04Ander(141-185).

qxd 2/29/08 11:34 AM Page 142

142 Capítulo 4 Introducción a la probabilidad

LA ESTADÍSTICA en LA PRÁCTICA
LA EMPRESA ROHM AND HASS*
Filadelfia, Pensilvania
Rohm and Hass es el principal productor de materiales es-
peciales, entre los que se encuentran materiales electróni-
cos, polímeros para pinturas y artículos para el cuidado
personal. Los productos de esta empresa permiten la crea-
ción de bienes de consumo de vanguardia en mercados co-
mo el farmacéutico, el de alimentos, el de suministros para
la construcción, equipos de comunicación y productos pa-
ra el hogar. La fuerza de trabajo de la empresa es de más
de 17 000 personas y sus ventas anuales son de $8 mil mi-
llones. Una red de más de 100 puntos de fabricación, in-
vestigación técnica y servicio al cliente proporciona los
productos y servicios de Rohm and Hass en 27 países.
Una nueva prueba antes de enviar el lote al cliente
En el área de productos químicos especiales, la empresa
mejora el servicio al cliente. © Keith Word/Stone.
ofrece diversos productos químicos destinados a satisfacer
las especificaciones únicas de sus clientes. Para un cliente
determinado, la empresa produce un catalizador caro que el
cliente emplea en sus procesos químicos. Algunos, pero no La pregunta era: ¿cuál es la probabilidad de que el catali-
todos los lotes que produce la empresa satisfacen las especi- zador pase la prueba del cliente dado que pasó la nueva
ficaciones del producto. El contrato estipula que el cliente prueba antes de enviar el lote?
debe probar cada lote después de recibirlo y determinar si el La empresa produjo una muestra del catalizador y la
catalizador podrá realizar la función esperada. Los lotes que sometió a la nueva prueba. Entonces sólo los lotes de cata-
no pasen la prueba del cliente serán regresados. Con el tiem- lizador que pasaban la prueba se enviaban al cliente. Me-
po, la experiencia ha mostrado que el cliente acepta 60% de diante el análisis de probabilidad de los datos se supo que
los lotes y regresa 40%. Ni el cliente ni la empresa estaban si el catalizador pasaba la nueva prueba antes de ser envia-
satisfechos con este servicio. do al cliente, la probabilidad de que el catalizador pasara la
La empresa examinó la posibilidad de, antes de enviar prueba del cliente era 0.909. O que si el catalizador pasaba
el lote, replicar la prueba que hacía el cliente. Sin embar- la prueba de la empresa, la probabilidad de que no pasara
go, los elevados costos del equipo especial que se necesi- la prueba del cliente y fuera rechazado era 0.091. El análi-
taba para la prueba hicieron que esta posibilidad no fuera sis de probabilidad aportó evidencias para poner en uso el
factible. Los químicos de la empresa encargados del pro- procedimiento de la prueba antes de enviar el lote. Esta
blema propusieron una prueba diferente de costo bajo que nueva prueba tuvo una mejora inmediata en el servicio al
se podía practicar antes de enviar el lote al cliente. La em- cliente y redujo tanto los costos como los gastos de envío
presa creyó que la nueva prueba podría indicar si el catali- y el manejo de los lotes regresados.
zador pasaría la compleja prueba que practicaba el cliente. A la probabilidad de que un lote sea aceptado por el
cliente, dado que pasó la nueva prueba, se le llama probabi-
lidad condicional. En este capítulo aprenderá cómo calcular
*Los autores agradecen a Michael Haskell, de la subsidiaria Morton Inter-
national de Rohm and Hass por haberles proporcionado este artículo para
la probabilidad condicional y otras probabilidades útiles en
La estadística en la práctica. la toma de decisiones.

Los administradores sustentan sus decisiones en un análisis de incertidumbres como las siguientes:
1. ¿Qué posibilidades hay de que disminuyan las ventas si aumentamos los precios?
2. ¿Qué posibilidad hay de que un método nuevo de ensamblado aumente la productividad?
3. ¿Cuáles son las posibilidades de que el producto se tenga listo a tiempo?
4. ¿Qué oportunidad existe de que una nueva invención sea rentable?
04Ander(141-185).qxd 2/29/08 11:34 AM Page 143

4.1 Experimentos, reglas de conteo y asignación de probabilidades 143

Algunos de los primeros La probabilidad es una medida numérica de la posibilidad de que ocurra un evento. Por tan-
trabajos sobre probabilidad to, las probabilidades son una medida del grado de incertidumbre asociado con cada uno de los
se dieron en una serie de
cartas entre Pierre de
eventos previamente enunciados. Si cuenta con las probabilidades, tiene la capacidad de deter-
Fermat y Blaise Pascal minar la posibilidad de ocurrencia que tiene cada evento.
durante el año de 1650. Los valores de probabilidad se encuentran en una escala de 0 a 1. Los valores cercanos a 0
indican que las posibilidades de que ocurra un evento son muy pocas. Los cercanos a 1 indican
que es casi seguro que ocurra un evento. Otras probabilidades entre cero y uno representan dis-
tintos grados de posibilidad de que ocurra un evento. Por ejemplo, si considera el evento “que
llueva mañana”, se entiende que si el pronóstico del tiempo dice “la probabilidad de que llueva
es cercana a cero”, implica que casi no hay posibilidades de que llueva. En cambio, si informan
que la probabilidad de que llueva es 0.90, sabe que es muy posible que llueva. La probabilidad
de 0.50 indica que es igual de posible que llueva como que no llueva. En la figura 4.1 se presen-
ta la probabilidad como una medida numérica de la posibilidad de que ocurra un evento.

4.1 Experimentos, reglas de conteo

y asignación de probabilidades
En el contexto de la probabilidad, un experimento es definido como un proceso que genera re-
sultados definidos. Y en cada una de las repeticiones del experimento, habrá uno y sólo uno de
los posibles resultados experimentales. A continuación se dan varios ejemplos de experimentos
con sus correspondientes resultados.

Experimento Resultado experimental

Lanzar una moneda Cara, cruz
Tomar una pieza para inspeccionarla Con defecto, sin defecto
Realizar una llamada de ventas Hay compra, no hay compra
Lanzar un dado 1, 2, 3, 4, 5, 6
Jugar un partido de futbol Ganar, perder, empatar

Al especificar todos los resultados experimentales posibles, está definiendo el espacio mues-
tral de un experimento.

ESPACIO MUESTRAL
El espacio muestral de un experimento es el conjunto de todos los resultados experimentales.

A los resultados A un resultado experimental también se le llama punto muestral para identificarlo como un ele-
experimentales también se mento del espacio muestral.
les llama puntos muestrales.

FIGURA 4.1 PROBABILIDAD COMO MEDIDA NUMÉRICA DE LA POSIBILIDAD

DE QUE UN EVENTO OCURRA

Posibilidad creciente de ocurrencia

0 0.5 1.0
Probabilidad

Es tan posible que el evento

ocurra como que no ocurra
04Ander(141-185).qxd 2/29/08 11:34 AM Page 144

144 Capítulo 4 Introducción a la probabilidad

Considere el primer experimento presentado en la tabla anterior, lanzar una moneda. La ca-
ra de la moneda que caiga hacia arriba —cara o cruz— determina el resultado experimental (pun-
tos muestrales). Si denota con S el espacio muestral, puede emplear la notación siguiente para
describir el espacio muestral.

S  {Cara, cruz }

En el segundo experimento de la tabla –tomar una pieza para revisarla– puede describir el espa-
cio muestral como sigue:

S  {Defectuosa, no defectuosa}

Los dos experimentos descritos tienen dos resultados experimentales (puntos muestrales).
Pero, observe ahora el cuarto experimento enumerado en la tabla, lanzar un dado. Los resultados
experimentales, definidos por el número de puntos del dado en la cara que cae hacia arriba, son
los seis puntos del espacio muestral de este experimento.

S  {1, 2, 3, 4, 5, 6}

Reglas de conteo, combinaciones y permutaciones

Al asignar probabilidades es necesario saber identificar y contar los resultados experimentales.
A continuación tres reglas de conteo que son muy utilizadas.
Experimentos de pasos múltiples La primera regla de conteo sirve para experimentos de
pasos múltiples. Considere un experimento que consiste en lanzar dos monedas. Defina los re-
sultados experimentales en términos de las caras y cruces que se observan en las dos mone-
das. ¿Cuántos resultados experimentales tiene este experimento? El experimento de lanzar dos
monedas es un experimento de dos pasos: el paso 1 es lanzar la primera moneda y el paso 2 es
lanzar la segunda moneda. Si se emplea H para denotar cara y T para denotar cruz, (H, H) será el
resultado experimental en el que se tiene cara en la primera moneda y cara en la segunda mone-
da. Si continúa con esta notación, el espacio muestral (S) en este experimento del lanzamiento de
monedas será el siguiente:

S  {(H, H ), (H, T ), (T, H ), (T, T )}

Por tanto, hay cuatro resultados experimentales. En este caso es fácil enumerar todos los resul-
tados experimentales.
La regla de conteo para experimentos de pasos múltiples permite determinar el número de
resultados experimentales sin tener que enumerarlos.

REGLA DE CONTEO PARA EXPERIMENTOS DE PASOS MÚLTIPLES

Un experimento se describe como una sucesión de k pasos en los que hay n1 resultados
posibles en el primer paso, n 2 resultados posibles en el segundo paso y así en lo sucesivo,
entonces el número total de resultados experimentales es (n1) (n 2 ) . . . (nk).

Si considera el experimento del lanzamiento de dos monedas como la sucesión de lanzar pri-
mero una moneda (n1  2) y después lanzar la otra (n 2  2), siguiendo la regla de conteo (2)(2) 
4, entonces hay cuatro resultados distintos. Como ya se mostró, estos resultados son S  {(H, H),
(H, T), (T, H), (T, T)}. El número de resultados experimentales de seis monedas es (2)(2)(2)
(2)(2)(2)  64.
04Ander(141-185).qxd 2/29/08 11:34 AM Page 145

4.1 Experimentos, reglas de conteo y asignación de probabilidades 145

FIGURA 4.2 DIAGRAMA DE ÁRBOL PARA EL LANZAMIENTO DE DOS MONEDAS

Resultado
Paso 1 Paso 2 experimental
Primera moneda Segunda moneda (puntos muestrales)

(H, H )
Cruz

Cara
z
Cru
(H, T )

Car (T, H )
a
Cruz

Cara

(T, T )

Sin el diagrama de árbol Un diagrama de árbol es una representación gráfica que permite visualizar un experimento
podría pensarse que sólo de pasos múltiples. En la figura 4.2 aparece un diagrama de árbol para el experimento del lanza-
se pueden tener tres
miento de dos monedas. La secuencia de los pasos en el diagrama va de izquierda a derecha. El
resultados experimentales
en dos lanzamientos de una paso 1 corresponde al lanzamiento de la primera moneda, el paso 2 al de la segunda moneda. En
moneda: 0 caras, 1 cara cada paso, los dos resultados posibles son cruz o cara. Observe que a cada uno de los resultados
y 2 caras. posibles en el paso 1 pertenecen dos ramas por los dos posibles resultados en el paso 2. Cada uno
de los puntos en el extremo derecho del árbol representa un resultado experimental. Cada trayec-
toria a través del árbol, desde el nodo más a la izquierda hasta uno de los nodos en el extremo
derecho del árbol, muestra una secuencia única de resultados.
Ahora una aplicación de la regla de conteo para experimentos de pasos múltiples en el análi-
sis de un proyecto de expansión de la empresa Kentucky Power & Light (KP&L). Kentucky Po-
wer & Light ha empezado un proyecto que tiene como objetivo incrementar la capacidad de
generación de una de sus plantas en el norte de Kentucky. El proyecto fue dividido en dos etapas
o pasos sucesivos: etapa 1 (diseño) y etapa 2 (construcción). A pesar de que cada etapa se planea-
rá y controlará con todo el cuidado posible, a los administrativos no les es posible pronosticar el
tiempo exacto requerido en cada una de las etapas del proyecto. En un análisis de proyectos de
construcción similares encuentran que la posible duración de la etapa de diseño es de 2, 3, o 4 me-
ses y que la duración de la construcción es de 6, 7 u 8 meses. Además, debido a la necesidad ur-
gente de más energía eléctrica, los administrativos han establecido como meta 10 meses para la
terminación de todo el proyecto.
Como hay tres posibles periodos para la etapa del diseño (paso 1) y tres para la etapa de la
construcción (paso 2) cabe aplicar la regla de conteo para experimentos de pasos múltiples, en-
tonces el total de resultados posibles es (3)(3)  9. Para describir los resultados experimentales
emplean una notación de dos números; por ejemplo, (2, 6) significa que la etapa del diseño du-
rará 2 meses y la etapa de la construcción 6. Esto da como resultado una duración de 2  6  8
meses para todo el proyecto. En la tabla 4.1 aparecen los nueve resultados experimentales que
hay para el problema de KP&L. El diagrama de árbol de la figura 4.3 muestra como se presen-
tan los nueve resultados (puntos muestrales).
La regla de conteo y el diagrama de árbol ayudan al administrador del proyecto a identificar
los resultados experimentales y a determinar la posible duración del proyecto. De acuerdo con la
04Ander(141-185).qxd 2/29/08 11:34 AM Page 146

146 Capítulo 4 Introducción a la probabilidad

TABLA 4.1 RESULTADOS EXPERIMENTALES (PUNTOS MUESTRALES)

PARA EL PROYECTO KP&L

Duración (meses)
Etapa 1 Etapa 2 Notación para los Proyecto completo:
Diseño Construcción resultados experimentales duración (meses)
2 6 (2, 6) 8
2 7 (2, 7) 9
2 8 (2, 8) 10
3 6 (3, 6) 9
3 7 (3, 7) 10
3 8 (3, 8) 11
4 6 (4, 6) 10
4 7 (4, 7) 11
4 8 (4, 8) 12

FIGURA 4.3 DIAGRAMA DE ÁRBOL PARA EL PROYECTO KP&L

Resultado
Paso 1 Paso 2 experimental Proyecto completo
Diseño Construcción (puntos muestrales) tiempo de terminación

(2, 6) 8 meses
eses
6m

7 meses
(2, 7) 9 meses
8m
eses

(2, 8) 10 meses
es
es
2m

(3, 6) 9 meses
eses
6m

3 meses 7 meses
(3, 7) 10 meses
8m
eses

(3, 8) 11 meses
4m
es
es

(4, 6) 10 meses
eses
6m

7 meses
(4, 7) 11 meses
8m
eses

(4, 8) 12 meses
04Ander(141-185).qxd 2/29/08 11:34 AM Page 147

4.1 Experimentos, reglas de conteo y asignación de probabilidades 147

información de la figura 4.3, la duración del proyecto es de 8 a 12 meses, y seis de los nueve re-
sultados experimentales tienen la duración deseada de 10 meses o menos. Aun cuando identifi-
car los resultados experimentales ayuda, es necesario considerar cómo asignar los valores de
probabilidad a los resultados experimentales antes de evaluar la probabilidad de que el proyecto
dure los 10 meses deseados.
Combinaciones Otra regla de conteo útil le permite contar el número de resultados experimen-
tales cuando el experimento consiste en seleccionar n objetos de un conjunto (usualmente mayor)
de N objetos. Ésta es la regla de conteo para combinaciones.

REGLA DE CONTEO PARA COMBINACIONES

El número de combinaciones de N objetos tomados de n en n es

冢 n 冣  n!(N  n)!
N N!
C Nn  (4.1)

donde N!  N(N  1)(N  2) . . . (2)(1)

n!  n(n  1)(n  2) . . . (2)(1)

y por definición, 0!  1

La notación ! significa factorial; por ejemplo, 5 factorial es 5!  (5)(4)(3)(2)(1)  120.

Cuando se hace un Como ejemplo del uso de la regla de conteo para combinaciones, considere un procedimien-
muestreo de una población to de control de calidad en el que un inspector selecciona al azar dos de cinco piezas para probar
finita de tamaño N, la
regla de conteo para
que no tengan defectos. En un conjunto de cinco partes, ¿cuántas combinaciones de dos partes
combinaciones sirve para pueden seleccionarse? De acuerdo con la regla de conteo de la ecuación (4.1) es claro que con
hallar el número de N  5 y n  2 se tiene
muestras de tamaño n que
pueden seleccionarse.
冢2冣  2!(5  2)!  (2)(1)(3)(2)(1)  12
5 5! (5)(4)(3)(2)(1) 120
C 52   10

De manera que hay 10 resultados posibles en este experimento de la selección aleatoria de dos
partes de un conjunto de cinco. Si etiqueta dichas partes como A, B, C, D y E, las 10 combina-
ciones o resultados experimentales serán AB, AC, AD, AE, BC, BD, BE, CD, CE y DE.
Para ver otro ejemplo, considere la lotería de Florida en la que se seleccionan seis números
de un conjunto de 53 números para determinar al ganador de la semana. Para establecer las dis-
tintas variables en la selección de seis enteros de un conjunto de 53, se usa la regla de conteo pa-
ra combinaciones.

53 53! 53! (53)(52)(51)(50)(49)(48)

22 957 480
6 6!(53 6)! 6!47! (6)(5)(4)(3)(2)(1)

La regla de conteo para La regla de conteo para combinaciones arroja casi 23 millones de resultados experimentales en
combinaciones muestra que esta lotería. Si una persona compra un billete de lotería, tiene una en 22 957 480 posibilidades
la probabilidad de ganar en
esta lotería es muy
de ganar la lotería.
pequeña. Permutaciones La tercera regla de conteo que suele ser útil, es para permutaciones. Dicha re-
gla permite calcular el número de resultados experimentales cuando se seleccionan n objetos de
04Ander(141-185).qxd 2/29/08 11:34 AM Page 148

148 Capítulo 4 Introducción a la probabilidad

un conjunto de N objetos y el orden de selección es relevante. Los mismos n objetos selecciona-

dos en orden diferente se consideran un resultado experimental diferente.

REGLA DE CONTEO PARA PERMUTACIONES

El número de permutaciones de N objetos tomados de n en n está dado por

冢 n 冣  (N  n)!
N N!
P Nn  n! (4.2)

La regla de conteo para permutaciones tiene relación estrecha con la de combinaciones; sin
embargo, con el mismo número de objetos, el número de permutaciones que se obtiene en un ex-
perimento es mayor que el número de combinaciones, ya que cada selección de n objetos se or-
dena de n! maneras diferentes.
Para ver un ejemplo, reconsidere el proceso de control de calidad en el que un inspector se-
lecciona dos de cinco piezas para probar que no tienen defectos. ¿Cuántas permutaciones puede
seleccionar? La ecuación (4.2) indica que si N  5 y n  2, se tiene

5! 5! (5)(4)(3)(2)(1) 120
P 52      20
(5  2)! 3! (3)(2)(1) 6

De manera que el experimento de seleccionar aleatoriamente dos piezas de un conjunto de cin-

co piezas, teniendo en cuenta el orden en que se seleccionen, tiene 20 resultados. Si las piezas se
etiquetan A, B, C, D y E, las 20 permutaciones son AB, BA, AC, CA, AD, DA, AE, EA, BC, CB,
BD, DB, BE, EB, CD, DC, CE, EC, DE y ED.

Asignación de probabilidades
Ahora verá cómo asignar probabilidades a los resultados experimentales. Los tres métodos co-
múnmente usados son el método clásico, el método de la frecuencia relativa y el método subje-
tivo. Sin importar el método que se use, es necesario satisfacer los requerimientos básicos para
la asignación de probabilidades.

REQUERIMIENTOS BÁSICOS PARA LA ASIGNACIÓN DE PROBABILIDADES

1. La probabilidad asignada a cada resultado experimental debe estar entre 0 y 1,

inclusive. Si denota con Ei el i-ésimo resultado experimental y con P(Ei) su proba-
bilidad, entonces exprese este requerimiento como

0 P(Ei ) 1 para toda i (4.3)

2. La suma de las probabilidades de los resultados experimentales debe ser igual a 1.0.
Para resultados experimentales n escriba este requerimiento como

P(E1 )  P(E2 )  . . .  P(En )  1 (4.4)

El método clásico de asignación de probabilidades es apropiado cuando todos los resultados

experimentales tienen la misma posibilidad. Si existen n resultados experimentales, la probabili-
dad asignada a cada resultado experimental es 1/n. Cuando emplee este método, satisfará en au-
tomático los dos requerimientos básicos de la asignación de probabilidades.
04Ander(141-185).qxd 2/29/08 11:34 AM Page 149

4.1 Experimentos, reglas de conteo y asignación de probabilidades 149

Por ejemplo, considere el experimento del lanzamiento de una moneda, los dos resultados
experimentales —cruz o cara— tienen la misma posibilidad. Como uno de los dos resulta-
dos igualmente posibles es cara, la probabilidad de que caiga cara es 1/2 o 0.50. Asimismo, la
probabilidad de que caiga cruz también es 1/2 o 0.50.
Otro ejemplo, considere el experimento de lanzar un dado. Es razonable pensar que los seis
resultados que pueden presentarse son igualmente posibles y, por tanto, la probabilidad asignada
a cada resultado es 1/6. Si P(1) denota la probabilidad de que la cara del dado que caiga hacia
arriba sea la que tiene un punto, entonces P(1)  1/6. De manera similar P(2)  1/6, P(3)  1/6,
P(4)  1/6, P(5)  1/6 y P(6)  1/6. Observe que dichas probabilidades satisfacen los dos re-
querimientos básicos de las ecuaciones (4.3) y (4.4), porque cada una es mayor o igual que cero
y juntas suman 1.0.
El método de frecuencia relativa para la asignación de probabilidades es el más convenien-
te cuando existen datos para estimar la proporción de veces que se presentarán los resultados si
el experimento se repite muchas veces. Considere, por ejemplo un estudio sobre los tiempos de
espera en el departamento de rayos x de un hospital pequeño. Durante 20 días sucesivos un em-
pleado registra el número de personas que están esperando el servicio a las 9:00 a.m.; los resul-
tados son los siguientes.

Número de personas Número de días:

que esperan resultados de ocurrencia
0 2
1 5
2 6
3 4
4 3
Total 20

En estos datos aparece que 2 de los 20 días, había cero pacientes esperando el servicio, 5 días
había un paciente en espera y así sucesivamente. Con el método de la frecuencia relativa, la pro-
babilidad que se le asignará al resultado experimental cero pacientes esperan el servicio, será
2/20  0.10; al resultado experimental un paciente espera el servicio, 5/20  0.25; 6/20  0.30
a dos pacientes esperan el servicio; 4/20  0.20 a tres pacientes esperan el servicio y 3/20  0.15
a cuatro pacientes esperan el servicio. Como sucede con el método clásico, al usar el método de
frecuencia relativa se satisfacen en automático los dos requerimientos básicos correspondientes
a las ecuaciones (4.3) y (4.4).
El método subjetivo de asignación de probabilidades es el más indicado cuando no es factible
suponer que todos los resultados de un experimento sean igualmente posibles y, además, cuenta con
pocos datos relevantes. El método subjetivo de asignación de probabilidades a los resultados de un
experimento, usa toda la información disponible, por ejemplo, la propia experiencia o la intuición.
Después de considerar dicha información se asigna un valor de probabilidad que expresa el grado
de confianza (en una escala de 0 a 1) que tiene acerca de que un resultado experimental ocurra. Co-
mo la probabilidad subjetiva expresa el grado de confianza que tiene un individuo, es personal.
Cuando se usa el método de probabilidad subjetiva, es de esperarse que personas distintas asignen
probabilidades diferentes a los mismos resultados de un experimento.
En el método subjetivo hay que tener cuidado de que se satisfagan los dos requerimientos bá-
sicos expresados en las ecuaciones (4.3) y (4.4). Sea cual sea el grado de confianza que tenga la
persona, el valor de probabilidad asignado a cada resultado experimental debe estar entre 0 y 1,
inclusive, y la suma de las probabilidades de todos los resultados experimentales debe ser 1.0.
Considere el caso en el que Tom y Judy Elsbernd hacen una oferta para la compra de una
casa. Hay dos resultados posibles:
E1  su oferta será aceptada
E2  su oferta no será aceptada
04Ander(141-185).qxd 2/29/08 11:34 AM Page 150

150 Capítulo 4 Introducción a la probabilidad

El teorema de Bayes (véase Judy cree que la probabilidad de que su oferta sea aceptada es 0.8; por tanto, Judy establece que
sección 4.5) proporciona P(E1)  0.8 y P(E2)  0.2; Tom, por su parte, cree que la probabilidad de que su oferta sea acep-
un medio para combinar la
probabilidad a priori
tada es 0.6; por tanto, Tom establecerá P(E1)  0.6 y P(E2)  0.4. Observe que la estimación de
determinada probabilidad de E1 que hace Tom refleja bastante pesimismo de que su oferta sea aceptada.
subjetivamente con Tanto Judy como Tom asignaron probabilidades que satisfacen los dos requerimientos bási-
probabilidades obtenidas cos. El hecho de que sus probabilidades sean diferentes subraya la naturaleza personal del méto-
por otros medios para do subjetivo.
obtener probabilidades
a posteriori o revisadas.
Incluso en situaciones de negocios en que es posible emplear el método clásico o el de las
probabilidades relativas, los administradores suelen proporcionar estimaciones subjetivas de una
probabilidad. En tales casos, la mejor estimación de una probabilidad suele obtenerse combinan-
do las estimaciones del método clásico o del método de las frecuencias relativas con las estima-
ciones subjetivas de una probabilidad.

Probabilidades para el proyecto KP&L

Para continuar con el análisis del proyecto KP&L hay que hallar las probabilidades de los nueve
resultados experimentales enumerados en la tabla 4.1. De acuerdo con la experiencia, los admi-
nistrativos concluyen que los resultados experimentales no son todos igualmente posibles. Por
tanto, no emplean el método clásico de asignación de probabilidades. Entonces deciden hacer un
estudio sobre la duración de los proyectos similares realizados por KP&L en los últimos tres
años. En la tabla 4.2 se resume el resultado de este estudio considerando 40 proyectos similares.
Después de analizar los resultados de este estudio, los administrativos deciden emplear el
método de frecuencia relativa para asignar las probabilidades. Los administrativos podrían haber
aportado probabilidades subjetivas, pero se dieron cuenta de que el proyecto actual era muy si-
milar a los 40 proyectos anteriores. Así, consideraron que el método de frecuencia relativa sería
el mejor.
Si emplea la tabla 4.2 para calcular las probabilidades, observará que el resultado (2, 6) —
duración de la etapa 1, 2 meses, y duración de la etapa 2, 6 meses— se encuentra seis veces en
los 40 proyectos. Con el método de las frecuencias relativas, la probabilidad signada a este re-
sultado es 6/40  0.15. También el resultado (2, 7) se encuentra seis veces en los 40 proyectos
6/40  0.15. Continuando de esta manera, se obtienen, para los puntos muestrales del proyecto
de KP&L, las asignaciones de probabilidad que se muestran en la tabla 4.3. Observe que P(2, 6)
representa la probabilidad del punto muestral (2, 6), P(2, 7) representa la probabilidad del punto
muestral (2, 7) y así sucesivamente.

TABLA 4.2 DURACIÓN DE 40 PROYECTOS DE KP&L

Duración (meses) Número de proyectos

Etapa 1 Etapa 2 que tuvieron
Diseño Construcción Punto muestral esta duración
2 6 (2, 6) 6
2 7 (2, 7) 6
2 8 (2, 8) 2
3 6 (3, 6) 4
3 7 (3, 7) 8
3 8 (3, 8) 2
4 6 (4, 6) 2
4 7 (4, 7) 4
4 8 (4, 8) 6
Total 40
04Ander(141-185).qxd 2/29/08 11:34 AM Page 151

4.1 Experimentos, reglas de conteo y asignación de probabilidades 151

TABLA 4.3 ASIGNACIÓN DE PROBABILIDADES PARA EL PROYECTO KP&L,

EMPLEANDO EL MÉTODO DE LAS FRECUENCIAS RELATIVAS

Tiempo de Probabilidad del

Punto muestral terminación del proyecto punto muestral
(2, 6) 8 meses P(2, 6)  6/40  0.15
(2, 7) 9 meses P(2, 7)  6/40  0.15
(2, 8) 10 meses P(2, 8)  2/40  0.05
(3, 6) 9 meses P(3, 6)  4/40  0.10
(3, 7) 10 meses P(3, 7)  8/40  0.20
(3, 8) 11 meses P(3, 8)  2/40  0.05
(4, 6) 10 meses P(4, 6)  2/40  0.05
(4, 7) 11 meses P(4, 7)  4/40  0.10
(4, 8) 12 meses P(4, 8)  6/40  0.15
Total 1.00

NOTAS Y COMENTARIOS

1. En estadística la noción de experimento difiere esta influencia que tiene la probabilidad sobre
un poco del concepto de experimento de las los resultados, a los experimentos en estadística
ciencias físicas. En las ciencias físicas, los in- también se les conoce como experimentos alea-
vestigadores suelen realizar los experimentos torios.
en laboratorios o en ambientes controlados, con 2. Cuando de una población de tamaño N se ex-
objeto de investigar causas y efectos. En los trae una muestra aleatoria sin reemplazarla, se
experimentos estadísticos, la probabilidad de- emplea la regla de conteo para combinaciones
termina los resultados. Aun cuando un expe- para calcular la cantidad de muestras de tama-
rimento se repita con exactitud, el resultado ño n que pueden seleccionarse.
puede ser completamente diferente. Debido a

EjerciciosMétodos

Métodos
1. Un experimento consta de tres pasos; para el primer paso hay tres resultados posibles, para el se-
gundo hay dos resultados posibles y para el tercer paso hay cuatro resultados posibles. ¿Cuán-
tos resultados distintos hay para el experimento completo?
2. ¿De cuántas maneras es posible seleccionar tres objetos de un conjunto de seis objetos? Use las
Auto examen letras A, B, C, D, E y F para identificar a los objetos y enumere todas las combinaciones diferen-
tes de tres objetos.
3. ¿Cuántas permutaciones de tres objetos se pueden seleccionar de un grupo de seis objetos? Use
las letras A, B, C, D, E y F para identificar a los objetos y enumere cada una de las permutacio-
nes factibles para los objetos B, D y F.
4. Considere el experimento de lanzar una moneda tres veces.
a. Elabore un diagrama de árbol de este experimento.
b. Enumere los resultados del experimento.
c. ¿Cuál es la probabilidad que le corresponde a cada uno de los resultados?
5. Suponga que un experimento tiene cinco resultados igualmente posibles: E1, E2, E3, E4 y E5. Asig-
ne probabilidades a los resultados y muestre que satisfacen los requerimientos expresados por las
ecuaciones (4.3) y (4.4). ¿Qué método empleó?
Auto examen 6. Un experimento que tiene tres resultados es repetido 50 veces y se ve que E1 aparece 20 veces,
E2 13 veces y E3 17 veces. Asigne probabilidades a los resultados. ¿Qué método empleó?
04Ander(141-185).qxd 2/29/08 11:34 AM Page 152

152 Capítulo 4 Introducción a la probabilidad

7. La persona que toma las decisiones asigna las probabilidades siguientes a los cuatro resultados
de un experimento: P(E1)  0.10, P(E2)  0.15, P(E3)  0.40 y P(E4)  0.20. ¿Son válidas es-
tas asignaciones de probabilidades? Argumente.

Aplicaciones
8. En una ciudad las solicitudes de cambio de uso de suelo pasan por un proceso de dos pasos: una
revisión por la comisión de planeación y la decisión final tomada por el consejo de la ciudad. En
el paso 1 la comisión de planeación revisa la solicitud de cambio de uso de suelo y hace una re-
comendación positiva o negativa respecto al cambio. En el paso 2 el consejo de la ciudad revi-
sa la recomendación hecha por la comisión de planeación y vota para aprobar o desaprobar el
cambio de suelo. Suponga que una empresa dedicada a la construcción de complejos departa-
mentales presenta una solicitud de cambio de uso de suelo. Considere el proceso de la solicitud
como un experimento. ¿Cuántos puntos muestrales tiene este experimento? Enumérelos. Cons-
truya el diagrama de árbol del experimento.
9. El muestreo aleatorio simple usa una muestra de tamaño n tomada de una población de tamaño
Auto examen N para obtener datos para hacer inferencias acerca de las características de la población. Supon-
ga que, de una población de 50 cuentas bancarias, desea tomar una muestra de cuatro cuentas con
objeto de tener información acerca de la población. ¿Cuantas muestras diferentes de cuatro cuen-
tas pueden obtener?
10. El capital de riesgo es una fuerte ayuda para los fondos disponibles de las empresas. De acuerdo
Auto examen con Venture Economics (Investor’s Business Daily, 28 de abril de 2000) de 2374 desembolsos en
capital de riesgo, 1434 son de empresas en California, 390 de empresas en Massachussets, 217
de empresas en Nueva York y 112 de empresas en Colorado. Veintidós por ciento de las empre-
sas que reciben fondos se encuentran en las etapas iniciales de desarrollo y 55% en la etapa de
expansión. Suponga que desea tomar en forma aleatoria una de estas empresas para saber cómo
son usados los fondos de capital de riesgo.
a. ¿Cuál es la probabilidad de que la empresa que seleccione sea de California?
b. ¿De que la empresa no sea de ninguno de los estados citados?
c. ¿De que la empresa elegida no se encuentre en las etapas iniciales de desarrollo?
d. Si admite que las empresas en las etapas iniciales de desarrollo tuvieran una distribución ho-
mogénea en todo el país, ¿cuántas empresas de Massachussets que reciben fondos de capi-
tal de riesgo se encuentran en las etapas iniciales de desarrollo?
e. La cantidad total de fondos invertidos es $32.4 mil millones. Estime la cantidad destinada a
Colorado.
11. La National Highway Traffic Safety Administration (NHTSA) realizó una investigación para sa-
ber si los conductores de Estados Unidos están usando sus cinturones de seguridad (Associated
Press, 25 de agosto de 2003). Los datos muestrales fueron los siguientes.

Conductores que emplean el cinturón

Región Sí No
Noreste 148 52
Oeste medio 162 54
Sur 296 74
Oeste 252 48
Total 858 228

a. ¿Cuál es la probabilidad de que en Estados Unidos un conductor lleve puesto el cinturón?

b. Un año antes, la probabilidad en Estados Unidos de que un conductor llevara puesto el cin-
turón era 0.75. El director de NHTSA, doctor Jeffrey Runge esperaba que en 2003 la pro-
babilidad llegara a 0.78. ¿Estará satisfecho con los resultados del estudio del 2003?