PrincipiosProbabilidad Parte III

Principios básicos de probabilidad - Parte III
2020
Notas de clase elaboradas por L.M.González Principios básicos de probabilidad - Parte III 1
Probabilidad condicional. Ejemplo.
Suponga que personas aquejadas de cierta enfermedad fueron asignadas a
dos tratamientos: uno en que se les asignó un suero A y el otro sin suero.
Curados (C) No Curados(NC) Total

Grupo A (Usando suero) 72 23 95
Grupo B (Sin suero) 67 38 105
Total 139 61 200

Total 139 61 200
• ¿Cuál es la probabilidad que una persona que se curó se hubiera asignado

al grupo sin suero?

Total 139 61 200

al grupo sin suero?
67
p(B ∩ C) 200 67
p(Sin suero/Curado) = p(B/C) = = 139
= = 0, 4820
p(C) 200
139

Total 139 61 200

al grupo sin suero?
67
p(B ∩ C) 200 67
p(Sin suero/Curado) = p(B/C) = = 139
= = 0, 4820
p(C) 200
139
Concluyendo que la probabilidad que una persona curada se hubiera

asignado al grupo sin suero es 0,482.

Total 139 61 200
• ¿Cuál es la probabilidad que una persona que no se curó se hubiera

asignado al grupo sin suero?

Total 139 61 200

38
p(B ∩ NC) 200 38
p(Sin suero/No Curado) = p(B/NC) = = 61
= = 0, 62295
p(NC) 200
61

Total 139 61 200

38
p(B ∩ NC) 200 38
p(Sin suero/No Curado) = p(B/NC) = = 61
= = 0, 62295
p(NC) 200
61
Entonces, la probabilidad que una persona que no se curó se hubiera

asignado al grupo sin suero es 0,623.

Total 139 61 200
• Si una persona es asignada al grupo con suero, ¿cuál es la probabilidad que

no se cure?

Total 139 61 200

no se cure?
23
p(NC ∩ A) 200 23
p(No curado/Con suero) = p(NC/A) = = 95
= = 0, 2421
p(A) 200
95

Total 139 61 200

no se cure?
23
p(NC ∩ A) 200 23
p(No curado/Con suero) = p(NC/A) = = 95
= = 0, 2421
p(A) 200
95
Si una persona es asignada al grupo con suero, la probabilidad que no se

cure es 0,242.
Veamos otro ejemplo...

Teniendo en cuenta los datos de la tabla,

• Si el siguiente nacimiento es una niña, ¿cuál es la probabilidad que la
madre sea mayor de 44 años?

• Si el siguiente nacimiento es una niña, ¿cuál es la probabilidad que la
madre sea mayor de 44 años?
511+67
p(45 + ∩M) 649115 511 + 67
P(Ed. 45 y más/Niña) = p(45 + /M) = = 316303
=
p(M) 649115
316303
= 0, 002

• Si la madre del siguiente nacimiento tiene entre 20 y 24 años, ¿cuál es la
probabilidad que el bebé sea un niño?

• Si la madre del siguiente nacimiento tiene entre 20 y 24 años, ¿cuál es la
probabilidad que el bebé sea un niño?
95823
p(H ∩ 20-24A.) 649115 95823
P(Hombre/20-24Años) = = 186468
= = 0, 514
p(20-24A.) 649115
186468
Regla de multiplicación
Si A y B son eventos contenidos en un espacio muestral S y p(A) > 0

y p(B) > 0, entonces
p(A ∩ B) = p(A/B)p(B) = p(B/A)p(A)
Regla de multiplicación
Si A y B son eventos contenidos en un espacio muestral S y p(A) > 0

y p(B) > 0, entonces
p(A ∩ B) = p(A/B)p(B) = p(B/A)p(A)
Veamos un ejemplo...
Regla de multiplicación. Ejemplo.
El uso de la presencia de plantas en la exploración de depósitos de

minerales se denomina exploración geobotánica.

Una pequeña planta de menta con una flor de color malva es un
indicador del cobre.

Suponga que en una región dada, existe un 30 % de probabilidad que el
suelo tenga un alto contenido de cobre y un 23 % de probabilidad que
la menta esté presente en ese lugar.

Si el contenido de cobre es alto, existe un 70 % de probabilidad que
esté presente la menta.

¿Cuál es la probabilidad que el contenido de cobre sea alto y que la
menta esté presente?

Sea
A el evento: “el suelo tiene un alto contenido de cobre” y
B el evento: “La menta está presente en ese lugar”.

la menta esté presente en ese lugar. p(A) = 0, 3 y p(B) = 0, 23
Sea

esté presente la menta. p(B/A) = 0, 7
Sea

esté presente la menta. p(B/A) = 0, 7
menta esté presente? ¿p(A ∩ B) =?
Sea
Regla de multiplicación. Ejemplo...continuación.

Entonces...
p(El suelo tiene un alto contenido de cobre) = p(A) = 0, 3

P(La menta está presente en ese lugar) = p(B) = 0, 23 y
P(La menta está presente en ese lugar / El suelo
tiene un alto contenido de cobre) = p(B/A) = 0, 7.

Entonces...

Están preguntando ¿p(A ∩ B) =?.

Entonces...


Luego
p(A ∩ B)
p(B/A) = ⇒ p(A ∩ B) = p(B/A)p(A) = 0, 7 × 0, 3 = 0, 21
p(A)
Concluyendo que la probabilidad que el contenido de cobre sea alto y que la

menta este presente es 0,21.

Entonces...


Luego
p(A ∩ B)
p(B/A) = ⇒ p(A ∩ B) = p(B/A)p(A) = 0, 7 × 0, 3 = 0, 21
p(A)
Concluyendo que la probabilidad que el contenido de cobre sea alto y que la

menta este presente es 0,21.
Veamos otro ejemplo...
Considere el experimento en que se extrae una bola de la

urna, se observa el color, y luego se extrae una segunda
bola de la urna en que se vuelve a observar el color. Vale
aclarar que la primera bola extraída no se regresa a la urna.

• ¿Cuál es la probabilidad que en las dos extracciones sean bolas rojas?


Sean los eventos “La primera bola es roja” (A) y “la segunda bola es roja”
(B).


(B).
Se tiene
6
p(Primera bola es roja) = p(A) =
= 0, 4
15
5
P(Segunda bola roja/primera bola roja) = p(B/A) = = 0, 357
14


(B).
Se tiene
6
= 0, 4
15
5
14

6 5
p(A) = = 0, 4 y p(B/A) = = 0, 357
15 14
Entonces
p(A ∩ B) = p(B/A)p(A) = 0, 357 × 0, 4 = 0, 143

6 5
p(A) = = 0, 4 y p(B/A) = = 0, 357
15 14
Entonces
p(A ∩ B) = p(B/A)p(A) = 0, 357 × 0, 4 = 0, 143
Concluyendo que la probabilidad que en las dos extracciones sean bolas

rojas es 0,143.
Regla de multiplicación. Ejemplos...continuación


• ¿Cuál es la probabilidad que la primera bola sea roja y la segunda verde?


Sean los eventos “La primera bola es roja” (A) y “la segunda bola es verde”
(B).


(B).
Se tiene
6
= 0, 4
15
4
P(Segunda bola verde/primera bola roja) = p(B/A) = = 0, 286
14


(B).
Se tiene
6
= 0, 4
15
4
P(Segunda bola verde/primera bola roja) = p(B/A) = = 0, 286
14

6 4
p(A) = = 0, 4 y p(B/A) = = 0, 286
15 14
Entonces
p(A ∩ B) = p(B/A)p(A) = 0, 286 × 0, 4 = 0, 114

6 4
p(A) = = 0, 4 y p(B/A) = = 0, 286
15 14
Entonces
p(A ∩ B) = p(B/A)p(A) = 0, 286 × 0, 4 = 0, 114
Concluyendo que la probabilidad que la primera bola sea roja y la segunda

verde es 0,114.

aclarar que la primera bola extraída se regresa a la urna.



(B).


(B).
Se tiene
6
= 0, 4
15
6
15


(B).
Se tiene
6
= 0, 4
15
6
15

6 6
p(A) = = 0, 4 y p(B/A) = = 0, 4
15 15
Entonces
p(A ∩ B) = p(B/A)p(A) = p(B)p(A) = 0, 4 × 0, 4 = 0, 16

6 6
p(A) = = 0, 4 y p(B/A) = = 0, 4
15 15
Entonces
p(A ∩ B) = p(B/A)p(A) = p(B)p(A) = 0, 4 × 0, 4 = 0, 16
Concluyendo que la probabilidad que en las dos extracciones sean bolas

rojas es 0,16.
Eventos independientes
Dos eventos son independientes si un evento puede producirse

con independencia del otro evento, es decir,

la realización o no-realización de un evento no tiene efecto
alguno sobre la probabilidad de la realización o no del otro
evento.

evento.
Matemáticamente, sean A y B dos eventos tales que p(A) > 0 y
p(B) > 0. Estos eventos son independientes, si y sólo si,
p(B/A) = p(B) y p(A/B) = p(A)
De otra forma A y B son dependientes.

evento.
p(B/A) = p(B) y p(A/B) = p(A)

Nota: Si p(A ∩ B) 6= p(A)p(B) se puede concluir que los eventos
A y B NO son independientes.

evento.
p(B/A) = p(B) y p(A/B) = p(A)

Nota: Si p(A ∩ B) 6= p(A)p(B) se puede concluir que los eventos
A y B NO son independientes.
Eventos independientes. Ejemplo
Se estima que entre la población total de Estados Unidos, el 55 %
padece de obesidad (A), el 20 % es hipertensa (B) y el 60 % es obesa o
hipertensa.
hipertensa.
¿Es, de hecho, independiente el que una persona sea obesa de que
padezca hipertensión?
hipertensa.
Sean los eventos “La persona tiene obesidad” (A) y “La persona tiene
hipertensión” (B).
hipertensa. p(A) = 0, 55
Se tiene:
p(Obesidad) = p(A) = 0, 55
hipertensa. p(A) = 0, 55, p(B) = 0, 2
Se tiene:
p(Hipertensión) = p(B) = 0, 2 y
hipertensa. p(A) = 0, 55, p(B) = 0, 2 y p(A ∪ B) = 0, 6
Se tiene:
p(Hipertensión) = p(B) = 0, 2 y
p(Obesidad o Hipertensión) = p(A ∪ B) = 0, 6.
Por la intersección de eventos se tiene que:
p(A ∩ B) = p(A) + p(B) − p(A ∪ B)
p(A ∩ B) = p(A) + p(B) − p(A ∪ B) = 0, 55 + 0, 2 − 0, 6 = 0, 15.
p(A ∩ B) = p(A) + p(B) − p(A ∪ B) = 0, 55 + 0, 2 − 0, 6 = 0, 15.
Pero
p(A)p(B) = 0, 55 × 0, 2 = 0, 11 6= 0, 15 = p(A ∩ B)
p(A ∩ B) = p(A) + p(B) − p(A ∪ B) = 0, 55 + 0, 2 − 0, 6 = 0, 15.
Pero
p(A)p(B) = 0, 55 × 0, 2 = 0, 11 6= 0, 15 = p(A ∩ B)
Concluyendo que, los eventos tener obesidad (A) y ser hipertenso (B) no son
independientes.
Adicionalmente
p(A ∩ B) 0, 15
p(Hipertenso/Obeso) = p(B/A) = =
p(A) 0, 55
= 0, 27 6= p(B) = p(Hipertenso)
Adicionalmente
p(A ∩ B) 0, 15
p(Hipertenso/Obeso) = p(B/A) = =
p(A) 0, 55
= 0, 27 6= p(B) = p(Hipertenso)
En otras palabras, el hecho que una persona tenga exceso de peso aumenta la
probabilidad que tenga hipertensión.
Teorema de Bayes
Teorema de Bayes
E1 S
E2
Sean E1 y E2 una partición de S (espacio muestral)
E1 ∪ E2 = S y
E1 ∩ E2 = φ
Teorema de Bayes
E1 S
E2
Sean E1 y E2 una partición de S (espacio muestral)
E1 ∪ E2 = S y
E1 ∩ E2 = φ
Sean p(E1 ) y p(E2 ) las probabilidades de los eventos E1 y E2 ,

respectivamente, y
Teorema de Bayes
E1 S
B
E2
Sean las probabilidades condicionadas p(B/E1 ) y p(B/E2 ).
Teorema de Bayes
E1 S
B
E2

Entonces
p(E1 ∩ B)
p(E1 /B) =
p(B)
Teorema de Bayes
E1 S
B
E1 ∩ B
E2

Entonces
p(E1 ∩ B)
p(E1 /B) =
p(B)
Teorema de Bayes
E1 S
B
E1 ∩ B E2 ∩ B
E2

Entonces
p(E1 ∩ B)
p(E1 /B) =
p(B)
Teorema de Bayes
E1 S
B
E1 ∩ B E2 ∩ B
E2

Entonces
p(E1 ∩ B) p(E1 ∩ B)
p(E1 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 )
Teorema de Bayes
E1 S
B
E1 ∩ B E2 ∩ B
E2

Entonces
p(E1 ∩ B) p(E1 ∩ B)
p(E1 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 )
p(B/E1 )p(E1 )
p(E1 /B)=
p(B/E1 )p(E1 ) + p(B/E2 )p(E2 )
Teorema de Bayes
E1 S
B
E1 ∩ B E2 ∩ B
E2

Entonces
p(E1 ∩ B) p(E1 ∩ B)
p(E1 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 )
p(B/E1 )p(E1 )
p(E1 /B)=
p(B/E1 )p(E1 ) + p(B/E2 )p(E2 )
Teorema de Bayes. Ejemplo.
Suponga que en un centro medico, de todos los fumadores de

quienes se sospechaba que tenían cáncer pulmonar, el 90 % lo
tenía, mientras que únicamente el 5 % de los no fumadores lo
padecían.

padecían.
Si la proporción de fumadores es 0,45,
¿cuál es la probabilidad que un paciente con cáncer pulmonar,
seleccionado al azar, sea fumador?

padecían.
Sean los eventos:
E1 : “El paciente es fumador”
E2 : “El paciente no es fumador”
B: “El paciente tiene cáncer pulmonar”

padecían. p(B/E1 ) = 0, 9
Sean los eventos:

padecían. p(B/E1 ) = 0, 9 y p(B/E2 ) = 0, 05.
Sean los eventos:

padecían. p(B/E1 ) = 0, 9 y p(B/E2 ) = 0, 05.
Si la proporción de fumadores es 0,45, p(E1 ) = 0, 45.
Sean los eventos:
Teorema de Bayes. Ejemplo...continuación


Se tiene:
p(B/E1 ) = 0, 9
p(B/E2 ) = 0, 05
p(E1 ) = 0, 45 entonces
p(E2 ) = 1 − p(E1 ) = 0, 55

Se tiene:
p(B/E1 ) = 0, 9
p(B/E2 ) = 0, 05
p(E2 ) = 1 − p(E1 ) = 0, 55
Preguntan ¿P(E1 /b) =??

Se tiene:
p(B/E1 ) = 0, 9
p(B/E2 ) = 0, 05
p(E2 ) = 1 − p(E1 ) = 0, 55

p(B ∩ E1 )
p(E1 /B) =
p(B ∩ E1 ) + p(A ∩ E2 )

Se tiene:
p(B/E1 ) = 0, 9
p(B/E2 ) = 0, 05
p(E2 ) = 1 − p(E1 ) = 0, 55

p(B ∩ E1 ) p(B/E1 )p(E1 )
p(E1 /B) = =
p(B ∩ E1 ) + p(A ∩ E2 ) p(B/E1 )p(E1 ) + p(B/E2 )p(E2 )

Se tiene:
p(B/E1 ) = 0, 9
p(B/E2 ) = 0, 05
p(E2 ) = 1 − p(E1 ) = 0, 55

p(B ∩ E1 ) p(B/E1 )p(E1 )
p(E1 /B) = =
(0, 90)(0, 45)
= = 0, 9364
(0, 9)(0, 45) + (0, 05)(0, 55)

Se tiene:
p(B/E1 ) = 0, 9
p(B/E2 ) = 0, 05
p(E2 ) = 1 − p(E1 ) = 0, 55

p(B ∩ E1 ) p(B/E1 )p(E1 )
p(E1 /B) = =
(0, 90)(0, 45)
= = 0, 9364
(0, 9)(0, 45) + (0, 05)(0, 55)
Concluyendo que la probabilidad que un paciente con cáncer pulmonar, sea fumador
es 0,936.
Teorema de Bayes. Ejemplos. Continuacion
Suponga que en una universidad, de todos los admitidos a una carrera

de ciencias humanas, el 54,2 % fue admitido en el primer semestre del
año, mientras que de los admitidos a otras carreras, el 50,8 % fue
admitido en el primer semestre del año.

Si la proporción de estudiantes admitidos a una carrera de ciencias

humanas en el transcurso de un año es 0,167,
¿cuál es la probabilidad que un estudiante admitido en el primer
semestre del año, haya ingresado a una carrera de ciencias humanas?


Sean los eventos:
E1 : “El estudiante fue admitido a una carrera de Ciencias Humanas”
E2 : “El estudiante fue admitido a una carrera diferente del área de
Ciencias Humanas”
B: “El estudiante fue admitido en el primer semestre del año”

admitido en el primer semestre del año. p(B/E1 ) = 0, 542

Sean los eventos:
Ciencias Humanas”

admitido en el primer semestre del año. p(B/E1 ) = 0, 542 y
p(B/E2 ) = 0, 508.
Sean los eventos:
Ciencias Humanas”

admitido en el primer semestre del año. p(B/E1 ) = 0, 542 y
p(B/E2 ) = 0, 508.
humanas en el transcurso de un año es 0,167, p(E1 ) = 0, 167.
Sean los eventos:
Ciencias Humanas”


Se tiene:
p(B/E1 ) = 0, 542
p(B/E2 ) = 0, 508
p(E2 ) = 1 − p(E1 ) = 0, 833

Se tiene:
p(B/E1 ) = 0, 542
p(B/E2 ) = 0, 508
p(E2 ) = 1 − p(E1 ) = 0, 833
Preguntan ¿p(E1 /B) =??

Se tiene:
p(B/E1 ) = 0, 542
p(B/E2 ) = 0, 508
p(E2 ) = 1 − p(E1 ) = 0, 833

p(B ∩ E1 )
p(E1 /B) =
p(B ∩ E1 ) + p(B ∩ E2 )

Se tiene:
p(B/E1 ) = 0, 542
p(B/E2 ) = 0, 508
p(E2 ) = 1 − p(E1 ) = 0, 833

p(B ∩ E1 ) p(B/E1 )p(E1 )
p(E1 /B) = =
p(B ∩ E1 ) + p(B ∩ E2 ) p(B/E1 )p(E1 ) + p(B/E2 )p(E2 )

Se tiene:
p(B/E1 ) = 0, 542
p(B/E2 ) = 0, 508
p(E2 ) = 1 − p(E1 ) = 0, 833

p(B ∩ E1 ) p(B/E1 )p(E1 )
p(E1 /B) = =
(0, 542)(0, 167)
= = 0, 176
(0, 542)(0, 167) + (0, 508)(0, 833)

Se tiene:
p(B/E1 ) = 0, 542
p(B/E2 ) = 0, 508
p(E2 ) = 1 − p(E1 ) = 0, 833

p(B ∩ E1 ) p(B/E1 )p(E1 )
p(E1 /B) = =
(0, 542)(0, 167)
= = 0, 176
(0, 542)(0, 167) + (0, 508)(0, 833)
Concluyendo que la probabilidad que un estudiante admitido en el primer semestre
del año, haya ingresado a una carrera de ciencias humanas es 0,176
Teorema de Bayes. Generalización
E3
E1 S
E2 ... Ek
E3
E1 S
E2 ... Ek
Sean E1 , E2 , E3 , . . . , Ek , k eventos
k mutuamente excluyentes, de los
P
cuales al menos uno ocurre p(Ei ) = 1 entonces:
i=1
E3
E1 B S
E2 ... Ek
P
i=1
p(Ej /B) =
E3
E1 B S
E2 ... Ek
P
i=1
p(Ej ∩ B)
p(Ej /B) =
p(B)
E3
E1 B S
E2 ∩ B
E2 ... Ek
P
i=1
p(Ej ∩ B)
p(Ej /B) =
p(B)
E3
E1 B S
E3 ∩ B
E2 ∩ B
E2 ... Ek
P
i=1
p(Ej ∩ B)
p(Ej /B) =
p(B)
E3
E1 B S
E3 ∩ B
E2 ∩ B
E2 ... Ek
P
i=1
p(Ej ∩ B)
p(Ej /B) =
p(B)
E3
E1 B S
Ek ∩ B
E3 ∩ B
E2 ∩ B
E2 ... Ek
P
i=1
p(Ej ∩ B)
p(Ej /B) =
p(B)
E3
E1 B S
Ek ∩ B
E3 ∩ B
E2 ∩ B
E2 ... Ek
P
i=1
p(Ej ∩ B) p(Ej ∩ B)
p(Ej /B) = = k
p(B) P
p(Ei ∩ B)
i=1
E3
E1 B S
Ek ∩ B
E3 ∩ B
E2 ∩ B
E2 ... Ek
P
i=1
p(Ej ∩ B) p(Ej ∩ B) p(B/Ej )p(Ej )

p(Ej /B) = = k = k
p(B) P P
p(Ei ∩ B) p(B/Ei )p(Ei )
i=1 i=1
Veamos dos ejemplos...

Teorema de Bayes. Generalización. Ejemplos
Suponga que se distribuye pelotas de colores en tres cajas idénticas de la
siguiente manera:
Caja 1 Caja 2 Caja 3
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
Una caja se selecciona aleatoriamente, de ella se saca una pelota, también

aleatoriamente, y se observa que es roja.
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

¿Cuál es la probabilidad que la caja 3 sea la que se había escogido?
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

Sean los eventos:
E1 : “Se selecciona la caja 1”
B: “La pelota seleccionada es roja”
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

Sean los eventos:
E1 : “Se selecciona la caja 1” p(E1 ) = 1/3
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

Sean los eventos:
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

Sean los eventos:
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

Sean los eventos:
B: “La pelota seleccionada es roja” p(B/E1 ) = 2/10, p(B/E2 ) = 4/8
p(B/E3 ) = 3/10
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3

Sean los eventos:
B: “La pelota seleccionada es roja” p(B/E1 ) = 2/10, p(B/E2 ) = 4/8
p(B/E3 ) = 3/10
Preguntan ¿p(E3 /B) =?

siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
p(E1 ) = p(E2 ) = p(E3 ) = 1/3, p(B/E1 ) = 2/10, p(B/E2 ) = 4/8 y p(B/E3 ) = 3/10.
¿p(E3 /B) =?
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
¿p(E3 /B) =?
p(B ∩ E3 )
p(E3 /B) =
p(B)
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
¿p(E3 /B) =?
p(B ∩ E3 ) p(B ∩ E3 )
p(E3 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
¿p(E3 /B) =?
p(B ∩ E3 ) p(B ∩ E3 )
p(E3 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )
p(B/E3 )p(E3 )
=
p(B/E1 )p(E1 ) + p(B/E2 )p(B2 ) + p(B/E3 )p(E3 )
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
¿p(E3 /B) =?
p(B ∩ E3 ) p(B ∩ E3 )
p(E3 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )
p(B/E3 )p(E3 )
=
(3/10)(1/3)
= = 0, 3
(2/10)(1/3) + (4/8)(1/3) + (3/10)(1/3)
siguiente manera:
Roja 2 4 3
azul 3 1 4
Negra 5 3 3
¿p(E3 /B) =?
p(B ∩ E3 ) p(B ∩ E3 )
p(E3 /B) = =
p(B) p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )
p(B/E3 )p(E3 )
=
(3/10)(1/3)
= = 0, 3
(2/10)(1/3) + (4/8)(1/3) + (3/10)(1/3)
Así, la probabilidad que la caja 3 haya sido la que se seleccionó es 0,3.

Los clientes se encargan de evaluar los diseños preliminares de varios
productos1 .
En el pasado, el 95 % de los productos con mayor éxito en el mercado
recibieron buenas evaluaciones,
1
Fuente: Montgomery, D. & Runger, G. (1996). Probabilidad y Estadística aplicadas a la ingeniería. Primera edición.
México: McGraw-Hill. [p.93]
productos1 .
el 60 % de los productos con éxito moderado recibieron buenas evaluaciones y
1
productos1 .
el 10 % de productos de escaso éxito recibieron buenas evaluaciones.
1
productos1 .
Además, el 40 % de los productos ha tenido mucho éxito,
1
productos1 .

el 35 % un éxito moderado,
1
productos1 .

el 25 % una baja aceptación.
1
productos1 .

Sean los eventos:
E1 : “El producto tiene mucho éxito”
E2 : “El producto tiene un éxito moderado”
E3 : “El producto tiene baja aceptación”
B: “El producto obtiene una buena evaluación”
1
productos1 .
Además, el 40 % de los productos ha tenido mucho éxito, p(E1 ) = 0, 40,

Sean los eventos:
E1 : “El producto tiene mucho éxito” p(E1 ) = 0, 40
E2 : “El producto tiene un éxito moderado”
1
productos1 .

el 35 % un éxito moderado, p(E2 ) = 0, 35,
Sean los eventos:
E2 : “El producto tiene un éxito moderado” p(E2 ) = 0, 35
1
productos1 .

el 25 % una baja aceptación. p(E3 ) = 0, 25
Sean los eventos:
E3 : “El producto tiene baja aceptación” p(E3 ) = 0, 25
1
productos1 .
recibieron buenas evaluaciones, p(B/E1 ) = 0, 95,
p(B/E2 ) = 0, 60,
p(B/E3 ) = 0, 10,
el 25 % una baja aceptación. p(E3 ) = 0, 25
Sean los eventos:
B: “El producto obtiene una buena evaluación” p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60
p(B/E3 ) = 0, 10
1

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10
• ¿cuál es la probabilidad que un producto obtenga buena evaluación?

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(B)?

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(B)?
p(B) = p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(B)?
p(B) = p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )

= p(B/E1 )p(E1 ) + p(B/E2 )p(E2 ) + p(B/E3 )p(E3 )

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(B)?
p(B) = p(B ∩ E1 ) + p(B ∩ E2 ) + p(B ∩ E3 )

= p(B/E1 )p(E1 ) + p(B/E2 )p(E2 ) + p(B/E3 )p(E3 )
= (0, 95)(0, 40) + (0, 60)(0, 35) + (0, 10)(0, 25) = 0, 94
La probabilidad que un producto obtenga buena evaluación es 0,94.

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10
• Si un nuevo diseño obtiene una buena evaluación ¿cuál es la probabilidad

que se convierta en un producto de gran éxito?

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(E1 /B)?

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(E1 /B)?
p(B ∩ E1 )
p(E1 /B) =
p(B)

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(E1 /B)?
p(B ∩ E1 ) p(B/E1 )p(E1 )

p(E1 /B) = =
p(B) p(B)

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(E1 /B)?
p(B ∩ E1 ) p(B/E1 )p(E1 ) (0, 95)(0, 40)

p(E1 /B) = = = = 0, 404
p(B) p(B) 0, 94

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(E1 /B)?
p(B ∩ E1 ) p(B/E1 )p(E1 ) (0, 95)(0, 40)

p(E1 /B) = = = = 0, 404
p(B) p(B) 0, 94
Si un nuevo diseño obtiene una buena evaluación, la probabilidad de que se

convierta en un producto de gran éxito es 0,404

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10
• Si un producto no obtiene una buena evaluación, ¿cuál es la probabilidad

que se convierta en un producto de gran éxito?, esto es,

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

que se convierta en un producto de gran éxito?, esto es, p(E1 /Bc )?

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

p(Bc ∩ E1 )
p(E1 /Bc ) =
p(Bc )

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

z }| {
c p(Bc ∩ E1 ) p(Bc /E1 ) p(E1 )
p(E1 /B ) = =
p(Bc ) p(Bc )
| {z }

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

z }| {
1 − p(B/E1 )
z }| {
c p(Bc ∩ E1 ) p(Bc /E1 ) p(E1 )
p(E1 /B ) = =
c
p(B ) p(Bc )
| {z }

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

1−0,95=0,05
z }| {
1 − p(B/E1 )
z }| {
c p(Bc ∩ E1 ) p(Bc /E1 ) p(E1 )
p(E1 /B ) = =
c
p(B ) p(Bc )
| {z }

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

1−0,95=0,05
z }| {
1 − p(B/E1 )
z }| {
c p(Bc ∩ E1 ) p(Bc /E1 ) p(E1 )
p(E1 /B ) = =
c
p(B ) p(Bc )
| {z }
1 − p(B)
| {z }

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

1−0,95=0,05
z }| {
1 − p(B/E1 )
z }| {
c p(Bc ∩ E1 ) p(Bc /E1 ) p(E1 )
p(E1 /B ) = =
c
p(B ) p(Bc )
| {z }
1 − p(B)
| {z }
1−0,94=0,06

p(B/E1 ) = 0, 95, p(B/E2 ) = 0, 60, p(B/E3 ) = 0, 10

1−0,95=0,05
z }| {
1 − p(B/E1 )
z }| {
c p(Bc ∩ E1 ) p(Bc /E1 ) p(E1 ) (0, 05)(0, 40)
p(E1 /B ) = = = = 0, 33
c
p(B ) p(Bc ) 0, 06
| {z }
1 − p(B)
| {z }
1−0,94=0,06
Si no obiene una buena evaluación, la probabilidad que se convierta en un producto de gran

éxito es 0,33.
Fin sesión.

PrincipiosProbabilidad Parte III

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

PrincipiosProbabilidad Parte III

Cargado por

Copyright:

Formatos disponibles

Principios básicos de probabilidad - Parte III

Curados (C) No Curados(NC) Total

Curados (C) No Curados(NC) Total

• ¿Cuál es la probabilidad que una persona que se curó se hubiera asignado

Curados (C) No Curados(NC) Total

• ¿Cuál es la probabilidad que una persona que se curó se hubiera asignado

Curados (C) No Curados(NC) Total

• ¿Cuál es la probabilidad que una persona que se curó se hubiera asignado

Concluyendo que la probabilidad que una persona curada se hubiera

Curados (C) No Curados(NC) Total

• ¿Cuál es la probabilidad que una persona que no se curó se hubiera

Curados (C) No Curados(NC) Total

• ¿Cuál es la probabilidad que una persona que no se curó se hubiera

Curados (C) No Curados(NC) Total

• ¿Cuál es la probabilidad que una persona que no se curó se hubiera

Entonces, la probabilidad que una persona que no se curó se hubiera

Curados (C) No Curados(NC) Total

• Si una persona es asignada al grupo con suero, ¿cuál es la probabilidad que

Curados (C) No Curados(NC) Total

• Si una persona es asignada al grupo con suero, ¿cuál es la probabilidad que

Curados (C) No Curados(NC) Total

• Si una persona es asignada al grupo con suero, ¿cuál es la probabilidad que

Si una persona es asignada al grupo con suero, la probabilidad que no se

Veamos otro ejemplo...

Teniendo en cuenta los datos de la tabla,

Teniendo en cuenta los datos de la tabla,

Teniendo en cuenta los datos de la tabla,

Teniendo en cuenta los datos de la tabla,

Teniendo en cuenta los datos de la tabla,

Si A y B son eventos contenidos en un espacio muestral S y p(A) > 0

p(A ∩ B) = p(A/B)p(B) = p(B/A)p(A)

Si A y B son eventos contenidos en un espacio muestral S y p(A) > 0

p(A ∩ B) = p(A/B)p(B) = p(B/A)p(A)

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

El uso de la presencia de plantas en la exploración de depósitos de

Regla de multiplicación. Ejemplo...continuación.

p(El suelo tiene un alto contenido de cobre) = p(A) = 0, 3

Regla de multiplicación. Ejemplo...continuación.

p(El suelo tiene un alto contenido de cobre) = p(A) = 0, 3

Están preguntando ¿p(A ∩ B) =?.

Regla de multiplicación. Ejemplo...continuación.

p(El suelo tiene un alto contenido de cobre) = p(A) = 0, 3

Están preguntando ¿p(A ∩ B) =?.

Concluyendo que la probabilidad que el contenido de cobre sea alto y que la

Regla de multiplicación. Ejemplo...continuación.

p(El suelo tiene un alto contenido de cobre) = p(A) = 0, 3

Están preguntando ¿p(A ∩ B) =?.

Concluyendo que la probabilidad que el contenido de cobre sea alto y que la

Considere el experimento en que se extrae una bola de la

Considere el experimento en que se extrae una bola de la

• ¿Cuál es la probabilidad que en las dos extracciones sean bolas rojas?

Considere el experimento en que se extrae una bola de la

• ¿Cuál es la probabilidad que en las dos extracciones sean bolas rojas?

Considere el experimento en que se extrae una bola de la

• ¿Cuál es la probabilidad que en las dos extracciones sean bolas rojas?