Vous êtes sur la page 1sur 48

LEYES DE PROBABILIDAD:

Las relaciones que se dan entre los eventos al


ser aplicadas las operaciones que se
presentaron, se facilitan y comprenden mejor
haciendo uso de los axiomas y teoremas de
probabilidad (Leyes de Probabilidad).
Axioma: Es una verdad evidente que no
requiere demostracin.
Teorema: Es una verdad que requiere ser
demostrada.
AXIOMA 1:
Sea S un espacio muestral cualquiera y A un
evento, tal que A c S, entonces se cumple que

0 s P(A) s 1
esto significa que la probabilidad de cualquier
evento no puede ser ms grande que uno, ni ser
menor que cero. Si es igual a 1 se llama evento
seguro, y cuando es cero se llama evento
imposible.

P(A)
___________________________________
-2 -1 0 1 2
AXIOMA 2:
La probabilidad del espacio muestral S es un evento seguro y
es uno:
P(S) = 1
Ejemplo.-
Experimento.- Se lanza un dado.
Si A = S, es decir si el evento A coincide o es igual al espacio
muestral, entonces:
1
) (
) (
) (
) (
) ( = = =
S N
S N
S N
A N
A P
TEOREMA 1:
Si u es el conjunto vaco, entonces la probabilidad de u es
igual a cero:



Ejemplos:
Una persona que quiere ganar la lotera nacional, pero no
compra boleto.
Que aparezca un siete al lanzar un dado.
Que una persona viva 250 aos.
En estos casos los eventos son vacos.
0
) (
0
) (
) (
) ( = = =
S N S N
N
P
|
|
AXIOMA 3:
Sea S un espacio muestral cualquiera y sean A y B
dos eventos tales que: A c S, B c S y A B = C, es
decir, dos eventos mutuamente excluyentes,
entonces
P(A B) = P(A) + P(B)
Experimento: Se lanzan dos monedas.
Espacio muestral: S = { ss, aa, sa, as}, N(S) = 4
Sean los eventos:
A: Caen dos soles exactamente.
B: Cae un sol exactamente.
Los elementos de A y B son: A = { ss }, B = {sa, as}.
Se puede ver que para A B = C (vaco, no hay elementos
en comn), por lo que los eventos son mutuamente
excluyentes o disjuntos, por tanto
P(A B) = P(A) + P(B)
EJEMPLO:
( ) 1
( )
( ) 4
( ) 2
( )
( ) 4
1 2 3
( ) ( ) ( )
4 4 4
N A
P A
N
N B
P B
N
P A B P A P B
= =
O
= =
O
= + = + =
CONTINUACIN DEL EJEMPLO:
Sean A1, A2, A3, A4, ..., An; eventos mutuamente
excluyentes:

P(A1 A2 A3 A4, ... An) = P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)

Este axioma dice que la probabilidad de varios
eventos mutuamente excluyentes (que no tienen
elementos en comn), es igual a la suma de sus
probabilidades.
AXIOMA 4:
Si los eventos no son mutuamente excluyentes entonces
para n eventos seria:
CONTINUACIN:
1 2 1 2
1 2
( ... ) ( ) ( ) ... ( )
( ) ( ) ... ( ... )
n n
n n
i j i j k k
i j i j k
P A A A P A P A P A
P A A P A A A P A A A
= = =
= + + +
+ +

Experimento: Se lanza un dado.
Sean los eventos:
A: Que al lanzar un dado salga el 2 o el 4.
B: Que al lanzar un dado salga un nmero mayor a 4.
C: Que salga el 1 o 3.

Los elementos de A, B y C son
A = {2, 4}, N(A) = 2
B = {5, 6}, N(B) = 2
C = {1, 3} , N(C) = 2
EJEMPLO:
Como A, B y C son mutuamente excluyentes, ya que:
A B = {C}, A C = {C }, B C = {C }
Por axioma 4:
P(A B C) = P(A) + P(B) + P(C)
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
2 2 2 6
( ) ( ) ( ) ( ) 1
6 6 6 6
N A
P A
N
N B
P B
N
N C
P C
N
P A B C P A P B P C
= =
O
= =
O
= =
O
= + + = + + = =
CONTINUACIN:
Sean A y B dos eventos no excluyentes, A B = C,
entonces:
P(A B) = P(A) + P(B) - P(A B)
TEOREMA2: LEY ADITIVA DE LA PROBABILIDAD.
Sean A y B dos eventos:
A - B = { x | x e A y x e B }

DIFERENCIA:
Experimento.- Se lanza un dado y una moneda.

S = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(S) = 12

Evento A: Que aparezcan el nmero 2 o 3 con sol.
Evento B: Que aparezcan nmeros pares con sol.

A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A B = { 2s } N(A B ) = 1

EJEMPLO:
3
1
12
1
12
3
12
2
) ( ) ( ) ( ) ( = + = + = B A P B P A P B A P
Sea A un evento cualquiera y S un espacio
muestral, tal que A c S, si A
c
es el complemento
del evento A, entonces la probabilidad de A
c
es
igual a 1 menos la probabilidad de A, es decir
P(A
c
) = 1 P(A)
TEOREMA 3:
Experimento.- Se lanza un dado y una moneda.

S = {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N(S) = 12

Evento A: Que aparezcan el nmero 2 o 3 con sol.
Evento B: Que aparezcan nmeros pares con sol.

A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A
c
= { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
B
c
= { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }


12
9
12
3
1 ) ( 1 ) (
12
10
12
2
1 ) ( 1 ) (
= = =
= = =
B P B P
A P A P
C
c
EJEMPLO:
Sea A un evento arbitrario de un espacio
muestral S, con P(E) > 0. La probabilidad de
que un evento A suceda una vez que E ha
sucedido o en otras palabras, la probabilidad
condicional de A dado E, se define como:





) (
) (
) / (
E P
E A P
E A P

=
PROBABILIDAD CONDICIONAL:
Se dice que los eventos A y E son independientes si se
cumplen:








Si no se cumplen, se dice que los eventos son
dependientes.
) ( ) ( ) (
) ( ) / (
) ( ) / (
B P A P B A P
E P A E P
A P E A P
=
=
=
EVENTOS INDEPENDIENTES
Ley Multiplicativa de la Probabilidad.

Ya que (A E) = (E A) y despejamos a P(A E), se
tiene que la probabilidad de la interseccin es:


) A P( ) E/A P(
) ( ) / ( ) (
) (
) (
) / (
) (
) (
) / (
=
=

=
E P E A P E A P
A P
A E P
A E P
E P
E A P
E A P
PROBABILIDAD CONDICIONAL:
Si A y B son independientes:
P(E)P(A) ) A P( ) E/A P(
) ( ) ( ) ( ) / ( ) (
= =
= = E P A P E P E A P E A P
) (
) (
) ( ) (
) (
) (
) / (
) (
) (
) ( ) (
) (
) (
) / (
E P
A P
A P E P
A P
A E P
A E P
A P
E P
E P A P
E P
E A P
E A P
= =

=
= =

=
PROBABILIDAD CONDICIONAL:
Experimento: Lanzar un dado.

Evento A: Que al lanzar el dado caiga 3.
Evento E: Que al lanzar un dado salga un impar.

Encontrar la probabilidad de que al lanzar un dado
se obtenga un 3 dado que se obtuvo un impar.

S = {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3}, P(A) = 1/6
EJEMPLO:
( )
( ) 3
1
3 6
6 1
6
3
6
1
= = =

=
|
.
|

\
|
x
x
E P
E A P
E
A
P
Otra forma de calcular las probabilidades de la
interseccin y las probabilidades condicionales, de
dos eventos A y B, tal que:
A A
C
= S
B B
C
= S
es elaborando primero la tabla de nmero de
elementos de los eventos y despus la tabla de
sus probabilidades.
B B
c
Total
A A B A B
c
A
A
c
A
c
B A
c
B
c
A
c

Total B B
c
S
Se tienen los eventos A y B y sus complementos A
c
,
B
c

B B
c
Total
A N(A B) N(A B
c
) N(A)
A
c
N(A
c
B) N(A
c
B
c
) N(A
c
)
Total N(B) N(B
c
) N(S)
Tabla de nmero de elementos de A, B y sus
complementos A
c
, B
c

B B
c
Total
A P(AB) P(AB
c
) P(A)
A
c
P(A
c
B) P(A
c
B
c
) P(A
c
)
Total P(B) P(B
c
) P( )
Tabla de probabilidades de A, B, A
c
, B
c
y sus
intersecciones
P(A/B) = P(A B)/P(B)
P(B/A) = P(A B)/P(A)
P(A/B
c
) = P(A B
c
)/P(B
c
)
P(B/A
c
) = P(A
c
B)/P(A
c
)
P(A
c
/B) = P(A
c
B)/P(B)
P(B
c
/A) = P(A B
c
)/P(A)

PROBABILIDADES CONDICIONALES:
En cierta ciudad, las mujeres representan el 50% de la
poblacin y los hombres el otro 50%. Se sabe que el 20%
de las mujeres y el 5% de hombres estn sin trabajo. Un
economista estudia la situacin de empleo, elige al azar una
persona desempleada. Si la poblacin total es de 8000
personas,
Cul es la probabilidad de que la persona escogida sea ?:
a).- Mujer.
b).- Hombre.
c).- Mujer dado que est empleado.
d).- Desempleado dado que es hombre.
e).- Empleado dado que es mujer.

EJEMPLO:
Sean los eventos:
M: Que sea Mujer.
H: Que sea Hombre.
D: Que sea Desempleado.
E: Que sea Empleado

Tabla de elementos de los eventos M, H, D, E Y S.
SOLUCIN:
Desempleados :
D
Empleados: E Total
Mujeres: M 800 3200
4000

Hombres: H 200 3800 4000
Total 1000 7000 8000
D E Total
M 800/8000 = 0.1 3200/8000= 0.4 4000/8000= 0.5
H 200/8000= 0.025 3800/8000= 0.475 4000/8000= 0.5
Total 1000/8000= 0.125 7000/8000= 0.875 8000/8000= 1
TABLA DE PROBABILIDADES:
P(M) = 0.50
P(H) = 0.50
P(E) = 0.875
P(D) = 0.125
P(M/E) = P(ME)/P(E) = 0.40/0.875 = 0.4571
P(D/H) = P(DH)/P(H) = 0.025/0.5 = 0.05
P(E/M) = P(ME)/P(M) = 0.40/0.5 = 0.8
P(M/D) = P(MD)/P(D) = 0.10/0.125 = 0.8
P(H/D) = P(HD)/P(D) = 0.025/0.125 = 0.2
CONTINUACIN:
Eventos dependientes e independientes
En el ejemplo anterior se tiene que:

P(M) = 0.50
P(H) = 0.50
P(E) = 0.875
P(D) = 0.125
P(ME) = 0.40 P(M) P(E) = 0.4375
P(DH) = 0.025 P(D) P(H) = 0.0625
P(MD) = 0.10 P(M) P(D) = 0.0625
P(EH) = 0.475 P(E) P(H) = 0.4375
CONTINUACIN:
Por tanto los eventos M y E ,
D y H,
M y D,
E y H
son dependientes.
CONTINUACIN:
1 2 3 1 2 1 3 1 2 1 2 1
( ... ) ( ) ( \ ) ( \ )... ( \ ... )
k k k
P A A A A P A P A A P A A A P A A A A

=
1 2 3 1 2 3
( ... ) ( ) ( ) ( )... ( )
k k
P A A A A P A P A P A P A =
INDEPENDENCIA DE n EVENTOS



LEY MULTIPLICATIVA:
Sean A
1
, A
2
, A
3
..., An eventos disjuntos (mutuamente
excluyentes), que forman una particin de S. Esto es
Ai Aj = C para toda i y toda j, y adems
S = A
1
A
2
A
3
. A
n
A1
A2
A3
A4
A5
A6
An
PROBABILIDAD TOTAL:
Y sea E otro evento tal que E c S y E A
i
= C
A1
A2
A3
A4
A5
A6
An
E
E
Entonces:
E = S E = (A
1
A
2
A
3
. A
n
) E
= (A
1
E) (A
2
E) (A
3
E) . (A
n
E)

Al aplicar la funcin de probabilidad a ambos eventos,
se tiene que:

P(E) = P(A1E) + P(A2E) +P(A3E) +.+P(A
n
E)

Ya que (A
i
E) es ajeno a (A
j
E) para i j
Como (A
i
E) = (E A
i
) entonces
P(A
i
E) = P(E A
i
) = P(E/A
i
) P(A
i
)

Entonces la probabilidad completa de E es:

P(E) = P(E/A
1
) P(A
1
) + P(E/A
2
) P(A
2
) + P(E/A
3
)P(A
3
)+...+ P(E/A
n
) P(A
n
)
En una pequea empresa de tejidos, la produccin se obtiene
con tres mquinas hiladoras M
1
, M
2
y M
3
que producen
respectivamente 50%, 30% y el 20% del nmero total de
artculos.

EJEMPLO:
Los porcentajes de productos
defectuosos producidos por
estas mquinas son 3%, 4% y
5%. Si se selecciona un
artculo al azar, Cul es la
probabilidad de que el artculo
sea defectuoso?

Sea
D el evento: Que sea un artculo defectuoso.
P(M
1
) = 0.50 P(D/M
1
) = 0.03
P(M
2
) = 0.30 P(D/M
2
) = 0.04
P(M
3
) = 0.20 P(D/M
3
) = 0.05

P(D) = P(D/M
1
) P(M1) + P(D/M2) P(M2) + P(D/M3) P(M3)
= 0.03(0.50) + 0.04(0.30) + 0.05(0.20) = 0.037
SOLUCIN:
Mquina 1
Defectuoso
No
defectuoso
Maquina 2
Defectuoso
No
defectuoso
Maquina 1
Defectuoso
No
defectuoso
P(D) = 0.015 + 0.012 + 0.01 = 0.037
P(M1) = 0.50
P(D/M1) = 0.03
M1
D
P(M
1
) x P(D/M
1
) = 0.5 x 0.03 =
0.015
ND
P(ND/M1) =
0.97
P(M2) = 0.30
P(D/M2) = 0.04
M2
D
P(M
2
) x P(D/M
2
) = 0.3 x 0.04 =
0.012
ND
P(ND/M2) =
0.96
P(M3) = 0.20
P(D/M3) = 0.05
M3
D
P(M
1
) x P(D/M
1
) = 0.2 x 0.05 =
0.01
ND
P(ND/M3) =
0.95
Supngase que A
1
, A
2
, A
3
,...,A
n
es una particin de un
espacio muestral S. En cada caso P(A
i
) 0. La
particin es tal que A
1
, A
2
, A
3
,...,A
n
, son eventos
mutuamente excluyentes. Sea E cualquier evento,
entonces para cualquier A
i
,

) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1 n n
I i
i
A E P A P A E P A P A E P A P
A E P A P
E A P
+ + +
=

TEOREMA DE BAYES:

P(E)
) )P(E/A P(A
/E) P(A
entonces
) )P(E/A P(A ) )P(E/A P(A ) )P(E/A P(A P(E)
: es E de completa ad probabilid la Como
I i
i
n n 2 2 1 1
=
+ + + =
CONTINUACIN:
En una pequea empresa de tejidos, la produccin se obtiene
con tres mquinas hiladoras M
1
, M
2
y M
3
que producen
respectivamente 50%, 30% y el 20% del nmero total de
artculos.

EJEMPLO:
Los porcentajes de productos
defectuosos producidos por
estas mquinas son 3%, 4% y
5%. Si se selecciona un
artculo al azar, Cul es la
probabilidad de que el artculo
sea defectuoso?

Sea
D: Que el artculo sea defectuoso.
ND: Que el artculo no sea defectuoso.
M
1
: Que haya sido producido por la mquina 1.

M
2
: Que haya sido producido por la mquina 2.
M
3
: Que haya sido producido por la mquina 3.


P(M
1
) = .50 P(D/M
1
) = .03
P(M
2
) = .30 P(D/M
2
) = .04
P(M
3
) = .20 P(D/M
3
) = .05
SOLUCIN:
P(D) = 0.015 + 0.012 + 0.01 = 0.037
P(M1) = 0.50
P(D/M1) = 0.03
M1
D P(M
1
) x P(D/M
1
) = 0.5 x 0.03 = 0.015
ND
P(ND/M1) =
0.97
P(M2) = 0.30
P(D/M2) = 0.04
M2
D P(M
2
) x P(D/M
2
) = 0.3 x 0.04 = 0.012
ND
P(ND/M2) =
0.96
P(M3) = 0.20
P(D/M3) = 0.05
M3
D P(M
1
) x P(D/M
1
) = 0.2 x 0.05 = 0.01
ND
P(ND/M3) =
0.95
Por teorema de Bayes se tiene:







La probabilidad de que el artculo defectuoso se haya
producido en la M
1
es del 40.54%
4054 .
037 .
) 03 )(. 50 (.

) (
) / ( ) (

) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
1 1
3 3 2 2 1 1
1 1
1
= = =
+ +
=
D P
M D P M P
M D P M P M D P M P M D P M P
M D P M P
D M P
CONTINUACIN: