PROBABILIDAD

Significado de clculo de probabilidades: "En el fondo, la teora de probabilidades es

slo sentido comn expresado con nmeros".
"Es notable que una ciencia que comenz con las consideraciones de juegos de azar haba
de llegar a ser el objeto ms importante del conocimiento humano. Las cuestiones ms
importantes de la vida constituyen en su mayor parte, en realidad, solamente problemas
de probabilidad".
Pierre Simon de Laplace ( 1749 - 1827 )
http://thales.cica.es/rd/Recursos/rd97/Biografias/09-01-b-LaplaceObra.htm

El objetivo fundamental de la Estadstica es utilizar los datos de una

muestra para inferir sobre las caractersticas de una poblacin a la que no
podemos acceder de manera completa. Es decir, a partir de la muestra
inferir sobre la poblacin. Por lo que se debe elegir al azar algunos
elementos de la poblacin.
Ejemplo: Para conocer la intencin de voto en un pas se debe seleccionar
aleatoriamente algunos componentes (ciudadanos) de ese
universo (poblacin) y se registra su voto. Esto constituye un
experimento aleatorio.
Experimentos aleatorios ()
Los aspectos ms importante que distinguen a los experimentos aleatorios
son:
- Todos los posibles resultados del experimento son conocidos con
anterioridad a su realizacin.
- No se puede predecir el resultado del experimento.
- El experimento puede repetirse en condiciones idnticas, pero no siempre
proporciona los mismos resultados (depende del azar).
El conjunto o coleccin de posibles resultados del experimento aleatorio se
denomina espacio muestral (o universo) y se denota por
Ejemplos de experimentos aleatorios

Espacio Muestral ()

1. Se lanza una moneda dos veces, se observan 1 = {(C,C), (C,S), (S,C), (S,S)}
los resultados.
C cara
S sello
2. Se lanza un dado y se observa el nmero que 2 = {1, 2, 3, 4, 5, 6}
aparece en la cara superior
3. Despus de fabricado, un tubo de rayos 3 = {t/ t > 0}
catdicos se somete a una prueba de duracin,
y se deja en funcionamiento hasta que falla. Se
registra el tiempo t (en horas) de
funcionamiento hasta el momento de la falla.
4. Tiempo en aos de duracin de un procesador 4 = R+ = [0 , )
Cecilia Larran R.

PROBABILIDAD

Pgina 1

A los resultados de un experimento y los subconjuntos de posibles

resultados de un experimento aleatorio se les llama sucesos o eventos y
se les denota con letras maysculas.
Suceso elemental: Todo resultado que puede ocurrir al realizar una sola
vez el experimento aleatorio
Ejercicios I
Ejercicio I-1

Una caja contiene 6 ampolletas incandescentes de las cuales dos estn

defectuosas (D), describa de los siguientes :
2D
4 DC

(B DC)

i) Las ampolletas son probadas (sin reposicin) hasta encontrar una defectuosa
=

ii) Se extraen al azar una muestra de dos ampolletas de la caja.

=

Ejercicio I-2

El experimento aleatorio : lanzar dos monedas al aire.

Espacio muestral = {(C,C), (C,S), (S,C), (S,S)}; C cara
Se definen los sucesos:
A = { salga una cara} = {(C,S), (S,C) }
B = {salga al menos una cara}= {(C,C), (C,S), (S,C) }
Determine: A U B =

S sello

AB=
Suceso contrario del suceso A:

AC =

B AC =
Ejercicio I-3
Sean tres sucesos cualesquiera A, B, C de un experimento aleatorio.
siguientes sucesos en funcin de A, B, C:

Exprese los

a) Solamente ocurre A

b) Ocurre A y B pero no C

c) Ocurren los tres sucesos

d) Ocurre por lo menos uno (A U B U C)

e) Por lo menos dos ocurren (A B) U (A C) U (B C)

Cecilia Larran R.

PROBABILIDAD

Pgina 2

f) Ocurre slo un suceso (A BC CC) U (AC B CC) U (AC BC C)

g) Ocurren solamente dos de los sucesos
h) Ninguno de los sucesos ocurren
Ejercicio I-4
Una caja contiene 120 chips, de los cuales 80 han sido fabricados por la industria A y el
resto por la compaa B.
Se seleccionan aleatoriamente y sin reposicin una muestra de 10 chips de la caja
a) Describa e indique cul es la cantidad de muestras posibles (de tamao 10)

b) Cuntas muestras posibles de tamao 10 contienen 6 chips de la industria A?

Ejercicio I-5
De la produccin de cierto artculo, se seleccionan al azar diariamente 3 artculos para
revisin. Despus de la revisin los artculos son clasificados como defectuosos o buenos.
a) Indique la cantidad de muestras posibles de tamao 3 que existen para realizar el control
de calidad. Pero no conocemos la cantidad de artculos que se producen diariamente!!!!!!
b) Describa

c) Indique la cantidad de puntos de con:

ningn artculo defectuoso
un artculo defectuoso
dos artculos defectuosos
todos los artculos defectuosos

DEFINICIN DE PROBABILIDAD
Aunque el concepto de probabilidad parece simple, ya que se encuentra con
bastante frecuencia en la comunicacin entre personas.
Ejemplo: Existe un 80% de posibilidades de que llueva

Cecilia Larran R.

PROBABILIDAD

Pgina 3

Enfoques de definicin
Subjetiva o personalista
Enfoques =
Clsica o apriori
Objetiva
Frecuencia relativa o posteriori

Probabilidad subjetiva o personalista

(Savage 1950). La probabilidad mide la confianza que el individuo tiene
sobre la certeza de una proposicin determinada.
Ejemplo: Basado en su experiencia, un salubrista puede afirmar que este verano
tendremos una epidemia de clera con una probabilidad de 0,0001 (0,01%).

Este enfoque de las probabilidades dio lugar al enfoque del anlisis de

datos estadsticos denominado Estadstica Bayesiana

Probabilidad clsica de Laplace o a priori

Si un experimento aleatorio puede dar origen a uno de los N resultados
diferentes igualmente probables y si n de estos resultados tienen un
atributo A, la probabilidad de A es

n
P(A) =
N

n ro de casos favorables a A
n ro de casos posibles

P(A)=

Ejemplo: Lanzamiento de dos veces una moneda

= {(C,C), (C,S), (S,C), (S,S)}
P(obtener una cara) =

2
4

= 0,5

Las probabilidades se calculan mediante un razonamiento abstracto (no es

necesario realizar el para determinar la probabilidad de un suceso)

Frecuencia relativa o aposteriori o emprica

(VON MISES)

Probabilidad de un suceso es aproximadamente la frecuencia relativa de

veces que ocurrir el suceso al realizar un experimento repetidas veces

Cecilia Larran R.

PROBABILIDAD

Pgina 4

Ejemplo:

Investigador

Nmero de
lanzamientos
de una
moneda

Nmero
de caras

nro de lanzamientos de la moneda

4040
12000
24000

2048
6019
12012

0,5069
0,5016
0,5005

Buffon
K. Pearson
K. Pearson

Frecuencia relativa

nro de caras

Cuando se utiliza la definicin frecuencia relativa, es importante tomar en cuenta

los siguientes aspectos:
i. La probabilidad obtenida de esta manera es nicamente una estimacin del
valor real.
ii. Cuanto mayor sea el nmero de ensayos, tanto mejor ser la estimacin de
la probabilidad; es decir, a mayor nmero de ensayos mejor ser la
estimacin.
iii. La probabilidad es propia de slo un conjunto de condiciones idnticas a
aqullas en las que se obtuvieron los datos, o sea, la validez de emplear
esta definicin depende de que las condiciones en que se realiz el
experimento sean repetidas idnticamente
Generalizando este proceso, la probabilidad de un suceso A, P(A), es

nA
n n

P(A)= lim

donde nA es el nmero de ocurrencia de A en n ensayos del experimento

Definicin axiomtica de probabilidad (1933-Kolmogorov)

Se llama probabilidad a cualquier funcin P, que asigna
a cada suceso A del espacio muestral un valor numrico
P(A), que satisfaga
las siguientes reglas (axiomas):
i)

0 < P(A) < 1

ii)

P() = 1

iii)

Si A y B son sucesos que se excluyen mutuamente

P(A

B) = P(A) + P(B);

Andrei Nikolaevich
Kolmogorov
(1903-1987)

unin. (o)

Obs.: el ax. iii se puede ampliar a tres o ms sucesos mutuamente excluyentes

Cecilia Larran R.

PROBABILIDAD

Pgina 5

Consecuencia de los axiomas de probabilidad (teoremas):

Sea A, B, C sucesos cualesquiera del espacio muestral

1) Probabilidad de un suceso imposible

P( ) = 0

2) Probabilidad de que no ocurra el suceso A: P(AC) = 1 - P(A)

3) Probabilidad de que ocurra el suceso A y no ocurra el suceso B:

P(A

BC) = P(A) P(A

B)

4) Probabilidad de que ocurra el suceso A o ocurra el suceso B

P(A

B) = P(A) + P(B) P(A

B)

DIAGRAMA DE VENN

unin o al menos uno de los

dos sucesos ocurren
interseccin y ambos sucesos
ocurren

5) P(A U B)C = P(AC

BC)

Otras propiedades:

6. De (4) se deduce:
7.

De de (3), (4) y (5):

P(A B CC) = P(A B) - P(A B C)

P(A BC CC) = P(A) - P(AB) - P(A C) + P(A B C)

Demuestre que:
8.

P( AU B U C) = P(A) + P(B) + P(C) P(A B) P(A C) P(B C) + P(A B C)

Cecilia Larran R.

PROBABILIDAD

Pgina 6

2
2
, P(BC) = y
5
3

Ejemplo: Sean A y B dos suceso tales que P(A) =

1
. Hallar la P(A U B) y P(A B)
3
Ejemplo: Se sabe que P(A) = 0,3, P(B) = P(C) = 0,2 y P(AB) = P(AC) =
P(BC) = 0,1 y P(A B C)= 0,05.
Calcular la probabilidad P(A U B U C) Resp.: 0,45

P(AC BC) =

Ejemplo: Un 15% de los pacientes atendidos en un hospital son

hipertensos (A), un 10% son obesos (B) y un 3% son hipertensos y

obesos:
Se elige un paciente al azar, cul es la probabilidad de que el
paciente sea:
a) obeso y no hipertenso (slo obeso)?
b) obeso o hipertenso?
c) no obeso y tampoco hipertenso?

Siempre debe definir los sucesos y anotar probabilsticamente la

informacin que entrega el enunciado del problema.
H = el paciente es hipertenso
B = el paciente es obeso

Puede construir el
diagrama de VENN

La informacin del problema tambin se puede representar en tabla

Complete la tabla
paciente
Hipertenso
H
No Hipertenso
HC
Total

Obeso
B
P(H B)

No obeso
BC
P(H BC)

0,03
C

P(H

P(B)

Total
P(H)
0,15

B)

P(H

B )

P(BC)

0,10

d. Si el paciente elegido es obeso ,

P(HC)
1,00

cul es la

probabilidad de que sea hipertenso?

Cecilia Larran R.

PROBABILIDAD

Pgina 7

Ejemplo: El nivel educacional de las 1000 personas que trabajan en una

Industria se distribuye de la siguiente forma:
Enseanza Media (EM): 80

Tcnica (T): 450

Universitaria (U) : 430

Post Grado: 40

La quinta parte de la persona con nivel educacional EM son mujeres, as

como la mitad de los profesionales universitarios, la tercera parte de los
tcnicos y el 60% de los profesionales con post grado:
Gnero
N. Educa

Mujer

Hombre

EM

Total
80

T
U

215

430

G
Total

1000
Complete la tabla de contingencia

Se elige a una persona de la industria al azar, a) determine la probabilidad

de que sea :
Hombre

P(H) =

Titulo Tcnico y mujer

P(T

M) =

Titulo tcnico y con Post grado

P(T

G)

b. Si la persona elegida es hombre, cul es la probabilidad de que

tenga post-grado?

P(pedida) =

c. Si la persona elegida es mujer, cul es la probabilidad de que no

tenga post-grado? P(pedida) =

Cecilia Larran R.

PROBABILIDAD

Pgina 8

PROBABILIDAD CONDICIONAL
Se define la probabilidad de A condicionada a B, o probabilidad de A
sabiendo que ha ocurrido B como:
P(A
B)
P(A / B) =
; P(B) >0
P(B)
Y la probabilidad de B condicionada a A, o probabilidad de B sabiendo que
P(B
A)
ocurre A se define como P(B / A) =
P(A)

Se deduce que P (A

B) = P(B)P(A / B)
= P(A)P(B / A)

Ejemplo: La probabilidad de que un sistema de comunicacin tenga alta fidelidad

es 0,81 y la probabilidad de que tenga alta fidelidad y alta selectividad es 0,18.
Cul es la probabilidad de que un sistema de comunicacin con alta
fidelidad tenga tambin alta selectividad?

Solucin: Sean los sucesos

F = un sistema de comunicacin tenga alta fidelidad
S = Un sistema de comunicacin tenga alta selectividad
P(F) = 0,81
P(F S) = 0,18

P(S / F) =

P(F
S)
0,18
2
=
=
P(F)
0,81
9

0,222)

Ejercicio: En una poblacin, el 52% son hombres, de los cuales el 82%

son aficionados al ftbol, mientras que slo el 20% de las mujeres, son
aficionadas al ftbol.
a. Cul es la probabilidad de que una persona elegida al azar sea
aficionada al ftbol?
b. Se elige a una persona de la poblacin al azar y resulta aficionada
al ftbol, cul es la probabilidad de que sea mujer?
Se definen los sucesos
H = la persona es hombre (MC)

M = la persona es mujer

F = la persona es aficionada al ftbol

a. Las probabilidades que entrega el enunciado son:

P(M) =

P(

P(H) = 0,52

P(

Cecilia Larran R.

/
/

)=
)=
PROBABILIDAD

Pgina 9

b. Completa la tabla:
La persona es

Aficionada al football

No aficionada al football

Mujer
M
Hombre
H

F
P( M F)
0,096
P( H F)
0,4264
P(F)

FC
P( M FC)

Total
P(M)

FC)

P(H)
0,52

Total

P( H

P(FC)

1,00

Respuestas:

a) P(

)=

b) P(

)=

La probabilidad condicional P( / ) satisface las propiedades correspondientes

a probabilidades:
i)
ii)
iii)

0 < P(A/B) < 1

P(/B) = 1
Si A1 y A2 son sucesos que se excluyen mutuamente ( A1 A2) =
P((A1 A2)/B) = P(A1/B) + P(A2/B)
A la expresin P (A
multiplicacin

B) = P(A)P(B / A) se le conoce como regla de

Regla de multiplicacin
Sea A1, A2, ,Ak sucesos cualesquiera de
P ( A1 A2 Ak ) = P(A1)P(A2/A1)P(A3/ A1A2) P(Ak /

k -1

Ai )
i=1

Ejemplo: Una caja contiene siete fichas negras y cinco rojas. Si se

extraen sucesivamente (sin reposicin) tres fichas de la caja:
Ni = la ficha i es negra

Ri = la ficha i es roja;

i = 1, 2, 3

Determine la probabilidad de extraer:

a) tres fichas rojas es

P(R1 R2 R3) = P(R1)P(R2 /R1)P(R3 /R1 R2) =

12 11 10

= 0,0455

b) Al menos una ficha negra

c) Dos fichas negras
d) Slo la segunda ficha sea roja
Respuestas: b) 0,9545

c ) 0,4773

d) 0,1591

= {(R,R,R), (R,R,N), (R,N,R), (N,R,R), (R,N,N), (N,R,N), (N,N,R), (N,N,N)}

Cecilia Larran R.

PROBABILIDAD

Pgina 10

Independencia Estadstica
Dos sucesos A y B son independientes

si la ocurrencia (o no

ocurrencia) de uno no afecta la probabilidad a la ocurrencia del otro.

Consecuencia de la independencia:
P(A / B) = P(A)
Sea A1, A2, ,Ak ;

P(B / A) = P(B)

P (A

B) = P(A)P(B)

k sucesos independientes

P ( A1 A2 Ak ) = P(A1)P(A2)P(A3) P(Ak)
k

P(A )
i

i=1

Ejemplo: Una caja contiene 10 tubos de ensayos de los cuales 6 estn

buenos (B) y 4 estn defectuosos (D).
Se extraen al azar dos tubos de la caja:
Sea Di = el tubo i de ensayo que se extrae es defectuoso. i = 1, 2.
a) Si el experimento se realiza con b) Si el experimento se realiza sin
reposicin,
determine
la
reposicin,
determine
la
probabilidad de que las dos
probabilidad de que los dos tubos
tubos
extrados
sean
extrados sean defectuosos:
defectuosos:
ind

P( D 1

P( D 1

D2) = P(D1)P(D2)
=
=

D2) = P(D1)P(D2 / D1)

10 10

4 3

10 9

0,16

= 0,13

Ejercicio: Dos tubos defectuosos (D) se mezclan con dos buenos (B). Los
tubos se prueban uno por uno

(sin reposicin), hasta encontrar los dos

defectuosos

a. Describa el espacio muestral

b. Cul es la probabilidad de encontrar el ltimo tubo defectuoso en la tercera
prueba?

Cecilia Larran R.

PROBABILIDAD

Pgina 11

Ejercicios II
Ejercicio II-1
Sean A, B dos sucesos tales que P[A] = 0.30, P[B] = 0.40. Hallar la
P[A U B] y la
P[ocurra slo uno de los dos sucesos] en los siguientes casos:
a. Si A y B son excluyentes.
b. Si A y B son independientes.
c. Si A B
Resp.: a) 0,70

0,70

b) 0,58

0,46

c) 0,40 0,10

Ejercicio II-2
Sean A y B sucesos con P(A) = , P(B) = y P(A B) = . Exprese las
probabilidades siguientes en funcin de , y .
a. P(AC U BC) =
b. P(AC B) =
c. P(AC U B) =

d. P(AC BC) =

Ejercicio II-3
Sean los sucesos A, B y C de un espacio muestral tal que:
P(A) = 0,3, P(B) = 0,4, P(C) = 0,6, P(A B) = 0,15

P(B C) = 0,23

P(A C)=0,17,

y P(A B C) = 0,05.

Determine:
a) Probabilidad de que ocurra solo A y B.
P(A B CC) =
b) Probabilidad de que ocurra solo el suceso A. P(A BC CC) =
c) Ninguno de los tres sucesos ocurran
d) Por lo menos uno de los suceso ocurran
e) Si ocurri el suceso C, cul es la probabilidad de que ocurra A y B?
Ejercicio II-4
Para evaluar a un grupo alumnos se decidi aprobar aquellos que superen al
menos, una de las dos partes del examen de segunda opcin; por este
procedimiento aprobaron al 80%. Sabiendo que superaron el mnimo de cada una
de esas partes el 60% y el 50%, respectivamente, calcule el porcentaje de los que
superaron simultneamente ambas partes.
Resp.: 0,30
Ejercicio II-5
La probabilidad de resolver correctamente alguna de las dos versiones de cierta
tarea es 0,45, mientras que la de resolver la primera es 0,40 y la de resolver la
segunda es 0,30. Cul es la probabilidad de resolver correctamente ambas
versiones? La resolucin de esas dos versiones es independiente?
Resp.: 0,25, no

Cecilia Larran R.

PROBABILIDAD

Pgina 12

Ejercicio II-6
Un estudio clnico de una universidad en una poblacin ha encontrado que la
probabilidad de que se den trastornos en el sueo (S) es 0,70, la probabilidad de
que se den trastornos de tipo depresivo (D) es 0,20 y la probabilidad de que se
den ambos 0,10. Si se extrae un sujeto de dicha poblacin al azar. cul es la
probabilidad de que se tenga solamente uno de los trastornos?
Resp. 0,70

Ejercicio II-7

En una ciudad se estudia la cantidad de usuarios de internet segn el sexo.

Supongamos los siguientes datos en miles de individuos:
Hombre
Mujer
Total
Usa Internet
40
35
75
No usa Internet
185
240
425
Total
225
275
500
Se selecciona un sujeto al azar y sea los siguientes sucesos
I: usar internet
H: Ser hombre
a. Determine e interprete la probabilidad de:
P(I)=
P(H)=
P(I H) =
P(I HC)
b. Si mediante un procedimiento aleatorio se seleccion a un sujeto varn, Cul
es la probabilidad de que use internet?

Ejercicio II-8

Sean 2 sucesos A y B de los cuales se sabe que la probabilidad de B es el

doble que la de A; que la probabilidad de la unin es el doble que la de su
interseccin; y que la probabilidad de su interseccin es de 0,1.
a. Calcule la probabilidad de A
b. Qu suceso es ms probable que ocurra sabiendo que ya ha
ocurrido el otro?

Cecilia Larran R.

PROBABILIDAD

Pgina 13

PROBABILIDAD TOTAL
Supongamos que sobre el espacio muestral tenemos una particin
A1 , A2, , Ak
k=5

Ai Aj = ; i j
Se conocen las probabilidades
P(Ai) , i = 1,2, , k
P(B/Ai) , i = 1,2, , k

Esto significa que cualquier resultado de necesariamente debe estar en

uno y solo uno de los sucesos A

Ejemplo: La elaboracin de un determinado tipo de artculo puede

realizarse con tres mquinas (A1 A2 y A3) la produccin de artculos diarios
de las tres mquinas estn en una razn 2:2:1.
Consideremos un suceso B dentro del espacio muestral, que indica la
proporcin de artculos sin defectos (buenos).
Las proporciones de artculos

sin defectos fabricados por las tres

mquinas A1 A2 y A3 son 0,96 , 0,95 y 0,98 respectivamente.

La

probabilidad

total

permite responder a la pregunta: Si se

selecciona al azar un artculo de la produccin de cierto da Cul es la

probabilidad de que el artculo sea bueno (P(B))?
Solucin:
Sea Ai = el artculo seleccionado proviene de la mquina i. i = 1,2,3
B = el artculo seleccionado es bueno (no defectuoso)
P(A1 )= 0,4

P(B/A1) = 0,96

P(A2) = 0,4

P(B/A2) = 0,95

P(A3) = 0,2

P(B/A3) = 0,98

Cecilia Larran R.

PROBABILIDAD

Pgina 14

Se puede presentar y las probabilidades de los sucesos en la tabla

siguiente:
B

Mquina

BC

(bueno)

P (A1 B)
0,384
P (A2 B)
0,380
P (A3 B)
0,196
P(B)
0,96

A1
A2
A3
Total

P (A1 BC)
0,016
P (A2 BC)
0,02
P (A3 BC)
0,004
P(BC)
0,04

Total
P(A1)= 0,4
P(A2) = 0,4
P(A3) = 0,2
1,000

Recuerde que: las probabilidades P(A1), P(A2) , P(A3) y P(B/A1), P(B/A2), P(B/A3)
son conocidas
y

P(A1

B) = P(A1)P(B/A1) ,

P(A3

B) = P(A3)P(B/A3)

PROBABILIDAD TOTAL
Sea A1, A2, A3,........, Ak una particin del espacio muestral y B un suceso
que pertenece a , entonces la probabilidad total de B est dada por:
P(B)= P (B A1 ) (B A 2 ) (B A 3 ) ......... (B A k )
= P(B A1 )+P(B A 2 )+P(B A 3 )+........P(B Ak)
= P(B/A1 ) P(A 1 )+P(B/A 2 ) P(A 2 )+.........P(B/A n ) P(A n )
k

P(B/A ) P(A )
i

i=1

Tambin se puede utilizar un diagrama de rbol para resolver

problemas de probabilidad total:

Cecilia Larran R.

PROBABILIDAD

Pgina 15

TEOREMA DE BAYES

Thomas BAYES
(1702 17/04/1761)

Bayes permite contestar, por ejemplo: Si articulo seleccionado al azar es

bueno, cul es la probabilidad de que haya sido elaborado por la mquina
2?
P(A 2
B)
= 0,39583
Es decir: P(A 2 / B) =
P(B)

Cecilia Larran R.

PROBABILIDAD

Pgina 16

Sea A1, A2, A3, , Ar, Ak una particin del espacio muestral y B un
suceso sobre , P(B) > 0, entonces:
P(A r /B)=

P(A r B)
=
P(B)

P(B/A r ) P(A k )
k

P(B/A ) P(A )
i

i=1

Ejercicio: Para llenar de agua depsitos con superficie flexibles de forma

automtica, una mquina puede realizar el proceso a baja o alta velocidad.
Cuando el proceso se realiza a baja velocidad, el 0,1% de los depsitos
tienen un volumen de llenado incorrecto. Mientras que si el proceso se
realiza a alta velocidad, el 1% de los depsitos presentan un volumen
incorrecto. Se sabe que el 30% de los depsitos se llenan a alta velocidad.
Si se inspecciona un depsito al azar y se encuentra que su volumen es
incorrecto.
Cul es la probabilidad que se haya realizado a alta velocidad?
Resp.: 0,8108

Ejercicios III (varios)

1. Una enfermedad puede estar producida por tres virus A, B, y C. En el
laboratorio hay tres tubos de ensayo con el virus A, dos tubos de
ensayos con el virus B y cinco tubos de ensayo con el tubo C. La
probabilidad de que el virus A produzca la enfermedad es de 1/3, que la
produzca B es de 3/5 y que la produzca C es de 1/8.
1.1. Complete la tabla con las probabilidades respectivas
Particin de

Produce la
enfermedad
E

No produce la
enfermedad
EC

Virus A
Virus B
Virus C
Total

Total

1,0000

1.2. Se inocula un virus a un animal y contrae la enfermedad

Cul es la probabilidad de que el virus inoculado sea C.
2. Se sabe que el componente de la expresin facial arqueo de ceja
aparece el 90% de la gente al expresar sorpresa, el 30% al expresar ira,
y el 10% al expresar pena. En un estudio se est utilizando un 25% de
estmulos que producen sorpresa, un 25% que producen ira y un 50%
Cecilia Larran R.

PROBABILIDAD

Pgina 17

que producen pena. Si un sujeto presenta ese componente de expresin

facial ante uno de los estmulos, cul es la probabilidad de que est
expresando una emocin sorpresa? Resp. 0,643
Arqueo de ceja

SI

Total
NO

Sorpresa
Pena
Ira
Total

1,000

3. Los alumnos de Anatoma I tienen que realizar dos pruebas, una terica
y otra prctica. La probabilidad de que un estudiante apruebe la parte
terica es de 0.6, la probabilidad de que apruebe la parte prctica es de
0.8 y la probabilidad de que apruebe ambas pruebas es 0.5.
a. Son independientes los sucesos aprobar la parte terica y la parte
prctica?
b. Cul es la probabilidad de que un alumno no apruebe ninguno de los
dos exmenes?
c. Cul es la probabilidad de que un alumno apruebe solamente uno
de los dos exmenes?

d. Se sabe que un alumno aprob la teora. Cul es la

probabilidad de que apruebe tambin la prctica?
4. El 20% de los empleados de una empresa son ingenieros y otro 20%
son economistas. El 75% de los ingenieros ocupan un puesto
directivo y el 50% de los economistas tambin, mientras que de los no
ingenieros y no economistas solamente el 20% ocupan un puesto
directivo. Cul es la probabilidad de que un empleado directivo
elegido al azar sea ingeniero?
5. El suero de una mujer embarazada puede ser analizado por medio de un
procedimiento llamado electroforesis en gel de almidn. Este
procedimiento permite detectar la presencia de una zona protenica
llamada zona de embarazo, la cual se supone que es un indicador de
que el bebe es mujercita. Para investigar las propiedades de este test
se seleccionaron 300 mujeres para su estudio. A continuacin se dan los
resultados de este test y los sexos de los recin nacidos.

Cecilia Larran R.

PROBABILIDAD

Pgina 18

Zona de
embarazo
Varn (V)
Mujer (M)
TOTAL

Zona de embarazo
+
51
96
78
75
129
171

TOTAL
147
153
300

Se al azar a una mujer del estudio, determine las siguientes probabilidades

(estimadas):
a) P ( + ) =

b) P ( - V)=

c) P (+ U M )

d. Si se sabe que el bebe tiene sexo femenino, Cul es la prob. de que el

e.
f.
g.
h.
i.

test de +? (Sensibilidad del test)

Si se sabe que el bebe no tiene el sexo femenino, cul es la
probabilidad de que el test de negativo? (Especificidad del test)
Su el test dio +, cul es la probabilidad de que el bebe sea mujer?
Su el test dio -, cul es la probabilidad de que el bebe sea hombre?
Si el bebe es mujer, Cul es la probabilidad de que el test se
equivoque?
Si el bebe es hombre, Cul es la probabilidad de que el test se
equivoque

6. Los estudios epidemiolgicos indican que el 20% de los ancianos

sufren deterioro neuropsicolgico. Se sabe que la tomografa axial
computarizada (TAC) es capaz de detectar ese trastorno en el 80% de
los que lo sufren, pero que tambin da un 3% de falsos positivos entre
personas sanas. Si se toma un anciano al azar y da positivo en el TAC,
cul es la probabilidad de que est realmente enfermo?
Resp. 0,8696

7. Un servidor gestiona el correo electrnico de una institucin. El 10% de los

mensajes que se reciben son SPAM, y se desea detectarlos y eliminarlos. Se
posee un algoritmo de deteccin de correo SPAM que cuando es realmente
SPAM lo identifica con probabilidad 0,95. Sin embargo, cuando el mensaje no
es SPAM lo identifica el 3% de las veces como SPAM. Encuentre la
probabilidad de que habiendo identificado un mensaje como SPAM, ste no lo
sea.
Resp.: 0,22131

Cecilia Larran R.

PROBABILIDAD

Pgina 19

APLICACIONES DE LA PROBABILIDAD CONDICIONAL

PRUEBAS DIAGNSTICAS MDICAS

La validez de una prueba diagnstica se define como la capacidad que
tiene para distinguir quienes presentan la enfermedad y quienes no la
presentan.
Componentes:

Sensibilidad (verdaderos +): Capacidad de una prueba de

identificar correctamente (+) a aquellos que tienen la enfermedad (E)
= tasa de aciertos sobre enfermos

P(+/ E)

Especificidad: (verdaderos -): Capacidad de una prueba de

identificar correctamente (-) a aquellos que no tienen la enfermedad

P(- / EC)

(EC) = Tasa de aciertos sobre sanos

Resultado de la prueba
Positivo (+)
Negativo (-)
P(E +)
P(E -)

Enfermo (E)
No Enfermo (EC) Sano
Total

Total
P(E)

P(EC +)

P(EC -)

P(EC)

P(+)

P(-)

Ejemplo:
Poblacin
Diabtico (E)
No Diabticos
Total

Resultado de la prueba
Positivo (+)
Negativo (-)
350
150
1900
7600
2250
7750

Total
500
9500
10.000

Determine las probabilidades de aciertos:

Sensibilidad: P(+ / E) =

Especificidad: P(- /EC) =

Determine e interprete:

P(+ / EC) =

P(- / E) =

Cecilia Larran R.

PROBABILIDAD

Pgina 20

APLICACIONES DE LA PROBABILIDAD CONDICIONAL

VALORES PREDICTIVOS
Lo que interesa saber en la prcticaes, predecir si una persona est
sana o enferma, a partir del resultado del test diagnstico, es decir las
cantidades
Valor (ndice) Predictivo Positivo: Representa la probabilidad de
que la persona tenga la enfermedad al obtener (dado) un resultado
positivo en el test de diagnstico

P(E / +)

Valor (ndice)Predictivo negativo: Representa la probabilidad de que

la persona no tenga la enfermedad al obtener (dado) un resultado
negativo en el test de diagnstico

P(EC / -)

Por lo tantos, los ndices predictivos la probabilidad de un persona de

presentar o no la enfermedad dado el resultado de la prueba diagnstica

Tambin se puede obtener las probabilidades de fallo del test

P(- / E ) = coeficiente falso negativo
P (+ / EC) = coeficiente falso positivo

Cecilia Larran R.

PROBABILIDAD

Pgina 21

Errores de diagnsticos
Un individuo que presenta los sntomas de la enfermedad pero est
sano un individuo que no presenta los sntomas de la enfermedad
pero est enfermo. Probabilidad de error de diagnstico:
P(E/ -)

P(EC / +)

Prevalencia de una enfermedad: Es la probabilidad de que un

individuo tenga una enfermedad en un momento dado: P(E)
Incidencia de una Enfermedad en un intervalo de tiempo I: La
probabilidad de que se desarrolle un nuevo caso entre las personas
sanas en el intervalo I.

N de casos nuevos en I
N de casos al empezar I
Del ejemplo de la Diabetes:
Resultado de la prueba
Positivo (+)
Negativo (-)
350
150
1900
7600
2250
7750

Poblacin
Diabtico (E)
No Diabticos
Total

Total
500
9500
10.000

Valor Predictivo Positivo =

Valor Predictivo Negativo =
=

P(E / -) =

P(EC / +) =

CUANTO MAYOR SEAN LA SENSIBILIDAD Y ESPECIFICIDAD

MS FIABLE ES EL TEST

Cecilia Larran R.

PROBABILIDAD

Pgina 22

Ejercicios IV
1. Si la probabilidad de que los caballos de carrera padezcan cierta
enfermedad es del 1% y existe un test para saber si tienen o no dicha
enfermedad fiable al 90% (sensibilidad y especificidad). (a) cul es la
probabilidad de que un caballo (seleccionado al azar) tenga la enfermedad
si el test predice que la tiene? (b) Si el test resulta fiable al 99,9%. cul es
entonces dicha probabilidad?

2. La diabetes afecta al 20% de los individuos que acuden a una consulta. La

presencia de glucosuria se usa como indicador de diabetes. Su sensibilidad
es de 0,3 y la especificidad de 0,99. Calcule los ndices predictivos.
Resp: P(E/+) = 0,88

P(S/-) = 0,85

Total

Enfermo
Sano
Total

4. Para estudiar la eficacia de un nuevo test para el diagnstico de un tipo

particular de cncer que los padece el 1% de las mujeres de edad avanzada,
se aplic el test a un grupo amplio de mujeres con tal tipo de cncer y a otro
grupo de mujeres sanas, obtenindose el siguiente resultado:

Presencia del
cncer
Si
No
TOTAL

Resultado del test

+
850
150
45
1455
895
1605

TOTAL
1000
1500
2500

Estime la sensibilidad y la especificidad de la nueva prueba diagn

Cecilia Larran R.

PROBABILIDAD

Pgina 23