INDUCCIÓN ESTADÍSTICA

Estudios de conceptos Probabilísticos

Al referirnos a la Probabilidad, sin duda se está familiarizando con términos tales como
probabilidad, posibilidad y azar. Con frecuencia son utilizados de manera intercambiable. En
general, la probabilidad es la posibilidad de que algo pase. Las probabilidades es expresan
como fracciones (1/6, ½, 8/9) o como decimales (0.167; 0.500; 0.889) que están entre cero y
uno. Tener una probabilidad de uno indica que algo va a suceder siempre. Cuanto más se
aproxime a cero una probabilidad, es más improbable que suceda algo. Cuanto más se
acerque a uno, tanto más seguro estaremos que ocurrirá.
La probabilidad.- Es el valor entre cero y uno, inclusive, que describe la posibilidad relativa
de que ocurrirá un evento.
Se utilizan tres palabras claves en el estudio de la probabilidad; Experimento, resultado y
evento.
Evento.- En la Teoría de la Probabilidad, un evento es uno o más de los posibles resultados
de hacer algo (o conjunto de uno más resultados de un experimento). Al lanzar una moneda
al aire, si cae cruz es un evento, y si cae cara es otro. De manera análoga, si sacamos una
carta de un fajo de naipes, el tomar el as de espadas es un evento. Un ejemplo de evento que
quizá esté más familiarizado con el área educativa es el de ser elegido de entre cien
estudiantes para que responda a una pregunta.
Experimento.- Proceso que conduce a la ocurrencia de una (y solamente una) de varias
observaciones posibles.
Esta definición es más general que la que se utiliza en las ciencias físicas, donde uno se
imagina a alguien manipulando un microscopio o tubos de ensayos. En el caso de la
probabilidad, un experimento tiene dos o más resultados posibles, y es incierto cual habrá de
ocurrir.
Utilizando un lenguaje formal, podríamos hacer la siguiente pregunta: ¿En un experimento de
lanzar una moneda, ¿Cuál es la probabilidad del evento cara? Y, desde luego si la moneda no
está cargada y tiene la misma probabilidad de caer en cualquiera de sus dos lados (sin
posibilidad de que caiga parada), podríamos responder, “1/2” o 0.5. Al conjunto de todos los
resultados posibles de un experimento se le llama espacio muestral del experimento. En el
de lanzar una moneda el espacio muestral es;
S = [cara, cruz]
En el experimento de sacar una carta, el espacio muestral tiene 52 elementos; as de corazones,
dos de corazones, etc.
A la mayoría de las personas les emocionan menos el lanzamiento de monedas o las cartas
que las preguntas como, ¿Cuáles son mis posibilidades de conseguir una segunda entrevista
de trabajo? En resumen estamos preocupados por la probabilidad de que ciertos eventos
sucedan.
Resultado.- Lo que se obtiene específicamente de un experimento.

1
EJEMPLOS:

1- Lanzar una moneda al aire es un experimento. Se puede observar el

lanzamiento de aquella, pero no está seguro de si caerá “cara” (anverso) o
“cruz” (reverso). En forma semejante, preguntar a 600 estudiantes
universitarios si comprarían o no la nueva computadora IBM APTIVA a un
precio determinado, ello sería un experimento. Sí la moneda se tira al aire,
un resultado particular es caer “cara”. El resultado alternativo es caer
“cruz”. En el experimento de la compra de una computadora, un resultado
posible es que 291 estudiantes indiquen que sí la comprarían. Otro
resultado puede ser que 317 alumnos si adquirirían la máquina. Aún otro
resultado es que 532 estudiantes digan que sí la adquirirían. Cuando se
observan uno o más de los resultados posibles de un experimento, se llama a
esto un evento.

2- En el experimento de tirar un dado existen seis resultados posibles, pero

hay muchos eventos factibles. Cuando contamos el número de miembros de
una junta de directores que tienen más de 60 años de edad en las 500
compañías presentadas en la revista FORTUNE, el número de resultados
posibles puede estar entre cero y el número total de miembros. Existe un
gran número de eventos posibles en este experimento.

3- Se ha desarrollado un nuevo juego de video. 80 jugadores veteranos de este

tipo de juegos van a probar su potencial de mercado.
a) ¿Cuál es el experimento?
b) ¿Cuál es un resultado posible?
c) Suponga que 65 jugadores probaron el nuevo juego y afirmaron que les
gustó. ¿65 es una probabilidad?.
d) La probabilidad de que el nuevo juego de video sea un éxito se calcula
como -1. Comente esto.
e) Especifique un posible evento.
a) Prueba del nuevo juego de computadora.
b) A setenta y tres jugadores les gustó el juego.
c) No. La probabilidad no puede ser mayor que 1. La probabilidad de que
el juego, al ser lanzado al mercado, tenga éxito, es 65/80, o 0.8125.
d) No puede ser menor que 0. Tal vez hubo error en la aritmética.
e) A más de la mitad de las personas que prueban dicho juego, les agradó.
(Desde luego, hay otras respuestas posibles).

2
Eventos Mutuamente Excluyentes.- Se dice que los eventos son mutuamente excluyentes si uno
y sólo uno de ellos puede tener lugar a un tiempo (o, se expresa esto porque la ocurrencia de
cualquier evento implica que ningún otro puede ocurrir al mismo tiempo). Considerando de nuevo
el ejemplo de la moneda. Tenemos dos resultados posibles; cara y cruz. En cualquier lanzamiento
obtendremos una cara o una cruz, pero no ambas. En consecuencia, se dice que los eventos cara y
cruz en un solo lanzamiento son mutuamente excluyentes. De manera parecida, un estudiante
puede pasar o reprobar una materia o, antes de que termine el curso, desertar y no obtener
calificación. Solamente uno de esos tres resultados es posible, por tanto, se dice que son eventos
mutuamente excluyentes. La pregunta fundamental que se debe formular al decidir si ciertos
eventos son mutuamente excluyentes es: ¿pueden ocurrir dos o más de tales eventos al mismo
tiempo? Si la respuesta es afirmativa, los eventos no son mutuamente excluyentes.

Lista Colectivamente Exhaustiva.- Cuando en una lista de los posibles eventos que pueden
resultar de un experimento se incluyen todos los resultados posibles, se dice que la lista es
colectivamente exhaustiva (o, se señala esto porque por lo menos uno de los eventos debe ocurrir
cuando se realiza el experimento).
En el experimento de tirar un dado, cada resultado será un número par o impar. Por lo tanto el
conjunto es colectivamente exhaustivo.
Si el conjunto de eventos es colectivamente exhaustivo y los eventos son mutuamente excluyentes,
la suma de las probabilidades es igual a 1. Para el experimento del lanzamiento de una moneda:
Probabilidad
Evento: Cara 0.5
Evento: Cruz 0.5
Total 1.0

Ejercicios:
1- Elabore una lista colectivamente exhaustiva de los resultados posibles al
lanzar dos dados.
2- ¿Cuáles de los siguientes son parejas de eventos mutuamente excluyentes al
sacar una carta de un fajo de 52 barajas?
a- Un corazón y una reina (la Q).
b- Una espada y una carta roja (J).
c- Un número par y una espada (corazón negro).
d- Un as y un número impar.
3- Cuáles de los siguientes son resultados mutuamente excluyentes al lanzar
dos dados ¿
a) Un total de cinco puntos y un cinco en un dado
b) Un total de siete puntos y un número par de puntos en
ambos dados.
c) Un total de ocho puntos y un número impar de puntos en
ambos dados.
d) Un total de nueve puntos y un dos en uno de los dados
e) Un total de diez puntos y un cuatro en un dado

3
 4- Un bateador “toma” (es decir, se queda sin intentar pegarle a la bola) todos los
lanzamientos que le envían. Proporcione el espacio muestral de los resultados de los
siguientes experimentos en términos de bolas y strikes: El resultado de:
a) Dos lanzamientos.
b) Tres lanzamientos.
5- Dé la probabilidad para cada uno de los siguientes resultados de lanzar dos dados: 1, 2,
5, 6, 7, 10 y 11.
6- En una reciente asamblea de los miembros de un sindicato que apoyan a Luíggi
Cevallos como presidente, el líder de los seguidores de Cevallos afirmó: Tenemos
“buenas posibilidades de que Cevallos derrote al único oponente en la elección.
a) ¿Cuáles son los eventos” que podrían llevarse a cabo con respecto a la elección?
b) ¿La lista que hizo es colectivamente exhaustiva? ¿Son los eventos de la lista
mutuamente excluyentes?
c) Si tomar en consideración el comentario de sus seguidores y sin tener ninguna
información adicional, ¿Qué probabilidad asignaría usted a cada evento?

ENFOQUES DE PROBABILIDAD.- Se analizarán dos enfoques de la

probabilidad, específicamente, los puntos de vista objetivo y subjetivo. La
probabilidad objetiva puede subdividirse en; a) Probabilidad Clásica y b)
Probabilidad empírica.

Probabilidad Clásica.- Se basa en la consideración de que los resultados de un

experimento son igualmente posibles.
Empleando el punto de vista clásico, la probabilidad de que suceda un evento se calcula
dividiendo el número de resultados favorables entre el número total de resultados posibles.

Probabilidad de un evento = Número de resultados favorables

Número total de resultados posibles

4
Se debe resaltar el hecho de que, con el fin de que la ecuación anterior sea válida, cada uno
de los resultados posibles debe ser igualmente posible. Ésta es una manera bastante
complicada de definir algo que nos puede parecer intuitivamente obvio, pero podemos
utilizar la definición para escribir los ejemplos del lanzamiento de la moneda y de los dados
de una manera simbólica. Primero plantearemos la pregunta ¿cuál es la probabilidad de
obtener una cara en un solo lanzamiento? Como;

P (cara)
Luego, utilizando términos formales, obtenemos:

Número de resultados posibles en un lanzamiento

En los que se presente el evento (en este caso el
número de resultados que producirá una cara)

P (cara) = 1
1+1
Número total de resultados posibles en un
Lanzamiento (una cara y una cruz)

Y para el ejemplo del lanzamiento de dados:

Número de resultados en un solo

lanzamiento del dado que producirá un
cinco

P (5) = 1
1+1+1+1+1+1

Número total de resultados posibles al

lanzar una sola vez el dado (se obtiene un
1, un 2, un 3, un 4, un 5 o un 6)

= 1
6

5
La probabilidad clásica, a menudo se le conoce como probabilidad a priori, debido a que si seguimos
utilizando ejemplos previsibles como monedas no alteradas, dados no cargados y fajos de barajas
normales, entonces podemos establecer la respuesta de antemano (a priori) sin necesidad de lanzar
una moneda, un dado o tomar una carta. No tenemos que efectuar experimentos para poder llegar a
conclusiones en un razonamiento lógico antes de realizar el experimento.
Este planteamiento de la probabilidad es útil cuando tratamos con juegos de cartas, de dados,
lanzamientos de monedas y cosas parecidas, pero tiene serios problemas cuando intentamos aplicarlo
a los problemas de tomas de decisiones menos previsibles como los que nos encontramos en la
administración. El planteamiento clásico de probabilidad supone un mundo que no existe. Supone
que no existen situaciones que son bastante improbables pero que podemos concebir como reales.
Las situaciones de la vida real, desordenadas y poco probables como son a menudo, hacen que sea
útil definir la probabilidad de otras formas.

Concepto Empírico.- Otra manera para definir la probabilidad es con base en las frecuencias
relativas. La probabilidad de que un evento ocurra a largo plazo se determina observando en qué
fracción de tiempo sucedieron eventos semejantes en el pasado. Utilizando una fórmula.

Probabilidad de que suceda un evento = Número de veces que el evento ocurrió en el pasado
Número total de observaciones
Ejemplo: Supongamos que una compañía de seguros sabe, por la información obtenida de los datos
actuariales registrados, que de los hombres de 40 años de edad, 60 de cada 100.000 morirán en un
período de un año. Utilizando este método, la compañía estima la probabilidad de muerte de ese
grupo en particular como:

60 ; o 0.0006
100.000

Probabilidad Subjetiva.- Las probabilidades subjetivas están basadas en las creencias de las
personas que efectúan la estimación de probabilidad. De hecho, la probabilidad subjetiva se
puede definir como la probabilidad asignada a un evento por parte de un individuo, basada en la
evidencia que se tenga disponible. Esta evidencia puede presentarse en forma de frecuencia
relativa de presentación de eventos pasados, o puede tratarse simplemente de una creencia
meditada. Las asignaciones de probabilidad subjetiva se dan con más frecuencia cuando los
eventos se presentan sólo una vez o un número muy reducido de veces. Digamos que se tiene
encomendada la tarea de entrevistar y elegir a un nuevo trabajador social. Su población se ha
reducido a sólo tres personas; cada una de éstas tiene buena apariencia, alto nivel de actividad,
bastante confianza en sí misma, buen registro de logros pasados y buena disposición de ánimo
para enfrentar los retos que se presenten. ¿Cuáles son las posibilidades de que cada candidato se
relaciones exitosamente con los clientes? El responder a esta pregunta y escoger a uno de los tres
y escoger a uno de los tres requerirá que usted asigne una probabilidad subjetiva al potencial de
cada persona que solicita el puesto

6
 ALGUNAS REGLAS DE PROBABILIDAD

Reglas de Adición
Regla especial de Adición.- Para aplicar esta regla, los eventos deben ser mutuamente
excluyentes. (Cuando ocurre un evento, ninguno de los otros puede ocurrir al mismo tiempo). Un
ejemplo de eventos mutuamente excluyentes en el experimento de tirar un dado son los eventos
“un 4 o mayor” y “número 2 o menor”. Si el resultado se encuentra en el primer grupo 4,5 y6
no puede también estar en el segundo grupo 1y2. Y un producto industrial que sale de una línea
de ensamble no puede ser defectuoso y satisfactorio a la vez.
Si dos eventos A y B son mutuamente excluyentes, la regla especial de adición indica que la
probabilidad de que ocurra uno u otro de los eventos, es igual a la suma de sus probabilidades.
Esta regla se expresa en la fórmula siguiente:

REGLA ESPECIAL DE ADICIÓN -------------- P(A o B) = P(A) + P(B)

Para tres eventos mutuamente excluyentes denotados por A, B y C, la regla se escribe:

P(A o B o C) = P(A) + P(B) + P(C)

Ejemplo: Una máquina automática marca SHAW, llena bolsas de plástico con una mezcla de
frijoles, brócoli y otras legumbres. La mayoría de las bolsas contiene el peso correcto, pero
debido a ligeras variaciones en el tamaño de las verduras, un paquete puede tener un peso
ligeramente menor o mayor. Una verificación de 4 000 paquetes llenados el mes pasado indicó:

Peso Evento Número de Probabilidad de

Paquetes ocurrencia

Con peso menor A 100 0.025 100/4 000

Satisfactorio B 3 600 0.900 3 600/4 000
Con peso mayor C 300 0.075 300/4 000
4 000 1.000

¿Cuál es la probabilidad de que un paquete en especial tenga un peso menor o mayor?

Solución: El resultado “peso menor” es el evento A. El resultado “peso mayor” es el evento C.

P(A o C) = P(A) + P(C)

= 0.025 + 0.075
= 0.10

Como se puede observar los eventos son mutuamente excluyentes, lo cual significa que un
paquete con legumbres mixtas no puede tener peso menor, peso satisfactorio, y peso mayor, al
mismo tiempo. (Observe también que P(A o B o C) = 1.000

7
Diagrama de Venn.- El experto en lógica inglés J. Venn (1834 – 1888) desarrolló un
diagrama para representar gráficamente el resultado de un experimento. El concepto de
mutuamente excluyente y otras reglas diversas para combinar probabilidades pueden
visualizase empleando este mecanismo. Para elaborar un diagrama de Venn, primero se
delimita un espacio que ha de representar a todos los posibles resultados. Tal espacio
generalmente tiene forma de rectángulo. Un evento se representa por un área redonda que se
dibuja proporcional a la probabilidad del evento. El siguiente diagrama de Venn representa el
concepto mutuamente excluyente. No hay superposición de eventos, lo cual indica que son
de este tipo.

Evento Evento Evento

A B C

La probabilidad de que una bolsa de verduras mixtas seleccionada sea de peso menor P(A),
más la probabilidad de que no sea una bolsa con peso menos, que se escribe P(~A) y se lee
“no A”, debe lógicamente ser igual a 1. Esto se expresa como sigue:

P(A) + P (~A) = 1

Lo anterior puede ser expresado como:

Regla Del Complemento P(A) = 1 - P(~A)

A esto se le denomina REGLA DEL COMPLEMENTO.

La regla del complemento se utiliza para determinar la probabilidad de que ocurra un evento
restando del número 1 la probabilidad de que no ocurra. Un diagrama de Venn que ilustre la
regla del complemento sería:

Evento
A

~A

8
Ejemplo.- Se debe de recordar que la probabilidad de que una bolsa de legumbres
mixtas tenga peso de menos es 0.025, y de que tenga peso de más, 0.075. Debe
utilizarse la regla del complemento para demostrar que la probabilidad de una bolsa
satisfactoria vale 0.900. Plantear la solución aplicando un diagrama de Venn.

Solución.- La probabilidad de que la bolsa no sea satisfactoria es igual a la probabilidad

de que sea de peso mayor, más la probabilidad de que sea de peso menor. Esto es, P(A
o C) = P(A) + P(C) = 0.025 + 0.075 = 0.100. La bolsa es satisfactoria si no es de
peso menor ni de peso mayor, por tanto P(B) = 1 - [P(A)] + [P(C)] = 1 - [0.025 +
0.075] = 0.900. El diagrama de Venn que ilustra esta situación es:

A
0.025

C
0.075

~(A o C) 0.90

La regla del complemento es muy importante en el estudio de la probabilidad. En

muchos casos es más fácil calcular la probabilidad de que ocurra un evento
determinando la probabilidad de que no suceda, y restando de 1 el resultado.

Ejercicio.- Se ha de entrevistar a un grupo selecto de empleados de industrias “ALES”

con respecto a un plan de pensiones. Se efectuarán entrevistas detalladas a cada uno de
los empleados seleccionados en la muestra. Éstos se clasificaron como sigue:

Clasificación Evento Número de empleados

Supervisores A 120
De mantenimiento B 50
De producción C 1 460
Gerencia D 302
Secretaría E 68

a) ¿Cuál es la probabilidad de que la primera persona seleccionada:

(i) ¿sea de mantenimiento o una secretaria?
(ii) ¿no sea de gerencia?
b) Elabore un diagrama de Venn mostrando sus respuestas a la parte (a)
c) ¿Los eventos en la parte (a)(i) son complementarios o mutuamente excluyentes,
o bien de ambas clases?

9
REGLA DEL COMPLEMENTO DE ADICIÓN
SOLUCIÓN EJERCICIO.-
a) (i) 50 + 68
----------- = 0.059
2 000
302
(ii) 1 - ------------ = 0.849
2 000

b)

B E D

c) No son complementarios, sino mutuamente excluyentes

10
Regla General de la Adición.- Los resultados de un experimento pueden no ser mutuamente
excluyentes. Por ejemplo, supongamos que el Ministerio del Medio Ambiente y Turismo del
Ecuador seleccionó una muestra de 200 turistas que visitaron el Puerto de Manta. La encuesta
reveló que 120 fueron a Puerto Cayo a visitar el Parque de Machalilla, y 100 fueron a San Lorenzo
a visitar el bosque de esta parroquia rural de Manta. ¿Cuál es la probabilidad de que una persona
seleccionada haya visitado el parque de Machalilla o el bosque de San Lorenzo? Si se emplea la
regla especial de adición, la probabilidad de seleccionar un turista que fue al parque de Machalilla
es 0.60, que se obtiene de 120/200. De manera similar la probabilidad de que fue al bosque de San
Lorenzo es 0.50. La suma de estas probabilidades es 1.10. sin embargo, se sabe que esta
probabilidad no puede ser mayor que 1. ¡ La explicación es que muchos turistas visitaron ambas
atracciones turísticas y se están contando dos veces Una verificación de las respuestas de la
encuesta reveló que 60 de las 200 personas de la muestra en realidad fueron a ambos lugares.
Para responder a la pregunta: “¿Cuál es la probabilidad de que una persona seleccionada haya
visitado el parque de Machalilla o el bosque de San Lorenzo?” (1) se suma la probabilidad de que
el turista haya ido al parque de Machalilla y la probabilidad de que haya estado en el bosque de San
Lorenzo, y (2) se resta la probabilidad de visitar ambos lugares. De esta forma:

P (P. de Machalilla o B. de San Lorenzo) = P (P. Mach.) + P (B. San L.) – P (P. Mach. y B. San L)
= 120/200 + 100/200 - 60/200
= 160/200
= 0.80, o
= 0.60 + 0.50 - 0.30
= 0.80
Cuando dos eventos se trasladan, a la probabilidad se la denomina probabilidad conjunta. La
probabilidad de que el turista visite ambos lugares (0.30) es un ejemplo de probabilidad conjunta.

Probabilidad Conjunta.-Es la probabilidad que mide la posibilidad de que dos o más eventos
ocurran en forma simultánea.
Podemos decir entonces, que la Regla General de la Adición se utiliza para combinar eventos que
no son mutuamente excluyentes. Esta regla para dos eventos expresados como A y B se escribe:

Regla General de Adición P(A o B) = P(A) + P(B) – P(A y B)

En la expresión P(A o B), el término “o” indica que A puede ocurrir o que B también puede
suceder. Esto incluye asimismo la posibilidad de que A y B puedan ocurrir. A este uso de la “o” a
veces se le llama inclusivo. Puesto que de otra forma, se verá con agrado tanto A y B suceden, o
bien cualquiera de los dos ocurren.
Ejemplo: ¿Cuál es la probabilidad de que una carta elegida al azar de una baraja americana sea un
rey o una de corazones?
Solución:
Uno puede pensar en sumar la probabilidad de que salga un rey y la de que se tenga un carta de
corazones. Pero esto crea un problema. Si se hiciera, el rey de tal símbolo se cuenta con todos los
reyes y también con todas las cartas de corazones. De modo que si simplemente se suma la
probabilidad de un rey (hay 4 en la baraja de 52 naipes) a la de una de corazones (hay 13 en dicha
baraja) y se expresa que 17 cartas de las 52 cumplen el requisito, se ha contado dos veces al rey de
corazones. Se necesita restar 1 carta de las 17 par que dicho rey se cuente una sola vez. Por tanto,
hay 16 cartas que son de dicha figura o bien de reyes. Por lo que la probabilidad es 16/52 = 0.3077

11
Carta Probabilidad Explicación
Rey P(A) = 4/52 Hay 4 reyes en la baraja
Corazones P(B) = 13/52 Hay 13 cartas de corazones en la baraja
Rey de corazones P(A y B) = 1/52 Hay un rey de corazones en la baraja

Utilizando la fórmula:
P(A o B) = P(A) + PB) - P(A y B)
= 4/52 + 13/52 - 1/52
= 16/52, o bien 0.3077

Un diagrama de Venn presenta estos resultados que son mutuamente excluyentes.

Corazones
Reyes
A B
A
y

Ambos

Ejercicios:
1- Como parte de un programa de servicio a la salud para los empleados del Municipio
de del cantón Manta, se efectúan anualmente exámenes físicos de rutina. Se
descubrió que 8% de los empleados necesitaban zapatos correctivos, 15%, trabajo
dental importante, y 3%, necesitaban tanto zapatos correctivos como corrección
ortodoncia mayor.
a) ¿Cuál es la probabilidad de que un empleado seleccionado al azar necesite
zapatos correctivos o trabajo dental importante?
b) Muestre esta situación en un diagrama de Venn.

2- Los eventos A y B son mutuamente excluyentes. Supóngase que P(A) = 0.30 y P(B)
= 0.20. ¿Cuál es la probabilidad de que ocurra A o B? ¿Cuál es la probabilidad de
que no suceda ni A ni B?.

3- Un estudio de 200 cadenas de tiendas de comestibles reveló estos ingresos,

después del pago de impuestos:

12
 Ingreso (en dólares)
después de impuestos Número de empresas
Menos de 1 millón 102
De un millón a 20 millones 61
De 20 millones o más 37

a) ¿Cuál es la probabilidad de que una cadena en especial tenga menos de un

millón (de dólares) en ingreso después de pagar impuestos?
b) ¿Cuál es la probabilidad de que una cadena de tiendas seleccionada al azar
tenga un ingreso entre un millón y 20 millones, o bien uno de 20 millones o
más? ¿Qué regla de probabilidad se aplicó?

4- El presidente de la Junta de Directores del Banco Comercial de Manabí dice:

“Hay un 50% de posibilidad de que este banco tenga utilidades, un 30% de
que quede a nivel, y un 20% de que perderá dinero el siguiente trimestre”.

a) Utilice una regla de adición para encontrar la probabilidad de que no se

pierda dinero en el próximo trimestre.
b) Aplique la regla del complemento para obtener la probabilidad de que no
haya pérdidas en tal período.

2- Se tira un solo dado. Sea A el evento “el dado sale 4”, el evento B sea “el dado
sale un número par”, y el evento C corresponde a “el dado muestra un número
impar”. Considere cada pareja de estos eventos y describa si son mutuamente
excluyentes. Después identifique si son complementarios.

6- Las probabilidades de los eventos A y B mutuamente excluyentes son 0.20 y

0.30, respectivamente. La probabilidad de que tanto A como B ocurran es 0.15.
¿Cuál es la probabilidad de que suceda A o bien B?.

7- Supóngase que los dos eventos A y B son mutuamente excluyentes. ¿Cuál es la

probabilidad de su ocurrencia conjunta?.

13
 Reglas de la Multiplicación

Regla Especial de Multiplicación.- La regla especial de multiplicación requiere que

dos eventos A y B sean independientes. Dos eventos son independientes si la
ocurrencia de uno altera la probabilidad del otro. De manera que si los eventos A y B
son independientes, la ocurrencia de A no altera la probabilidad de B.
Independiente.- Se expresa esto cuando la ocurrencia de un evento no tiene efecto en
la probabilidad de la ocurrencia de cualquier otro.
Si hay dos eventos independientes A y B, la probabilidad de que ocurran A y B se
obtiene al multiplicar las dos probabilidades. A esto se llama la regla especial de
multiplicación, y expresada en forma simbólica es:

REGLA ESPECIAL DE MULTIPLICACIÓN P(A y B) = P(A)P(B)

Esta Regla para combinar probabilidades supone que un segundo resultado no depende
del primero. Para ilustrar lo que significa independencia de resultados, podemos
suponer que se lanzan al aire dos monedas. El resultado de una moneda (cara o cruz) no
se ve afectado por el resultado de la otra moneda (cara o cruz). Puesto de otra forma,
dos eventos son independientes si el resultado de un segundo evento no depende del
resultado del primero.
Para tres eventos independientes A, B, y C, la regla especial de multiplicación utilizada
para determinar la probabilidad de que ocurran los tres eventos es:

P(A y B y C) = P(A)P(B)P(C)

Ejemplo: Se lanzan dos monedas al aire. ¿Cuál es la probabilidad de que ambas caigan
cruz?

Solución: La probabilidad de que una de las dos monedas caiga cruz (Cr), escrita P(A),
es de un medio, o bien 0.50. La probabilidad de que la otra moneda caiga igual,
expresada por P(B), es también de un medio, o 0.50. Aplicando la fórmula anterior, la
probabilidad de que ocurran ambas cosas es de un cuarto, o 0.25, lo cual se obtiene
como sigue: P(A y B) = P(A)P(B)
= (½) (½)
= ¼, o bien 0.25

Esto puede mostrarse en listando todos los posibles resultados. Dos cruces es sólo uno
de los cuatro probables resultados (el de cara se simboliza por C):

Cr Cr

o bien Cr C

o bien C Cr

o bien C C

14
Ejercicios:

1- Debido a su larga experiencia, en la compañía General Tire, se sabe

que la probabilidad de que su neumático XB-70 dure 60 000 millas
antes de perder el dibujo o fallar es 0.80. Se hace un ajuste para el
caso de cualquier llanta que no resista dicho recorrido. Usted compra
cuatro XB- 70. ¿Cuál es la probabilidad de que los cuatro neumáticos
duren al menos 60 000 millas?.
2- Según se mencionó en un ejemplo anterior, una máquina automática
SHAW introduce legumbres mixtas en una bolsa de plástico. La
experiencia indica que algunos paquetes tuvieron menos peso, y
algunos otros pesos de más, pero la mayoría fueron satisfactorios.
Veamos lo siguientes:
Peso de paquete Probabilidad
Insuficiente 0.025
Satisfactorio 0.900
Excedido 0.075

a) ¿Cuál es la probabilidad de seleccionar hoy tres paquetes de la

línea de procesamiento de alimentos, y encontrar que a los tres
les falta peso?.
b) ¿Qué significa esta probabilidad?

Si dos eventos no son independientes, se dice que son dependientes. Para ilustrar la
dependencia, supongamos que hay 10 rollos de película fotográfica en una caja y que se
sabe que 3 están defectuosos. Se selecciona uno. Es obvio que la probabilidad de
escoger un rollo con defecto es 3/10, y que la probabilidad de seleccionar uno
satisfactorio es 7/10. Después se elige un segundo rollo de la caja sin devolver el
primero a ésta. La probabilidad de que esté defectuoso depende de que el primer rollo
seleccionado fuera no aceptable o bueno. La probabilidad de que también el segundo
rollo esté defectuoso es:
2/9, si el primer rollo seleccionado fuera defectuoso. (Quedarían sólo dos rollos
defectuosos más en la caja, que contenía nueve piezas).
3/9, si el primer rollo seleccionado fuera bueno. (Los tres con defectos siguen estando
en la caja que contenía los nueve originales.)
A al fracción 2/9 (o 3/9) se le denomina justamente probabilidad condicional porque
su valor tiene tal característica (dependiente de éstas) respecto de la primera selección
de la caja: que se haya sacado un rollo fotográfico defectuoso o uno normal.

Probabilidad Condicional.- Es la probabilidad de que ocurra un evento en particular,

dado que otro evento haya ocurrido.

15
Si se desea determinar la probabilidad de seleccionar dos rollos defectuosos uno
después del otro, se aplica la llamada regla general de multiplicación.
Regla General de Multiplicación.- La regla general de multiplicación se utiliza para
determinar la probabilidad conjunta de que ocurran dos eventos, como seleccionar dos
rollos defectuosos de la caja con 10, uno después del otro. En general, la regla indica
que para dos eventos A y B, la probabilidad conjunta de que ambos sucedan se evalúa al
multiplicar la probabilidad de que el evento A ocurra, por la probabilidad condicional de
que suceda el evento B. De manera simbólica, la probabilidad conjunta P(A y B) se
obtiene por medio de:

Regla General de Multiplicación P(A y B) = P(A)P(B | A)

Donde P(B | A) expresa la posibilidad de que ocurra B dado que ya ocurrió A. El trazo
vertical significa “dado que”.

Ejemplo.- Considerando otra vez el ejemplo anterior de los 10 rollos de película en una
caja, 3 de los cuales están defectuosos. Se van a seleccionar dos, uno después del otro.
¿Cuál es la probabilidad de escoger un rollo con defectos seguido por otro también en
tal condición?.
Solución.- El primer rollo seleccionado de la caja, que se encontró ser defectuoso, es el
evento A. De modo que P(A) = 3/10 porque tres de los 10 rollos son no aceptables. El
segundo rollo seleccionado, resultante con defectos, es el evento B. Por lo tanto, P(B |
A) = 2/ 9, porque después de descubrir que la primera selección era un rollo con
defectos, sólo quedaron dos rollos “no buenos” en la caja que contenía 9 rollos. Se
determina la probabilidad de dos rollos defectuoso [aplicando la fórmula]

P(A y B) = P(A)P(B|A)
= (3/10) (2/9)
= 6/10, o acerca .07

Por cierto que se considera que este experimento se realizó sin reposición (o
reemplazo); es decir, el rollo defectuoso de película no se devolvió a la caja antes de
seleccionar el siguiente rollo. También debe observarse que la regla general de la
multiplicación puede ampliarse a más de dos eventos. Para tres eventos: A, B y C, la
fórmula sería:

P(A y B y C) = P(A)P(B | A)P(C | A y B)

Ejemplo: La probabilidad de que los primeros tres rollos seleccionados de la caja sean
todos defectuosos es 0.00833, que resulta de calcular:

P(A y B y C) = P(A)P(B | A)P(C | A y B)

= (3/10) (2/9) (1/8)
= 6/720
= 0.00833
Ejercicio: La junta de directores de Industrias “ALES” de Manta está formada por ocho
hombres y cuatro mujeres. Se seleccionará un comité de cuatro miembros, en forma
aleatoria, para recomendar a un nuevo presidente de la compañía.
a) ¿Cuál es la probabilidad de que sean mujeres los cuatro miembros del comité de
investigación?

16
 b) ¿Cuál es la probabilidad de que los cuatro miembros sean hombres?
c) ¿La suma de las probabilidades para 1 y 2 es igual a 1? Explique su respuesta.
A continuación se presenta otra aplicación de la regla general de multiplicación. Una
encuesta de ejecutivos se enfocó sobre su lealtad a la empresa. Una de las preguntas
planteadas fue: “ ¿Si otra compañía le hiciera una oferta igual o ligeramente mejor que
la de su puesto actual, permanecería con la empresa o tomaría el otro empleo?” Las
respuestas de los 200 ejecutivos de la encuesta se clasificaron en forma cruzada con su
tiempo de servicio en la compañía de acuerdo a la siguiente tabla. Al tipo de tabla que
resulta, por lo general, se le denomina tabla de contingencia.

Lealtad de los Ejecutivos y Tiempo de Servicio en la Empresa

Tiempo de Servicio
Menos de 1a5 6 a 10 Más de
Lealtad 1 año años años 10 años Total
Se quedaría 10 30 5 75 120
No se quedaría 25 15 10 30 80
200
Ejemplo:
¿Cuál es la probabilidad de seleccionar al azar un ejecutivo que es leal a la empresa (se
quedaría) y que tiene más de 10 años de servicio?

Solución.- Obsérvese que ocurren dos eventos al mismo tiempo: El ejecutivo

permanecería en la empresa y tiene más de 10 años de servicio.
1- El evento A consiste en un ejecutivo que permanecería con la empresa a pesar de
que otra compañía le hiciera una oferta igual o ligeramente mejor. Para encontrar
la probabilidad de que suceda el evento A, revisando la tabla anterior. Se observa
que hay 120 ejecutivos de los 200 de la encuesta que permanecerían con la
empresa, de manera que P(A) = 120/200, o sea 0.60.
2- El evento B es el de un ejecutivo con más de 10 años de servicio en la empresa.
De esta forma, P(B | A) es la probabilidad condicional de que un ejecutivo con más
de 10 años de servicio permanezca con la empresa a pesar de que otra compañía le
haga una oferta igual o ligeramente mejor. Consultando la tabla de contingencias
anterior, 75 de los 120 ejecutivos que se quedarían tienen más de 10 años de
servicio de manera que P(B | A) = 75/120.
Se determina la probabilidad de que un ejecutivo seleccionado al azar sea uno de los
que se quedarían en la compañía y que tiene más de 10 años de servicio, y se utiliza la
regla general de multiplicación en la fórmula:

P(A y B) = P(A)P(B | A)
= (120/200) (75/200) = 9 000/24 000 = 0.375

Ejercicio.- En base a la tabla anterior. Utilizando la regla general de multiplicación,

¿Cuál es la probabilidad de seleccionar aleatoriamente un ejecutivo que no
permanecería con la empresa y que tenga menos de un año de servicio

Ejercicios:

1- Debido a su larga experiencia, en la compañía General Tire, se sabe

que la probabilidad de que su neumático XB-70 dure 60 000 millas

17
 antes de perder el dibujo o fallar es 0.80. Se hace un ajuste para el
caso de cualquier llanta que no resista dicho recorrido. Usted compra
cuatro XB- 70. ¿Cuál es la probabilidad de que los cuatro neumáticos
duren al menos 60 000 millas?.

2- Según se mencionó en un ejemplo anterior, una máquina automática

SHAW introduce legumbres mixtas en una bolsa de plástico. La
experiencia indica que algunos paquetes tuvieron menos peso, y
algunos otros pesos de más, pero la mayoría fueron satisfactorios.
Veamos lo siguientes:
Peso de paquete Probabilidad
Insuficiente 0.025
Satisfactorio 0.900
Excedido 0.075

a) ¿Cuál es la probabilidad de seleccionar hoy tres paquetes de la

línea de procesamiento de alimentos, y encontrar que a los tres
les falta peso?.
b) ¿Qué significa esta probabilidad?

Ejercicio: La junta de directores de Industrias “ALES” de Manta está formada por ocho
hombres y cuatro mujeres. Se seleccionará un comité de cuatro miembros, en forma
aleatoria, para recomendar a un nuevo presidente de la compañía.
a) ¿Cuál es la probabilidad de que sean mujeres los cuatro miembros del comité de
investigación?
b) ¿Cuál es la probabilidad de que los cuatro miembros sean hombres?
c) ¿La suma de las probabilidades para 1 y 2 es igual a 1? Explique su respuesta.
A continuación se presenta otra aplicación de la regla general de multiplicación. Una
encuesta de ejecutivos se enfocó sobre su lealtad a la empresa. Una de las preguntas
planteadas fue: “ ¿Si otra compañía le hiciera una oferta igual o ligeramente mejor que
la de su puesto actual, permanecería con la empresa o tomaría el otro empleo?” Las
respuestas de los 200 ejecutivos de la encuesta se clasificaron en forma cruzada con su
tiempo de servicio en la compañía de acuerdo a la siguiente tabla. Al tipo de tabla que
resulta, por lo general, se le denomina tabla de contingencia.

Lealtad de los Ejecutivos y Tiempo de Servicio en la Empresa

Tiempo de Servicio
Menos de 1a5 6 a 10 Más de
Lealtad 1 año años 10 años Total
Se quedaría 10 30 5 75 120
No se quedaría 25 15 10 30 80
20

18
DIAGRAMAS DE ÁRBOL (O ARBORIGRAMAS)

Un diagrama de árbol (o arborigrama).- es una representación gráfica útil para

organizar cálculos que abarcan varias etapas. Cada segmento en el árbol es una etapa
del problema. Las probabilidades escritas cerca de las ramas son las probabilidades
condicionales del experimento. Para mostrar la elaboración de un diagrama de árbol
utilizaremos la siguiente tabla:

Lealtad de los Ejecutivos y Tiempo de servicio en la empresa

Tiempo de Servicio
Lealtad Menos de 1a5 6 a 10 Más de Total
1 año años años 10 años
Se quedaría 10 30 5 75 120
No se quedaría 25 15 10 30 80
200

Pasos para elaborar un diagrama de árbol:

1- La elaboración de un arborigrama se empieza trazando un pequeño punto a la
izquierda, que representa el punto central de un tronco de árbol como se indica
en diagrama siguiente.
2- Para este problema salen dos ramas principales del tronco, la superior representa
”se quedarían” y la inferior “no se quedarían”. Sus probabilidades se indican
en las ramas, específicamente 120/200 y 80/200. Se simbolizan por P(A) y
P(~A).
3- Cuatro ramas secundarias “se desprenden” de cada rama principal, y
corresponden a los tiempos de servicio: menos de 1 año; 1 a 5 años; 6 a 10 años
y más de 10 años. Las probabilidades condicionales para la rama superior del
árbol, a saber: 10/120, 30/120, 5/120, etc., están en las ramas adecuadas. Se
trata de las probabilidades P(B1 | A), P(B2 | A), P(B3 | A) y P(B4 | A), donde B1
se refiere a menos de un año de servicio, B2 corresponde a 1 a 5 años; B3 es para
6 a 10 años, y B4 a más de 10 años. A continuación se escriben las
probabilidades condicionales para la rama inferior de igual manera que en el
proceso anterior: 25/80, 15/80, 10/80, etc., están en las ramas adecuadas. Se
trata de las probabilidades P(B1 | A), P(B2 | A), P(B3 | A) y P(B4 | A), donde B1
se refiere a menos de un año de servicio, B2 corresponde a 1 a 5 años; B3 es para
6 a 10 años, y B4 a más de 10 años.
4- Por último las probabilidades conjuntas de que A y B ocurran al mismo tiempo,
se muestran al lado derecho. Por ejemplo, la probabilidad conjunta de
seleccionar al azar un ejecutivo que permanecería en la empresa y que tiene
menos de un año de servicio es utilizando la fórmula:

P(A y B1) = P(A) P(B1 | A)

= (120/200) (10/120)
= 0.05

Debido a que las probabilidades conjuntas representan todas las posibles

selecciones: Se quedarían, 6 a 10 años de servicio; no se quedarían; más de 10 años
de servicio; etc.) obviamente deben sumar 1.00.

19
 Lealtad Tiempo de Servicio

Probabilidades Probabilidades
Condicionales Conjuntas

10/120 Menos de 1 año 120/200 x 10/120 = 0.050

30/120 1 - 5 años 120/200 x 30/120 = 0.150

Se
120/200 quedarán

5/120 6 - 10 años 120/200 x 5/120 = 0.025

75/120 Más de 10 años 120/200 x 75/120 = 0.375

25/80 Menos de 1 año 80/200 x 25/80 = 0.125

15/80 1 - 5 años 80/200 x 15/80 = 0.075

80/200 No se
quedarán

10/80 6 - 10 años 80/200 x 10/80 = 0.050

30/80 Más de 10 años 80/200 x 30/80 = 0.150

Debe totalizar 1.00 1.00

Diagrama de árbol que indica la lealtad y los tiempos de servicio de ejecutivos de una
empresa.

20
Ejercicios.-
1- Suponga que P(A) = 0.40 y P(B | A) = 0.30. ¿Cuál es la probabilidad conjunta
de A y B?
2- Refiriéndose al contenido del diagrama anterior. Explique qué ruta seguiría
para encontrar la probabilidad conjunta de seleccionar un ejecutivo al azar, que
tenga de 6 a 10 años de servicio y que no permanecería con la empresa al recibir
una oferta igual o ligeramente mejor, de parte de otra compañía.
3- Una muestra aleatoria de los empleados de la ULEAM. Se seleccionó para
determinar sus planes de jubilación después de cumplir 65 años. Los
seleccionados en la muestra se dividieron en las áreas de docencia y
administrativa. Los resultados fueron:

Planes después de los 65 años

Empleados Se retira No se retira Total
Docencia 5 15 20
Administrativa 30 50 80
100
a) ¿Cómo se denomina esta tabla?
b) Trace un diagrama de árbol y determine las probabilidades conjuntas.
c) ¿Estas últimas probabilidades dan un total de 1.00? ¿Por qué?.
4- Considere la siguiente tabla:
Primer Evento
Segundo evento A1 A2 A3 Total
B1 2 1 3 6
B2 1 2 1 4
Total 3 3 4 10
a) Determine P(A).
b) Establezca P(B1 | A2).
c) Determine P(B2 y A3).

5- Cada vendedor en “CRÉDITOS ECONÓMICOS “ se califica como “abajo del

promedio”, “promedio” o “arriba del promedio”, con respecto a su aptitud para
las ventas.
Además, Cada uno también se clasifica respecto de su posibilidad de promoción
en: regular, buena, o excelente. En la tabla que sigue se presentan las
clasificaciones de estos conceptos para los 500 vendedores.

Posibilidad de promoción
Habilidad en ventas Regular Buena Excelente
Por abajo del promedio 16 12 22
Promedio 45 60 45
Por arriba del promedio 93 72 135

a) ¿Cómo se denomina esta tabla?

b) ¿Cuál es la probabilidad de que un vendedor seleccionado al azar tenga
aptitud para las ventas por encima del promedio y excelente posibilidad
de promoción?.
c) Trace un diagrama de árbol que muestre todas las posibilidades:
normales, condicionales y conjuntas.

21
SOLUCIÓN:

4- Considere la siguiente tabla:

Primer Evento
Segundo evento A1 A2 A3 Total
B1 2 1 3 6
B2 1 2 1 4
Total 3 3 4 10
a) Determine P(A).
b) Establezca P(B1 | A2).
c) Determine P(B2 y A3).

a- P(A1) = 3/10 = 0.30

b- P(B1 | A2 ) = 1/3 = 0.33
c- P(B2 | A3 ) = 1/10 = 0.10

5- Cada vendedor en “CRÉDITOS ECONÓMICOS“ se califica como “abajo del

promedio”, “promedio” o “arriba del promedio”, con respecto a su aptitud para
las ventas.
Además, Cada uno también se clasifica respecto de su posibilidad de promoción
en: regular, buena, o excelente. En la tabla que sigue se presentan las
clasificaciones de estos conceptos para los 500 vendedores.

Posibilidad de promoción
Habilidad en ventas Regular Buena Excelente
Por abajo del promedio 16 12 22
Promedio 45 60 45
Por arriba del promedio 93 72 135

a) ¿Cómo se denomina esta tabla?

b) ¿Cuál es la probabilidad de que un vendedor seleccionado al azar tenga
aptitud para las ventas por encima del promedio y excelente posibilidad de
promoción?.
c) Trace un diagrama de árbol que muestre todas las posibilidades: normales,
condicionales y conjuntas.

a- Una tabla de contingencias

b- 0.27, determinado de 300/500 x 1352/300
c- El diagrama de árbol sería:

22
 Probabilidades Probabilidades
Condicionales Conjuntas

16/50 Regular (50/500) (16/50) = 0.032

12/50 Bueno (50/500) (12/50) = 0.024

50/500 22/50 Excelente (50/500) (22/50) = 0.044
Abajo del
Promedio
150/500 45/150 Regular (150/500) (45/150) = 0.090
Promedio 60/150 Bueno (150/500) (60/150) = 0.120

45/150 Excelente (150/500) (45/150) = 0.090

Arriba
Del
Promedio 93/300 Regular (300/500) (93/300) = 0.186
300/500
72/300 Bueno (300/500) (72/300) = 0.144
135/300 Excelente (300/500) (135/300) = 0.270

Total 1.000

23
TEOREMA DE BAYES.- En el siglo XVII el reverendo Thomas Bayes, ministro
presbiteriano inglés, hizo el siguiente planteamiento: ¿Realmente existe Dios? Estando
interesado en las matemáticas, intentó desarrollar una fórmula para llegar a evaluar la
probabilidad de que Dios exista, con base en la evidencia de la que él disponía aquí en
la tierra. Más adelante, Laplace afinó el trabajo de Bayes y le dio el nombre de
“teorema de Bayes”. En forma manejable, dicho Teorema de Bayes es:

P(A1)P(B | A1)
TEOREMA DE BAYES P(A1 | B) =
P(A1)P(B | A1) + P(A2)P(B | A2)

(El significado de estas letras se explicará en el siguiente ejemplo, pero es importante

observar que se refiere a probabilidades condicionales.)
Considerando el problema subsiguiente: Supongamos que el 5% de la población de la
provincia de Manabí, uno de los cantones, padece una enfermedad que es originaria de
ese lugar. Sea A1 el evento “tiene la enfermedad”, y A2 “no tiene la enfermedad”. Por
lo tanto sabemos que si seleccionamos una persona de la Provincia de Manabí al azar, la
probabilidad de que la elegida tenga el padecimiento es 0.05, o bien P(A1) = 0.05. Esta
probabilidad, P(A1) = P(tiene la enfermedad) = 0.05, se denomina probabilidad a
priori. Se le da este nombre porque la probabilidad se asigna antes de haber obtenido
datos empíricos.
Probabilidad a Priori.- Es la probabilidad inicial con base en el nivel actual de
información.
La probabilidad a priori de que una persona no padezca el trastorno es, por lo tanto,
igual a 0.95, o bien P(A2) = 0.95, que se obtiene por 1 - 0.05.
Existe una técnica de diagnóstico para detectar la enfermedad, pero no es muy exacta.
Sea B el evento “la prueba indica que la enfermedad está presente”. Considerando que
la evidencia histórica muestra que si una persona realmente padece la enfermedad, la
probabilidad de que la prueba indique la presencia de la misma vale 0.90. Utilizando las
definiciones de probabilidad condicional desarrolladas anteriormente, tal afirmación se
expresa como:
P(B | A1) = 0.90

Considerando que la probabilidad de que una persona en realidad no tenga el

padecimiento, pero que la prueba indique que el mismo está presente, es 0.15.

P(B | A2) = 0.15

Si seleccionamos en forma aleatoria a un habitante de la provincia de Manabí, al que se

le aplica la prueba. Los resultados indican que el padecimiento está presente. ¿Cuál es
la probabilidad de que la persona realmente tenga la enfermedad? En forma simbólica,
se desea determinar P(A1 | B), que se interpreta como: P(tiene la enfermedad) | (los

24
resultados de la prueba son positivos). La probabilidad de P(A1 | B) se denomina una
probabilidad a posteriori.

Probabilidad a Posteriori.- Es una probabilidad revisada con base en información

adicional.

Con la ayuda del teorema de Bayes, es posible determinar la probabilidad a posteriori o

revisada.

P(A1)P(B | A1)
P(A1 | B) =
P(A1)P(B | A1) + P(A2)P(B | A2)

(0.05) (0.90) 0.0450

P(A1 | B) = = = 0.24
(0.05)(0.90) + (0.95) (0.15) 0.1875

Por lo tanto, la probabilidad de que una persona tenga la enfermedad, dado que la
prueba resultó positiva, es 0.24. ¿Cómo se interpreta este resultado? Si una persona se
selecciona al azar de la población, la probabilidad de que padezca al trastorno es 0.05.
Si se aplica la prueba a la persona y resulta positiva, la posibilidad de que en realidad
tenga el padecimiento aumenta aproximadamente cinco veces, de 0.05 a 0.24.

El problema anterior incluyó solamente dos eventos, A1 y A2, como probabilidades a

prior. Si hay más de dos probabilidades de este tipo, el denominador del teorema de
Bayes requiere términos adicionales. Si la distribución probabilística a priori consiste
en n eventos mutuamente excluyentes, el teorema de Bayes, queda como sigue:

P(A1)P(B | A1)
P(A1 | B) =
P(A1)P(B | A1) + P(A2)P(B | A2) + ….. + P(An)P(B | An)

Donde A1 se refiere a cualesquiera de los n posibles resultados.

Utilizando la anotación anterior, los cálculos para el problema de Manabí se pueden
resumir en la siguiente tabla.
Probabilidad Probabilidad Probabilidad Probabilidad
Evento, a priori, condicional, conjunta, a posteriori,
P(A1) P(B | A1) P(A1 y B) P(A1 | B)
Tiene la enfermedad, A1 0.05 0.90 0.0450 0.0450/1875 = 0.24
No tiene la enfermedad, A2 0.95 0.15 0.1425 0.1425/0.1875= 0.76
P(B) = 0.1875

25
Ejercicios:
1- Un fabricante de videograbadoras (VCR) compra un cierto microchip, llamado LS –
24, de tres proveedores. Un 30% de los microcircuitos LS – 24 se compran en a
RADECA, 20 % COMPUTEC, y el 50% RISC. El fabricante
tiene historiales extensos acerca de los tres abastecedores y sabe que el 3% de los
microchips LS – 24 de RADECA, son defectuosos, un 5% de los de
COMPUTEC son no aceptables, y un 4% de los de RISC también tienen defectos.
Cuando tales microcircuitos LS – 24 llegan al fabricante, se colocan directamente en
un depósito, y no son inspeccionados o identificados de algún modo por el
proveedor. Un trabajador selecciona uno para su instalación en una VCR, y lo
encuentra defectuoso. ¿Cuál es la probabilidad de que haya sido fabricado por
COMPUTEC? Aplique el Teorema de Bayes.

2- Con los datos del ejercicio anterior;

a) Diseñe un fórmula para determinar la probabilidad de que la parte seleccionada
provenga de RISC, dado que se trata de un chip aceptable.
b) Calcule la probabilidad utilizando el Teorema de Bayes.

3- P(A1) = 0.60, P(A2) = 0.40, P(B1 | A1) = 0.05 y P(B1 | A2) = 0.10. Utilice el Teorema
de Bayes para determinar P(A1 | B1).

4- El equipo de fútbol MANTA FUTBOL CLUB, de la serie “A” del campeonato

nacional, juega el 70% de sus partidos el día domingo, y el 30% el día sábado. El
equipo gana 50% de sus juegos realizados el día domingo y 90% de los juegos
realizados el día sábado. De acuerdo con un diario informativo del día de hoy, el
MANTA FUTBOL CLUB, ganó el fin de semana. ¿Cuál es la probabilidad de que el
partido se haya desarrollado el día domingo?.

5- El departamento de crédito del comisariato SHOPPING de Manta, informó que 30%

de sus ventas son en efectivo, 30% son pagadas con cheques en el momento de la
adquisición y 40% son a crédito. Se tiene que 20% de las compras en efectivo, 90%
de las pagadas con cheques, y 60% de las adquisiciones a crédito, son por más de
$50 (dólares). La señora Delgado acaba de comprar un vestido nuevo que cuesta
$120. ¿Cuál es la probabilidad de que haya pagado por él en efectivo?

26
ECUACIONES INTRODUCIDAS EN LOS TEMAS DE PROBABILIDAD

Número de resultados en los que se presenta el evento

1- Probabilidad de un evento =
Número total de resultados posibles

Esta es la definición de probabilidad clásica de que se presente un evento.

P(A) = Probabilidad de que suceda el evento A

Una probabilidad simple se refiere a la probabilidad de que se presente un evento en

particular, y se le llama probabilidad marginal.

P(A o B) = Probabilidad de que A o B suceda

Esta notación representa la probabilidad de que se presente un evento u otro.

P(A o B) = P(A) + P(B)

La probabilidad de que suceda A o B cuando los dos eventos son mutuamente

exclusivos es igual a la suma de la probabilidad de que suceda el evento A y la
probabilidad de que suceda el evento B. Ésta es la regla de adición para eventos
mutuamente excluyentes.

P(A o B) = P(A) + P(B) - P(AB)

La regla de adición para eventos que no son mutuamente excluyente muestra que la
probabilidad de que suceda A o B cuando los dos eventos son mutuamente excluyentes
es igual a la probabilidad de que suceda el evento A más la probabilidad de que se
presente el evento B, menos la probabilidad de que A y B se presenten juntos,
simbolizada como P(AB).

P(AB) = P(A) x P(B)

En la que
 P(AB) = probabilidad conjunta de que se presenten los eventos A y
B simultáneamente o en sucesión.
 P(A) = probabilidad marginal de que se presente el evento A
 P(B) = probabilidad marginal de que se presente el evento B
La probabilidad conjunta de que dos o más eventos independientes se presenten de
manera simultánea o en sucesión es el producto de sus probabilidades marginales.

P(B|A) = probabilidad del evento B, dado que se presentó el evento A

27
Esta notación muestra la probabilidad condicional, la probabilidad de que un segundo
evento (B) se presente si un primer evento (A) ya se ha presentado.

P(B|A) = P(B)

Para eventos estadísticamente independientes, la probabilidad condicional de que se

presente el evento B, dado que el evento A ya se ha presentado, es simplemente la
probabilidad del evento B. Los eventos independientes son aquellos cuyas
probabilidades no se ven afectadas de ningún modo por la presentación de alguno de
ellos.

P(B\A) = P(BA)
P(A)

Y P(A\B) = P(AB)
P(B)

Para eventos estadísticamente dependientes, la probabilidad de que se presente el evento

B, dado que el evento A ya se ha presentado, es igual a la probabilidad conjunta de los
eventos A y B dividida entre la probabilidad marginal de que suceda el evento A.

P(AB) = P(A\B) x P(B) y P(BA) = P(B\A) x P(A)

En condiciones de dependencia estadística, la probabilidad conjunta de que se presenten

los eventos A y B simultáneamente o en sucesión es igual a la probabilidad de que se
presente el evento A, dado que el evento B ya se ha presentado, multiplicada por la
probabilidad de que se presente el evento B.

28
 TÉCNICAS DE CONTEO

PRINCIPIO DE CONTEO
Si el número de resultados posibles en un experimento es pequeño, resulta relativamente
fácil contarlos. Por ejemplo, hay seis resultados posibles al lanzar un dado,
específicamente:

Sin embargo, si existe un gran número de resultados posibles, como podría ser el
número de niñas y niños en familias de 10 hijos, resultaría tedioso contar todas las
posibilidades. Puede tener solo niños, un niño y nueve niñas, dos niños y ocho niñas,
etc. Para facilitar el conteo se examinaran tres fórmulas:

Fórmula de la multiplicación
Fórmula de la permutación
Fórmula de la combinación

FÓRMULA DE LA MULTIPLICACIÓN:
Si hay m formas de hacer una cosa, y n formas de hacer otras, existirán (m x n) formas
de hacer ambas.
Expresado con una fórmula:

FÓRMULA DE LA MULTIPLICACION No total de arreglos = (m)(n)

Lo anterior puede extenderse para dos o más eventos. Para tres eventos m, n, o.

No total de arreglos = (m)(n)(o)

EJEMPLO:
Un vendedor de automóviles desea anunciar que por $29.999 (dólares) un auto
convertible, un ” SEDAN “ de dos puertas, o un modelo cuatro puertas y además elegir
que los rines sean sólidos o deportivos. ¿Cuántos arreglos diferentes de modelos y rines
puede ofrecer el comerciante?
Podemos utilizar la fórmula de la multiplicación para verificar (donde m es el número
de modelos y n el tipo de rin)

No total de arreglos = (m)(n)

No total de arreglos = (3)(2) = 6

29
En este ejemplo no fue fácil contar todas las posibles combinaciones de rines y modelos
de autos. Sin embargo, suponga que el vendedor decida vender ocho modelos y seis
tipos de rines, resulta tedioso contar todas las opciones posibles. Podemos utilizar la
formula de la multiplicación.
En este caso No total de arreglos = (8)(6) = 48 arreglos posibles.

FÓRMULA DE LA PERMUTACIÓN:
Según se observo en la formula de la multiplicación se aplica para encontrar el numero
de arreglos posibles, dados dos o más grupos. LA FORMULA DE LA
PERMUTACIÓN se utiliza para determinar el número posible de arreglos cuando hay
un solo grupo de objetos. Como ejemplos de este tipo de problemas:

Se van a ensamblar tres partes electrónicas en la unidad modular para un

receptor de televisión. Las partes se pueden ensamblar en cualquier orden. La
pregunta relacionada con conteo es: ¿De cuantos modos diferentes pueden
ensamblarse las tres partes?
Un operario debe realizar cuatro verificaciones de seguridad antes de activar su
máquina. No importa en que orden las realice. ¿De cuantas formas distintas
puede realizar las verificaciones?

Un orden para la primera ilustración podría ser: primero el transistor, segundo los
diodos emisores de luz, y el sintetizador, a este arreglo de lo denomina
PERMUTACIÓN.

Permutación un arreglo disposición de r objetos seleccionados de un solo

grupo de n objetos posibles.

Obsérvese que los arreglos a, b, c, y el b, a, c, son permutaciones diferentes. La fórmula

que se utiliza para contar el número total de permutaciones distintas es:

n!
FÓRMULA DE LA PERMUTACIÓN Pr 
(n  r )!
n

Donde: n= numero total de objetos

r= numero de objetos seleccionados

Debe observarse que las permutaciones de y combinaciones utilizan una notación que se
expresa como factorial n. Se escribe n! y significa el producto n(n  1)( n  2)( n  3)...(1) .
Por ejemplo para factorial se tiene: 5! = 5·4·3·2·1 = 120.
Como se muestra a continuación, se pueden cancelar números cuando se tienen las
mismas cifras en el numerador y el denominador:

6!3! 6·5·4·3·2·1(3·2·1)
  180
4! 4·3·2

30
Por definición, el factorial cero, representado por 0! es igual a 1. Es decir 0!=1

EJEMPLO:
Con referencia al grupo de tres partes electrónicas que deben ensamblarse en cualquier
orden, ¿De cuantas maneras diferentes se pueden ensamblar?
Se tiene n=3, porque hay tres partes por ensamblar, y también r=3 porque las tres partes
se van a colocar en la unidad modular. Utilizando la fórmula:

n! 3! 3·2·1 6
Pr     6
(n  r )! (3  3)!
n
0! 1

Las seis formas en que se puedan disponer las tres partes electrónicas, denotadas por A
B C son:

ABC BAC CAB ACB BCA CBA

FÓRMULA DE LA COMBINACIÓN:
Si el orden de los objetos seleccionados no es importante, a cualquier selección se le
llama una combinación. La fórmula para contar el número de combinaciones de r
objetos de un conjunto de n objetos es:

n!
FÓRMULA DE LA COMBINACIÓN Cr 
r (n  r )!
n

Por EJEMPLO, si los ejecutivos Abel, Báez y Chauncy han de ser elegidos como un
comité para negociar una fusión de empresas, sólo existe una combinación posible de
estos tres.
El comité formado por Abel, Báez y Chauncy equivale al integrado por Báez, Chauncy
y Abel. Utilizando la formula de la combinación:

n! 3·2·1
Cr   1
r (n  r )! 3·2·1(1)
n

EJERCICIOS:

MULTIPLICACIÓN
1- La empresa PHILIPS desarrolló cinco bases para lámpara y cuatro pantallas que
pueden conjuntarse. ¿Cuántos arreglos diferentes de base y pantalla pueden
ofrecerse?
2- La compañía PIONEER fabrica tres modelos de receptores estéreo, dos aparatos
de casetes, cuatro bocinas, y tres aparatos de discos compactos. Cuando los
cuatro tipos de componentes compatibles se venden juntos forman un “sistema”.
¿Cuántos sistemas distintos puede ofrecer esta empresa?

31
 PERMUTACIÓN
3- El músico RICARDO ARJONA desea escribir una partitura basada solamente
en cinco notas: Si bemol, do, re, mi y sol. Sin embargo, sólo tres de las cinco se
utilizarán en sucesión, como do, si bemol, y mi. No se permitirán repeticiones
como si bemol, si bemol y mi.
a) ¿Cuántas permutaciones de las cinco notas, tomadas tres veces cada vez,
son posibles.
b) Utilizando la fórmula ¿Cuántas permutaciones son posibles ahora?
4- Recuerde que un operario de taller debe hacer cuatro verificaciones de seguridad
antes de activar su máquina, y no importa en qué orden las realice. ¿De cuántos
modos puede hacer las verificaciones el mecánico operador?
5- Se van a utilizar los 10 números del 0 al 9, para crear cifrados de código de
cuatro dígitos para identificar un artículo de ropa. El 1083 podría identificar una
blusa azul, talla mediana. El 2031, unos pantalones, talla 18; y así
sucesivamente. No se permiten repeticiones de los números. Es decir, el mismo
número no puede ser utilizado dos veces (o más) en una secuencia total. Por
ejemplo, 2256, 2562 o 5559 no se permitirían. ¿Cuántos grupos distintos
cifrados de código pueden establecerse?

COMBINACIÓN
6- a) En la solución anterior se dijo que ocho colores, que se tomarían tres a la vez,
darían 56 combinaciones diferentes. Utilizando la fórmula, ¿resulta cierto
eso?
b) Como un plan alternativo para codificar por color las 42 líneas, se sugirió
que se colocaran sólo dos colores en cada disco. ¿Serían adecuados 10 colores
para codificar las 42 líneas? (Nuevamente, una combinación de dos colores sólo
podría utilizarse una vez; es decir, si para unos discos el código fuera rosa y
azul, el grupo azul y rosa no podría servir para identificar una línea diferente.)

32
 PRUEBAS DE HIPÓTESIS

Qué es una hipótesis.- Es un enunciado acerca de una población. Luego se utilizan

datos para verificar la racionalidad del enunciado. Podríamos comenzar con la
definición del concepto de hipótesis. En el sistema jurídico – penal del Ecuador,
indicando que una persona es inocente hasta que se pruebe que es culpable. Un jurado
tiene la hipótesis de que la persona acusada de un delito es inocente, y somete esta
hipótesis a una verificación revisando las pruebas y escuchando el testimonio antes de
llegar a un veredicto. De manera similar un paciente va a visitar a su médico y le
informa acerca de diversos síntomas. Con base en ellos el facultativo ordenará ciertas
pruebas de diagnóstico y después, basándose en los síntomas y los resultados de las
pruebas, determinará el tratamiento a seguir.

En el análisis estadístico se expone un enunciado, es decir, una hipótesis, y después se

realizan pruebas para verificar lo que se dijo, o para determinar si es falso. En otras
palabras, podemos decir que la prueba de hipótesis comienza con una suposición,
llamada hipótesis, que hacemos con respecto a un parámetro de una población. Por lo
anterior expuesto se puede definir una hipótesis estadística de la siguiente manera.

Hipótesis.- Enunciado acerca de una población elaborado con el propósito de poner a

prueba.

En la mayoría de los casos la población es tan grande que por diversas razones no sería
factible estudiar todos los elementos, objetos o personas en la población. Por ejemplo,
sería prácticamente imposible entrevistar a todos los ingenieros de sistemas en el
Ecuador, para averiguar su ingreso mensual. De igual modo, un departamento de
aseguramiento de calidad no puede verificar la resistencia a la ruptura de cada ampolleta
producida, para determinar si está entre 5 y 20 psi (libras por pulgada cuadrada).

Como se observó al inicio del estudio de la materia, una alternativa de medir o

entrevistar a la población completa es tomar una muestra de la población de interés. Por
tanto, es posible probar una afirmación a fin de determinar si la evidencia empírica de la
muestra fundamenta o no la afirmación concerniente a ala población.

Qué es la Prueba de Hipótesis.- Las expresiones prueba de hipótesis y probar una

hipótesis se emplean correlativamente (análogamente, similarmente). La prueba de
hipótesis principia con una afirmación, o supuesto, acerca de un parámetro de
población, como la media poblacional. Como se ha dicho este enunciado se denomina
hipótesis. Una hipótesis podría ser que la comisión mensual media de vendedores de
computadoras al menudeo, es de $ 1,000.00 (dólares). No es posible entrevistar a todos
los agentes para establecer que la media sea en realidad $ 1,000.00. El costo de
localizar e interrogar a cada vendedor de computadoras en el Ecuador, sería exorbitante.
Para probar la validez de la afirmación (u = $ 1,000.00), debe seleccionarse una muestra
de la población formada por todos los vendedores de tal equipo, calcular valores
estadísticos muéstrales y, con base en determinadas reglas de decisión, aceptar o
rechazar la hipótesis. Una media muestral de $ 500.00 para los citados agentes de

33
 ventas en definitiva provocaría el rechazo de la hipótesis. Sin embargo, si suponemos
que la media muestral es de $ 995.00. ¿Se aproxima lo suficiente a $ 1,000.00 para
aceptar el supuesto de la media poblacional que vale $ 1,000.00? ¿Puede atribuirse la
diferencia de $ 5.00 entre las dos medias a error de muestreo, o tal diferencia es
significativa estadísticamente?

Prueba de Hipótesis.- Procedimiento basado en la evidencia muestral y en la teoría de

probabilidad que se emplea para determinar si la hipótesis es un enunciado razonable.

Procedimiento de cinco pasos para probar una hipótesis.- Existe un procedimiento

de cinco pasos que sistematiza la prueba de hipótesis; al llegar al paso 5, se tiene ya la
capacidad de tomar la decisión de rechazar o no la hipótesis. Sin embargo, la prueba en
cuestión según la usan los estadísticos no proporciona comprobación de que algo es
verdadero, en la forma como un matemático “prueba” una afirmación. Aporta una clase
de “prueba más allá de una duda razonable”, según se haría un proceso judicial. Por
tanto, hay reglas específicas de evidencia, o procedimientos, que se siguen. Los pasos
se muestran en el siguiente diagrama:

1ero. 2do. 3ro. 4to. 5to.

Plantear las Seleccionar Identificar el Formular Tomar una

hipótesis un nivel de valor una regla de muestra y
nula y significación estadístico decisión llegar a una
alternativa de prueba decisión

Aceptar Ho

O bien
Rechazar Ho

Y
Aceptar Hı

Paso 1: Plantear la hipótesis nula (Ho) y la hipótesis alternativa (Hı).- El primer

paso es plantear la hipótesis ha de ser probada. Se le denomina hipótesis nula, es
designada mediante Ho y se lee “H subcero”. La letra H significa hipótesis y el
subíndice cero indica “no hay diferencia”. Por lo general hay un “no” o un término
“no” en la tesis nula, que indica que “no hay cambio”.

Hay que subrayar que si la hipótesis nula se acepta con base en datos muéstrales, no es
posible afirmar que tal hipótesis es verdadera. A fin de determinar esto en realidad, se
tendría que probar, investigar o contar cada elemento de la población. Por lo general
esto no es posible. La alternativa es tomar una muestra de la población.

Hipótesis nula.- Afirmación o enunciado acerca del valor de un parámetro poblacional.

La Hipótesis alternativa, describe lo que se considerará si se rechaza la hipótesis nula.

Se designa por Hı y se lee “H subuno”. Con frecuencia se denomina también como la

34
hipótesis de investigación. La citada hipótesis alternativa será aceptada si los datos
muéstrales proporcionan evidencias estadísticas suficientes de que la hipótesis nula es
falsa.

Hipótesis alternativa.- Afirmación que se aceptará si los datos muéstrales

proporcionan amplia evidencia de que la hipótesis nula es falsa.

Paso 2: Seleccionar el nivel de significancia.- Después de plantear las hipótesis nula y

alternativa, el siguiente paso es definir el nivel de significancia.

Nivel de Significancia.- Probabilidad de rechazar la hipótesis nula cuando es

verdadera.

El nivel de significancia se denota mediante α, la letra griega alfa. Algunas veces

también se denomina nivel de riesgo. Este último es un término más adecuado, ya que
es el riesgo que existe al rechazar la hipótesis nula cuando en realidad es verdadera.

No hay un nivel de significancia que se aplique a todas las pruebas. Debe tomarse una
decisión de usar el nivel 0.05 (que con frecuencia se enuncia como nivel 5%), el nivel
0.01, el nivel 0.10 o cualquier otro nivel entre 0 y 1. Tradicionalmente se selecciona el
nivel de 0.05 para proyectos de investigación de consumo, el 0.01 para el aseguramiento
de calidad, y el 0.10 para encuestas políticas. Cada investigador debe decidir el nivel de
significancia antes de formular una regla de decisión y recopilar datos muéstrales.

A fin de ilustrar como es posible rechazar una hipótesis verdadera, supongamos que una
compañía que fabrica computadoras personales utiliza un gran número de tableros con
circuitos impresos. Los proveedores ofrecen diversos tableros y al que presente el de
mejor condición, se le acepta un contrato de venta considerable. En tal contrato se
especifica que el departamento de aseguramiento de calidad del fabricante de
computadoras muestreará todos los envíos de tableros que se reciban. Si más del 6% de
los muestreados está por debajo del valor estándar, se rechazará el envío. La hipótesis
nula es que la remesa de tableros que se recibe contiene 6% o menos productos
subestándares. La hipótesis alternativa es que más del 6% de los tableros están
defectuosos.

Una muestra de 50 tableros de circuitos que se recibió en cierto día de una empresa
electrónica, reveló que 4 de ellos – o sea, el 8% - estaban por debajo del estándar. El
embarque se rechazó porque excedía el máximo del 6% de tableros de tipo subestándar.
Si la remesa era en realidad de tal clase, entonces fue correcta la decisión de devolver
los productos al proveedor. Sin embargo, supóngase que los 4 tableros subestándares
que se seleccionaron de la muestra de 50, eran los únicos de ese tipo en el envío de 4000
tableros. Entonces sólo 1/10 de 1% eran defectuosos (4/4000 = 0.001). En este
caso, menos del 6% del envío completo estaba por abajo del estándar y fue un
error rechazar la remesa. En términos de la prueba de hipótesis, se rechazó la
hipótesis nula de que el envío no era subestándar, cuando debió haberse aceptado
tal hipótesis nula. Al rechazar una hipótesis verdadera, se cometió un error de
Tipo I. La probabilidad de cometer un error de tal clase α.

35
Error de Tipo I.- Rechazar la hipótesis nula Ho, cuando en realidad es verdadera.

La probabilidad de cometer otra clase de error, denominado error Tipo II, se denota con
la letra griega beta (B).

Error Tipo II.- Aceptar la hipótesis nula cuando en realidad es falsa.

El fabricante de las computadoras personales cometería un error Tipo II si,

desconociéndolo, en un envío de circuitos impresos que se recibiera de la empresa
manufacturera, hubiera 15% de tableros subestándares y, a pesar de ello, se aceptara el
envío. ¿Cómo podría suceder esto? Supóngase que 2 de los 50 tableros en la muestra
(4%) probados estuvieran por abajo del estándar, y que a 48 de los 50 fueran aceptables.
De acuerdo con el procedimiento señalado, debido a que la muestra contenía menos de
6% de tableros subestándares, el envío se aceptó. ¡Podría ser que debido al azar, los 48
tableros que se seleccionaron en la muestra fueran los únicos aceptables en la remesa
completa, que consta de miles de unidades¡.

Retrospectivamente, el investigador no puede estudiar cada elemento o individuo de la

población. Por tanto, hay una posibilidad de incurrir en dos tipos de error, uno de Tipo
I, cuando se rechaza la hipótesis nula en vez de haberla aceptado, y uno de Tipo II, si se
acepta la hipótesis nula cuando debería haberse rechazado.

Suele denominarse a estos dos errores posibles como error alfa, α, y error beta β, es la
probabilidad de cometer uno de Tipo II.

En la siguiente tabla se resumen las decisiones que podría tomar el investigador y en las
consecuencias posibles.

--------------------------------------------------------------
Hipótesis Se acepta Se rechaza
Nula Ho Ho
---------------------------------------------------------------

Ho es verdadera Decisión Error de

Correcta Tipo I

Ho es falsa Error de Decisión

Tipo II correcta
----------------------------------------------------------------

Paso 3: Calcular el valor estadístico de prueba.- Existen muchos valores estadísticos

de prueba. En nuestro estudio utilizaremos el valor Z. En que se refiere a pruebas de
hipótesis se utilizarán los denominados t, F y X² (este último se expresa como “Ji
cuadrada”, pues su símbolo base es la letra griega ji)

36
Valor estadístico de Prueba.- Valor obtenido a partir de la información muestral, que
se utiliza para determinar si se rechaza la hipótesis nula.

En las pruebas de hipótesis para la media (u), el valor estadístico de prueba Z se

determina a partir de:

Z DE DISTRIBUCIÓN COMO VALOR ESTADISTITICO DE PRUEBA

Media muestral X - u Media Poblacional

Z = -------------
Desviación estándar de l la población / n Número de la muestra
Tamaño de la muestra

El valor Z se basa en la distribución muestral de X, que se distribuye de manera normal

cuando la muestra es razonablemente grande con una media (u x) igual a u, y una
desviación estándar , que es igual a n. De esta manera se puede determinar si la
diferencia entre X y u es estadísticamente significativa encontrando el número de
desviaciones estándares que X está a partir de u aplicando la fórmula anterior.

Paso 4: Formular la regla de decisión.- Una regla de decisión es un enunciado de las

condiciones según las que se acepta o se rechaza la hipótesis nula. La región de rechazo
define la ubicación de todos los valores que son demasiado grandes o demasiado
pequeños, por lo que es muy remota la probabilidad de que ocurran según una hipótesis
nula verdadera.

En el siguiente diagrama, se muestran las regiones de aceptación y rechazo para una

prueba de significancia que se realizará más adelante.

Región de
rechazo

No se rechaza Ho

0 1.65 Escala de Z

Probabilidad 0.95 Probabilidad 0.05

Valor crítico

37
Distribución muestral del valor estadístico Z, prueba de una cola a la derecha, nivel de
significación de 0.05
Es importante observar en el diagrama anterior:

1- La región de no rechazo (o aceptación) de la hipótesis nula incluye el área a la

izquierda de 1.65. Más adelante se explicará cómo llegar al valor de 1.65.
2- El área de rechazo está a la derecha de 1.65.
3- Se aplica una prueba de una cola. (Esto también se explicará más adelante)
4- Se eligió el nivel de significancia de 0.05.
5- La distribución muestral del valor estadístico Z es de tipo normal.
6- El valor 1.65 separa las regiones de rechazo y aceptación de la hipótesis nula.
7- El valor 1.65 se denomina valor crítico.

Valor Crítico.- Número que es el punto divisorio entre la región de aceptación y la

región de rechazo, de la hipótesis nula.

Paso 5: Tomar una decisión.- El quinto y último paso en la prueba de hipótesis es la

toma de la decisión de rechazar o no la hipótesis nula. Respecto al diagrama anterior si,
con base en información muestral, se calcula que Z es 2.34, y la hipótesis nula se
rechaza en el nivel de significancia 0.05. Se tomó la decisión de rechazar Ho debido a
que 2.34 se encuentra en la región de no aceptación, es decir, más allá de 1.65. Se
descartaría la hipótesis nula según el razonamiento de que es muy improbable que un
valor Z tan grande se deba al azar, esto es, a una variación de muestreo.

Si el valor calculado hubiera sido igual a 1.65 o menor – por ejemplo, 0.71 – la
hipótesis nula sería aceptada. Se razonaría que un valor calculado tan pequeño podría
ser atribuido al azar, esto, es, a variación en el muestreo.

Como podemos observar, es posible sólo una de dos decisiones en la prueba de

hipótesis: aceptar o rechazar la hipótesis nula. En vez de “aceptar” tal hipótesis, Ho,
algunos investigadores prefieren enunciar la decisión como: “No rechazar Ho”, “No es
posible descartar Ho”, o bien “Los resultados muéstrales no permiten hacer a un lado a
Ho”.

Debe subrayarse de nuevo que siempre existe una posibilidad de que la hipótesis nul se
descarte cuando debería haberse aceptado (error de Tipo I). Además, hay una
posibilidad definible de que la hipótesis nula se acepte cuando debería haberse
rechazado (error de Tipo II). Antes de realizar una prueba de hipótesis, se diferenciará
entre una prueba de significancia de una y de dos colas

38
39
40