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

Sin embargo. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. funci6n dec. pero para que sea valido.) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e. En algun sentido. sin mucha precision. que seria 3/6==0.1 ) peA) F == N Volviendo al caso del dado. 67 %. la probabilidad es 13/52==0. diriarnos entonces que fill converge asintoticamente a p.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. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques. luego. la probabilidad es 0.pero que no sabemos como esta cargado-? Una posibilidad razonable ser ia arrojar el dado muchas (n) veces.5. digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)]. es decir un intervalo p ± c. Una primera definicion.308.25. Ejemplo 2. esio es. al decir todos igualmente probables.Como hariarnos para ca1cular Ia probabilidad de salida de un 2 en un dado cargado . 10 que se considera inadrnisible (tautologia). Pero al margen de esta cuestion logica. analizaremos estas cuestiones. diamantes y treboles). (ados igualmente probables. y en capitulos posteriores. el ntimero 11 de tiradas deberia ser grande (digamos. z. Ley de los Grandes Niimeros (. esto no puede ser asi. Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir .077. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo. c) Hay 4 casos favorables en 52 posibles. z. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. b) Hay 26 casos favorables en 52 posibles. rodas las probabilidades debieran ser iguales.5. clefinimos la probabilidad de A como: (2.Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado.6 Ejemplo 1. habria un valor de 11. Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos. F de los cuales son favorables a Ia ocurrencia de un suceso A. EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad. (. tambien podriamos calcular la probabilidad de obtener un mimero par. la probabilidad es 4/52==1/13=0. 2. como adernas. 100 0 mas). conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin. Si un fenorneno 0 experimento aleatorio admire N posibles resultados. Se ext rae una carta de un mazo frances de 52 cartas. la probabilidad de cada cara debe ser de 1/6 ==16.Como hariamos con un dado cargado?. luego. luego.pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio . hay una limitacion practica. Ia probabilidad es 16/52 =0. Tenentes un espacio muestral de N==6 resultados posibles. luego. pues hay 3 mimercs pares de un total de 6.2) P = Lim( n_'OJ f. los sucesos IfIn .

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

se elige una persona al azar. la uni6n de A y B. en el experimento de extraer una carta de una baraja francesa. 0 sea que son mutuarnente excluyentes. 2. podernos hablar de la probabilidad de que el satelite Ganimedes del planeta Jupiter albergue vida. 2.3 Y 2. A es el suceso de que lea diario A. por supuesto.5) P(AuB) = peA) + PCB) <=> AnB == cD (Conjunto vacio) Ambos axiomas tienen un fuerte caracter de verdad. dichas intersecciones son precisamente los ases de los palos. A es el suceso de que la persona sea mujer. 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. Se elige una persona al azar. La definici6n es valida para todos los casos. La uni6n es que la persona lea alguno de los diarios. En IaFig. 0 no. la definicion no es constructiva. que no tienen intersecci6n. esto es.. 2. Asf. con los resultados cara y ceca. 2. incluye a la intersecci6n. AI es el suceso de que salga un as en la primera tirada. 2.4 .2. Idem B.4 muestran distintas situaciones. B de que sea rubia. que denotaremos AuB. la uni6n de cara y ceca es ei conjunto universal. 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. 2. son indiscutibles. 0 de que el afio proximo mejoren las condiciones economic as en la Argentina. II) La probabilidad de la uni6n de dos sucesos mutuamente excluyentes es igual a la suma de sus probabilidades individuales: (2. suceso que incluye a que lea ambos. Definicion axiomatica de probabilidad. Sin embargo.4) 0~p ~1 correspondiendo 1 a la probabilidad del universo. se da cuando se presenta alguno de estos sucesos. con los sucesos corazones. * En el experimento de arrojar una moneda.3 representa un caso general. que tiene intersecci6n con los palos. * En una ciudad se publican dos diarios.2 representa el experimento de arrojar una moneda. 2. Otros ejemplos: * En un conjunto de personas. 2. La uni6n de A y B es que la persona sea mujer 0 sea hombre rubio. 0 no.4 representa dos sucesos A y B mutuamente excluyentes. La Fig. tanto el experirnento sea repetible.1. * Se arroja un dado dos veces. . Asf. La union de dos conjuntos A y B es un conjunto cuyos elementos son todos los elementos de A y B. 'tanto los sucesos sean igualmente probables. por ejemplo. con dos sucesos A y B. ~ Las figuras 2. no nos da un procedimiento para calcular probabilidades y alli radica su generalidad. La Fig. que tienen intersecci6n y la Fig.1 se representa el resultado deextraer una carta de una baraja francesa. La uni6n de AI con A2 es que salga un as en la primera 0 en la segunda tirada. 10 que. diamantes y treboles y esta representado tarnbien el suceso ases. que es el as de corazones. piques.8 OQ Fig. analogamente A2. 0 sea a la certeza.3 Fig.

6) es una generalizaci6n de (2. A y B.26 = 26%.0. Ejemplo 4 (Lectores de diarios). estamos que (2. por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0.32 + 0. definidos (2.67 = 67%. cuando sumamos peA) mas PCB). i. .06 = 0. b) El porcentaje de personas el porcentaje que lee A y B.5). En una ciudad se publican dos diarios. 2).41 .0.P(CorazonesnAses) con los obtenidos anteriormente.25 + 0.06 = 0.32 .5 de cora zones y ases es el as de corazones.P(AnB) = 0. .P(AnB) . Ejemplo 3 (Continuacion del Ej. Para 3 sucesos A. Adviertase ya que. 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. se expresa inmediatamente como: (2.Que porcentaje de la poblaci6n lee diarios? b) i. pero estas cifras incluyen un 6 % que lee ambos diarios. EI 32 % de los habitantes lee el diario A. aplicando la regia clasica (casos Javorables)/(casos posibles). 0 sea que su uni6n es el conjunto universal. por 10 que P(CorazonesnAses) luego = peAs de cora zones) = 1152 P(CorazonesuAses) = P(Corazones) = 1/4 + 1/13 .Que porcentaje.1152 = 16/52 Estos resultados coinciden + P(Ases) . esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) . Se extrae una carta de un maze frances de 52 cartas.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.P(AnB) = 0. 0 sea: P(AuB) = peA) + PCB) .25 = 0. el 41 % lee el diario B. que rienen inrerseccion + PCB) . a) i.9 La probabilidad de la union de dos sucesos no excluyenres.6) P(AuB) = peA) esro es.P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios.P(AnC) se tiene: .7) P(AuBuC) = peA) en el mismo universo.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(AnB) sumando dos veces la interseccion. By C.

All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal. . Ejemplo dos ases.. Calcular igualmente Ia probabilidad De ellos. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As). esto es.) = I-P(AI nA2 n . esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo.nA) =0 para todo =i.. Se dice los sucesos AI. Es extensive a mas ?e dos sucesos: (2.P(Corazones)== (1/13)(1/4) 1/52. favorable S. A1.) Sucesos colectivamente exhaustivos.sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos. . en este caso (.P(AnB) El lema de DE MORGAN significa. vA. Sucesos independientes. probables.10 Dos relaciones (2. 4..Sera general esta expresi6n?. de las tiradas. la probabilidad de la intersecci6n de dos sucesos (. sea: todos dos veces. que la probabilidadde que se de alguno de los sucesos A 0 B es 1 menos la de que no se de ninguno. Al extraer un carta al azar de una baraja frances a de 52. . es decir P(A. nA..9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) .. Probabilidad condicionaI Desarrollaremos estos conceptos a partir de ejemplos.8') P(AI VA2 v . 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6). Ejemplo G. entre sf... de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases". la probabilidad de que sea el as de corazones es 1152.8) (2. Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114.. simplemente. 0 sea siendo 116 la probabilidad de que salga as en entonces. Se arroja un dado equilibrado posibles.

En carnbio.. en el Ej. Al arrojar un dado. el hecho de que sea un as no modifica la probabilidad de que sea un coraz6n. para sucesos mutuamente excluyentes. a pesar de que en este caso los sucesos no son mutuamente excluyentes. Al arrojar una vez una moneda. la probabilidad de ceca se modifica. al extraer una carta de una baraja.0. la probabilidad del 2 es 116. lQue condici6n deben cumplir los sucesos A y B para que (2. Sucesos independientes. la probabilidad del 2. definidos en el mismo universo. si sale cara. It i ~I " . Se dice que dos sucesos son estadisticamente ocurrencia de uno de ellos no modifica Ia probabilidad de ocurrencia del otro. obviamente. inversamente..10) sea valida". la respuesta es que sean sucesos independientes. 8. necesariamente. por 10 tanto.1/6 y tampoco aqui vale la regla del producto. 1 Vemos entonces que la expresi6n (2. la probabilidad de par es 1/2. 7. en el Ej. dicha probabilidad pasa a valer 1/3 0. Tenernos asi la siguiente conclusi6n importante: Si dos sucesos son itulependientes Estas consideraciones condicional: no pueden ser mutuamente excluyentes y vice versa. EI producto de las probabilidades individuales es (1/2)(1/2) 114:. a definir el concepto de probabilidad Probabilldad coudicional. no vale la regla del producto. pues el 2 es par.. pero si nos dicen que sali6 un mimero par. en el Ej. pero si no dicen que sali6 el 2. 1~ Ejemplo 8. la probabilidad de que' salga simultaneamente cara y ceca es. sabiendo que salio un mimerc-par. 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:.11) P(B\A) = Asi. Finalmente. llamamos probabilidad candicional de B dado A a: peA n B) peA) (2. independientes si la Asi. cero.. nos llevan. 6. pasa a valer I. pues pasa a valer 0. Dados dos sucesos A y B.11 Ejemplo 7. 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. En el Ej. la presencia del as en la primera tirada no modifica la probabilidad de as en la segunda tirada. en el caso del dado. 8.10) P(AnB) = P(A)P(B) no es general.

545 = 54.Que porcentaje son hombres? b) i. 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": . Calcular la probabilidad de que: a) Ambas sean blancas.12 De (2.2% b) P(M n C) =- 44 180 = 0.que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0.= 22 26 0. i.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. 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.244 = 24. comprender mejor este importante Ejemplo 9. c) AI menos una sea blanca.Que porcentaje son mujeres casad as? c) De los divorciados. Si dos sucesos A y B son independientes se tiene. i. por 10 tanto.4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =. Se -extraen 2 bolillas con reposicion. naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto.5% d) pes \ M) = n M) P(M) = = . el resultado de la primera extraccion no afecta al de la segunda. d) Idem a). b) y c) considerando que las extracciones se realizan sin reposicion. Solucion: a) Al ser las extracciones con reposicion.2% Ej emplo 10. Una caja contiene 7 bolillas blancas y 3 rojas.302 86 = 30.que porcentaje son mujeres? d) De las mujeres.11) deducimos: (2. b) Ambas sean del mismo color.522 == 52.= 0.

=. esto es.cuanto vale P(B2)?. En una ciudad se publican dos diarios. es como si no hubierarnos extraido la primera bolilla.P(R1)P(R2\R1) = 32 I. mediante el teorema de la probabilidad total. A y B. volveremos a obtener este mismo resultado. Curiosamente.13 c) Podemos calcular la probabilidad del suceso "al menos una blanca" de distintos modos.que porcentaje lee B? c) Si se eligen al azar 3 personas. pero estas cifras inc1uyen un 6% que lee ambos diarios. el 41 % lee el diario B.PCRl.= 90 15 84 °' 9333 Tarnbien podriamos aplicar (2.094 = 9. EI 32 % de los habitantes lee el diario A. Una posibilidad es considerar que dicho suceso es complementario de "arnbas rojas". l.R2) = 1 . es decir. en una secci6n posterior. las mismas no son independientes. sabemos. al no dar el resultado de la primera extracci6n.6): d) Si las extracciones se hacen sin reposici6n.10' 9 =. a) De los que leen A.11): yel Podemos calcular la probabilidad del suceso "al menos una blanca" como complemento del suceso "arnbas roj as": P(B1uB2) como antes.4% . l.4 (Lectores de diarios)]. como aplicaci6n ~el Lema de DE MORGAN: Otra posibilidad es aplicar la expresi6n (2.cual es la probabilidad de que todas lean diarios? Soluci6n: a) La probabilidad pedida es P(B\A): PCB \ A) = rt». esto es. Luego. la probabilidad incondicional de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera bolilla sea blanca. obtenemos P(B2) = 7 110.6): En esta expresi6n conocemos P(B1)=7110 y P(B2\B1)=6/9 pero l.. calculo de la probabilidad de "arnbas blancas" debemos efectuarlo mediante (2. n B) peA) =- 0.que porcentaje lee B? b) De los que leen. no 10 pero como conocemos el resultado de toda la expresi6n [P(B1uB2) = 14115].06 0.32 = 0. l. Ejemplo 11 [Colltinuacioll del Ej. 14 = I .

las duras 0 blandas con una bonificaci6n del 10% sobre el precio de venta y las que tienen fallas de estructura se tiran. Se sabe ademas que entre las piezas excesivamente blandas.25 == 0.04xO. En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n.P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas.67 y de que al elegir 3 personas. Las piezas buenas se vend en con un beneficio de 4.3=30%.673=0.0042 = 0.2% 0.P(DnE) .67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B. c) La probabilidad de que una persona elegida al azar lea diarios es 0.07xO.5 $/unidad. Iodas lean diarios sera 0. Ejemplo 12. 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.06 = 0. Calcular el beneficio promedio por pieza. el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0.14 b) Los que leen son la union AuB.5.41 =0.13) 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) . Los porcentajes de rechazo habituales son: 7 % por excesiva dureza. digamos que el beneficio promedio por pieza puede calcularse como: (2. el 25 % tiene fallas estructurales. de las muy duras.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena. 4 % por excesiva blandura y 10% por fallas estructurales. s610 el 6 % presenta dicha falla.612=6J.01 entonces: .5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) . 2. y de estes. en cambio. EI costo medio por pieza es de $20. Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0. Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores.

04 + 0.07 + 0.1958 == 0.1958 P(Buena) = I-P(Def) = 1-0.0.1 .15 P(Def) = 0.0042 .42% .01 = 0.8042 == 80.0.

5$ y dejan un beneficio de 22.5$=2$. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos. duras 0 blandas y sin falla estructural.2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total.0958 + (-20.5$+4.P(B)P(E\B)] = (0. que La expresi6n (2.0958 Estas piezas.13) Beneficio promedio por pieta = Beneficio por pieta buena x P(pieza buena) + Beneficio por pieza dura 0 blanda x P(pieza dura 0 blanda sin falla estructural) . Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas.1 = 1.5$. b) Si es blanca. Una caja C.76$ 5.14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C. Reernplazando estos valores en (2.8042 + 2xO. 2. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta.07-0. lcual es la probabilidad de haber elegido la caja C.? Soluci6n: a) Del diagrama de VENN (Fig. consideremos un ejemplo.P(D n E)] + [PCB) . esto es .6) deducimos: Fig. Teorema de BAYES Antes de dar el enunciado general de estos teoremas.04-0. por 10 tanto estas piezas se venden a 22. se vend en con una bonificaci6n del 10% sobre el precio de venta.5$=25$.5$-20. 2.5xO.PCB n E)] = [P(D) .5)xO.P(D)P(E\D)] + [PCB) .-+. Las piezas con Ialla estructural se tiran y dejan un beneficio de -20.16 Las piezas con falla estructural se tiran.Cosio de fabricacion x P(falla estructural) = 4.13): (2. tiene 7 bolillas bJancas y 3 rojas.06)+(0.04xO. otra caja C2 tiene 8 blancas y 12 rojas.07xO. Se elige una caja al azar y se extrae una bolilla.25) = 0.6 . EjcmpJo 13. EI precio de venta es de 20. a) Calcular la probabilidad de que sea blanca. Teorema de la probabilidad total. y sin falla estructural: P[(D u B) n E] = P(D n E) + PCB n E) = [P(D) .

636 22 Naturalmente.. asignandose una probabilidad 0. es: 7 __ 2::::..=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas. sus probabilidades suman la unidad. definido en el mismo de los C.)+P(C2)=I].) se establecen 13 son iguales. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses. que se denominan "probabiJidades a posteriori". y C2 son complementarios.\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total.I P(Cj)P(B\C.4.17 .Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M. del color de la "probabilidades a priori". las que en este Ejemplo por esta raz6n. y las probabilidadescondicionales /I universo que los C.0 __ 7 I8 -.: La pieza es de material M.) .4 0.2 a dicho engafio.8 x 0. esto es. I P(C. la probabilidad P(C2\B) es el complemento de P(C. Esta mismos [P(C.1 + 0.) b) Si la bolilla extraida (2. Si es de material M" dura mas de 6 meses con probabilidad 0. antes delsuceso y se denominan. pues los sucesos C. l. Se coloca la piezay debe reponerse antes de los 6 meses. B.16) como condicionadas a la ocurrencia de BAYES. y su forma general (2.15) PCB) = IP(C. la probabilidad del suceso B es: (2..)P(B . Despues de extraida la bolilla y ver su color (blanco calculamos las probabilidades de los mismos sucesos C..17) P(C.8 x 0.2 + 0. Ejemplo 14. en este caso). esto es.1. Si se conocen las P(B\Cj). En una maquina hay una pieza vital que debe carnbiarse peri6dicamente. tanto si las consideramos incondicionales P(C2\B) = 1] .. expresi6n (2. P(Cj\B). incondicionales P(C.=1 \ C.-+-.6 . es: del suceso cuyos B [P(C. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2.16) es blanca.1 = 0. con la informaci6n adicional bolilla extraida.2 10 2 20 =~ = 0. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0. .-.\B).9 pero si es de material M}.\B)=· .= 1 r P(C )"=' i n I Sea probabilidades un suceso B. Ia probabilidad de haber elegido Ia caja C.___. dicha probabilidad es 0.

es p=P(M1) y l-p=P(Ml). el valor de p necesario para satisfacer la ecuaci6n anterior seria I. por tanto. 2.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. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda. con 700000 y la 2 con 300000.9: (0.19 EjempJo 18. el valor obtenido para p puede ser mayor que 1 omenor que 0. ni aun poniendo todas de la maquina 1.96 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. EI cliente revisa 5 piezas al azar del lote. esto es. Ejemplo 19. l. En cambio.7 La probabilidad de que una persona se enferme sera: .03p + 0. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %.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.90 EI valor de p que satisface esta ecuaci6n es 0. el valor de p seria negativo.03p de la si 10 + P(Ml)P(Buena\Ml) = p.96 . no podria cumplirse con la exigencia de que las 15 fueran buenas.638. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0. En este problema. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5. Un fabricante tiene dos maquinas que producen un mismo articulo.12 de contraer la enfermedad. hay una probabilidad 0. si la vacuna no inmuniza a la persona. 0 sea que el lote debera integrarse con un 63. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1. aceptandolo son todas buenas." + 0. y ambos casos tienen una interpretaci6n. 0 sea que esta probabilidad debe valer 0.99 + (l-p)0. una que tiene un 84 % de efectividad. 10 mismo que si la persona no es vacunada. esto significaria que.8% de piezas de la maquina 1 y el resto de la maquina 2.96)5 = 0.. Ante el peligro de una epidemia. I. si el comprador revisara 2 piezas. que pod ria componerse el lote fntegramente con piezas de la rnaquina 2.O. a) Cuantas personas enferrnaran si sobreviene la epidemia? b) Si una persona se enferma. Por ejemplo. se decide vacunar al 80% de la poblaci6n.

si vemos que la primera bolilla extrafda es blanca. Por 10 tanto. 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. en ese caso.04 x 0. 0 sea: Ejemplo 16. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O. I Ejemplo 17.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- .18 Ejemplo 15 iContinuacion del Ej. 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. a continuaci6n se extrae otra bolilla de la misrna caja. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2.04. En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas. 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. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad. es decir que si un caballo esta enfermo.04 x 0. Ia probabilidad de que la segunda tam bien sea blanca es 1. arroja resultado negativo con 98 % de probabilidad. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que.85. Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja.98. si un caballo esta sano.85 + 0. 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. el analisis arroja resultado positivo con 85 % de probabilidad y. el Test de COGGINS es muy especifico pero de sensibilidad moderada. P(P\E)=O. queremos caIcular: PCB \ B. Una caja CI tiene 7 bolillas blancas y 3 rojas. otra caja C2 tiene 8 blancas y 12 rojas. evidentemente.96 x 0. igual a la probabilidad de que la prirnera bolilla fuera blanca.) 2 = PCB PCB. B 2 ) 0. 10). La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %).85 -----------'-==0. Ahora obtendremos el mismo resultado.639 0.) ' r. En un laboratorio se realiz6 un analisis que arrojo resultado positivo. aplicando el Teorema de la probabilidad total. Entonces: PCE \ P) == 0.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %). 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. 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. " 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.

tiene una probabilidad 0. fJ y n y su limite cuando n tiende a infinito. se aplica por igual en ambas zonas.0096 Analogamente. b) Si se necesit6 un mimero par de tiros.24 0.7xO. se estima que enferrnaran unas 33. == 0.033984..2 = 0. Reemplazando en peE) obtenemos peE) =0.16 de que la vacuna no la inmunice y. Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a. en la zona 2.08 de que la vacuna no la inmunice y.. la probabilidad de que la siguiente tambiensea incorrecta es fJ.12 de enfermar.2 = 0. 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. la probabilidad de que la n-esima operaci6n sea correcta. en ausencia de otro dato.14. entonces: P(E\V. en ese caso.7xO.12 = 0.) = 0. La expresi6n dentro del corchete es una serie geornetrica.984 personas.3xO. Sea P. P(V2 \ E) == peE) == 0.) = 0.8 = 0. P(V2) = PeN._.06 de que se enferme que ese porcentaje la probabilidad esO..0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada . Ca1cule: a) P. en funci6n de a. P(N2) = Si una persona no es vacunada. fJ y P. tiene una probabilidad 0. (.8 = 0.cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u . b) P" en funci6n de a.08xO.. b) Si se necesit6 un rnimero par de tiros. debernos suponer Tenemos asi las probabilidades a priori: 0..12 = 0.IJ56 en la zona 2 es..0192 habitantes. Se arroja un dado equilibrado hasta que salga un as.20 Se vacuna al 80% de la poblaci6n. b) Si una persona se enferma. 12.16xO. ) = P(2) + P4) + P(6) + .3xO. si efectua una operaci6n incorrecta.56.12 de enfermarse. P(V. P(V2 )P(E \ V2) la probabilidad 0. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11.. Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia.. Calcular la probabilidad de que se necesite un mimero par de tiros. La primera operaci6n que ha realizado un dfa determinado fue correcta.24 x 0.) = 0. . en ese caso.033984 Ejemplo 20. luego P(E\V2) = O. una persona vacunada tiene una probabilidad 0.

= Pn-I(I-a) + (l-Pn-I)(l-. Ja . es PI expresi6n anterior tiende a: P=_!!__= I-A l-fJ l+a-fJ = I.• l 21 Solucion: a) Aplicando el teorema de la probabilidad total: P.. A= fJ-a b) Tenemos entonces =B J- A.-I 1.8) = (1-. Para n tendiendo a infinito.A + A.-I Po I Si se sabe que la primera operacion fue correcta..8) + (jJ-a)Pn-1 = B +A Pn-I siendo B= I-fJ.

el 20% tiene cuenta corriente.que porcentaje tiene menos de 3 aiios. Dispara A y si no acierta.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra. a C2? 2.2) Paradoja de SIMPSON (1951). EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras. i. 1/4 Y 1/5 respectivarnente. Una caja roja R2 contiene 7 monedas de oro y 3 de cobre. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades".10) Paradoja de J. En cada disparo. L. fallo. i.que porcentaje tiene cuenta corriente? 2. con un 2% defectuoso. se quedara con la moneda. una caja negra N2 contiene 9 monedas de oro y 4 de cobre. 0 sea. i. lcual es la probabilidad de haber pasado una blanca de C. B Y C. 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. A y B. Se 'elige una pieza al azar: a) i. contiene 4 monedas de oro y 7 de cobre: una caja negra N. i. Le ofrecen las cajas R.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. tiene B un ultimo disparo. a) i. Si de esto viven aun A y B. tambien son indepeudientes Ay B. b) Si la suma fue ocho. se arroja una moneda.1) Se arroja un dado equilibrado dos veces.2 y para B 0. Calcular la probabilidad Dispararon de que los . a) A Ud. otra caja C2 tiene 1 negra y 9 blancas.11) Una caja C. PROBLEMAS 2. i. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes.cual es la probabilidad de que provenga del proveedor C! 2. A y B.9) Una pieza es suministrada a una empresa por Ires proveedores A. antigiiedad y de eSIOS.5) A primero despues y ambos y B se baten a duelo. gane B salgan ilesos. a) Calcular la probabilidad de que la suma sea 8. la probabilidad de acierto para A es 0.cual es la probabilidad de que la primera tirada haya sido un 3? 2.7) Dernuestre que si dos sucesos A y B son independientes. i. contiene 3 bolillas negras y 5 blancas.12) Tres cazadores A.que porcentaje falla en B? 2. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas .cllal es la probabilidad de que sea defectuoso el elernento B? 2. EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante. y es no 2.8) 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.3) En un programa de entretenimientos de la television de EU se Ie presentan al participante 3 puertas. a) i. F. si sale cara dispara de nuevo A.que caja elegirla? 2. b) De los que no fallan en A. Calcular las probabilidades de que gane A. el circuito no funciona. i.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. a) i. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata. 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. vacia. Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro. 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. Sa be que detras de una de elias hay un automovil. se introduce en C2. 113. justificando numericamente la respuesta. i. contiene 3 monedas de oro y 6 de cobre. para que extraiga una moneda al alar de una de elias y Ud. Una caja contiene dos monedas de oro. c) Ahora suponga que se arruan nuevas cajas R) y N.que caja elegiria? b) Idem con las cajas R. de 10 contrario dispara B. 2.Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)].4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume).Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. 1889. como suma de las anteriores. sin miraria.22 6. EI 5% falla en la prueba A. Una caja roja R. y N.Que porcentaje aiios? b) De los que tienen cuenta corriente. luego se ext rae una bolilla al azar de C1.5) 2.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa. y N2. el 70% no tiene cuenta corriente. Si uno cualquiera de los cornponentes defectuoso. Se tom a la caja C" se extrae una bolilla y. (.6) De los clientes de una empresa.3. el 6% en la prueba B y el 90% en ninguna.

Master your semester with Scribd & The New York Times

Special offer for students: Only $4.99/month.

Master your semester with Scribd & The New York Times

Cancel anytime.