Está en la página 1de 16

Estadística y

Probabilidades
Unidad : 04

“PROBABILIDADES”

Semana : 11 y 12
Probabilidad
Condicional
PROBABILIDAD CONDICIONAL

si
Es la probabilidad otro evento ya
de que ocurra un con la condición de que ha ocurrido
evento antes.
dado que

Sean dos eventos A y B


de un espacio muestral
(ꭥ), entonces, la 𝑃(𝐴 ∩ 𝐵)
probabilidad de que 𝑃 𝐴/𝐵 =
ocurra el evento A 𝑃(𝐵)
“dado” que el evento B
ya ha ocurrido antes
se define de la
siguiente manera:
Ejemplo:
Un empresario tiene 2 tipos de acciones A y B. La probabilidad de que las
acciones tipo B aumenten su cotización es 0.89 y la probabilidad de que los
dos aumenten su cotización es de 0.65. Si las acciones tipo B ya habían
aumentado su cotización.
¿Cuál es la probabilidad de que las acciones tipo A aumenten su cotización?

Solución: Sean los eventos:


A: las acciones tipo “A” aumenten su cotización
B: las acciones tipo “B” aumenten su cotización

Luego: P(B) = 0.89 P(A∩B) = 0.65

Si las acciones tipo “B” aumentaron, quiere decir,


que el evento B ya ocurrió antes, luego:

𝑃(𝐴 ∩ 𝐵) 0.65
𝑃 𝐴/𝐵 = = = 0.7303
𝑃(𝐵) 0.89
PROPIEDADES DE LA PROBABILIDAD CONDICIONAL

Si A1 y A2 son eventos cualesquiera entonces usando


el teorema de la adición tenemos:
P[(A1U A2)/B] = P(A1/B) + P(A2/B) – P[(A1  A2)/B]
Tabla de doble entrada de Probabilidades
Comúnmente cuando se realizan ejercicios con probabilidad condicional
también es de utilidad una tabla de doble entrada de probabilidades.

Ejemplo1:
Un club consiste de 150 miembros. Del total, 3/5 son hombres y 2/3 son
profesionales. Además, 1/3 de las mujeres son no profesionales. Si se elige al azar
un socio del club:
a) Calcular la probabilidad de que sea hombre y profesional.
b) Calcular la probabilidad de que sea hombre dado que es profesional.
c) Calcular la probabilidad de que sea no profesional dado que es mujer.
Solución:
Sean los siguientes eventos: H: Hombre, M: Mujer, F: Profesional, NF: No profesional
Profesional No Profesional Total 𝑛(𝐻 ∩ 𝐹) 60
𝑎) 𝑃 𝐻 ∩ 𝐹 = = = 0.4
(F) (NF) 𝑛(ꭥ) 150
Hombre (H) 60 30 90
𝑃(𝐻∩𝐹) 60/150
Mujer (M) 40 20 60 b) 𝑃 𝐻/𝐹 = = = 0.6
𝑃(𝐹) 100/150
Total 100 50 150
𝑃(𝑁𝐹∩𝑀) 20/150
c) 𝑃 𝑁𝐹/𝑀 = = = 0.3333
𝑃(𝑀) 60/150
Ejemplo2:
Se tienen los resultados de una encuesta efectuada a los huéspedes de un hotel,
evaluando si les gustaba la comida o no, y también se les pregunto de donde provenían.
Los resultados de la encuesta se encuentran en la siguiente tabla de doble entrada:
Calcular lo siguiente:
Franceces
USA (N) Total a) La probabilidad de que el huésped
(F)
sea francés. 100
𝑃 𝐹 = = 0.4762
Les agrado 210
30 50 80
mucho (M) b) La probabilidad de que les haya
agradado la comida. 55
Les agrado (A) 30 25 55 𝑃 𝐴 = = 0.2619
210
Les desagrado c) La probabilidad de que el huésped sea
40 35 75 norteamericano y le desagrade la
(D)
comida. 35
Total 100 110 210 𝑃 𝑁 ∩ 𝐷 = = 0.1667
210
d) La probabilidad de que el huésped sea e) La probabilidad de que el huésped sea
francés si le desagradó la comida. norteamericano si le agradó la comida.
40/210 25/210
𝑃 𝐹/𝐷 = = 0.5333 𝑃 𝑁/𝐴 = = 0.4545
75/210 55/210
El Teorema de la Multiplicación
La consecuencia más importante de la probabilidad
condicional es el teorema de la multiplicación

𝑃(𝐴 ∩ 𝐵)
𝑆𝑖: 𝑃 𝐴/𝐵 =
𝑃(𝐵)

P(A  B) = P(A/B) P(B)


Este teorema se puede generalizar para “n” eventos:
P(A1A2 …. An) = P(A1)P(A2 /A1) P(A3 /A1  A2)…..P(An/A1A2…. An-1)
Ejemplo:
Calcular la probabilidad de extraer una bola verde en la primera
extracción y una bola roja en la segunda extracción sin
reposición de una urna que contiene 3 bolas verdes y 4 rojas.
EVENTOS INDEPENDIENTES
En la definición de la probabilidad condicional decimos: la probabilidad de
que ocurra el evento A dado que el evento B ya ha ocurrido antes, es decir
la ocurrencia de A depende si ocurre o no el evento B, esto es:
𝑃(𝐴 ∩ 𝐵)
𝑃 𝐴/𝐵 = P(A∩B) = P(A/B).P(B)
𝑃(𝐵)
Si decimos que los eventos A y B son “independientes”, es decir, que el
evento A ocurra, ya no depende si ocurre ó no el evento B. Se tendrá que:

P(A/B) = P(A) Si dos eventos A y B son


independientes se cumple que:
Cuando A Cuando A
esta No esta P(A∩B) = P(A).P(B)
condicionado condicionado
Ejemplos de eventos independientes
1) En el lanzamiento de dos 2) En los tiros al blanco, el que 3) Los tiros
monedas, el que salga cara dé al blanco en el tercer tiro penales en el
en una de ellas no depende no depende de los tiros en el futbol, etc..
que salga cara en la otra. segundo ni en el primero.
PROPIEDADES:
Si dos eventos A y B son independientes entonces: P(A∩B) = P(A).P(B)
i) Ac y Bc también son independientes => P(Ac∩Bc ) = P(Ac).P(Bc)
ii) Ac y B también son independientes => P(Ac∩B ) = P(Ac).P(B)
iii) A y Bc también son independientes. => P(A∩Bc ) = P(A).P(Bc)

Ejemplo:
Andrés y Michel juegan tiro al blanco. Las probabilidades de dar en el
blanco son 0.6 y 0.8 respectivamente. Hallar la probabilidad de que por
lo menos uno de ellos dé en el blanco.
TEOREMA DE LA PROBABILIDAD TOTAL
Y TEOREMA DE BAYES
Eventos Mutuamente Eventos Colectivamente
Excluyentes Exhaustivos
Dados k eventos: A1,A2,……,Ak Dados k eventos: A1,A2,……,Ak
Son aquellos donde se cumple: Son aquellos donde se cumple:
Ai ∩ Aj = ɸ ; i≠j A1UA2U……UAk = ꭥ

Partición del Espacio Muestral


Se denomina partición del espacio muestral (), a una
colección de “k” eventos A1,A2,……,Ak que sean
mutuamente excluyentes y colectivamente exhaustivos
y donde P(Ai) > 0 para cada i = 1,2, …. ,k


A3 A4 A6 A7
A2

A1 A5 A8
TEOREMA DE LA PROBABILIDAD TOTAL


Si “k” eventos
A1,A2,……..,Ak A1 A 2 A3 Ak
constituyen una
partición del
espacio muestral ……….
(ꭥ), entonces B
para cualquier
evento B en ꭥ se
cumple lo
siguiente:
Entonces la probabilidad que ocurra el evento B es:
k
P(B)=  P(A )P(B / A )
i=1
i i
TEOREMA DE BAYES

Si los k eventos
A1, A2, …….. Ak
constituyen una
P(Ai∩B)
partición del
P(Ai/B) =
espacio muestral
(ꭥ), entonces P(B)
para cualquier
evento B incluido
en ꭥ tal que Probabilidad
P(B)> 0 se Total
cumple:
Ejemplo: Construir el diagrama de árbol para el siguiente enunciado:
La probabilidad que Andrea estudie es 0.25. Si estudia la probabilidad que
apruebe es de 0.80 y si no estudia la probabilidad que apruebe es de sólo 0.50.
a) ¿Cuál es la probabilidad que Andrea apruebe su examen?
b) Si Andrea aprobó su examen. ¿cuál es la probabilidad de que haya estudiado?
Solución: Sean los eventos E: Andrea estudia Ē: Andrea no estudia
B: aprueba BC: no aprueba

0.80 B 0.20 a) P(B) = P(E∩B) + P(Ē∩B)


= 0.20 + 0.375 = 0.575
E Prob.Total
0.25 0.20 BC 0.05

Andrea 0.50 B 0.375


b) P(E/B) = P(E∩B)/P(B)
0.75 Ē = 0.20/0.575 = 0.3478
0.50 BC 0.375 Teorema Bayes

1
Ejemplo:
3 máquinas producen un mismo artículo; las máquinas A, B y C fabrican el 35%,
el 25% y el 40% de la producción total respectivamente. De lo que producen el
5%, 4% y 2% son defectuosos respectivamente.
a) Si se escoge un artículo al azar, calcular la probabilidad de que sea defectuoso.
b) Si se escoge un articulo al azar, ¿Cuál es la probabilidad de que haya sido producido
por la maquina A o B, si el articulo no es defectuoso?
c) Si se escogen ahora cuatro artículos al azar, calcular la probabilidad de que
sean no defectuosos.
0.05 D 0.0175 Eventos: A: maquina A
B: maquina B
C: maquina C
A ND 0.3325 D: producto defectuoso
0.35 0.95 P. Total
D 0.01 ND: producto no defectuoso
0.04
0.25 a) P(D)=P(A∩D) + P(B∩D) + P(C∩D)
B = 0.0175 + 0.01 + 0.008 = 0.0355
0.96 ND 0.24
b) P[(AUB)/ND] = P[(AUB)∩ND]/P(ND)
0.02 D 0.008 = 0.5725/0.9645
0.40
C = 0.5936 T. Bayes
0.98 ND 0.392 c) P(ND)P(ND)P(ND)P(ND)
= (0.9645)^4 = 0.8654
1

También podría gustarte