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

2.2) P = Lim( n_'OJ f. (ados igualmente probables. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)]. la probabilidad de cada cara debe ser de 1/6 ==16.6 Ejemplo 1. la probabilidad es 13/52==0. EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. Se ext rae una carta de un mazo frances de 52 cartas. sin mucha precision. diamantes y treboles). pues hay 3 mimercs pares de un total de 6. y en capitulos posteriores.25. Una primera definicion.Como hariarnos para ca1cular Ia probabilidad de salida de un 2 en un dado cargado .) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e. funci6n dec. habria un valor de 11.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.Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado. 100 0 mas). b) Hay 26 casos favorables en 52 posibles. Ia probabilidad es 16/52 =0. es decir un intervalo p ± c. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo. analizaremos estas cuestiones. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos. esto no puede ser asi. como adernas. luego. z. 67 %. que seria 3/6==0.1 ) peA) F == N Volviendo al caso del dado. Sin embargo. 10 que se considera inadrnisible (tautologia).5.pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio . hay una limitacion practica.077. Pero al margen de esta cuestion logica. esio es. clefinimos la probabilidad de A como: (2. Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado. luego. F de los cuales son favorables a Ia ocurrencia de un suceso A. luego. pero para que sea valido.308. En algun sentido. c) Hay 4 casos favorables en 52 posibles. al decir todos igualmente probables. el ntimero 11 de tiradas deberia ser grande (digamos. digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. Si un fenorneno 0 experimento aleatorio admire N posibles resultados.Como hariamos con un dado cargado?. los sucesos IfIn . (. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques. rodas las probabilidades debieran ser iguales. Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad. la probabilidad es 0. z. diriarnos entonces que fill converge asintoticamente a p. luego. conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin. la probabilidad es 4/52==1/13=0. Ejemplo 2. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir . Tenentes un espacio muestral de N==6 resultados posibles. Ley de los Grandes Niimeros (.5.pero que no sabemos como esta cargado-? Una posibilidad razonable ser ia arrojar el dado muchas (n) veces. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. tambien podriamos calcular la probabilidad de obtener un mimero par.

La intersecci6n de A y B es que sea una mujer rubia.C6mo se produce entonces la aproximaci6n de fin a p? Se produce de una forma mas debil que la convergencia asint6tica. 10 cual puede expresarse en forma probabilistica como sigue: Si en sucesivas repeticiones de un experimento. De un Jado. esto es factible. 2. que su frecuencia relativa converge estocdsticamente a Sit probabilidad. que no tienen intersecci6n. pero a medida que aumenta n. no puede ser cara y ceca simultanearnente 0 al extraer una carta de una baraja no puede ser simultaneamente coraz6n y trebol. dados dos sucesos A y B. la definici6n. uno de sus posibles . dentro de el.3). la tautologia de la definici6n clasica. * A es el suceso "manana llovera" y B "hoy tendremos clase de Estadistica". esto es. que denotaremos AnB. subsiste el problema de la faJla logica. Se elige una persona al azar. 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. A es el suceso de que la persona sea mujer. * En una ciudad se publican dos diarios. 2. por ejemplo. se elige una persona al azar. B de que sea rubia. * Se arroja un dado dos veces. Hemos resuelto un inconveniente de la definicion clasica. van a ocurrir cad a vez can menos frecuencia a mas esporadicarnente. que se denomina convergencia estocdstica: Los sucesos indeseados Ifln . al arrojar una.2 . pero no 10 es en general. dada par (2.3). se produce can Una frecuencia f que cumple can la expresi6n (2.:1 Tn!boles Cara Ceca Fig. Hay sucesos que no tienen intersecci6n. Asi. se denominan mutuamente excluyentes . Otros ejemplos: * En un conjunto de personas. equivalentemente. tiene un requerimiento fundamental: EI experimento debe poder repetirse en condiciones razonablernente uniformes.resultados (en nuestro caso la salida del 2). 3. la intersecci6n de los corazones con los ases es el as de corazones. en el Ej. idem B. la intersecci6n de ambos. que es una figura cerrada con cualquier contorno para representar al conjunto universal y.pi > c siempre pueden producirse. Dicho de otro modo. Sucesos complementarios La interseccion de dos conjuntos es un conjunto que tiene los elementos que los conjuntos originales tienen en cormin. Interseccion y union. La intersecci6n de A y B es que hoy tengarnos clase de Estadistica y manana Jlueva.7 (es en rigor una variable aleatoria) y par 10 tanto. Estos sucesos. (. pero tarnbien. 2. A es el suceso de que lea diario A. Piques '. no pueden predeterminarse sus valores. La interseccion es que la persona lea ambos diarios.rnoneda. los sucesos de interes.1 Fig. Definicion axiornatica. incompatibles 0 disjuntos. diremos queel suceso cumple COil la Ley de los Grandes Ntimeros 0. se da cuando se presentan ambos conjuntos. analogarnente A2. en el caso del dado. su limitacion a situaciones en que sea factible la subdivisi6n en casos igualmente probables. AI es el suceso de que salga un as en la prirnera tirada.

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

Para 3 sucesos A. . . Se extrae una carta de un maze frances de 52 cartas.Que porcentaje.25 + 0.32 + 0.6) es una generalizaci6n de (2. cuando sumamos peA) mas PCB).0. 2). definidos (2.06 = 0.P(AnB) = 0.25 = 0.41 . By C.P(AnB) = 0. aplicando la regia clasica (casos Javorables)/(casos posibles).P(AnB) sumando dos veces la interseccion. Adviertase ya que. Ejemplo 3 (Continuacion del Ej. 0 sea que su uni6n es el conjunto universal. que rienen inrerseccion + PCB) . Ejemplo 4 (Lectores de diarios).32 .P(AnC) se tiene: .P(AnB) . se expresa inmediatamente como: (2. el 41 % lee el diario B.Cual es la probabilidad de que sea: a) Una carta raja (corazones 0 diamantes)? b) Un corazon 0 un as? So lucian: a) Los sucesos corazones y diamantes son mutua mente excluyentes.9 La probabilidad de la union de dos sucesos no excluyenres. esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) . EI 32 % de los habitantes lee el diario A. 0 sea: P(AuB) = peA) + PCB) . 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.P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios. i.5 de cora zones y ases es el as de corazones. a) i. A y B. por 10 que P(CorazonesnAses) luego = peAs de cora zones) = 1152 P(CorazonesuAses) = P(Corazones) = 1/4 + 1/13 .67 = 67%.06 = 0.7) P(AuBuC) = peA) en el mismo universo.5). estamos que (2. b) El porcentaje de personas el porcentaje que lee A y B.26 = 26%. En una ciudad se publican dos diarios. por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0.1152 = 16/52 Estos resultados coinciden + P(Ases) . pero estas cifras incluyen un 6 % que lee ambos diarios.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.6) P(AuB) = peA) esro es.0.P(CorazonesnAses) con los obtenidos anteriormente.Que porcentaje de la poblaci6n lee diarios? b) i.

favorable S. la probabilidad de la intersecci6n de dos sucesos (. Calcular igualmente Ia probabilidad De ellos. de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases".. Ejemplo dos ases. 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6). sea: todos dos veces. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As)..) Sucesos colectivamente exhaustivos. en este caso (. simplemente..P(AnB) El lema de DE MORGAN significa. esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo..9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) .8) (2.10 Dos relaciones (2.) = I-P(AI nA2 n . . de las tiradas. Probabilidad condicionaI Desarrollaremos estos conceptos a partir de ejemplos. . Es extensive a mas ?e dos sucesos: (2. entre sf. probables. Ejemplo G. esto es..8') P(AI VA2 v . .Sera general esta expresi6n?... Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114.. la probabilidad de que sea el as de corazones es 1152.nA) =0 para todo =i.sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos. Al extraer un carta al azar de una baraja frances a de 52. vA. 0 sea siendo 116 la probabilidad de que salga as en entonces. All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal. 4.P(Corazones)== (1/13)(1/4) 1/52. Se dice los sucesos AI. Se arroja un dado equilibrado posibles. es decir P(A. Sucesos independientes. A1. nA. que la probabilidadde que se de alguno de los sucesos A 0 B es 1 menos la de que no se de ninguno.

pasa a valer I. Se dice que dos sucesos son estadisticamente ocurrencia de uno de ellos no modifica Ia probabilidad de ocurrencia del otro. la probabilidad de que' salga simultaneamente cara y ceca es. si sale cara. nos llevan.0. sabiendo que salio un mimerc-par. cero. 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:. pero si no dicen que sali6 el 2. pero si nos dicen que sali6 un mimero par. a definir el concepto de probabilidad Probabilldad coudicional. Dados dos sucesos A y B. pues pasa a valer 0. llamamos probabilidad candicional de B dado A a: peA n B) peA) (2. la probabilidad del 2... En carnbio. a pesar de que en este caso los sucesos no son mutuamente excluyentes. en el Ej. al extraer una carta de una baraja. pues el 2 es par.1/6 y tampoco aqui vale la regla del producto. dicha probabilidad pasa a valer 1/3 0. necesariamente. Al arrojar un dado.11 Ejemplo 7. inversamente. la probabilidad de ceca se modifica. en el caso del dado. 6. EI producto de las probabilidades individuales es (1/2)(1/2) 114:. para sucesos mutuamente excluyentes. en el Ej. En el Ej. It i ~I " . 1~ Ejemplo 8. lQue condici6n deben cumplir los sucesos A y B para que (2.. en el Ej.10) P(AnB) = P(A)P(B) no es general. la respuesta es que sean sucesos independientes. la probabilidad del 2 es 116. independientes si la Asi. 1 Vemos entonces que la expresi6n (2. 8.11) P(B\A) = Asi. por 10 tanto. 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. no vale la regla del producto. definidos en el mismo universo. la presencia del as en la primera tirada no modifica la probabilidad de as en la segunda tirada. Tenernos asi la siguiente conclusi6n importante: Si dos sucesos son itulependientes Estas consideraciones condicional: no pueden ser mutuamente excluyentes y vice versa. el hecho de que sea un as no modifica la probabilidad de que sea un coraz6n. Finalmente. la probabilidad de par es 1/2. obviamente. Sucesos independientes. 8. 7.. Al arrojar una vez una moneda.10) sea valida".

11) deducimos: (2.= 22 26 0. el resultado de la primera extraccion no afecta al de la segunda. i.que porcentaje son mujeres? d) De las mujeres. b) Ambas sean del mismo color. b) y c) considerando que las extracciones se realizan sin reposicion.= 0. Si dos sucesos A y B son independientes se tiene.4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =. naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto.que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0.302 86 = 30. por 10 tanto. i. Calcular la probabilidad de que: a) Ambas sean blancas.2% b) P(M n C) =- 44 180 = 0.244 = 24. c) AI menos una sea blanca.Que porcentaje son mujeres casad as? c) De los divorciados.5% d) pes \ M) = n M) P(M) = = . Solucion: a) Al ser las extracciones con reposicion.2% Ej emplo 10.12 De (2. Una caja contiene 7 bolillas blancas y 3 rojas. d) Idem a).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.Que porcentaje son hombres? b) i.545 = 54. 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. Se -extraen 2 bolillas con reposicion. comprender mejor este importante Ejemplo 9. 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": .

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

04xO. Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores. Calcular el beneficio promedio por pieza. Ejemplo 12. y de estes.5 $/unidad. Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0. Se sabe ademas que entre las piezas excesivamente blandas. Los porcentajes de rechazo habituales son: 7 % por excesiva dureza.673=0.67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B.2% 0.0042 = 0. las duras 0 blandas con una bonificaci6n del 10% sobre el precio de venta y las que tienen fallas de estructura se tiran. 2. 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.01 entonces: . 4 % por excesiva blandura y 10% por fallas estructurales.P(DnE) . En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n.5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) .41 =0. de las muy duras.3=30%.612=6J.14 b) Los que leen son la union AuB. Iodas lean diarios sera 0. c) La probabilidad de que una persona elegida al azar lea diarios es 0.06 = 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) . digamos que el beneficio promedio por pieza puede calcularse como: (2. s610 el 6 % presenta dicha falla.07xO. el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0.5. EI costo medio por pieza es de $20.P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas. en cambio. el 25 % tiene fallas estructurales.67 y de que al elegir 3 personas. Las piezas buenas se vend en con un beneficio de 4.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena.25 == 0.

1958 == 0.0042 .42% .1 .8042 == 80.07 + 0.0.0.1958 P(Buena) = I-P(Def) = 1-0.04 + 0.15 P(Def) = 0.01 = 0.

5)xO. por 10 tanto estas piezas se venden a 22. y sin falla estructural: P[(D u B) n E] = P(D n E) + PCB n E) = [P(D) . tiene 7 bolillas bJancas y 3 rojas. a) Calcular la probabilidad de que sea blanca.25) = 0. duras 0 blandas y sin falla estructural. Las piezas con Ialla estructural se tiran y dejan un beneficio de -20. que La expresi6n (2.6 .13): (2.8042 + 2xO. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta.5$.0958 Estas piezas.Cosio de fabricacion x P(falla estructural) = 4. EI precio de venta es de 20. se vend en con una bonificaci6n del 10% sobre el precio de venta. 2. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos.P(D n E)] + [PCB) .5$-20.5$ y dejan un beneficio de 22.5xO. consideremos un ejemplo. 2.5$=2$.07-0. Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas.2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total. Reernplazando estos valores en (2. Se elige una caja al azar y se extrae una bolilla.1 = 1.5$+4.04xO.07xO.06)+(0. lcual es la probabilidad de haber elegido la caja C. Teorema de la probabilidad total.13) Beneficio promedio por pieta = Beneficio por pieta buena x P(pieza buena) + Beneficio por pieza dura 0 blanda x P(pieza dura 0 blanda sin falla estructural) . Teorema de BAYES Antes de dar el enunciado general de estos teoremas. Una caja C.76$ 5.16 Las piezas con falla estructural se tiran.14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C.04-0.-+.PCB n E)] = [P(D) . esto es .6) deducimos: Fig.? Soluci6n: a) Del diagrama de VENN (Fig. b) Si es blanca. EjcmpJo 13. otra caja C2 tiene 8 blancas y 12 rojas.0958 + (-20.5$=25$.P(B)P(E\B)] = (0.P(D)P(E\D)] + [PCB) .

definido en el mismo de los C. l.-. y C2 son complementarios.17 .1 + 0. que se denominan "probabiJidades a posteriori".17) P(C. Esta mismos [P(C. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0.1 = 0.9 pero si es de material M}. incondicionales P(C.1.4 0. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses.) se establecen 13 son iguales.2 10 2 20 =~ = 0. en este caso). . esto es.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. Si se conocen las P(B\Cj).. asignandose una probabilidad 0.4. la probabilidad P(C2\B) es el complemento de P(C..\B). expresi6n (2. dicha probabilidad es 0. tanto si las consideramos incondicionales P(C2\B) = 1] .. y las probabilidadescondicionales /I universo que los C.8 x 0.2 a dicho engafio.636 22 Naturalmente. antes delsuceso y se denominan.=1 \ C.=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas. Si es de material M" dura mas de 6 meses con probabilidad 0.8 x 0. con la informaci6n adicional bolilla extraida. y su forma general (2.15) PCB) = IP(C. I P(C.16) es blanca.2 + 0.)P(B .Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M. P(Cj\B).I P(Cj)P(B\C.\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total. Ia probabilidad de haber elegido Ia caja C. Ejemplo 14.___.6 .) . es: 7 __ 2::::. sus probabilidades suman la unidad.. Se coloca la piezay debe reponerse antes de los 6 meses.. las que en este Ejemplo por esta raz6n.) b) Si la bolilla extraida (2. la probabilidad del suceso B es: (2.-+-. es: del suceso cuyos B [P(C. pues los sucesos C. B.: La pieza es de material M. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2.\B)=· . En una maquina hay una pieza vital que debe carnbiarse peri6dicamente.0 __ 7 I8 -.)+P(C2)=I]. del color de la "probabilidades a priori". esto es.= 1 r P(C )"=' i n I Sea probabilidades un suceso B.

0 sea que esta probabilidad debe valer 0. 0 sea que el lote debera integrarse con un 63.19 EjempJo 18.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. esto es. EI cliente revisa 5 piezas al azar del lote. ni aun poniendo todas de la maquina 1. En cambio.03p de la si 10 + P(Ml)P(Buena\Ml) = p. 2. el valor obtenido para p puede ser mayor que 1 omenor que 0.99 + (l-p)0. y ambos casos tienen una interpretaci6n. I. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5. l. l. 10 mismo que si la persona no es vacunada.03p + 0.7 La probabilidad de que una persona se enferme sera: .8% de piezas de la maquina 1 y el resto de la maquina 2. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2. Ante el peligro de una epidemia. no podria cumplirse con la exigencia de que las 15 fueran buenas.9: (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. el valor de p seria negativo. si el comprador revisara 2 piezas. En este problema. Por ejemplo. esto significaria que. aceptandolo son todas buenas.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." + 0. es p=P(M1) y l-p=P(Ml). Un fabricante tiene dos maquinas que producen un mismo articulo. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1. una que tiene un 84 % de efectividad.638.12 de contraer la enfermedad. si la vacuna no inmuniza a la persona.96 . el valor de p necesario para satisfacer la ecuaci6n anterior seria I. Ejemplo 19.90 EI valor de p que satisface esta ecuaci6n es 0. por tanto. a) Cuantas personas enferrnaran si sobreviene la epidemia? b) Si una persona se enferma.96)5 = 0.. se decide vacunar al 80% de la poblaci6n.O. que pod ria componerse el lote fntegramente con piezas de la rnaquina 2. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %. hay una probabilidad 0. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda. con 700000 y la 2 con 300000.

85 -----------'-==0. el Test de COGGINS es muy especifico pero de sensibilidad moderada.639 0. en ese caso. aplicando el Teorema de la probabilidad total. el analisis arroja resultado positivo con 85 % de probabilidad y. La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %). 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. 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 los primeros estadios no presenta sintomas: en las etapas posteriores el animal desmejora y frecuentemente muere. Ahora obtendremos el mismo resultado. B 2 ) 0. Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja. evidentemente. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- . queremos caIcular: PCB \ B. otra caja C2 tiene 8 blancas y 12 rojas. Una caja CI tiene 7 bolillas blancas y 3 rojas. Calcular la probabilidad de que esta segunda bolilla sea blanca. arroja resultado negativo con 98 % de probabilidad.85 + 0. Por 10 tanto. I Ejemplo 17. si vemos que la primera bolilla extrafda es blanca. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que. 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. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad. " 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.04 x 0. En un laboratorio se realiz6 un analisis que arrojo resultado positivo.04.85. En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas.96 x 0. Consideremos por ejemplo que una caja tuviera s610 bolillas blancas y la otra s610 bolillas rojas. Entonces: PCE \ P) == 0.) 2 = PCB PCB.04 x 0.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %). igual a la probabilidad de que la prirnera bolilla fuera blanca.98.18 Ejemplo 15 iContinuacion del Ej. Ia probabilidad de que la segunda tam bien sea blanca es 1. es decir que si un caballo esta enfermo. a continuaci6n se extrae otra bolilla de la misrna caja.) ' r. P(P\E)=O. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O. si un caballo esta sano. 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. 0 sea: Ejemplo 16. 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.

b) Si se necesit6 un mimero par de tiros. b) P" en funci6n de a.3xO._. en ausencia de otro dato. debernos suponer Tenemos asi las probabilidades a priori: 0.0096 Analogamente. La primera operaci6n que ha realizado un dfa determinado fue correcta. si efectua una operaci6n incorrecta.033984.20 Se vacuna al 80% de la poblaci6n. tiene una probabilidad 0.56.8 = 0..24 x 0. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0. P(V2 \ E) == peE) == 0.2 = 0. entonces: P(E\V.14. tiene una probabilidad 0. luego P(E\V2) = O. b) Si se necesit6 un rnimero par de tiros. P(V2 )P(E \ V2) la probabilidad 0. b) Si una persona se enferma.984 personas. (.2 = 0.7xO. se estima que enferrnaran unas 33.IJ56 en la zona 2 es. una persona vacunada tiene una probabilidad 0. P(V2) = PeN. Sea P. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11. en ese caso. .cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u . Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a. P(V. fJ y n y su limite cuando n tiende a infinito.) = 0. en ese caso.) = 0.. la probabilidad de que la n-esima operaci6n sea correcta.033984 Ejemplo 20..16 de que la vacuna no la inmunice y.08xO. Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia. La expresi6n dentro del corchete es una serie geornetrica.24 0. fJ y P.12 = 0...) = 0. la probabilidad de que la siguiente tambiensea incorrecta es fJ. Ca1cule: a) P.3xO. en la zona 2. 12.16xO. Reemplazando en peE) obtenemos peE) =0. P(N2) = Si una persona no es vacunada.12 de enfermar.. == 0. ) = P(2) + P4) + P(6) + . Se arroja un dado equilibrado hasta que salga un as. en funci6n de a..08 de que la vacuna no la inmunice y..8 = 0.06 de que se enferme que ese porcentaje la probabilidad esO.0192 habitantes.12 de enfermarse.12 = 0. Calcular la probabilidad de que se necesite un mimero par de tiros.0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada . 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. se aplica por igual en ambas zonas.7xO.

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

Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro. contiene 4 monedas de oro y 7 de cobre: una caja negra N. a) i. sin miraria. F. el 6% en la prueba B y el 90% en ninguna. i. Una caja roja R2 contiene 7 monedas de oro y 3 de cobre. b) De los que no fallan en A.10) Paradoja de J. a) i. se arroja una moneda. se quedara con la moneda. luego se ext rae una bolilla al azar de C1.1) Se arroja un dado equilibrado dos veces.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra. justificando numericamente la respuesta. Calcular la probabilidad Dispararon de que los .cual es la probabilidad de que provenga del proveedor C! 2.3) En un programa de entretenimientos de la television de EU se Ie presentan al participante 3 puertas.cllal es la probabilidad de que sea defectuoso el elernento B? 2.que porcentaje falla en B? 2.2) Paradoja de SIMPSON (1951).12) Tres cazadores A. Dispara A y si no acierta. En cada disparo. con un 2% defectuoso. (. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades". i. el circuito no funciona. Se tom a la caja C" se extrae una bolilla y.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. Le ofrecen las cajas R. Una caja contiene dos monedas de oro. Se 'elige una pieza al azar: a) i. c) Ahora suponga que se arruan nuevas cajas R) y N. tambien son indepeudientes Ay B. b) Si la suma fue ocho. el 20% tiene cuenta corriente. la probabilidad de acierto para A es 0. 2. i. i. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas . 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. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata. i.9) Una pieza es suministrada a una empresa por Ires proveedores A. vacia. y N2. si sale cara dispara de nuevo A.Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)]. a) Calcular la probabilidad de que la suma sea 8.que caja elegiria? b) Idem con las cajas R.Que porcentaje aiios? b) De los que tienen cuenta corriente. PROBLEMAS 2. Una caja roja R. 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. otra caja C2 tiene 1 negra y 9 blancas. contiene 3 bolillas negras y 5 blancas. EI 5% falla en la prueba A. A y B. gane B salgan ilesos.5) A primero despues y ambos y B se baten a duelo. Si de esto viven aun A y B. i.7) Dernuestre que si dos sucesos A y B son independientes. una caja negra N2 contiene 9 monedas de oro y 4 de cobre. para que extraiga una moneda al alar de una de elias y Ud. 113.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa. L.Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. a C2? 2. Si uno cualquiera de los cornponentes defectuoso.que porcentaje tiene cuenta corriente? 2. 1889. EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras.4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume).3.que porcentaje tiene menos de 3 aiios.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. A y B. lcual es la probabilidad de haber pasado una blanca de C.22 6. tiene B un ultimo disparo.6) De los clientes de una empresa. antigiiedad y de eSIOS. como suma de las anteriores. fallo. el 70% no tiene cuenta corriente.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. y es no 2. de 10 contrario dispara B. a) i.2 y para B 0. a) A Ud.que caja elegirla? 2. se introduce en C2. 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. 1/4 Y 1/5 respectivarnente. y N. contiene 3 monedas de oro y 6 de cobre. i.5) 2. Calcular las probabilidades de que gane A.cual es la probabilidad de que la primera tirada haya sido un 3? 2. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes. i. B Y C. 0 sea.11) Una caja C. EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante.

Sign up to vote on this title
UsefulNot useful