Documentos de Académico
Documentos de Profesional
Documentos de Cultura
B2 B4
B1 B3
(𝐴 𝑩𝟏 ) (𝐴 𝑩𝟐 ) (𝐴 𝑩𝟑 ) (𝐴 𝑩𝟒 )
ESTADÍSTICA BÁSICA 2
TEMA 2: Probabilidad
1. Introducción
2. Definición de probabilidad y propiedades
3. Probabilidad condicionada y total
4. Independencia de sucesos
5. Teorema de Bayes
1. Introducción
ESTADÍSTICA BÁSICA 4
1. Introducción
Conceptos importantes
Ejemplo: medir la longitud de una pieza del tipo T producida por la máquina M
ESTADÍSTICA BÁSICA 5
1. Introducción
Tipos de experimentos
Ejemplo: medir la longitud de una pieza del tipo T producida por la máquina M
ESTADÍSTICA BÁSICA 6
1. Introducción
SUCESO ELEMENTAL: cada uno de los resultados elementales del experimento aleatorio
ESTADÍSTICA BÁSICA 7
1. Introducción
ESTADÍSTICA BÁSICA 8
1. Introducción
Diagrama de Venn
ESTADÍSTICA BÁSICA 9
E
Ā
A A Ā =E
1 2 3 4 5 6
1 U 2 U 3 U 4 U 5 U 6=E
10
1. Introducción
E E
A
B
AB
Ejemplo:
ESTADÍSTICA BÁSICA 11
1. Introducción
Intersección de sucesos o ‘suceso intersección’: es el suceso que ocurre
cuando los sucesos ocurren simultáneamente.
E E
A A
B B
AB A B= Ø
(sucesos disjuntos o mutuamente
o bien AB excluyentes)
Ejemplo:
ESTADÍSTICA BÁSICA 12
TEMA 2: Probabilidad
1. Introducción
2. Definición de probabilidad y propiedades
3. Probabilidad condicionada y total
4. Independencia de sucesos
5. Teorema de Bayes
2. Definición de probabilidad y propiedades
𝑁° 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠
• 𝑃 𝐴 = 𝑁° 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 •0 𝑃(𝐴) 1 • 𝑃(Ø) = 0
• 𝑃(𝐸) = 1 • 𝑃(Ā) = 1 − 𝑃(𝐴)
ESTADÍSTICA BÁSICA 14
2. Definición de probabilidad y propiedades
𝑃 𝐴 ∩ B : es el suceso intersección
ESTADÍSTICA BÁSICA 15
2. Definición de probabilidad y propiedades
Ejemplo
Una máquina ha producido 50 piezas del Tipo I y 200 del Tipo II. Cada
una de estas piezas puede ser defectuosa o aceptable. La distribución
bivariante es la siguiente:
Defectuosas 4 16 20
P(TII)=200/250=0.80
ESTADÍSTICA BÁSICA 16
2. Definición de probabilidad y propiedades
Ejemplo Una máquina ha producido 50 piezas del Tipo I y 200 del Tipo II. Cada
una de estas piezas puede ser defectuosa o aceptable. La distribución
bivariante es la siguiente:
Defectuosas 4 16 20
Un comprador quiere una pieza del Tipo II que funcione. Se extrae una pieza al azar de las 250
¿Cuál es la probabilidad de sacar una pieza que no le valga?
ESTADÍSTICA BÁSICA 17
Una máquina ha producido 50 piezas del Tipo I y 200 del Tipo II. Cada
Ejemplo una de estas piezas puede ser defectuosa o aceptable. La distribución
bivariante es la siguiente:
Defectuosas 4 16 20
Un comprador quiere una pieza del Tipo II que funcione. Se extrae una pieza al azar de las 250
¿Cuál es la probabilidad de sacar una pieza que no le valga?
𝑃 𝑣ҧ = 1 − 𝑃 𝑣
𝑃 𝑣 =?
184
𝑃 𝑣 = 𝑃 A ∩ 𝑇𝐼𝐼 250
𝑃 𝑣ҧ = 1 − 𝑃 A ∩ 𝑇𝐼𝐼
184
=1− = 0.264
250
Una máquina ha producido 50 piezas del Tipo I y 200 del Tipo II. Cada
Ejemplo una de estas piezas puede ser defectuosa o aceptable. La distribución
bivariante es la siguiente:
Defectuosas 4 16 20
Un comprador quiere una pieza del Tipo II que funcione. Se extrae una pieza al azar de las 250
¿Cuál es la probabilidad de sacar una pieza que no le valga?
1. Introducción
2. Definición de probabilidad y propiedades
3. Probabilidad condicionada y total
4. Independencia de sucesos
5. Teorema de Bayes
3. Probabilidad condicionada y total
Probabilidad condicionada
Notación:
Probabilidad de A condicionada a B
Probabilidad de A dado B
P(A|B)
ESTADÍSTICA BÁSICA 21
3. Probabilidad condicionada y total
Ejemplo En una sala hay 300 personas, que se pueden clasificar de la
siguiente forma:
Chicas (C)
ത Chicos (C) TOTAL
Fuman (F) 15 15 30
15
𝑃 𝐹|𝐶 =
180
ESTADÍSTICA BÁSICA 22
3. Probabilidad condicionada y total
En una sala hay 300 personas, que se pueden clasificar de la
Ejemplo siguiente forma:
Chicas (C)
ത Chicos (C) TOTAL
Fuman (F) 15 15 30
15/300 P(F ∩ C)
= =
180/300 P(C)
P(F ∩ C)
𝑃(F|C) =
P(C)
ESTADÍSTICA BÁSICA 23
Regla de la probabilidad condicionada
𝑃(𝐴∩𝐵)
P(A|B)=
𝑃(𝐵)
P(A ∩ B)=𝑃(𝐴|𝐵)𝑃(𝐵 )
Análogamente:
𝑃(𝐴∩𝐵)
P(B|A)= P(A ∩ B)=𝑃(𝐵|𝐴)𝑃(𝐴 )
𝑃(𝐴)
24
Regla de la probabilidad total
Problema
P(A)=𝑃(𝐴 ∩ =𝑖𝑛ڂ1 𝐵𝑖 )
(A B1) (A B2) (A B3) (A B4)
P(A)=𝑃((𝐴 ∩ 𝐵1 ) ∪ ((𝐴 ∩ 𝐵2 ) ∪… ( 𝐴 ∩ 𝐵4 )
mutuamente excluyentes
P(A)=𝑃 𝐴 ∩ 𝐵1 + 𝑃(𝐴 ∩ 𝐵2 ) +… P 𝐴 ∩ 𝐵4
26
B2 B4
P(𝐴)=𝑃 𝐴 ∩ 𝐵1 + 𝑃(𝐴 ∩ 𝐵2 ) +…
A
P 𝐴 ∩ 𝐵𝑛
B1 B3
usando que
A
P(𝐴)=σ𝑛𝑖=1 𝑃(𝐴|𝐵𝑖 )𝑃(𝐵𝑖 )
B1 B3
Queremos saber P(A: ser fumador), pero lo que sabemos es P(A|varón) y P(A|mujer)
P(Fumador)=P(Fumador|Mujer)P(Mujer)+P(Fumador|Varón)P(Varón)
28
3. Probabilidad condicionada y total
Ejemplo
En una sala hay 300 personas, que se pueden clasificar de la
siguiente forma:
Fuman 15 15 30
P(Fuma|chica)=15/120=0.125 P(Fuma|chico)=15/180=0.0833
P(Chica)=120/300=0.40 P(Chico)=180/300=0.60
P(Fuma)=P(Fuma|Chica)P(Chica)+P(Fuma|Chico)P(Chico)
ESTADÍSTICA BÁSICA 29
TEMA 2: Probabilidad
1. Introducción
2. Definición de probabilidad y propiedades
3. Probabilidad condicionada y total
4. Independencia de sucesos
5. Teorema de Bayes
4. Independencia de sucesos
Ejemplos:
ESTADÍSTICA BÁSICA 31
4. Independencia de sucesos
Dos sucesos A y B son independientes si la
probabilidad de uno de ellos no cambia por
observar o no el otro
P(A|B)=P(A) ; P(B|A)=P(B)
P(A∩B) P(A∩B)
P(𝐴|𝐵)= = P(𝐴) P(B|A)= = P(B)
P(𝐵) P(A)
Independencia: P(𝐴∩𝐵)=P(𝐴)P(𝐵)
ESTADÍSTICA BÁSICA 32
4. Independencia de sucesos
Ejemplo Unas piezas cilíndricas pueden ser defectuosas por tener una longitud
inadecuada o por tener un diámetro inadecuado, siendo ambos tipos de defectos
independientes. Si la proporción de cilindros con longitud inadecuada es de 5%
y la de cilindros con diámetro inadecuado es del 3%. ¿Qué porcentaje de
cilindros son defectuosos?
ESTADÍSTICA BÁSICA 33
4. Independencia de sucesos
Ejemplo Unas piezas cilíndricas pueden ser defectuosas por tener una longitud
inadecuada o por tener un diámetro inadecuado, siendo ambos tipos de defectos
independientes. Si la proporción de cilindros con longitud inadecuada es de 5%
y la de cilindros con diámetro inadecuado es del 3%. ¿Qué porcentaje de
cilindros son defectuosos?
P(L)=0.05 P(C)=P(L ∪ D)
P(D)=0.03
=P(L)+P(D)−P(L ∩ D)
sucesos
P(L ∩ D)= P(L) × P(D)=0.05 × 0.03=0.0015 independientes
P(C)=P(L)+P(D)−P(L ∩ D)=0.05+0.03−0.0015=0.0785
ESTADÍSTICA BÁSICA 34
2. Definición de probabilidad y propiedades
Ejemplo Una máquina ha producido 50 piezas del Tipo I y 200 del Tipo II. Cada
una de estas piezas puede ser defectuosa o aceptable. La distribución
bivariante es la siguiente:
Defectuosas 4 16 20
Se extraen, con reposición, dos piezas. ¿Cuál es la probabilidad de que ambas sean del Tipo I?
ESTADÍSTICA BÁSICA 35
Ejemplo Una máquina ha producido 50 piezas del Tipo I y 200
del Tipo II. Cada una de estas piezas puede ser
defectuosa o aceptable. La distribución bivariante es
la siguiente:
Defectuosas 4 16 20
Se extraen, con reposición, dos piezas. ¿Cuál es la probabilidad que ambas sean del Tipo I?
Solución:
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴)𝑃(𝐵)
50 50
= × = 0.04
250 250
Si sacamos con reposición dos piezas, y repetimos este experimento
indefinidamente, sólo el 4% de las veces obtendremos dos piezas del Tipo I
EJERCICIOS
A B
𝐶1 𝐶2 𝐶3
¿Qué fiabilidad (prob. de que funcione) deben tener los componentes individuales
de un sistema de 10 componentes en serie para que la fiabilidad del conjunto del
sistema sea superior a 0.99
A … B
𝐶1 𝐶2 𝐶10
10
𝑃 𝑆 = 𝑃 𝐶1 > 0.99 ⇒ 𝑃 𝐶1 >?
ESTADÍSTICA BÁSICA 37
EJERCICIOS
𝐶1 𝑃 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎 =?
A B
𝐶2
ESTADÍSTICA BÁSICA 38
EJERCICIOS
𝐶1 𝑃 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑎 = 𝑃 𝐶1 ∪ 𝐶2
= 𝑃 𝐶1 + 𝑃 𝐶2 − 𝑃 𝐶1 ∩ 𝐶2
A B = 𝑃 𝐶1 + 𝑃 𝐶2 − 𝑃 𝐶1 )𝑃(𝐶2
𝐶2
ESTADÍSTICA BÁSICA 39
Un sistema está formado por 3 componentes en paralelo como indica el gráfico. La
red funciona siempre que haya conexión entre los puntos A y B. Los 3 componentes
tienen una probabilidad de fallo de 0.05, siendo sus estados (funcionando/averiado)
independientes unos de otros. Calcula la fiabilidad de este sistema
𝐶1
𝑃 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 = 𝑃 𝐶1 ∪ 𝐶2 ∪ 𝐶3
= 1 − 𝑃 𝐶1ҧ ∩ 𝐶2ҧ ∩ 𝐶3ҧ
= 1 − 𝑃 𝐶1ҧ 𝑃 𝐶2ҧ 𝑃 𝐶3ҧ
A 𝐶1 B
𝐶3
Cuántos componentes de los anteriores tengo que tener en paralelo para que la
fiabilidad del sistema sea superior a 0.999999.
𝐶1
𝑃 𝑆𝑖𝑠𝑡𝑒𝑚𝑎 = 𝑃 𝐶1 ∪ 𝐶2 ∪ ⋯ ∪ 𝐶𝐾
A 𝐶1 B = 1 − 𝑃 𝐶1ҧ ∩ 𝐶2ҧ ∩ 𝐶3ҧ ⋯ ∩ 𝐶𝐾
= 1 − 𝑃 𝐶1ҧ 𝐾 = 0.999999
⋮
𝐶𝐾
ESTADÍSTICA BÁSICA 40
TEMA 2: Probabilidad
1. Introducción
2. Definición de probabilidad y propiedades
3. Probabilidad condicionada y total
4. Independencia de sucesos
5. Teorema de Bayes
5. Teorema de Bayes
¿P(A|B)?
P(A∩B)=P(B|A) P(A)
Teorema de Bayes
P (B | A)P ( A)
P( A | B) =
P (B )
ESTADÍSTICA BÁSICA 42
5. Teorema de Bayes
Ejemplo Una empresa que gestiona la red de una gran empresa adquiere un antivirus
con las siguientes características. Si hay virus, da la alarma con probabilidad
0.95. Aunque no haya virus, hay una probabilidad de 0.08 de que dé una falsa
alarma de virus.
Si la red de dicha empresa suele recibir un ataque de virus por cada 1000 accesos, calcula la
probabilidad de que cuando dé la alarma de virus, haya de verdad un ataque
ESTADÍSTICA BÁSICA 43
5. Teorema de Bayes
Ejemplo Una empresa que gestiona la red de una gran empresa adquiere un antivirus
con las siguientes características. Si hay virus, da la alarma con probabilidad
0.95. Aunque no haya virus, hay una probabilidad de 0.08 de que dé una falsa
alarma de virus.
Si la red de dicha empresa suele recibir un ataque de virus por cada 1000 accesos, calcula la
probabilidad de que cuando dé la alarma de virus, haya de verdad un ataque
𝑃(𝐴|𝑉) = 0.95
A: al analizar un mensaje se da la alarma
𝑃(𝐴|𝑉) = 0.08
V: el mensaje tiene un virus 𝑃(𝑉) = 0.001
Si la red de dicha empresa suele recibir un ataque de virus por cada 1000 accesos, calcula la
probabilidad de que cuando dé la alarma de virus, haya de verdad un ataque
P ( A | V ) = 0.95
A: al analizar un mensaje se da la alarma
P ( A | V ) = 0.08
V: el mensaje tiene un virus
P (V ) = 0.001
P ( A | V ) P (V ) 0.95 0.001
P (V | A) = P (V | A) =
P ( A) P ( A)
P( A) = P( A | V ) P(V ) + P( A | V ) P(V )
= 0.95 0.001 + 0.08 0.999 = 0.08087
0.95 0.001
P(V | A) = = 0.012
0.08087
45