SESIÓN 9

ESTADÍSTICA DESCRIPTIVA
Y PROBABILIDADES
PROBABILIDAD CONDICIONAL
Y TEOREMA DE BAYES
La utilidad de la probabilidad condicional y el teorema de Bayes, es
primordial en el estudio de la Estadística, porque determina la
probabilidad de un suceso, teniendo información de antemano sobre
ese suceso. Por ejemplo, podemos calcular la probabilidad de un
suceso “A”, sabiendo además que ese “A” cumple cierta característica
que condiciona su probabilidad. Se aplica a diferentes ámbitos, por
ejemplo, inversiones financieras, hechos pasados, en los procesos
productivos, en la publicidad, etc.
LOGRO DE LA SESIÓN

Al finalizar la sesión, el
estudiante comprende y aplica
adecuadamente la probabilidad
condicional y el teorema de
Bayes
 TEMARIO

PROBABILIDAD TEOREMA
CONDICIONAL DE BAYES
 PROBABILIDAD CONDICIONAL

Definición
Sea un evento 𝐵 con 𝑃[𝐵] > 0, la probabilidad
condicional de que ocurra el evento 𝐴, dado que ha
ocurrido 𝐵 , denotado por 𝑃 [𝐴|𝐵 ] se define como
sigue:
Importante: La probabilidad condicional
es una probabilidad calculada en un
espacio muestral reducido B, ya que se
calcula a partir de la existencia de la
información de que el evento B ya ocurrió
 EJERCICIO EXPLICATIVO
En un proceso de fabricación de varillas de aluminio. Existen ciertas especificaciones para la longitud y diámetro de las varillas. Para
cada una de éstas, la longitud puede ser demasiado corta, demasiado larga o estar bien y el diámetro se puede clasificar en muy
delgado, muy grueso o estar bien. En una población de mil varillas, el número de ellas en cada clase es:
Diámetro
Total
Muy delgado Está bien Muy grueso
Demasiado corta 10 3 5
Está bien 38 900 4
Longitud
Demasiado larga 2 25 13
Total

Se toma una de estas varillas al azar.

a. Si se observa que es demasiado corta, ¿Cuál es la probabilidad de que sea muy delgado?
b. ¿Cuál es la probabilidad de que el diámetro de la varilla esté bien, si se sabe que está demasiado larga?
c. ¿Es conmutativa la probabilidad condicional?

6
 EJERCICIO EXPLICATIVO
Resolución
En un proceso de fabricación de varillas de aluminio. Existen ciertas especificaciones para la longitud y diámetro de las
varillas. Para cada una de éstas, la longitud puede ser demasiado corta, demasiado larga o estar bien y el diámetro se puede
clasificar en muy delgado, muy grueso o estar bien. En una población de mil varillas, el número de ellas en cada clase es:

Diámetro
Total
Muy delgado Está bien Muy grueso
Demasiado corta 10 3 5 18
Está bien 38 900 4 942
Longitud
Demasiado larga 2 25 13 40
Solución: Total 50 928 22 1000

Se toma una de estas varillas al azar.

a. Si se observa que es demasiado corta, ¿Cuál es la probabilidad de que sea muy delgado?
Condición
𝑃 𝐵 ∩𝐴 10-
𝑃 𝐵𝐴 = = 18 1000 = 0.556 ≈ 55.6%
A = La varilla sea demasiada corta 𝑃𝐴 -1000
B = La varilla sea muy delgada
 EJERCICIO EXPLICATIVO
Resolución
En un proceso de fabricación de varillas de aluminio. Existen ciertas especificaciones para la longitud y diámetro de las
varillas. Para cada una de éstas, la longitud puede ser demasiado corta, demasiado larga o estar bien y el diámetro se puede
clasificar en muy delgado, muy grueso o estar bien. En una población de mil varillas, el número de ellas en cada clase es:
Diámetro
Total
Muy delgado Está bien Muy grueso
Demasiado corta 10 3 5 18
Está bien 38 900 4 942
Longitud Demasiado larga 2 25 13 40
Total 50 928 22 1000

Solución:

Se toma una de estas varillas al azar.

b. ¿Cuál es la probabilidad de que el diámetro de la varilla esté bien, si se sabe que está demasiado larga?
Condición

C = Diámetro de la varilla esté bien 𝑃 𝐶 ∩𝐷 25-

1000 = 0.625 ≈ 62.5%
D = La varilla sea demasiada larga 𝑃 𝐶𝐷 = =
𝑃 𝐷 40-
1000
 EJERCICIO EXPLICATIVO
Resolución
En un proceso de fabricación de varillas de aluminio. Existen ciertas especificaciones para la longitud y diámetro de las
varillas. Para cada una de éstas, la longitud puede ser demasiado corta, demasiado larga o estar bien y el diámetro se puede
clasificar en muy delgado, muy grueso o estar bien. En una población de mil varillas, el número de ellas en cada clase es:
Diámetro
Total
Muy delgado Está bien Muy grueso
Demasiado corta 10 3 5 18
Está bien 38 900 4 942
Longitud Demasiado larga 2 25 13 40
Solución: Total 50 928 22 1000

Se toma una de estas varillas al azar. A = La varilla sea demasiada corta

c. ¿Es conmutativa la probabilidad condicional? B = La varilla sea muy delgada
𝑃 𝐵 ∩𝐴 1𝑂- 10-
𝑃 𝐴∩𝐵
𝑃 𝐵𝐴 = = 18 1000 = 0.556 ≈ 55.6% 𝑃 𝐴𝐵 = = 50
1000
= 0.20 ≈ 20%
𝑃𝐴 -1000 𝑃 𝐵 -1000
𝑃 𝐵 𝐴 ≠ 𝑃 𝐴 𝐵 𝑁𝑜 𝑒𝑠 𝑐𝑜𝑛𝑚𝑢𝑡𝑎𝑡𝑖𝑣𝑎
 PRINCIPIO DE MULTIPLICACIÓN

De la definición de probabilidad condicional,

obtenemos una ecuación para hallar la probabilidad de De la misma forma podemos calcular para la siguiente
la intersección (o producto) de los eventos A y B , esto probabilidad condicional:
es:.

Con P [B ] > 0 y multiplicando a ambos miembros por P [B ] Con P [A ] > 0 y multiplicando a ambos miembros
se obtiene la expresión por P [A ] se obtiene la expresión

Este resultado, en teoría de probabilidad se denomina regla de la multiplicación o probabilidad de la intersección, (también probabilidad
conjunta); expresa la probabilidad de que ocurran los eventos A y B , es igual a la probabilidad de la ocurrencia de uno de ellos
multiplicado por la probabilidad condicional que ocurra el segundo, dado que el primero ha ocurrido.
 EJERCICIO EXPLICATIVO
Una urna contiene 5 bolas blancas y 4 bolas verdes; se extrae al azar sucesivamente y sin reposición dos bolas,
¿cuál es la probabilidad que sean verdes?

Solución:

A = La primera bola extraída sea verde Aplicando el principio de la multiplicación:

B = La segunda bola extraída sea verde
𝑃 B ∩ A = 𝑃[𝐴] ( 𝑃[𝐵|𝐴]

Como el experimento es sin reposición,

entonces el segundo evento B depende
del primero (A)
𝑃 B ∩ A = 𝟎. 𝟏𝟔𝟕 = 𝟏𝟔. 𝟕%
 TEOREMA DE BAYES

Definición: Partición de un espacio muestral

• Los eventos A1, A2, · · · , Ak , definidos en Ω forman una partición del espacio muestral,
si se cumple que:

• Mutuamente excluyentes: Ai ∩ Aj = φ, con i ≠ j

• Colectivamente exhaustivos:

• P [Ai ] > 0; i = 1, 2, · · · , k
EJERCICIO EXPLICATIVO

𝑃 𝐴 1 > 0; 𝑃 (𝐴 2 ) > 0 ; 𝑃 (𝐴 3 ) > 0

 TEOREMA DE BAYES

Teorema 1. Teorema de Probabilidad Condicional

• Si k eventos A1, A2, A3, · · · , Ak constituyen una partición del espacio muestral, entonces para
cualquier evento B de Ω
 TEOREMA DE BAYES

Teorema 2. Teorema de Bayes

Si A1 , A2 , A 3, · · · , Ak constituyen una partición del espacio muestral y B es un evento cualquiera del que
se conocen las probabilidades condicionadas, entonces las probabilidades de la forma P[Ai |Bj] se
calculan mediante la expresión:

𝑃[𝐴 ] ( 𝑃[𝐵|𝐴 ]
𝑃 𝐴 𝐵 =
𝑃[𝐵]
𝑖 = 1, 2, … ,𝑘
 EJERCICIO EXPLICATIVO

Un ensamblador de computadoras usa partes que provienen de tres proveedores P1, P2, y P3. De 2000 partes recibidas,
1000 provienen de P1, 600 de P2 y el resto de P3. De experiencias pasadas, el ensamblador sabe que las partes
defectuosas que provienen de P1 , P2 y P3 son respectivamente 3%, 4%, y 5%. Si se elige una computadora al azar:

a. ¿Cuál es la probabilidad de que contenga una parte defectuosa?

b. Si se observa que la computadora tiene una parte defectuosa, ¿Cuál es la probabilidad de que proceda del proveedor
tres?
𝑃1 : Procede del proveedor 𝑃1. 𝑃 𝑃 1 = 1000/2000 = 0.50
Solución: 𝑃2 : Procede del proveedor 𝑃2. 𝑃 𝑃2 = 600/2000 = 0.30
𝐷 𝑃3 : Procede del proveedor 𝑃3.
𝑃X 𝐷 : Es defectuoso. 𝑃 𝑃3 = 400/2000 = 0.20
~𝐷 ~𝐷 : No defectuosos.

𝐷 Resolviendo la parte a)
P 𝑃W = 0.30
𝑃W
~𝐷
𝑃 𝐷 = (0.50)(0.03) + (0.30)(0.04) + (0.20)(0.05)
𝐷
𝑃Y
𝑃 𝐷 = 𝟎. 𝟎𝟑𝟕 = 𝟑. 𝟕%
~𝐷
 EJERCICIO EXPLICATIVO
Un ensamblador de computadoras usa partes que provienen de tres proveedores P1, P2, y P3. De 2000 partes recibidas,
1000 provienen de P1, 600 de P2 y el resto de P3. De experiencias pasadas, el ensamblador sabe que las partes
defectuosas que provienen de P1 , P2 y P3 son respectivamente 3%, 4%, y 5%. Si se elige una computadora al azar:

a. ¿Cuál es la probabilidad de que contenga una parte defectuosa?

b. Si se observa que la computadora tiene una parte defectuosa, ¿Cuál es la probabilidad de que proceda del proveedor
tres?
Solución: 𝑃 1 : Procede del proveedor 𝑃 1 . 𝑃 𝑃X = 1000 ⁄2000 = 0.50
𝑃2 : Procede del proveedor 𝑃2. 𝑃 𝑃W = 600 ⁄2000 = 0.30
𝑃3 : Procede del proveedor 𝑃3. 𝑃 𝑃Y = 400 ⁄2000 = 0.20
𝐷 : Es defectuoso.
~𝐷 : No defectuosos.
Resolviendo la parte b)
𝑃 𝑃Y 𝑥 𝑃 𝐷 𝑃Y
𝑃 𝑃Y 𝐷 =
𝑃𝐷

0.20 0.05
𝑃 𝑃Y 𝐷 = = 0.270 ≈ 27%
0.037
 EJERCICIO EXPLICATIVO

El profesor Harmond dicta el curso de estadística ya hace varios años, en el presente ciclo el 60% de sus
estudiantes pasaron la primera prueba. De quienes pasaron, el 80% estudiaron, el 20% de quienes no pasaron sí
estudiaron. Si usted estaría llevando el curso con el profesor Harmond. ¿Debería estudiar para pasar las
pruebas?
𝑃: El estudiante pasa la prueba.
Solución: ~𝑃: El estudiante no pasa la prueba.
𝐸: Estudió para la prueba.
~𝐸: No estudió para la prueba.
𝐸
Calculando la probabilidad de que estudie para la prueba.
𝑃
~𝐸

𝑃 𝐸 = (0.60)(0.80) + (0.40)(0.20)
𝐸
~𝑃
𝑃 𝐸 = 𝟎. 𝟓𝟔 𝑃 ~𝐸 = 𝟎. 𝟒𝟒
~𝐸
 EJERCICIO EXPLICATIVO
El profesor Harmond dicta el curso de estadística ya hace varios años, en el presente ciclo el 60% de sus
estudiantes pasaron la primera prueba. De quienes pasaron, el 80% estudiaron, el 20% de quienes no pasaron sí
estudiaron. Si usted estaría llevando el curso con el profesor Harmond. ¿Debería estudiar para pasar las
pruebas?
𝑃: El estudiante pasa la prueba.
~𝑃: El estudiante no pasa la prueba.
Solución: 𝐸: Estudió para la prueba.
~𝐸: Estudió para la prueba.
𝐸 Calculando la probabilidad pasar la prueba tal que se ha estudiado.
𝑃 𝑃[𝑃] (𝑃[𝐸|𝑃] 0.60 ( 0.80
𝑃 𝑃|𝐸 = 𝑃 𝑃|𝐸 = = 𝟎. 𝟖𝟓𝟕𝟏
~𝐸 𝑃[𝐸] 0.56
Calculando la probabilidad pasar la prueba tal que no se ha estudiado.

𝐸 𝑃[𝑃] (𝑃[~𝐸|𝑃] 0.60 ( 0.20

𝑃 𝑃|~𝐸 = 𝑃 𝑃|~𝐸 = = 𝟎. 𝟐𝟕𝟐𝟕
~𝑃 𝑃[~𝐸] 0.44

~𝐸 Si debería estudiar para pasar la prueba, ya que hay mayor posibilidad de

pasar estudiando que sin estudiar.
 TEOREMA DE BAYES

Definición 3. Eventos Independientes

•Los eventos A y B en son independientes si, y solamente si se cumple una de las siguientes
condiciones.

En otro caso se dice que los eventos A y B son dependientes. Los eventos independientes son
llamados algunas veces, estadísticamente independientes o independientes en el sentido
probabilístico.
 EJERCICIO EXPLICATIVO
Considere el lanzamiento simultaneo de una moneda y un dado. Sean los eventos:
A : Se obtiene cara en la moneda.
B : En el dado sale 6.
¿Son independientes los eventos A y B ?

Solución:
Sea A: Obtener cara al lanzar una moneda, luego:

𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 . 𝑃 𝐵
Sea A: Obtener 6 al lanzar un dado, luego:
1 Por tanto, los eventos 𝐴 y 𝐵 son
𝑃𝐵 =
6 independientes, entonces el lanzamiento de
1 1 1 la moneda no afecta el resultado del dado y
𝑃 (𝐴)x 𝑃(𝐵)= × = = 𝟎. 𝟎𝟖𝟑𝟑 = 𝟖. 𝟑𝟑%
2 6 12 viceversa.
𝑛(𝐴 ∩ 𝐵) 1
𝑃 𝐴 ∩ 𝐵 = = = 𝟎. 𝟎𝟖𝟑𝟑 = 𝟖. 𝟑𝟑%
𝑛(Ω) 12
LISTO PARA MIS EJERCICIOS
PROBABILIDAD CONDICIONAL Y
TEOREMA DE BAYES
 1 Propuesto
El fabricante de láminas de aluminio fundido, clasifica su producción sobre dos características principales, el acabado de la
superficie (en micropulgadas) y la longitud. Los resultados de un lote de 100 de estas láminas se resumen a continuación:

Longitud
Total
Excelente Bueno
Superficie excelente 80 2
Superficie bueno 10 8
Total

Se selecciona una de estas láminas de aluminio al azar, y se definen los siguientes eventos. A: Lámina con superficie excelente;
B: Lámina con longitud buena.
a.Calcule la probabilidad de que la lámina tenga una longitud buena, si se sabe que su superficie es excelente.
b.Si se sabe que la lámina tiene una longitud buena, ¿Cuál es la probabilidad de que su superficie sea excelente?
 2 Propuesto

Una compañía que fabrica celulares, tiene tres factorías, F1, F2 , F3. Las factorías F2 y F3 producen el mismo número de
celulares, mientras que F1 produce el doble de lo que produce F2. Por experiencia pasada se sabe, que el 2% de los
celulares producidos por F1 y F2 son defectuosos respectivamente, en tanto que el 4% de los fabricados por F3 son
defectuosos. Los celulares producidos por las tres factorías se guardan en un mismo almacén. Si se escoge
aleatoriamente un celular del almacén.
a. ¿Cuál es la probabilidad de que sea defectuosa?
b. Si se ve que el celular es defectuoso, ¿cuál es la probabilidad de que haya sido fabricado en F2?
c. Si se observa que el celular no es defectuoso, ¿cuál es la probabilidad de que haya sido fabricado en F1?
 3 Propuesto

Un vehículo que tiene dos motores: uno principal y otro auxiliar. El vehículo se detiene sólo si los dos
motores fallan. La probabilidad de que el motor principal falle es de 0.05 y la de que el motor auxiliar falle
es de 0.10. Suponga que los motores principal y auxiliar funcionan de manera independiente. ¿Cuál es
la probabilidad de que el vehículo se detenga
 4 Propuesto

Una empresa que fabrica camisetas posee tres máquinas, A, B y C, producen el 45%, 30% y 25%, respectivamente,
del total de las piezas producidas en la fábrica. Los porcentajes de producción defectuosa de estas máquinas son del
3%, 4% y 5% respectivamente.
a. Seleccionamos una camiseta al azar; calcular la probabilidad de que salga defectuosa.
b. Tomamos, al azar, una camiseta y resulta ser defectuosa; calcula la probabilidad de haber sido producida por
la máquina B.
c. ¿Qué máquina tiene la mayor probabilidad de haber producido una camiseta defectuosa?
Y ahora nos toca interactuar en CANVAS. Usaremos el
foro de consulta para estar en comunicación
permanente, también tendrás que completar algunas
actividades programadas.
 ¿QUÉ HEMOS APRENDIDO HOY?

1. ¿Qué es la probabilidad Condicional?

2. Los diferentes teoremas de probabilidad

condicional para la aplicación del Teorema de Bayes
LISTO PARA MI TALLER GRUPAL
FINALMENTE

PARA TI
IMPORTANTE
Excelente tu Ésta sesión 1.Realiza los
quedará ejercicios
1.Probabilidad
participación propuestos de
condicional grabada para tus ésta sesión y
2.Teorema de Bayes Desaprende tus consultas. práctica con la
limitaciones y estate tarea
listo para aprender.
C domiciliaria.

J 2.Consulta en
el FORO tus
dudas.
 U T P
1 2 3
Video Materiales Foro-Tarea
La clase queda Consulta la Resolución de
grabada para que diapositiva y lista ejercicios y
puedas repasar de ejercicios comentarios

INDICACIONES A TENER EN CUENTE EN ESTA SESIÓN