Click here to load reader
Upload
claudia-basurto
View
22
Download
3
Embed Size (px)
Citation preview
Teoría de Probabilidad
122
Vivimos en un mundo de incertidumbre, nosabemos lo que nos depara exactamente el mañana. Sinembargo, muchas veces conocemos los posibles eventopor venir; por tanto es conveniente estimar o determinarlas probabilidades de esos eventos (ocurrencias).
Las probabilidades se expresan como fracciones oporcentajes, y son la medida cuantitativa de que unevento pueda ocurrir (o no ocurrir).
Experimentos y Espacio Muestral
Experimentos– Lanzar una moneda al aire– Seleccionar una pieza– Una visita de ventas a un cliente
Sucesos– Cara o cruz– Defectuosa o no defectuosa– Venta o no venta
Un suceso es el resultado de un experimento
Al analizar un experimento es importante definirsus resultados, a fin de posteriormente definir suespacio muestral, puesto que el conjunto de todos losresultados se convierten en el Espacio Muestral.Cualquier resultado experimental se conoce comoPunto Muestral
Asignación de Probabilidades a ResultadosMuestrales
Existen dos requisitos que deben cumplirse alasignar la probabilidad a un resultado muestral.Sea «Ri» el resultado del i-ésimo experimento, y seaP(Ri) su probabilidad de ocurrencia. Entonces:
✍ 0 ≤ P(Ri) ≤ 1✍ La sumatoria de todas las P(Ri) = 1
Eventos y Probabilidades
Un evento es un punto muestral o un conjunto depuntos muestrales (resultados experimentales). Laprobabilidad de un evento será igual a la suma de lasprobabilidades de los puntos muestrales en dichoevento. Ejemplo dados
I. Relaciones Básicas de Probabilidad
1. Complemento de un evento
2. Ley Aditiva. Unión de eventos
Teoría de ProbabilidadRecopilado por JAMH. Rev. agosto 2004
EspacioMuestral
PuntoMuestral
Evento A
Complementodel Evento A
Espacio Muestral
Espacio MuestralEvento A
Evento B
A U B
Teoría de Probabilidad
123
• A U B
3. Intersección de eventos
• A B
II. Formulas para la adición
En General
P(A U B) = P(A) + P(B) - P(A ∩ B)
Para eventos mutuamente excluyentes:
P(A U B) = P(A) + P(B)
Nota: Eventos mutuamente excluyentes significaque los eventos no tienen ningún punto muestral encomún.
III. Formas de calcular la Probabilidad
1. Planteamiento Clásico
Es la razón entre el número de resultados en queel evento en estudio puede ocurrir entre el númerototal de resultados posibles. Este tipo de planteamientoasume que cada uno de los evento o resultado posiblees igualmente posible.
2. Frecuencia Relativa
Este planteamiento muestra la frecuencia relativa
observada de un evento durante un gran número deintentos. O sea, es la fracción que indica la proporciónde que un evento se presenta a la larga en una serie de«experimentos». Se asume que las condiciones sonestables.
Utiliza la información pasada para determinar laprobabilidad de un evento en el futuro. A mayor númerode intentos, mejor predicción.
El estado estable es el valor final a largo plazo deun experimento.
La limitante de este planteamiento ocurre si seemplea sin evaluar un número suficiente deexperimentos.
3. Probabilidades Subjetivas
Este planteamiento está basado en las creencias u“olfato para los negocios.” Está basado en lasevidencias que se tenga disponibles. Generalmente losgerentes pueden tomar la evidencia disponible ymezclarla con sentimientos personales.
Se utilizan más cuando los eventos solo ocurriránuna vez o muy pocas veces, o cuando no hayinformación o la información existente ya no es válida.
IV. Reglas de Probabilidad
La mayoría de Toma de Decisiones se refiere a unade dos posibles situaciones:– La primera, el caso en que un solo evento se presenta.– La segunda, cuando 2 o más eventos se presentansimultáneamente o uno a continuación de otro.
En el caso que se presenten dos (2) eventos, sepueden presentar dos situaciones: a) el resultado delprimero evento puede tener un efecto en el resultadodel segundo evento y b) el resultado del primero eventono tiene un efecto en el resultado del segundo evento.Estos dos casos son conocidos respectivamente como:
– Eventos dependiente o– Eventos Independientes
Espacio Muestral
Evento A Evento BA B
U
U
Espacio Muestral
Evento A Evento B
Teoría de Probabilidad
124
V. Probabilidad de eventos Independientes yDependientes
1. Probabilidad bajo condiciones de IndependenciaEstadística
Las probabilidad bajo independencia estadística sesub-dividen en:
a. Probabilidad Marginal o Incondicional
Simbología.Sea P(A) = Probabilidad de suceso del evento «A»
Ocurre cuando sólo un evento puede llevarse acabo. Ej. Un número de lotería, al tirar una moneda
b. Probabilidad Conjunta
Cuando 2 o mas eventos independientes se presenteuno a continuación de otro. O cuando se requiere quese presenten ambos simultáneamente.
Simbología. P(AB) = P(A)*P(B)
c. Probabilidad Condicional
P(B/A) = Probabilidad de que suceda el evento Bdado que el evento A se ha presentado. La ocurrenciadel primero no altera la ocurrencia del segundo. Se tieneque:
Simbología. P(B/A) = P(B)
2. Probabilidades bajo condiciones de DependenciaEstadística
Definición: La dependencia estadística existe cuandola probabilidad de que se presente algún evento dependeo se ve afectada por la ocurrencia de algún otro evento.
a. Probabilidad Condicional
Simbología.. P(B/A) = P(BA)/P(A)
La probabilidad de que ocurra B dado que A haocurrido es igual a la probabilidad de que ocurran loseventos A y B entre la probabilidad de que ocurra A.
Ejemplo. 10 pelotas.
• 4 Color - 3 punteadas y 1 rayada• 6 Grises - 2 punteadas y 4 rayadas• 5 punteadas - 3 de Color y 2 Grises• 5 rayadas -1 de Color y 4 Grises
Tabla de Probabilidades
i. Dado que se ha sacado una bola de color (C)¿Cuál es la probabilidad de que sea punteada (D)?
Resolución: P(D/C) = P(DC)/P(C) = 0.3/0.4 = 0.75y por tanto P(F/C) =P(FC)/P(C) = 0.1/0.4 = 0.25
ii. Dado que se ha sacado una bola gris (G) ¿Cuáles la probabilidad de que sea con franja (F)?
Independencia EstadísticaTipo de Símbolo FórmulaProbabilidad
Marginal P(A) P(A)Conjunta P(AB) P(A)*P(B)Condicional P(B/A) P(B)
P(A/B) P(A)
Evento B Evento A
Evento B y A
Evento A y B, conprobabilidad = P(B y A)
Evento A, conProbabilidad
P(A)
Por lo que: P(B/A) = P(BA)/P(A)
Una vez ocurre el evento A
Teoría de Probabilidad
125
Resolución: P(F/G) = P(FG)/P(G) =0.4/0.6= 2/3 ypor tanto:
P(D/G) =P(DG)/P(G) =0.2/0.6=1/3
También es posible analizar como primer eventoel hecho de que la bolita extraída sea clasificada comode puntos o de franjas. En tal caso tendríamos la tablaque se muestra en la columna derecha.
Los eventos y sus probabilidades conjuntas serían:
iii. Dado que se ha sacado una bola de puntos (D)¿Cuál es la probabilidad de que sea de color (C)?
Resolución: P(C/D) = P(DC)/P(D) = 0.3/0.5 = 0.60y por tanto: P(G/D) =P(GD)/P(D) = 0.2/0.5 = 0.40
iv. Dado que se ha sacado una bola de franjas (F)¿Cuál es la probabilidad de que sea de color (C)?
Resolución: P(C/F) = P(CF)/P(F) =0.1/0.5= 0,2 ypor tanto: P(G/F) =P(GF)/P(F) =0.4/0.5=0,8
b. Probabilidad Conjuntas
A partir de la formula para probabilidadescondicionales podemos obtener la formula paraprobabilidades conjuntas.
P(BA) = P(B/A) * P(A).
Léase: Probabilidad de que se los eventos A y Bse presenten al mismo tiempo o en sucesión es igual ala probabilidad de que suceda el evento B dado que yase presento el evento A multiplicado por probabilidadde que ya se presento el evento A. Ejemplos
P(GD) = P(G/D) * P(D) = 0.4*0.5 = 0.2P(GF) = P(G/F) * P(F) = 0.8*0.5=0.4P(CF) = P(C/F) * P(F), donde P(C/F)= 1/3 * 6/10 = 6/30 = 1/5 = 0.2, y P(F) = 0.5 entonces: 0.2 * 0.5 = 0.1P(CD) = P(C/D) * P(D) =0.6 * 0.5 = 0.3
Evento Descripción Probabilidad
1 Puntos (D) y 0.1 2 Color (C) 0.1 3 0.1
4 Puntos (D) 0.15 y Gris (G) 0.1
6 Franjas (F) yColor (C) 0.1
7 Franjas (F) y 0.1 8 Gris (G) 0.1 9 0.1 10 0.1
PuntosFranjas
Grises
Color
Color
Gris
Evento Descripción Probabilidad
1 Color (C) y 0.1 2 Puntos (D) 0.1 3 0.1
4 Color (C) y Franja (F) 0.1
5 Gris (G) con 0.1 6 Puntos (D) 0.1
7 Gris (G) con 0.1 8 Franjas (F) 0.1 9 0.1 10 0.1
Teoría de Probabilidad
126
Para este ejemplo solo hay cuatro únicascombinaciones posibles (eventos)
c. Probabilidad Marginal
La probabilidad marginal de un evento bajocondiciones de dependencia estadística se calculamediante la suma de las probabilidades de todos loseventos conjuntos en los que se presenta dicho evento.
P(C) = P(CF) + P(CD) = 0.3 + 0.1= 0.4P(G) = P(GD) + P(GF) = 0.2+0.4 = 0.6P(D) = P(DC) + P(DG) = 0.3 +0.2= 0.5P(F) = P(FC) + P(FG) = 0.1 + 0.4 = 0.5
Ejercicios.
1.1- El Departamento de Salud efectúa rutinariamentedos inspecciones independientes a los restaurantes. Unrestaurante aprobará la inspección sólo si ambosinspectores lo aprueban en cada una de las respectivasinspecciones. El inspector A tiene mucha experiencia,en consecuencia sólo aprueba 2% de los restaurantesque realmente están violando el reglamento sobresalubridad. El inspector B tiene menos experiencia yaprueba 7% de los restaurantes con fallas. ¿Cuál es laprobabilidad de que:a) El inspector A apruebe un restaurante que está
violando el reglamento, dado que el inspector B haencontrado violaciones al reglamento?
b) El Inspector B apruebe un restaurante que estéviolando el reglamento, dado que el inspector A yalo aprobó?
c) Un restaurante que esté violando el reglamento seaaprobado por el Departamento de Salud?
1.2- Una presa hidroeléctrica tiene cuatro compuertas.Cuando fallan sus compuertas se les repara de maneraindependiente una de la otra. A partir de la experiencia,se sabe que cada compuerta está fuera de servicio el4% de todo el tiempo.
a) Si la compuerta número uno está fuera de servicio,¿cuál es la probabilidad de que simultáneamente lascompuertas dos y tres estén fuera de servicio ?
b) Durante una visita a la presa, se le dice a usted quelas posibilidades de que las cuatro compuertas esténfuera de servicio al mismo tiempo son menores auno entre cinco millones. ¿Es ésto cierto?
1.3- Roberto Sales se encuentra preparando un informeque la empresa en la que trabaja, «Corporación Tritón»,entregará a su vez al departamento Federal de Aviaciónde Estados Unidos. El informe debe ser aprobadoprimero por el responsable del grupo del cual Robertoes integrante, luego por el jefe de su departamento ydespués por el jefe de la división (en ese orden). Robertosabe, por experiencia , que los tres directivos actúande manera independiente. Además sabe también que suresponsable de grupo aprueba 85% de sus informes, eljefe del departamento aprueba el 80% de los informeselaborados por Roberto y el jefe de la división apruebael 82% de los trabajos de Roberto
a) ¿Cuál es la probabilidad de que la primera versióndel informe de Roberto sea enviada al Departamentofederal de Aviación?
b) ¿Cuál es la probabilidad de que la primera versióndel informe de Roberto sea aprobada por elresponsable de grupo y el jefe del departamento perono sea autorizado por el jefe de la división?
1.4- Billy Bordeaux, ejecutivo consultor en jefe de lacompañía Grapevine Concepts, recientemente lanzó unacampaña publicitaria para un nuevo restaurante, TheBlack Angus. Billy acaba de instalar cuatro anunciospanorámicos en la carretera a la entrada de la ciudad, ysabe, por su experiencia, la probabilidad de que cada
Dependencia Estadística
Tipo de Símbolo FórmulaProbabilidadMarginal P(A)
Conjunta P(AB) ó P(A/B)*P(B) ó P(BA) P(B/A)*P(A)
Condicional P(B/A) P(BA)/P(A) ó P(A/B) P(AB)/P(B)
Suma de todas las
probabilidades de los
eventos conjuntos
donde aparece evento
«A»
Teoría de Probabilidad
127
anuncio sea visto por un conductor escogidoaleatoriamente.
La probabilidad de que el primer anuncio sea vistopor un conductor es de 0.75. La probabilidad de que elsegundo sea visto es de 0.82, la probabilidad para eltercero es de .87 y la del cuarto es de 0.9. Suponiendoque el evento consiste en que un conductor vea unocualquiera de los anuncios es independiente de si havisto o no los demás; ¿cuál es la probabilidad de que:
a) Los cuatro anuncios sean vistos por un conductorescogido aleatoriamente?
b) El primero y el cuarto anuncios sean vistos, sin queel segundo y el tercero sean notados?
c) Solamente uno de los anuncios sea visto?d) Ninguno de los anuncios sea visto?e) El tercero y cuarto anuncios no sean vistos?
1.5- La tienda de autoservicio Friendly ha sido víctimade muchos ladrones durante el mes pasado, pero debidoal aumento de las condiciones de seguridad de la tienda,se ha podido aprender a 250 ladrones. Se registró elsexo de cada infractor y si éste era su primer robo o siya había sido sorprendido con anterioridad. Los datos
Género Primera ReincidenteAprehención Total
Hombre 60 70 130Mujer 44 76 120
Total 104 146 250
se resumen en la tabla siguiente:
Suponiendo que un infractor aprehendido esescogido al azar, encuentre:
a) La probabilidad de que éste sea hombreb) La probabilidad de que sea la primera aprehensión
del infractor, dado que éste es hombre.c) La probabilidad de que el ladrón sea mujer, dado
que éste es reincidented) La probabilidad de que el ladrón sea mujer, dado
que es su primera aprehensióne) La probabilidad de que el ladrón sea tanto hombre
como reincidente
1.6- El gerente regional de la zona sureste de GeneralExpress, una compañía privada de paquetería, estápreocupado por la posibilidad de que algunos de susempleados vayan a huelga. Estima de que laprobabilidad de que sus pilotos se vayan a huelga es de0.75 y la probabilidad de que los choferes se vayan ahuelga es de 0.65. Existe el 90% de probabilidades deque los pilotos realicen un paro solidario de actividades.O sea, la probabilidad de que los pilotos se vayan ahuelga dado que los choferes se han ido a huelga es de0.90.
a) ¿Cuál es la probabilidad de que ambos grupos sevayan huelga?
b) Si los pilotos hacen huelga, ¿cuál es la probabilidadde que los choferes lo hagan también como acto desolidaridad?
Nota: Las siguientes fórmulas le pueden ayudar a comprender los
términos de Excluyente e Independencia.
Mutuamente Excluyente: P(A∩∩∩∩∩B) = 0
No Mutuamente Excluyente: P(A∩∩∩∩∩B) ≠≠≠≠≠ 0
Independencia Estadística P(A/B) = P(A)
P(A^B) = P(A)*P(B)
Dependencia Estadística P(A/B) = P(A^B)/P(B)
P(A^B) =P(A/B) * P(B)
P(A/B) ≠≠≠≠≠ P(A)
P(A)*P(B) ≠≠≠≠≠ P(A^B)
Teoría de Probabilidad
128
Inde
pend
enci
a E
stad
ístic
a
Al d
iaE
n m
ora
P(m
argi
nal)
Mor
aN
o M
ora
P(m
argi
nal)
men
os d
e 2
80
29
03
70
Cas
ado
(a)
18
02
04
25
2 o
mas
15
04
80
63
0S
olt
ero
(a)
72
08
05
75
P(m
argi
nal)
23
07
70
10
00
P(m
argi
nal)
35
06
50
10
00
Pro
babi
lidad
es c
onju
ntas
baj
o in
depe
nden
cia
esta
díst
ica
(n/N
)P
roba
bilid
ades
con
junt
as b
ajo
inde
pend
enci
a es
tadí
stic
a (n
/N)
Al d
iaE
n m
ora
P(m
argi
nal)
Mor
aN
o M
ora
P(m
argi
nal)
men
os d
e 2
0.0
80
.29
0.3
7C
asad
o(a
)0
.18
00
0.0
20
00
.20
00
2 o
mas
0.1
50
.48
0.6
3S
olt
ero
(a)
0.7
20
00
.08
00
0.8
00
0P
(mar
gina
l)0
.23
0.7
71
P(m
argi
nal)
0.9
00
00
.10
00
1.0
00
0
Pro
babi
lidad
es c
onju
ntas
baj
o in
depe
nden
cia
esta
díst
ica
P(A
C)
= P
(A)*
P(C
)P
roba
bilid
ades
con
junt
as b
ajo
inde
pend
enci
a es
tadí
stic
a P
(AC
) =
P(A
)*P
(C)
Al d
iaE
n m
ora
P(m
argi
nal)
Mor
aN
o M
ora
P(m
argi
nal)
men
os d
e 2
0.0
85
10
.28
49
0.3
7P
(a/c
) =
P(a
)=0
.37
Cas
ado
(a)
0.1
80
00
.02
00
0.2
00
02
o m
as0
.14
49
0.4
85
10
.63
So
lter
o(a
)0
.72
00
0.0
80
00
.80
00
P(m
argi
nal)
0.2
30
.77
1P
(mar
gina
l)0
.90
00
0.1
00
01
.00
00
Dep
ende
ncia
Est
adís
tica
Al d
iaE
n m
ora
P(m
argi
nal)
Mor
aN
o M
ora
P(m
argi
nal)
men
os d
e 2
15
02
50
40
0C
asad
o(a
)2
00
22
54
25
2 o
mas
80
52
06
00
So
lter
o(a
)1
50
42
55
75
P(m
argi
nal)
23
07
70
10
00
P(m
argi
nal)
35
06
50
10
00
Pro
babi
lidad
es c
onju
ntas
baj
o de
pend
enci
a es
tadí
stic
aP
roba
bilid
ades
con
junt
as b
ajo
depe
nden
cia
esta
díst
ica
Al d
iaE
n m
ora
P(m
argi
nal)
Mor
aN
o M
ora
P(m
argi
nal)
men
os d
e 2
0.1
50
.25
0.4
Cas
ado
(a)
0.2
00
00
.22
50
0.4
25
02
o m
as0
.08
0.5
20
.6S
olt
ero
(a)
0.1
50
00
.42
50
0.5
75
0P
(mar
gina
l)0
.23
0.7
71
.00
P(m
argi
nal)
0.3
50
00
.65
00
1.0
00
0
Pro
babi
lidad
es c
onju
ntas
si
fuer
an i
ndep
endi
ente
s P
(AC
) =
P(A
)*P
(C)
Pro
babi
lidad
es c
onju
ntas
si
fuer
an i
ndep
endi
ente
s P
(AC
) =
P(A
)*P
(C)
Al d
iaE
n m
ora
P(m
argi
nal)
Mor
aN
o M
ora
P(m
argi
nal)
men
os d
e 2
0. 0
92
0. 3
08
0. 4
Cas
ado
(a)
0. 1
48
80
. 27
63
0. 4
25
02
o m
as0
. 13
80
. 46
20
. 6S
ol t
ero
(a)
0. 2
01
30
. 37
38
0. 5
75
0P
(mar
gina
l)0
. 23
0. 7
71
. 00
P(m
argi
nal)
0. 3
50
00
. 65
00
1. 0
00
0
Teoría de Probabilidad
129
Eje
rcic
io 1
.3. A
prob
ació
n de
Pro
yect
osIn
form
ació
n pr
opor
cion
ada:
•E
xist
en u
n pr
oyec
to c
on tr
es fa
ses
•E
vent
os b
ajo
inde
pend
enci
a es
tadí
stic
a
= 0.
85*0
.80*
0.82
= 0
.557
60.
850.
800.
82
0.85
0.80
0.18
= 0.
85*0
.80*
(1-0
.82)
= 0
.122
4
Eje
rcic
io 1
.4. V
alla
s P
ublic
itar
ias
SI
SI
SI
SI
SI
SI
NO
NO
A.
B.
Eje
rcic
io 1
.2. C
ompu
erta
s de
Rep
resa
Info
rmac
ión
dada
•Pr
obab
ilida
d de
fal
la d
e ca
da u
na d
e la
s co
mpu
erta
=0.
04•
Eve
ntos
baj
o in
depe
nden
cia
esta
díst
ica
•R
esol
ució
n–
A. P
(Com
puer
ta 2
y C
ompu
erta
3 f
alle
n /
Com
puer
ta 1
ha
falla
do)
= P(
C2
y C
3 fa
llen)
= P
(C2
falle
) *
P(C
3 fa
lle)
= 0.
04 *
0.0
4 =
0.00
16
–B
. P(C
1 y
C2
y C
3 y
C4
falle
n) =
0.0
4 *
0.04
* 0
.04
* 0.
04 =
0.0
0000
256
= 1/
400,
000.
Ent
once
s no
es
cier
to q
ue la
pro
babi
lidad
de
falla
tota
l sea
1 e
n5,
000,
000
Eje
rcic
io 1
.1. I
nspe
ctor
es d
e R
esta
uran
tes
Info
rmac
ión
dada
•P(
Insp
ecto
r A a
prue
be u
n re
stau
rant
e qu
e no
cum
ple)
= 0
.02
= 2%
•P(
Insp
ecto
r B a
prue
be u
n re
stau
rant
e qu
e no
cum
ple)
= 0
.07
= 7%
•E
vent
os b
ajo
inde
pend
enci
a es
tadí
stic
a
Res
oluc
ión
–A
. P(I
nspe
ctor
A /
Insp
ecto
r B) =
P(I
nspe
ctor
A) =
0.02
–B
. P(I
nspe
ctor
B /
Insp
ecto
r A) =
P(I
nspe
ctor
B) =
0.07
–C
. P(I
nspe
ctor
B) *
P(I
nspe
ctor
A) =
0.0
2*0.
07 =
0.00
14
Insp
ecto
r A
Insp
ecto
r B
Teoría de Probabilidad
130
Ejer
cici
o 1.
4. V
alla
s Pub
licita
rias
A. S
oluc
ión:
0.7
5*0.
82*0
.87*
0.9
= 0.
4815
45
SISI
SI
SI
Eje
rcic
io 1
.4. V
alla
s Pub
licita
rias
B. S
oluc
ión:
0.7
5*(1
-0.8
2)*(
1-0.
87)*
0.9
= 0.
0157
95
SISI
NO
NO
Eje
rcic
io 1
.4. V
alla
s P
ublic
itar
ias.
Con
tinu
ació
n
C. S
oluc
ión:
0.7
5*(1
-0.8
2)*(
1-0.
87)*
(1-0
.9)
+(1
-0.7
5)*(
1-0.
82)*
(0.8
7)*(
1-0.
9) +
(1-0
.75)
*(0.
82)*
(1-0
.87)
*(1-
0.9)
+(1
-0.7
5)*(
1-0.
82)*
(1-0
.87)
*(0.
9)
= 0
.013
595
SI
NO
NO
NO
NO
SI
NO
NO
NO
NO
SI
NO
NO
NO
NO
SI
Eje
rcic
io 1
.4. V
alla
s P
ublic
itar
ias.
Con
tinu
ació
n
NO
NO
NO
NO
D. S
oluc
ión:
(1-
0.75
)*(1
-0.8
2)*(
1-0.
87)*
(1-0
.9)
= 0
.000
585
E. S
oluc
ión:
(1-
0.87
)*(1
-0.9
) =
0.0
13
NO
NO
Teoría de Probabilidad
131
Eje
rcic
io 1
.6. H
uelg
a en
Gen
eral
Exp
ress
•P(
pilo
tos
a hu
elga
) =
0.7
5•
P(ch
ofer
es a
hue
lga)
= 0
.65
•P(
pilo
tos
a hu
elga
/cho
fere
s a
huel
ga)
= 0
.90
a) P
(pilo
tos
a hu
elga
y c
hofe
res
a hu
elga
) =
P(pi
loto
s a
huel
ga/c
hofe
res
a hu
elga
)*P
(cho
fere
s a
huel
ga)
= 0
.90*
0.65
= 0
.585
b)P(
chof
eres
a h
uelg
a/ p
iloto
s a
huel
ga)
=P(
chof
eres
a h
uelg
a y
pilo
tos
a hu
elga
) /
P(pi
loto
s a
huel
ga)
= 0
.585
/0.7
5 =
0.7
8
a. P
(hom
bre)
= 0
.520
b. P
(1a.
apr
enci
ón/h
ombr
e) =
(0.
240/
0.52
0)
c. P
(muj
er/r
einc
iden
te)
= (
0.30
4/0.
584)
d. P
(muj
er/1
a. a
pren
ción
) =
(0.1
76/0
.416
)
e. P
(Rei
ncid
ente
y h
ombr
e) =
0.2
8
Eje
rcic
io 1
.5. R
obos
en
el a
utos
ervi
cio
Gén
ero
1a.
Apr
enci
ón
2 o
mas
Ap
ren
cion
esT
ota
l
Hom
bre
60
70
13
0
Muj
er
44
76
12
0
To
tal
10
41
46
25
0
Gén
ero
1a.
Ap
ren
ción
2 o
mas
.A
pre
ncio
nes
To
tal
Hom
bre
0.2
40
0.2
80
0.5
20
Muj
er
0.1
76
0.3
04
0.4
80
To
tal
0.4
16
0.5
84
1.0
00
P(A
)=
0.7
5P(
B)
= 0
.65
P(A
/B)
= 0
.90
P(A
B)
= P
(A/B
) *
P(B
)=
0.9
0 *
0.65
= 0
.585
P(B
/A)
= P
(AB
) / P
(A)
= 0
.585
/ 0.
75=
0.7
8