PROBABILIDAD Y ESTADÍSTICA

CAPÍTULO 2
PROBABILIDAD

27/12/2017 1
 2. PROBABILIDAD

CONTENIDOS:

2. PROBABILIDAD
2.1. ESPACIO MUESTRAL
2.2 EVENTOS
2.3 CONTEO DE PUNTOS DE UNA MUESTRA
2.4 PROBABILIDAD DE UN EVENTO
2.5 REGLAS ADITIVAS
2.6 PROBABILIDAD CONDICIONAL
2.7 REGLAS MULTIPLICATIVAS
2.8 REGLA DE BAYES 27/12/2017 2
2.1. Espacio Muestral 2. PROBABILIDAD

27/12/2017 3
2.1. Espacio Muestral 2. PROBABILIDAD

27/12/2017 4
 2. PROBABILIDAD
2.1. Espacio Muestral

5
 Experimento Aleatorio

I II

1 3
1 2 2 3

 Se toma al azar una esfera de la urna I

 Se transfiere a la urna II, se mezclan bien.
 Se elige, aleatoriamente, una esfera de la urna II.
 ¿cuál es la probabilidad – a priori – que sea verde?
 Espacio Muestral
1 1
Distintas
2 2
1
formas como
3 3 puede
Traspasar Roja # 1 II
4 resultar el
3
experimento.
5 Ya que las
2
6 esferas has
1 3 sido sacadas
7
I Traspasar Verde # 1 II 1
al azar, cada
8 uno de ellos
2 tiene la
9 misma
2
10 posibilidad de
2 3
11 ocurrir
II
Traspasar Verde # 2 3
12
2
2.1. Espacio Muestral 2. PROBABILIDAD

EJEMPLO 2:
EXPERIMENTO = LANZAR UNA MONEDA. SI SALE CARA, LA
LANZO POR SEGUNDA VEZ. SI SALIÓ CRUZ LA PRIMERA VEZ, SE
LANZA UN DADO UNA VEZ.

27/12/2017 8
2.1. Espacio Muestral 2. PROBABILIDAD

EJEMPLO 3:
SE TOMAN 3 ARTÍCULOS ALEATORIOS DE UN PROCESO DE
FABRICACIÓN. D= DEFECTUOSO Y N = NO DEFECTUOSO.

27/12/2017 9
 2.2. Eventos 2. PROBABILIDAD

EN ALGUNOS EXPERIMENTOS, EN OCASIONES ES DE MAYOR INTERÉS LA

OCURRENCIA DE UN EVENTO ESPECÍFICO MÁS ALLÁ DEL
COMPORTAMIENTO DE UN ELEMENTO ESPECÍFICO EN EL ESPACIO MUESTRAL.

10
2.2. Eventos 2. PROBABILIDAD

UN EVENTO ES UN SUBCONJUNTO DE UN ESPACIO MUESTRAL.

EJEMPLO 5:
DADO UN ESPACIO MUESTRAL S= {T | T ≥ 0}, DONDE T ES EL
PERIODO DE VIDA DE UN C.I. DEFINIR EL EVENTO A DE QUE EL
ELEMENTO FALLA ANTES DEL QUINTO AÑO.
A={T | 0 ≤ T < 5}

UN EVENTO PUEDE CONTENER TODO EL ESPACIO MUESTRAL S.

27/12/2017 11

UN EVENTO PUEDE SER NULO.

 Conjuntos y Eventos
W (S): Espacio Muestral: Todos los posibles
resultados elementales
W (S)
s  S, resultado elemental
 : Familia de todos los eventos posibles de S
B    , luego  es un Evento
A s  , luego  evento imposible
E

S   , luego S es el Evento Seguro

A y B  , luego son eventos

sW AB  ; AB  ; Ac  , son eventos

 Conjuntos vs. Eventos
TEORÍA CONJUNTOS TEORÍA PROBABILIDADES
SW Universo Espacio Muestral
 Conjunto Potencia Familia Clases de Eventos

A A subconjunto de S A es un Evento

s A s es elemento de A Ocurre el evento A
 Conjunto vacío Evento Imposible
S Universo Evento Seguro
AB A unión B Evento A o Evento B
AB A intersección B Evento A y Evento B
Ac Complemento de A Evento no-A
AB A es subconjunto de B A implica B
AB=  A y B son disjuntos A y B mutuamente excluyentes
2.2. Eventos 2. PROBABILIDAD

EJEMPLO 6: (COMPLEMENTO DE UN EVENTO)

SE REGISTRAN LOS HÁBITOS DE FUMAR DE UN GRUPO DE
GENTE. CLASIFICAMOS EL ESPACIO MUESTRAL EN:
NO FUMADORES,
FUMADORES LEVES,
FUMADORES MODERADOS Y
FUMADORES CONTINUOS.

SI CREAMOS UN GRUPO “A” DE FUMADORES. ENTONCES LOS NO

FUMADORES PERTENECEN A UN EVENTO COMPLEMENTARIO A’.
14
2.2. Eventos 2. PROBABILIDAD

EJEMPLO 7: (INTERSECCIÓN)
SUPONGAMOS DOS EVENTOS A Y B ASOCIADOS A UN EXPERIMENTO:
AL LANZAR UN DADO, A ES EL EVENTO QUE UN NÚMERO PAR SUCEDA.
B ES EL EVENTO QUE UN NÚMERO MAYOR A 3 SUCEDA.

A={2, 4, 6}
B= {4, 5, 6}
EL EVENTO A Y B OCURRIRÁN SI EL DADO MARCA 4 Ó 6.

LA INTERSECCIÓN DE DOS EVENTOS A Y B (A∩B), ES EL EVENTO QUE

27/12/2017 15
CONTIENE TODOS LOS ELEMENTOS COMUNES DE A Y B.
 2.2. Eventos 2. PROBABILIDAD

ALGUNOS EXPERIMENTOS ESTADÍSTICOS DEFINEN DOS EVENTOS A Y B QUE

NO PUEDEN OCURRIR SIMULTÁNEAMENTE.
LOS EVENTOS A Y B SON MUTUAMENTE EXCLUYENTES.
A∩B = 0
A Y B NO TIENEN ELEMENTOS EN COMÚN

PUEDE EXISTIR INTERÉS POR LA OCURRENCIA DE AL MENOS UNO DE LOS

DOS EVENTOS ASOCIADOS CON UN EXPERIMENTO.
A={2, 4, 6}
B= {4, 5, 6}

LA UNIÓN DE LOS EVENTOS A Y B (A∪B), EL ES EVENTO QUE CONTIENE

16

TODOS LOS ELEMENTOS QUE PERTENECEN A A O B Ó A Y B.

2.2. Eventos 2. PROBABILIDAD

EJEMPLO 8:
SI M = {X|3 < X < 9} Y N = {Y|5 < Y < 12}.

M∪ N = {Z|3<Z<12}

LAS RELACIONES ENTRE EVENTOS Y EL CORRESPONDIENTE

ESPACIO MUESTRAL SE ILUSTRA MEDIANTE DIAGRAMAS DE
VENN.
27/12/2017 17
 2.2. Eventos 2. PROBABILIDAD

A∩B = REGIÓN 1 Y 2
B∩C = REGIÓN 1 Y 3

A ∪ C =1, 2, 3, 4, 5 y 7
B’ ∩ A = 4 y 7
A∩B∩C=1
(A ∪ B) ∩ C’ =2, 6 y 7

18
2.2. Eventos 2. PROBABILIDAD

EJEMPLO 9:

27/12/2017 19
2.2. Eventos 2. PROBABILIDAD

ACTIVIDAD 1: DEMOSTRAR LAS DEFINICIONES:

A∩0=0
A ∪ 0=A
A ∩ A’=0
A ∪ A’=S
S’ = 0
0’ = S
(A’)’ = A
(A ∩ B)’ = A’ ∪ B’
(A ∪ B)’ = A’ ∩ B’ 27/12/2017 20
2.3. Conteo de puntos de 2. PROBABILIDAD
una muestra

27/12/2017 21
 2. PROBABILIDAD

2.3. Conteo de puntos de una muestra

27/12/2017 22
 2. PROBABILIDAD
2.3. Conteo de puntos de una muestra

27/12/2017 23
 2. PROBABILIDAD

2.3. Conteo de puntos de una muestra

Si una operación se puede realizar de n1 formas, y si para cada

una de estas se puede realizar una segunda operación en n2
formas, y para cada una de las primeras dos se puede realizar
una tercera operación en n3 , y así la serie de k operaciones se
pueden realizar en n1 · n2…...... nk formas.

EJEMPLO 1: CUANTOS PUNTOS MUESTRALES HAY EN EL

ESPACIO MUESTRAL CUANDO SE LANZA UN PAR DE DADOS?
N1 = 6 MANERAS,
N2 = 6 MANERAS
N1 · N2 = 36 FORMAS POSIBLES 27/12/2017 24
 2. PROBABILIDAD

2.3. Conteo de puntos de una muestra

27/12/2017 25
27/12/2017 26
 2. PROBABILIDAD

2.3. Conteo de puntos de una muestra

FRECUENTEMENTE NOS INTERESAMOS EN UN ESPACIO
MUESTRAL [S] QUE CONTIENE A TODAS LOS POSIBLES
ARREGLOS DE UN GRUPO DE DATOS.

POR EJEMPLO: QUEREMOS SABER CUANTOS ARREGLOS

DIFERENTES SON POSIBLES PARA SENTAR A 30 ESTUDIANTES EN
UN SALÓN DE CLASE. LOS DIFERENTES ARREGLOS SE LLAMAN
PERMUTACIONES.

UNA PERMUTACIÓN ES UN ARREGLO DE TODO O PARTE DE

27
UN CONJUNTO DE OBJETOS.
 2. PROBABILIDAD

2.3. Conteo de puntos de una muestra

27/12/2017 28
 2. PROBABILIDAD

 RAVEN’S PROGGRESIVE MATRICES.

29
 2. PROBABILIDAD

2.4. Probabilidad de un evento

• PASCAL, LEIBNIZ, FERMAT Y BERNOULLI.
• MÁS ALLÁ DEL JUEGO, ECONOMÍA, POLÍTICA, INVESTIGACIÓN
CIENTÍFICA, CLIMA.
• EXPRESAMOS RESULTADOS, SIN ESTAR SEGUROS, EN BASE A
INFORMACIÓN DEL PASADO.
• COMPRENDEMOS EL EXPERIMENTO Y TENEMOS ALGÚN GRADO DE
CONFIANZA EN LA VALIDEZ DE LA AFIRMACIÓN.
• SE CONSIDERAN EN ESTE CAPÍTULO:
• EXPERIMENTOS DONDE [S] CONTIENE NÚMERO FINITO DE ELEMENTOS.
• SE EVALÚA USANDO NÚMEROS REALES (PESOS O PROBABILIDADES) DE 030
A 1.
 2. PROBABILIDAD

2.4. Probabilidad de un evento

• LA SUMA DE PROBABILIDADES DE UN ESPACIO MUESTRAL ES 1.

• SI CREEMOS QUE ES PROBABLE QUE UN RESULTADO PARTICULAR SE

DE, LA PROBABILIDAD DEBE SER CERCANA A 1.

• SI SE ACERCA A 0 ES PROBABLE QUE NO OCURRA.

• AL LANZAR UN DADO O UNA MONEDA TODOS LOS PUNTOS

MUESTRALES TIENEN LA MISMA PROBABILIDAD DE OCURRENCIA Y
31
SE LES ASIGNAN PROBABILIDADES IGUALES
 2. PROBABILIDAD

2.4. Probabilidad de un evento

• PARA OBTENER LA PROBABILIDAD DE UN EVENTO A, SUMAMOS
TODAS LAS PROBABILIDADES QUE SE ASIGNAN A LOS PUNTOS
MUESTRALES DE A = PROBABILIDAD DE A.
LA PROBABILIDAD DE UN EVENTO A ES LA SUMA DE LOS PESOS DE
TODOS LOS PUNTOS MUESTRALES EN A:
𝟎 ≤ 𝑷 𝑨 ≤ 𝟏, 𝑷 ∅ =𝟎 𝒚 𝑷 𝑺 =𝟏
EJEMPLO 1: AL LANZAR DOS VECES UNA MONEDA. CUÁL ES LA
PROBABILIDAD DE QUE OCURRA AL MENOS UNA CARA?
S={CC, CS, SC, SS} A={CC, CS, SC}
4W = 1, W = ¼
32
𝟏 𝟏 𝟏 𝟑
𝑷 𝑨 = + + =
𝟒 𝟒 𝟒 𝟒
 2. PROBABILIDAD

2.4. Probabilidad de un evento

EJEMPLO 2: SE CARGA UN DADO DE MANERA QUE ES DOS VECES
MÁS PROBABLE QUE SALGA UN NÚMERO PAR. SI E ES EL EVENTO DE
QUE OCURRA UN NÚMERO MAYOR A 3 EN UN LANZAMIENTO,
ENCUENTRE P(E).

S={1, 2, 3, 4, 5, 6}
1, 3, 5 = W
2, 4, 6 = 2W
9W = 1 O W= 1/9
E={4, 5, 6}
33
𝟐 𝟏 𝟐 𝟓
𝑷 𝑬 = + + =
𝟗 𝟗 𝟗 𝟗
 2. PROBABILIDAD

2.4. Probabilidad de un evento

EJEMPLO 3: SE CARGA UN DADO DE MANERA QUE ES DOS VECES
MÁS PROBABLE QUE SALGA UN NÚMERO PAR. SI A ES EL EVENTO DE
QUE SALGA UN NÚMERO PAR Y B EL EVENTO QUE SALGA UN
NÚMERO DIVISIBLE PARA 3. ENCUENTRE 𝑃 𝐴 ∪ 𝐵 𝑦 𝑃(𝐴 ∩ 𝐵).

A={2, 4, 6}, B={3,6}

𝐴 ∪ 𝐵= {2, 3, 4, 6} Y 𝐴 ∩ 𝐵 = {6}
W= 1/9

𝟐 𝟏 𝟐 𝟐 𝟕 𝟐 34
𝑷 𝑨∪𝑩 = + + + = 𝑷 𝑨∩𝑩 =
𝟗 𝟗 𝟗 𝟗 𝟗 𝟗
 2. PROBABILIDAD

2.4. Probabilidad de un evento

UN ESPACIO MUESTRAL CON N ELEMENTOS, CON LA MISMA PROBABILIDAD
DE OCURRENCIA 1/N. LA PROBABILIDAD DE CUALQUIER EVENTO A CON N
ELEMENTOS SERÁ:
𝒏
𝑷 𝑨 =
𝑵
EJEMPLO 4: UNA CLASE DE ESTADÍSTICA PARA INGENIEROS CONSISTE EN 25
INDUSTRIALES, 10 MECÁNICOS, 10 ELECTRÓNICOS Y 8 DE SISTEMAS. SI UNA
PERSONA ES SELECCIONADA DE MANERA RANDÓMICA POR EL TUTOR,
ENCUENTRE LA PROBABILIDAD DE QUE EL ESTUDIANTE SEA A) UN INGENIERO
INDUSTRIAL Y B) UN ING. ELECTRÓNICO O DE SISTEMAS.
𝟐𝟓
𝑷 𝑰 =
𝟓𝟑
𝟏𝟖
𝑷 𝑬∪𝑺 = 35
𝟓𝟑
 2. PROBABILIDAD

2.4. Probabilidad de un evento

EJEMPLO 5: EN UNA MANO DE POQUER DE 5 CARTAS.
ENCUENTRE LA PROBABILIDAD DE TENER 2 ASES Y 3 JOTAS.

𝑛! 4! 24
2 𝑎𝑠𝑒𝑠 = = = =6
𝑟! 𝑛 − 𝑟 ! 2! 4−2 ! 4
𝑛! 4! 24
3 𝑗𝑜𝑡𝑎𝑠 = = = =4
𝑟! 𝑛 − 𝑟 ! 3! 4−3 ! 6
𝑛! 52!
N 𝑚𝑎𝑛𝑜𝑠 = = = 2598960
𝑟! 𝑛 − 𝑟 ! 5! 52 − 5 !
𝑛 24
𝑃 𝑗𝑢𝑒𝑔𝑜 = = = 0.9 𝑥10−5 36

𝑁 2598960
 2. PROBABILIDAD

2.4. Probabilidad de un evento

EJEMPLO 6: UN ESTUDIANTE AL GRADUARSE ES ENTREVISTADO POR
2 COMPAÑÍAS. ÉL PIENSA QUE LA PROBABILIDAD DE ENTRAR EN LA
EMPRESA A ES 0.8, EN LA COMPAÑÍA B ES 0.6. ÉL CREE QUE LA
PROBABILIDAD DE QUE LO LLAMEN DE A Y B ES 0.5. CUÁL ES LA
PROBABILIDAD DE QUE AL MENOS RECIBA UNA OFERTA DE LAS 2
COMPAÑÍAS?

𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨 ∩ 𝑩)

𝑷 𝑨 ∪ 𝑩 = 𝟎. 𝟖 + 𝟎. 𝟔 − 𝟎. 𝟓

37

𝑷 𝑨 ∪ 𝑩 = 𝟎. 𝟗
 2. PROBABILIDAD

2.4. Probabilidad de un evento

EJEMPLO 7: CUÁL ES LA PROBABILIDAD DE OBTENER UN 7 O UN 11
CUANDO SE LANZA UN PAR DE DADOS?

𝒏 6 1
𝑷 𝑨 = = =
𝑁 36 6
𝒏 2 1
𝑷 𝑩 = = =
𝑁 36 18

𝑷 𝑨∪𝑩 =𝑷 𝑨 +𝑷 𝑩 −𝑷 𝑨∩𝑩

𝟏 𝟏 𝟒 𝟐
𝑷 𝑨∪𝑩 = + = =
𝟔 𝟏𝟖 𝟏𝟖 𝟗 38
 2. PROBABILIDAD

2.4. Probabilidad de un evento

ACTIVIDAD 4: REALIZAR EJERCICIOS (EDICIÓN 9)
2.49, 2.51, 2.53, 2.59, 2.61 Y 2.69.

REVISAR TEMA: PROBABILIDAD CONDICIONAL

39
 2. PROBABILIDAD

2.5. Reglas aditivas

A VECES ES MÁS DIFÍCIL CALCULAR LA PROBABILIDAD DE QUE OCURRA UN
EVENTO QUE CALCULAR LA PROBABILIDAD DE QUE NO OCURRA.
SI A Y A’ SON DOS EVENTOS COMPLEMENTARIOS, ENTONCES:
𝑷 𝑨 + 𝑷 𝑨′ = 𝟏
EJEMPLO 8: LAS PROBABILIDADES DE QUE UN MECÁNICO DE SERVICIO A

3 4 5 6 7 8o+
0.12 0.19 0.28 0.24 0.10 0.07
¿CUÁL ES LA PROBABILIDAD DE QUE DE SERVICIO AL MENOS A 5 VEHÍCULOS EL
SIGUIENTE DÍA DE TRABAJO?
𝑀𝑒𝑛𝑜𝑠 𝑑𝑒 5 𝑐𝑎𝑟𝑟𝑜𝑠 𝑃 𝐸 ′ = 𝑃 3 + 𝑃 4
𝑃 𝐸 ′ = 0.12 + 0.19 = 0.31
𝑃 𝐸 = 1 − 𝑃 𝐸 ′ = 1 − 0.310 = 0.690 40
 2. PROBABILIDAD

2.5. Reglas aditivas

• FRECUENTEMENTE SE PUEDE CALCULAR LA PROBABILIDAD
DE UN EVENTO A PARTIR DEL CONOCIMIENTO DE LAS
PROBABILIDADES DE OTROS EVENTOS.
• ESTO PUEDE SER CIERTO SI EXISTE RELACIÓN ENTRE LOS
EVENTOS,
SI A Y B SON DOS EVENTOS CUALESQUIERA, ENTONCES:
𝑷 𝑨 ∪ 𝑩 = 𝑷 𝑨 + 𝑷 𝑩 − 𝑷(𝑨 ∩ 𝑩)

41
 2. PROBABILIDAD

2.5. Reglas aditivas

SI A Y B SON MUTUAMENTE EXCLUYENTES:
𝑷 𝑨∪𝑩 =𝑷 𝑨 +𝑷 𝑩
SI A1, A2, A3…….AN SON MUTUAMENTE EXCLUYENTES, ENTONCES:
𝑷 𝑨𝟏 ∪ 𝑨𝟐 ∪ 𝑨𝟑 … ∪ 𝑨𝒏 = 𝑷 𝑨𝟏 + 𝑷 𝑨𝟐 + ⋯ + 𝑷 𝑨𝒏
SI A1, A2, A3…….AN SON UNA PARTICIÓN DE [S], ENTONCES:
𝑷 𝑨𝟏 ∪ 𝑨𝟐 ∪ 𝑨𝟑 … ∪ 𝑨𝒏 = 𝑷 𝑨𝟏 + 𝑷 𝑨𝟐 + ⋯ + 𝑷 𝑨𝒏 = 𝑷 𝑺 = 𝟏
PARA 3 EVENTOS A, B Y C:
𝑷 𝑨∪𝑩∪𝑪
= 𝑷 𝑨 + 𝑷 𝑩 + 𝑷 𝑪 − 𝑷 𝑨 ∩ 𝑩 − 𝑷 𝑨 ∩ 𝑪 − 𝑷(𝑩 ∩ 𝑪) + 𝑷 𝑨 ∩ 𝑩 ∩ 𝑪

42
 2. PROBABILIDAD

2.6. Probabilidad condicional

ES LA PROBABILIDAD DE QUE UN EVENTO B OCURRA CUANDO SE SABE QUE
YA OCURRIÓ UN EVENTO A.
P(B|A)

B ES EL EVENTO DE OBTENER UN CUADRADO PERFECTO AL LANZAR UN

DADO. P(B) = 1/3
AL LANZAR UN DADO SE SABE QUE SALDRÁ UN NÚMERO MAYOR A 3.
A={4, 5, 6} Y B={1,4}
¿CUÁL ES P(B|A) ?
ASIGNAMOS NUEVOS PESOS AL SUBCONJUNTO A
5W = 1
𝟐 27/12/2017 43
𝑷 𝑩𝑨 =
𝟓
 2. PROBABILIDAD

2.6. Probabilidad condicional

LA PROBABILIDAD CONDICIONAL DE B DADO A, SE DEFINE

COMO:

𝑷(𝑨 ∩ 𝑩)
𝑷 𝑩𝑨 = , 𝒔𝒊 𝑷 𝑨 > 𝟎
𝑷(𝑨)

27/12/2017 44
 2. PROBABILIDAD

2.6. Probabilidad condicional

EJEMPLO 1: S ESTÁ FORMADO POR LOS SIGUIENTES DATOS:
Empleado Desempleado Total
Hombre 460 40 500
Mujer 140 260 400
Total 600 300 900

- SE SELECCIONA UNO AL AZAR. NOS INTERESA LO SIGUIENTE

M SE ELIGE UN HOMBRE
E EL ELEGIDO TIENE EMPLEO
𝑃(𝑀 ∩ 𝐸) 𝑛(𝑀 ∩ 𝐸)/𝑛(𝑆)
𝑃 𝑀𝐸 = =
𝑃(𝐸) 𝑛(𝐸)/𝑛(𝑆)
27/12/2017 45
23
𝑃 𝑀𝐸 =
30
 2. PROBABILIDAD

2.6. Probabilidad condicional

EJEMPLO 2: LA PROBABILIDAD DE QUE UN VUELO PROGRAMADO:
- SALGA A TIEMPO ES P(D)= 0,83
- LLEGUE A TIEMPO ES P(A)=0,82
- SALGA Y LLEGUE A TIEMPO ES P(D∩A)=0.78
ENCUENTRE LA PROBABILIDAD DE:
a) LLEGUE A TIEMPO, DADO QUE SALIÓ A TIEMPO.
b) SALIÓ A TIEMPO, DADO QUE LLEGÓ A TIEMPO.
𝑃(𝐴 ∩ 𝐷) 0.78
𝑃 𝐴𝐷 = = = 0,94
𝑃(𝐷) 0,83

𝑃(𝐷 ∩ 𝐴) 0.78 46
𝑃 𝐷𝐴 = = = 0,95
𝑃(𝐴) 0,82
 2. PROBABILIDAD

2.6. Probabilidad condicional

EVENTOS INDEPENDIENTES:
LA PROBABILIDAD CONDICIONAL CONSIDERA LA PROBABILIDAD DE
UN EVENTO EN RELACIÓN A OTRO.

 LA OCURRENCIA DE A INFLUYE EN D (EJEMPLO ANTERIOR).

 SI P(A|B)= P(A), ENTONCES B NO TIENE IMPACTO.
 A ES INDEPENDIENTE DE B.

DOS EVENTOS A Y B SON INDEPENDIENTES SI Y SÓLO SI:

𝑷 𝑩𝑨 =𝑷 𝑩
𝑷 𝑨𝑩 =𝑷 𝑨 47

𝑷 𝑨∩𝑩 =𝑷 𝑨 𝑷 𝑩
 2. PROBABILIDAD

2.7. Reglas multiplicativas

EJEMPLO 3: UN SISTEMA CONTIENE 5 COMPONENTES CONECTADOS ENTRE
SÍ. LAS PROBABILIDADES INDICAN LA SEGURIDAD DE QUE EL COMPONENTE
FUNCIONE ADECUADAMENTE. SI SE SUPONE QUE EL FUNCIONAMIENTO DE UN
COMPONENTE EN PARTICULAR ES INDEPENDIENTE DEL DE LOS DEMÁS ¿CUÁL ES
LA PROBABILIDAD DE QUE EL SISTEMA TRABAJE?

Funciona si A, (B y/o C) y (D y/o E) lo hacen

𝑃 𝐹 = 𝑃 𝐴 𝑃 𝐵 ∪ 𝐶 𝑃(𝐷 ∪ 𝐸)

𝑃 𝐹 = (0.98)(0.995)(0.9979)= 0.973

27/12/2017 48
27/12/2017 49
27/12/2017 50
 2. PROBABILIDAD

2.7. Reglas multiplicativas

PARTIMOS DE LA DEFINICIÓN DE PROBABILIDAD CONDICIONAL:

𝑷(𝑨 ∩ 𝑩)
𝑷 𝑩𝑨 = , 𝒔𝒊 𝑷 𝑨 > 𝟎
𝑷(𝑨)
CALCULAMOS LA PROBABILIDAD DE QUE OCURRAN DOS EVENTOS:

𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑨 𝑷(𝑩|𝑨)

LA PROBABILIDAD DE QUE OCURRAN A Y B = PROBABILIDAD DE QUE

OCURRA A * LA PROBABILIDAD DE QUE OCURRA B DADO QUE OCURRE A.

27/12/2017 51
𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑩 ∩ 𝑨 = 𝑷 𝑩 𝑷(𝑨|𝑩)
 2. PROBABILIDAD

2.7. Reglas multiplicativas

EJEMPLO 4: EN UNA CAJA DE 20 FUSIBLES HAY 5 DEFECTUOSOS. SI SE
SELECCIONAN 2 AL AZAR UNO TRAS DE OTRO. CUÁL ES LA PROBABILIDAD DE
QUE AMBOS FUSIBLES ESTÉN DEFECTUOSOS?

𝒏(𝑨) 𝟓 𝟏
𝑷 𝑨 = = =
𝒏(𝑺) 𝟐𝟎 𝟒

𝒏(𝑩) 𝟒
𝑷 𝑩 = =
𝒏(𝑺) 𝟏𝟗

𝟏 𝟒 𝟏
𝑷 𝑨∩𝑩 = ∗ = 52
𝟒 𝟏𝟗 𝟏𝟗
 2. PROBABILIDAD

2.7. Reglas multiplicativas

EJEMPLO 5: EN UNA BOLSA 1 HAY 4 BOLAS BLANCAS Y 3 NEGRAS. EN
UNA BOLSA 2 HAY 3 BOLAS BLANCAS Y 5 NEGRAS. SE SACA UNA BOLA DE LA
BOLSA 1 Y SE COLOCA EN LA SEGUNDA.
¿CUÁL ES LA PROBABILIDAD DE SACAR UNA BOLA NEGRA DE LA BOLSA 2?
NOS INTERESA EL EVENTO N1 Y N2,
NOS INTERESA B1 Y N2.
𝑷 𝑵𝟏 ∩ 𝑵𝟐 𝒐 𝑷 𝑩𝟏 ∩ 𝑵𝟐 = 𝑷 𝑵𝟏 ∩ 𝑵𝟐 + 𝑷 𝑩𝟏 ∩ 𝑵𝟐

= 𝑷 𝑵𝟏 𝑷 𝑵𝟐 𝑵𝟏 + 𝑷 𝑩𝟏 𝑷(𝑵𝟐|𝑩𝟏)

𝟑 𝟔 𝟒 𝟓 𝟑𝟖
= ∗ + ∗ = 53
𝟕 𝟗 𝟕 𝟗 𝟔𝟑
 2. PROBABILIDAD

2.7. Reglas multiplicativas

EJEMPLO 5: EN UNA BOLSA 1 HAY 4 BOLAS BLANCAS Y 3 NEGRAS. EN
UNA BOLSA 2 HAY 3 BOLAS BLANCAS Y 5 NEGRAS. SE SACA UNA BOLA DE LA
BOLSA 1 Y SE COLOCA EN LA SEGUNDA.

27/12/2017 54
 2. PROBABILIDAD

2.7. Reglas multiplicativas

SUPONGAMOS QUE TENEMOS UNA CAJA CON 20 FUSIBLES Y 5
DEFECTUOSOS. SACAMOS EL PRIMER FUSIBLE, LUEGO LO COLOCAMOS EN
LA CAJA Y SACAMOS EL SEGUNDO FUSIBLE.
𝟏
𝑷 𝑨 = = 𝑷(𝑩)
𝟒
𝑷 𝑩 𝑨 = 𝑷(𝑩)
EN ESTE CASO LOS EVENTOS A Y B SON INDEPENDIENTES

DOS EVENTOS A Y B SON INDEPENDIENTES SI Y SÓLO SI:

𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑨 𝑷(𝑩)
PARA OBTENER LA PROBABILIDAD DE QUE OCURRAN 27/12/2017 2 EVENTOS
55

INDEPENDIENTES , CALCULAMOS SUS PROBABILIDADES INDIVIDUALES.

 2. PROBABILIDAD

2.7. Reglas multiplicativas

EJEMPLO 6: UN SISTEMA ELÉCTRICO SE VE EN LA FIGURA. EL SISTEMA TRABAJA SI A Y B

TRABAJAN ADEMÁS DE C O D. LA PROBABILIDAD DE FUNCIONAR ESTÁ MARCADA. ENCUENTRE
LA PROBABILIDAD DE QUE EL SISTEMA COMPLETO FUNCIONA.

P A ∩ B ∩ C ∪ D = P A P B P(C ∪ D)
P A ∩ B ∩ C ∪ D = P A P B [1 − P C´ ∪ D´ ]
P A ∩ B ∩ C ∪ D = P A P B [1 − P C´)P(D´ ] 56

P A ∩ B ∩ C ∪ D = 0.9 ∗ 0,9 1 − 1 − 0,8 1 − 0,8 = 𝟎, 𝟕𝟕𝟕𝟔

 2. PROBABILIDAD

2.7. Reglas multiplicativas

LA REGLA SE EXTIENDE A MAS DE DOS EVENTOS

𝑷 𝑨𝟏 ∩ 𝑨𝟐 ∩ ⋯ ∩ 𝑨𝒌
= 𝑷 𝑨𝟏 𝑷 𝑨𝟐 𝑨𝟏 𝑷 𝑨𝟑 𝑨𝟏 ∩ 𝑨𝟐 … 𝑷 𝑨𝒌 𝑨𝟏 ∩ 𝑨𝟐 ∩ ⋯ ∩ 𝑨𝒌 − 𝟏

SI LOS EVENTOS A1, A2, AK SON INDEPENDIENTES ENTONCES:

𝑷 𝑨𝟏 ∩ 𝑨𝟐 ∩ ⋯ ∩ 𝑨𝒌 = 𝑷 𝑨𝟏 𝑷 𝑨𝟐 … 𝑷(𝑨𝒌)
27/12/2017 57
 2. PROBABILIDAD

2.7. Reglas multiplicativas

EJEMPLO 7: SE SACAN 3 CARTAS UNA TRAS OTRA DE UNA BARAJA. ENCUENTRE LA
PROBABILIDAD DE QUE OCURRA LOS 3 SIGUIENTES EVENTOS :
A1: LA PRIMERA CARTA ES UN AS ROJO.
A2: LA SEGUNDA CARTA ES UN 10 O JOTA
A3 LA TERCERA CARTA ES MAYOR A 3 PERO MENOR A 7.

2 8 12
P A1 = , P A2 A1 = , P(A3|A1 ∩ 𝐴2) =
52 51 50

2 8 12 𝟖
P A1 ∩ A2 ∩ A3 = P A1 P A2 A1 P A3 A1 ∩ 𝐴2 = + + =
52 51 50 𝟓𝟓𝟐𝟓
27/12/2017 58
27/12/2017 59
27/12/2017 60
27/12/2017 61
27/12/2017 62
 2. PROBABILIDAD

2.7. Reglas multiplicativas

ACTIVIDAD 5 = REALIZAR LOS EJERCICIOS 2.77 AL 2.91

REVISAR: LA REGLA DE BAYES

27/12/2017 63
 2. PROBABILIDAD

2.8. Regla de Bayes

 LA ESTADÍSTICA BAYESIANA ES UN CONJUNTO DE

HERRAMIENTAS UTILIZADAS DE MANERA ESPECIAL EN
ESTADÍSTICA INFERENCIAL.
 ES UNA DE LAS MÁS IMPORTANTES REGLAS EN LA TEORÍA DE
PROBABILIDAD.
VOLVEMOS AL EJEMPLO DEL GRUPO DE HOMBRE Y MUJERES
EMPLEADOS Y DESEMPLEADOS.
 TENEMOS INFORMACIÓN ADICIONAL: 36 DE LOS EMPLEADOS
Y 12 DE LOS DESEMPLEADOS PERTENECEN AL CLUB ROTARIO.
27/12/2017 64
 2. PROBABILIDAD

2.8. Regla de Bayes

𝑨 = 𝑬 ∩ 𝑨 ∪ 𝑬´ ∩ 𝑨
𝑷 𝑨 = 𝑷 𝑬 ∩ 𝑨 ∪ 𝑬´ ∩ 𝑨
𝑷 𝑨 = 𝑷 𝑬 ∩ 𝑨 + 𝑷 𝑬´ ∩ 𝑨
𝑷 𝑨 = 𝑷 𝑬 𝑷 𝑨|𝑬 + 𝑷 𝑬´ 𝑷 𝑨|𝑬´

27/12/2017 65
 2. PROBABILIDAD

2.8. Regla de Bayes

𝟐 𝟑 𝟏 𝟏 𝟒
𝑷 𝑨 = ∗ + ∗ =
𝟑 𝟓𝟎 𝟑 𝟐𝟓 𝟕𝟓

27/12/2017 66
 2. PROBABILIDAD

2.8. Regla de Bayes

 EL ESPACIO MUESTRAL ES DIVIDIDO EN K SUBSECCIONES, A

VECES LLAMADO TEOREMA DE PROBABILIDAD TOTAL O
REGLA DE ELIMINACIÓN.
SI LOS EVENTOS B1, B2,……..BK, CONSTITUYEN UNA
PARTICIÓN DEL ESPACIO MUESTRAL S, TAL QUE P(BI)≠ 𝟎 PARA
I=1,2,3,…..K, ENTONCES PARA CUALQUIER EVENTO A DE S:
𝒌 𝒌

𝑷(𝑨) = ෍ 𝑷 𝑩𝒊 ∩ 𝑨 = ෍ 𝑷 𝑩𝒊 )𝑷(𝑨|𝑩𝒊
𝒊=𝟏 𝒊=𝟏

27/12/2017 67
 2. PROBABILIDAD

2.8. Regla de Bayes

EJEMPLO 1: EN UNA PLANTA DE MONTAJE, 3 MÁQUINAS B1, B2 Y
B3 MONTAN 30%, 45% Y 25% DE LOS PRODUCTOS. SE SABE QUE
2%, 3% Y 2% DE LOS PRODUCTOS ENSAMBLADOS POR
C/MÁQUINA RESPECTIVAMENTE TIENEN DEFECTOS.
SE SELECCIONA ALEATORIAMENTE UN PRODUCTO TERMINADO.
¿CUÁL ES LA PROBABILIDAD DE QUE ESTÉ DEFECTUOSO?

A = PRODUCTO DEFECTUOSO,
B1 = PRODUCTO ENSAMBLADO POR B1,
B2 = PRODUCTO ENSAMBLADO POR B2,
B3 = PRODUCTO ENSAMBLADO POR B3. 27/12/2017 68
 2. PROBABILIDAD

2.8. Regla de Bayes

𝑷 𝑨 = 𝑷 𝑩𝟏 )𝑷(𝑨|𝑩𝟏 + 𝑷 𝑩𝟐 )𝑷(𝑨|𝑩𝟐 + 𝑷 𝑩𝟑 )𝑷(𝑨|𝑩𝟑

𝑷 𝑩𝟏 )𝑷(𝑨|𝑩𝟏 = 𝟎. 𝟑 ∗ 𝟎. 𝟎𝟐 = 𝟎, 𝟎𝟎𝟔
𝑷 𝑩𝟐 )𝑷(𝑨|𝑩𝟐 = 𝟎. 𝟒𝟓 ∗ 𝟎. 𝟎𝟑 = 𝟎, 𝟎𝟏𝟑𝟓
𝑷 𝑩𝟑 )𝑷(𝑨|𝑩𝟑 = 𝟎. 𝟐𝟓 ∗ 𝟎. 𝟎𝟐 = 𝟎, 𝟎𝟎𝟓
𝑷 𝑨 = 𝟎, 𝟎𝟎𝟔 + 𝟎, 𝟎𝟏𝟑𝟓 + 𝟎, 𝟎𝟎𝟓 = 𝟎, 𝟎𝟐𝟒𝟓

27/12/2017 69
 2. PROBABILIDAD

2.8. Regla de Bayes

 AHORA PREGUNTAMOS LO SIGUIENTE P(B1|A).
 CUÁL ES LA PROBABILIDAD DE QUE ESTE PRODUCTO FUERA HECHO
POR LA MÁQUINA B1.
 SE PUEDE RESOLVER CON LA REGLA DE BAYES.
SI LOS EVENTOS B1, B2,……..BK, CONSTITUYEN UNA PARTICIÓN DEL
ESPACIO MUESTRAL S, TAL QUE P(BI) ≠ 𝟎 PARA I=1,2,3,…..K,
ENTONCES PARA CUALQUIER EVENTO A EN S TAL QUE P(A) ≠ 𝟎 ,

𝑷 𝑩𝒓 ∩ 𝑨 𝑷 𝑩𝒓 )𝑷(𝑨|𝑩𝒓
𝑷 𝑩𝒓 𝑨 = =
σ𝒌𝒊=𝟏 𝑷 𝑩𝒊 ∩ 𝑨 σ𝒌𝒊=𝟏 𝑷 𝑩𝒊 )𝑷(𝑨|𝑩𝒊

27/12/2017 70

PARA R = 1, 2, 3,….. K
 2. PROBABILIDAD

2.8. Regla de Bayes

EJEMPLO 2: PARTIENDO DEL EJERCICIO ANTERIOR. SI SE ELIGE UN
PRODUCTO AL AZAR Y SE ENCUENTRA QUE ES DEFECTUOSO.
¿CUÁL ES LA PROBABILIDAD DE QUE ESTÉ ENSAMBLADO POR LA
MÁQUINA B3?

𝑷 𝑩𝟑 𝑷(𝑨|𝑩𝟑 )
𝑷 𝑩𝟑 |𝑨 =
𝑷 𝑩𝟏 )𝑷(𝑨|𝑩𝟏 + 𝑷 𝑩𝟐 )𝑷(𝑨|𝑩𝟐 + 𝑷 𝑩𝟑 )𝑷(𝑨|𝑩𝟑

𝟎, 𝟎𝟎𝟓 𝟏𝟎
𝑷 𝑩𝟑 |𝑨 = =
𝟎, 𝟎𝟎𝟔 + 𝟎, 𝟎𝟏𝟑𝟓 + 𝟎, 𝟎𝟎𝟓 𝟒𝟗
27/12/2017 71
 2. PROBABILIDAD

2.8. Regla de Bayes

EJEMPLO 3: UNA FABRICA UTILIZA 3 PLANES PARA DISEÑAR Y DESARROLLAR
UN PRODUCTO. LOS PLANES SE UTILIZAN EN TIEMPOS DIFERENTES. PLANES
1, 2 Y 3 SON USADOS SOBRE EL 30%, 20% Y 50% DE LOS PRODUCTOS. EL
RANGO DE DEFECTO ES COMO SIGUE:
𝑷 𝑫|𝑷𝟏 = 𝟎, 𝟎𝟏, 𝑷 𝑫|𝑷𝟐 = 𝟎, 𝟎𝟑, 𝑷 𝑫|𝑷𝟑 = 𝟎, 𝟎𝟐
SI SE ELIGE UN PRODUCTO AL AZAR Y SE ENCUENTRA QUE ES
DEFECTUOSO.
¿QUÉ PLAN ES MÁS PROBABLE QUE HAYA SIDO USADO?

𝑷 𝑷𝟏 𝑷(𝑫|𝑷𝟏 )
𝑷 𝑷𝟏 |𝑫 =
𝑷 𝑷𝟏 )𝑷(𝑫|𝑷𝟏 + 𝑷 𝑷𝟐 )𝑷(𝑫|𝑷𝟐 + 𝑷 𝑷𝟑 )𝑷(𝑫|𝑷𝟑

(𝟎, 𝟑𝟎)(𝟎, 𝟎𝟏) 27/12/2017 72

𝑷 𝑷𝟏 |𝑫 = = 𝟎. 𝟏𝟓𝟖
𝟎, 𝟎𝟎𝟔 + 𝟎, 𝟎𝟏𝟑𝟓 + 𝟎, 𝟎𝟎𝟓
 2. PROBABILIDAD

2.8. Regla de Bayes

𝑷 𝑷𝟐 |𝑫 =?

𝑷 𝑷𝟑 |𝑫 =?

(𝟎, 𝟎𝟑)(𝟎, 𝟐𝟎)

𝑷 𝑷𝟐 |𝑫 = = 𝟎, 𝟑𝟏𝟔
𝟎, 𝟎𝟏𝟗

(𝟎, 𝟎𝟐)(𝟎, 𝟓𝟎)

𝑷 𝑷𝟑 |𝑫 = = 𝟎, 𝟓𝟐𝟔
𝟎, 𝟎𝟏𝟗 27/12/2017 73
 2. PROBABILIDAD

2.8. Regla de Bayes

ACTIVIDAD 6: REALIZAR EJERCICIOS IMPARES DEL 2.95 AL 2.101

27/12/2017 74