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

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. clefinimos la probabilidad de A como: (2. luego. los sucesos IfIn . Si un fenorneno 0 experimento aleatorio admire N posibles resultados. z. Tenentes un espacio muestral de N==6 resultados posibles.308. c) Hay 4 casos favorables en 52 posibles. como adernas. la probabilidad de cada cara debe ser de 1/6 ==16. esio es. Ia probabilidad es 16/52 =0. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo.2) P = Lim( n_'OJ f. que seria 3/6==0. diamantes y treboles).) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e. analizaremos estas cuestiones. En algun sentido. la probabilidad es 4/52==1/13=0.Como hariamos con un dado cargado?. esto no puede ser asi. Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad. Ejemplo 2. 67 %. es decir un intervalo p ± c. la probabilidad es 13/52==0. pues hay 3 mimercs pares de un total de 6. luego. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques. luego. Ley de los Grandes Niimeros (. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. diriarnos entonces que fill converge asintoticamente a p. hay una limitacion practica. 100 0 mas). pero para que sea valido. la probabilidad es 0.Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado. Una primera definicion.6 Ejemplo 1. F de los cuales son favorables a Ia ocurrencia de un suceso A.25.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. Sin embargo. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. z. 10 que se considera inadrnisible (tautologia). digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. luego. funci6n dec. Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir . Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado. Se ext rae una carta de un mazo frances de 52 cartas. y en capitulos posteriores. al decir todos igualmente probables. rodas las probabilidades debieran ser iguales. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)]. 2.5. (.077. b) Hay 26 casos favorables en 52 posibles. conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin.5. EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. (ados igualmente probables.1 ) peA) F == N Volviendo al caso del dado. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos. tambien podriamos calcular la probabilidad de obtener un mimero par.pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio . sin mucha precision. el ntimero 11 de tiradas deberia ser grande (digamos. Pero al margen de esta cuestion logica. habria un valor de 11.

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

La definici6n es valida para todos los casos. . Sin embargo. con los resultados cara y ceca. no nos da un procedimiento para calcular probabilidades y alli radica su generalidad. 0 no. por supuesto. los siguientes axiomas: I) Las probabilidades son mimeros que cumplen con Toda probabilidad es un nurnero positivo 0 nulo y menor 0 igual que la unidad: (2. * En una ciudad se publican dos diarios. tanto el experirnento sea repetible.4 muestran distintas situaciones.2. 2. 0 de que el afio proximo mejoren las condiciones economic as en la Argentina. 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. II) La probabilidad de la uni6n de dos sucesos mutuamente excluyentes es igual a la suma de sus probabilidades individuales: (2.. que denotaremos AuB.5) P(AuB) = peA) + PCB) <=> AnB == cD (Conjunto vacio) Ambos axiomas tienen un fuerte caracter de verdad. Asf. esto es. AI es el suceso de que salga un as en la primera tirada. 0 sea que son mutuarnente excluyentes. en el experimento de extraer una carta de una baraja francesa. 0 sea a la certeza.8 OQ Fig. se da cuando se presenta alguno de estos sucesos. Definicion axiomatica de probabilidad. ~ Las figuras 2.3 Y 2. que es el as de corazones. la uni6n de cara y ceca es ei conjunto universal. La uni6n de AI con A2 es que salga un as en la primera 0 en la segunda tirada. piques.2 representa el experimento de arrojar una moneda. 2. La uni6n es que la persona lea alguno de los diarios. 0 no. 'tanto los sucesos sean igualmente probables.3 Fig.4 . la uni6n de A y B. A es el suceso de que lea diario A. dichas intersecciones son precisamente los ases de los palos. diamantes y treboles y esta representado tarnbien el suceso ases.3 representa un caso general. * En el experimento de arrojar una moneda. 2. En IaFig. 2. 10 que. La Fig. que tienen intersecci6n y la Fig. Otros ejemplos: * En un conjunto de personas.4) 0~p ~1 correspondiendo 1 a la probabilidad del universo. analogamente A2. incluye a la intersecci6n.1 se representa el resultado deextraer una carta de una baraja francesa. * Se arroja un dado dos veces.1.4 representa dos sucesos A y B mutuamente excluyentes. A es el suceso de que la persona sea mujer. La uni6n de A y B es que la persona sea mujer 0 sea hombre rubio. se elige una persona al azar. que tiene intersecci6n con los palos. son indiscutibles. 2. suceso que incluye a que lea ambos. 2. con dos sucesos A y B. B de que sea rubia. La Fig. por ejemplo. podernos hablar de la probabilidad de que el satelite Ganimedes del planeta Jupiter albergue vida. la definicion no es constructiva. Idem B. La union de dos conjuntos A y B es un conjunto cuyos elementos son todos los elementos de A y B. Se elige una persona al azar. 2. 2. que no tienen intersecci6n. Asf. con los sucesos corazones.

6) es una generalizaci6n de (2. definidos (2. a) i.P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios.P(AnB) = 0. Se extrae una carta de un maze frances de 52 cartas.32 + 0. 2). .5). estamos que (2.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.0.06 = 0.67 = 67%.P(CorazonesnAses) con los obtenidos anteriormente. que rienen inrerseccion + PCB) . pero estas cifras incluyen un 6 % que lee ambos diarios.26 = 26%. b) El porcentaje de personas el porcentaje que lee A y B. por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0. Ejemplo 3 (Continuacion del Ej. Ejemplo 4 (Lectores de diarios). cuando sumamos peA) mas PCB).9 La probabilidad de la union de dos sucesos no excluyenres.41 .5 de cora zones y ases es el as de corazones.1152 = 16/52 Estos resultados coinciden + P(Ases) . por 10 que P(CorazonesnAses) luego = peAs de cora zones) = 1152 P(CorazonesuAses) = P(Corazones) = 1/4 + 1/13 .7) P(AuBuC) = peA) en el mismo universo.P(AnB) sumando dos veces la interseccion.P(AnB) . A y B. 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.25 + 0.06 = 0. EI 32 % de los habitantes lee el diario A. 0 sea: P(AuB) = peA) + PCB) .P(AnB) = 0.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. se expresa inmediatamente como: (2.Que porcentaje de la poblaci6n lee diarios? b) i.25 = 0.32 . el 41 % lee el diario B. En una ciudad se publican dos diarios. 0 sea que su uni6n es el conjunto universal. Para 3 sucesos A.Que porcentaje. i. aplicando la regia clasica (casos Javorables)/(casos posibles).P(AnC) se tiene: . Adviertase ya que.6) P(AuB) = peA) esro es. esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) .0. . By C.

Ejemplo G. nA..P(AnB) El lema de DE MORGAN significa. Ejemplo dos ases. vA.Sera general esta expresi6n?. 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6).) = I-P(AI nA2 n .. Probabilidad condicionaI Desarrollaremos estos conceptos a partir de ejemplos... simplemente.nA) =0 para todo =i.P(Corazones)== (1/13)(1/4) 1/52.. 4. la probabilidad de que sea el as de corazones es 1152.9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) . la probabilidad de la intersecci6n de dos sucesos (. en este caso (. 0 sea siendo 116 la probabilidad de que salga as en entonces. es decir P(A.10 Dos relaciones (2. Sucesos independientes. A1.. .. Al extraer un carta al azar de una baraja frances a de 52. Es extensive a mas ?e dos sucesos: (2.) Sucesos colectivamente exhaustivos.8) (2. . probables. entre sf.8') P(AI VA2 v . sea: todos dos veces. Se dice los sucesos AI. que la probabilidadde que se de alguno de los sucesos A 0 B es 1 menos la de que no se de ninguno. de las tiradas. de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases". esto es. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As). favorable S. All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal. . esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo. Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114.sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos.. Se arroja un dado equilibrado posibles. Calcular igualmente Ia probabilidad De ellos.

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

545 = 54.que porcentaje son mujeres? d) De las mujeres. i. Se -extraen 2 bolillas con reposicion.que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0.302 86 = 30. 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.2% b) P(M n C) =- 44 180 = 0.12 De (2. por 10 tanto. b) y c) considerando que las extracciones se realizan sin reposicion. Calcular la probabilidad de que: a) Ambas sean blancas. Solucion: a) Al ser las extracciones con reposicion. b) Ambas sean del mismo color. 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": . naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto.= 0.244 = 24.11) deducimos: (2. i. c) AI menos una sea blanca.= 22 26 0. Una caja contiene 7 bolillas blancas y 3 rojas. d) Idem a).5% d) pes \ M) = n M) P(M) = = .4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =. Si dos sucesos A y B son independientes se tiene. el resultado de la primera extraccion no afecta al de la segunda.Que porcentaje son hombres? b) i.2% Ej emplo 10. comprender mejor este importante Ejemplo 9.Que porcentaje son mujeres casad as? c) De los divorciados.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.522 == 52.

11): yel Podemos calcular la probabilidad del suceso "al menos una blanca" como complemento del suceso "arnbas roj as": P(B1uB2) como antes. Ejemplo 11 [Colltinuacioll del Ej. Curiosamente. el 41 % lee el diario B. pero estas cifras inc1uyen un 6% que lee ambos diarios. l. Una posibilidad es considerar que dicho suceso es complementario de "arnbas rojas". l.PCRl. sabemos.R2) = 1 .4 (Lectores de diarios)]. no 10 pero como conocemos el resultado de toda la expresi6n [P(B1uB2) = 14115]. a) De los que leen A. es decir.cual es la probabilidad de que todas lean diarios? Soluci6n: a) La probabilidad pedida es P(B\A): PCB \ A) = rt».06 0. A y B.4% .13 c) Podemos calcular la probabilidad del suceso "al menos una blanca" de distintos modos. la probabilidad incondicional de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera bolilla sea blanca.094 = 9. mediante el teorema de la probabilidad total. las mismas no son independientes.= 90 15 84 °' 9333 Tarnbien podriamos aplicar (2. EI 32 % de los habitantes lee el diario A. Luego. En una ciudad se publican dos diarios. en una secci6n posterior.que porcentaje lee B? c) Si se eligen al azar 3 personas. calculo de la probabilidad de "arnbas blancas" debemos efectuarlo mediante (2. es como si no hubierarnos extraido la primera bolilla.32 = 0. esto es.P(R1)P(R2\R1) = 32 I. al no dar el resultado de la primera extracci6n. l. 14 = I . n B) peA) =- 0.cuanto vale P(B2)?.que porcentaje lee B? b) De los que leen.6): d) Si las extracciones se hacen sin reposici6n. volveremos a obtener este mismo resultado. esto es..=.6): En esta expresi6n conocemos P(B1)=7110 y P(B2\B1)=6/9 pero l. obtenemos P(B2) = 7 110. como aplicaci6n ~el Lema de DE MORGAN: Otra posibilidad es aplicar la expresi6n (2.10' 9 =.

Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0.07xO.14 b) Los que leen son la union AuB.41 =0. Las piezas buenas se vend en con un beneficio de 4.5. y de estes.06 = 0. En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n. el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0. Los porcentajes de rechazo habituales son: 7 % por excesiva dureza. c) La probabilidad de que una persona elegida al azar lea diarios es 0.612=6J.P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas.67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B. 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.04xO. 2. Iodas lean diarios sera 0.3=30%. digamos que el beneficio promedio por pieza puede calcularse como: (2.5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) . Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores.673=0. Ejemplo 12. de las muy duras.67 y de que al elegir 3 personas.0042 = 0.P(DnE) . 4 % por excesiva blandura y 10% por fallas estructurales.01 entonces: . en cambio. el 25 % tiene fallas estructurales.5 $/unidad.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena. Calcular el beneficio promedio por pieza.25 == 0.2% 0. EI costo medio por pieza es de $20.13) 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) . s610 el 6 % presenta dicha falla. 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.

1 .0042 .01 = 0.04 + 0.0.15 P(Def) = 0.0.8042 == 80.1958 == 0.1958 P(Buena) = I-P(Def) = 1-0.42% .07 + 0.

07-0.6 .16 Las piezas con falla estructural se tiran.5$ y dejan un beneficio de 22.-+. EjcmpJo 13.Cosio de fabricacion x P(falla estructural) = 4.1 = 1. EI precio de venta es de 20. 2.07xO. b) Si es blanca.P(D n E)] + [PCB) .76$ 5. Las piezas con Ialla estructural se tiran y dejan un beneficio de -20.5$=25$. consideremos un ejemplo.5xO.25) = 0.13): (2. duras 0 blandas y sin falla estructural.0958 + (-20.P(D)P(E\D)] + [PCB) . Se elige una caja al azar y se extrae una bolilla.5$.13) Beneficio promedio por pieta = Beneficio por pieta buena x P(pieza buena) + Beneficio por pieza dura 0 blanda x P(pieza dura 0 blanda sin falla estructural) . esto es .14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C. Teorema de BAYES Antes de dar el enunciado general de estos teoremas. Teorema de la probabilidad total.5)xO.04-0. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos.04xO. por 10 tanto estas piezas se venden a 22.06)+(0.5$=2$. y sin falla estructural: P[(D u B) n E] = P(D n E) + PCB n E) = [P(D) . Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas.5$+4. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta. que La expresi6n (2. Una caja C.6) deducimos: Fig. se vend en con una bonificaci6n del 10% sobre el precio de venta.2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total. 2. a) Calcular la probabilidad de que sea blanca.8042 + 2xO.0958 Estas piezas.? Soluci6n: a) Del diagrama de VENN (Fig.5$-20. tiene 7 bolillas bJancas y 3 rojas.PCB n E)] = [P(D) .P(B)P(E\B)] = (0. otra caja C2 tiene 8 blancas y 12 rojas. lcual es la probabilidad de haber elegido la caja C. Reernplazando estos valores en (2.

-+-. y C2 son complementarios.___. Esta mismos [P(C.15) PCB) = IP(C..: La pieza es de material M.. . tanto si las consideramos incondicionales P(C2\B) = 1] .)P(B . esto es. Se coloca la piezay debe reponerse antes de los 6 meses.16) es blanca. es: del suceso cuyos B [P(C.\B).. con la informaci6n adicional bolilla extraida. en este caso).16) como condicionadas a la ocurrencia de BAYES. Despues de extraida la bolilla y ver su color (blanco calculamos las probabilidades de los mismos sucesos C.) se establecen 13 son iguales.1. antes delsuceso y se denominan.0 __ 7 I8 -.) . Ejemplo 14. del color de la "probabilidades a priori".= 1 r P(C )"=' i n I Sea probabilidades un suceso B. incondicionales P(C.2 + 0. sus probabilidades suman la unidad. expresi6n (2.8 x 0.17 . esto es. y las probabilidadescondicionales /I universo que los C. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses.4 0.6 .=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas. la probabilidad P(C2\B) es el complemento de P(C.I P(Cj)P(B\C.1 = 0. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0. Ia probabilidad de haber elegido Ia caja C. B. P(Cj\B). l.=1 \ C.-. que se denominan "probabiJidades a posteriori".9 pero si es de material M}.2 a dicho engafio. las que en este Ejemplo por esta raz6n. definido en el mismo de los C. Si se conocen las P(B\Cj)... es: 7 __ 2::::.4.\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total.\B)=· . pues los sucesos C. la probabilidad del suceso B es: (2. y su forma general (2. En una maquina hay una pieza vital que debe carnbiarse peri6dicamente.) b) Si la bolilla extraida (2.17) P(C.8 x 0. asignandose una probabilidad 0.)+P(C2)=I].636 22 Naturalmente. dicha probabilidad es 0.Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M.2 10 2 20 =~ = 0.1 + 0. I P(C. Si es de material M" dura mas de 6 meses con probabilidad 0. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2.

03p de la si 10 + P(Ml)P(Buena\Ml) = p.03p + 0. el valor de p seria negativo.19 EjempJo 18. hay una probabilidad 0.99 + (l-p)0.O.12 de contraer la enfermedad. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2. si el comprador revisara 2 piezas.96 y se La probabilidad de que 5 piezas elegidas al azar del lote sean buenas es [P(Buena)]5 desea aceptar el 90% de los lotes.90 EI valor de p que satisface esta ecuaci6n es 0. En este problema. aceptandolo son todas buenas. es p=P(M1) y l-p=P(Ml). 10 mismo que si la persona no es vacunada. el valor obtenido para p puede ser mayor que 1 omenor que 0.9: (0..7 La probabilidad de que una persona se enferme sera: . una que tiene un 84 % de efectividad.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.96 . a) Cuantas personas enferrnaran si sobreviene la epidemia? b) Si una persona se enferma." + 0.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. por tanto. esto significaria que. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0.96)5 = 0.638. si la vacuna no inmuniza a la persona. Ante el peligro de una epidemia. no podria cumplirse con la exigencia de que las 15 fueran buenas. Ejemplo 19.8% de piezas de la maquina 1 y el resto de la maquina 2. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5. Un fabricante tiene dos maquinas que producen un mismo articulo. y ambos casos tienen una interpretaci6n. l. ni aun poniendo todas de la maquina 1. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1. En cambio. que pod ria componerse el lote fntegramente con piezas de la rnaquina 2. con 700000 y la 2 con 300000. esto es. se decide vacunar al 80% de la poblaci6n. EI cliente revisa 5 piezas al azar del lote. l. 2. 0 sea que esta probabilidad debe valer 0. Por ejemplo. 0 sea que el lote debera integrarse con un 63. el valor de p necesario para satisfacer la ecuaci6n anterior seria I. I.

La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %). el Test de COGGINS es muy especifico pero de sensibilidad moderada.639 0.04. 10). mas la probabilidad de que Ia primera bolilla sea roja por la probabilidad de que la segunda sea blanca habiendo sido roja la primera.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %). evidentemente. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O. si vemos que la primera bolilla extrafda es blanca.18 Ejemplo 15 iContinuacion del Ej. aplicando el Teorema de la probabilidad total. 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. en ese caso. queremos caIcular: PCB \ B.) ' r. " 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. igual a la probabilidad de que la prirnera bolilla fuera blanca. si un caballo esta sano. En un laboratorio se realiz6 un analisis que arrojo resultado positivo. es decir que si un caballo esta enfermo. Una caja CI tiene 7 bolillas blancas y 3 rojas.04 x 0. arroja resultado negativo con 98 % de probabilidad. P(P\E)=O. 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. B 2 ) 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. Ia probabilidad de que la segunda tam bien sea blanca es 1. I Ejemplo 17. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad. 0 sea: Ejemplo 16. Consideremos por ejemplo que una caja tuviera s610 bolillas blancas y la otra s610 bolillas rojas.) 2 = PCB PCB.96 x 0. el analisis arroja resultado positivo con 85 % de probabilidad y. a continuaci6n se extrae otra bolilla de la misrna caja. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que. Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja. Entonces: PCE \ P) == 0.85. otra caja C2 tiene 8 blancas y 12 rojas.04 x 0. en los primeros estadios no presenta sintomas: en las etapas posteriores el animal desmejora y frecuentemente muere.85 + 0.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- . 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. Calcular la probabilidad de que esta segunda bolilla sea blanca. En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas. Por 10 tanto. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2.98.85 -----------'-==0. Ahora obtendremos el mismo resultado.

Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia. la probabilidad de que la siguiente tambiensea incorrecta es fJ.24 0.cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u ..12 de enfermarse.) = 0.16xO. entonces: P(E\V. 12. b) P" en funci6n de a. . en ese caso.0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada . en funci6n de a... en la zona 2. Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a. P(V2 )P(E \ V2) la probabilidad 0. == 0. se estima que enferrnaran unas 33. P(N2) = Si una persona no es vacunada.7xO. P(V2) = PeN.2 = 0._.3xO. La expresi6n dentro del corchete es una serie geornetrica.3xO.8 = 0.08xO..56. fJ y P. (. en ausencia de otro dato.2 = 0. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0.0192 habitantes.12 = 0. ) = P(2) + P4) + P(6) + .. b) Si una persona se enferma.. La primera operaci6n que ha realizado un dfa determinado fue correcta. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11.8 = 0.. tiene una probabilidad 0. P(V2 \ E) == peE) == 0.) = 0. en ese caso.984 personas..24 x 0. b) Si se necesit6 un mimero par de tiros. Se arroja un dado equilibrado hasta que salga un as. la probabilidad de que la n-esima operaci6n sea correcta. una persona vacunada tiene una probabilidad 0.20 Se vacuna al 80% de la poblaci6n.IJ56 en la zona 2 es. tiene una probabilidad 0. P(V.16 de que la vacuna no la inmunice y. Calcular la probabilidad de que se necesite un mimero par de tiros. debernos suponer Tenemos asi las probabilidades a priori: 0. Sea P. Ca1cule: a) P. fJ y n y su limite cuando n tiende a infinito.) = 0.7xO.033984 Ejemplo 20.08 de que la vacuna no la inmunice y.12 de enfermar. luego P(E\V2) = O.033984. Reemplazando en peE) obtenemos peE) =0.14.12 = 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 21.0096 Analogamente. si efectua una operaci6n incorrecta.06 de que se enferme que ese porcentaje la probabilidad esO. se aplica por igual en ambas zonas. b) Si se necesit6 un rnimero par de tiros.

8) = (1-.A + A. A= fJ-a b) Tenemos entonces =B J- A.• l 21 Solucion: a) Aplicando el teorema de la probabilidad total: P. Para n tendiendo a infinito.8) + (jJ-a)Pn-1 = B +A Pn-I siendo B= I-fJ. = Pn-I(I-a) + (l-Pn-I)(l-.-I 1. Ja ..-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..

y es no 2. Calcular la probabilidad Dispararon de que los . EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra.Que porcentaje aiios? b) De los que tienen cuenta corriente. Si uno cualquiera de los cornponentes defectuoso. como suma de las anteriores. Si de esto viven aun A y B. se introduce en C2. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes. a) Calcular la probabilidad de que la suma sea 8. sin miraria. F. y N. vacia.11) Una caja C. i. i. EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras. i. a) i.Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata. i. el circuito no funciona. el 70% no tiene cuenta corriente.cllal es la probabilidad de que sea defectuoso el elernento B? 2. 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. gane B salgan ilesos. 0 sea. Dispara A y si no acierta. para que extraiga una moneda al alar de una de elias y Ud.que caja elegirla? 2. 1/4 Y 1/5 respectivarnente. una caja negra N2 contiene 9 monedas de oro y 4 de cobre.5) 2. fallo. contiene 4 monedas de oro y 7 de cobre: una caja negra N. se arroja una moneda. Calcular las probabilidades de que gane A. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades". Una caja roja R2 contiene 7 monedas de oro y 3 de cobre. i.que porcentaje tiene menos de 3 aiios.Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)].que caja elegiria? b) Idem con las cajas R. antigiiedad y de eSIOS.3. justificando numericamente la respuesta.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. Se tom a la caja C" se extrae una bolilla y.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa. luego se ext rae una bolilla al azar de C1.que porcentaje tiene cuenta corriente? 2.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. i. a) A Ud. el 20% tiene cuenta corriente. otra caja C2 tiene 1 negra y 9 blancas. 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. PROBLEMAS 2.12) Tres cazadores A.5) A primero despues y ambos y B se baten a duelo. Sa be que detras de una de elias hay un automovil. A y B. EI 5% falla en la prueba A. se quedara con la moneda.cual es la probabilidad de que provenga del proveedor C! 2. b) De los que no fallan en A. tambien son indepeudientes Ay B. En cada disparo. el 60% tiene menos de 3 afios de tiene cuenta corriente 0 rnenos de 3 de 3 afios? c) De los que tienen mas 2.2 y para B 0. Le ofrecen las cajas R.6) De los clientes de una empresa. 2. tiene B un ultimo disparo. Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro. contiene 3 monedas de oro y 6 de cobre. 1889. de 10 contrario dispara B.9) Una pieza es suministrada a una empresa por Ires proveedores A.que porcentaje falla en B? 2. c) Ahora suponga que se arruan nuevas cajas R) y N.2) Paradoja de SIMPSON (1951). B Y C. (. i.7) Dernuestre que si dos sucesos A y B son independientes.4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume). Una caja roja R.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. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas . a) i. b) Si la suma fue ocho.cual es la probabilidad de que la primera tirada haya sido un 3? 2. lcual es la probabilidad de haber pasado una blanca de C. si sale cara dispara de nuevo A. Una caja contiene dos monedas de oro. la probabilidad de acierto para A es 0. contiene 3 bolillas negras y 5 blancas.10) Paradoja de J. Se 'elige una pieza al azar: a) i. el 6% en la prueba B y el 90% en ninguna. a C2? 2.22 6.1) Se arroja un dado equilibrado dos veces. A y B. con un 2% defectuoso. L. y N2. 113. a) i.

Sign up to vote on this title
UsefulNot useful