RECUPERACIÓN DE CLASE DEL

LUNES 16 DE MARZO DEL 202O.

𝑃(𝐴Τ𝐵) ≠ 𝑃(𝐵Τ𝐴)
 Thomas Bayes
Matemático (1702 Londres, Inglaterra, 1761
Tunbridge Wells, Inglaterra)

Thomas Bayes
Matemático (1702 Londres, Inglaterra, 1761 Tunbridge
Wells, Inglaterra)
Thomas Bayes, matemático, nació en Londres,
Inglaterra en 1702 y murió en Tunbridge Wells, Kent,
Inglaterra el 17 de Abril de 1761. Su padre Joshua Bayes,
fue uno de los seis primeros ministros no conformistas
(presbiterianos) que fueron ordenados en Inglaterra. Su
familia se trasladó a Londres cuando su padre Joshua fue
nombrado asistente en St Thomas. Fue el mayor de 7
hermanos.
 Thomas Bayes
Matemático (1702 Londres, Inglaterra, 1761
Tunbridge Wells, Inglaterra)

Posiblemente De Moivre, autor del afamado libro La doctrina

de las probabilidades, fue su maestro particular, pues se
sabe que por ese entonces ejercía como profesor en
Londres. En 1719, se matriculó en la universidad Edinburgo
donde estudió lógica y teología.

En Oxford o Cambridge no se permitían alumnos no

conformistas. Bayes fue ordenado, al igual que su padre,
como ministro disidente, y en 1731 se convirtió en reverendo
de la iglesia presbiteriana en Tunbridge Wells;
aparentemente trató de retirarse en 1749, pero continuó
ejerciendo hasta 1752, y permaneció en ese lugar hasta su
muerte.
 Los restos de Bayes descansan en el cementerio londinense de Bunhill
Fields. La traducción de la inscripción en su tumba es "Reverendo Thomas
Bayes. Hijo de los conocidos Joshua y Ann Bayes. 7 de abril de 1761. En
reconocimiento al importante trabajo que realizó Thomas Bayes en materia de
probabilidades, su tumba fue restaurada en 1969 con donativos realizados por
estadísticos de todo el mundo.
Miembro de la Royal Society desde 1742, Bayes fue uno de los primeros en
utilizar la probabilidad inductivamente y establecer una base matemática para
la inferencia probabilística.
Actualmente, con base en su obra, se ha desarrollado una poderosa teoría
que ha conseguido notables aplicaciones en las más diversas áreas del
conocimiento. Especial connotación han tenido los sistemas para detección de
spam en el ambiente de Internet. En el campo sanitario, el enfoque de la
inferencia bayesiana experimenta un desarrollo sostenido, especialmente en lo
que concierne al análisis de ensayos clínicos, donde dicho enfoque ha venido
interesando de manera creciente a las agencias reguladoras de los
medicamentos, tales como la norteamericana FDA (Food and Drug Agency).
 TEOREMA DE BAYES
El cálculo de la probabilidad posterior 𝑃(𝐴𝑗 Τ𝐵) a partir de
probabilidades anteriores 𝑃 𝐴𝑖 y probabilidades condicionales
𝑃 𝐵 Τ𝐴𝑖 ocupa una posición central en la probabilidad
elemental. La regla general para estos cálculos, que en realidad
es sólo una aplicación simple de la regla de la multiplicación, se
remonta al reverendo Thomas Bayes, quien vivió en el siglo
XVIII.

Recuerde que los eventos 𝐴𝑗 … 𝐴𝑘 son mutuamente

excluyentes si no hay dos resultados comunes. Los eventos son
exhaustivos cuando ocurre un 𝐴𝑖 , tal que 𝐴𝑖 ∪ … 𝐴𝑘 = 𝑆
 TEOREMA DE BAYES
Ley de la probabilidad total
Son 𝐴𝑖 … 𝐴𝑘 eventos mutuamente excluyentes y exhautivos. Entonces, para cualquier
otro evento B se tiene:
𝑘

𝑃 𝐵 = 𝑃(𝐵 ൘𝐴𝑖 ). 𝑃 𝐴𝑖 + ⋯ + 𝑃 𝐵 Τ𝐴𝑘 𝑃 𝐴𝑘 = ෍ 𝑃 𝐵 Τ𝐴𝑖 𝑃 𝐴𝑖

𝑖=1
Luego: 𝑃 𝐵 = σ𝑘𝑖=1 𝑃 𝐴𝑖 ∩ 𝐵 = σ𝑘𝑖=1 𝑃 𝐵 Τ𝐴𝑖 𝑃 𝐴𝑖

𝐴1 𝐴3

𝐴2 𝐴4
Teorema de Bayes
Sea 𝐴1, 𝐴2 , … , 𝐴𝑘 una colección de 𝑘 eventos mutuamente excluyentes y exhaustivos con
𝑃 𝐴𝑖 > 0 para 𝑖 = 1 … 𝑘 entonces para cualquier evento B para el cual 𝑃 𝐵 > 0
𝑃 𝐴𝑖 ∩ 𝐵 𝑃 𝐵 Τ𝐴𝑖 𝑃(𝐴)
Τ
𝑃 𝐴𝑗 𝐵 = = 𝑘
𝑃 𝐵 σ𝑖=1 𝑃 𝐵 Τ𝐴𝑗 ∗ 𝑃 𝐴𝑗
 PROPIEDADES

𝑃 𝐴∩𝐵
1) 𝑃(𝐴ൗ𝐵) = 𝑃(𝐵)
⇒ 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐵 ∗ 𝑃(𝐴Τ𝐵)
𝑃 𝐵∩𝐴
2) 𝑃(𝐵ൗ𝐴) = 𝑃(𝐴)
⇒ 𝑃 𝐵 ∩ 𝐴 = 𝑃 𝐴 ∗ 𝑃(𝐵Τ𝐴)
3) 𝑃 𝐴 ∩ 𝐵 = 𝑃(𝐵 ∩ 𝐴) Esto significa que las probabilidades
de los dos eventos son simultáneos por eso son iguales. Luego:
4) 𝑃 𝐴 ∗ 𝑃(𝐵Τ𝐴) = 𝑃 𝐵 ∗ 𝑃(𝐴Τ𝐵) se despeja:
𝑃 𝐵 ∗𝑃(𝐴Τ𝐵)
5) 𝑃 𝐵 𝐴 =
Τ
𝑃(𝐴)
Se le denomina TEOREMA DE BAYES
 EJEMPLO 1
Los fabricantes norteamericanos de automóviles han tomado medidas para mejorar la
calidad y fiabilidad de sus coches. Una publicación comercial muy leída dentro del
sector, describía el procedimiento utilizado en una fábrica de GM que producía baterías
de coche para detectar y eliminar productos defectuosos. En la fábrica se trabaja en
dos turnos, uno de mañana ( 8:00 a 4: 30 de la tarde) y otro de tarde (5:30 a 9:30 de la
noche) para producir baterías.

El departamento de control de calidad realiza inspecciones periódicas de las baterías

después de haberlas tenido inactivas durante 6 meses como mínimo para determinar si
mantienen la carga. El turno de la mañana produce el 65% de todas las baterías y el
de la tarde el otro 35%. Estudios del departamento de control de calidad habían
revelado que el 5% de las baterías producidas en el turno de la mañana están
defectuosas, mientras que de las producidas en el turno de la tarde salían defectuosas
un 8%.

Durante una inspección sobre el terreno el director de la fábrica eligió una batería al
azar y la encontró defectuosa. Dado que era defectuosa quiere conocer:
a) La probabilidad de que la batería fuera producida por el turno de la mañana?
b) La probabilidad de que la batería fuera producida por el turno de la tarde?
c) La probabilidad que la batería sea defectuosa en cualquiera de los dos turnos
 SOLUCIÓN DEL EJEMPLO 1

𝑆 = 𝑃𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 𝑑𝑒 𝑏𝑎𝑡𝑒𝑟𝑖𝑎𝑠 𝑑𝑒 𝑙𝑎 𝑓á𝑏𝑟𝑖𝑐𝑎 𝐺𝑀

𝐸1 = 𝑇𝑢𝑟𝑛𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑎ñ𝑎𝑛𝑎
𝐸2 = 𝑇𝑢𝑟𝑛𝑜 𝑑𝑒 𝑙𝑎 𝑡𝑎𝑟𝑑𝑒 ÁRBOL DE PROBABILIDADES
𝐷 = 𝐵𝑎𝑡𝑒𝑟𝑖𝑎𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠
ഥ = 𝐵𝑎𝑡𝑒𝑟𝑖𝑎𝑠 𝑛𝑜 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎𝑠
𝐷 𝑃 𝐷 Τ𝐸1 = 0,05

𝑃 𝐸1 = 0,65

ഥ Τ𝐸1 = 0,95
P 𝐷

S=Batería
𝑃 𝐷 Τ𝐸 2 = 0,08
𝑃 𝐸2 = 0,35

ഥ Τ𝐸2 = 0,92
𝑃 𝐷
Si al tomar una batería al azar de la fábrica dado que es defectuosa. Calcular:
a) La probabilidad de que la batería es producida por el turno de la mañana
𝑃 𝐸1 ∗ 𝑃(𝐷 Τ𝐸1)
𝑃(𝐸1ൗ𝐷) =
𝑃 𝐸1 ∗ 𝑃(𝐷 Τ𝐸1) + 𝑃(𝐸2) ∗ 𝑃(𝐷 Τ𝐸2)
0,65 ∗ 0,05
𝑃(𝐸1ൗ𝐷) = = 0,5372
0,65 ∗ 0,05 + 0,35 ∗ (0,08)
El 53,72% es la probabilidad de que al tomar 1 batería al azar de la fábrica GM en el turno de
la mañana esta sea defectuosa.

b) La probabilidad de que la batería es producida por el tuno de la tarde:

𝑃 𝐸2 ∗ 𝑃(𝐷 Τ𝐸2)
𝑃(𝐸2ൗ𝐷) =
𝑃 𝐸1 ∗ 𝑃(𝐷 Τ𝐸1) + 𝑃(𝐸2) ∗ 𝑃(𝐷 Τ𝐸2)
0,35 ∗ (0,08)
𝑃(𝐸2ൗ𝐷) = = 0,4628
0,65 ∗ 0,05 + 0,35 ∗ (0,08)

Este resultado también se hubiese podido calcular como

𝑃(𝐸2Τ𝐷) = 1 − 𝑃(𝐸1Τ𝐷) = 1 − 0,5372=0,4628
El 46,28% es la probabilidad de que al tomar 1 batería al azar de la fábrica GM en el turno de
la tarde sea defectuosa.
c) La probabilidad que sea la batería Defectuosa es:

𝑃 𝐷 = σ𝑘𝑖=1 𝑃 𝐸𝑖 ∩ 𝐷 = σ𝑘𝑖=1 𝑃 𝐷Τ𝐸𝑖 𝑃 𝐸𝑖

Reemplazando:
𝐷 = 𝑃(𝐷Τ𝐸1) ∗ 𝑃 𝐸1 + 𝑃(𝐷 Τ𝐸2) ∗ 𝑃(𝐸2)
𝐷 = 0,05 ∗ 0,65 + 0,08 ∗ (0,35)
121
𝐷= = 0,0605
2000

Aproximadamente el 6% es la probabilidad de que una batería de vehículo

producida en la fábrica GM salga defectuosa en cualquier turno.

d) Cuál es la probabilidad que no salgan Defectuosas?

ഥ = 𝐷𝐶 = 1 − 𝑃 𝐷 = 1 − 0,0605 = 0,9395
𝑃 𝐷
El 93,95% es la probabilidad de que no salgan baterías defectuosas de la
Fábrica GM
 EJEMPLO 2
El gerente de ventas de una compañía de seguros dice a su nuevo vendedor que cerca del
30% de las personas que se informan sobre pólizas de seguros de vida adquieren
efectivamente una de dichas pólizas y el 70% no lo hace. Según los registros de la
compañía, el 40% de quienes preguntaron por el seguro de vida y los adquirieron tienen
ingresos anuales entre 10000 y 30000 dólares, mientras que sólo el 20% de quienes se
informaron y no tomaron el seguro tienen el mismo nivel de ingresos.

a) Una persona que pidió informes sobre seguros de vida tenía un ingreso de $15000. Cuál
es la probabilidad de que tome una póliza de seguros de vida?
b) Cuál es la probabilidad de que una persona que tome informes y tiene ingresos de $5000
compre una póliza?
c) Cuál es la probabilidad de que un cliente con ingresos entre 10000 y 30000 se informe o
no sobre tomar un póliza de seguros de vida?
d) Calcular la probabilidad de que una persona que se informa sobre la póliza no la
compre con la condición de que no tiene ingresos entre 10000 y 30000. 𝑃(𝐸2Τ𝐼)ҧ
e) Calcular la probabilidad de que una persona que se informa sobre la póliza la compre y
tenga ingresos entre 10000 y 300000. 𝑃(𝐸1 ∩ 𝐼)
𝑆 = 𝑃ó𝑙𝑖𝑧𝑎𝑠 𝑑𝑒 𝑠𝑒𝑔𝑢𝑟𝑜𝑠 𝑑𝑒 𝑣𝑖𝑑𝑎 𝑃 𝐼 Τ𝐸1
𝐸1 = 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑝𝑟𝑎 𝑙𝑎 𝑝𝑜𝑙𝑖𝑧𝑎
ÁRBOL DE PROBABILIDADES
𝐸2 = 𝐶𝑙𝑖𝑒𝑛𝑡𝑒 𝑛𝑜 𝑐𝑜𝑚𝑝𝑟𝑎 𝑙𝑎 𝑝𝑜𝑙𝑖𝑧𝑎 = 0,40
𝑃 𝐸1 = 0,30
𝐼 = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑑𝑒𝑙 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑒𝑛𝑡𝑟𝑒 10000 𝑎 30000
𝐼 ҧ = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 𝑑𝑒 𝑐𝑙𝑖𝑒𝑛𝑡𝑒 𝑚𝑒𝑛𝑜𝑟𝑒𝑠 𝑎 10000 ҧ 𝐸1)
𝑃(𝐼 Τ
S = 0,60

Pólizas de 𝑃 𝐼 Τ𝐸2
seguros de 𝑃 𝐸2 = 0,70 = 0,20
vida ҧ 𝐸2)
𝑃(𝐼 Τ
= 0,80
a) Una persona que pidió informes sobre seguros de vida tenía un ingreso de $15000. Cuál
es la probabilidad de que tome una póliza de seguros de vida?
𝑃 𝐸1 ∗ 𝑃(𝐼 Τ𝐸1)
𝑃(𝐸1ൗ𝐼) =
𝑃 𝐸1 ∗ 𝑃(𝐼 Τ𝐸1) + 𝑃(𝐸2) ∗ 𝑃(𝐼 Τ𝐸2)
0,30 ∗ 0,40 6
𝑃(𝐸1ൗ𝐼) = = = 0,4615
0,30 ∗ 0,40 + 0,70 ∗ (0,20) 13

El 46,15% es la probabilidad de que 1 de los clientes tomados al azar que devenga

salario entre 10000 a 30000 tome una póliza de seguros.
b) Cuál es la probabilidad de que una persona que tome informes y tiene ingresos de $5000
compre una póliza?
𝑃 𝐸1 ∗ 𝑃(𝐼 Τҧ 𝐸1)
ҧ
𝑃(𝐸1ൗ𝐼) =
𝑃 𝐸1 ∗ 𝑃(𝐼 Τҧ 𝐸1) + 𝑃(𝐸2) ∗ 𝑃(𝐼 Τ
ҧ 𝐸2)

(0,30) ∗ (0,60) 9
𝑃(𝐸1ൗ𝐼)ҧ = = = 0,2432
0,30 ∗ 0,60 + 0,70 ∗ (0,80) 37

El 24,32% es la probabilidad de que 1 de los clientes tomados al azar que devenga salario
inferior a 10000 tome una póliza de seguros.
d) 𝑃(𝐸2Τ𝐼)ҧ = 1 - 𝑃 𝐸1Τ𝐼 ҧ = 1 − 0.2431 = 0,7568

c) P I = 𝑃 𝐸1 ∗ 𝑃(𝐼 Τ𝐸1) + 𝑃(𝐸2) ∗ 𝑃(𝐼 Τ𝐸2)

𝑃 𝐼 = 0,30 ∗ 0,40 + 0,70 ∗ (0,20)
P(I) =13/50=0,26 El 26% es la probabilidad de que un cliente tomado al azar tenga
ingresos entre 10000 a 30000 y se informe o no se informe sobre la póliza de seguros
de vida
d) Cuál es la probabilidad de que una persona que tome informes no compre la póliza con
la condición de que no tenga ingresos entre $10000 a $300000?
d) 𝑃(𝐸2Τ𝐼)ҧ = 1 - 𝑃 𝐸1Τ𝐼 ҧ = 1 − 0.2431 = 0,7568
𝑃 𝐸2 ∗ 𝑃(𝐼 Τ ҧ 𝐸2)
𝑃(𝐸2ൗ𝐼)ҧ =
ҧ 𝐸1) + 𝑃(𝐸2) ∗ 𝑃(𝐼 Τ
𝑃 𝐸1 ∗ 𝑃(𝐼 Τ ҧ 𝐸2)
(0,70) ∗ (0,80) 28
𝑃(𝐸1ൗ𝐼)ҧ = = = 0,7568
0,30 ∗ 0,60 + 0,70 ∗ (0,80) 37
El 75.68% es la probabilidad de que 1 de los clientes tomados al azar no compre la póliza
con la condición de que no tenga ingresos entre $10000 a $30000 dólares
e) Calcular la probabilidad de que una persona al azar se informe sobre la póliza, la
compre y tenga ingresos entre $10000 y $30000

𝑃 𝐸1 ∩ 𝐼 = 𝑃 𝐸1 ∗ 𝑃(𝐼 Τ𝐸1) = 0,30 ∗ 0,40 = 0,12

El 12% es la probabilidad de que una persona que se informa sobre las pólizas, la compre
y tenga ingresos entre $10000 a $30000
 EJEMPLO 3
En un supermercado se identifica a 3 tipos de clientes con la siguiente
información: el 50% de los clientes cumple sus pagos, el 30% casi siempre
cumple y el 20% son mala paga. El primer cliente incumple sus pagos una de
cada 1000 veces, el segundo una de 800 veces y el tercer cliente tres de cada
2000 veces. a)¿Cuál de los 3 clientes es más probable que sea de mayor
incumplimiento de los pagos?

SOLUCIÓN b) ¿Cuál es la probabilidad de clientes

casi siempre e Incumplen sus pagos?
PASO 1: IDENTIFICO LOS EVENTOS 𝑃 𝐸2 ∩ 𝐼 =𝑃 𝐸2 ∗ 𝑃(𝐸2Τ𝐼)

S: Los clientes del supermercado c) ¿Cuál es la probabilidad de que

E1: Cliente siempre cumple sus pagos
E2: Cliente casi siempre sus pagos
E3: Cliente mala paga
I: Incumple sus pagos
𝐼:ҧ Cumple sus pagos
cumplan con sus pagos cualquier cliente
del supermercado? 𝑃(𝐼)ҧ
d) ¿Cuál es la probabilidad de obtener
un cliente mala paga y cumpla con sus
pagos? 𝑃 𝐸3 ∩ 𝐼 ҧ
 PASO 2

ÁRBOL DE PROBABILIDADES
𝑃 𝐼 Τ𝐸1 = 1Τ1000
INCUMPLE
𝑃 𝐸1 = 0,50
SIEMPRE CUMPLE ҧ 𝐸1) = 999Τ1000
𝑃(𝐼 Τ
CUMPLE

S 𝑃 𝐼 Τ𝐸2 = 1Τ800
Clientes del 𝑃 𝐸2 = 0,30 INCUMPLE
Supermercado CASI SIEMPRE
ҧ 𝐸2) = 799Τ800
𝑃(𝐼 Τ
CUMPLE

𝑃 𝐼 Τ𝐸3 = 3Τ2000
𝑃 𝐸3 = 0,20 INCUMPLE
MALA PAGA
ҧ 𝐸3) = 1997Τ2000
𝑃(𝐼 Τ
CUMPLE
PASO 3: Se calcula la probabilidad de Incumplimiento

1 1 3
𝑃 𝐼 = 0,50 ∗ + 0,3 ∗ + 0,2 ∗ = 0,001175
1000 800 2000
El 0,1175% es la probabilidad de que cualquier cliente incumpla sus pagos

PASO 4: Se calcula las probabilidades de cada cliente con la condición de que sea incumplido
en los pagos 𝑃 𝐸1 ∗ 𝑃 𝐼 Τ𝐸1 𝑃 𝐸1 ∗ 𝑃 𝐼 Τ𝐸1
𝑃 𝐸1Τ𝐼 = =
1 𝑃 𝐸1 ∗ 𝑃 𝐼 Τ𝐸1 + 𝑃 𝐸2 ∗ 𝑃 𝐼 Τ𝐸2 + 𝑃 𝐸3 ∗ 𝑃 𝐼 Τ𝐸3 𝑃(𝐼)
0,5 ∗ 1000
𝑃(𝐸1ൗ𝐼) = = 0,4255
0,001175
𝑃 𝐸2 ∗ 𝑃 𝐼 Τ𝐸2 𝑃 𝐸2 ∗ 𝑃 𝐼 Τ𝐸2
𝑃 𝐸2Τ𝐼 = =
𝑃 𝐸1 ∗ 𝑃 𝐼 Τ𝐸1 + 𝑃 𝐸2 ∗ 𝑃 𝐼 Τ𝐸2 + 𝑃 𝐸3 ∗ 𝑃 𝐼 Τ𝐸3 𝑃(𝐼)
1
0,3 ∗ 800
𝑃 𝐸2Τ𝐼 = = 0,31914
0,001175 𝑃 𝐸3 ∗ 𝑃 𝐼 Τ𝐸3 𝑃 𝐸3 ∗ 𝑃 𝐸3
𝑃 𝐸3Τ𝐼 = =
𝑃 𝐸1 ∗ 𝑃 𝐼 Τ𝐸1 + 𝑃 𝐸2 ∗ 𝑃 𝐼 Τ𝐸2 + 𝑃 𝐸3 ∗ 𝑃 𝐼 Τ𝐸3 𝑃(𝐼)
3
0,2 ∗ 2000
𝑃 𝐸3Τ𝐼 = = 0,2553 Se concluye que el 42,55% es la mayor probabilidad de
0,001175 incumplimiento y es de los clientes que siempre cumplen con sus
pagos
 EJEMPLO 4
El pronóstico metereológico ha anunciado 3 posibilidades para el fin de semana.
La probabilidad de que llueva es del 50%, que nieve es del 30%, que haya neblina
es del 20%. Según estas condiciones, la probabilidad de que ocurra una accidente
si llueve es del 10%, si nieva es del 20% y si hace neblina es del 5%.
a) Cuál e la probabilidad de que estuviera lloviendo a raíz de que ocurrió un
accidente?
b) ¿Cuál es la probabilidad de que estaba nevando a raíz de que ocurrió el
accidente?
c) ¿Cuál es la probabilidad de que halla ocurrido el accidente en cualquiera de
los pronósticos meteorológicos?

PASO 1: IDENTIFICO LOS EVENTOS

SOLUCIÓN E1: Llueva

E2: Nieve
E3: Neblina
A: Accidente
𝐴:ҧ No Accidente
 PASO 2

ÁRBOL DE PROBABILIDADES
𝑃 𝐴Τ𝐸1 = 0,10

𝑃 𝐸1 = 0,50
PROB. LLUEVA 𝑃(𝐴ҧΤ𝐸1) = 0,90

𝑃 𝐴Τ𝐸2 = 0,20
Pronóstico 𝑃 𝐸2 = 0,30
PROB. NIEVE
Meteorológico
𝑃(𝐴ҧΤ𝐸2) = 0,80

𝑃 𝐴Τ𝐸3 = 0,05
𝑃 𝐸3 = 0,20
PROB. NEBLINA
𝑃(𝐴ҧΤ𝐸3) = 0,95
PASO 3: Se calcula la probabilidad de que ocurra el accidente

𝑃 𝐴 = 0,50 ∗ 0,10 + 0,3 ∗ 0,20 + 0,2 ∗ 0,05 = 0,12

El 12% es la probabilidad de que en cualquiera de los 3 climas ocurra el accidente

PASO 4: Se calcula las probabilidades de cada clima a raíz de que ocurrió el accidente:
0,50 ∗ (0,10)
𝑃(𝐸1ൗ𝐴) = = 0,41666
0,12
Se concluye que el 50% es la mayor
0,3 ∗ 0,20 probabilidad de que estuviera
Τ
𝑃 𝐸2 𝐼 = = 0,50
0,12 nevando dado que haya ocurrido un
accidente
0,2 ∗ 0.05
𝑃 𝐸3Τ𝐼 = = 0,08333
0,12
 EJEMPLO 5
A un congreso de Ingenieros Civiles asistieron 100 personas de las cuales 65 son
hombres y 35 son mujeres. A demás, se sabe que el 10% de los hombres y el 6%
de las mujeres son especialistas en construcción. Se requiere saber:
a) Cuál e la probabilidad de que al seleccionar al alzar a un especialista en
construcción; este sea mujer?
b) ¿Cuál es la probabilidad de que al seleccionar a un especialista en
construcción este sea hombre?
c) ¿Cuál es la probabilidad de que de las 100 personas estas sean especialistas
en construcción?
d) ¿Cuál es la probabilidad de que al sacar un Ingeniero Civil aleatoriamente
sea Mujer y No es Especialista en Construcción?
PASO 1: IDENTIFICO LOS EVENTOS
SOLUCIÓN M: Mujeres
H: Hombres
E: Especialistas en Construcción
ത No Especialistas en Construcción
𝐸:
 PASO 2
𝑃 𝐸 Τ𝐻 = 0,10
ÁRBOL DE PROBABILIDADES 𝑃 𝐻 = 0,65
𝑃(𝐸ത Τ𝐻) = 0,90
Congreso
𝑃 𝐸 Τ𝑀 = 0,06
𝑃 𝑀 = 0,35
𝑃(𝐸ത Τ𝑀) = 0,94

PASO 3: Calculamos la probabilidad de se elija una persona al azar Especialista en

Construcción en el Congreso:
𝑃 𝐸 = 𝑃 𝐻 ∗ 𝑃(𝐸 Τ𝐻) + 𝑃(𝑀) ∗ 𝑃(𝐸 Τ𝑀)
𝑃 𝐸 = 0,65 ∗ 0,10 + 0,35 ∗ 0,06 = 0,086

c) El 8,6% es la probabilidad de que al elegir un Ingeniero Civil al azar de las

100 personas sea un Especialista en Construcción.
PASO 4: Se calcula las probabilidades de que sea un ingeniero hombre o muer con la
condición de que sea Especialista en Construcción:

0,65 ∗(0,10)
𝑃(𝐻 ൗ𝐸) = = 0,7558 El 75,58% es la probabilidad de que se elija un hombre
0,086
al azar con la condición de que sea especialista construcción.

0,35∗ 0,06
𝑃 𝑀Τ𝐸 = = 0,2441 El 24,41% es la probabilidad de que se elija al azar una
0,086
mujer con la condición de que sea especialista en construcción.

d) Calcular la probabilidad de que al elegir un Ingeniero Civil al azar no sea especialista en

Construcción.

e) Calcular la probabilidad de que al elegir un Ingeniero Civil este sea Hombre y

Especialista en Construcción.

f) Calcular la probabilidad de que al elegir un Ingeniero Civil este sea Mujer y Especialista
en Construcción.
 EJERCICIOS

1. Considere el problema del equipo de una liga menor de béisbol que utiliza una
máquina de lanzamientos automática para su entrenamiento. Si la máquina se coloca de
manera correcta, es decir, ajustada apropiadamente, lanzará strikes 85% de las veces. Si
se le coloca incorrectamente, lanzará strikes sólo en 35% de los lanzamientos. La
experiencia pasada indica que 75% de las veces que se coloca la máquina se hace de
manera correcta. Un día, después de que la máquina ha sido colocada para una práctica
de bateo, lanza tres strikes en los primeros tres lanzamientos. ¿Cuál es la probabilidad
revisada de que la máquina esté bien colocada?
2. El gerente del departamento de crédito de un Banco, sabe que la compañía utiliza tres
métodos para presionar a pagar a los clientes morosos. De los datos que se tienen
registrados, él sabe que 70% de los deudores son visitados personalmente, 20% se le
sugiere que paguen vía telefónica y al restante 10% se le envía una carta. Las
probabilidades de recibir algún pago como consecuencia de tres métodos son 0.75, 0.60
y 0.65, respectivamente. El señor Coleman acaba de recibir el pago de una de las cuentas
vencidas. ¿Cuál es la probabilidad de que la petición de pago se haya hecho
a) personalmente?
b) por teléfono?
c) por correo?
 EJERCICIOS
4. Un grupo de investigación independiente ha estado estudiando las probabilidades de que suceda un accidente en
una planta de energía nuclear que produzca como resultado una fuga radiactiva. El grupo considera que los únicos
tipos posibles de accidentes que pueden suceder en un reactor son incendio, falla de material y error humano, y que
dos o más accidentes nunca se presentan juntos. Sus estudios han arrojado que si se desatara un incendio, habría
20% de posibilidades de que hubiera una fuga de radiación; 50% de probabilidades de fuga radiactiva a resultas de
una falla mecánica, y 10% de posibilidades de fuga como resultados de un error humano. Sus estudios también han
mostrado que la probabilidad de que se presenten juntos un incendio y una fuga de radiación es de 0.0010, que se
den juntas una falla mecánica y una fuga de radiación es de 0.0015 que se dé un error humano y haya una fuga de
radiación al mismo tiempo es de 0.0012
a) ¿Cuáles son las probabilidades respectivas de que se presente un incendio, una falla mecánica y un error humano?
b) ¿Cuáles son las respectivas probabilidades de que una fuga de radiación sea ocasionada por un incendio, una falla
mecánica o por error humano?
c) ¿Cuál es la probabilidad de una fuga de radiación?
Sabemos:
𝑆 = 𝐴𝑐𝑐𝑖𝑒𝑑𝑒𝑛𝑡𝑒 𝑒𝑛 𝑙𝑎 𝑝𝑙𝑎𝑛𝑡𝑎 𝑃(𝐴 ∩ 𝐵)
𝐸1: 𝐼𝑛𝑐𝑒𝑛𝑐𝑖𝑜; 𝐸2: 𝐹𝑎𝑙𝑙𝑎 𝑚𝑎𝑡𝑒𝑟𝑖𝑎; 𝑃 𝐴Τ𝐵 =
𝑃(𝐵)
𝐸3: 𝐸𝑟𝑟𝑜𝑟 ℎ𝑢𝑚𝑎𝑛𝑜 Calculamos:
𝐹: 𝐹𝑢𝑔𝑎 𝑝𝑜𝑟 𝑟𝑎𝑑𝑖𝑎𝑐𝑐𝑖ó𝑛
Datos: 𝑃(𝐸1 ∩ 𝐹) 0,0010 1
𝑃 𝐹 Τ𝐸1 = 0,20; 𝑃 𝐹 Τ𝐸2 = 0,50; 𝑃 𝐸1 = = =
𝑃(𝐹 Τ𝐸1) 0,20 200
𝑃 𝐹 Τ𝐸3 = 0,10
𝑃 𝐸1 ∩ 𝐹 = 0,0010; 𝑃 𝐸2 ∩ 𝐹 = 0,0015;
𝑃 𝐸3 ∩ 𝐹 = 0,0012
 EJERCICIOS
3. Un grupo de interés público está planeando impugnar las primas de seguro de automóviles en
una de tres ciudades: Atlanta, Baltimore o Cleveland. La probabilidad de que se escoja Atlanta
es de 0.40; Baltimore, 0.35, y Cleveland, 0.25. El grupo sabe también que tiene una posibilidad
de 60% de recibir un dictamen a su favor si escogen Baltimore, de 45% si eligen Atlanta y de
35% si se decide por Cleveland. Si el grupo ha recibido un dictamen favorable, ¿qué ciudad es
más probable que haya escogido?
4. Un grupo de investigación independiente ha estado estudiando las probabilidades de que suceda un
accidente en una planta de energía nuclear que produzca como resultado una fuga radiactiva. El grupo
considera que los únicos tipos posibles de accidentes que pueden suceder en un reactor son incendio,
falla de material y error humano, y que dos o más accidentes nunca se presentan juntos. Sus estudios
han arrojado que si se desatara un incendio, habría 20% de posibilidades de que hubiera una fuga de
radiación; 50% de probabilidades de fuga radiactiva a resultas de una falla mecánica, y 10% de
posibilidades de fuga como resultados de un error humano. Sus estudios también han mostrado que la
probabilidad de que se presenten juntos un incendio y una fuga de radiación es de 0.0010, que se den
juntas una falla mecánica y una fuga de radiación es de 0.0015 que se dé un error humano y haya una
fuga de radiación al mismo tiempo es de 0.0012
a) ¿Cuáles son las probabilidades respectivas de que se presente un incendio, una falla mecánica y un
error humano?
b) ¿Cuáles son las respectivas probabilidades de que una fuga de radiación sea ocasionada por un
incendio, una falla mecánica o por error humano?
c) ¿Cuál es la probabilidad de una fuga de radiación?
 EJERCICIOS

5. El gerente de comercialización de la productora de películas Metro-Goldmine

Motion, cree que el próximo estreno de los estudios tiene 60% de posibilidades
de ser un éxito de taquilla, 25% de conseguir un éxito moderado y 15% de ser un
fracaso. Para probar la precisión de su opinión, T.C. ha programado dos
funciones de prueba. Después de cada proyección, los espectadores califican la
película en una escala del 1 al 10. De su larga experiencia en la industria
cinematográfica, T.C. sabe que 60% de las veces una película de gran éxito
recibirá calificación de 7 o mayor; 30% de las veces, obtendrá calificaciones de
4, 5 o 6, y 10% de las veces recibirá una calificación de 3 o menor. Para una
película de éxito moderado, las respectivas probabilidades son 0.30, 0.45 y 0.25;
para una película sin éxito, las probabilidades son 0.15, 0.35 y 0.50,
respectivamente.
a) Si en la primera proyección de prueba se tiene un resultado de 6, ¿cuál es la
probabilidad de que la película tenga gran éxito?
b) Si la primera proyección de prueba produce un resultado de 6 y la segunda de
2, ¿cuál es la probabilidad de que la película sea un fracaso (suponiendo que los
resultados de cada proyección son independientes entre sí)?
GRACIAS