CLASE 9

Estadística Empresarial
Mat - 2009

Prof. Samaria Muñoz

MODULO 2A - INTRODUCCIÓN A LAS PROBABILIDADES: Elementos Fundamentales
Eventos independientes
Ley de multiplicación
Probabilidad condicional
Teorema de Bayes

Prof. Samaria Muñoz

 Relaciones básicas de probabilidades

Probabilidad
de Ocurrencia
Regla de Ley de
de un evento y
Adición Multiplicación
su
complemento

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Relaciones básicas de probabilidades

Probabilidad
de Ocurrencia
Regla de Ley de
de un evento y
Adición Multiplicación
su
complemento

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 A B

Diagrama de Veen

A B
A B
Mutuamente excluyentes y No Mutuamente excluyentes y
no colectivamente exhaustivos no colectivamente exhaustivos

A B A B
Mutuamente excluyentes y No Mutuamente excluyentes y
colectivamente exhaustivos colectivamente exhaustivos

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Probabilidad Condicional
Es la probabilidad de que ocurra un evento
dada la ocurrencia de otro

Deseamos conocer la probabilidad de que

ocurra A dado a que ya ocurrió B

Evento que Probabilidad conjunta

a ocurrir
P(A ∩ B)
P(A|B) = P(B) > 0
P(B)
Probabilidad marginal
Evento que
ya ocurrió

Regla de la Multiplicación

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 En la tabla siguiente se muestran los trabajadores de una fabrica de pan clasificados
según el cargo y su profesión. ¿Cuáles son las probabilidades de que siendo
ingeniero, contador o economista sea un director?

No ¿Qué evento
Director Totales
Director ya ocurrió?
Ingeniero 661 226 887
Contador 443 443 886
Economista 540 2117 2657 ¿Qué evento
Totales 1644 2786 4430
va a ocurrir?

P(I ∩ D) 661/4430 661

? D P(D|I) =
P(I)
P(D|I) =
887/4 4 3 0 P(I|D) =
887 P(D|I) = 0.75
I
� P(I ∩ 𝐷𝐷)
�
𝐷𝐷 � | 𝐼𝐼) =
P(𝐷𝐷
P(I) 1- 0.75 = 0.25
0.20
C P(D|C) =
P(C ∩ D) P(D|C) =
443
P(D|C) = 0.50
? D P(C) 886
0.20
� | 𝐶𝐶) = P(C ∩ �𝐷𝐷) 1- 0.50= 0.50
�
𝐷𝐷 P(𝐷𝐷
P(C)
0.60 P(E ∩ D) 540
D P(D|E) = P(D|E) = P(D|E) = 0.20
E ? P(E) 2657

P(E ∩ �𝐷𝐷) 1- 0.20 = 0.80

�
𝐷𝐷 � | E) =
P(𝐷𝐷
P(E)

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Regla de la B
multiplicación A

Eventos Eventos No
independientes independientes

P (A ∩ 𝐵𝐵) ≠ P(A) P(B)

P (A ∩ 𝐵𝐵) = P(A) P(B)

P(A|B) = 𝑃𝑃(𝐴𝐴) P(B|A) = 𝑃𝑃(𝐵𝐵) P (A ∩ 𝐵𝐵) = P(A) P(B|A)

P (𝐵𝐵 ∩ 𝐴𝐴) = P(B) P(A|B)
Se dice que dos eventos A y B son
independientes si y solo si la probabilidad
del evento B no está influida por el suceso
del evento A o viceversa

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 No No
Director Totales Director Totales
Director Director
Ingeniero 661 226 887 Ingeniero 0.15 0.05 0.20
Contador 443 443 886 Contador 0.10 0.10 0.20
Economista 540 2117 2657 Economista 0.12 0.48 0.60
Totales 1644 2786 4430 Totales 0.37 0.63 1.00

P (A ∩ 𝐵𝐵) = P(A) P(B)

¿Que sea Ingeniero es independiente de que sea Director?

P(I ∩ 𝐷𝐷) = P(𝐼𝐼)P(D) Por lo tanto, que sea ingeniero No

0.15 = (0.20) (0.37)
0.15 ≠ 0.074es independiente de que sea
director
¿Que sea Contador es independiente de que sea Director?

P(C ∩ 𝐷𝐷) = P(𝐶𝐶)P(𝐷𝐷) 0.10 = (0.20) (0.37) Por lo tanto, que sea Contador No es
0.10 ≠ 0.074 independiente de que sea director

¿Que sea Economista es independiente de que NO sea Director?

� ) = P(𝐸𝐸)P(𝐷𝐷
P(E ∩ 𝐷𝐷 �) 0.48 = (0.60) (0.63) Por lo tanto, que sea Economista No
es independiente de que NO sea
0.48 ≠ 0.378
director

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Teorema
de Bayes

El teorema de Bayes es aplicable cuando

los eventos de los cuales se quiere
calcular la probabilidad posterior son
A B
mutuamente excluyentes y su unión es
todo el espacio muestral. Mutuamente excluyentes y
colectivamente exhaustivos

Prof. Samaria Muñoz

 Teorema de Bayes
Probabilidades
condicionales y conjuntas
Evento A Evento B
Probabilidades Nueva Aplicación del Probabilidades
previas información Teorema de posteriores
Bayes

Eventos no independientes

Permite calcular la probabilidad de

ocurrencia de algún evento B dado a
Regla de la multiplicación que a ocurrido un evento A
de eventos dependientes Donde A y B son eventos
P(A ∩B) DEPENDIENTES

𝑃𝑃 𝐴𝐴𝐴𝐴 𝑃𝑃(𝐵𝐵|𝐴𝐴𝐴𝐴) P(A∩B)

P (A𝑖𝑖 |𝐵𝐵) = P (A|𝐵𝐵) =
𝑃𝑃 𝐴𝐴1 𝑃𝑃 𝐵𝐵 𝐴𝐴1 + 𝑃𝑃 𝐴𝐴2 𝑃𝑃 𝐵𝐵 𝐴𝐴2 𝑃𝑃. . +𝑃𝑃 𝐴𝐴𝑛𝑛 𝑃𝑃(𝐵𝐵|𝐴𝐴𝐴𝐴) P(B)

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 No
Director
Director
Totales El director de personal desea saber cuál
Ingeniero 661 226 887 es la probabilidad de que un empleado
Contador 443 443 886
directivo, elegido al azar, sea ingeniero,
Economista 540 2117 2657
Totales 1644 2786 4430 contador o economista

Probabilidades Probabilidades Probabilidades Conjuntas Probabilidades

previas condicionales (eventos dependientes) Posteriores
P(A ∩ B)
P(A|B) = P(B∩A) = P(A)* P(B|A) P(A|B) = P(B∩A) / P(B)
P(B)

P(D∩I) = P(I)* P(D/I) P(I/D)?

D
* 0.20* 0.75= 0.15 P(I|D) = P(D∩I) / P(D)
+ I P(I|D) =0.15/0.37 = 0.41
0.25 �
𝐷𝐷

C P(D∩C) = P(C)* P(D/C) P(C|D)?

D 0.20* 0.50= 0.10 P(C|D) = P(D∩C) / P(D)
P(C)=0.20
P(C|D) =0.10/0.37= 0.27
0.50 �
𝐷𝐷
P(D∩E) = P(E)* P(D/E)
E D 0.12 P(E|D) ?
0.60* 0.20=
P(E|D) = P(D∩E) / P(D)

0.80 �
𝐷𝐷 P(E|D) =0.12/0.37= 0.32

P(D) = 0.15+0.10+0.12= 0.37

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Probabilidades Probabilidades Probabilidades Probabilidades
previas condicionales conjuntas posteriores
a b P(D/Bi) c=a*b P(D∩Bi) c/d P(Bi|D)
I 𝟎𝟎. 𝟐𝟐𝟐𝟐 𝟎𝟎. 𝟕𝟕𝟕𝟕 𝟎𝟎. 𝟏𝟏𝟏𝟏 𝟎𝟎. 𝟒𝟒𝟒𝟒
C 𝟎𝟎. 𝟐𝟐𝟐𝟐 𝟎𝟎. 𝟏𝟏𝟏𝟏 𝟎𝟎. 𝟐𝟐𝟐𝟐
𝟎𝟎. 𝟓𝟓𝟓𝟓
E 𝟎𝟎. 𝟔𝟔𝟔𝟔 𝟎𝟎. 𝟐𝟐𝟐𝟐 𝟎𝟎. 𝟏𝟏𝟏𝟏 𝟎𝟎. 𝟑𝟑𝟑𝟑

d 𝑷𝑷 𝑫𝑫 = 𝟎𝟎. 𝟑𝟑𝟑𝟑 𝟏𝟏

La probabilidad de que un empleado directivo sea ingeniero es del 41%, un

contador del 27% y un economista del 32%.
Teorema de Bayes

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Deberes

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 En un trabajo de investigación se encontró que 3850 mujeres y 3462 hombres utilizan
celulares de alta gama. En un estudio adicional se encontró que el 17% de las mujeres
usa el iPhone 14, el 35% el iPhone 13 y el resto otra marca. Para el caso de los hombres
el 20% utiliza el iPhone 14, el 32% el IPhone 13 y el resto otra marca. ¿Cuál es la
probabilidad de que una persona tenga un iPhone 13? y ¿Cuál es la probabilidad de que
si un individuo usa un iPhone 13 sea mujer?

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 ¿Qué evento ya ocurrió?
¿Qué evento va a ocurrir?

Si se selecciona un estudiante al azar que NO le gustan las matemáticas:

¿Cuál es la probabilidad de que le gusten las estadísticas?
𝐸𝐸 ∩𝑀𝑀� P(𝐸𝐸 ∩𝑀𝑀)
� 14/40 0.35
�)
P(E | 𝑀𝑀 = 14/15 = 0.93 = = =
�
𝑀𝑀 P(𝑀𝑀� ) 15/40 0.38

¿Cuál es la probabilidad de que no le gusten las estadísticas?

P(𝐸𝐸� ∩𝑀𝑀) 1/40
1/15 = 0.07
� 0.03
� ) = 𝐸𝐸 ∩𝑀𝑀
� �
= = =
P(𝐸𝐸� | 𝑀𝑀 � P(𝑀𝑀� ) 15/40 0.38
𝑀𝑀
Si se selecciona un estudiante al azar que NO le gustan las estadísticas:
¿Cuál es la probabilidad de que le gusten las matemáticas?
𝐸𝐸� ∩ 𝑀𝑀 P(𝐸𝐸� ∩ 𝑀𝑀) =
19/40 0.48
P(M | 𝐸𝐸� ) = 𝐸𝐸� 19/20 = 0.95 =
P(𝐸𝐸� ) 20/40 =
0.50

¿Cuál es la probabilidad de que NO le gusten las matemáticas?

1/40
�
� | 𝐸𝐸� ) = 𝐸𝐸 ∩𝑀𝑀
P(𝑀𝑀
� P(𝐸𝐸� ∩𝑀𝑀)
� = =
0.03
� 𝐸𝐸 1/20 = 0.05 =
P(𝐸𝐸� ) 20/40 0.50

Probabilidad Condicional

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 ¿Qué evento ya ocurrió?
¿Qué evento va a ocurrir?
Si se selecciona un estudiante al azar que le gustan las estadísticas:
¿Cuál es la probabilidad de que le gusten las matemáticas?
P( 𝑀𝑀 ∩ 𝐸𝐸 6/40 0.15
P( M | E ) =
𝑀𝑀 ∩ 𝐸𝐸 6/20 = 0.3 =
P( E )
)
=
20/40
=
0.50
E
¿Cuál es la probabilidad de que NO le gusten las matemáticas?
� ∩ 𝐸𝐸 P(𝑀𝑀� ∩ 𝐸𝐸) 14/40
�|E) =
P(𝑀𝑀
𝑀𝑀
E 14/20 = 0.7 =
P(E) =
20/40 =
0.35
0.50

Si se selecciona un estudiante al azar que le gustan las matemáticas:

¿Cuál es la probabilidad de que le gusten las estadísticas?

P( 𝐸𝐸 ∩ 𝑀𝑀 ) 6/40
=
0.15
P( E | M ) =
𝐸𝐸 ∩ 𝑀𝑀
6/25 = 0.24 =
P( M )
=
25/40 0.63
M

¿Cuál es la probabilidad de que no le gusten las estadísticas?

𝐸𝐸� ∩𝑀𝑀 P(𝐸𝐸� ∩𝑀𝑀) =
19/40 0.48
P(𝐸𝐸� | M ) = M 19/25 = 0.76 =
P(M) 25/40 =
0.63

Probabilidad Condicional

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Una fabrica de botellas de agua dispone de tres máquinas. Se sabe que la máquina 1
produce 40% de la cantidad total, la máquina 2 el 30% y la máquina 3 el 30% restante.
También se sabe que cada máquina produce envases defectuosos. De tal manera que la
maquina 1 produce un 2% de envases defectuosos sobre le total de la producción, la
maquina 2 un 3% y la maquina 3 un 5%. Si todas las botellas se colocan en un deposito,
se saca un envase al azar y este esta defectuoso ¿Cuál es la probabilidad que lo haya
fabricado la máquina 1, la 2 y la 3?

Información Previa Información Adicional Información Posterior

Probabilidades Probabilidades Probabilidades
previas Condicionales posteriores
P(M1) =40% P(M1|D) =?
P(D|M1) =2%
P(M2) =30% P(D|M2) =3% P(M2|D) =?
P(M3) =30% P(M3|D) =?
P(D|M3) =5%

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Probabilidades Probabilidades Probabilidades Probabilidades
previas condicionales Conjuntas Posteriores

0.02 D P(D∩M1) = P(M1)* P(D/M1)

P(D∩M1) = 0.40* 0.02= 0.008
M1
�
𝐷𝐷
0.98
0.40
P(D∩M2) = P(M2)* P(D/M2)
0.03 D
0.30 P(D∩M2) = 0.30* 0.03= 0.009
M2
0.97 �
𝐷𝐷

0.30
0.05 D P(D∩M3) = P(M3)* P(D/M3)
P(D∩M3) = 0.30* 0.05= 0.015
M3
0.95 �
𝐷𝐷

P(D) = 0.008+0.009+0.015= 0.032

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Teorema de Bayes
Probabilidades
Posteriores

P(M1|D) = ?
P(M1|D) = P(D∩M1) / P(D)
P(M1|D) =0.008/0.032= 0.25

P(M2|D) =?
P(M2|D) = P(D∩M2) / P(D)
P(M2|D) =0.009/0.032= 0.28

P(M3|D) =?
P(M3|D) = P(D∩M3) / P(D)
P(M3|D) =0.015/0.032=
0.47

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz
 Probabilidades Probabilidades Probabilidades Probabilidades
previas condicionales conjuntas posteriores
P(D/Bi) P(D∩Bi) P(Bi|D)
M1 𝟎𝟎. 𝟒𝟒𝟒𝟒 𝟎𝟎. 𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟐𝟐𝟐𝟐
M2 𝟎𝟎. 𝟑𝟑𝟑𝟑 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟐𝟐𝟐𝟐
𝟎𝟎. 𝟎𝟎𝟎𝟎
M3 𝟎𝟎. 𝟑𝟑𝟑𝟑 𝟎𝟎. 𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟒𝟒𝟒𝟒

𝑷𝑷 𝑫𝑫 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎 𝟏𝟏

Sabiendo que un envase es defectuoso, la probabilidad de que haya sido producido

por la máquina 1 es de 25%, de que haya sido producido por la máquina 2 es de 28%
y por la máquina 3 es del 47%.

Modulo 2B: Introducción a las probabilidades: Elementos Fundamentales Prof. Samaria Muñoz