ESTADÍSTICA Y PROBABILIDAD Ingeniería civil

Probabilidad condicional e independencia de eventos.

DOCENTE: MARIA OLGA CACERES CARVAJAL
NOMBRE ESTUDIANTE: CODIGO:

Quién no ha hecho preguntas como: “¿Qué tan probable es que haga sol mañana dado
que hoy es un día soleado?” o “¿Qué tan probable es ganar la lotería dado que se
compra todos los días?” Estas y otras cuestiones hacen de la probabilidad la base de
muchas decisiones de la ciencia, la industria y el comercio entre otras.

PROBABILIDAD CONDICIONAL E INDEPENDENCIA DE EVENTOS.

Dados 2 eventos A y B de un experimento aleatorio, si A es un evento condición sobre B, la

probabilidad condicional de B dado A corresponde a la probabilidad de B cuando A ha
sucedido y se simboliza P (B/A). Además

P (B/A) = P (A ∩ B) / P(A)

Ejemplo:

Se lanzan 3 monedas al aire. Si la primera moneda cae cara, ¿Cuál es la probabilidad de que la
segunda caiga en cara?
El espacio muestral del experimento aleatorio que consiste en lanzar 3 monedas al aire es:

♯ (S) = {CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS}

Sea A el evento que consiste en que la primera moneda cae cara.

Sea B el evento que consiste en que la segunda moneda cae cara

En este caso, el evento A es condición para el evento B pues se sabe que el resultado de la
primera moneda fue cara.
Se tiene entonces:

P (A ∩ B) = 2/8 y P(A) = 4/8 → P (B/A) = P (A ∩ B) / P(A) = 2/4 = 0.50

Luego la probabilidad de que se obtenga cara en la segunda moneda dado que la primera fue
cara es de 0,50

AHORA TU TRABAJO
1. La probabilidad de que, en una cierta ciudad, una familia tenga un seguro de vida es de
0,25. La probabilidad de que una familia tenga casa propia es de 0,5. Además, la
probabilidad de que una familia tenga un seguro de vida o casa propia o ambas es de 0,65.
Si se selecciona al azar una familia que tiene casa propi, ¿Cuál es la probabilidad de que
tenga un seguro de vida?

2. Cuatro estudiantes, Gabriela, Paola, Sergio y Pedro se han seleccionado para participar en
un evento de Ingeniería Civil. El estudiante que ocupe el primer puesto en el evento ganara
una beca para el siguiente semestre en movilidad académica y el estudiante que ocupe el
segundo puesto en el evento ganara la matrícula académica para el siguiente semestre.
Si Sergio gano la matrícula ¿Cuál es la probabilidad de que Gabriela gane la beca de
movilidad académica?

3. Una encuesta realizada a 600 familias pretende relacionar el número de hijos con el ingreso
mensual en cada una. Vía telefónica se preguntó a los encuestados por el número de hijos
que tienen y el ingreso económico, medido en miles de pesos que recibe la familia por
concepto del trabajo de sus padres. Se obtuvieron los siguientes datos:

NUMERO DE HIJOS.
Ingreso en miles de
pesos.
0 1 2 MAS DE TOTAL
2
Menos de 400 25 32 14 9 80
401 a 800 40 45 32 21 138
801 a 1200 35 65 41 27 168
Más de 1200 65 80 50 19 214
TOTAL 165 222 137 76 600

a. Al seleccionar una familia dentro de las que tienen un hijo, ¿Cuál es la probabilidad
que tenga ingresos superiores a 1 200 000 Pesos??
b. Si se selecciona una familia dentro de las que tienen ingresos inferiores a 400 000
pesos, ¿Cuál es la probabilidad de que tenga más de 2 hijos?

UN DIAGRAMA DE ÁRBOL ES UNA INTERESANTE REPRESENTACIÓN

DE LAS PROBABILIDADES CONDICIONALES. Prueba con el problema
siguiente.

4. En esta época de COVOD 19 Un grupo de profesionales de la salud quiere realizar un

estudio sobre las preferencias de forma de los niños en edad pre escolar para entretenerlos
en casa. El estudio consiste que en una caja se incluyen 15 solidos de tamaños semejantes:
3 esferas, 7 prismas y 5 cubos. Se pide a un niño que escoja 5 de los sólidos de la caja
para que juegue en un horario determinado, ¿Cuál es la probabilidad de que el niño
seleccione los 5 cubos? En un diagrama de árbol se pueden representar las probabilidades
y todas las posibles formas que tiene el niño para escoger los 5 solidos.
PARA TENER EN CUENTA:

1. Uno de los principales usos de la probabilidad condicional se obtiene de la formula, de

tal forma que permite calcular la probabilidad de la intersección de 2 eventos.

P (B/A) = P (A ∩ B) / P(A) → P (A ∩ B) = P (B/A) x P(A)

P (A/B) = P (A ∩ B) / P(B) → P (A ∩ B) = P (A/B) x P(B)

2. Un diagrama de árbol es una interesante representación de las probabilidades condicionales

1. EVENTOS INDEPENDIENTES

Dos eventos A y B de un experimento aleatorio son independientes cuando al calcular la

probabilidad condicional, donde B es condición de A, el resultado es la misma
probabilidad de A. Se dice que B influye sobre la ocurrencia de A.

Entonces: P(A/B) = P(A) o P (B/A) = P (B)

Ejemplo: Se lanzan al aire un dado y una moneda. Si A es el evento que consiste en que la
moneda caiga cara y B es el evento que consiste en que el dado muestre un número primo.
Usando el concepto de INDEPENDENCIA, determinar si A y B son independientes.

En primer lugar se halla el espacio muestral de lanzar un dado y una moneda:

#S = {(C,1),(C,2),(C,3),(C,4),(C,5),(C,6),(S,1),(S,2),(S,3),(S,4),(S,5),(S,6)}

Luego se hallan la probabilidades: P(A) = 6/12 = ½; P (B) = 6/12 = ½ y

P(A ∩ B) = 3/12 = 1/4
En tercer lugar se aplica la fórmula para verificar si los eventos son independientes

P(A/B) = P(A ∩ B ) / P(B) P(B/A) = P(A ∩ B ) / P(A)

= (3/12)/ (6/12) = (3/12)/ (6/12)
= ½ = P (A) = ½ = P (B)
Por tanto los eventos A y B son independientes, es decir el resultado de la moneda no
influye en el resultado del dado.
2. REGLA DE LA MULTIPLICACIÓN: P(A/B) = P(A) y [P(A ∩ B ) / P(B)] = P(A) Por
tanto P(A ∩ B ) = P(A) x P(B)

Ejemplo:

Daniel y su esposa deciden comprar una póliza de seguro de vida. El asesor calcula la
expectativa de vida para los siguientes 10 años. Para la esposa es de 0.80 y para Daniel es
de 0.75. Si se supone que las expectativas de vida son independientes, ¿Cuál es la
expectativa de vida de los dos para los siguientes 10 años?
Sean los eventos:
A = Daniel sobrevive durante los siguientes 10 años
B = La esposa sobrevive durante los siguientes 10 años
Se tiene que: P(A) = 0.75 y P (B) = 0.80. Además, A y B son independientes
Luego: P(A ∩ B) = P(A) x P (B)
= 0.75 x 0.80 = 0.60
Entonces la expectativa de vida de los dos para los siguientes 10 años es 0.60 = 60%

3. EVENTOS INDEPENDIENTES Y EVENTOS MUTUAMENTE EXCLUYENTES

 Si 2 eventos son independientes es porque existe intersección y su probabilidad es igual a

la multiplicación de las probabilidades de los eventos.
 Si 2 eventos son mutuamente excluyentes, entonces, su intersección es vacía, luego su
probabilidad es cero.
 Para que 2 eventos excluyentes sean independientes la multiplicación de sus probabilidades
debe ser cero, luego alguno de los eventos debe ser vacío.
 Si 2 eventos son mutuamente excluyentes, entonces no son independientes y Si 2 eventos
son independientes, entonces no son mutuamente excluyentes

REFERENCIAS

 Documento tomado con fines educativos del Módulo 4 Estadística Nivel C. Distribuciones
de probabilidad y Estadística para Administración y Economía de David Anderson, Dennis
Sweeney, Thomas A. William. Décima edición.

 Estadística y probabilidad II. Edición para el docente. Santillana.

4. DISTRIBUCIONES DE PROBABILIDAD.

A. VARIABLES ALEATORIAS: Si S es el espacio muestral de un experimento aleatorio; la

función que asocia a cada evento simple (resultado posible) de dicho espacio muestral
un número real se llama variable aleatoria.
Se simbolizan con X, Y, Z y se clasifican en discretas (toma valores enteros) y continuas
(toma valores dentro de un intervalo cerrado y no se hace necesario calcular el espacio
muestral)

Ejemplo: Rafael (R), Leonardo (L), Carol (C), Karen (K) y Alejandra (A), se han
postulado para participar como ponentes en el próximo “Foro regional de estudiantes por
la paz”. El Vicerrector de Bienestar debe seleccionar 2 de ellos considerando que todos
están aptos para dicha actividad; por ello decide hacer la selección de forma aleatoria.
Construir el espacio muestral y asignar los valores correspondientes a los eventos simples
definidos dentro de él.
S = {RL, RC, RK, RA, LC, LK, LA), CK, CA, KA}
Sea X, la función que cuenta el número de mujeres que hay en el grupo que representará
la Institución en el foro, así:

Evento simple A X(A)

RL 0
RC,RK,RA,LC,LK,LA 1
CK,CA,KA 2

La función toma los valores 0,1, 2 y cada elemento del espacio muestral es asociado con
uno de los valores de la función. Se trata de una variable discreta.

B. FUNCIÓN DE DISTRIBUCION DE PROBABILIDAD: Se define como:

f(X) = P (X = xi) para todos los i valores que toma la variable

Ejemplo: Se sabe por experiencia, que la probabilidad de que una persona que llega a un
almacén compre alguna prenda es de 0.25. En una hora determinada llegan 3 personas. Si
se supone que cada persona toma la decisión de comprar una prenda de forma
independiente, construir la función de distribución de probabilidades de la variable
aleatoria Y: número de personas que compran alguna prenda.
 Se definen los eventos:
A: La persona compra alguna prenda P(A) = 0.25
B: La persona NO compra ninguna prenda. (Evento complemento) P(B) = 0.75

 Se define el espacio muestral del experimento

S = {AAA, AAB, ABA, BAA, ABB, BAB, BBA, BBB}

 Se hallan los valores de la variable
 Evento simple Z Y(Z)
AAA 3
AAB,ABA,BAA 2
ABB,BAB,BBA 1
BBB O

La variable toma los valores 0, 1, 2,3.

 Se construye la función de distribución calculando la probabilidad de ocurrencia para
cada uno de los valores de la variable. Así:

Y = 3 significa que los 3 clientes compraron alguna prenda.

Se sabe: P(A) = 0.25 y que un cliente compre es independiente a que el otro cliente
compre. Son eventos independientes, entonces:

P (Y = 3) = P(A ∩ A ∩ A) = 0.25x0.25x0.25 = 0.015625. Existe un único elemento del

espacio muestral.
Para el caso Y = 2 se tiene que P (B) =0.75, además, si la variable vale 2 es porque 2 clientes
compran alguna prenda y uno no. Entonces:
P (Y = 2) = P (A ∩ A ∩ B) + P (A ∩ B ∩ A) + P (B ∩ A ∩ A) = 3(0.25x0.25x0.75) = 0.140625.
Se multiplicó por 3 pues en el espacio muestral hay 3 elementos cuyo valor es 2.
P (Y = 1) = P (A ∩ B ∩B) + P (B ∩ A ∩ B) + P (B ∩ B ∩ A) corresponde a los eventos en los
cuales 2 de las 3 personas no compran ninguna prenda. Entonces:
P (Y = 1) = 3.0.25x0.75x0.75= 0.421875
El caso P (Y = 0) = P (B ∩ B ∩ B) corresponde al evento en que ningún cliente compró alguna
prenda
Entonces: P (Y = 0) = (0.75x0.75x0.75) = 0.421875

Es de resaltar que para Y=1 y Y=2 se incluye un factor 3 pues en cada uno hay 3 casos con
igual probabilidad.

Por tanto, la función de distribución de probabilidad es:

f (Y) = P(Y = y ) 0.421875 Si Y=0

0.421875 Si Y=1
0.140625 Si Y=2
0.015625 Si Y=3

Se puede hacer una gráfica lineal de la función de probabilidad o mediante un histograma de

probabilidad para la variable Y

Ahora es posible calcular la probabilidad de otros eventos.

 Probabilidad del evento en el que a lo sumo (máximo) 2 de los clientes que llegaron al
almacén compren alguna prenda.

Se escribe así: P (Y≤ 2) = P (Y=0)+P (Y=1)+P (Y=2)

 = 0.421875+0.421875+0.140625
= 0.984375

La probabilidad se podría calcular también aplicando las propiedades del complemento para
las mismas. Así: P (Y≤ 2) = 1 – P (Y=3)
= 1 – 0.015625
= 0.984375

De igual manera se puede calcular la probabilidad del evento que consiste en que de las 3
personas que entran al almacén una o dos compren alguna prenda.

Sería así: P (1≤Y≤ 2) = P (Y=1)+P (Y=2)

= 0.421875+0.140625
= 0.5625

También se podría calcular P (Y = yi) = P (Y=0)+P (Y=1)+P (Y=2)+ P (Y=3)

=0.421875+0.421875+0.141625+0.015625
= 1 Suma total de las probabilidades.

PROPIEDADES DE LA FUNCION DE DISTRIBUCION DE PROBABILIDAD

Sea f(X) la función de distribución de probabilidad de la variable aleatoria X, entonces, f

cumple:

1. 0 ≤f(X) ≤1
2. La suma de las probabilidades de todos los posibles valores de la variable debe ser igual a
1.

FUNCION DE DISTRIBUCION ACUMULADA

Si se considera el caso de las 3 personas que ingresan al almacén junto con la variable
aleatoria y su función de distribución de probabilidad es posible definir una nueva función
para todos los valores reales.
Y 0 1 2 3
P(Y) 0.421875 0.421875 0.140625 0.015625

La nueva función se construye al considerar los valores de las probabilidades pues es

posible acumularlas a medida que el valor de Y aumenta.

Y<0
Y=0
Y≤ 1
Y≤ 2
Y≤ 3
AHORA RESUELVE PARA PRACTICAR

1. En cada uno de los siguientes casos, construye el espacio muestral y asigna los valores
correspondientes a los eventos simples definidos dentro de él:
A. Se lanzan 3 monedas al aire una vez, sea Y la variable aleatoria que cuenta el número
de caras en las 3 monedas.
B. Se lanza al aire un dado azul y un dado rojo, sea X la variable aleatoria que determina
la diferencia entre los puntajes del dado rojo y del azul.

REFERENCIAS

 Documento tomado con fines educativos del Módulo 4 Estadística Nivel C. Distribuciones
de probabilidad y Estadística para Administración y Economía de David Anderson, Dennis
Sweeney, Thomas A. William. Décima edición.

 Estadística y probabilidad II. Edición para el docente. Santillana.

 Estadística Comercial Ciro Martínez Bencardino. Ediciones ECOE. Serie textos

Universitarios.