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

Ejemplo 2.Como hariamos con un dado cargado?. al decir todos igualmente probables. F de los cuales son favorables a Ia ocurrencia de un suceso A. la probabilidad es 0. sin mucha precision. los sucesos IfIn . Tenentes un espacio muestral de N==6 resultados posibles.) 11 (Expresion incorrectai pero esta expresion es incorrecta pues significa 10 siguiente: Dado un entorno del limite de serniamplitud e. diamantes y treboles). Una primera definicion. tambien podriamos calcular la probabilidad de obtener un mimero par. z. 100 0 mas). esio es. y en capitulos posteriores. como adernas. pues solo es aplicable a los casos en que es posible una subdivision en resultados igualmente probables. c) Hay 4 casos favorables en 52 posibles. Se ext rae una carta de un mazo frances de 52 cartas. esto no puede ser asi.5.6 Ejemplo 1. que seria 3/6==0. z. frecuentemente atribuida a LAPLACE es Definicion clasica de probabilidad. 67 %. b) Hay 26 casos favorables en 52 posibles.Que valor podriarnos asignar a la probabilidad de cad a una de las caras? Como el dado es equilibrado. conrar cuantas veces sale el 2 (sea f dicho niimero) y estimar la probabilidad del 2 C0l110 el cociente fin. 0 lcomo calculariamos la probabilidad de que las ventas de nafta de manana superen los 1000 litros? En otras secciones de este capitulo. Ley de los Grandes Niimeros (.pi > e pueden presentar se para todo 11 porque fill es el resultado de un experimento aleatorio . (. 10 que se considera inadrnisible (tautologia). Esta definicion tiene una faJla logica: Incluye en su enunciado el terrnino que pretende definir .25. Pero al margen de esta cuestion logica. podernos pensar que elcociente fill tiende a la probabilidad buscada fp=P(2)].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.1 ) peA) F == N Volviendo al caso del dado. la probabilidad de cada cara debe ser de 1/6 ==16. diriarnos entonces que fill converge asintoticamente a p. luego. Comencemos con el ejemplo sencillo de ar rojar un dado equilibrado. luego. la probabilidad es 13/52==0. la probabilidad es 4/52==1/13=0. clefinimos la probabilidad de A como: (2. Si un fenorneno 0 experimento aleatorio admire N posibles resultados. (ados igualmente probables. pero para que sea valido.pero que no sabemos como esta cargado-? Una posibilidad razonable ser ia arrojar el dado muchas (n) veces. hay una limitacion practica. habria un valor de 11.308. el ntimero 11 de tiradas deberia ser grande (digamos. rodas las probabilidades debieran ser iguales.2) P = Lim( n_'OJ f. pues hay 3 mimercs pares de un total de 6. luego. Ia probabilidad es 16/52 =0. En algun sentido. d) Hay 16 casos favorables (los 13 corazones mas los ases de piques.Como hariarnos para ca1cular Ia probabilidad de salida de un 2 en un dado cargado . funci6n dec.077. analizaremos estas cuestiones. una probabilidad es un porcentaje 0 fraccion de veces que se repite un resultado en una serie larga de experimentos. Este procedimiento esta de acuerdo con el significado intuitivo del concepto de probabilidad. luego.5. EI problema estaria resuelto si fuera valida la siguiente relaci6n: (2. es decir un intervalo p ± c. digamos /lo(c) tal que para todo n> Ilo' todos los cocientes fin deberian caer dentro del intervalo p ± s. 2. Sin embargo.

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

A es el suceso de que lea diario A. 2.3 representa un caso general. 2. con los resultados cara y ceca. que tienen intersecci6n y la Fig. 0 de que el afio proximo mejoren las condiciones economic as en la Argentina. suceso que incluye a que lea ambos. incluye a la intersecci6n. analogamente A2. Se elige una persona al azar. 10 que. que tiene intersecci6n con los palos.4 muestran distintas situaciones. Definicion axiomatica de probabilidad. 2. 2. se da cuando se presenta alguno de estos sucesos. con los sucesos corazones. 2. 0 no. La definici6n es valida para todos los casos. que es el as de corazones. La Fig. * Se arroja un dado dos veces. la uni6n de A y B. la uni6n de cara y ceca es ei conjunto universal. En IaFig.. 0 no. piques. . diamantes y treboles y esta representado tarnbien el suceso ases. por ejemplo. 0 sea a la certeza.4 . ~ Las figuras 2. no nos da un procedimiento para calcular probabilidades y alli radica su generalidad. La uni6n es que la persona lea alguno de los diarios.4) 0~p ~1 correspondiendo 1 a la probabilidad del universo.8 OQ Fig.5) P(AuB) = peA) + PCB) <=> AnB == cD (Conjunto vacio) Ambos axiomas tienen un fuerte caracter de verdad. 2. II) La probabilidad de la uni6n de dos sucesos mutuamente excluyentes es igual a la suma de sus probabilidades individuales: (2. Asf. tanto el experirnento sea repetible. 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. se elige una persona al azar. AI es el suceso de que salga un as en la primera tirada. * En una ciudad se publican dos diarios. son indiscutibles. en el experimento de extraer una carta de una baraja francesa. La union de dos conjuntos A y B es un conjunto cuyos elementos son todos los elementos de A y B. podernos hablar de la probabilidad de que el satelite Ganimedes del planeta Jupiter albergue vida. 'tanto los sucesos sean igualmente probables.3 Fig. Otros ejemplos: * En un conjunto de personas. La Fig. Sin embargo. 2. esto es. por supuesto.4 representa dos sucesos A y B mutuamente excluyentes. Asf. con dos sucesos A y B. B de que sea rubia. 2. dichas intersecciones son precisamente los ases de los palos.2. * En el experimento de arrojar una moneda. que denotaremos AuB. 0 sea que son mutuarnente excluyentes. 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.1 se representa el resultado deextraer una carta de una baraja francesa. 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. la definicion no es constructiva. Idem B.1.3 Y 2. La uni6n de A y B es que la persona sea mujer 0 sea hombre rubio. que no tienen intersecci6n.2 representa el experimento de arrojar una moneda.

P(BnC) + PCB) + P(C) + PCAnBnC) Sucesos complementarios.06 = 0.P(CorazonesnAses) con los obtenidos anteriormente.Que porcentaje. a) i.67 = 67%. .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.41 . 0 sea que su uni6n es el conjunto universal. Ejemplo 4 (Lectores de diarios). By C. el 41 % lee el diario B. Se extrae una carta de un maze frances de 52 cartas.25 + 0.26 = 26%. b) El porcentaje de personas el porcentaje que lee A y B. EI 32 % de los habitantes lee el diario A. Para 3 sucesos A. se expresa inmediatamente como: (2. por 10 que P(CorazonesnAses) luego = peAs de cora zones) = 1152 P(CorazonesuAses) = P(Corazones) = 1/4 + 1/13 . esto es: P(S610 A) que lee s610 el diario A es el porcentaje total que lee A menos = peA) .06 = 0.7) P(AuBuC) = peA) en el mismo universo.P(AnB) = 0. definidos (2.6) es una generalizaci6n de (2.9 La probabilidad de la union de dos sucesos no excluyenres.5 de cora zones y ases es el as de corazones.32 + 0. i.P(AnC) se tiene: . por 10 tanto: P(CorazonesuDiamantes) b) La intersecci6n = P(Corazones) + P(Diamantes) = 0.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. aplicando la regia clasica (casos Javorables)/(casos posibles).32 . Ejemplo 3 (Continuacion del Ej.1152 = 16/52 Estos resultados coinciden + P(Ases) . 0 sea: P(AuB) = peA) + PCB) .Que porcentaje de la poblaci6n lee diarios? b) i. que rienen inrerseccion + PCB) . . pero estas cifras incluyen un 6 % que lee ambos diarios. Adviertase ya que. estamos que (2.25 = 0.5).0. En una ciudad se publican dos diarios. 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. cuando sumamos peA) mas PCB).6) P(AuB) = peA) esro es.0. 2).P(AnB) sumando dos veces la interseccion.P(AnB) .

.. Pero la probabilidad de que sea un as es 1/13 y de que sea un corazon es 114.) Sucesos colectivamente exhaustivos.P(AnB) El lema de DE MORGAN significa.. esto es: decimos Si adernas son todos mutuamente excluyentes que forman una particion del universo. Es extensive a mas ?e dos sucesos: (2. Se dice los sucesos AI. Se arroja un dado equilibrado posibles. en este caso (. 0 cualquiera Advertimos tarnbien que 1/36=(1/6)(1/6). Calcular igualmente Ia probabilidad De ellos. la probabilidad de la intersecci6n de dos sucesos (.8) (2.8') P(AI VA2 v . es decir P(A. favorable S. sea: todos dos veces.. nA. Ejemplo G.P(Corazones)== (1/13)(1/4) 1/52. All son colectivamente exhaustivos (0 que constituyen un sistema completo de sucesos) si su uni6n es el conjunto universal. 0 sea siendo 116 la probabilidad de que salga as en entonces. entonces se cumple nuevamente peAs de corazones) = P(AsnCorazones) == P(As)..nA) =0 para todo =i. . simplemente. Al extraer un carta al azar de una baraja frances a de 52. entre sf..) = I-P(AI nA2 n . la probabilidad de que sea el as de corazones es 1152. 4. .sera siempre igual al producto de sus probabilidades individuales? Pronto 10 averiguaremos. Sucesos independientes.. Probabilidad condicionaI Desarrollaremos estos conceptos a partir de ejemplos. de que salgan s610 uno es Soluci6n: Hay 36 casos al suceso "ambos ases".. probables.10 Dos relaciones (2. que la probabilidadde que se de alguno de los sucesos A 0 B es 1 menos la de que no se de ninguno.9) importantes P( A 1'1 B) sobre sucesos complementarios (Lema de DE MORGAN) son las siguientes: P(AvB) P(An == J - B) = peA) . de las tiradas. esto es. vA.. A1. Ejemplo dos ases.Sera general esta expresi6n?.

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

2% b) P(M n C) =- 44 180 = 0.522 == 52.= 22 26 0. 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. comprender mejor este importante Ejemplo 9.2% Ej emplo 10.545 = 54.302 86 = 30.Que porcentaje son hombres? b) i.que porcentaje son solteras? Solucion: a) P(H) =- 94 180 == 0.4% 12/180 221180 26/180 86/180 12 c) P(M \ D) = P(MnD) P(D) peS = =. el resultado de la primera extraccion no afecta al de la segunda.5% d) pes \ M) = n M) P(M) = = .11) deducimos: (2. 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": .Que porcentaje son mujeres casad as? c) De los divorciados. Calcular la probabilidad de que: a) Ambas sean blancas.que porcentaje son mujeres? d) De las mujeres. Si dos sucesos A y B son independientes se tiene. i. naturalmente: P(B\A) == PCB) Veamos algunos ejemplos sencillos que nos perrnitiran concepto. i. b) y c) considerando que las extracciones se realizan sin reposicion.= 0.12 De (2. Se -extraen 2 bolillas con reposicion.244 = 24. d) Idem a). por 10 tanto. b) Ambas sean del mismo color.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. Solucion: a) Al ser las extracciones con reposicion. Una caja contiene 7 bolillas blancas y 3 rojas. c) AI menos una sea blanca.

en una secci6n posterior.094 = 9. como aplicaci6n ~el Lema de DE MORGAN: Otra posibilidad es aplicar la expresi6n (2. calculo de la probabilidad de "arnbas blancas" debemos efectuarlo mediante (2.que porcentaje lee B? b) De los que leen.cual es la probabilidad de que todas lean diarios? Soluci6n: a) La probabilidad pedida es P(B\A): PCB \ A) = rt». la probabilidad incondicional de que la segunda bolilla sea blanca es igual a la probabilidad de que la primera bolilla sea blanca. Luego.10' 9 =.R2) = 1 . l. Curiosamente. es decir. las mismas no son independientes.32 = 0. pero estas cifras inc1uyen un 6% que lee ambos diarios. volveremos a obtener este mismo resultado. l. EI 32 % de los habitantes lee el diario A.13 c) Podemos calcular la probabilidad del suceso "al menos una blanca" de distintos modos. a) De los que leen A. Una posibilidad es considerar que dicho suceso es complementario de "arnbas rojas".PCRl. sabemos. el 41 % lee el diario B. al no dar el resultado de la primera extracci6n. no 10 pero como conocemos el resultado de toda la expresi6n [P(B1uB2) = 14115]. obtenemos P(B2) = 7 110.06 0.4 (Lectores de diarios)]. A y B. esto es.que porcentaje lee B? c) Si se eligen al azar 3 personas.6): d) Si las extracciones se hacen sin reposici6n.11): yel Podemos calcular la probabilidad del suceso "al menos una blanca" como complemento del suceso "arnbas roj as": P(B1uB2) como antes.4% . es como si no hubierarnos extraido la primera bolilla.P(R1)P(R2\R1) = 32 I.=. esto es.cuanto vale P(B2)?.6): En esta expresi6n conocemos P(B1)=7110 y P(B2\B1)=6/9 pero l. n B) peA) =- 0. l. mediante el teorema de la probabilidad total. Ejemplo 11 [Colltinuacioll del Ej.= 90 15 84 °' 9333 Tarnbien podriamos aplicar (2.. 14 = I . En una ciudad se publican dos diarios.

el porcentaje P[B\(AuB)]= P[Bn(AuB)]= P(B)P[(AUB)\B]= que lee B es: PCB) = 0.P(BnE) pues las otras intersecciones P(DnE) P(BnE) son nulas. Los porcentajes de rechazo habituales son: 7 % por excesiva dureza.67 y de que al elegir 3 personas. de las muy duras. 4 % por excesiva blandura y 10% por fallas estructurales.5. y de estes. c) La probabilidad de que una persona elegida al azar lea diarios es 0. Calcular el beneficio promedio por pieza.0042 = 0. Se sabe ademas que entre las piezas excesivamente blandas.5 P(Def) = P(DuBuE) = P(D) + PCB) + peE) . Tenemos tarnbien: = P(D)P(E\D) = P(B)P(E\B) = 0. Ejemplo 12. 2. Iodas lean diarios sera 0.14 b) Los que leen son la union AuB. EI costo medio por pieza es de $20. las duras 0 blandas con una bonificaci6n del 10% sobre el precio de venta y las que tienen fallas de estructura se tiran. En una prensa se vulcaniza una pieza de goma que luego se somete a inspecci6n.06 = 0. en cambio. s610 el 6 % presenta dicha falla.41 =0. el 25 % tiene fallas estructurales.01 entonces: .25 == 0.612=6J.3=30%. digamos que el beneficio promedio por pieza puede calcularse como: (2.Costa de fabricacion x P(falla estructural) Calculemos la probabilidad de pieza buena.P(DnE) .04xO.5 $/unidad.2% 0.07xO.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) .67 peA u B) ya que la intersecci6n peA U B) peA u B) de B con AuB es el mismo suceso B. Las piezas buenas se vend en con un beneficio de 4. Soluci6n: Adelantandonos a conceptos que veremos en detalle en capitulos posteriores. 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.673=0.

07 + 0.15 P(Def) = 0.0042 .01 = 0.1 .42% .8042 == 80.1958 P(Buena) = I-P(Def) = 1-0.0.04 + 0.1958 == 0.0.

07xO.14) es un caso particular podemos expresar como sigue: Sean 11 sucesos C.6 .2'10 2'20 17 I 8 = 0 55 ' del Teorema de la probabilidad total.5$=25$. EjcmpJo 13. tiene 7 bolillas bJancas y 3 rojas.76$ 5.5$ y dejan un beneficio de 22.5)xO.5xO.5$=2$.06)+(0. esto es . Entonces debemos ca1cular el porcentaje de piezas duras 0 blandas.16 Las piezas con falla estructural se tiran. a) Calcular la probabilidad de que sea blanca.P(D)P(E\D)] + [PCB) .-+. por 10 tanto estas piezas se venden a 22. que La expresi6n (2. EI precio de venta es de 20. Las piezas con Ialla estructural se tiran y dejan un beneficio de -20. duras 0 blandas y sin falla estructural. lcual es la probabilidad de haber elegido la caja C.13): (2.? Soluci6n: a) Del diagrama de VENN (Fig.6) deducimos: Fig.07-0. 2. Reernplazando estos valores en (2.0958 Estas piezas.25) = 0.1 = 1. se vend en con una bonificaci6n del 10% sobre el precio de venta. pero las que tienen excesiva dureza 0 excesiva blandur a se venden con la bonificaci6n del 10% sobre el precio de venta.PCB n E)] = [P(D) .P(D n E)] + [PCB) . y sin falla estructural: P[(D u B) n E] = P(D n E) + 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) .5$-20.5$.5$+4. otra caja C2 tiene 8 blancas y 12 rojas. 2.P(B)P(E\B)] = (0. Teorema de BAYES Antes de dar el enunciado general de estos teoremas. (i = 1 a n) mutuamente excJuyentes y colectivamente que forman una partici6n del universo: exhaustivos.Cosio de fabricacion x P(falla estructural) = 4.8042 + 2xO. Una caja C. Se elige una caja al azar y se extrae una bolilla.0958 + (-20. b) Si es blanca.04xO. consideremos un ejemplo.04-0. Teorema de la probabilidad total.

.\B)+ son los es caso particular del Teorema supuestos que el del Teorema de la probabilidad total. y las probabilidadescondicionales /I universo que los C. definido en el mismo de los C.)P(B . pues los sucesos C. I P(C.\B). la probabilidad del suceso B es: (2. asignandose una probabilidad 0. expresi6n (2. Se solicita al proveedor una unidad de M" pero se admire que puede entregarla de M2..9 pero si es de material M}. y C2 son complementarios.16) como condicionadas a la ocurrencia de BAYES.636 22 Naturalmente.)+P(C2)=I].4. dicha probabilidad es 0. esto es. P(Cj\B). es: del suceso cuyos B [P(C.\B)=· .0 __ 7 I8 -.2 10 2 20 =~ = 0. sus probabilidades suman la unidad.1.: La pieza es de material M.16) es blanca.. M2 M2: La pieza es de material X: Hubo que reponer Se pide: la pieza antes de los 6 meses. Esta mismos [P(C. es: 7 __ 2::::.8 x 0.___.) . del color de la "probabilidades a priori".1 = 0. Ia probabilidad de haber elegido Ia caja C.=1 " )P(B \ Cj) Las probabilidades probabilidades de las cajas.6 . antes delsuceso y se denominan. que se denominan "probabiJidades a posteriori".2 + 0.=1 \ C. Se coloca la piezay debe reponerse antes de los 6 meses. l.17 .8 x 0. incondicionales P(C. en este caso). las que en este Ejemplo por esta raz6n. P(M 1 \ X) = ----~----'---P(M1 )P(X P(M1 )P(X \ M1) \ M1) + P(M2 )P(X \ M2) ------- 0. la probabilidad P(C2\B) es el complemento de P(C..4 0. Si es de material M" dura mas de 6 meses con probabilidad 0. tanto si las consideramos incondicionales P(C2\B) = 1] .1 + 0.17) P(C.15) PCB) = IP(C.) se establecen 13 son iguales.-. Ejemplo 14.= 1 r P(C )"=' i n I Sea probabilidades un suceso B.Cual es la probabilidad Llamemos: de que el proveedor haya actuado con honestidad? Soluci6n: M. B.I P(Cj)P(B\C.) b) Si la bolilla extraida (2.-+-. Despues de extraida la bolilla y ver su color (blanco calculamos las probabilidades de los mismos sucesos C. esto es.2 a dicho engafio. Si se conocen las P(B\Cj). y su forma general (2. . con la informaci6n adicional bolilla extraida.. En una maquina hay una pieza vital que debe carnbiarse peri6dicamente.

Un fabricante tiene dos maquinas que producen un mismo articulo. 0 sea que esta probabilidad debe valer 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. 10 mismo que si la persona no es vacunada. no podria cumplirse con la exigencia de que las 15 fueran buenas.. En este problema. 2. esto significaria que. EI cliente revisa 5 piezas al azar del lote. el valor obtenido para p puede ser mayor que 1 omenor que 0.7 La probabilidad de que una persona se enferme sera: . l.03p de la si 10 + P(Ml)P(Buena\Ml) = p.O. a) Cuantas personas enferrnaran si sobreviene la epidemia? b) Si una persona se enferma. ni aun poniendo todas de la maquina 1. el valor de p seria negativo. la probabilidad de que la pieza sea buena es: P(Buena) = P(M1)P(Buena\M1) = 0.03p + 0.12 de contraer la enfermedad. si el mimero de piezas que revisa el comprador fuera 15 en vez de 5. I. aceptandolo son todas buenas. una que tiene un 84 % de efectividad. 0 sea que el lote debera integrarse con un 63. Cada lote IIeva una fracci6n p de primera maquina y (l-p) de la segunda. esto es. que pod ria componerse el lote fntegramente con piezas de la rnaquina 2.90 EI valor de p que satisface esta ecuaci6n es 0. si el comprador revisara 2 piezas. en la zona 1 se utiliza una vacuna con un 92 % de efectividad y en la zona 2.8% de piezas de la maquina 1 y el resto de la maquina 2. Una ciudad de 1 mi116n de habitantes se considera dividida en dos zonas: La 1.99 + (l-p)0.9: (0.19 EjempJo 18." + 0. l. si la vacuna no inmuniza a la persona. el valor de p necesario para satisfacer la ecuaci6n anterior seria I. por tanto.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. y ambos casos tienen una interpretaci6n. hay una probabilidad 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. con 700000 y la 2 con 300000.96)5 = 0.96 . Por ejemplo. Ante el peligro de una epidemia. En cambio. es p=P(M1) y l-p=P(Ml). Ejemplo 19. se decide vacunar al 80% de la poblaci6n. Una elIas trabaja con el 1 % de defectuosos y la otra con el 4 %.638.

el analisis arroja resultado positivo con 85 % de probabilidad y.04 x 0. " Soluci6n: Un error que suele cometerse en este problema es pensar que el resultado de la primera extracci6n no da informacion sobre el resultado de la segunda. 0 sea: Ejemplo 16. Consideremos por ejemplo que una caja tuviera s610 bolillas blancas y la otra s610 bolillas rojas. Se elige una caja al azar y se extrae una bolilla que resulta blanca y se reintegra a la misma caja. 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. otra caja C2 tiene 8 blancas y 12 rojas.639 0. La anemia infecciosa equina (Mal de COGGrNs) es una enfermedad de los caballos que. mas la probabilidad de que Ia primera bolilla sea roja por la probabilidad de que la segunda sea blanca habiendo sido roja la primera. si un caballo esta sano. P_CE_)_P(_P_\_E_) __ PCE)P(P \ E) + PCS)P(P \ S) P(N\S)==O. Una caja CI tiene 7 bolillas blancas y 3 rojas. Sea BI el suceso "la primera bolilla es blanca" y analogamente B2. en ese caso. B 2 ) 0.85 + 0. si vemos que la primera bolilla extrafda es blanca.02 Nota: La probabilidad de que el analisis de positivo en un ejemplar enfermo se denomina sensibilidad (En este caso 85 %). En esteejernplo teniamos una caja con 7 bolillas blancas y 3 rojas y extraiarnos 2 bolillas. evidentemente.96 x 0. Se sabe que el 4 % de la poblaci6n caballar del pais padece la enfermedad.) 2 = PCB PCB. 10). 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. 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. Entonces: PCE \ P) == 0. La probabilidad de que el analisis de negativo en un ejemplar sano se denomina especificidad (En este caso 98 %).85 -----------'-==0. aplicando el Teorema de la probabilidad total.) ' r. Ia probabilidad de que la segunda tam bien sea blanca es 1. queremos caIcular: PCB \ B. en los primeros estadios no presenta sintomas: en las etapas posteriores el animal desmejora y frecuentemente muere. I Ejemplo 17.85. Por 10 tanto. igual a la probabilidad de que la prirnera bolilla fuera blanca.04. Calcular la probabilidad de que esta segunda bolilla sea blanca. En un laboratorio se realiz6 un analisis que arrojo resultado positivo.98. 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.5(}_)2 10 '10 + 0'5(~)2 78' '20 20 ==0591 05-+05- . es decir que si un caballo esta enfermo.04 x 0.18 Ejemplo 15 iContinuacion del Ej. P(P\E)=O. el Test de COGGINS es muy especifico pero de sensibilidad moderada. Ahora obtendremos el mismo resultado. a continuaci6n se extrae otra bolilla de la misrna caja. arroja resultado negativo con 98 % de probabilidad.

P(N2) = Si una persona no es vacunada.2 = 0. en la zona 2. en ese caso.20 Se vacuna al 80% de la poblaci6n. Se arroja un dado equilibrado hasta que salga un as. se aplica por igual en ambas zonas. luego P(E\V2) = O._.984 personas.16xO. Ca1cule: a) P. P(V2 \ E) == peE) == 0.14. una persona vacunada tiene una probabilidad 0.IJ56 en la zona 2 es.) = 0.0192 habitantes.0 192 Como la ciudad tiene 1 mil16n de de que haya side vacunada . La primera operaci6n que ha realizado un dfa determinado fue correcta.08 de que la vacuna no la inmunice y. que vale (5/6)/[1-(5/6)2] Y la probabilidad pedida es 5/11.. en ausencia de otro dato. Sea P. tiene una probabilidad 0.16 de que la vacuna no la inmunice y.8 = 0.3xO.) = 0.. se estima que enferrnaran unas 33. P(V2) = PeN. Calcular la probabilidad de que se necesite un mimero par de tiros.. Reemplazando en peE) obtenemos peE) =0. (.. la probabilidad de que la n-esima operaci6n sea correcta. b) Si se necesit6 un rnimero par de tiros. b) Si se necesit6 un mimero par de tiros.12 = 0.12 = 0. b) P" en funci6n de a. debernos suponer Tenemos asi las probabilidades a priori: 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 21.7xO.. por 10 tanto: Si una persona es vacunada en zona 1 tie~e una probabilidad 0.56. 12. P(V2 )P(E \ V2) la probabilidad 0. si efectua una operaci6n incorrecta.08xO. en ese caso...cual es la probabilidad de que hayan sido 2? Soluci6n: a) La probabilidad pedida es P(par)=P(2u4u6u . La expresi6n dentro del corchete es una serie geornetrica. P(V.12 de enfermarse.2 = 0..033984 Ejemplo 20. ) = P(2) + P4) + P(6) + . en funci6n de a. Si efecnia una operaci6n correcta la probabilidad de que la siguientesea incorrecta es a.3xO. la probabilidad de que la siguiente tambiensea incorrecta es fJ.033984. .24 x 0. == 0. fJ y n y su limite cuando n tiende a infinito.) = 0. tiene una probabilidad 0.7xO.0096 Analogamente.06 de que se enferme que ese porcentaje la probabilidad esO. fJ y P. Un operario de una linea de montaje realiza la misrna operaci6n muchas veces al dia.24 0.12 de enfermar. entonces: P(E\V.8 = 0. b) Si una persona se enferma.

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

En cada disparo. Si uno cualquiera de los cornponentes defectuoso. i. tiene B un ultimo disparo.el B entrega el 35 % y tiene un 4 % de defectuosas y el C enuega el 15% restante. fallo. el 70% no tiene cuenta corriente. a) i. i. otra caja contiene dos monedas de plata y una rercera caja coutiene una moneda de oro y otra de plata.que porcentaje falla en B? 2. justificando numericamente la respuesta.cual es la probabilidad de que la primera tirada haya sido un 3? 2.3) En un programa de entretenimientos de la television de EU se Ie presentan al participante 3 puertas. 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. i. 2. vacia. b) De los que no fallan en A. sin miraria. 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.cual es la probabilidad de que provenga del proveedor C! 2.Cual es la probabilidad de que sea defectuosa? b) Si es defectuosa. BERTRAND (1822-1900) publicada ell "Calculo de Probabilidades". Calcular la probabilidad Dispararon de que los . 0 sea. si sale cara dispara de nuevo A.que caja elegirla? 2. una caja negra N2 contiene 9 monedas de oro y 4 de cobre. 1/4 Y 1/5 respectivarnente. 113. i. A y B. a) i.10) Paradoja de J. EI participante tiene la opcion de quedarse con su eleccion o cambiar a la puerta cerrada restante. Si de esto viven aun A y B. contiene 3 monedas de oro y 6 de cobre. gane B salgan ilesos. y es no 2. 1889.Cual es la probabilidad de que esta ultima sea negra? b) Si esta es negra. Se 'elige una pieza al azar: a) i. F. i. i.2 y para B 0. el 20% tiene cuenta corriente. Calcular las probabilidades de que gane A.11) Una caja C. a) Calcular la probabilidad de que la suma sea 8. L. Una caja roja R. c) Ahora suponga que se arruan nuevas cajas R) y N. lcual es la probabilidad de haber pasado una blanca de C.que porcentaje tiene cuenta corriente? 2. para que extraiga una moneda al alar de una de elias y Ud.2) Paradoja de SIMPSON (1951). Una caja contiene dos monedas de oro. el 6% en la prueba B y el 90% en ninguna. Le ofrecen las cajas R.Cual es la probabilidad de que la otra moneda de esa caja tambien sea de oro? (La respuesta no es 0. EI participante elige una de las puertas y a continuacion el conductor del programa abre una de las otras. el circuito no funciona. i.que porcentaje tiene menos de 3 aiios. la probabilidad de acierto para A es 0. a C2? 2.que caja elegiria? b) Idem con las cajas R. contiene 4 monedas de oro y 7 de cobre: una caja negra N. i. se quedara con la moneda. como suma de las anteriores. a) A Ud.7) Dernuestre que si dos sucesos A y B son independientes. EI 5% falla en la prueba A.4) EI control de calidad para cierto tipo de motor incluye dos pruebas: A (ensayo de sobrecarga) y B (ensayo de consume).12) Tres cazadores A.6) De los clientes de una empresa. A y B. se arroja una moneda.5) 2.22 6. luego se ext rae una bolilla al azar de C1. a) i.Que porcentaje aiios? b) De los que tienen cuenta corriente. otra caja C2 tiene 1 negra y 9 blancas.cllal es la probabilidad de que sea defectuoso el elernento B? 2. se introduce en C2. y N. con un 2% defectuoso. (.3. Dispara A y si no acierta. y N2. Se tom a la caja C" se extrae una bolilla y. PROBLEMAS 2.1) Se arroja un dado equilibrado dos veces.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. Sa be que detras de una de elias hay un automovil.9) Una pieza es suministrada a una empresa por Ires proveedores A. 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. antigiiedad y de eSIOS.5) A primero despues y ambos y B se baten a duelo. a) Indique si las fallas en las pruebas son sucesos estadlsticarnente independientes. B Y C. Se elige una caja al azar y se extrae una rnoneda que resulta ser de oro. Una caja roja R2 contiene 7 monedas de oro y 3 de cobre. b) Si la suma fue ocho. EI proveedor A entrega el 50% de las unidades y tiene un 6 % de defectuosas .Que Ie conviene? [Para un estudio detallado de este problema vea Haigh (2003)]. tambien son indepeudientes Ay B. de 10 contrario dispara B.Cual es la probabilidad de que suceda esto? b) Si el circuito funciona. contiene 3 bolillas negras y 5 blancas.

Sign up to vote on this title
UsefulNot useful