Documentos de Académico
Documentos de Profesional
Documentos de Cultura
2° Semestre
Módulo 4
Probabilidad y Estadística
Actividad 7. ¿Qué tan probable es que suceda?
GRUPO: EM-EMPE-2002-B2-001
Docente en línea: Lic. Gerardo Garduño Rosas
Módulo 4
Introducción
De acuerdo a Christen (2013), en 1763 se publicó el artículo An essay towards solving a
problem in the doctrine of chances, (Un ensayo hacia la solución de problemas en la disciplina
del azar) escrito por el reverendo Thomas Bayes (1701-1761). En dicho artículo, Bayes presentó
una sencilla demostración de la teoría de la probabilidad cuyas consecuencias difícilmente podía
prever. Con esa demostración, Bayes estableció los principios de la estadística bayesiana, la cual
después cayó en el olvido y fue marginada por muchos años, hasta su resurgimiento y utilización
para resolver todo tipo de problemas, desde la interpretación de mensajes en la Segunda Guerra
Mundial hasta la actual decodificación del material genético.
Bayes ya había muerto cuando su famoso artículo fue enviado por su amigo Richard Price
a la revista Philosophical Transactions. Algunos estudiosos todavía debaten si Price únicamente
envió el artículo o también tuvo alguna intervención como autor.
Supongamos que los meteorólogos le asignan al evento A una probabilidad de 5%. Pero,
¿qué quiere decir eso? En otras áreas de estadística, en la estadística frecuentista, eso se
interpreta en términos de muestras repetidas. Se dice: "Si tomas muchas muestras del evento A,
el porcentaje tal de los casos caerá en tal o cual intervalo". Pero este problema, el de la lluvia, no
podemos tomar la muestra porque sólo hay un "mañana martes" único e irrepetible. Sólo de
ciertos aspectos podemos tomar datos y pensar que podemos repetir una muestra. El argumento
frecuentista se aplica en esos casos, pero en éste, ¿qué quiere decir que la probabilidad de que
llueva mañana es del 5%?
UnADM | DCEIT | EM | 2
Módulo 4
La teoría bayesiana fue desarrollada en el siglo XX al axiomatizar sus principios con los
trabajos de Finetti, Ramsey y Savage, y posteriormente con su fundamentación filosófica, dentro
de la epistemología moderna. La idea fundamental, sugerida originalmente por Keynes, es
interpretar a la probabilidad como un "grado de conocimiento", no como una frecuencia. Esto fue
formalizado al identificar los grados de incertidumbre como un sistema de apuestas, justo para
un "agente" que establece la probabilidad a priori de A, las condiciones B dado que ocurre el
evento A, y finalmente calcula la probabilidad P de que ocurra el evento A dada la información B.
La publicación del artículo de Bayes, a sus 250 años, nos da un ejemplo contundente de
como una idea simple, pero auténtica y fundamentalmente diferente, puede ser seminal y
cimentar el desarrollo de toda una disciplina y escuela de pensamiento, como lo es la estadística
bayesiana moderna. Sin duda es uno de los artículos fundamentales de la estadística y un evento
a celebrar en el Año Internacional de la Estadística.
UnADM | DCEIT | EM | 3
Módulo 4
DESARROLLO
LOGROS
Calcula probabilidad condicional
Aplica teorema de Bayes
Distingue variables aleatorias en situaciones de probabilidades y estadísticas
REFLEXION
¿Crees que ganen un juego de azar, dependiendo del número de veces que has jugado?
SECUENCIA DE LA ACTIVIDAD
1. Resuelve los siguientes ejercicios de acuerdo a lo propuesto en esta semana.
𝑃(𝐷𝑁) = 0.62
𝑃(𝐷𝐼) = 0.72
𝑃(𝐷𝑁 ∩ 𝐷𝐼) = 0.52
UnADM | DCEIT | EM | 4
Módulo 4
938 469
𝑃(𝑁𝐼𝐾𝐸) = =
2000 1000
1062 531
𝑃(𝐽𝑂𝑅𝐷𝐴𝑁) = =
2000 1000
752 376
𝑃(𝐵𝑈𝐸𝑁𝐴|𝑁𝐼𝐾𝐸) = =
938 469
186 93
𝑃(𝐷𝐸𝐹𝐸𝐶𝑇𝑈𝑂𝑆𝐴|𝑁𝐼𝐾𝐸) = =
938 469
862 431
𝑃(𝐵𝑈𝐸𝑁𝐴|𝐽𝑂𝑅𝐷𝐴𝑁) = =
1062 531
200 100
𝑃(𝐷𝐸𝐹𝐸𝐶𝑇𝑈𝑂𝑆𝐴|𝐽𝑂𝑅𝐷𝐴𝑁) = =
1062 531
UnADM | DCEIT | EM | 5
Módulo 4
469 93 93
𝑃𝐶𝑎𝑚𝑖𝑠𝑎 𝑁𝑖𝑘𝑒 𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎 = ( )( )=
1000 469 1000
Para calcular la probabilidad de que una camisa elegida al azar resulte defectuosa, se
suman las probabilidades de 𝐶𝑎𝑚𝑖𝑠𝑎 𝑁𝑖𝑘𝑒 𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎 y 𝐶𝑎𝑚𝑖𝑠𝑎 𝐽𝑜𝑟𝑑𝑎𝑛 𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎,
como se muestra a continuación:
93 1 193
𝑃𝐶𝑎𝑚𝑖𝑠𝑎 𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎 = + = = 0.193 ∴ 19.3%
1000 10 1000
UnADM | DCEIT | EM | 6
Módulo 4
Para calcular la probabilidad de que una camisa elegida al azar resulte ser Nike, se suman
las probabilidades de 𝐶𝑎𝑚𝑖𝑠𝑎 𝑁𝑖𝑘𝑒 𝐵𝑢𝑒𝑛𝑎 y 𝐶𝑎𝑚𝑖𝑠𝑎 𝑁𝑖𝑘𝑒 𝐷𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎, como se
muestra a continuación:
47 93 469
𝑃𝐶𝑎𝑚𝑖𝑠𝑎 𝑁𝑖𝑘𝑒 = + = = 0.469 ∴ 46.9%
125 1000 1000
Lo cual corresponde con la probabilidad antes calculada con los datos originales de la tabla
de datos:
938 469
𝑃(𝑁𝐼𝐾𝐸) = = = 0.469 ∴ 46.9%
2000 1000
c) Si una persona compra una camisa Niké, ¿Cuál es la probabilidad de que este defectuosa?
El enunciado se puede interpretar como “Calcula la probabilidad de que una camisa sea
defectuosa si se sabe que es Nike”; es decir se busca calcular la probabilidad:
𝑃(𝐷𝐸𝐹𝐸𝐶𝑇𝑈𝑂𝑆𝐴|𝑁𝐼𝐾𝐸)
186 93
𝑃(𝐷𝐸𝐹𝐸𝐶𝑇𝑈𝑂𝑆𝐴|𝑁𝐼𝐾𝐸) = = = 0.1982942431 ∴ 19.82942431%
938 469
d) Si una persona compra una camisa Jordán, ¿Cuál es la probabilidad de que salga
defectuosa?
El enunciado se puede interpretar como “Calcula la probabilidad de que una camisa sea
defectuosa si se sabe que es Jordan”; es decir se busca calcular la probabilidad:
𝑃(𝐷𝐸𝐹𝐸𝐶𝑇𝑈𝑂𝑆𝐴|𝐽𝑂𝑅𝐷𝐴𝑁)
200 100
𝑃(𝐷𝐸𝐹𝐸𝐶𝑇𝑈𝑂𝑆𝐴|𝐽𝑂𝑅𝐷𝐴𝑁) = = = 0.1883239171 ∴ 18.83239171%
1062 531
UnADM | DCEIT | EM | 7
Módulo 4
𝑃(𝑃𝑒𝑟𝑟𝑜) = 0.28
𝑃(𝐺𝑎𝑡𝑜) = 0.45
𝑃(𝑃𝑒𝑟𝑟𝑜 ∩ 𝐺𝑎𝑡𝑜) = 0.16
Por lo tanto, la probabilidad de tener 𝑃𝑒𝑟𝑟𝑜 dado que se tiene 𝐺𝑎𝑡𝑜 se calcula con la fórmula:
𝑃(𝑃𝑒𝑟𝑟𝑜 ∩ 𝐺𝑎𝑡𝑜) 0.16
𝑃(𝑃𝑒𝑟𝑟𝑜|𝐺𝑎𝑡𝑜) = = = 0.35̅ ∴ 35. 5̅%
𝑃(𝐺𝑎𝑡𝑜) 0.45
892 223
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒) = =
1720 430
828 207
𝑃(𝑀𝑢𝑗𝑒𝑟) = =
1720 430
UnADM | DCEIT | EM | 8
Módulo 4
642 321
𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝐻𝑜𝑚𝑏𝑟𝑒) = =
892 446
250 125
𝑃(𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝐻𝑜𝑚𝑏𝑟𝑒) = =
892 446
692 173
𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝑀𝑢𝑗𝑒𝑟) = =
828 207
136 34
𝑃(𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝑀𝑢𝑗𝑒𝑟) = =
828 207
223 125 25
𝑃𝐻𝑜𝑚𝑏𝑟𝑒 𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜 = ( )( )=
430 446 172
207 34 17
𝑃𝑀𝑢𝑗𝑒𝑟 𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑎 = ( )( )=
430 207 215
UnADM | DCEIT | EM | 9
Módulo 4
Por lo tanto, para calcular la probabilidad de que al elegir a alguien al azar sea 𝐻𝑜𝑚𝑏𝑟𝑒
dado que es 𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜 se tiene la fórmula:
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒) ∙ 𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝐻𝑜𝑚𝑏𝑟𝑒)
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒|𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜) =
𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜)
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒) ∙ 𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝐻𝑜𝑚𝑏𝑟𝑒)
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒|𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜) =
𝑃𝐻𝑜𝑚𝑏𝑟𝑒 𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜 + 𝑃𝑀𝑢𝑗𝑒𝑟 𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑎
321 25 223
𝑃𝐻𝑜𝑚𝑏𝑟𝑒 = 𝑃𝐻𝑜𝑚𝑏𝑟𝑒 𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜 + 𝑃𝐻𝑜𝑚𝑏𝑟𝑒 𝐷𝑒𝑠𝑒𝑚𝑝𝑙𝑒𝑎𝑑𝑜 = + =
860 172 430
Lo cual corresponde con la probabilidad antes calculada con los datos originales de la tabla
de datos:
892 223
𝑃(𝐻𝑜𝑚𝑏𝑟𝑒) = = = 0.518604651 ∴ 51.8604651%
1720 430
c) Dado que la persona elegida es hombre ¿cuál es la probabilidad de que tenga empleo?
𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝐻𝑜𝑚𝑏𝑟𝑒)
642 321
𝑃(𝐸𝑚𝑝𝑙𝑒𝑎𝑑𝑜|𝐻𝑜𝑚𝑏𝑟𝑒) = = = 0.719730941 ∴ 71.9730941%
892 446
e) La probabilidad de que haya un accidente en una fábrica de automóviles que dispone de una
alarma es de 0.2. La probabilidad de que esta suene si se ha producido algún accidente es de
0.86 y la probabilidad de que suene si no ha sucedido ningún incidente es de 0.05.
UnADM | DCEIT | EM | 10
Módulo 4
Dado que no hay una pregunta clara en este inciso, se escriben las probabilidades a partir de
los datos del enunciado:
𝑃(𝐴𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒) = 0.2
𝑃(𝑆𝑢𝑒𝑛𝑒|𝐴𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒) = 0.86
De esta probabilidad se entiende que la probabilidad de que no suene si hay accidente es:
𝑃(𝑁𝑜 𝑆𝑢𝑒𝑛𝑒|𝐴𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒) = 0.14
De esta probabilidad se entiende que la probabilidad de que no suene si no hay accidente es:
𝑃(𝑁𝑜 𝑆𝑢𝑒𝑛𝑒|𝑁𝑜 𝐴𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒) = 0.95
UnADM | DCEIT | EM | 11
Módulo 4
f) Tenemos cuatro urnas: A con 5 bolas rojas y 6 negras, B con 3 bolas rojas y 4 negras, C con 7
bolas rojas y 6 bolas negras y D con 3 bolas rojas y 4 bolas negras. ¿Cuál es la probabilidad de
haber sido extraída de la urna A?
Para la probabilidad de que una bola haya sido extraída de la urna A, se tiene:
11
𝑃(𝐴) = = 0.289473684 ∴ 28.9473684%
38
UnADM | DCEIT | EM | 12
Módulo 4
CONCLUSIÓN
El teorema de Bayes, nos permite calcular la probabilidad de que ocurra un evento, a partir de
valores conocidos de otras probabilidades relacionadas al evento.
𝑃(𝐴) ∙ 𝑃(𝐵|𝐴)
𝑃(𝐴|𝐵) =
𝑃(𝐵)
Donde:
El teorema expresa la probabilidad de que ocurra el evento 𝐴, dado que ha ocurrido 𝐵, en función
de la probabilidad de que ocurra 𝐵 dado que ha ocurrido 𝐴, de la probabilidad de 𝐴 y de la
probabilidad de 𝐵.
En la práctica tiene muchísimas aplicaciones, por ejemplo, conociendo la probabilidad de que una
persona tenga fiebre dado que tiene gripe, nos permite calcular la probabilidad de que una
persona que tiene gripe, dado que tiene fiebre. Tiene, además, aplicaciones importantísimas en
la detección del cáncer y otras enfermedades.
𝑃(𝐴𝑖 ) ∙ 𝑃(𝐵|𝐴𝑖 )
𝑃(𝐴𝑖 |𝐵) = 𝑛
∑𝑗=1 𝑃(𝐴𝑗 ) ∙ 𝑃(𝐵|𝐴𝑗 )
UnADM | DCEIT | EM | 13
Módulo 4
BIBLIOGRAFÍA
Anderson, D., Sweeney, D. y Williams, T. (2005). Estadística para administración y economía (8.ª
ed.). México: Thomson. Recuperado el 19 de octubre de 2020 de:
https://www.upg.mx/wp-content/uploads/2015/10/LIBRO-13-Estadistica-para-administracion-y-
economia.pdf
UnADM | DCEIT | EM | 14