166 Capítulo 5

Ejercicios

29. Suponga que P(A) = 0.40 Y P (B | A) = 0.30. ¿Cuál es la probabilidad

conjunta de A y B?
30. Considere que P(X1) = 0.75 y P (Y2 | X1) = 0.40. ¿Cuál es la probabilidad
conjunta de X1 y Y2?
31. Un banco local reporta que 80% de sus clientes tienen una cuenta de
cheques, 60% una cuenta de ahorros, y 50% tienen ambas. Si se selecciona un
cliente al azar, ¿Cuál es la probabilidad de que éste tenga una cuenta de
cheques o una de ahorros? ¿Cuál es la probabilidad de que el cliente no tenga
ninguna de las dos?
32. La empresa All Seasons Plumbing cuenta con dos camiones de servicio
que se descomponen frecuentemente. Si la probabilidad de que el primer
camión esté disponible es 0.75, la de que el segundo camión también lo esté
es 0.50, y la probabilidad de que los dos camiones estén disponibles es 0.30,
¿Cuál es la probabilidad de que ningún vehículo esté disponible?
A3 BConsidere la siguiente tabla.
33.
A1A22
B1
Primer evento
Segundo evento   Total
2 1 3 6
1 2 1 4

Total 3 3 4 10
a) Determine P(A1).
b) Establezca P (B1 | A2).
c) Determine P (B2 y A3).

34. Cleanbrush Products envió por accidente a una familia tres cepillos
eléctricos para dientes, defectuosos, junto con 17 en buen estado.
a) ¿Cuál es la probabilidad de que los primeros dos cepillos vencidos se
devuelvan a la farmacia porque están defectuosos?
b) ¿Cuál es la probabilidad de que los primeros dos cepillos vendidos no
tengan defectos?

35. Cada vendedor en Stiles-Compton se califica como “abajo del promedio”,

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

Posibilidad de promoción
Habilidad de
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 alzar tenga
aptitud para las ventas por encima del promedio y excelente posibilidad
de promoción?
c) Trace un Diagrama de árbol que muestre todas las probabilidades:
normales, condicionales y conjuntas.

36. Un inversionista posee tres acciones comunes. Cada acción,

independientemente de la otra, tiene las mismas posibilidades de que (1)
aumente su valor, (2) disminuya su valor, o (3) permanezca sin cambio.
Mencione los posibles resultados de este experimento. Calcule la probabilidad
de que al menos dos de las acciones aumenten de valor.
37. La junta de directores de una empresa pequeña está compuesta de cinco
personas. Tres son “líderes fuertes”. Si aceptan un proyecto, lo aprobarán
todos los demás miembros de la junta. Los otros miembros, “débiles” no tienen
influencia alguna. Se programa que tres vendedores harán presentaciones de
ventas, uno después de otro, ante un miembro de la junta, elegido por el
vendedor. Los vendedores son convincentes, pero no conocen la forma de ser
de “los líderes fuertes”. Sin embargo, sabrán a quién se dirigió el representante
de ventas.

Un panorama de conceptos probabilísticos 167

anterior. El primer vendedor que descubra a uno de los líderes fuertes ganará
la cuenta, ¿Los tres vendedores tienen la misma probabilidad de obtener ésta?
Si no, halle las probabilidades respectivas de ganar dicha cuenta.
38. Si en la universidad usted pregunta a tres personas desconocidas, ¿Cuál
es la probabilidad de que: (a) todos hayan nacido en un día miércoles? (b)
todos hayan nacido en días de la semana diferentes? (c) ninguno haya tenido
su nacimiento en sábado?

Teorema de Bayes

En el siglo XVII el reverendo Thomas Bayes, ministro presbiteriano inglés,

planteó la siguiente cuestión: ¿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 ( A 1|B )= [5−7]
P ( A 1 ) P ( B∨A 1 ) + P ( A 2 ) P ( B∨A 2 )
 (El significado de estas letras se explicará en el siguiente ejemplo, pero
observe que se refiere a probabilidades condicionales.)
Considere el problema que sigue. Suponga que 5% de la población de
Umen, un país ficticio de Tercer Mundo padece una enfermedad que es
originaria de ese lugar. Sea A 1 el evento “tiene la enfermedad”, y A 2 el evento
“no tiene la enfermedad”. Por lo tanto, sabemos que, si seleccionamos una
persona de Umen al azar, la probabilidad de que la elegida tenga el
padecimiento es 0.005, o bien P(A1) = 0.005. Esta probabilidad P(A1) = P(tiene
la enfermedad = 0.05, se denomina probabilidad a priori. Se la da este nombre
por que la probabilidad se asigna antes de haber obtenidos 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”. Considere 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 en este capítulo, tal afirmación se
expresa como:

P(B | A1) = 0.90

Considere 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

Seleccionamos en forma aleatoria a un habitante de Umen, 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(A 1 | B), que se interpreta como: P(tiene
la enfermedad) | (Los resultados de la prueba son positivos). La probabilidad de
P(A1 | B) se denomina una probabilidad a posteriori.
Probabilidad a Posteriori Es la probabilidad revisada con base en
información adicional

Con la ayuda del teorema de Bayes, fórmula (5-7), es posible determinar la

probabilidad a posteriori o revisada.

168 Capítulo 5

P ( A 1|B ¿=P ( A 1 ) P ( B| A 1 ¿ ¿ + P ( A 2) P ( B| A 2 ¿ ¿
P ( A 1 ) P ( B| A1 ¿

( 0.05 ) (0.90) 0.0450

P ( A 1|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 A 1 y A2, como
probabilidades a priori. 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, fórmula (5-7), queda como sigue

P ( A 1|B ¿=P ( A 1 ) P ( B| A 1 ¿ ¿ + P ( A 2) P ( B| A 2 ¿ …+ P ( A n ) P ( B| A n ¿¿
P ( A 1 ) P ( B| A1 ¿

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

Utilizando la anotación anterior, los cálculos para el problema en Umen se
pueden resumir en la siguiente tabla.

Evento, Probabilida Probabilidad Probabilida Probabilidad

A1 d Condicional, d a posterior,
a priori, P(B | A1) Conjunta, P(A1 | B)
P(A1) P(A1 y B)
Tiene la 0.05 0.90 0.045 0.0450/
enfermedad, 0 0.1875 = 0.24
A1
No tiene la 0.95 0.15 0.142 0.1425/
enfermedad, 5 0.1875 = 0.76
A2
P(B) =
0.1875 1.00

A continuación, se presenta otro ejemplo de uso del teorema de Bayes.

Ejemplo

Un fabricante de videograbadoras (VCR) compra un cierto microchip, llamado

LS-24, De tres proveedores. Un 30% de los microcircuitos LS-24 se comparan
a Hall Electronics, 20% a Schuller Sales, y el 50% restante a Crawford
Components. El fabricante tiene historiales extensos acerca de los tres
 abastecedores y sabe que 3% de los microchips LS-24 de Hall Electronics, son
defectuosos, un 5% de los de Schuller Sales son no aceptable, y un 4% de los
de Crawford Components también tiene 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 Schuller Sales?

Un panorama de conceptos Probabilísticos 169

Solución Como un primer paso se resume enseguida parte de la información dada enunciado del
problema.

 Existen tres eventos, o sea, tres proveedores:

A1 El chip LS-24 fue comprado a Hall Electronics

A2 El chip LS-24 fue comprado a Schuller Sales
A3 El chip LS-24 fue comprado a Crawford Components
 Las probabilidades a priori son:

P(A1) = 0.30 La probabilidad de que el chip sea fabricado por Hall Electronics
La probabilidad de que el chip provenga de Schuller Sales
P(A2) = 0.20 La probabilidad de que el microcircuito sea manufacturado por
P(A3) = 0.50 Crawford Components

 La información adicional es que el chip LS-24 es defectuoso.

B1 Tal elemento es defectuoso

B2 Dicho elemento no es defectuoso

 Se indican las siguientes probabilidades condicionales a continuación:

P(B1 | A1) = 0.03 La probabilidad de que un chip LS-24 producido por Hall
Electronics sea defectuoso
La probabilidad de que uno producido por Schuller Sales sea
P(B1 | A2) = 0.05 defectuoso
La probabilidad de que uno procedente de Crawford
P(B1 | A3) = 0.04 Components tenga defectos
  Un chip se selecciona del depósito. Debido a que los microcircuitos no
son identificados por el proveedor, no se sabe cierto cuál abastecedor lo
fabricó. Se desea determinar la probabilidad de que el microchip
defectuoso sea de los componentes comprados a Shuller sales. Esta
probabilidad se expresa como P(A2 | B1).

Observe el informe de calidad de los productos de Schuller. Es el peor

de los tres proveedores. Ahora que se ha encontrado un chip LS-24
defectuoso, se sospecha que P(A2 | B1) es mayor que P(A2). Esto es, se espera
que la probabilidad revisada sea mayor que 0.20. Pero. ¿Cuánto mayor? El
teorema de Bayes puede dar la respuesta. Como primer paso, consideremos el
diagrama de árbol presentado en el Diagrama 5-2.
Los eventos son dependientes, así que la probabilidad a priori en la
primera rama se multiplica por la probabilidad condicional en la segunda para
obtener la probabilidad conjunta. Esta probabilidad se indica en la última
columna del diagrama 5-2. Para elaborar el arborigrama de dicha ilustración, se
utiliza una secuencia de tiempos que va desde el proveedor hasta la
determinación si el microcircuito fue aceptable o inaceptable.

Lo que se requiere hacer es invertir el proceso de tiempo. Esto es, en

vez de ir de izquierda a derecha en el diagrama 5-2, se necesita ir de derecha a
izquierda. Se tiene un chip defectuoso y se desea determinar la probabilidad de
que sea de los comprados a Schuller Sales, ¿Cómo se logra eso? Primero se
observan las probabilidades conjuntas como frecuencias relativas respecto de
1 000 casos. Por ejemplo, la probabilidad de que un chip LS-24 defectuoso
haya sido producido por Hall Electronics es 0.009. Por lo tanto, de 1 000casos
se esperaría hallar 9 chips con defectos producidos por esta empresa, se
observa que en 39 de los 1 000 casos el microcircuito seleccionado para su
montaje será defectuoso, lo que se obtuvo de 9+ 10 + 20. De estos 39 chips no
aceptables, 10 fueron producidos por Schuller Sales. De esta forma, la
probabilidad de que el chip defectuoso haya sido de los comprados a tal
proveedor es 10/30 = 0.2564. Se ha determinado ahora la probabilidad
revisada de P(A2 | B1). Antes de hallar el microchip no aceptable, la
probabilidad de que hubiera sido de Schuller Sales era de 0.20. Esta
probabilidad se ha incrementado a 0.2564