es el conjunto de los enteros de cero a infinito.

Tenga en cuenta que más de una variable aleatoria puede ser definido en un espacio muestral.
En el Ejemplo 3-3, también podríamos definir la variableY azar para ser el número de fichas
de una oblea que no pasa la prueba final.

Problema disponible en WileyPLUS a discreción del instructor.

problema tutoría disponible en WileyPLUS a discreción del instructor
Para cada uno de los siguientes ejercicios, determinar el rango
(valores posi- ble) de la variable aleatoria.
3-1. La variable aleatoria es el número de conexiones de
soldadura ing nonconform- en un tablero de circuito impreso
con 1000 conexiones.
3-2. En un sistema de comunicación de voz con 50 líneas, la
variable aleatoria es el número de líneas en uso en un momento
particular. 3-3. Una balanza electrónica que muestra los pesos
a la libra NEAR est se utiliza para pesar paquetes. La pantalla
muestra sólo cinco dígitos. Cualquier peso mayor que la
pantalla puede indicar se muestra como 99999. La variable
aleatoria es el peso mostrado.3-4. Un lote de 500 piezas
mecanizadas contiene 10 que no se ajustan a los requisitos del
cliente. La variable aleatoria es el número de piezas en una
muestra de cinco partes que no se ajustan a los requisitos del
cliente.
3-5. Un lote de 500 piezas mecanizadas contiene 10 que no
se ajustan a los requisitos del cliente. Las piezas se seleccionan
cesivamente Suc-, sin reemplazo, hasta que se obtiene una parte
no conforme. La variable aleatoria es el número de partes
seleccionadas.3-6. La variable aleatoria es el contenido de
humedad de un lote de materia prima, medida en el punto
porcentual más cercano.
3-7. La variable aleatoria es el número de defectos superficiales
en una gran bobina de acero galvanizado.
3-8. La variable aleatoria es el número de ciclos de reloj de
ordenador necesarios para completar un cálculo aritmético
seleccionado. 3-9. Un pedido de un automóvil puede
seleccionar el modelo de base o añadir cualquier número de
15 opciones. La variable aleatoria es el número de opciones
seleccionadas en un orden.
3-10. Madera paneles se puede ordenar en espesores de 1
8, 1 4, o 3 8 pulgadas. La variable aleatoria es el espesor total
de revestimiento de madera en dos órdenes.
3-11. Un grupo de 10.000 personas son probados para un gen
llamado Ifi202 que se ha encontrado para aumentar el riesgo de
lupus. La variable aleatoria es el número de personas que
portan el gen.
3-12. En una valoración ácido-base, los mililitros de la base
de que son necesarios para llegar a la equivalencia se miden a
la mililitro más cercana entre 0,1 y 0,15 litros (inclusive).
3-13. El número de mutaciones en una secuencia de
nucleótidos de longitud 40000 en una cadena de ADN después
de la exposición a la radiación se mide. Cada nucleótido se
puede mutar.
3-14. Un proveedor de atención médica horarios de 30 minutos
para la visita de cada paciente, pero algunas visitas requieren
tiempo extra. La variable aleatoria es el número de pacientes
tratados en un día de ocho horas.3-15. Un sitio de Internet
contiene 100 páginas interconectadas. La variable dom ran- es
el número de páginas únicas vistas por un visitante del sitio
Web.

3-2 Distribuciones de probabilidad y

función de probabilidad
variables aleatorias son tan importantes en experimentos aleatorios que a veces ignoramos
esencialmente el espacio de muestra original del experimento y se centran en la distribución
de probabilidad de la variable aleatoria. Por ejemplo, en el ejemplo 3-1, nuestro análisis puede
centrarse exclusivamente en los números enteros {0, 1,. . . , 48} en el intervalo de X. En el
Ejemplo 3-2, podríamos resumir el experimento dom ran- en términos de los tres valores
posibles de X, es decir, {0, 1, 2}. De esta manera, una variable aleatoria puede simplificar la
descripción y análisis de un experimento aleatorio.
los Distribución de probabilidad de una variable aleatoria X es una descripción de las
probabilidades asociadas con los posibles valores de X. Para una variable aleatoria discreta,
la distribución es a menudo especificada por sólo una lista de los posibles valores, junto con
la probabilidad de cada uno. En algunos casos, es conveniente expresar la probabilidad en
términos de una fórmula.
 68 Capítulo 3 variables aleatorias / discretas y distribuciones de
probabilidad

Example3-4 Digital Canal Hay una posibilidad de que un bit transmitido a través de un canal de
transmisión digital
es recibido por error. Sea X igual al número de bits de error en los próximos cuatro bits
valores posibles paratransmitidos.
X son {0, 1, los
2, 3, 4}. Basado en un modelo de los errores que se presentan en la siguiente
sección, serán determinadas capacidades blemas para estos valores. Supongamos que las probabilidades son
PAG X  X
 X  X
 X 0,0001
La distribución de probabilidad de X es especificada por los valores posibles junto con la probabilidad de cada uno.
Una descripción gráfica de la distribución de probabilidad de X se muestra en la Fig. 3-1.
Interpretación práctica: Un experimento aleatorio a menudo se puede resumir con una variable aleatoria y su
distribución.
Los detalles del espacio de muestra a menudo pueden ser omitidos.

Supongamos que una carga en un largo, lugares haz delgado masa solamente en puntos
discretos. Véase la Fig. 3-2. La carga puede ser descrita por una función que especifica la
masa en cada uno de los puntos discretos. Del mismo modo, para una variable aleatoria
discreta X, su distribución puede ser descrita por una función que especifica la probabilidad a
cada uno de los posibles valores discretos para X.

masa de probabilidad
Función Para una variable aleatoria X discreta con posibles valores x1, x2, , xn, una
función de probabilidad es una función tal que
(1) f xi 

(2)  fx 
(3) f xi  X (3-1)

Para los bits en error en el Ejemplo 3-4, f 0123
0,0036, y f 

f (x)
0.6561
Cargando

0.2916

0,0486
01234 X X

FIGURA 3-1 distribución de probabilidad para los bits en error. FIGURA 3-2 Las cargas en puntos discretos sobre un haz de
largo y delgado.

Ejemplo 3-5 Oblea Contaminación

necesitar ser analizado conDejar
el finque
de detectar unaaleatoria
la variable partícula
X grande
denotar de contaminación.
el número de obleasSuponga
de que la
probabilidad
semiconductoresde que
que una
oblea contiene una gran partícula es 0,01 y que las obleas son independientes. Determinar la distribución de
probabilidad de X.
Sea p denotan una oblea en la que una partícula grande está presente, y Sea A una oblea en la que está ausente. El
espacio muestral del experimento es infinita, y puede ser representado como todas las posibles secuencias que
comienzan con una cadena de unos y terminan con la p. Es decir,
s p, p, AAP, AAAP, aaaap, aaaaap, Etcétera