CONSOLIDACION DE EJERCICIOS PRESENTADOS

PRESENTACION DE LLUVIA DE IDEAS

EXPERIMENTOS EXPERIMENTO ALEATORIO

DETERMINISTICOS
Tambin llamados exactos, ya
que se puede repetir una
cantidad de veces y siempre se
obtiene los mismos resultados,
son experimentos predecibles,
por lo que no llaman tanto la
invitacin de investigacin
Su resultado siempre es incierto o
impredecible, hasta que no se
ejecute, este experimento, se
puede repetir muchas veces, se
puede conocer o determinar
posibles resultados del suceso.
A la coleccin de cada uno de
estos resultados es lo que se le
conoce como espacio muestral

Ejemplo: en un reinado
de belleza donde
participan 10 candidatas,
se va a escoger la reina o
ganadora del concurso,
EXPERIMENTO solo se puede conocer las
candidatas y las favoritas
No solo incluye hechos del pblico pero es
asociados a un experimento de impredecible conocer la
laboratorio, sino tambin a ganadora hasta que no
otras situaciones o sucesos que hayan realizado todas las
generen un inters. pruebas de clasificacin.

SUCESOS
ESPACIO MUESTRAL
Es cada uno de los subconjuntos del espacio
Es un conjunto de resultados
muestral, tambin se puede llamar como espacio
que se obtiene de todos los
de sucesos y su smbolo es una S
experimentos o fenmenos
Ejemplo: un posible ejemplo seria al lanzar un dado aleatorios que se realizaron. Su
2 subconjuntos pueden ser los nmeros pares y los smbolo es una E
impares de cada lado del dado
Ejemplo: lanzar una moneda y
A= {3, 5,7} ver cuantas veces sale cara

B= {2,4,6} E= {1, 2, 3,4}

 TCNICAS DE CONTEO

En el clculo de las probabilidades se debe poder determinar el nmero de veces

que ocurre un evento o suceso determinado. Es muchas situaciones de
importancia prctica es imposible contar fsicamente el nmero de ocurrencias de
un evento o enumrelos uno a uno se vuelve un procedimiento engorroso. Cuando
se est frente a esta situacin es muy til disponer de un mtodo corto, rpido y
eficaz para contar.

A continuacin se presentan algunas de estas tcnicas, denominadas tcnicas de

conteo o anlisis combinatorio, entre las cuales se tienen: el principio
fundamental del conteo, permutaciones, variaciones, combinaciones, la regla del
exponente y el diagrama de rbol.

Principios fundamentales del conteo

En la teora fundamental del conteo se tienen unos principios bsicos, que son la
base para desarrollar otros conceptos como permutaciones y combinaciones que
se vern ms adelante.

Estos principios son:

Principio de multiplicacin multiplicativo

Principio aditivo
Factorial de un nmero

Principio multiplicativo

Algunos problemas de probabilidad pueden resolverse aplicando este principio.

Suponga que una persona desea preparar un almuerzo para sus amigos y tiene
dos recetas para la sopa, tres para el plato principal y dos para el postre. De
cuntas maneras puede el anfitrin hacer su men? En la figura 5 se sealan
todas las maneras posibles para preparar el almuerzo.
Figura 2.5

Diagrama de las posibles opciones para preparar un men

Las alternativas que tendr son:

{1,3,6} {1,3,7} {1,4,6} {1,4,7} {1,5,6} {1,5,7}

{2,3,6} {2,3,7} {2,4,6} {2,4,7} {2,5,6} {2,5,7}

En total se tienen 12 maneras diferentes de preparar un delicioso almuerzo.

Aplicando el principio de multiplicacin se tiene:

2 x 3 x 2 = 12

Generalizando, si un evento determinado puede realizarse de n1 maneras

diferentes, y si un segundo evento puede realizarse de n2 maneras diferentes, y si,
adems, un tercer evento puede realizarse de n3 maneras diferentes y as
sucesivamente, y si al mismo tiempo cada evento es independiente del otro,
entonces el nmero de maneras en que los eventos pueden realizarse en el orden
indicado es el producto:

Principio aditivo

Este principio tiene las mismas premisas del principio multiplicativo, pero con la
condicin no de que los eventos sean independientes sino de que sean
mutuamente excluyentes, es decir que cada uno ocurra sin la necesidad de que
otro lo haga. El nmero total de maneras en las que pueden realizarse los eventos
es la adicin:
Suponga, ahora, que la persona que prepara el men para sus amigos preparar
pescado como plato principal. Para preparar el pescado, l encuentra cinco
maneras diferentes de hacerlo al horno, dos para hacerlo frito y tres para
prepararlo cocido. De cuntas maneras diferentes puede cocinar su pescado?

Cada una de las maneras de preparar el pescado es excluyente de las otras dos.
Es decir, si el cocinero decide preparar el pescado cocido, ya no podr prepararlo
ni frito ni al horno; de igual manera sucede si decide hacerlo al horno o frito. As
que en total, y de acuerdo con el principio aditivo, slo hay 5+2+3=10 maneras
diferentes de cocinar el pescado.

Figura 2.6

Esquema de interpretacin de los principios multiplicativo y aditivo

El esquema de la figura 1.6 ilustra una interpretacin sencilla de ambos

principios[1]. Ms adelante se desarrollan los conceptos de eventos
independientes y eventos mutuamente excluyentes, pero ya inicia un primer
acercamiento a ellos. ([1] Modificado de Probabilidad y estadstica para ingeniera
y ciencias, Gabriel Velasco S. y Piotr Marian Wisniewski. Thomson Learning.
Mxico. 2001)

Factorial de un nmero.

En el anlisis combinatorio interviene con mucha frecuencia el concepto de

factorial de un entero no negativo n. Este se denota por el smbolo n! y se define
como el producto de n por todos los enteros que le preceden hasta llegar al uno.

Simblicamente queda expresado como:

La excepcin es el caso de 0! El cual conviene definirlo como igual a 1 con objeto
de preservar la validez de las frmulas en casos extremos. Muchas calculadoras
traen una tecla factorial, verifique que la suya la tenga y practique.

PROPIEDADES BSICAS DE LAS PROBABILIDADES

En forma muy simple se puede definir la probabilidad como un nmero de 0 a 1,

que le asignamos a suceso para indicar su posibilidad de ocurrir. Las
probabilidades se expresan como fracciones o como decimales que estn entre
uno y cero o tambin en valor porcentual entre 0 y 100. Tener una probabilidad de
cero significa que algo nuca va a suceder; una probabilidad de uno indica que algo
va a suceder siempre.

TEOREMA DE BAYES

En la teora de la probabilidad el teorema de

Bayes es un resultado enunciado por Thomas
Bayes en 1763 que expresa la probabilidad
condicional de un evento aleatorio A dado B en
trminos de la distribucin de probabilidad
condicional del evento B dado A y la distribucin de
probabilidad marginal de slo A.

En trminos ms generales y menos matemticos,

el teorema de Bayes es de enorme relevancia
puesto que vincula la probabilidad de A dado B con la probabilidad de B dado A.

Sea un conjunto de sucesos mutuamente excluyentes y

exhaustivos, y tales que la probabilidad de cada uno de ellos es distinta de cero
(0). Sea B un suceso cualquiera del que se conocen las probabilidades
condicionales . Entonces, la probabilidad viene dada por la
expresin:

donde:

son las probabilidades a priori.

es la probabilidad de en la hiptesis .

son las probabilidades a posteriori.

Aplicaciones

El teorema de Bayes es vlido en todas las aplicaciones de la teora de la

probabilidad. Sin embargo, hay una controversia sobre el tipo de probabilidades
que emplea. En esencia, los seguidores de la estadstica tradicional slo admiten
probabilidades basadas en experimentos repetibles y que tengan una confirmacin
emprica mientras que los llamados estadsticos bayesianos permiten
probabilidades subjetivas. El teorema puede servir entonces para indicar cmo
debemos modificar nuestras probabilidades subjetivas cuando recibimos
informacin adicional de un experimento. La estadstica bayesiana est
demostrando su utilidad en ciertas estimaciones basadas en el conocimiento
subjetivo a priori y el hecho de permitir revisar esas estimaciones en funcin de la
evidencia emprica es lo que est abriendo nuevas formas de hacer conocimiento.
Una aplicacin de esto son los clasificadores bayesianos que son frecuentemente
usados en implementaciones de filtros de correo basura o spam, que se adaptan
con el uso
SOLUCIONES PRESENTADAS SOBRE EL ESTUDIO DEL CASO

PRIMER APORTE: Los jueces del condado Hamilton (E.E.U.U.) procesan miles
de casos al ao. En la gran mayora de los casos presentados, la sentencia
permanece como se present. Sin embargo, algunos casos son apelados y en
algunos de estos se revoca la sentencia. Una periodista del diario Cincinnati Times
realiz un estudio de los casos manejados por los jueces del condado de Hamilton
durante un periodo de tres aos En la siguiente tabla se muestran los resultados
de 182908 casos presentados a 38 jueces del Tribunal Penal, del Tribunal de
Familia y del Tribunal Civil. Dos de los jueces (Dinkelacker y Hogan) no trabajaron
en el mismo tribunal durante todo el periodo de tres aos.

El propsito del estudio es evaluar el desempeo de los jueces. Las apelaciones

con frecuencia son resultado de errores cometidos por los jueces y el diario quera
saber cules jueces estaban haciendo un buen trabajo y cules cometan
demasiados errores. A usted le han llamado para que ayude en el anlisis de
datos. Utilice su conocimiento de la probabilidad y la probabilidad condicional para
ayudar a calificar a los jueces. Tal vez pueda analizar la probabilidad de los casos
que se apelaron y revocaron manejados en los diferentes tribunales

1. La probabilidad de casos que se apelan y revocan en los tres tribunales

Juez Tribunal penal

Casos Apelados
1762/43945=0,04009

Casos Revocados
199/43945=0,00453

Juez Tribunal de familiar

Casos Apelados
106/30499=0,00347

Casos Revocados
17/30499=0,00056
 Juez Tribunal Civil.

Casos Apelados
500/108464=0,00460

Casos Revocados
104/108464=0,00096

2. La probabilidad de que se apele un caso, por cada juez

(1/1762) + (1/106) + (1/500) =0,012

3. La probabilidad de que se revoque un caso, por cada juez

(1/199) + (1/17) + (1/104) =0,073

4. La probabilidad de una revocacin dada una apelacin, por cada juez

(199/1762) + (17/106) + (104/500) =0,481

5. Clasifique a los jueces dentro de cada tribunal. Establezca los criterios

que utiliz y d las razones de su eleccin.

Los jueces son clasificados segn la probabilidad de revocar caso dada la

apelacin de manera ascendente, mostrando primero la menos probabilidad y de
ultima la mayor probabilidad.
Los clculos se realizaron con todos los dgitos y solo se muestran los primeros 4
decimales
Jueces Tribunal Penal

Probabilidad de
Juez Tribunal Penal CP CA CR PCA P C R revocar caso
dada apelacin
Thomas Nurre 3000 121 6 0,0403 0,0020 0,0496
Robert Kraft 3138 127 7 0,0405 0,0022 0,0551
Ralph Winkler 3089 88 6 0,0285 0,0019 0,0682
Thomas Crush 3372 119 10 0,0353 0,0030 0,0840
Fred Cartolano 3037 137 12 0,0451 0,0040 0,0876
John OConnor 2969 129 12 0,0434 0,0040 0,0930
Ann Marie Tracey 3141 127 13 0,0404 0,0041 0,1024
Arthur Ney, Jr. 3219 125 14 0,0388 0,0043 0,1120
Timothy Hogan 1954 60 7 0,0307 0,0036 0,1167
Richard Niehaus 3353 137 16 0,0409 0,0048 0,1168
Robert Ruehlman 3205 145 18 0,0452 0,0056 0,1241
NorbertNadel 2959 131 20 0,0443 0,0068 0,1527
J. Howard
0,0628 0,0105 0,1667
Sundermann 955 60 10
William Morrissey 3032 121 22 0,0399 0,0073 0,1818
Patrick Dinkelacker 1258 44 8 0,0350 0,0064 0,1818
William Mathews 2264 91 18 0,0402 0,0080 0,1978

Jueces Tribunal de Familia

Probabilidad de
Juez Tribunal de Familia C P CA CR PCA P C R revocar caso dada
apelacin
1297 0,002 0,000
Ronald Panioto 0 32 3 5 2 0,0938
0,002 0,000
PenelopeCunningham 2729 7 1 6 4 0,1429
0,005 0,001
Deborah Gaines 8799 48 9 5 0 0,1875
0,003 0,000
Patrick Dinkelacker 6001 19 4 2 7 0,2105
Jueces Tribunal Civil

Probabilidad de
Juez Tribunal Civil CP CA CR PCA PCR revocar caso dada
apelacin
Karla Grady 5253 6 0 0,0011 0,0000 0,0000
DeidraHair 2532 5 0 0,0020 0,0000 0,0000
Beth Mattingly 2971 13 1 0,0044 0,0003 0,0769
Mike Allen 6149 43 4 0,0070 0,0007 0,0930
David Davis 7736 43 5 0,0056 0,0006 0,1163
Timothy Black 7954 41 6 0,0052 0,0008 0,1463
Timothy Hogan 2308 13 2 0,0056 0,0009 0,1538
James Patrick Kenney 2798 6 1 0,0021 0,0004 0,1667
Dennis Helmick 7900 29 5 0,0037 0,0006 0,1724
Nadine Allen 7812 34 6 0,0044 0,0008 0,1765
David Stockdale 5371 22 4 0,0041 0,0007 0,1818
Mark Schweikert 5403 33 6 0,0061 0,0011 0,1818
Melba Marsh 8219 34 7 0,0041 0,0009 0,2059
William Mallory 8277 38 9 0,0046 0,0011 0,2368
Jack Rosen 7790 41 13 0,0053 0,0017 0,3171
Joseph Luebbers 4698 25 8 0,0053 0,0017 0,3200
Albert Mestemaker 4975 28 9 0,0056 0,0018 0,3214
Leslie IsaiahGaines 5282 35 13 0,0066 0,0025 0,3714
Mark Painter 2239 7 3 0,0031 0,0013 0,4286
John A. West 2797 4 2 0,0014 0,0007 0,5000

CP Casos Presentados
CA Casos Apelados
CR Casos Revocados
Probabilidad Casos
PCA
Presentados
P C R Probabilidad Casos Revocados
SEGUNDO APORTE: Los resultados que ac se presentan son sacados a partir
de datos sobre los casos presentados a los jueces de tribunal, jueces de tribunal
familia y del tribunal civil del condado de Hamilton, este anlisis se realiza con el
fin de determinar la probabilidad de errores y aciertos de cada juez que tuvo en
cada caso.

1) Probabilidad de casos que se apelan y revocan entre los jueces

Juez tribunal penal

Casos apelados: 1762/43945= 0.04009

Casos revocados: 199/43945=0.00453

Juez tribunal de familia

Casos apelados: 106/30499= 0.00347

Casos revocados: 17/30499= 0.00055

Juez tribunal civil

Casos apelados: 500/108464= 0.00460

Sasos revocados: 104/108464= 0.00095

2) La probabilidad de que se apele un caso por cada juez

Juez tribunal penal: 1/1762=0.0056

Juez tribunal familia: 1/106=0.00943
Juez tribunal civil: 1/500=0.002

0.01199
Aprox. 0.012
3) La probabilidad de que se revoque un caso por cada juez

Juez tribunal penal: 1/199= 0.01

Juez tribunal familia: 1/17= 0.05
Juez tribunal civil: 1/104=0.01

0.07

4) La probabilidad de una revocacin dada una apelacin por cada juez

Juez tribunal penal 199/1762=0.11

Juez tribunal familia: 17/106=0.16
Juez tribunal civil: 104/500=0.21

0.48

5) Clasifique a los jueces dentro de cada tribunal. Establezca los criterios

que utiliz y d las razones de su eleccin.

Juez tribunal penal

1961 (total casos apelados y revocados) / 43945(casos presentados)

1961/43945= 0.04

Juez tribunal familia

123(total de casos apelados y revocados) / 30499 (casos presentados)

123/30499=0.004

Juez tribunal civil

604 (total de casos apelados y revocados) / 108464(casos presentados)

604/108464= 0.01
De acuerdo a esto el tribunal que ha tenido una mejor gestin y desempeo en la
sentencia de los casos, es el tribunal familia, ya que presentan el menor nmero
de casos revocados y apelados, tribunal que cuanta con 4 jueces de los cuales 3
presentan una muy baja cifra de casos apelados y revocados siendo 1 la juez
Deborah Gaines quien presenta un margen de error ms alto en sus casos.

Margen error
0.00
0.00
0.01
0.00
Total 30499 106 17

El tribunal que ms margen de error presenta en su gestin es el tribunal penal ya

que presentan el nmero ms alto de casos apelados y revocados, denotando la
poca eficiencia en su trabajo y una de las posibles causas del mal manejo de
casos que se presentan en el condado de Hamilton, para este tribunal el juez con
un margen de error ms alto es J. Howard Sunderman mientras que Ralph y
Timothy hogan tienen un rango menor de errores

Margen de
error
0.05
0.04
0.04
0.03
0.04
0.05
0.05
0.05
0.04
0.05
0.04
0.05
0.05
0.07
0.04
0.03
El tribunal civil, est en medio de estos dos tribunales, no se destaca por
excelente, pero su margen de error en decisin de casos no es tan alto, por lo que
se debe mejorar su gestin y lograr un mejor desempeo de cada juez

Margen de
error
0.01
0.01
0.01
0.01
0.01
0.00
0.00
0.00
0.01
0.00
0.01
0.01
0.00
0.00
0.01
0.00
0.01
0.01
0.00
0.00
 SOLUCIN MISCELNEA DE EJERCICIOS

CAPITULO 1

1. En el primer da de clases en el jardn de nios, la maestra selecciona al

azar a uno de sus 25 alumnos y registra su gnero y si haba asistido o no
antes a preescolar.

a) Cmo describira el experimento aleatorio

b) Construya el espacio muestra de este experimento, Use un diagrama de rbol
c) Cuantos eventos simples hay
Solucin

Sea A el nmero de alumnos

Sea B el gnero de los alumnos

Sea C el s asisti a preescolar

1 evento simple el nmero de alumnos

2.- Seale cuales de los siguientes resultados corresponden a situaciones

no aleatorias o determinanticas y cuales corresponden a situaciones
aleatorias o de incertidumbre.

a) El resultado del prximo partido Colombia-Mxico

(Aleatorias), es algo incierto o de suerte cualquier equipo puede apuntar o gol al

igual que cualquier jugador de uno de los 2 equipos.

b) Lo que desayunare el da de maana.

No aleatorias) se puede determinar, bien sea por los ingredientes que se tengan
para preparar el desayuno o lo que coma con frecuencia la persona.

c) El porcentaje de aprobados de un curso de Matemticas (antes de acabar el

semestre).

(No aleatorias) siempre se puede obtener un porcentaje de calificaciones, en base

a este calcular quienes aprueban la materia, quienes no y quienes probablemente
la aprueben. De acuerdo a las calificaciones que se tengan y las que faltan por
realizar.
3. Michael y Robert son dos turistas ingleses que viajaron al Per a conocer
una de las siete maravillas del mundo. Despus de visitar Macchu Picchu,
ellos deciden ir a disfrutar de las comidas tpicas que se ofrecen en el
restaurante El ltimo Inca. A Carlos, el sobrino del dueo, se le ha
encomendado la tarea de observar que platos tpicos comern los dos
turistas. La lista de platos es la siguiente: Trucha con papas fritas, Milanesa
de alpaca, Cuy con papas, Guiso de alpaca. Suponiendo que cada turista
pedir solo un plato.

Cul es el espacio muestra del experimento? Defina dos eventos A y B

S1 {trucha con papas}

S2 {Milanesa de Alpaca}

S3 {Cuy Con Papas}

S4 {guiso de Alpaca}

Eventos:

S1 A = {Michael orden Milanesa con papas}

S4 B= {Robert orden Guiso de Alpaca}

Ejercicio 6

A una reunin llegan Carmen, Lola, Mercedes, Juan, Fernando y Luis. Se eligen
dos personas al azar sin importar el orden, Describa el espacio Maestral de este
experimento.

Solucin:

n: 6 personas

r: 2 personas seleccionadas al azar

Nmero de Casos posibles: S

6 6!
( )= = 15 =
2 2! (6 2)!

Validacin:
=S= {(Carmen, Lola) (Carmen, Mercedes) (Carmen, Juan) (Carmen, Fernando)
(Carmen, Luis) (Lola, Mercedes) (lola, Juan) (Lola, Fernando) (Lola, Luis)
(Mercedes, Juan) (Mercedes, Fernando) (Mercedes, Luis) (Juan, Fernando) (Juan,
Luis) Fernando, Luis)}

CAPITULO 2

1.- Que usar? Un joven se alista para la universidad, posee 4 jeans, 12

camisetas y 4 pares de zapatos deportivos, Cuntas combinaciones de
jean, camiseta y zapatos puede tener?

Respuesta:

Datos

4 pares de zapatos

4 jean

12 camisetas

Cada camiseta la puede combinar con cada zapato y con cada jean

Cada zapato lo puede combinar con cada camiseta y cada jean

Cada jean lo puede combinar con cada camiseta y cada zapato

4(jeans) x 12 (camisetas): 48 combinaciones

48(combinaciones) x 4(zapatos): 192 combinaciones en total

192 combinaciones

2. Las prximas vacaciones familiares incluyen un vuelo internacional, la

renta de un automvil y la estancia en un hotel en Boston. Si escoge entre
cuatro lneas areas principales, cinco agencias de renta de automviles y
tres cadenas de hoteles. Cuntas opciones tiene disponibles para sus
vacaciones?

Solucin
Vuelo internacional 4 lneas
 Renta automvil 5 agencias
Estancia en un hotel 3 cadenas de hoteles
Aplicamos el principio multiplicativo as:

4 X 5 X 3 = 60

Es decir tiene 60 opciones disponibles para sus vacaciones

4. El jefe de cocina de un restaurante quiere usar algunas carnes y vegetales

que sobraron el da anterior para preparar un platillo de tres clases de carne
y cuatro vegetales. Si hay 5 clases de carne y siete vegetales disponibles,
Cuntos platillos pueden preparar el cocinero?

Solucin

C5,3 x C7,4 = 10 x 35 = 350 platos distintos.

Ejercicio 12

A una reunin asisten 10 personas y se intercambian saludos entre todos.

Cuantos saludos se han intercambiado?

Solucin:

n: Numero de personas = 10

r: Personas que intercambian saludo entre si = 2

10 10!
( )= = 45
2 2! (10 2)!

En total se intercambian 45 saludos entre las 10 personas.

CAPITULO 3
2. En las eliminatorias al mundial un futbolista tiene una probabilidad de
0,60 de hacer gol en un tiro libre, mientras que la probabilidad de un
segundo futbolista es de 0,40. Si cada uno de ellos hace un solo tiro libre,
encuentre la probabilidad de que

a) ambos hagan gol

b) uno de ellos haga gol.

SOLUCIN

Sea A la probabilidad de hacer gol el jugador 1

Sea B la probabilidad de hacer gol el jugador 2

Jugador Lo hace No lo
hace
1 60% 40%
2 40% 60%

0.5 X 0.6 + 0.5 X 0.4

0.3 + 0.2

0.5

Jugador a: 0.3/0.5=0.6

Jugador b: 0.2/0.5=0.4

0.24

3. En un viaje organizado por Europa para 120 personas, 48 de los que van
saben hablar ingls, 36 saben hablar francs, y 12 de ellos hablan los dos
idiomas. Escogemos uno de los viajeros al azar.

a.- Cul es la probabilidad de que hable alguno de los dos idiomas?

b.- Cul es la probabilidad de que hable francs, sabiendo que habla ingls?

c.- Cul es la probabilidad de que solo hable francs

Datos:

120 personas

48 hablan ingles

36 hablan francs

12 hablan los 2 idiomas

Respuesta

a) 48+36+12 96 Las 96 personas en total hablan

= =8% uno de los dos idiomas o los dos
y 120 son los que viajan
120 120

b) 12
12 personas hablan los dos
= 25% idiomas y 48 hablan ingles

48

c) 36
36 es seguro que
= 3% hablan francs y 120
son los que viajan
120

4. El ltimo ao de una clase de bachillerato con 100 estudiantes, 42

cursaron matemticas, 68 psicologa, 54 historia; 22 matemticas e historia,
25 matemticas y psicologa, 7 historia pero ni matemticas ni psicologa, 10
las tres materias y 8 no tomaron ninguna de las tres. Si se selecciona al azar
un estudiante, encuentre la probabilidad de que:

a) solo haya cursado una de las tres materias

b) una persona que no se inscribi en psicologa curse historia y
matemticas.

Solucin

Hagamos el diagrama

Los nmeros grandes son los que nos han dado. Y los rosa en pequeos son los
que se deducen.

Una vez puestos los nmeros las preguntas son:

a) Solo una de las tareas materias. Los nmeros son el 5 de matemticas, el 18

de Psicologa y el 7 de historia

5+18+7 = 30

Y la probabilidad es 30/100 = 0.3

b) Es ese 12 que se obtiene como resta del 22 y 10 que nos dan. La probabilidad
es
12/100 = 0.12

Ejercicio 6

Una muestra de 500 personas fue seleccionada en una gran rea metropolitana
para estudiar el comportamiento del consumidor. Entre las preguntas estaba
Disfruta comprando ropa? De los 240 hombres 136 contestaron que s, mientras
que de las 260 mujeres, 224 contestaron que s. Si se selecciona al azar un
encuestado, cual es la probabilidad de que el elegido:

a) disfrute comprando ropa?

b) sea mujer y disfrute comprando ropa
c) sea hombre y No disfrute comprando ropa

Solucin

Suponemos que estn en orden especfico

S= {1, 2, 3,. 500}

Eventos:

A: Persona elegida disfruta comprando ropa

B: Persona elegida sea mujer y disfrute comprando ropa

C: Sea Hombre y No disfrute comprando ropa

Entonces:

N(S)= 500 , N(A): 360, N(B): 224, N(C): 104

360
() = = 0,72
500
224
() = = 0,448
500
104
() = = 0,208
500
8. Una enfermedad puede estar producida por tres virus A, B y C. En el
laboratorio hay 3 tubos de ensayo con el virus A, 2 tubos con el virus B y 5
tubos con el virus C. La probabilidad de que el virus A produzca la
enfermedad es de 1/3, que la produzca B es de 2/3 y que la produzca C es de
1/7, Se inocula un virus a un animal y contrae la enfermedad, Cul es la
probabilidad de que contraiga la enfermedad?

Solucin

Hay 3 tubos de A, 2 de B y 5 de C, son 10 en total. Las probabilidades respectivas

son 1/3, 2/3 y 1/7.

La probabilidad de infeccin por un tubo con virus A es

(3/10)(1/3) = 3/30 = 1/10 = 0.1

La probabilidad de infeccin por un tubo con virus B es

(2/10)(2/3) = 4/30=2/15 = 0.13333...

La probabilidad de infeccin por un tubo con virus C es

(5/10)(1/7) = 5/70 = 1/14 = 0.0714285714...

La probabilidad de contraer la enfermedad es la suma de las tres es

0.3047619048

Cul es la probabilidad de que el virus que se inocule sea el C?

La probabilidad de que sea el C el que inocule es de:

0.0714285714 / 0.3047619048 = 0.234375

Para realizar este clculo utilizamos el contagio de C entre la probabilidad total de
contagio.