CAPiTULO 2

PROBABILIDADES
Sumario: 1. Introducci6n. Definicion axiornatica. Probabilidad condicional. Problemas. 2. Ley de los Grandes Nurneros. 3. Interseccion y uni6n. Sucesos complementarios. 4. Sucesos independientes. 5. Teor erna de la probabilidad total. Teorerna de BAYES. 6.

1. Introduccion
Todos conocemos expresiones como las siguientes: La probabilidad de lluvia de manana es del 40 %, este tirador acierta el 80 % de sus disparos, esta persona tiene WI 80 % de probabilidad de sobrevivir a la operacion, este candidate tiene un 60 % de intencion de VOIO, etc. Tenemos una comprension intuitiva de su significado aunque quizas no siempre podriarnos precisarlo con exactitud. Asf, por ejemplo, en el caso del tirador, entendemos que, si acierta el 80% de sus disparos, en series largas de tiros, por cad a 100 disparos acierta 80 en promedio. La afirrnacion de que la probabilidad de lIuvia de manana es del 40% significa que, por cada 100 dias con condiciones meteorologicas similares a las actuales, en 40 llovera al dia siguiente. A pesar del significado intuitivo relativamente sen cillo de este concepto, y del que se viene hablando desde hace varios siglos, ha costado mucho tiempo y esfuerzo lograr una definicion rigurosa y suficientemente ampl ia que perrnita cubrir todas sus posibles aplicaciones. Esto recien se logro en el siglo XX, en la decada del 30, con los trabajos del insigne maternatico ruso ANDREI NIKOLAEVICH KOLMOGOROV (19031987), quien dio su definicion axiomatica, que luego trataremos. El origen de la teo ria de probabilidades es el estudio de los juegos de azar. como la ruleta, los dados 0 los juegos de cartas, Los maternaticos franceses BLAS PASCAL (1623-1662) Y PIERRE DE FERMAT (1601-1665) trataron algunos problemas e intercambiaron correspondencia, que constituye la primera documentacion conocida de este tema. Posteriormente, otros notables maternaticos, como ABRAHAM DE MOIVRE (frances, 1667-1754), JACQUES BERNOULLI (suizo, 1654-1705), PIERRE SIMON LAPLACE (frances, l749-1827), KARL FRIEDRICH GAUSS (aleman', 1777-1855),SIMEON DENIS POISSON (frances, 1781-1840) abordaron el tema con aportes significativos. Finalmente, en e] siglo XX, aparece la Ciencia Estadistica como aplicacion natural de la teoria de probabilidades, dado que hasta ese momenta solo era una tecnica descriptiva de datos. A lgunos de los principales cientificos que desarrolJaron la estadistica en el siglo XX hie ron KARL PEARSON (ingles. 18571936), RONALD AYLMER FISHER (ingles, 1890-1962), JERZY NEYMAN (ruso, 1894-1981), WILLIAM GEMMELL COCHRAN (escoces, 1909-1980), MAURICE GEORGE KENDALL (ingles, 1907-1983) y JOHN WILDER TUKEY (estadounidense, 1915-2000). Los ejemplos dados (probabilidad de lluvia, porcentaje de aciertos del tirador, etc) son sobre cuyo resultado existe un cierto grado de incertidumbre. Los innumerables fenornenos que presentan dicha caracteristica (resultado incierto) se .deriominan [enomeuos aleatorios y son el objeto fundamental de la Ciencia Estadistica. Precisamente, el concepto basico para su analisis es la probabilidad, cuya discusion iniciamos en este capitulo. situaciones Def. 1. Llamamos [enotneno aleatorio acualquier hecho de la naturaleza humana sobre cuyo resultado tenemos cierto grado de incertidumbrc, es decir, puede asumir un resultado, de varios (0 muchos 0 quiza infinitos) posibles. Def. 2. Llamarnos conjunto universal posibles de un fenomeno aleatorio.
0 de la actividad que el fenorneno

tuniverso,

espacio tnuestrali

al conjunto

de

resultados

y en capitulos posteriores. 10 que se considera inadrnisible (tautologia). Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad.Como hariamos con un dado cargado?. la probabilidad de cada cara debe ser de 1/6 ==16. funci6n dec. Se ext rae una carta de un mazo frances de 52 cartas. analizaremos estas cuestiones. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos.1 ) peA) F == N Volviendo al caso del dado. Ejemplo 2. Ia probabilidad es 16/52 =0. que seria 3/6==0. pero para que sea valido. esto no puede ser asi. hay una limitacion practica. pues hay 3 mimercs pares de un total de 6. Ley de los Grandes Niimeros (.25. tambien podriamos calcular la probabilidad de obtener un mimero par.pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio . diriarnos entonces que fill converge asintoticamente a p. sin mucha precision.2) P = Lim( n_'OJ f. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)]. 67 %. esio es. como adernas. En algun sentido. Una primera definicion. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. c) Hay 4 casos favorables en 52 posibles. la probabilidad es 0.5. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado. Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir . luego. Pero al margen de esta cuestion logica.) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e. (ados igualmente probables. luego. rodas las probabilidades debieran ser iguales. es decir un intervalo p ± c. la probabilidad es 4/52==1/13=0. 100 0 mas). luego. al decir todos igualmente probables.Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado. 2. conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin.308. digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. los sucesos IfIn . Sin embargo.Como hariarnos para ca1cular Ia probabilidad de salida de un 2 en un dado cargado . habria un valor de 11. Tenentes un espacio muestral de N==6 resultados posibles.077. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo. z. (. diamantes y treboles). luego. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques.pero que no sabemos como esta cargado-? Una posibilidad razonable ser ia arrojar el dado muchas (n) veces. la probabilidad es 13/52==0.6 Ejemplo 1. z. F de los cuales son favorables a Ia ocurrencia de un suceso A.Cual es la probabilidad de que sea: a) Una carta de corazones? b) Una carta roja (corazones 0 diamantes)? c) Un as? d) Un corazon 0 un as? Solucion a) Hay 13 cases favorables en 52 posibles. el ntimero 11 de tiradas deberia ser grande (digamos. EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. b) Hay 26 casos favorables en 52 posibles.5. Si un fenorneno 0 experimento aleatorio admire N posibles resultados. clefinimos la probabilidad de A como: (2.

rnoneda. Otros ejemplos: * En un conjunto de personas. La intersecci6n de A y B es que sea una mujer rubia. que denotaremos AnB. esto es factible. al arrojar una. Interseccion y union. Piques '. Dicho de otro modo. la definici6n. no pueden predeterminarse sus valores. B de que sea rubia. se denominan mutuamente excluyentes . La intersecci6n de A y B es que hoy tengarnos clase de Estadistica y manana Jlueva. (. Se elige una persona al azar. 2. Definicion axiornatica.3). pero no 10 es en general. equivalentemente. Sucesos complementarios La interseccion de dos conjuntos es un conjunto que tiene los elementos que los conjuntos originales tienen en cormin. analogarnente A2. se elige una persona al azar. * A es el suceso "manana llovera" y B "hoy tendremos clase de Estadistica". 10 cual puede expresarse en forma probabilistica como sigue: Si en sucesivas repeticiones de un experimento. dados dos sucesos A y B. La intersecci6n de AI con A2 es que salga un as en la prirnera tirada y un as en la segunda tirada. 2. dada par (2.resultados (en nuestro caso la salida del 2).1 Fig. su limitacion a situaciones en que sea factible la subdivisi6n en casos igualmente probables. van a ocurrir cad a vez can menos frecuencia a mas esporadicarnente. Hemos resuelto un inconveniente de la definicion clasica. * Se arroja un dado dos veces. diremos queel suceso cumple COil la Ley de los Grandes Ntimeros 0.3). la intersecci6n de los corazones con los ases es el as de corazones.:1 Tn!boles Cara Ceca Fig. Utilizaremos el diagrama de VENN. se da cuando se presentan ambos conjuntos. La interseccion es que la persona lea ambos diarios. A es el suceso de que la persona sea mujer. Estos sucesos.pi > c siempre pueden producirse. AI es el suceso de que salga un as en la prirnera tirada.C6mo se produce entonces la aproximaci6n de fin a p? Se produce de una forma mas debil que la convergencia asint6tica. Hay sucesos que no tienen intersecci6n. * En una ciudad se publican dos diarios.7 (es en rigor una variable aleatoria) y par 10 tanto. esto es. por ejemplo. la intersecci6n de ambos. A es el suceso de que lea diario A. incompatibles 0 disjuntos. dentro de el. la tautologia de la definici6n clasica. De un Jado. que es una figura cerrada con cualquier contorno para representar al conjunto universal y. en el caso del dado. que su frecuencia relativa converge estocdsticamente a Sit probabilidad. 3. los sucesos de interes. uno de sus posibles . 2. pero a medida que aumenta n. que no tienen intersecci6n. que se denomina convergencia estocdstica: Los sucesos indeseados Ifln . pero tarnbien.2 . Asi. se produce can Una frecuencia f que cumple can la expresi6n (2. no puede ser cara y ceca simultanearnente 0 al extraer una carta de una baraja no puede ser simultaneamente coraz6n y trebol. subsiste el problema de la faJla logica. idem B. tiene un requerimiento fundamental: EI experimento debe poder repetirse en condiciones razonablernente uniformes. en el Ej.

dichas intersecciones son precisamente los ases de los palos. 2. los siguientes axiomas: I) Las probabilidades son mimeros que cumplen con Toda probabilidad es un nurnero positivo 0 nulo y menor 0 igual que la unidad: (2. * En el experimento de arrojar una moneda. Definicion axiomatica de probabilidad. la uni6n de cara y ceca es ei conjunto universal. 2. se da cuando se presenta alguno de estos sucesos. La uni6n de A y B es que la persona sea mujer 0 sea hombre rubio. Idem B. A es el suceso de que la persona sea mujer. la definicion no es constructiva. Asf. 2.1.3 Fig. 0 no.1 se representa el resultado deextraer una carta de una baraja francesa. en el experimento de extraer una carta de una baraja francesa. tanto el experirnento sea repetible. que no tienen intersecci6n. que tiene intersecci6n con los palos. Se elige una persona al azar. Sin embargo. B de que sea rubia.2. La definici6n es valida para todos los casos. se elige una persona al azar.3 Y 2. suceso que incluye a que lea ambos. que tienen intersecci6n y la Fig. la uni6n de los sucesos "corazones" y "treboles" es el suceso que salga un corazon 0 un trebol: la uni6n de los sucesos "corazones" y "ases" es el suceso que salga un coraz6n 0 un as. A es el suceso de que lea diario A.3 representa un caso general.4 representa dos sucesos A y B mutuamente excluyentes. 2. que denotaremos AuB. * En una ciudad se publican dos diarios. Otros ejemplos: * En un conjunto de personas. La Fig.. 10 que. II) La probabilidad de la uni6n de dos sucesos mutuamente excluyentes es igual a la suma de sus probabilidades individuales: (2. por supuesto. con los sucesos corazones. * Se arroja un dado dos veces. por ejemplo. incluye a la intersecci6n. AI es el suceso de que salga un as en la primera tirada. 0 sea que son mutuarnente excluyentes. diamantes y treboles y esta representado tarnbien el suceso ases. 0 no. con dos sucesos A y B.4) 0~p ~1 correspondiendo 1 a la probabilidad del universo. 0 de que el afio proximo mejoren las condiciones economic as en la Argentina. la uni6n de A y B. esto es. .8 OQ Fig. 'tanto los sucesos sean igualmente probables. La Fig. Asf. 0 sea a la certeza.4 . ~ Las figuras 2.5) P(AuB) = peA) + PCB) <=> AnB == cD (Conjunto vacio) Ambos axiomas tienen un fuerte caracter de verdad. con los resultados cara y ceca. 2. La uni6n es que la persona lea alguno de los diarios. 2. 2. En IaFig. La union de dos conjuntos A y B es un conjunto cuyos elementos son todos los elementos de A y B.4 muestran distintas situaciones. que es el as de corazones. piques. 2. La uni6n de AI con A2 es que salga un as en la primera 0 en la segunda tirada. no nos da un procedimiento para calcular probabilidades y alli radica su generalidad. son indiscutibles. analogamente A2.2 representa el experimento de arrojar una moneda. podernos hablar de la probabilidad de que el satelite Ganimedes del planeta Jupiter albergue vida.

6) es una generalizaci6n de (2. pero estas cifras incluyen un 6 % que lee ambos diarios. Se extrae una carta de un maze frances de 52 cartas.7) P(AuBuC) = peA) en el mismo universo.P(AnB) = 0.P(CorazonesnAses) con los obtenidos anteriormente. por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0. By C.41 . En una ciudad se publican dos diarios. i.67 = 67%.6) P(AuB) = peA) esro es.5 de cora zones y ases es el as de corazones.06 = 0. .0. que rienen inrerseccion + PCB) .P(AnB) sumando dos veces la interseccion. 0 sea: P(AuB) = peA) + PCB) . 2). a) i. b) El porcentaje de personas el porcentaje que lee A y B.P(AnB) .P(AnB) = 0.lee s610 el diario A? Soluci6n: a) EI porcentaje de la poblaci6n que lee diarios es la probabilidad de que una persona elegida al azar lea alguno de los diarios. por 10 que P(CorazonesnAses) luego = peAs de cora zones) = 1152 P(CorazonesuAses) = P(Corazones) = 1/4 + 1/13 . EI 32 % de los habitantes lee el diario A.26 = 26%. Dos sucesos A y A se dicen complementarios (0 que A es el complemento de A) si son mutuamente excluyentes y sus probabilidades suman la unidad.5).0.Que porcentaje de la poblaci6n lee diarios? b) i. esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) . 0 sea que su uni6n es el conjunto universal.25 = 0. Ejemplo 4 (Lectores de diarios).32 + 0.25 + 0.1152 = 16/52 Estos resultados coinciden + P(Ases) . aplicando la regia clasica (casos Javorables)/(casos posibles). el 41 % lee el diario B. definidos (2.06 = 0. Para 3 sucesos A. cuando sumamos peA) mas PCB). Ejemplo 3 (Continuacion del Ej. se expresa inmediatamente como: (2.P(AnC) se tiene: .Que porcentaje.32 . A y B.Cual es la probabilidad de que sea: a) Una carta raja (corazones 0 diamantes)? b) Un corazon 0 un as? So lucian: a) Los sucesos corazones y diamantes son mutua mente excluyentes.P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios.9 La probabilidad de la union de dos sucesos no excluyenres. . Adviertase ya que. estamos que (2.

Se dice los sucesos AI. de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases". Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114. nA. es decir P(A.. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As). Al extraer un carta al azar de una baraja frances a de 52. Es extensive a mas ?e dos sucesos: (2.8') P(AI VA2 v . Probabilidad condicionaI Desarrollaremos estos conceptos a partir de ejemplos. que la probabilidadde que se de alguno de los sucesos A 0 B es 1 menos la de que no se de ninguno.) = I-P(AI nA2 n .8) (2. Se arroja un dado equilibrado posibles.nA) =0 para todo =i. 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6). Ejemplo dos ases.sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos. en este caso (. sea: todos dos veces.9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) . simplemente. . vA. All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal.P(Corazones)== (1/13)(1/4) 1/52. .. Sucesos independientes.. A1.) Sucesos colectivamente exhaustivos.. 0 sea siendo 116 la probabilidad de que salga as en entonces.. . favorable S. esto es. 4.Sera general esta expresi6n?. Ejemplo G. entre sf. probables. Calcular igualmente Ia probabilidad De ellos. la probabilidad de que sea el as de corazones es 1152... de las tiradas.P(AnB) El lema de DE MORGAN significa.. la probabilidad de la intersecci6n de dos sucesos (.10 Dos relaciones (2. esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo.

0.1/6 y tampoco aqui vale la regla del producto. la probabilidad de par es 1/2. independientes si la Asi. a definir el concepto de probabilidad Probabilldad coudicional. inversamente. definidos en el mismo universo.11) P(B\A) = Asi. nos llevan. por 10 tanto. En carnbio. sabiendo que salio un mimerc-par. en el Ej. si sale cara. la probabilidad de ceca se modifica. Sucesos independientes. 7. 8. al extraer una carta de una baraja. Finalmente. Al arrojar un dado.. cero. es: P(2\par) = P(2n par) P(par) P(2) P(par) 1/6 112 3 pues la interseccion del 2 con los pares es el mismo mimero 2.. obviamente. pues el 2 es par. 1~ Ejemplo 8. la probabilidad de que' salga simultaneamente cara y ceca es. el hecho de que sea un as no modifica la probabilidad de que sea un coraz6n. 8. pero si no dicen que sali6 el 2. Tenernos asi la siguiente conclusi6n importante: Si dos sucesos son itulependientes Estas consideraciones condicional: no pueden ser mutuamente excluyentes y vice versa..11 Ejemplo 7. en el Ej. la presencia del as en la primera tirada no modifica la probabilidad de as en la segunda tirada. En el Ej. EI producto de las probabilidades individuales es (1/2)(1/2) 114:. Se dice que dos sucesos son estadisticamente ocurrencia de uno de ellos no modifica Ia probabilidad de ocurrencia del otro. pero si nos dicen que sali6 un mimero par. pasa a valer I. la probabilidad de que salga el 2 y un nurnero par es: P(2npar) I = P(2) = 116 pero el producto de las probabilidades individuales es (1/6)(1I2) = 1112:. la probabilidad del 2. a pesar de que en este caso los sucesos no son mutuamente excluyentes.10) sea valida". 1 Vemos entonces que la expresi6n (2. para sucesos mutuamente excluyentes. 6.10) P(AnB) = P(A)P(B) no es general. It i ~I " . lQue condici6n deben cumplir los sucesos A y B para que (2. necesariamente. Al arrojar una vez una moneda. Dados dos sucesos A y B. en el Ej. la respuesta es que sean sucesos independientes. dicha probabilidad pasa a valer 1/3 0. pues pasa a valer 0. la probabilidad del 2 es 116. llamamos probabilidad candicional de B dado A a: peA n B) peA) (2.. en el caso del dado. no vale la regla del producto.

comprender mejor este importante Ejemplo 9.545 = 54.Que porcentaje son mujeres casad as? c) De los divorciados.12 De (2. Se -extraen 2 bolillas con reposicion.244 = 24.4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =.5% d) pes \ M) = n M) P(M) = = .Que porcentaje son hombres? b) i.11) deducimos: (2.= 22 26 0.= 0.que porcentaje son mujeres? d) De las mujeres.12) P(AnB) = P(A)P(B\A) = P(B)P(A \B) Formula doble que expresa que la probabilidad de la interseccion de dos sucesos es igual a la probabilidad de uno de ellos por la del otro dado este. b) Ambas sean del mismo color.2% b) P(M n C) =- 44 180 = 0. el resultado de la primera extraccion no afecta al de la segunda. Un grupo de 180 personas esta formado del siguiente modo: Casados (C) 32 44 76 Solteros (S) 48 26 74 Divorciados (D) 10 12 22 Viudos (V) 4 4 8 Total 94 86 180 Hombres (H) Mujeres (M) Total a) i. por 10 tanto. Calcular la probabilidad de que: a) Ambas sean blancas. Si dos sucesos A y B son independientes se tiene. i.522 == 52. b) y c) considerando que las extracciones se realizan sin reposicion. naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto. c) AI menos una sea blanca. d) Idem a). la probabilidad de que ambas bolillas sean blancas es: b) Podemos considerar al suceso "ambas del mismo color" como la union de los sucesos mutuamente excluyentes "arnbas blancas" y "arnbas rojas": .que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0. Una caja contiene 7 bolillas blancas y 3 rojas. i.302 86 = 30.2% Ej emplo 10. Solucion: a) Al ser las extracciones con reposicion.

En una ciudad se publican dos diarios.. l. 14 = I . es decir.32 = 0.=.4% .06 0. a) De los que leen A.6): En esta expresi6n conocemos P(B1)=7110 y P(B2\B1)=6/9 pero l.cuanto vale P(B2)?.P(R1)P(R2\R1) = 32 I.cual es la probabilidad de que todas lean diarios? Soluci6n: a) La probabilidad pedida es P(B\A): PCB \ A) = rt». Ejemplo 11 [Colltinuacioll del Ej.R2) = 1 . no 10 pero como conocemos el resultado de toda la expresi6n [P(B1uB2) = 14115]. esto es. al no dar el resultado de la primera extracci6n. calculo de la probabilidad de "arnbas blancas" debemos efectuarlo mediante (2. l. Luego.11): yel Podemos calcular la probabilidad del suceso "al menos una blanca" como complemento del suceso "arnbas roj as": P(B1uB2) como antes. el 41 % lee el diario B. A y B. en una secci6n posterior. obtenemos P(B2) = 7 110.que porcentaje lee B? c) Si se eligen al azar 3 personas. es como si no hubierarnos extraido la primera bolilla. n B) peA) =- 0.10' 9 =.13 c) Podemos calcular la probabilidad del suceso "al menos una blanca" de distintos modos.que porcentaje lee B? b) De los que leen. EI 32 % de los habitantes lee el diario A.PCRl. pero estas cifras inc1uyen un 6% que lee ambos diarios. Curiosamente. volveremos a obtener este mismo resultado.094 = 9. mediante el teorema de la probabilidad total.= 90 15 84 °' 9333 Tarnbien podriamos aplicar (2.4 (Lectores de diarios)]. la probabilidad incondicional de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera bolilla sea blanca. Una posibilidad es considerar que dicho suceso es complementario de "arnbas rojas". l.6): d) Si las extracciones se hacen sin reposici6n. las mismas no son independientes. como aplicaci6n ~el Lema de DE MORGAN: Otra posibilidad es aplicar la expresi6n (2. esto es. sabemos.

2% 0. Se sabe ademas que entre las piezas excesivamente blandas.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena. el 25 % tiene fallas estructurales. 4 % por excesiva blandura y 10% por fallas estructurales.67 y de que al elegir 3 personas. Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores.5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) .01 entonces: . Los porcentajes de rechazo habituales son: 7 % por excesiva dureza.5 $/unidad. Las piezas buenas se vend en con un beneficio de 4.5. Iodas lean diarios sera 0.673=0. EI costo medio por pieza es de $20. a efectos de 10 cual llamamos: D: Pieza con excesiva dureza B: Pieza con excesiva blandura E: Pieza con falla estructural Buena: Pieza buena Def: Pieza defectuosa Del diagrama de VENN deducimos: Fig. c) La probabilidad de que una persona elegida al azar lea diarios es 0. el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0.07xO.04xO. de las muy duras. las duras 0 blandas con una bonificaci6n del 10% sobre el precio de venta y las que tienen fallas de estructura se tiran.P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas. digamos que el beneficio promedio por pieza puede calcularse como: (2. Calcular el beneficio promedio por pieza. 2.06 = 0. Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0.0042 = 0. Ejemplo 12.13) Beneficia promedio por pieza = Beneficia par pieza buena x P(pieza buena) + Beneficio par pieza dura a blanda x P(pieza dura 0 blanda sin falla estructural) .612=6J.25 == 0.P(DnE) . y de estes.41 =0.14 b) Los que leen son la union AuB.67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B.3=30%. s610 el 6 % presenta dicha falla. en cambio. En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n.

1958 == 0.15 P(Def) = 0.04 + 0.1958 P(Buena) = I-P(Def) = 1-0.42% .07 + 0.8042 == 80.0.0042 .0.01 = 0.1 .

lcual es la probabilidad de haber elegido la caja C. se vend en con una bonificaci6n del 10% sobre el precio de venta.5$.5xO.P(D n E)] + [PCB) .5$-20.07xO. Una caja C.5$+4. tiene 7 bolillas bJancas y 3 rojas.2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos.-+.P(D)P(E\D)] + [PCB) . Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas.5$=2$. a) Calcular la probabilidad de que sea blanca. 2. Teorema de la probabilidad total. Reernplazando estos valores en (2.Cosio de fabricacion x P(falla estructural) = 4.06)+(0. EjcmpJo 13.8042 + 2xO.14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C. Se elige una caja al azar y se extrae una bolilla. Las piezas con Ialla estructural se tiran y dejan un beneficio de -20.5)xO. consideremos un ejemplo.5$=25$.6) deducimos: Fig.04xO.25) = 0.13) Beneficio promedio por pieta = Beneficio por pieta buena x P(pieza buena) + Beneficio por pieza dura 0 blanda x P(pieza dura 0 blanda sin falla estructural) .? Soluci6n: a) Del diagrama de VENN (Fig.76$ 5.16 Las piezas con falla estructural se tiran.07-0.6 . b) Si es blanca. y sin falla estructural: P[(D u B) n E] = P(D n E) + PCB n E) = [P(D) .5$ y dejan un beneficio de 22.13): (2.P(B)P(E\B)] = (0.1 = 1. por 10 tanto estas piezas se venden a 22. esto es . otra caja C2 tiene 8 blancas y 12 rojas. Teorema de BAYES Antes de dar el enunciado general de estos teoremas.0958 Estas piezas.0958 + (-20. 2. duras 0 blandas y sin falla estructural.04-0. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta. que La expresi6n (2.PCB n E)] = [P(D) . EI precio de venta es de 20.

Despues de extraida la bolilla y ver su color (blanco calculamos las probabilidades de los mismos sucesos C. esto es. Si se conocen las P(B\Cj).) se establecen 13 son iguales. es: 7 __ 2::::. y su forma general (2.2 + 0.. y C2 son complementarios. y las probabilidadescondicionales /I universo que los C.I P(Cj)P(B\C. Ia probabilidad de haber elegido Ia caja C.\B)=· .=1 \ C.8 x 0. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2. expresi6n (2.16) es blanca.=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas.\B). es: del suceso cuyos B [P(C. En una maquina hay una pieza vital que debe carnbiarse peri6dicamente. P(Cj\B).Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M. que se denominan "probabiJidades a posteriori". sus probabilidades suman la unidad. las que en este Ejemplo por esta raz6n. Se coloca la piezay debe reponerse antes de los 6 meses.= 1 r P(C )"=' i n I Sea probabilidades un suceso B.2 a dicho engafio.-+-.)+P(C2)=I].1 + 0. antes delsuceso y se denominan. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses..17 . Ejemplo 14.___. Si es de material M" dura mas de 6 meses con probabilidad 0. del color de la "probabilidades a priori".) . Esta mismos [P(C.9 pero si es de material M}. definido en el mismo de los C. esto es. la probabilidad del suceso B es: (2.)P(B . con la informaci6n adicional bolilla extraida.\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total.. la probabilidad P(C2\B) es el complemento de P(C. asignandose una probabilidad 0.15) PCB) = IP(C.1.4.2 10 2 20 =~ = 0.16) como condicionadas a la ocurrencia de BAYES.6 .: La pieza es de material M. l. en este caso).0 __ 7 I8 -. I P(C. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0..636 22 Naturalmente. tanto si las consideramos incondicionales P(C2\B) = 1] .-. B.8 x 0.4 0.) b) Si la bolilla extraida (2. incondicionales P(C. dicha probabilidad es 0.. .17) P(C. pues los sucesos C.1 = 0.

si la vacuna no inmuniza a la persona.9: (0. el valor de p necesario para satisfacer la ecuaci6n anterior seria I. hay una probabilidad 0. 2. Un fabricante tiene dos maquinas que producen un mismo articulo. si el comprador revisara 2 piezas.96)5 = 0.12 de contraer la enfermedad. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %.638. esto significaria que.03p + 0..99 + (l-p)0.Cual debera ser la fracci6n p para que se acepte el 90 % de los lotes? Soluci6n: Cuando se extrae una pieza al azar del lote. ni aun poniendo todas de la maquina 1.cual es la probabilidad de que haya sido vacunada en la zona 2? Soluci6n: a) Podemos dividir el universo en los sucesos V I: Vacunados en zona 1 Vl: Vacunados en zona 2 N1: No vacunados en zona 1 Nl: No vacunados en zona 2 E: Enfermos Fig. el valor obtenido para p puede ser mayor que 1 omenor que 0. Ejemplo 19.96 y se La probabilidad de que 5 piezas elegidas al azar del lote sean buenas es [P(Buena)]5 desea aceptar el 90% de los lotes.90 EI valor de p que satisface esta ecuaci6n es 0. 0 sea que el lote debera integrarse con un 63. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda.8% de piezas de la maquina 1 y el resto de la maquina 2. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1.19 EjempJo 18. es p=P(M1) y l-p=P(Ml).O. Por ejemplo. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2. l. se decide vacunar al 80% de la poblaci6n. con 700000 y la 2 con 300000. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0. y ambos casos tienen una interpretaci6n." + 0. 0 sea que esta probabilidad debe valer 0. EI cliente revisa 5 piezas al azar del lote. 10 mismo que si la persona no es vacunada. En este problema. el valor de p seria negativo. I. Ante el peligro de una epidemia. En cambio. esto es.03p de la si 10 + P(Ml)P(Buena\Ml) = p. una que tiene un 84 % de efectividad. l.96 . no podria cumplirse con la exigencia de que las 15 fueran buenas.7 La probabilidad de que una persona se enferme sera: . aceptandolo son todas buenas. por tanto. que pod ria componerse el lote fntegramente con piezas de la rnaquina 2. a) Cuantas personas enferrnaran si sobreviene la epidemia? b) Si una persona se enferma.

85 + 0. mas la probabilidad de que Ia primera bolilla sea roja por la probabilidad de que la segunda sea blanca habiendo sido roja la primera. Consideremos por ejemplo que una caja tuviera s610 bolillas blancas y la otra s610 bolillas rojas. en ese caso. a continuaci6n se extrae otra bolilla de la misrna caja.98.96 x 0. En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas.639 0.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- . Una caja CI tiene 7 bolillas blancas y 3 rojas. 10). Ahora obtendremos el mismo resultado.04 x 0. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2.04. si vemos que la primera bolilla extrafda es blanca. otra caja C2 tiene 8 blancas y 12 rojas.85. igual a la probabilidad de que la prirnera bolilla fuera blanca.18 Ejemplo 15 iContinuacion del Ej. P(P\E)=O. aplicando el Teorema de la probabilidad total. arroja resultado negativo con 98 % de probabilidad. En un laboratorio se realiz6 un analisis que arrojo resultado positivo.) 2 = PCB PCB.85 -----------'-==0. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que. I Ejemplo 17. B 2 ) 0. el Test de COGGINS es muy especifico pero de sensibilidad moderada. si un caballo esta sano. el analisis arroja resultado positivo con 85 % de probabilidad y.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %). Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja.04 x 0. La probabilidad de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera sea blanca por la probabilidad de que la segunda sea blanca habiendo side blanca la primera. es decir que si un caballo esta enfermo. queremos caIcular: PCB \ B. EI analisis de rutina que se efecnia para detectar el mal (Test de COGGINS) tiene un 85 % de efectividad en los enfermos y un 98 % en los sanos. lcual es la probabilidad de que el caballo analizado este efectivamente enfermo? Soluci6n: Sea P: EI anal isis dio resultado positivo N: EI analisis dio resultado negativo E: EI caballo esta enfermo S: EI caballo esta sana Tenemos peE) ==0.) ' r. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad. 0 sea: Ejemplo 16. Entonces: PCE \ P) == 0. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O. en los primeros estadios no presenta sintomas: en las etapas posteriores el animal desmejora y frecuentemente muere. Calcular la probabilidad de que esta segunda bolilla sea blanca. Ia probabilidad de que la segunda tam bien sea blanca es 1. primero con y luego sin reposicion En las extracciones sin reposicion caIculamos la probabilidad incondicional de que la segunda bolilla sea blanca y obtuvimos el resultado 7110. evidentemente. Por 10 tanto. La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %). " Soluci6n: Un error que suele cometerse en este problema es pensar que el resultado de la primera extracci6n no da informacion sobre el resultado de la segunda.

16xO..033984.0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada . la probabilidad de que la siguiente tambiensea incorrecta es fJ. en ese caso._.) = 0. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11.. una persona vacunada tiene una probabilidad 0...2 = 0.. Sea P. Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a. 12.0096 Analogamente.14. se estima que enferrnaran unas 33. La primera operaci6n que ha realizado un dfa determinado fue correcta.8 = 0. en funci6n de a. Ca1cule: a) P.cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u . si efectua una operaci6n incorrecta. b) Si una persona se enferma. P(V2) = PeN.08xO.8 = 0. b) Si se necesit6 un rnimero par de tiros.. la probabilidad de que hayan side 2 es: P(2 n par) P(par) P(2) P(par) =30111 P(2 \ par) = = = (5/6)(1/6) 5/11 == - 11 36 Ejemplo 21.0192 habitantes.12 de enfermarse. tiene una probabilidad 0. La expresi6n dentro del corchete es una serie geornetrica.24 x 0.) = 0. fJ y n y su limite cuando n tiende a infinito.984 personas.. ) = P(2) + P4) + P(6) + . Reemplazando en peE) obtenemos peE) =0.16 de que la vacuna no la inmunice y. b) Si se necesit6 un mimero par de tiros.12 = 0. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0.08 de que la vacuna no la inmunice y.IJ56 en la zona 2 es. entonces: P(E\V.) = 0.56. Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia. en ausencia de otro dato.2 = 0.12 de enfermar.033984 Ejemplo 20.7xO.24 0. en ese caso. P(V2 )P(E \ V2) la probabilidad 0. Se arroja un dado equilibrado hasta que salga un as. luego P(E\V2) = O.3xO. fJ y P.3xO. tiene una probabilidad 0. la probabilidad de que la n-esima operaci6n sea correcta. debernos suponer Tenemos asi las probabilidades a priori: 0.7xO. P(N2) = Si una persona no es vacunada. P(V2 \ E) == peE) == 0. Calcular la probabilidad de que se necesite un mimero par de tiros. b) P" en funci6n de a. . en la zona 2. == 0. (. P(V.20 Se vacuna al 80% de la poblaci6n.06 de que se enferme que ese porcentaje la probabilidad esO.12 = 0.. se aplica por igual en ambas zonas.

es PI expresi6n anterior tiende a: P=_!!__= I-A l-fJ l+a-fJ = I.-I Po I Si se sabe que la primera operacion fue correcta.• l 21 Solucion: a) Aplicando el teorema de la probabilidad total: P. = Pn-I(I-a) + (l-Pn-I)(l-.8) = (1-.A + A..8) + (jJ-a)Pn-1 = B +A Pn-I siendo B= I-fJ.. Para n tendiendo a infinito. Ja .-I 1. A= fJ-a b) Tenemos entonces =B J- A.

L. se quedara con la moneda. con un 2% defectuoso. i. si sale cara dispara de nuevo A.11) Una caja C. i. la probabilidad de acierto para A es 0. y es no 2.que porcentaje falla en B? 2. 0 sea.12) Tres cazadores A. Sa be que detras de una de elias hay un automovil.Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)]. Si uno cualquiera de los cornponentes defectuoso. se introduce en C2.4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume). EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras. el 70% no tiene cuenta corriente. En cada disparo. sin miraria. a C2? 2.que porcentaje tiene menos de 3 aiios.22 6. i.Que porcentaje aiios? b) De los que tienen cuenta corriente. el circuito no funciona. Una caja roja R. el 20% tiene cuenta corriente. lcual es la probabilidad de haber pasado una blanca de C. una caja negra N2 contiene 9 monedas de oro y 4 de cobre. fallo.2 y para B 0. se arroja una moneda. para que extraiga una moneda al alar de una de elias y Ud.cual es la probabilidad de que provenga del proveedor C! 2. b) Si la suma fue ocho.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. vacia. F. Una caja contiene dos monedas de oro. i. A y B. contiene 4 monedas de oro y 7 de cobre: una caja negra N. otra caja C2 tiene 1 negra y 9 blancas. c) Ahora suponga que se arruan nuevas cajas R) y N. Si de esto viven aun A y B.3) En un programa de entretenimientos de la television de EU se Ie presentan al participante 3 puertas. (. Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro. tambien son indepeudientes Ay B.6) De los clientes de una empresa.que caja elegiria? b) Idem con las cajas R.Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. 1/4 Y 1/5 respectivarnente. Una caja roja R2 contiene 7 monedas de oro y 3 de cobre.5) 2. de 10 contrario dispara B. i. gane B salgan ilesos.8) Un circuito esta forrnado pOI' dos elementos A y B cuyos procesos de fabricacion son independientes trabajan con porcentajes defectuosos de 7 y 10% respectivamente. B Y C dan en el blanco con probabilidades los tres sirnultanearnente y dos dieron en el blanco y el tercero aciertos correspondan a A y B. Calcular las probabilidades de que gane A. 113. 1889. Le ofrecen las cajas R. a) i. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas . el 6% en la prueba B y el 90% en ninguna.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra. EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante.2) Paradoja de SIMPSON (1951).cual es la probabilidad de que la primera tirada haya sido un 3? 2. tiene B un ultimo disparo. luego se ext rae una bolilla al azar de C1. Se 'elige una pieza al azar: a) i. B Y C. i. Se tom a la caja C" se extrae una bolilla y.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. a) i. i. i. el 60% tiene menos de 3 afios de tiene cuenta corriente 0 rnenos de 3 de 3 afios? c) De los que tienen mas 2. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata.cllal es la probabilidad de que sea defectuoso el elernento B? 2. contiene 3 bolillas negras y 5 blancas. y N. b) De los que no fallan en A. una caja Rjcon 4+7=11 monedas de oro y 7+3=10 rnonedas de cobre y una caja N) con 3+9=:12 monedas de oro y 6+4= 10 monedas de cobre: i.que porcentaje tiene cuenta corriente? 2.9) Una pieza es suministrada a una empresa por Ires proveedores A. Dispara A y si no acierta. justificando numericamente la respuesta. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades". y N2.1) Se arroja un dado equilibrado dos veces. como suma de las anteriores. a) Calcular la probabilidad de que la suma sea 8.7) Dernuestre que si dos sucesos A y B son independientes. A y B. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa. contiene 3 monedas de oro y 6 de cobre. PROBLEMAS 2. 2. a) A Ud. EI 5% falla en la prueba A.3.que caja elegirla? 2. a) i.5) A primero despues y ambos y B se baten a duelo.10) Paradoja de J. antigiiedad y de eSIOS. Calcular la probabilidad Dispararon de que los .

Sign up to vote on this title
UsefulNot useful