PROBILIDAD

ESTADÍSTICA Y PROBABILIDAD

INGENIERÍA
 Ley del producto
De la definición de probabilidad condicional, despejando 𝑃(𝐴 ∩ 𝐵), se obtiene:
𝑃 𝐴 ∩ 𝐵 = P A P(B/A) Ley del producto para dos sucesos dependientes
Luego para n-sucesos dependientes se tiene:
𝑃 𝐴1 ∩ 𝐴2 ∩ ⋯ ∩ 𝐴𝑛 = 𝑃 𝐴1 𝑃(𝐴2 /𝐴1 ) ⋯ 𝑃(𝐴𝑛 /𝐴1 ∩ ⋯ ∩ 𝐴𝑛−1 )

Independencia entre sucesos

Si la ocurrencia del suceso A, no afecta la ocurrencia del suceso B, se dice que B
es independiente de A. Luego, 𝑃 𝐵/𝐴 = P(B). En consecuencia:
1. 𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 𝑃 𝐵 ⇔ 𝐴 y 𝐵 son sucesos mutuamente independientes (m.i).
2. 𝑃 𝐴 ∩ 𝐵 ≠ 𝑃 𝐴 𝑃 𝐵 ⇒ 𝐴 y 𝐵 son sucesos dependientes.

Observación. Si 𝐴 y 𝐵 son m.i, entonces:

1. 𝐴 y 𝐵 𝑐 , son m.i.
2. 𝐴𝑐 y 𝐵 𝑐 , son m.i.
Ejemplo de aplicación 1. Una urna contine 9 fichas rojas, 6 fichas azules y 3 fichas
verdes. De la urna se extraen una a una tres fichas. Determinaremos la probabilidad
de extraer primero dos fichas azules y luego una roja:
𝐴1 : que la primera ficha extraída sea azul.
𝐴2 : que la segunda ficha extraída sea azul.
𝐴3 : que la tercera ficha extraída sea roja.

1. Si la elección es sin reposición.

𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3 = 𝑃 𝐴1 𝑃 𝐴2 /𝐴1 𝑃(𝐴3 /𝐴1 ∩ 𝐴2 )
6 5 9
= ∙ ∙
18 17 16
= 0,0551

2. Si le elección es con reposición.

𝑃 𝐴1 ∩ 𝐴2 ∩ 𝐴3 = 𝑃 𝐴1 𝑃 𝐴2 𝑃(𝐴3 )
6 6 9
= ∙ ∙
18 18 18
= 0,0556
 Teorema de Probabilidad Total
Sean 𝐴1 , 𝐴2 , … , 𝐴𝑛 , 𝑛 sucesos mutuamente excluyentes tal que 𝐴1 ∪ 𝐴2 ∪ ⋯ ∪ 𝐴𝑛 = Ω,
esto significa que:
𝑛

𝑃 𝐴𝑖 = 1
𝑖=1
Sea 𝐵 un suceso que depende de los sucesos 𝐴𝑖 , entonces:
𝑛

𝑃 𝐵 = 𝑃 𝐴𝑖 𝑃(𝐵/𝐴𝑖 ) Ley de probabilidad total

𝑖=1
 Teorema de Bayes
El Teorema de Bayes se utiliza para revisar probabilidades previamente
calculadas cuando se posee nueva información. Desarrollado por el reverendo
Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensión de lo que
ha aprendido hasta ahora acerca de la probabilidad condicional.
Comúnmente se inicia un análisis de probabilidades con una asignación inicial,
probabilidad a priori. Cuando se tiene alguna información adicional se procede a
calcular las probabilidades revisadas o a posteriori. El teorema de Bayes permite
calcular las probabilidades a posteriori y es:
𝑃 𝐴𝑗 𝑃(𝐵/𝐴𝑗 )
𝑃 𝐴𝑗 /𝐵 = Ley de Bayes
𝑃(𝐵)

𝑃 𝐴𝑗 . Probabilidad a priori.
𝑃(𝐵/𝐴𝑗 ). Probabilidad condicional.
𝑃(𝐵). Probabilidad total.
𝑃 𝐴𝑗 /𝐵 . Probabilidad a posteriori.
Ejemplo de aplicación 2. En un depósito hay 250 artículos, 80 de ellos son artículos
electrónicos, 100 son artículos de plástico y 70 son artículos de madera. Además, se
sabe que el 10,3% de los artículos electrónicos están fallados; 9,4% de los de plástico
y un 5,8% de los artículos de madera.
Los sucesos simples involucrados en el problema son:
𝐴1 : “que sea un artículo electrónico”
sucesos m.e 𝐴2 : “que sea un artículo de plástico” 𝐵: “que el artículo este
𝐴3 : “que sea un artículo de madera”
fallado”
80 100 70
𝑃 𝐴1 = = 0,32 𝑃(𝐴2 ) = = 0,4 𝑃 𝐴3 = = 0,28
250 250 250
𝑃 𝐵/𝐴1 = 0,103 𝑃 𝐵/𝐴2 = 0,094 𝑃 𝐵/𝐴3 = 0,058
La probabilidad que el artículo este fallado es:
𝑃 𝐵 = 0,0868
La probabilidad que el articulo sea de plástico o de madera, dado que esta fallado es:
𝑃[ 𝐴2 ∪ 𝐴3 /𝐵] = 0,6203
Ejercicio de aplicación 1. De una juego de 52 cartas se extrae una a una tres cartas.
Determinar la probabilidad que las primero se extraiga dos con un número entre 2 y
6 y luego una reina.
1. Si la extracción se realiza sin reposición.
2. Si la extracción se realiza con reposición.

Ejercicio de aplicación 2. En un concesionario de automóviles hay 3 tipos de

coches: sedanes (40%), camionetas (50%) y deportivos (10%), si el 10% , 8% y
12% de los coches son de color rojo.
1. ¿Cuál es la probabilidad que al seleccionar uno aleatoriamente este sea de
dicho color?
2. Si el automóvil es de color rojo, ¿cuál es la probabilidad que no sea un
automóvil deportivo?