CICLO 2015-I Mdulo: II

Unidad: II Semana: 05

Estadstica

Lic. Max Tejero Alegre

 1. EXPERIMENTO
Es la ejecucin voluntaria de un fenmeno.
Es un proceso que genere resultados bien definidos.
Es un proceso mediante el cual se obtiene resultados de una
observacin y se caracteriza por:
Tener varios resultados posibles.
Existir incertidumbre sobre el resultado.
1. EXPERIMENTO DETERMINISTICO
Cuando el resultado de la observacin se puede
predecir con exactitud antes de realizar el
experimento. Ejemplos:
2. EXPERIMENTO ALEATORIO
Cuando los resultados del experimento no
pueden predecirse con exactitud antes de
realizar el experimento.
Tienen las siguientes caractersticas:
Cada experimento podr ser repetido
indefinidamente sin cambiar esencialmente las
condiciones.
No se puede determinar un valor A priori, sin
embargo es posible describir de antemano
todos sus resultados posibles.
3. ESPACIO MUESTRAL
Es denotado por , es un conjunto formado por todos los
posibles resultados de un experimento aleatorio.
Ejemplo1. Sea el experimento lanzar un dado y observar el
nmero que aparece en la cara superior, entonces su
espacio muestral ser: 1, 2, 3,4,5,6
Ejemplo2. Sea el experimento lanzar dos monedas y
observar el resultado, entonces su espacio muestral ser:
cc, cs, sc, ss
Ejemplo3. Sea el lanzamiento de tres monedas y observar
su cara superior, entonces su espacio muestral ser:
ccc, ccs, csc, scc, css, scs, ssc, sss
Ejemplos:
E1 = lanzar una moneda
1 = {cara, sello}
E2 = seleccionar de un lote, un frasco de medicamentos.
2 = {adecuado, inadecuado}
E3 = extraer una muestra de sangre a una persona.
3 = {grupo sanguneo}
E4 = jugar un de futbol
4 = { ganar, perder, empatar }
E5 = llevar a cabo una visita de ventas
5 = { venta o no venta }
10
4. EVENTO:

Se le llama evento a cualquier subconjunto

del espacio muestral y lo denotamos por
A, B, C, D, E, etc., si A es un evento
entonces A.
Es un conjunto de puntos muestrales (en
resultados experimentales).
Se cumple que y son eventos seguro
e imposible.
Ejemplo:
= Lanzar un dado.
= { 1,2,3,4,5,6}

Podemos establecer el siguiente evento:

A: Ocurre un nmero par

A = { 2,4,6}
C. SUCESO. Es todo elemento de un espacio muestral y se denota con
w, x, y,z...
i) si x es un suceso x

Ejercicio: Una moneda se lanza 3 veces y se observan sus caras superiores.

Describa los siguientes eventos:
A: Ocurre por lo menos dos caras
B: Ocurre sello en el tercer lanzamiento
C: Ocurre a lo mas una cara

ccc, ccs, csc, scc, css, scs, ssc, sss

D. OPERACIONES CON EVENTOS
Se usan las mismas operaciones de los conjuntos:
i) es el conjunto universal
ii) es el conjunto vaco
iii) A, B, C los eventos (son los subconjuntos)
Propiedades
a) A B B A
b) A ( B C ) ( A B ) C y A ( B C ) ( A B ) C (L. Asociativa)

c) A ( B C ) ( A B ) ( A C )

d) A ( B C ) ( A B ) ( A C ) (L. Distributiva)

e) ( AC )C A

f) ( A B )C AC BC y ( A B )C AC BC (L. Morgan)
Eventos mutuamente excluyentes

dos eventos A y B definidos en el mismo

espacio muestra, se dice que son
mutuamente excluyentes si no pueden
ocurrir juntos.
Es decir la ocurrencia de uno excluye la
ocurrencia de otro.
En smbolos AB=
Eventos Mutuamente Excluyentes. Si no pueden ocurrir juntos (Disjuntos) es decir
si A B .
Ejemplo1: Un experimento aleatorio consiste en seleccionar clientes de un Banco y
observar su edad. Sea el evento A: El cliente seleccionado al azar tiene mas de 30
aos y B: El cliente seleccionado tiene menos tiene menos de 25 aos.
Ejemplo2: Se numeran a los trabajadores de una empresa segn su edad del 1 20
y sean los eventos.
A: El nmero elegido es par
B: El nmero elegido es primo
C: El nmero elegido es mltiplo de 5

Liste los siguientes eventos: A B ; A B ; A C ; ( A B ) C C

C

6. P Ac 1 P A

7. Si A B P A P B

5.4. EVENTOS INDEPENDIENTES

Dos eventos, A y B, son independientes si la ocurrencia de uno no tiene que ver con la
ocurrencia de otro. Por definicin, A es independiente de B si y slo si:

P( A B ) P( A ).P( B )
Ejemplo:

A: la suma de los puntos obtenidos en los

dos lanzamientos es 7
B: en los dos dados se obtienen el mismo
nmero
A y B son mutuamente excluyentes, pues el
evento
A = { (3,4), (4,3), (1,6), (6,1), (5,2), (2,5) }
B = { (1,1), (2,2), (3,3), (4,4), (5,5), (6,6) }
Eventos colectivamente exhaustivos

Se dice que una coleccin de eventos

A1, A2, ..., An ; definidos sobre el
mismo espacio muestral son
colectivamente exhaustivos si la unin
es igual al espacio muestral.
Es decir:

n
A1UA2U... U An = U Ai =
i=1
Sea el experimento, contar el numero de personas
atendidas por un banco en un periodo de tiempo. Sean los
eventos
A: Menos de 11 personas han sido atendidos
B: De 11 a 20 personas han sido atendidos
C: Mas de 15 personas han sido atendidos
Los eventos A, B y C son colectivamente exhaustivo,
pues:
AUBUC ={ 0, 1, 2, ...} =
Podemos considerar los siguientes sucesos:
A: la suma de puntajes es 7, es decir
A={(1,6) (2,5) (3,4) (4,3) (5,2) (6,1)}

B: la suma de puntajes es 11, es decir

B={(5,6) (6,5)}

C: la suma de puntajes es 7 u 11, es decir

C={(1,6) (2,5) (3,4) (4,3) (5,2) (6,1) (5,6) (6,5)}

23
 4. TECNICAS DE CONTEO
Son procedimientos o arreglos de enumeracin para
determinar el tamao del espacio muestral. Es necesario
desarrollar algunas tcnicas de enumeracin entre las
cuales esta: el Anlisis Combinatorio
ANALISIS COMBINATORIO
Es un procedimiento ms sencillo para determinar el nmero
total de resultados. Con este fin, nos apoyaremos en los
conceptos permutaciones y combinaciones, los cuales
tienen como base el principio fundamental del conteo.
DIAGRAMAS DE RBOL
Los diagramas de rbol son ordenaciones empleadas para enumerar todas las posibilidades
lgicas de una secuencia de eventos, donde cada evento puede ocurrir en un nmero finito.
Proporcionan un mtodo sistemtico de enumeracin objetiva de los resultados.
Ejemplo3. Una lnea de produccin clasifica sus productos en defectuoso D y no
defectuosos N. De un almacn se extraen artculos hasta observar 2 defectuosos
consecutivos o hasta que se hayan verificado 4 artculos. Construir el espacio muestral
mediante el diagrama del rbol.

DD, NDD,....., NNNN ; n( ) 12

 PERMUTACIONES
Una permutacin de un conjunto de
elementos, es un ordenamiento
especfico de todos o algunos
elementos del conjunto, facilita el
recuento de las ordenaciones
diferentes que pueden hacerse con
los elementos del conjunto.

Nota: En una permutacin el orden

en que se disponen los elementos
del conjunto es importante.
 A. PERMUTACIONES DE n ELEMENTOS
Por el principio fundamental del conteo podemos enunciar que
el nmero de permutaciones de n objetos distintos tomados de
n en n, es: Pn = n!
n! = n (n -1 ) (n -2 )...3 x 2 x 1
5! = 5 x 4 x 3 x 2 x 1 = 120
Por definicin 0! = 1
Ejemplo1: Se quiere conocer el conjunto de todas las
disposiciones posibles de tres personas colocadas en hilera
para tomar una fotografa. P3 = 3! = 6
 Ejemplo2: Cinco personas desean
nombrar un Comit Directivo
compuesto de un presidente, un
vicepresidente, un secretario, un
tesorero y un vocal. Cuntas
maneras hay de constituir el
comit?
P5 = 5! = 120

Ejemplo3: Hay seis banderas

de distintos colores. Cuntas
seales diferentes se pueden
enviar usando las seis
banderas al mismo tiempo?
P6 = 6! = 720
 B. PERMUTACIONES CIRCULARES.
Cuando los elementos se encuentran
dispuestos en forma circular tenemos:
n Pc = (n 1)!

Ejemplo : De cuntas maneras

podemos ordenar 5 llaves en un llavero?
5 Pc = (5 1)!= 4!= 24
 COMBINACIONES
Una combinacin es un subconjunto o una disposicin de
todos los elementos de un conjunto, sin tener en cuenta el
orden de ellos. El nmero de combinaciones o subconjuntos
no ordenados, cada uno formado por r elementos, que
pueden obtenerse de un conjunto de n elemento es:
 Ejemplo1: Si de un estante tomamos 2 de 3 libros,
Cuntas combinaciones pueden realizarse?

Por lo tanto, el resultado se reduce a 3 posibles formas

ya que en una combinacin el orden de los elementos
no es importante.
 Ejemplo2: Se tienen cinco obreros para un trabajo especial que
requiere de tres de ellos. De cuntas maneras diferentes se
puede seleccionar un equipo de tres?

Ejemplo3: De un club de 20 socios, se van a seleccionar 3 para

formar la mesa directiva. De cuntas formas puede
constituirse?
 5. PROBABILIDAD.
DEFINICION CLSICA DE PROBABILIDAD
Dado un evento A, asociado a un experimento aleatorio, se
llama probabilidad de A, y se representa por el smbolo
P(A), a la divisin del nmero de resultados favorables
para la ocurrencia del evento, entre el nmero total de
posibilidades Y se denota por:

#( A)
P ( A)
#()
 Ejemplo de Probabilidad
Ejemplo: En el experimento de lanzar un dado,

Determinar la probabilidad de que en la cara superior aparezca el nmero 5

1,2,3,4,5,6 , 6 resultados posibles

Sea el evento A 5 , un resultado favorable

1
P ( A) 0,167
6
Determinar la probabilidad de que se obtenga un nmero par
Sea el evento B 2,4,6 , 3 resultados favorables

3 1
P ( B) 0,5
6 2
ESTADISTICA I

Propiedades de las probabilidades

Sean los eventos A y B asociados al espacio muestral . Entonces se cumplen las
siguientes propiedades.

1. 0 P ( A) 1

2. P ( ) 1 es decir, la probabilidad del suceso seguro , es igual a la unidad.

3. P 0

4. P A B P A P B P A B .

5. P ( A B ) P ( A) P ( B ) para todo A y B eventos disjuntos. Observacin: A y B

son disjuntos si su A B
Definicin de Probabilidad
Es un nmero que mide la verosimilitud de la ocurrencia de
un evento.
Principios para asignar probabilidad:
a) La probabilidad de cada punto muestral debe estar entre 0
y1
b) La suma de las probabilidades de todos los puntos
muestrales debe ser iguales a 1.
0 0,5 1
Improbable Tan probable Probable
como improbable

37
Una probabilidad cercana a 0 indica que es muy improbable
que ocurra un evento.
Una probabilidad cercana a 1 indica que es seguro que
ocurra un evento.

Ejemplos:

1. Se lanza una moneda

W={cara, sello}
P(cara) = 0,5 P(sello) = 0,5

38
2. Se lanzan 3 monedas

W = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}

1/8 1/8 1/8 1/8 1/8 1/8 1/8 1/8

A: obtener exactamente 2 caras

A = {CCS, CSC, SCC}

P(A) = 1/8 + 1/8 + 1/8 = 3/8

39
Conclusiones:
De acuerdo a la definicin de probabilidad de un
suceso, y a los dos principios, tenemos las siguientes
conclusiones:

(1) P() = 1

(2) P( ) = 0

(3) P(A) = 1 - P(A)

40
 Ejemplos de probabilidades
1. Un investigador trabaja con un nuevo frmaco
para insensibilizar a los pacientes frente a
picaduras de abejas. De 200 sujetos sometidos a
prueba, 180 presentaron una disminucin en la
gravedad de los sntomas tras sufrir una picadura,
despus de ser sometidos al tratamiento.
2. Un paciente sufre de clculos renales, y no se ha
conseguido mejora alguna a partir de mtodos
ordinarios. Su medico sta plantendose el llevar
a cabo una intervencin quirrgica y debe
responder a la siguiente pregunta: Cul es la
probabilidad de que la operacin sea un xito?.

41
PROBABILIDAD DEL PUNTO ESTADISTICO
... Quien emplea la estadstica aplicada prefiere
pensar en la probabilidad como el nmero de
veces en las que se presentar determinada
situacin si una experiencia fuera repetida
indefinidamente en situaciones de naturaleza
repetitiva o que pudiera concebirse de esa
manera ...

42
Reglas de probabilidad
Regla de la Adicin

A B

(A B)
U

U
P(AUB) = P(A) + P(B) - P (A B)
43
Regla de adicin para sucesos
mutuamente excluyentes
Dos sucesos son mutuamente excluyentes,
si no tienen elementos comunes

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

(A B) =
U
Si :
Por lo tanto : P(A B) = 0
U

44
Ejemplo :
Se extrae una carta de una baraja. Cul
es la probabilidad de que sea un as o un
rey?

4
P(A) = P(AUR) = P(A) + P(R)
52
4 4
P(R) =
4 =
52 52
52
8
=
52
45
 PROBABILIDAD CONDICIONAL
Ocurre cuando dos eventos se relacionan de manera tal que la
probabilidad de ocurrencia de uno depende de la ocurrencia del otro.

Definicin1: Sean A y B dos eventos tal que , la probabilidad condicional

de que ocurra el evento A dado que ha ocurrido B, se denota:
P( A B )
P( A / B )
P( B )

Ejemplo1: A que ser igual P( A / ) ?

Ejemplo2: Sea el lanzamiento de un dado y observar su cara superior y sean los eventos
A: Se observa un nmero impar
B: Se observa un nmero mayor a 2
Hallar P( A / B )
Ejemplo3: En una universidad el 70% de los estudiantes son de ciencias y el 30% de letras;
de los estudiantes de ciencias el 60% son varones y los de letras son varones el 40%. Si se
elige aleatoriamente un estudiante, calcular la probabilidad que:
a) Sea un estudiante varn
b) Sea un estudiante varn si es de ciencias
c) Sea un estudiante de ciencias si es varn
d) Sea un estudiante de ciencias y varn
Solucion3: Ordenando los datos en una tabla
Esp/Sexo Varones Mujeres Total
Ciencias 0.42 0.28 0.70
Letras 0.12 0.18 0.30
Total 0.54 0.46 1.00
a) P(V ) 0.54

P(V C ) 0.42
b) P(V / C ) 0.6
P( C ) 0.70
P( C V ) 0.42
c) P( C / V ) 0.778
P(V ) 0.54
d) P(V C ) 0.42
 1.2 REGLA DE LA MULTIPLICACION
Se define a partir de la probabilidad condicional:

Definicin2: Sean A y B dos eventos cualesquiera, entonces se tiene:

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

Ejemplo1: Una urna contiene 5 fichas blancas y 6 negras, se extrae al azar sucesivamente
y sin reposicin dos fichas Cul es la probabilidad de que las dos resulten blancas?

Solucin1: Planteamos los siguientes eventos:

A: La primera sali blanca
B: La segunda sali blanca
D: Las dos fichas son blancas
5 4 2
P( A B ) P( A )P( B / A )
11 10 11
Ejemplo2: En un sistema de alarma, la probabilidad de que se produzca un peligro es 0.10.
Si este se produce, la probabilidad de que la alarma funcione es de 0.95. La probabilidad
que funcione la alarma sin haber habido peligro es 0.03. Determinar la probabilidad que
haya un peligro y la alarma no funcione.

Solucin 2:

P( P F ) P( P )P( F / P ) 0.10(0.05 ) 0.005

 1.3 TEOREMA DE LA PROBABILIDAD TOTAL
Definicin 3: Sea A1 , A2 ,...., An una particin del espacio muestral tal que: P( Ai ) 0 ,

entonces para cualquier evento B de se tiene:

n
P( B ) P( Ai )P( B / Ai ) P( A1 )P( B / A1 ) P( A2 )P( B / A2 ) ... P( An )P( B / An )
i 1

Ejemplo1: Se conoce que cierta mquina que produce tornillos trabaja correctamente el
90% del tiempo. Si la mquina no esta trabajando correctamente, el 5% de los tornillos
producidos son defectuosos. Cuando esta trabajando bien solamente el 0.5% de tornillos
son defectuosos. Si se escoge un tornillo aleatoriamente Cul es la probabilidad que sea
defectuoso?

P( D ) P( C )P( D / C ) P( C )P( D / C )
= 0.90( 0.005 ) 0.10( 0.05 ) 0.0095
 1.4 TEOREMA DE BAYES
Si los eventos A1 , A2 ,...., An forman una particin del espacio muestral , y B un evento

cualquiera de , entonces:
P( Ai )P( B / Ai )
P( Ai / B ) n

P( A )P( B / A )
i 1
i i

Ejemplo 1: En una lnea de produccin hay dos procesos, A y B. en el proceso A hay un

20% de defectuosos y en B hay 25%. En una muestra de 300 productos hay 200 del
proceso A y 100 del B.
a) Si se extrae un producto al azar, hallar la probabilidad que sea defectuoso.
b) Si al extraer el producto result defectuoso, halle la probabilidad de que sea del
proceso A.
c) Cul es la probabilidad que un producto defectuoso sea del proceso B?
Solucin 1: Sean los siguientes eventos:
A: El producto es del proceso A
B: El producto es del proceso B
D: El Producto es defectuoso
D : El Producto es no defectuoso

a) Aplicaremos Teorema de la Probabilidad Total:

P( D ) P( A )P( D / A ) P( B )P( D / B )
200 100 65
= ( 0.20 ) ( 0.25 )
300 300 300

b) Aplicando Teorema de Bayes:

P( A )P( D / A ) ( 2 / 3 )( 0.2 )
P( A / D ) 0.615
P( A )P( D / A ) P( B )P( D / B ) ( 2 / 3 )( 0.2 ) ( 1 / 3 )( 0.25 )

P( B )P( D / B ) ( 1 / 3 )( 0.25 )
c) P( B / D ) 0.308
P( B )P( D / B ) P( A )P( D / A ) ( 1 / 3 )( 0.25 ) ( 2 / 3 )( 0.20 )
 EJERCICIOS PROPUESTOS
ESTADISTICA DESCRIPTIVA

1. Un restaurante campestre solamente presenta dos tipos de comida: ensalada completa

o un plato a base de carne. 20% de los clientes del sexo masculino prefieren ensalada
completa; 30% de las mujeres escogen carne, 75% de los clientes son hombres. Hallar
la probabilidad: (Mtodo Tabular)
a) Que el cliente prefiera ensalada completa si es mujer
b) Que prefiera carne dado que es hombre
c) Si el cliente prefiere carne, sea de sexo Masculino
d) Que sea del sexo femenino, si prefiri ensalada.

2. Tenemos tres urnas: A con 3 bolas rojas y 5 negras, B con 2 bolas rojas y 1 negra y C
con 2 bolas rojas y 3 negras. Escogemos una urna al azar y extraemos una bola. Si la
bola ha sido roja Cul es la probabilidad de haber sido extrada de la urna A?

3. La Compaa ensambladora de automviles HOT ROAD, se ha presentado a una

licitacin, para ensamblar un nuevo modelo de automvil. La probabilidad que HOT
ROAD gane la licitacin es de 0.90 si una firma competidora MOTOR FULL no se
presenta a ella, en tanto que es solo 0.20 s MOTOR FULL se presenta. El Gerente
General de HOT ROAD estima que hay una probabilidad de 0.80 que MOTOR FULL se
presente.
a) Cul es la probabilidad que HOT ROAD gane la licitacin?
b) Dado que HOT ROAD gan la licitacin, Cul es la Probabilidad que MOTOR FULL
se haya presentado a ella?
 EJERCICIOS RESUELTOS
1. Sean A y B dos sucesos aleatorios con p(A)
= 1/2, P(B) = 1/3, P(A B)= 1/4. Determinar:
a) P( A / B)
P( AB) 1/ 4 3
P( A / B)
P( B) 1 / 3 4

b) P( B / A)
P( AB) 1/ 4 1
P( B / A)
P( A) 1/ 2 2
c) P( A B)
1 1 1 7
P( A B) P( A) P( B) P( AB)
2 3 4 12
2. Sean A y B los sucesos tales que:
P[A] = 0,4 P[A B] = 0,4 P[A B] = 0,1
Calcula P[A B] y P[B].
SOLUCION
Calculamos en primer lugar P[B]:

P[B] = P[AB] + P[AB] =0,4 + 0,1 = 0,5

P[AB] = P[A] + P[B] - P[AB] = 0,4 + 0,5 - 0,1 =
0,8
3. Sean A y B dos sucesos de un espacio de
probabilidad tales que:
P[A'] = 0,6 P[B] = 0,3 P[A'B'] = 0,9
a) Son independientes A y B?
b) Calcula P[A' / B].
Solucin:
a) P[A'B'] = P[(AB )'] =1 - P[AB] = 0,9 P[AB] =
0,1

P[A'] = 1 - P[A] = 0,6 P[A] = 0,4

P(( A).P( B) 0,4 0,3 0,12

P( AB) P( A) P( B)
P( AB) 0,1
Por tanto, A y B no son independientes
 P A' / B
b) Como: P( A' B)
P( B)

P
Necesitamos calcular:( A' B )

P[AB] = P[B] - P[AB] = 0,3 - 0,1 = 0,2

Por tanto:

P A' / B
P( A' B) 0,2
0,67
P( B) 0,3
4. Dos personas eligen al azar, cada una de ellas,
un nmero del 0 al 9. Cul es la probabilidad de
que las dos personas no piensen el mismo
nmero?
Solucin:
Para calcular la probabilidad, suponemos que el
primero ya ha elegido nmero.
La pregunta es: cul es la probabilidad de que el
10
segundo elija el mismo nmero? P( A) 0,1
Sea A: el numero pensado por el primero 100

Por tanto, la probabilidad de que no piensen el

mismo nmeroPser: 10
( A' ) 1 P( A) 1 0,9
100

5. En un viaje organizado por Europa para 120

personas, 48 de los que van saben hablar
ingls, 36 saben hablar francs, y 12 de ellos
hablan los dos idiomas.
Escogemos uno de los viajeros al azar.
a) Cul es la probabilidad de que hable
alguno de los dos idiomas?
b) Cul es la probabilidad de que hable
francs, sabiendo que habla ingls?
c) Cul es la probabilidad de que solo hable
francs?
Solucin:
Vamos a organizar los datos en una tabla,
completando los que faltan:
 Llamamos I = "Habla ingles", F = "Habla francs".
a) Tenemos que hallar P[I F]:
48 36 12
P(I F ) P( I ) P( F ) P( IF ) 0,6
120 120 120
12
b) P(F/I) 0,25
48
24
c) P(F I' ) 0,2
120
Derivacin de la frmula:

P(F B)
P(F ) =
A P(A)

comprobando: 3
P(F ) = 11
A 8
11

3
P(F ) =
A 8

ANIVAL TORRE 61
Regla de la Multiplicacin

A partir de
P(A B)
P(B )
A P(A)

Se despeja

P(A B) P(A) P B ( A)
62
Aplicacin:
Se sabe que en un lote de medicamentos de 50 frascos,
hay 4 que no estn adecuadamente empacados
(defectuosos). Si se extraen al azar 2 frascos, uno a
continuacin del otro, cul es la probabilidad de que
ambos sean defectuosos?.

P(D1 )
4 (
P(D1 D 2 ) P(D1 ) P D 2
D
)
50 1

D 3 4 3 12
P( 2 ) =
D1 49 50 49 2450
63
Ejercicio :
En una poblacin de pacientes hospitalizados, la
probabilidad de que uno de ellos, elegido aleatoriamente
tenga problemas cardiacos es 0,35. La probabilidad de
que un paciente con problemas cardiacos sea un fumador
es de 0,86. Cul es la probabilidad de que el paciente
elegido al azar de entre la poblacin sea fumador y tenga
problemas cardiacos?.

64
Regla de la Multiplicacin para Sucesos
Independientes.
Los sucesos A y B se consideran
independientes cuando la ocurrencia de
uno no influye sobre la probabilidad de
ocurrencia del otro; esto significa que,
independientemente de que A haya
ocurrido o no, la probabilidad asignada a B
es siempre la misma.
Entonces,

P (B
A
) P(B) P(A B) P(A) P(B)
65
Ejemplo:
Cul es la probabilidad de que en una familia
con dos hijos, ambos sean varones?

P(V1 ) 0,5
P(V2 ) 0,5

P(V1 V2 ) P(V1 ) P(V2 ) = (0,5) (0,5) 0,25

66
 Una Regla para contar Experimentos
de Pasos Mltiples
Si un experimento consiste en una secuencia de k
pasos en el cual existen n1 posibles resultados
para el primer paso, n2 posible resultados para el
segundo paso, y as sucesivamente, luego, el
numero total de elementos del espacio muestral es:
(n1)(n2) . . . (nk).
Ejemplo: Inversiones Bolvar puede ser visto como
un experimento de dos pasos; este envuelve dos
tipos de acciones, cada una con un conjunto
puntos muestrales: Milpo S.A.: n1 = 4
Caylloma S.A.: n2 = 2
Numero Total de Experimentos: n1n2 = (4)(2) = 8
67
Diagrama de rbol Inversiones Bolvar
Milpo S.A. Caylloma S.A. Espacio
(Etapa 1) (Etapa 2) muestral

Gana 8 (10, 8) Gana $18000

(10, -2) Gana $8000
Pierde 2 (5, 8) Gana $13000
Gana 10 Gana 8
Gana 5 (5, -2) Gana $3000
Pierde 2
No gana Gana 8
Ni pierde (0, 8) Gana $8000
Pierde 2 (0, -2) Pierde $2000
Pierde 20 Gana 8
(-20, 8) Pierde$12000
Pierde 2 (-20, -2) Pierde$22000
 Regla para contar Combinaciones
Otra regla de gran ayuda que nos permite contar el
numero de elementos de prueba cuando n objetos
son seleccionados de un conjunto de N objetos.

El numero de combinaciones de N objetos tomando

n objetos a la vez es:
n N!

N n !( N n )!

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

n! = n(n - 1)(n - 2) . . . (2)(1)
0! = 1 69
 Asignacin de Probabilidades
para Resultados Experimentales
Mtodo Clsico
Asignacin de probabilidades basados en el
supuesto de Resultados Igualmente Probables.
Mtodo de Frecuencia Relativa
Asignacin de probabilidades basados en la
experimentacin o en datos histricos.
Mtodo Subjetivo
Asignacin de probabilidades basados en el
criterio del experto o la apreciacin del decisor.
70
 Interseccin de Dos Eventos
Ejemplo:
Evento M = Milpo S.A. Rentable
Evento C = Caylloma S.A. Rentable
M C = Milpo S.A. Rentable y Caylloma S.A. Rentable
M C = {(10, 8), (5, 8)}
P(M C) = P(10, 8) + P(5, 8)
= 0,20 + 0,16
= 0,36

71
 Ley de Adicin
La ley adicin proporciona una forma para calcular la
probabilidad del evento A o B o Ambos.
La ley de adicin tiene la forma siguiente:
P(A B) = P(A) + P(B) - P(A B)
Ejemplo: Milpo S.A. o Caylloma S.A. Rentable
Sabemos : P(M) =.70, P(C) =.48, P(M C) =.36
Por lo tanto: P(M C) = P(M) + P(C) - P(M C)
= .70 + .48 - .36 = .82
Este resultado es el mismo obtenido antes usando
la definicin de probabilidad de un evento.
72
 Ley de Adicin para Eventos
Mutuamente Excluyentes
Esta dicho que Dos eventos son mutuamente
excluyentes si los eventos no tienen punto
muestral en comn.

Espacio Muestral Evento Evento

A B

Ley de Adicin para Eventos Mutuamente

excluyentes:
P(A B) = P(A) + P(B)
73
 Probabilidad Condicional
A la probabilidad de un evento dado por otro evento
que ya ocurri se le llama probabilidad condicional.
La Probabilidad Condicional de A dado que B es
denotado por P(A|B).
Una probabilidad condicional se calcula as:
P( A B)
P ( A| B )
P( B)
Ejemplo: Caylloma S.A. Rentable dado que Milpo
S.A. Rentable
P (C M ) .36
P (C | M ) .51
P( M ) . 70
74
 Ley de Multiplicacin
La ley de multiplicacin proporciona una forma para
calcular la probabilidad de una interseccin de dos
eventos.
La ley se escribe as: P(A B) = P(B)P(A|B)
Ejemplo: Milpo S.A. y Caylloma S.A. Rentable
Sabemos: P(M) = 0,70, P(C|M) =0,51
Por lo tanto:P(MC) = P(M)P(M|C)=(0,70)(0,51)
P(MC) = 0,36
Este resultado es el mismo obtenido antes usando
la definicin de probabilidad de un evento.

75
 Ley de Multiplicacin para Eventos
Independientes
Eventos A y B son independientes si P(A|B) = P(A).
Ley de Multiplicacin para Eventos Independientes :
P(A B) = P(A)P(B)
La ley de multiplicacin tambin puede ser usada
como un test para ver si dos eventos son
independientes.
Ejemplo: Son M y C independientes?
es P(M C) = P(M)P(C) ?
Sabemos: P(MC) =0,36, P(M) =0,70, P(C)=0,48
Pero: P(M)P(C) = (0,70)(0,48) = 0,34
0,34 entonces M y C no son independientes.
76
 Teorema de Bayes
A menudo empezamos un anlisis de probabilidades
con probabilidades previas o iniciales.
Luego, de una muestra, reporte especial o de una
evaluacin del producto obtenemos alguna
informacin adicional.
Dada esta informacin, calculamos las
probabilidades revisadas o posteriores.
El teorema de Bayes proporciona los puntos para
revisar las probabilidades previas.

Aplicacin
Probabilidades Nueva Probabilidades
del Teorema
Previas Informacin Posteriores
De Bayes
77
 Teorema de Bayes
Para encontrar la probabilidad posterior de que el
evento Ai ocurrir puesto que el evento B ya ocurri
aplicamos el teorema de Bayes.
P(A i )P(B | A i )
P(A i | B)
P(A1 )P(B | A1 ) P(A 2 )P(B | A 2 ) ... P(A n )P(B | A n )

El teorema de Bayes es aplicable cuando los

eventos para los cuales queremos calcular las
probabilidades posteriores son mutuamente
excluyentes y su unin es todo el espacio muestral.
78
 Ejemplo de Teorema de Bayes
Una firma que recibe embarques de piezas de dos
proveedores. A1 representa el evento de que una
pieza es de proveedor 1, y A2 representa el evento
de que una pieza proviene de proveedor 2.
Actualmente, 65% de las piezas adquiridas por
empresa provienen del proveedor 1 y 35% restante
del proveedor 2.
La calidad de las piezas adquiridas vara con la
fuente de suministro. Con base a datos histricos,
las probabilidades condicionales de recibir piezas
buenas y malas de los dos proveedores aparece en
la tabla.
79
Continuacin del problema
Piezas buenas Piezas malas
Proveedor 1 0.98 0.02
Proveedor 2 0.95 0.05 P(B / A1)

Ahora, suponga que las piezas de los dos

productores se utilizan en las manufacturas de la
empresa y que una pieza mala hace que una
mquina se descomponga.
Cul es la probabilidad de que dicha pieza mala
provenga del proveedor 1 y cul es la
probabilidad de que provenga del proveedor 2?
80
 Ejemplo: Aplicacin Teorema de Bayes
Diagrama de rbol de dos pasos
G (A1 , G)

A1
B
(A1 , B)

G (A2 , G)
A2

B (A2 , B)
81
 Ejemplo: Aplicacin Teorema de Bayes
Anlisis de rbol de Probabilidades

P(G|A1) P(A1 G) = P(A1) P(G|A1)= 0.65*0.98 = 0.6370

P(A1)
P(A1 B) = P(A1) P(B|A1)=0.65*0.02 = 0.0130
P(B|A1)

P(G|A2) P(A2 G) = P(A2) P(G|A2)=0.35*0.95 = 0.3325

P(A2)

P(B|A2) P(A2 B) = P(A2) P(B|A2)=0.35*0.05 = 0.0175

Pregunta: P(A1|B) = ? P(A2|B) = ?

82
 Ejemplo: Aplicacin Teorema de Bayes
Pregunta: Cul es la prob. de que siendo mala la
pieza provenga del proveedor A1 y cul de A2?
P (A1|B) =? P (A2|B) = ?

P (A1|B) = P (A1 B)
P (B)

P (A1 B) = P (A1) P (B|A1)

P (B) = P (A1 B) + P (A2 B) = P (A1) P (B|A1) + P (A2) P (B|A2)

P (A1) P (B|A1)
P (A1|B) =
P (A1) P (B|A1) + P (A2) P (B|A2)

P (A2) P (B|A2)
P (A2|B) =
P (A1) P (B|A1) + P (A2) P (B|A2) 83
 Ejemplo: Aplicacin Teorema de Bayes
Resumen de los clculos

P (B) = 0.0305

P (A1|B) = 0.4262
P (A2|B) = 0.5738

84
 Ejercicio para la casa
La situacin de promocin de oficiales hombres y mujeres de una fuerza
policaca metropolitana importante. Consta de 1200 oficiales; 960
hombres y 240 mujeres. Durante los dos aos anteriores, han sido
ascendidos 324 agentes. La tabla muestra el desglose especfico de las
promociones para agentes masculinos y femeninos. Despus de revisar
el registro de ascensos, un comit de agentes mujeres entablaron una
demanda de discriminacin con base en que los dos ltimos aos slo
se haba ascendido a 36 mujeres. La administracin de la polica aleg
que el relativamente bajo nmero de promociones para mujeres se
deba no a discriminacin sino al hecho de que en la corporacin
existan pocos agentes mujeres. Evaluar el cargo por discriminacin.
Ascendidos No ascendidos Total
Hombres 288 672 960
Mujeres 36 204 240
Total 324 876 1200
85
El teorema de Bayes
Consiste en una particin de la probabilidad total.
Ejemplo 1:
La Compaa de Seguros JL ha desarrollado un
novedoso seguro mdico familiar. De acuerdo con
una investigacin hecha en el mercado, la
probabilidad de que el producto tenga xito es
0,80 si una compaa competidora no introduce
un plan similar en el mercado, en tanto que la
probabilidad de xito es 0,30 si la empresa
competidora lanza al mercado un seguro similar.
Adems, la compaa JL estima que hay una
probabilidad de 0,40 de que la firma competidora
comercialice el producto.
86
Dado que el producto de la Compaa JL tuvo
xito, cul es la probabilidad de que la firma
competidora haya comercializado su novedoso
plan de seguro?
Solucin:

P(C) = probabilidad de que la compaa

competidora comercialice el producto,
P(C) = probabilidad de que la compaa
competidora no comercialice el
producto,
P(E) = probabilidad de que el plan de seguro
familiar de la compaa JL tenga xito.

87
P. Marginal P. Condicional P. Conjunta

P(E/C) = 0,30 P(C E) = 0,40 0,30 = 0,12

P (C E) = 0,60 0,80 = 0,48

'
P(E/C) = 0,80
P. Total P(E) = 0,60

88
Luego, de acuerdo con el Teorema de Bayes

P (C E)
P(C ) =
E P (C E) + P (C ' E)
0.12 0.12
0.20
0.12 0.48 0.60

La probabilidad que la compaa de seguros haya

participado en el mercado, dado que JL tuvo xito
es de 0,20.

89
Esto significa que el proveedor no est seguro
acerca de la proporcin de equipos defectuosos en
el lote, sin embargo, basndose en experiencias
anteriores, cree que hay una probabilidad de 0,20
de que el lote tenga 10% de piezas defectuosas,
una probabilidad de 0,30 de que tenga 15%. Y
finalmente, de 0,50 de que tenga 25% de piezas
defectuosas. Supongamos que elige un equipo de
venoclisis al azar en el lote:
A) Cul es la probabilidad de qu esta sea
defectuosa?
B) Dado que el equipo resulta defectuoso, cul
es la probabilidad de que el lote tenga
25% de piezas defectuosas?
90
P. Marginal P. Condicional P. Conjunta

P(D/1)= 0,10
1=0,10 P( 1 D) = 0,20 0,10 = 0,0200

P(D/2)= 0,15
P(2) = 0,30 =0,15
2 P( 2 D) = 0,30 0,15 = 0,045

P(D/3)= 0,25
3=0,25 P( 3 D) = 0,50 0,25 = 0,1250
P(D) = 0,1900
91
 Respuesta A:
Hay tres maneras posibles de obtener un equipo
defectuosa del lote. Por lo tanto, la probabilidad de
obtener una pieza defectuosa, cualquiera que se la
tasa porcentual de defectuosos 10, 15 25 es:

P( D) P( 1 D) P( 2 D) P( 3 D)

P( D) 0,0200 0,0450 0,1250 0,19

92
Respuesta B:

De acuerdo con el Teorema de Bayes, la

probabilidad de que el lote contenga 25% de
piezas defectuosas, dado que la pieza elegida es
defectuosa, es:

P( 3 D) 0.1250
P( 3 / D) 0.6579
P( D) 0.1900

93
Ejercicio :
Un mdico ha decidido recetar dos nuevos medicamentos a
200 pacientes enfermos del corazn de la manera siguiente:
50 pacientes tomarn el medicamento A, otros 50 tomarn
el medicamento B y los otros 100 restantes tomarn ambos
medicamentos. El medicamento A reduce la probabilidad de
un infarto en 0,35 , el medicamento B reduce la probabilidad
de un infarto en 0,20 y los dos medicamentos, cuando se
les toma juntos, actan de manera independiente.
Los 200 pacientes fueron escogidos entre los que tenan
0,80 de probabilidad de sufrir un infarto. Si un paciente
elegido al azar sufre un infarto, cul es la probabilidad de
que haya tomado ambos medicamentos?
94