PROBABILIDADES

20/08/2017 1
Introduccin

Incapacesde controlar la suerte

hacemos lo mejor posible:
tratamos de calcular la
probabilidad de que ocurra un
suceso.

20/08/2017 2
Definicin Intuitiva

La probabilidad de un evento es
el grado de confianza sobre la
ocurrencia de dicho evento.

20/08/2017 3
 Tiene gran importancia en todos los
problemas de prediccin:
Juegos de azar.
Seguros.
Meteorologa.
Pronsticos electorales.
Pronsticos mdicos.
Creacin de nuevos
productos, etc.

20/08/2017 4
Definicin

Laprobabilidad es la parte de las

matemticas que se encarga del
estudio de fenmenos o
experimentos aleatorios (se
repite bajo las mismas
condiciones y el resultado no
siempre es el mismo).
20/08/2017 5
Un poco de Historia
La Probabilidad es una parte de las
matemticas relativamente reciente.

Los juegos que involucran el azar eran

practicados con objetos de hueso,
encontrados en tumbas egipcias que
datan del ao 2000 A.C.

20/08/2017 6
 El juego de dados ha sido parte
importante en el primer desarrollo de la
teora de la probabilidad.

Girolamo Cardano y Galileo Galilei

publican Lanzamiento de dados.

20/08/2017 7
 Blaise Pascal y Pierre Fermat logran
obtener probabilidades exactas para
ciertos problemas de probabilidades con
dados.

20/08/2017 8
Importancia
La aplicacin posterior a campos como
seguros y anualidades, astronoma,
biologa y la amplia gama de aplicaciones
actuales: medicina, informtica, agricultura,
ciencias sociales, etc. Le han conferido
gran importancia.

Estudia el pasado si quieres pronosticar el futuro

Confucio
20/08/2017 9
 PROBABILIDAD
Fenmenos Aleatorios y
Fenmenos Deterministicos.

Fenmeno Aleatorio.-
Es un fenmeno del que no se sabe que es lo que
va a ocurrir, estn relacionados con el azar o
probabilidad.
Fenmeno Determinista.-
Es el fenmeno en el cual de antemano se sabe
cual ser el resultado.

20/08/2017 10
 PROBABILIDAD

La probabilidad estudia el tipo de fenmenos aleatorios.

Experimento aleatorio.-
Una accin que se realiza con el propsito de
analizarla. Tiene como fin ltimo determinar
la probabilidad de uno o de varios
resultados.
Se considera como aleatorio y estocstico, si
sus resultados no son constantes.
Puede ser efectuado cualquier nmero de veces
esencialmente en las mismas condiciones.
20/08/2017 11
 PROBABILIDAD
Un experimento es aleatorio si se
verifican las siguientes condiciones:
1. Se puede repetir indefinidamente,
siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede
predecir el resultado que se va a
obtener;
3. El resultado que se obtenga, s,
pertenece a un conjunto conocido
previamente de resultados posibles.
20/08/2017 12
 PROBABILIDAD
Otros ejemplos de eventos:
A: que al nacer un bebe, ste sea
nia
B: que una persona de 20 aos,
sobreviva 15 aos ms
C: que la presin arterial de un
adulto se incremente ante un
disgusto

20/08/2017 13
 PROBABILIDAD
Espacio Muestral
Es el conjunto de todos los posibles resultados
de inters de un experimento dado, y se le
denota normalmente mediante la letra S.

Ejemplos:
1.- Experimento: Se lanza una moneda.
Espacio muestral = total de formas en como
puede caer la moneda, o sea dos formas de
inters, que caiga sol o que caiga guila. (Si
cae de canto no es de inters y se repite el
lanzamiento).
S = { s, a }
20/08/2017 14
 PROBABILIDAD

2.- Experimento: Se lanza un dado.

Espacio muestral = total de caras en que puede
caer el dado, o sea seis formas de inters:
S = { 1, 2, 3, 4, 5, 6 }

20/08/2017 15
 PROBABILIDAD
Los eventos aleatorios se denotan normalmente
con las letras maysculas A, B, C, ...

Son subconjuntos de S, esto es, A, B, C, S

Los eventos aleatorios son conjuntos que pueden

contener un solo elemento, una infinidad de
elementos, y tambin no contener ningn
elemento.

Al nmero de puntos muestrales de S se le

representa por N(S)

20/08/2017 16
 Sucesos E espacio muestral
Cuando se realiza un experimento aleatorio diversos resultados son
posibles. El conjunto de todos los resultados posibles se llama espacio
muestral (E).

Se llama suceso a un subconjunto de dichos resultados.

Se llama suceso contrario (complementario) de un suceso A, A, al

formado por los elementos que no estn en A E espacio muestral

Se llama suceso unin de A y B, AUB, al formado por los resultados A

experimentales que estn en A o en B (incluyendo los que estn en
ambos. A

Se llama suceso interseccin de A y B, AB o simplemente AB, al

formado por los elementos que estn en A y B
E espacio muestral
E espacio muestral E espacio muestral
A
UNIN INTERS.
A A
B
B B

20/08/2017 17
 PROBABILIDAD

Eventos aleatorios que aparecen con gran

frecuencia en el clculo de probabilidades:

Evento seguro.- Siempre se verifica despus del

experimento aleatorio, son los mismos del
espacio muestral.
E = S y N(E) = N(S)

Evento Imposible.- Es aquel que nunca se verifica

como resultado del experimento aleatorio. No
tiene elementos de inters para su fenmeno.
Es un subconjunto de S, y la nica posibilidad
es que el evento imposible sea el conjunto vaco.
S, y N() = 0
20/08/2017 18
 PROBABILIDAD

Evento Elemental.- Es el evento E que

contiene exactamente un punto muestral
de S, esto es, N(E) = 1.
Cada elemento del espacio muestral, es un
evento elemental. Tambin se le
denomina como punto muestral.

Si s1, s2 S entonces s1, s2 son

eventos elementales.

20/08/2017 19
 EJEMPLOS
P(A)=3/9=1/3
P(A)=?
E espacio muestral
P(B)=5/P(B)=?
A 9
P(AUB)=6/9=2/
P(AUB)=?
3 P(AB)=?
P(AB)=2/9 P(A)=3/9=1/3
P(A)=?
B P(A)=?
P(A)=6/9=2/3 E espacio muestral
P(B)=2/P(B)=?
P(B)=4/9
P(B)=? A
9
P(AUB)=3/9=1/
P(AUB)=?
3
P(AB)=2/9
P(AB)=?
B
P(A)=6/9=2/3
P(A)=?
E espacio muestral
P(A)=3/9=1/3
P(A)=? P(B)=7/9
P(B)=?
P(B)=2/P(B)=?
A 9
P(AUB)=5/9
P(AUB)=?
B
P(AB)=0P(AB)=?
P(A)=6/9=2/3
P(A)=?
P(B)=7/9
P(B)=?

20/08/2017 20
 PROBABILIDAD
Probabilidad Clsica y Frecuencial.
Probabilidad frecuencial y regularidad
estadstica
Las frecuencias relativas de un evento tienden
a estabilizarse cuando el nmero de
observaciones se hace cada vez mayor.
Ejemplo: La regularidad estadstica en el
experimento del lanzamiento de monedas,
indica que las frecuencias relativas del
evento: que salga sol {s }, se tiende a
estabilizar aproximadamente en .5= 1/2.

20/08/2017 21
 PROBABILIDAD
Probabilidad frecuencial y regularidad
estadstica

La probabilidad de un evento A, denotada

por P(A), es el valor en el que se
estabilizan las frecuencias relativas
del evento A, cuando el nmero de
observaciones del experimento se
hace cada vez mayor.

20/08/2017 22
 PROBABILIDAD
Esto es:
N ( A)
P( A) (2)
N ()
donde
N(A) = nmero de elementos del evento A
N() = nmero de elementos del espacio
muestral .

20/08/2017 23
 PROBABILIDAD
Probabilidad clsica.-
Sea S un espacio muestral cualquiera y A un evento de
ese espacio. Se define la probabilidad P del evento
A, como:

NCF
P( A) (1)
donde NCT
NCF - nmero de casos favorables
NCT - nmero de casos totales

20/08/2017 24
 PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga
guila.
Calcular la probabilidad de A:
S = { A, S}, N() = 2
A = { A }, N(A) = 1

N ( A) 1
P( A) .5
N () 2
20/08/2017 25
 PROBABILIDAD

Leyes De La 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.
20/08/2017 26
 PROBABILIDAD

Axioma 1.- Sea S un espacio muestral cualquiera

y A un evento, tal que A S, entonces se
cumple que
0 P(A) 1 (3)

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)
___________________________________
20/08/2017
-2 -1 0 1 2 27
 PROBABILIDAD

Axioma 2.- La probabilidad del espacio muestral es

un evento seguro, es uno
P() = 1

Ejemplo.-
Experimento.- Se lanza un dado
Si A =, es decir si el evento A coincide o es igual al
espacio muestral, entonces.

N ( A) N (S )
P( A) 1
20/08/2017 N () N () 28
 PROBABILIDAD
Teorema 1.- Si es el conjunto vaco,
entonces la probabilidad de es igual a 0
N ()
P() 0
N ()
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
20/08/2017 29
 EJEMPLOS
P(A)=3/9=1/3
E espacio muestral
P(B)=5/
A 9
P(AUB)=6/9=2/
3
P(AB)=2/9 P(A)=3/9=1/3
B P(A)=6/9=2/3 E espacio muestral
P(B)=2/
P(B)=4/9 A
9
P(AUB)=3/9=1/
P(A|B)=? P(B|A)=2/3
P(A|B)=2/5 P(B|A)=? 3
P(AB)=2/9
B
P(A)=6/9=2/3
P(A)=3/9=1/3
E espacio muestral
P(B)=7/9
P(B)=2/ P(A|B)=? P(B|A)=2/3
P(A|B)=1 P(B|A)=?
A 9
P(AUB)=5/9
B
P(AB)=0
P(A)=6/9=2/3
P(B)=7/9
P(A|B)=? P(B|A)=0
P(A|B)=0 P(B|A)=?
20/08/2017 30
 PROBABILIDAD
Axioma 3.- Sea un espacio muestral
cualquiera y sean A y B dos eventos tales que
A , B y A B = , es decir, dos
eventos mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).

A B

A B

20/08/2017 31
 PROBABILIDAD
Ejemplo:
Experimento: Se lanzan dos monedas
= { ss, aa, sa, as}
N() = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos soles exactamente
B: el evento de que al lanzar un par de monedas caiga un
sol exactamente.
Los elementos de A y B son
A = { ss }
B = {sa, as}
Se puede ver que A B = , no hay elementos en comn,
por lo que los eventos son mutuamente exclusivos o
disjuntos, por tanto
P(A B) = P(A) + P(B)
20/08/2017 32
 PROBABILIDAD

N ( A) 1
P( A)
N ( ) 4
N ( B) 2
P( B)
N ( ) 4
1 2 3
P( A B) P( A) P( B)
4 4 4

20/08/2017 33
 PROBABILIDAD
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
exclusivos:
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 exclusivos (que no tienen
elementos en comn), es igual a la suma de sus
probabilidades.

20/08/2017 34
 Si los eventos no son mutuamente excluyentes entonces para n eventos seria:

P( A1 A2 ... An ) P( A1 ) P( A2 ) ... P( An )
n n

P( A
i j
i Aj ) P( Ai Aj Ak ) ... P( A1 A2 ... Ak )
i j k

20/08/2017 35
 PROBABILIDAD

Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un nmero
mayor a 4
Evento 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
20/08/2017 36
 PROBABILIDAD
Como A, B y C son mutuamente excluyentes, ya
que A B = {}, A C = {},
B C = {},
Por axioma 4
P(A B C) = P(A) + P(B) + P(C)
N ( A) 2
P ( A)
N () 6
N ( B) 2
P( B)
N () 6
N (C ) 2
P (C )
N () 6
2 2 2 6
P ( A B C ) P ( A) P ( B ) P (C ) 1
20/08/2017 37
6 6 6 6
 PROBABILIDAD

Teorema 2.-(Ley Aditiva de la Probabilildad).

Sean A y B dos eventos no excluyentes, A B
, entonces
P(A B) = P(A) + P(B) - P(A B)

A B

20/08/2017 38
 PROBABILIDAD
Diferencia
Sean A y B dos eventos:
A-B = { x | x A y x B }

A- B

20/08/2017 39
 PROBABILIDAD
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda 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
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
20/08/2017 40
 PROBABILIDAD

Teorema 3.- Sea A un evento cualquiera y un

espacio muestral, tal que AS, si Ac es el
complemento del evento A, entonces la
probabilidad de Ac es igual a 1 menos la
probabilidad de A, es decir

P(Ac) = 1 P(A)

20/08/2017 41
 PROBABILIDAD
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
Ac = { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
P(Ac) = 1 P(A) = 1 2/12 = 10/12
Bc = { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }
P(Bc) = 1 P(B) = 1 3/12 = 9/12
20/08/2017 42
 PROBABILIDAD

Probabilidad Condicional.
Sea A un evento arbitrario de un espacio
muestral , 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:

P( A E )
P( A / E )
P( E )
20/08/2017 43
 Un ejemplo
44

frmaco Placebo Total

Mejora 500 300 800
No cambia 300 250 550
Empeora 60 180 240
Total 860 730 1590

P(mejora) = 800 / 1590 = 0,503

P(Mejora | frmaco) = 500 / 860 = 0,581

20/08/2017
 Recuento
Ejemplo (I) MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Se ha repetido en 1000 ocasiones el experimento de elegir a una

mujer de una poblacin muy grande. El resultado est en la tabla.
Cul es la probabilidad de que una mujer tenga
osteoporosis?
P(Osteoporosis)=64/1000=0,064=6,4%
Nocin frecuentista de probabilidad
Cul es la probabilidad de que una mujer no tenga
osteoporosis?
P(No Osteoporosis)=1-P(Osteoporsis)=1-64/1000=0,936=93,6%

20/08/2017 45
 Recuento
Ejemplo (II) MENOPAUSIA
NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000
Probabilidad de tener osteopenia u osteoporosis?
P(OsteopeniaUOsteoporosis)=P(Osteopenia)+P(Osteoporosis)-
P(OsteopeniaOsteoporosis)=467/1000+64/1000=0,531
Son sucesos disjuntos
Osteopenia Osteoporosis=

Probabilidad de tener osteoporosis o menopausia?

P(OsteoporosisUMenopausia)=P(Osteoporosis)+P(Menopausia)-
P(Osteoporosis Menopausia)=64/1000+697/1000-58/1000=0,703
No son sucesos disjuntos
Probabilidad de una mujer normal?
P(Normal)=469/1000=0,469
P(Normal)=1-P(Normal)=1-P(OsteopeniaUOsteoporosis) =1-0,531=0,469

20/08/2017 46
 Recuento

Ejemplo (III) MENOPAUSIA

NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Si es menopusica probabilidad de osteoporosis?

P(Osteoporosis|Menopausia)=58/697=0,098

Probabilidad de menopausia y osteoporosis?

P(Menop Osteoporosis) = 58/1000=0,058

Otra forma:

P( Menop Osteoporosis ) P( Menop) P(Osteoporosis | Menop)

697 58
58 / 1000 0,058
1000 697
20/08/2017 47
 Recuento

Ejemplo (III) MENOPAUSIA

NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Si tiene osteoporosis probabilidad de menopausia?

P(Menopausia|Osteoporosis)=58/64=0,906

Probabilidad de menopausia y no osteoporosis?

P(Menop No Osteoporosis) = 639/1000=0,639

Si tiene no tiene osteoporosis probabilidad de no

menopausia?
P(No Menopausia|NoOsteoporosis)=297/936=0,317

20/08/2017 48
Independencia de sucesos

Dos sucesos son independientes si el que

ocurra uno, no aade informacin sobre el
otro.

A es independiente de B

P(A|B) = P(A)

P(AB) = P(A) P(B)

20/08/2017 49
 Recuento

Ejemplo (IV) MENOPAUSIA

NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Son independientes menopausia y osteoporosis?

Una forma de hacerlo
P(Osteoporosis)=64/1000=0,064
P(Osteoporosis|Menopausia)=58/697=0,098
La probabilidad de tener osteoporosis es mayor si ha pasado la
menopausia. Aade informacin extra. No son independientes!

Otra forma?
P(Menop Osteoporosis) = 58/1000 = 0,058
P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045
La probabilidad de la interseccin no es el producto de probabilidades. No
son independientes.

20/08/2017 50
 PROBABILIDAD
Eventos Independientes:

Se dice que los eventos A y E son independientes si

se cumplen:

P( A / E ) P( A)
P( E / A) P( E )
P( A B) P( A) P( B)
Si no se cumplen, se dice que los eventos son
dependientes.
20/08/2017 51
 PROBABILIDAD

Probabilidad Condicional.

Ley Multiplicativa de la Probabilidad.

Ya que (AE) = (EA) y despejamos a P(AE), se tiene

que la probabilidad de la interseccin es:

P( A E )
P( A / E )
P( E )
P( E A)
P( E / A)
P( A)
P( A E ) P( A / E ) P( E )
P( E/A ) P( A )
20/08/2017 52
 PROBABILIDAD
Probabilidad Condicional.

Si A y B son independientes:

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

P( A E ) P( A) P( E )
P( A / E ) P( A)
P( E ) P( E )
P( E A) P( E ) P( A)
P( E / A) P( E )
P( A) P( A)
20/08/2017 53
 Recuento

Ejemplo (IV) MENOPAUSIA

NO SI Total
CLASIFICACION NORMAL 189 280 469
OMS OSTEOPENIA 108 359 467
OSTEOPOROSIS 6 58 64
Total 303 697 1000

Son independientes menopausia y osteoporosis?

Una forma de hacerlo
P(Osteoporosis)=64/1000=0,064
P(Osteoporosis|Menopausia)=58/697=0,098
La probabilidad de tener osteoporosis es mayor si ha pasado la
menopausia. Aade informacin extra. No son independientes!

Otra forma?
P(Menop Osteoporosis) = 58/1000 = 0,058
P(Menop) P(Osteoporosis)= (697/1000) x (64/1000) = 0,045
La probabilidad de la interseccin no es el producto de probabilidades. No
son independientes.

20/08/2017 54
 PROBABILIDAD
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
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.

= {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
20/08/2017 = 6/18 = 1/3 55
 PROBABILIDAD
Otra forma de calcular las probabilidades de la
interseccin y las probabilidades condicionales,
de dos eventos A y B, tal que
A AC =
B BC =
es elaborando primero la tabla de nmero de
elementos de los eventos y despus la tabla de
sus probabilidades.

20/08/2017 56
Se tienen los eventos A y B y sus complementos
Ac, Bc

B Bc Total

A AB ABc A

Ac AcB AcBc Ac

Total B Bc

20/08/2017 57
Tabla de nmero de elementos de A, B y sus
complementos Ac, Bc

B Bc Total

A N(AB) N(ABc) N(A)

Ac N(AcB) N(AcBc) N(Ac)

Total N(B) N(Bc) N()

20/08/2017 58
Tabla de probabilidades de A, B, Ac, Bc y sus
intersecciones

B Bc Total

A P(AB) P(ABc) P(A)

Ac P(AcB) P(AcBc) P(Ac)

Total P(B) P(Bc) P( )

20/08/2017 59
 PROBABILIDAD

Probabilidades condicionales:

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

P(B/A) = P(A B)/P(A)
P(A/Bc) = P(A Bc)/P(Bc)
P(B/Ac) = P(Ac B)/P(Ac)
P(Ac/B) = P(Ac B)/P(B)
P(Bc/A) = P(A Bc)/P(A)

20/08/2017 60
 PROBABILIDAD

Ejemplo.-
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 ?:

20/08/2017 61
 PROBABILIDAD
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer

Sean los eventos:

M: Que sea Mujer
H: Que sea Hombre
D: Que sea Desempleado
E: Que sea Empleado
20/08/2017 62
Tabla Nmero de elementos de los Eventos M, H, D, E y S

Desempleados Empleados Total

D E

Mujeres 800 3200 4000

M

Hombres 200 3800 4000

H

Total 1000 7000 8000

20/08/2017 63
 Tabla de Probabilidades

D E Total
M 800/8000 = .1 3200/8000= .4 4000/8000= .5

H 200/8000= .025 3800/8000= .475 4000/8000= .5

Total 1000/8000= .125 7000/8000= .875 8000/8000= 1

20/08/2017 64
 PROBABILIDAD

P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2

20/08/2017 65
 PROBABILIDAD

Eventos dependientes e independientes

En el ejemplo anterior se tiene que
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(ME) = .40 P(M) P(E) = .4375
P(DH) = .025 P(D) P(H) = .0625
P(MD) = .10 P(M) P(D) = .0625
P(EH) = .475 P(E) P(H) = .4375
20/08/2017 66
 PROBABILIDAD

Por tanto los eventos M y E ,

D y H,
M y D,
EyH
son dependientes.

20/08/2017 67
 Ley general Multiplicativa para n
eventos

P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 \ A1 ) P( A3 \ A1 A2 )...P( Ak \ A1 A2 ... Ak 1 )

INDEPENDENCIA DE n EVENTOS

P( A1 A2 A3 ... Ak ) P( A1 ) P( A2 ) P( A3 )...P( Ak )

20/08/2017 68
 Teorema de la probabilidad total
Si conocemos la probabilidad de B en cada uno de los
A1 A2 componentes de un sistema exhaustivo y excluyente de
sucesos, entonces

podemos calcular la probabilidad de B.

P(B|A1)
B A1 B
P(A1)
P(B|A2)
A2 B
Suceso P(A2)
A3 A4 seguro P(B|A3)
P(A3) A3 B
P(A4) P(B|A4)
P(B) = P(BA1) + P(BA2 ) + P( BA3 ) + P( BA4 ) A4 B

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

20/08/2017 69
Ejemplo (I): En este aula el 70% de los alumnos son
mujeres. De ellas el 10% son fumadoras. De los
hombres, son fumadores el 20%.
T. Prob. Total.
Hombres y mujeres forman un sist. Exh. Excl. de sucesos Fuma
0,1

Qu porcentaje de fumadores hay?

Mujer
P(F) = P(MF) + P(HF) 0,7 0,9
No fuma
= P(M)P(F|M) + P(H)P(F|H)
Estudiante
=0,7 x 0,1 + 0,3 x 0,2
0,3 0,2
= 0,13 =13% Fuma
Hombre

Los caminos a travs de nodos representan intersecciones. 0,8

No fuma
Las bifurcaciones representan uniones disjuntas.

20/08/2017 70
Ejemplo (II): En un centro hay dos quirfanos. El 1 se
usa el 75% de veces para operar. En el 1 la frec. de
infeccin es del 5% y en el 2 del 10%.

Infec
0,05

Qu probabilidad de infeccin hay?

Q1
P(I) = P(Q1I) + P(Q2I) 0,75 0,95
No infec
= P(Q1)P(I|Q1) + P(Q2)P(I|Q2)
Paciente
=0,75 x 0,05 + 0,25 x 0,1
0,25 0,1
= 0,0625 Infec
Q2

0,9
T. Prob. Total.
No infec
Los dos quirfanos forman un sist. Exh. Excl. de sucesos

20/08/2017 71
Ejemplo (III): El 20% del tiempo que se est en una casa
transcurre en la cocina, el 10% en el bao y el resto entre el
saln y el dormitorio. Por otro lado la probabilidad de tener un
accidente domstico estando en la cocina es de 0,30 de tenerlo
estando en el bao es de 0,20 y de tenerlo fuera de ambos de
0,10. Cul es la probabilidad de tener un accidente domstico?
Acc
0,30

No Acc P(A) = P(AC) + P(AB) + P(AR) =

Cocina
0,20 0,70
P(C)P(A|C) + P(B)P(A|B) + P(R)P(A|R)
Acc
0,20 =0,2 x 0,3 + 0,1 x 0,2 + 0,7 x 0,1 = 0,15 =
0,10
Casa Bao No Acc
15%
0,80

0,70 0,10 Acc

Resto
No Acc
0,90

20/08/2017 72
 PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
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 ?

20/08/2017 73
 PROBABILIDAD
Sea
D el evento: Que sea un artculo defectuoso.
P(M1) = .50 P(D/M1) = .03
P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05

P(D) = P(D/M1) P(M1) + P(D/M2) P(M2) +

P(D/M3) P(M3)
= .03(.50) + .04(.30) + .05(.20) = 0.037

20/08/2017 74
 P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97

P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND

P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
20/08/2017 P(D) = .015+.012+.01=.037
75
 PROBABILIDAD

Teorema de Bayes.- Supngase que A1, A2, A3,...,An

es una particin de un espacio muestral . En cada
caso P(Ai) 0. La particin es tal que A1, A2,
A3,...,An, son eventos mutuamente exclusivos. Sea E
cualquier evento, entonces para cualquier Ai,

P( Ai ) P( E / AI )
P( Ai / E )
P( A1 ) P( E / A1 ) P( A2 ) P( E / A2 ) P( An ) P( E / An )

20/08/2017 76
 PROBABILIDAD

Como la probabilid ad completa de E es :

P(E) P(A 1 )P(E/A 1 ) P(A 2 )P(E/A 2 ) P(A n )P(E/A n )

entonces
P( Ai ) P( E / AI )
P( Ai / E )
P(E)

20/08/2017 77
Teorema de Bayes
Si conocemos la probabilidad de B en
cada uno de los componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces

si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia
B de cada Ai.

P(B Ai)
P(Ai | B)
A3 A4 P(B)
donde P(B) se puede calcular usando el teorema de la probabilidad total:

P(B)=P(BA1) + P(BA2 ) + P( BA3 ) + ( BA4 )

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

20/08/2017 78
Ejemplo (IV): En este aula el 70% de los alumnos son mujeres. De ellas el
10% son fumadoras. De los varones, son fumadores el 20%.

Qu porcentaje de fumadores hay?

P(F) = =0,7 x 0,1 + 0,3 x 0,2 = 0,13
(Resuelto antes) Fuma
0,1
Se elije a un individuo al azar y es fumador
Probabilidad de que sea un hombre? 0,7 Mujer
0,9
No fuma
Estudiante

0,3 0,2
P( H F ) P( H ) P( F | H ) Fuma
P( H | F ) Hombre
P( F ) P( F )
0,3 0,2
0,46 0,8
0,13 No fuma

20/08/2017 79
Ejemplo (V): En un centro hay dos quirfanos. El 1 se
usa el 75% de veces para operar. En el 1 la frec. de
infeccin es del 5% y en el 2 del 10%.
Qu probabilidad de infeccin hay? P(I) = 0,0625
Se ha producido una infeccin. Infec
0,05
Qu probabilidad hay de que sea en el Q1?
Q1
0,75 0,95
No infec
Paciente

0,25 0,1
Infec
P(Q1 I ) P(Q1) P( I | Q1)
P(Q1 | I ) Q2
P( I ) P( I )
0,75 0,05 0,9
0,6
0,0625 No infec

20/08/2017 80
Ejemplo (VI): El 20% del tiempo que se est en una casa
transcurre en la cocina, el 10% en el bao y el resto entre el
saln y el dormitorio. Por otro lado la probabilidad de tener un
accidente domstico estando en la cocina es de 0,30 de tenerlo
estando en el bao es de 0,20 y de tenerlo fuera de ambos de
0,10. Se ha producido un accidente, cul es la probabilidad de
que haya sido en la cocina?
P(A) = 0,15 (ya calculado)
Acc
0,30

P(C A) P(C ) P( A | C )
0,20
Cocina
0,70
No Acc
P(C | A)
P( A) P( A)
0,20 0,30
Acc

0,10
0,20
0,4
Casa Bao No Acc 0,15
0,80

0,70 0,10 Acc

Resto
No Acc
0,90

20/08/2017 81
 PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
20/08/2017 82
 PROBABILIDAD
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
20/08/2017 83
 PROBABILIDAD
Sea
D: Que el artculo sea defectuoso
ND: Que el artculo no sea defectuoso
M1: Que haya sido producido por la mquina 1
M2: Que haya sido producido por la mquina 2
M3: Que haya sido producido por la mquina 3

P(M1) = .50 P(D/M1) = .03

P(M2) = .30 P(D/M2) = .04
P(M3) = .20 P(D/M3) = .05

20/08/2017 84
 P(D/M1)=.03
D P(M1)*P(D/M1)=.5*.03=.015
P(M1)=.50 M1
ND
P(ND/M1)=.97

P(D/M2)=.04 P(M2)*P(D/M2)=.3*.04=.012
D
P(M2)=.30 M2
P(ND/M2)=.96 ND

P(D/M3)=.05
D P(M1)*P(D/M1)=.2*.05=.01
P(M3)=.20 M3
ND
P(ND/M3)=.95
20/08/2017
P(D) = .015+.012+.01=.037
85
 PROBABILIDAD
Por teorema de Bayes se tiene:

P( M 1 ) P( D / M 1 )
P ( M 1 / D)
P( M 1 ) P( D / M 1 ) P( M 2 ) P ( D / M 2 ) P ( M 3 ) P( D / M 3 )
P( M 1 ) P( D / M 1 ) (. 50)(. 03)
.4054
P ( D) .037

La probabilidad de que el artculo defectuoso se

haya producido en la M1 es del 40.54%

20/08/2017 86
20/08/2017 87