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

z. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos. 67 %. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques. Si un fenorneno 0 experimento aleatorio admire N posibles resultados. Una primera definicion. esto no puede ser asi. sin mucha precision. y en capitulos posteriores. esio es. Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir . z.2) P = Lim( n_'OJ f. la probabilidad es 4/52==1/13=0. como adernas. En algun sentido. F de los cuales son favorables a Ia ocurrencia de un suceso A.Como hariamos con un dado cargado?. Ley de los Grandes Niimeros (.) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e. Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad. rodas las probabilidades debieran ser iguales. (. 2. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo.1 ) peA) F == N Volviendo al caso del dado. luego. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)]. Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. (ados igualmente probables. pues hay 3 mimercs pares de un total de 6.pero que no sabemos como esta cargado-? Una posibilidad razonable ser ia arrojar el dado muchas (n) veces. la probabilidad de cada cara debe ser de 1/6 ==16. la probabilidad es 13/52==0. Ejemplo 2.077.Como hariarnos para ca1cular Ia probabilidad de salida de un 2 en un dado cargado .Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado.5. los sucesos IfIn .pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio . Ia probabilidad es 16/52 =0. analizaremos estas cuestiones. pero para que sea valido. la probabilidad es 0. Tenentes un espacio muestral de N==6 resultados posibles. al decir todos igualmente probables. 100 0 mas). EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. luego. luego. clefinimos la probabilidad de A como: (2. conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. Pero al margen de esta cuestion logica. diamantes y treboles). luego.5. Sin embargo. 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. es decir un intervalo p ± c. el ntimero 11 de tiradas deberia ser grande (digamos. funci6n dec.6 Ejemplo 1. digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. diriarnos entonces que fill converge asintoticamente a p. tambien podriamos calcular la probabilidad de obtener un mimero par. que seria 3/6==0. habria un valor de 11. hay una limitacion practica.308. b) Hay 26 casos favorables en 52 posibles. 10 que se considera inadrnisible (tautologia). Se ext rae una carta de un mazo frances de 52 cartas.25.

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

Se elige una persona al azar. podernos hablar de la probabilidad de que el satelite Ganimedes del planeta Jupiter albergue vida. la uni6n de A y B. AI es el suceso de que salga un as en la primera tirada. en el experimento de extraer una carta de una baraja francesa. La definici6n es valida para todos los casos.4) 0~p ~1 correspondiendo 1 a la probabilidad del universo. La Fig. la definicion no es constructiva. Otros ejemplos: * En un conjunto de personas. 2. 0 sea a la certeza. que denotaremos AuB. 2. con los sucesos corazones. Asf. esto es.3 Y 2. La union de dos conjuntos A y B es un conjunto cuyos elementos son todos los elementos de A y B. 2. 0 no. dichas intersecciones son precisamente los ases de los palos. con dos sucesos A y B. 2. B de que sea rubia.1.2 representa el experimento de arrojar una moneda. * En el experimento de arrojar una moneda.3 Fig. se elige una persona al azar. no nos da un procedimiento para calcular probabilidades y alli radica su generalidad. II) La probabilidad de la uni6n de dos sucesos mutuamente excluyentes es igual a la suma de sus probabilidades individuales: (2.4 muestran distintas situaciones. analogamente A2. Idem B.1 se representa el resultado deextraer una carta de una baraja francesa. 10 que. suceso que incluye a que lea ambos. Sin embargo. incluye a la intersecci6n. son indiscutibles. 0 no. con los resultados cara y ceca.. Asf. que tienen intersecci6n y la Fig. En IaFig. 'tanto los sucesos sean igualmente probables. 0 de que el afio proximo mejoren las condiciones economic as en la Argentina. 2.5) P(AuB) = peA) + PCB) <=> AnB == cD (Conjunto vacio) Ambos axiomas tienen un fuerte caracter de verdad. diamantes y treboles y esta representado tarnbien el suceso ases. 2.4 representa dos sucesos A y B mutuamente excluyentes. la uni6n de cara y ceca es ei conjunto universal. 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. 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. Definicion axiomatica de probabilidad. * Se arroja un dado dos veces. por ejemplo.3 representa un caso general. 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. La Fig. . que es el as de corazones. que no tienen intersecci6n. La uni6n de AI con A2 es que salga un as en la primera 0 en la segunda tirada. A es el suceso de que la persona sea mujer. que tiene intersecci6n con los palos. 2. 0 sea que son mutuarnente excluyentes. 2. ~ Las figuras 2. La uni6n es que la persona lea alguno de los diarios. * En una ciudad se publican dos diarios. tanto el experirnento sea repetible.4 . por supuesto. piques.8 OQ Fig.2.

.P(AnB) = 0.P(AnC) se tiene: . En una ciudad se publican dos diarios. 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. By C. cuando sumamos peA) mas PCB). Ejemplo 4 (Lectores de diarios). A y B. que rienen inrerseccion + PCB) . b) El porcentaje de personas el porcentaje que lee A y B. pero estas cifras incluyen un 6 % que lee ambos diarios. i. esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) .P(CorazonesnAses) con los obtenidos anteriormente.6) P(AuB) = peA) esro es.P(AnB) . Ejemplo 3 (Continuacion del Ej.P(AnB) = 0. el 41 % lee el diario B. EI 32 % de los habitantes lee el diario A.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.5).1152 = 16/52 Estos resultados coinciden + P(Ases) . 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. Adviertase ya que. .P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios. aplicando la regia clasica (casos Javorables)/(casos posibles). a) i.6) es una generalizaci6n de (2.7) P(AuBuC) = peA) en el mismo universo.06 = 0.26 = 26%. definidos (2.Que porcentaje.25 + 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. estamos que (2. 0 sea: P(AuB) = peA) + PCB) . 0 sea que su uni6n es el conjunto universal.9 La probabilidad de la union de dos sucesos no excluyenres.Que porcentaje de la poblaci6n lee diarios? b) i. por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0.32 . se expresa inmediatamente como: (2.P(AnB) sumando dos veces la interseccion. Para 3 sucesos A.41 .5 de cora zones y ases es el as de corazones.67 = 67%. 2).25 = 0.0.06 = 0.0.32 + 0.

Ejemplo G.10 Dos relaciones (2. esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo.8) (2. la probabilidad de la intersecci6n de dos sucesos (.) = I-P(AI nA2 n . All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal. Probabilidad condicionaI Desarrollaremos estos conceptos a partir de ejemplos. ..nA) =0 para todo =i. Ejemplo dos ases.. es decir P(A. favorable S. 0 sea siendo 116 la probabilidad de que salga as en entonces. . nA.Sera general esta expresi6n?. en este caso (. Calcular igualmente Ia probabilidad De ellos.) Sucesos colectivamente exhaustivos. sea: todos dos veces.. vA.. la probabilidad de que sea el as de corazones es 1152. Sucesos independientes... A1.. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As). probables. Se arroja un dado equilibrado posibles. 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6). Es extensive a mas ?e dos sucesos: (2. entre sf. esto es.8') P(AI VA2 v . de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases". . de las tiradas. Se dice los sucesos AI. simplemente. 4.9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) ..P(Corazones)== (1/13)(1/4) 1/52. 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.sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos. Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114.P(AnB) El lema de DE MORGAN significa.

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

244 = 24.2% Ej emplo 10.12 De (2. d) Idem a).302 86 = 30. Si dos sucesos A y B son independientes se tiene. Se -extraen 2 bolillas con reposicion.4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =. Una caja contiene 7 bolillas blancas y 3 rojas.5% d) pes \ M) = n M) P(M) = = . b) Ambas sean del mismo color.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": . i.545 = 54.que porcentaje son mujeres? d) De las mujeres. Calcular la probabilidad de que: a) Ambas sean blancas.= 0. por 10 tanto.que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0. Solucion: a) Al ser las extracciones con reposicion. 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. b) y c) considerando que las extracciones se realizan sin reposicion. comprender mejor este importante Ejemplo 9.11) deducimos: (2.= 22 26 0. el resultado de la primera extraccion no afecta al de la segunda. c) AI menos una sea blanca. 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. naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto.522 == 52.Que porcentaje son mujeres casad as? c) De los divorciados.2% b) P(M n C) =- 44 180 = 0.

PCRl. Ejemplo 11 [Colltinuacioll del Ej. EI 32 % de los habitantes lee el diario A. volveremos a obtener este mismo resultado. al no dar el resultado de la primera extracci6n..R2) = 1 . n B) peA) =- 0.P(R1)P(R2\R1) = 32 I.4 (Lectores de diarios)].=. a) De los que leen A. como aplicaci6n ~el Lema de DE MORGAN: Otra posibilidad es aplicar la expresi6n (2. obtenemos P(B2) = 7 110.06 0. l. mediante el teorema de la probabilidad total. l.32 = 0.094 = 9. esto es. en una secci6n posterior.que porcentaje lee B? c) Si se eligen al azar 3 personas. l.cual es la probabilidad de que todas lean diarios? Soluci6n: a) La probabilidad pedida es P(B\A): PCB \ A) = rt».6): En esta expresi6n conocemos P(B1)=7110 y P(B2\B1)=6/9 pero l. 14 = I . calculo de la probabilidad de "arnbas blancas" debemos efectuarlo mediante (2. sabemos.11): yel Podemos calcular la probabilidad del suceso "al menos una blanca" como complemento del suceso "arnbas roj as": P(B1uB2) como antes.que porcentaje lee B? b) De los que leen. pero estas cifras inc1uyen un 6% que lee ambos diarios. es como si no hubierarnos extraido la primera bolilla. esto es. Una posibilidad es considerar que dicho suceso es complementario de "arnbas rojas". Luego. Curiosamente. las mismas no son independientes. el 41 % lee el diario B.10' 9 =. A y B.4% .= 90 15 84 °' 9333 Tarnbien podriamos aplicar (2. es decir. la probabilidad incondicional de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera bolilla sea blanca.13 c) Podemos calcular la probabilidad del suceso "al menos una blanca" de distintos modos.cuanto vale P(B2)?.6): d) Si las extracciones se hacen sin reposici6n. En una ciudad se publican dos diarios. no 10 pero como conocemos el resultado de toda la expresi6n [P(B1uB2) = 14115].

Los porcentajes de rechazo habituales son: 7 % por excesiva dureza.673=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) .612=6J. Calcular el beneficio promedio por pieza. 4 % por excesiva blandura y 10% por fallas estructurales.5.67 y de que al elegir 3 personas.5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) . Se sabe ademas que entre las piezas excesivamente blandas. 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.5 $/unidad. Ejemplo 12. Las piezas buenas se vend en con un beneficio de 4. s610 el 6 % presenta dicha falla.14 b) Los que leen son la union AuB. en cambio. Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0.3=30%.67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B. el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0.07xO. de las muy duras.P(DnE) . 2.2% 0. c) La probabilidad de que una persona elegida al azar lea diarios es 0.25 == 0.01 entonces: .P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas. EI costo medio por pieza es de $20. digamos que el beneficio promedio por pieza puede calcularse como: (2. y de estes. En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n.0042 = 0. las duras 0 blandas con una bonificaci6n del 10% sobre el precio de venta y las que tienen fallas de estructura se tiran.06 = 0.41 =0. el 25 % tiene fallas estructurales.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena. Iodas lean diarios sera 0. Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores.04xO.

0.1958 P(Buena) = I-P(Def) = 1-0.1 .01 = 0.07 + 0.04 + 0.42% .0.15 P(Def) = 0.1958 == 0.0042 .8042 == 80.

06)+(0. Una caja C.25) = 0.0958 Estas piezas. esto es . Se elige una caja al azar y se extrae una bolilla. a) Calcular la probabilidad de que sea blanca. 2.07-0.5$+4. b) Si es blanca.8042 + 2xO. se vend en con una bonificaci6n del 10% sobre el precio de venta.-+. lcual es la probabilidad de haber elegido la caja C.5$ y dejan un beneficio de 22.P(D)P(E\D)] + [PCB) . EjcmpJo 13.76$ 5. consideremos un ejemplo. tiene 7 bolillas bJancas y 3 rojas.5$.PCB n E)] = [P(D) .13) Beneficio promedio por pieta = Beneficio por pieta buena x P(pieza buena) + Beneficio por pieza dura 0 blanda x P(pieza dura 0 blanda sin falla estructural) . Teorema de BAYES Antes de dar el enunciado general de estos teoremas.Cosio de fabricacion x P(falla estructural) = 4. Las piezas con Ialla estructural se tiran y dejan un beneficio de -20.2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total. por 10 tanto estas piezas se venden a 22.? Soluci6n: a) Del diagrama de VENN (Fig.0958 + (-20. EI precio de venta es de 20. Teorema de la probabilidad total. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta.5$=2$.14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C.6 . duras 0 blandas y sin falla estructural.16 Las piezas con falla estructural se tiran.07xO.5xO. y sin falla estructural: P[(D u B) n E] = P(D n E) + PCB n E) = [P(D) . otra caja C2 tiene 8 blancas y 12 rojas.6) deducimos: Fig.5)xO.5$=25$. 2. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos.P(B)P(E\B)] = (0.1 = 1.13): (2. Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas.04-0.P(D n E)] + [PCB) .04xO. que La expresi6n (2.5$-20. Reernplazando estos valores en (2.

636 22 Naturalmente.17) P(C. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses. y las probabilidadescondicionales /I universo que los C. . I P(C. esto es. expresi6n (2.I P(Cj)P(B\C.= 1 r P(C )"=' i n I Sea probabilidades un suceso B. Esta mismos [P(C. incondicionales P(C. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0.=1 \ C. sus probabilidades suman la unidad. Despues de extraida la bolilla y ver su color (blanco calculamos las probabilidades de los mismos sucesos C. Ia probabilidad de haber elegido Ia caja C. definido en el mismo de los C..1 + 0. la probabilidad del suceso B es: (2.0 __ 7 I8 -. las que en este Ejemplo por esta raz6n. antes delsuceso y se denominan.8 x 0.2 10 2 20 =~ = 0. asignandose una probabilidad 0.17 .___.)P(B . y C2 son complementarios.\B)=· . Se coloca la piezay debe reponerse antes de los 6 meses.Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M.15) PCB) = IP(C.16) es blanca.9 pero si es de material M}. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2.1 = 0.4 0. dicha probabilidad es 0.-.) se establecen 13 son iguales. en este caso). En una maquina hay una pieza vital que debe carnbiarse peri6dicamente. del color de la "probabilidades a priori".1.=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas. Ejemplo 14.8 x 0. y su forma general (2.2 + 0.6 . tanto si las consideramos incondicionales P(C2\B) = 1] . esto es. Si se conocen las P(B\Cj).16) como condicionadas a la ocurrencia de BAYES.\B).)+P(C2)=I]. l. Si es de material M" dura mas de 6 meses con probabilidad 0.2 a dicho engafio.. es: del suceso cuyos B [P(C.4. que se denominan "probabiJidades a posteriori". la probabilidad P(C2\B) es el complemento de P(C.. es: 7 __ 2::::.) b) Si la bolilla extraida (2.: La pieza es de material M... con la informaci6n adicional bolilla extraida.) .-+-. P(Cj\B).\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total. B. pues los sucesos C.

10 mismo que si la persona no es vacunada.90 EI valor de p que satisface esta ecuaci6n es 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. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5.96)5 = 0.. Por ejemplo. Un fabricante tiene dos maquinas que producen un mismo articulo.7 La probabilidad de que una persona se enferme sera: .8% de piezas de la maquina 1 y el resto de la maquina 2. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda. si el comprador revisara 2 piezas.99 + (l-p)0. l. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2. aceptandolo son todas buenas. es p=P(M1) y l-p=P(Ml). por tanto. que pod ria componerse el lote fntegramente con piezas de la rnaquina 2. el valor de p necesario para satisfacer la ecuaci6n anterior seria I. 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. I.19 EjempJo 18.03p + 0. si la vacuna no inmuniza a la persona. 0 sea que esta probabilidad debe valer 0. ni aun poniendo todas de la maquina 1. Ante el peligro de una epidemia. una que tiene un 84 % de efectividad. se decide vacunar al 80% de la poblaci6n.9: (0. no podria cumplirse con la exigencia de que las 15 fueran buenas.96 . esto es. l.O. 0 sea que el lote debera integrarse con un 63. EI cliente revisa 5 piezas al azar del lote. En cambio.638. el valor de p seria negativo. y ambos casos tienen una interpretaci6n. 2. hay una probabilidad 0. Ejemplo 19.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. con 700000 y la 2 con 300000. esto significaria que." + 0. el valor obtenido para p puede ser mayor que 1 omenor que 0.96 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.12 de contraer la enfermedad. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1.

Una caja CI tiene 7 bolillas blancas y 3 rojas. Ahora obtendremos el mismo resultado. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2. 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. el Test de COGGINS es muy especifico pero de sensibilidad moderada. queremos caIcular: PCB \ B. si un caballo esta sano. mas la probabilidad de que Ia primera bolilla sea roja por la probabilidad de que la segunda sea blanca habiendo sido roja la primera. el analisis arroja resultado positivo con 85 % de probabilidad y.639 0. es decir que si un caballo esta enfermo. 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.04 x 0. P(P\E)=O. 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.98. 10). B 2 ) 0.85 -----------'-==0. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad. evidentemente. igual a la probabilidad de que la prirnera bolilla fuera blanca.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. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O. arroja resultado negativo con 98 % de probabilidad.96 x 0. aplicando el Teorema de la probabilidad total. en ese caso. en los primeros estadios no presenta sintomas: en las etapas posteriores el animal desmejora y frecuentemente muere. I Ejemplo 17. " 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. Por 10 tanto.) ' r. si vemos que la primera bolilla extrafda es blanca.04 x 0.85. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que. otra caja C2 tiene 8 blancas y 12 rojas. Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja. Entonces: PCE \ P) == 0. Ia probabilidad de que la segunda tam bien sea blanca es 1.) 2 = PCB PCB. La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %).04. En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas. Calcular la probabilidad de que esta segunda bolilla sea blanca. En un laboratorio se realiz6 un analisis que arrojo resultado positivo. Consideremos por ejemplo que una caja tuviera s610 bolillas blancas y la otra s610 bolillas rojas. a continuaci6n se extrae otra bolilla de la misrna caja.18 Ejemplo 15 iContinuacion del Ej.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- . 0 sea: Ejemplo 16.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %).

entonces: P(E\V.0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada . P(V2) = PeN. Se arroja un dado equilibrado hasta que salga un as. b) P" en funci6n de a. b) Si se necesit6 un rnimero par de tiros. 12. tiene una probabilidad 0. se estima que enferrnaran unas 33. ) = P(2) + P4) + P(6) + .3xO.8 = 0.8 = 0.0096 Analogamente. una persona vacunada tiene una probabilidad 0.. La expresi6n dentro del corchete es una serie geornetrica.IJ56 en la zona 2 es.) = 0. (.. . P(V2 )P(E \ V2) la probabilidad 0.) = 0.7xO. la probabilidad de que la n-esima operaci6n sea correcta. 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 21.12 = 0. b) Si una persona se enferma.2 = 0.16 de que la vacuna no la inmunice y.06 de que se enferme que ese porcentaje la probabilidad esO. tiene una probabilidad 0. luego P(E\V2) = O.14. Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a. == 0.12 = 0. Sea P. P(V2 \ E) == peE) == 0.033984.. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0.984 personas. Calcular la probabilidad de que se necesite un mimero par de tiros.08xO. en funci6n de a._. b) Si se necesit6 un mimero par de tiros. en ese caso.) = 0. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11. Reemplazando en peE) obtenemos peE) =0..033984 Ejemplo 20. si efectua una operaci6n incorrecta.. fJ y P.. debernos suponer Tenemos asi las probabilidades a priori: 0.16xO.08 de que la vacuna no la inmunice y. La primera operaci6n que ha realizado un dfa determinado fue correcta.cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u .12 de enfermarse.20 Se vacuna al 80% de la poblaci6n..24 0. en ausencia de otro dato.7xO. Ca1cule: a) P. fJ y n y su limite cuando n tiende a infinito. se aplica por igual en ambas zonas.0192 habitantes. la probabilidad de que la siguiente tambiensea incorrecta es fJ.12 de enfermar. P(N2) = Si una persona no es vacunada.2 = 0. en la zona 2.24 x 0.3xO. en ese caso. P(V. Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia..56.

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

i.2 y para B 0. PROBLEMAS 2. B Y C.7) Dernuestre que si dos sucesos A y B son independientes. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes.1) Se arroja un dado equilibrado dos veces. EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante.Que porcentaje aiios? b) De los que tienen cuenta corriente.cllal es la probabilidad de que sea defectuoso el elernento B? 2. fallo. a) i. como suma de las anteriores.9) Una pieza es suministrada a una empresa por Ires proveedores A. 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. a) i. 2. EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras.5) 2. y es no 2. L. i.Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)].cual es la probabilidad de que provenga del proveedor C! 2. i. Calcular las probabilidades de que gane A. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas . 1/4 Y 1/5 respectivarnente. gane B salgan ilesos. F. Una caja roja R. el circuito no funciona.que porcentaje falla en B? 2. Calcular la probabilidad Dispararon de que los .que porcentaje tiene cuenta corriente? 2. justificando numericamente la respuesta. y N2. Dispara A y si no acierta. vacia. A y B. luego se ext rae una bolilla al azar de C1. b) Si la suma fue ocho. En cada disparo. 1889. (.22 6.2) Paradoja de SIMPSON (1951).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. a) i. a C2? 2. Si de esto viven aun A y B.10) Paradoja de J. con un 2% defectuoso.que porcentaje tiene menos de 3 aiios. si sale cara dispara de nuevo A. Se tom a la caja C" se extrae una bolilla y.3) En un programa de entretenimientos de la television de EU se Ie presentan al participante 3 puertas. el 20% tiene cuenta corriente. 113. i. y N. Sa be que detras de una de elias hay un automovil. antigiiedad y de eSIOS.que caja elegirla? 2. Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades". una caja negra N2 contiene 9 monedas de oro y 4 de cobre.cual es la probabilidad de que la primera tirada haya sido un 3? 2. i. c) Ahora suponga que se arruan nuevas cajas R) y N. Le ofrecen las cajas R.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra. Si uno cualquiera de los cornponentes defectuoso.5) A primero despues y ambos y B se baten a duelo. a) A Ud.6) De los clientes de una empresa. se arroja una moneda. tiene B un ultimo disparo.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. a) Calcular la probabilidad de que la suma sea 8. la probabilidad de acierto para A es 0. de 10 contrario dispara B.12) Tres cazadores A.que caja elegiria? b) Idem con las cajas R. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata. contiene 3 monedas de oro y 6 de cobre. i. 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. se quedara con la moneda. el 70% no tiene cuenta corriente. sin miraria. EI 5% falla en la prueba A. tambien son indepeudientes Ay B. 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. Una caja roja R2 contiene 7 monedas de oro y 3 de cobre. i. otra caja C2 tiene 1 negra y 9 blancas. contiene 4 monedas de oro y 7 de cobre: una caja negra N.4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume). Se 'elige una pieza al azar: a) i. lcual es la probabilidad de haber pasado una blanca de C.11) Una caja C. A y B. i. para que extraiga una moneda al alar de una de elias y Ud.3. 0 sea. Una caja contiene dos monedas de oro.Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. se introduce en C2.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. el 6% en la prueba B y el 90% en ninguna. contiene 3 bolillas negras y 5 blancas. b) De los que no fallan en A.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa.

Sign up to vote on this title
UsefulNot useful