Documentos de Académico
Documentos de Profesional
Documentos de Cultura
CLASE 2
Cuando los Ei son todos igualmente probables, es decir, P (Ei ) = p para todo i = 1, . . . , N y
0 < p < 1, se tiene que
N
X N
X
1= P (Ei ) = p = Np
i=1 i=1
Las probabilidades de cada cara son igualmente probables y se pueden resumir en la tabla:
n = 100
0.4
Frecuencia relativa
0.3
1 2 3 4 5 6
Donde, de los 100 lanzamientos se obtuvieron las frecuencias (de color negro) 18 en la
cara 1, 11 en la cara 2, 22 en la cara 3, 13 en la cara 4, 20 en la cara 5 y 16 en la
cara 6. Todas estas frecuencias en contraste con el número teórico (de color rojo) que es
aproximadamente 16.7 para cada una de las caras.
Probabilidad condicional:
Como vimos anteriormente, el valor P (A) le asigna una probabilidad de ocurrencia a un
evento A. La pregunta ahora es ¿qué ocurre con esta probabilidad cuando un evento B ha
ocurrido? Para analizar este caso introducimos una nueva notación P (A|B), léase “probabilidad
de A dado B” y la llamaremos probabilidad condicional de que ocurra A dado que B ha ocurrido.
Definición de probabilidad condicional: Para dos eventos cualesquiera A y B, con
P (B) > 0, se tiene que la probabilidad condicional de que ocurra A dado que ocurrió B está
dada por
P (A ∩ B)
P (A|B) = .
P (B)
Ejemplo 3:
En un experimento para estudiar la relación que existe entre el hábito de fumar y la hiper-
tensión arterial se reúnen los siguientes datos para 180 individuos:
Solución:
Ejemplo 4:
Solución:
Considere los eventos A : Cambiar aceite y F : cambiar el filtro. Las probabilidades pedidas
son:
P (F ∩ A)
P (F |A) =
P (A)
0.14
=
0.25
= 0.56 = 56 %
PA ∩ F)
P (A|F ) =
P (F )
0.14
=
0.40
= 0.35 = 35 %
Regla multiplicativa:
De la definición de probabilidad condicional, tenemos que
P (A ∩ B) = P (A|B)P (B).
P (A ∩ B) = P (B|A)P (A).
Ejemplo 5:
Solución:
Considere los eventos E : el jefe de familia esté en casa, V : la empresa vende el producto.
La probabilidad pedida es:
k
X
P (B) = P (B|Ai )P (Ai )
i=1
Ejemplo 6:
Solución:
Como cualquier elemento que sea fabricado en la planta de ensamblaje fue hecho en la
máquina B1, B2 o B3, entonces las máquinas hacen una partición de los elementos fabricados
en la planta. Además, P (B1 ) = 0.3, P (B2 ) = 0.45 y P (B3 ) = 0.25 y también para el evento D :
el elemento es defectuoso, se tiene que P (D|B1 ) = 0.02, P (D|B2 ) = 0.03 y P (D|B3 ) = 0.02.
Ası́, la probabilidad pedida es:
Teorema de Bayes:
Sea A1 , A2 , . . . , Ak un conjunto eventos mutuamente excluyentes y exhaustivos. Entonces
para cualquier otro evento B para el cual P (B) > 0, se tiene que la probablidad posterior de
que ocurra Aj (para algún j = 1, . . . , k) dado que ocurrió B, es igual a
Ejemplo 7:
Con referencia al ejemplo anterior, si se elige al azar un producto y se encuentra que está
defectuoso, ¿cuál es la probabilidad de que haya sido ensamblado con la máquina B3 ?
Solución:
Por el teorema de Bayes, se tiene que:
P (D|B3 )P (B3 ) 0.02 ∗ 0.25
P (B3 |D) = = = 0.2041 = 20.41 %
P (D|B1 )P (B1 ) + P (D|B2 )P (B2 ) + P (D|B3 )P (B3 ) 0.0245
Ejemplo 8:
Sólo 1 de 1000 adultos padece una enfermedad rara para la cual se ha creado una prueba de
diagnóstico. La prueba es tal que cuando un individuo que en realidad tiene la enfermedad, un
resultado positivo se presentará en 99 % de las veces mientras que en individuos sin enfermedad
el examen será positivo sólo en un 2 % de las veces. Si se somete a prueba un individuo selec-
cionado al azar y el resultado es positivo, ¿cuál es la probabilidad de que el individuo tenga la
enfermedad?
Solución:
Propiedad De esta definición se desprende el hecho de que los eventos A y B son indepen-
dientes si y solo si P (A ∩ B) = P (A) × P (B).
Ejemplo 9:
Solución: