P. 1
Probabilidades

Probabilidades

|Views: 127|Likes:
Publicado porAriel Benítez

More info:

Published by: Ariel Benítez on Mar 24, 2012
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

03/24/2012

pdf

text

original

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

hay una limitacion practica. la probabilidad es 13/52==0. el ntimero 11 de tiradas deberia ser grande (digamos.308. Ejemplo 2. z. (. Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir .5. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos. luego. esio es. que seria 3/6==0. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)].) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e.1 ) peA) F == N Volviendo al caso del dado. clefinimos la probabilidad de A como: (2. F de los cuales son favorables a Ia ocurrencia de un suceso A. luego. habria un valor de 11. la probabilidad es 0. digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. z. sin mucha precision. Se ext rae una carta de un mazo frances de 52 cartas. la probabilidad es 4/52==1/13=0. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques. esto no puede ser asi. Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad.Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado. Tenentes un espacio muestral de N==6 resultados posibles. analizaremos estas cuestiones. Ley de los Grandes Niimeros (. 2. rodas las probabilidades debieran ser iguales. luego. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. Pero al margen de esta cuestion logica. conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin. como adernas. Ia probabilidad es 16/52 =0. luego. pero para que sea valido. 100 0 mas). diamantes y treboles). Si un fenorneno 0 experimento aleatorio admire N posibles resultados. los sucesos IfIn . Una primera definicion. EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. es decir un intervalo p ± c. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. En algun sentido. (ados igualmente probables.pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio .5.25.077. 67 %. 10 que se considera inadrnisible (tautologia). funci6n dec.6 Ejemplo 1. pues hay 3 mimercs pares de un total de 6. al decir todos igualmente probables.Como hariarnos para ca1cular Ia probabilidad de salida de un 2 en un dado cargado .pero que no sabemos como esta cargado-? Una posibilidad razonable ser ia arrojar el dado muchas (n) veces. c) Hay 4 casos favorables en 52 posibles.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. Sin embargo. Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado.2) P = Lim( n_'OJ f.Como hariamos con un dado cargado?. y en capitulos posteriores. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo. la probabilidad de cada cara debe ser de 1/6 ==16. diriarnos entonces que fill converge asintoticamente a p. tambien podriamos calcular la probabilidad de obtener un mimero par. b) Hay 26 casos favorables en 52 posibles.

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

* En una ciudad se publican dos diarios. La Fig. que es el as de corazones.8 OQ Fig.3 Y 2. la definicion no es constructiva.4 muestran distintas situaciones. 0 de que el afio proximo mejoren las condiciones economic as en la Argentina. La definici6n es valida para todos los casos. La uni6n de AI con A2 es que salga un as en la primera 0 en la segunda tirada. * En el experimento de arrojar una moneda.5) P(AuB) = peA) + PCB) <=> AnB == cD (Conjunto vacio) Ambos axiomas tienen un fuerte caracter de verdad.1 se representa el resultado deextraer una carta de una baraja francesa. 2. por ejemplo. 0 sea que son mutuarnente excluyentes. 2. son indiscutibles. A es el suceso de que lea diario A. Se elige una persona al azar. 'tanto los sucesos sean igualmente probables. analogamente A2. diamantes y treboles y esta representado tarnbien el suceso ases.. con los resultados cara y ceca. no nos da un procedimiento para calcular probabilidades y alli radica su generalidad. 0 no.3 Fig. se elige una persona al azar. 0 sea a la certeza. 2. 2. esto es. por supuesto. 2. B de que sea rubia. En IaFig. Sin embargo. en el experimento de extraer una carta de una baraja francesa.1. podernos hablar de la probabilidad de que el satelite Ganimedes del planeta Jupiter albergue vida. AI es el suceso de que salga un as en la primera tirada. ~ Las figuras 2. 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. Definicion axiomatica de probabilidad. 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. suceso que incluye a que lea ambos. que no tienen intersecci6n. 2. incluye a la intersecci6n. La uni6n es que la persona lea alguno de los diarios. que tienen intersecci6n y la Fig. Asf. con dos sucesos A y B. con los sucesos corazones. que tiene intersecci6n con los palos. dichas intersecciones son precisamente los ases de los palos. tanto el experirnento sea repetible.2. Idem B. La union de dos conjuntos A y B es un conjunto cuyos elementos son todos los elementos de A y B. la uni6n de A y B. * Se arroja un dado dos veces.3 representa un caso general. 0 no.4) 0~p ~1 correspondiendo 1 a la probabilidad del universo. A es el suceso de que la persona sea mujer. que denotaremos AuB. la uni6n de cara y ceca es ei conjunto universal. 2. La uni6n de A y B es que la persona sea mujer 0 sea hombre rubio.2 representa el experimento de arrojar una moneda. 2. Asf. La Fig. Otros ejemplos: * En un conjunto de personas. piques. II) La probabilidad de la uni6n de dos sucesos mutuamente excluyentes es igual a la suma de sus probabilidades individuales: (2. se da cuando se presenta alguno de estos sucesos. 10 que. .4 .4 representa dos sucesos A y B mutuamente excluyentes.

por 10 que P(CorazonesnAses) luego = peAs de cora zones) = 1152 P(CorazonesuAses) = P(Corazones) = 1/4 + 1/13 . Se extrae una carta de un maze frances de 52 cartas. cuando sumamos peA) mas PCB). esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) .Que porcentaje de la poblaci6n lee diarios? b) i.0.0.06 = 0. Para 3 sucesos A. 2).41 .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. aplicando la regia clasica (casos Javorables)/(casos posibles). By C. 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.9 La probabilidad de la union de dos sucesos no excluyenres.P(AnB) . b) El porcentaje de personas el porcentaje que lee A y B.P(AnB) = 0. a) i.P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios.6) es una generalizaci6n de (2.67 = 67%.P(AnC) se tiene: . Ejemplo 3 (Continuacion del Ej. 0 sea que su uni6n es el conjunto universal.25 + 0. el 41 % lee el diario B.5 de cora zones y ases es el as de corazones. pero estas cifras incluyen un 6 % que lee ambos diarios.P(CorazonesnAses) con los obtenidos anteriormente. A y B.5).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. . Ejemplo 4 (Lectores de diarios).Que porcentaje.6) P(AuB) = peA) esro es. .P(AnB) = 0.32 . i. estamos que (2.32 + 0.26 = 26%. En una ciudad se publican dos diarios.1152 = 16/52 Estos resultados coinciden + P(Ases) . Adviertase ya que. 0 sea: P(AuB) = peA) + PCB) .7) P(AuBuC) = peA) en el mismo universo.06 = 0.25 = 0. por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0. definidos (2. se expresa inmediatamente como: (2. EI 32 % de los habitantes lee el diario A.P(AnB) sumando dos veces la interseccion. que rienen inrerseccion + PCB) .

. Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114. 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. es decir P(A. en este caso (. favorable S. simplemente. sea: todos dos veces. esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo. Es extensive a mas ?e dos sucesos: (2. nA. Calcular igualmente Ia probabilidad De ellos.. probables.P(AnB) El lema de DE MORGAN significa.9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) .. de las tiradas.) Sucesos colectivamente exhaustivos. entre sf. A1. esto es. Al extraer un carta al azar de una baraja frances a de 52. la probabilidad de que sea el as de corazones es 1152.10 Dos relaciones (2. .. Se dice los sucesos AI. 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6).) = I-P(AI nA2 n . de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases".nA) =0 para todo =i. la probabilidad de la intersecci6n de dos sucesos (. Ejemplo dos ases. . 0 sea siendo 116 la probabilidad de que salga as en entonces.8) (2. vA.sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos.. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As). All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal. .. Se arroja un dado equilibrado posibles. Sucesos independientes. Ejemplo G..Sera general esta expresi6n?..8') P(AI VA2 v .P(Corazones)== (1/13)(1/4) 1/52. 4.

al extraer una carta de una baraja. la probabilidad de que' salga simultaneamente cara y ceca es. llamamos probabilidad candicional de B dado A a: peA n B) peA) (2. pero si nos dicen que sali6 un mimero par. Se dice que dos sucesos son estadisticamente ocurrencia de uno de ellos no modifica Ia probabilidad de ocurrencia del otro. Sucesos independientes. 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:..0.10) sea valida". la probabilidad del 2 es 116. It i ~I " . necesariamente. pero si no dicen que sali6 el 2. En carnbio. Al arrojar un dado. EI producto de las probabilidades individuales es (1/2)(1/2) 114:.. 1 Vemos entonces que la expresi6n (2.1/6 y tampoco aqui vale la regla del producto. obviamente.. en el caso del dado. pues el 2 es par. la respuesta es que sean sucesos independientes. dicha probabilidad pasa a valer 1/3 0. la presencia del as en la primera tirada no modifica la probabilidad de as en la segunda tirada. Al arrojar una vez una moneda. Finalmente. en el Ej. En el Ej. por 10 tanto. a definir el concepto de probabilidad Probabilldad coudicional. la probabilidad del 2. la probabilidad de par es 1/2.11) P(B\A) = Asi. en el Ej. 7. Dados dos sucesos A y B. 6. definidos en el mismo universo. lQue condici6n deben cumplir los sucesos A y B para que (2. sabiendo que salio un mimerc-par. 8. independientes si la Asi. la probabilidad de ceca se modifica. 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. el hecho de que sea un as no modifica la probabilidad de que sea un coraz6n. nos llevan. pasa a valer I.. Tenernos asi la siguiente conclusi6n importante: Si dos sucesos son itulependientes Estas consideraciones condicional: no pueden ser mutuamente excluyentes y vice versa. 8. para sucesos mutuamente excluyentes. inversamente. a pesar de que en este caso los sucesos no son mutuamente excluyentes. pues pasa a valer 0.10) P(AnB) = P(A)P(B) no es general.11 Ejemplo 7. si sale cara. 1~ Ejemplo 8. en el Ej. no vale la regla del producto. cero.

Una caja contiene 7 bolillas blancas y 3 rojas. b) Ambas sean del mismo color.que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0.12 De (2. d) Idem a). por 10 tanto.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. c) AI menos una sea blanca.522 == 52. naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto.= 0. Se -extraen 2 bolillas con reposicion. b) y c) considerando que las extracciones se realizan sin reposicion. i. Solucion: a) Al ser las extracciones con reposicion.Que porcentaje son mujeres casad as? c) De los divorciados. 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.Que porcentaje son hombres? b) i. Si dos sucesos A y B son independientes se tiene.4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =. Calcular la probabilidad de que: a) Ambas sean blancas.5% d) pes \ M) = n M) P(M) = = .2% b) P(M n C) =- 44 180 = 0.302 86 = 30.244 = 24.2% Ej emplo 10.545 = 54. 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": .11) deducimos: (2. el resultado de la primera extraccion no afecta al de la segunda.= 22 26 0. comprender mejor este importante Ejemplo 9. i.que porcentaje son mujeres? d) De las mujeres.

En una ciudad se publican dos diarios.4 (Lectores de diarios)].PCRl.6): d) Si las extracciones se hacen sin reposici6n.06 0.6): En esta expresi6n conocemos P(B1)=7110 y P(B2\B1)=6/9 pero l.. obtenemos P(B2) = 7 110.4% . al no dar el resultado de la primera extracci6n.32 = 0.= 90 15 84 °' 9333 Tarnbien podriamos aplicar (2. calculo de la probabilidad de "arnbas blancas" debemos efectuarlo mediante (2. EI 32 % de los habitantes lee el diario A. es como si no hubierarnos extraido la primera bolilla. esto es. l. pero estas cifras inc1uyen un 6% que lee ambos diarios. 14 = I .11): yel Podemos calcular la probabilidad del suceso "al menos una blanca" como complemento del suceso "arnbas roj as": P(B1uB2) como antes. en una secci6n posterior. volveremos a obtener este mismo resultado. mediante el teorema de la probabilidad total. A y B. la probabilidad incondicional de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera bolilla sea blanca. es decir.094 = 9.10' 9 =. n B) peA) =- 0. l. sabemos. l. el 41 % lee el diario B. Ejemplo 11 [Colltinuacioll del Ej. Curiosamente.=. las mismas no son independientes. Luego. a) De los que leen A. esto es.que porcentaje lee B? c) Si se eligen al azar 3 personas.que porcentaje lee B? b) De los que leen.cual es la probabilidad de que todas lean diarios? Soluci6n: a) La probabilidad pedida es P(B\A): PCB \ A) = rt». como aplicaci6n ~el Lema de DE MORGAN: Otra posibilidad es aplicar la expresi6n (2.P(R1)P(R2\R1) = 32 I.cuanto vale P(B2)?. no 10 pero como conocemos el resultado de toda la expresi6n [P(B1uB2) = 14115]. Una posibilidad es considerar que dicho suceso es complementario de "arnbas rojas".R2) = 1 .13 c) Podemos calcular la probabilidad del suceso "al menos una blanca" de distintos modos.

digamos que el beneficio promedio por pieza puede calcularse como: (2. En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n. Ejemplo 12.2% 0. y de estes.673=0.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena. el 25 % tiene fallas estructurales. el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0. de las muy duras. s610 el 6 % presenta dicha falla. Iodas lean diarios sera 0. Se sabe ademas que entre las piezas excesivamente blandas. en cambio. Calcular el beneficio promedio por pieza.06 = 0.P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas.612=6J. EI costo medio por pieza es de $20.5 $/unidad.67 y de que al elegir 3 personas.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) . c) La probabilidad de que una persona elegida al azar lea diarios es 0.25 == 0.5.01 entonces: .5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) .P(DnE) .07xO.0042 = 0. Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores. las duras 0 blandas con una bonificaci6n del 10% sobre el precio de venta y las que tienen fallas de estructura se tiran. Las piezas buenas se vend en con un beneficio de 4.04xO. Los porcentajes de rechazo habituales son: 7 % por excesiva dureza. 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.3=30%. 2.67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B.14 b) Los que leen son la union AuB. 4 % por excesiva blandura y 10% por fallas estructurales. Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0.41 =0.

0.15 P(Def) = 0.0042 .07 + 0.04 + 0.1 .1958 P(Buena) = I-P(Def) = 1-0.1958 == 0.42% .8042 == 80.01 = 0.0.

Teorema de la probabilidad total. otra caja C2 tiene 8 blancas y 12 rojas.04-0.-+. y sin falla estructural: P[(D u B) n E] = P(D n E) + PCB n E) = [P(D) .5)xO. a) Calcular la probabilidad de que sea blanca. Una caja C.13): (2.1 = 1. duras 0 blandas y sin falla estructural. Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas. EI precio de venta es de 20. se vend en con una bonificaci6n del 10% sobre el precio de venta. 2.5xO. esto es .6 . Las piezas con Ialla estructural se tiran y dejan un beneficio de -20.P(D)P(E\D)] + [PCB) .06)+(0.04xO.P(B)P(E\B)] = (0.8042 + 2xO. que La expresi6n (2. EjcmpJo 13.PCB n E)] = [P(D) . por 10 tanto estas piezas se venden a 22. b) Si es blanca.P(D n E)] + [PCB) . 2.5$ y dejan un beneficio de 22.5$+4.14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C.07-0.76$ 5.Cosio de fabricacion x P(falla estructural) = 4.13) 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) .6) deducimos: Fig.07xO.5$-20. consideremos un ejemplo.0958 Estas piezas.5$.25) = 0. lcual es la probabilidad de haber elegido la caja C. Se elige una caja al azar y se extrae una bolilla. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta.2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total. tiene 7 bolillas bJancas y 3 rojas. Reernplazando estos valores en (2.? Soluci6n: a) Del diagrama de VENN (Fig.5$=25$.5$=2$. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos.16 Las piezas con falla estructural se tiran. Teorema de BAYES Antes de dar el enunciado general de estos teoremas.0958 + (-20.

sus probabilidades suman la unidad.17) P(C. Esta mismos [P(C.)+P(C2)=I]. Ia probabilidad de haber elegido Ia caja C. l. es: del suceso cuyos B [P(C. Si se conocen las P(B\Cj).___. Se coloca la piezay debe reponerse antes de los 6 meses. Si es de material M" dura mas de 6 meses con probabilidad 0.\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total.2 10 2 20 =~ = 0. y las probabilidadescondicionales /I universo que los C.) .636 22 Naturalmente. B.1 + 0. pues los sucesos C.2 + 0. la probabilidad P(C2\B) es el complemento de P(C. con la informaci6n adicional bolilla extraida. las que en este Ejemplo por esta raz6n. en este caso).Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M.= 1 r P(C )"=' i n I Sea probabilidades un suceso B..=1 \ C.4. esto es.=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas. .I P(Cj)P(B\C.1 = 0. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses.. Despues de extraida la bolilla y ver su color (blanco calculamos las probabilidades de los mismos sucesos C. P(Cj\B)..15) PCB) = IP(C. asignandose una probabilidad 0.4 0. En una maquina hay una pieza vital que debe carnbiarse peri6dicamente. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0. Ejemplo 14. esto es. del color de la "probabilidades a priori". y C2 son complementarios. definido en el mismo de los C.16) como condicionadas a la ocurrencia de BAYES.17 . que se denominan "probabiJidades a posteriori"..: La pieza es de material M.) se establecen 13 son iguales. expresi6n (2.9 pero si es de material M}.0 __ 7 I8 -. tanto si las consideramos incondicionales P(C2\B) = 1] . I P(C.1.6 ..-+-.16) es blanca.2 a dicho engafio.8 x 0. la probabilidad del suceso B es: (2.)P(B . y su forma general (2.-.8 x 0. antes delsuceso y se denominan. incondicionales P(C. dicha probabilidad es 0.\B). es: 7 __ 2::::.\B)=· .) b) Si la bolilla extraida (2. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2.

99 + (l-p)0. si la vacuna no inmuniza a la persona. 0 sea que esta probabilidad debe valer 0.9: (0. aceptandolo son todas buenas.19 EjempJo 18.638. el valor obtenido para p puede ser mayor que 1 omenor que 0. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda. por tanto. si el comprador revisara 2 piezas. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %." + 0.8% de piezas de la maquina 1 y el resto de la maquina 2. una que tiene un 84 % de efectividad.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.. Un fabricante tiene dos maquinas que producen un mismo articulo. se decide vacunar al 80% de la poblaci6n. Por ejemplo. no podria cumplirse con la exigencia de que las 15 fueran buenas.90 EI valor de p que satisface esta ecuaci6n es 0. esto significaria que.12 de contraer la enfermedad. l. hay una probabilidad 0. es p=P(M1) y l-p=P(Ml).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. l. Ejemplo 19. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2. I. En cambio. 2. y ambos casos tienen una interpretaci6n. el valor de p seria negativo. Ante el peligro de una epidemia.96 .O. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0. 10 mismo que si la persona no es vacunada. 0 sea que el lote debera integrarse con un 63.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. con 700000 y la 2 con 300000.03p + 0. ni aun poniendo todas de la maquina 1. EI cliente revisa 5 piezas al azar del lote. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5.7 La probabilidad de que una persona se enferme sera: . que pod ria componerse el lote fntegramente con piezas de la rnaquina 2. En este problema. a) Cuantas personas enferrnaran si sobreviene la epidemia? b) Si una persona se enferma.03p de la si 10 + P(Ml)P(Buena\Ml) = p. esto es. el valor de p necesario para satisfacer la ecuaci6n anterior seria I.96)5 = 0.

) 2 = PCB PCB. I Ejemplo 17. 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. B 2 ) 0. Por 10 tanto. queremos caIcular: PCB \ B. Ahora obtendremos el mismo resultado. arroja resultado negativo con 98 % de probabilidad.98.) ' r. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad. En un laboratorio se realiz6 un analisis que arrojo resultado positivo. evidentemente. Entonces: PCE \ P) == 0. el Test de COGGINS es muy especifico pero de sensibilidad moderada.96 x 0.85 -----------'-==0. el analisis arroja resultado positivo con 85 % de probabilidad y. 0 sea: Ejemplo 16. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O.85 + 0. Consideremos por ejemplo que una caja tuviera s610 bolillas blancas y la otra s610 bolillas rojas. igual a la probabilidad de que la prirnera bolilla fuera blanca. " 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. P(P\E)=O. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %). en los primeros estadios no presenta sintomas: en las etapas posteriores el animal desmejora y frecuentemente muere. Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja. 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. 10). otra caja C2 tiene 8 blancas y 12 rojas.04. La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %).04 x 0. a continuaci6n se extrae otra bolilla de la misrna caja. es decir que si un caballo esta enfermo.85. si un caballo esta sano. si vemos que la primera bolilla extrafda es blanca.18 Ejemplo 15 iContinuacion del Ej. 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. Una caja CI tiene 7 bolillas blancas y 3 rojas. 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. mas la probabilidad de que Ia primera bolilla sea roja por la probabilidad de que la segunda sea blanca habiendo sido roja la primera.639 0. En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas. en ese caso. aplicando el Teorema de la probabilidad total.04 x 0.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- .

2 = 0. la probabilidad de que la siguiente tambiensea incorrecta es fJ. P(N2) = Si una persona no es vacunada. Sea P.. debernos suponer Tenemos asi las probabilidades a priori: 0.20 Se vacuna al 80% de la poblaci6n. Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia.08 de que la vacuna no la inmunice y. en funci6n de a.12 de enfermar.12 de enfermarse. fJ y P. tiene una probabilidad 0. == 0.12 = 0._. P(V2 )P(E \ V2) la probabilidad 0. luego P(E\V2) = O. . b) P" en funci6n de a.24 x 0.0096 Analogamente.2 = 0. Reemplazando en peE) obtenemos peE) =0. b) Si una persona se enferma.24 0. P(V.8 = 0.08xO.3xO.033984 Ejemplo 20. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11..06 de que se enferme que ese porcentaje la probabilidad esO.) = 0..0192 habitantes.984 personas.7xO.. Se arroja un dado equilibrado hasta que salga un as. ) = P(2) + P4) + P(6) + .. en la zona 2. la probabilidad de que la n-esima operaci6n sea correcta. si efectua una operaci6n incorrecta. La primera operaci6n que ha realizado un dfa determinado fue correcta.16 de que la vacuna no la inmunice y. 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. tiene una probabilidad 0. 12.8 = 0.0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada .033984. (. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0. en ese caso. se estima que enferrnaran unas 33..7xO. P(V2) = PeN. P(V2 \ E) == peE) == 0.12 = 0..cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u .3xO. Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a. se aplica por igual en ambas zonas. una persona vacunada tiene una probabilidad 0. fJ y n y su limite cuando n tiende a infinito. b) Si se necesit6 un mimero par de tiros. La expresi6n dentro del corchete es una serie geornetrica. b) Si se necesit6 un rnimero par de tiros.IJ56 en la zona 2 es. Ca1cule: a) P. Calcular la probabilidad de que se necesite un mimero par de tiros.56.) = 0.. en ausencia de otro dato. en ese caso.16xO. entonces: P(E\V.) = 0.14.

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

5) A primero despues y ambos y B se baten a duelo. tambien son indepeudientes Ay B. L. a) i. el 6% en la prueba B y el 90% en ninguna.2 y para B 0. 113. si sale cara dispara de nuevo A. a) i. i. Se 'elige una pieza al azar: a) i. b) De los que no fallan en A. Sa be que detras de una de elias hay un automovil.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. vacia. i. Le ofrecen las cajas R. 2. EI 5% falla en la prueba A. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes.22 6.3) En un programa de entretenimientos de la television de EU se Ie presentan al participante 3 puertas. como suma de las anteriores.cual es la probabilidad de que provenga del proveedor C! 2. y N. i. el 20% tiene cuenta corriente. i. contiene 3 monedas de oro y 6 de cobre. 1/4 Y 1/5 respectivarnente.Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)].12) Tres cazadores A.cllal es la probabilidad de que sea defectuoso el elernento B? 2. fallo. para que extraiga una moneda al alar de una de elias y Ud. se introduce en C2. 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.cual es la probabilidad de que la primera tirada haya sido un 3? 2. A y B. 0 sea. En cada disparo. Una caja roja R. a) Calcular la probabilidad de que la suma sea 8. Si uno cualquiera de los cornponentes defectuoso. a C2? 2. se quedara con la moneda. antigiiedad y de eSIOS. EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante. EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras.que caja elegirla? 2.3.8) 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. i. Se tom a la caja C" se extrae una bolilla y. i. luego se ext rae una bolilla al azar de C1. Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro.Que porcentaje aiios? b) De los que tienen cuenta corriente.4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume).7) Dernuestre que si dos sucesos A y B son independientes.2) Paradoja de SIMPSON (1951). contiene 3 bolillas negras y 5 blancas. Si de esto viven aun A y B. Una caja contiene dos monedas de oro.1) Se arroja un dado equilibrado dos veces. i. contiene 4 monedas de oro y 7 de cobre: una caja negra N.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. 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. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas . una caja negra N2 contiene 9 monedas de oro y 4 de cobre. F. el 70% no tiene cuenta corriente. Calcular la probabilidad Dispararon de que los . justificando numericamente la respuesta. a) i.6) De los clientes de una empresa. (. i. Una caja roja R2 contiene 7 monedas de oro y 3 de cobre.11) Una caja C.Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. c) Ahora suponga que se arruan nuevas cajas R) y N. tiene B un ultimo disparo. 1889.que porcentaje tiene menos de 3 aiios. lcual es la probabilidad de haber pasado una blanca de C.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata. otra caja C2 tiene 1 negra y 9 blancas. el circuito no funciona. 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. B Y C. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades". A y B. se arroja una moneda.9) Una pieza es suministrada a una empresa por Ires proveedores A. PROBLEMAS 2. b) Si la suma fue ocho.10) Paradoja de J. y N2.que porcentaje falla en B? 2. la probabilidad de acierto para A es 0. y es no 2. Dispara A y si no acierta.5) 2. gane B salgan ilesos.que caja elegiria? b) Idem con las cajas R.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa. de 10 contrario dispara B. a) A Ud. sin miraria.que porcentaje tiene cuenta corriente? 2. con un 2% defectuoso.

You're Reading a Free Preview

Descarga
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->