Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Competencias
• Motivación.
Inicio • Saberes previos.
• Probabilidad condicional.
• Principio de multiplicación
• Eventos independientes.
Contenido
de sesión • Teorema de Probabilidad Total.
• Teorema de Bayes
• Retroalimentación.
• Autoevaluación
Cierre
Competencias
Al termino de la sesión, el estudiante estará en
capacidad de:
➢ Calcular probabilidades condicionales en
problemas contextualizados
➢ Calcular probabilidades utilizando el principio
de multiplicación en problemas
contextualizados
➢ Calcular probabilidades utilizando el principio
de multiplicación para eventos independientes
en problemas contextualizados
➢ Calcular probabilidades utilizando el teorema
de probabilidad total en problemas
contextualizados.
➢ Calcular probabilidades utilizando el teorema
de Bayes en problemas contextualizados
Probabilidad Condicional
En muchas ocasiones se pide calcular la probabilidad de que ocurra un evento
sabiendo que otro evento ha ocurrido.
Definición
Para dos eventos cualquiera A y B con P(B)>0, la probabilidad condicional de
A dado que ocurrió B está definida por:
𝑷 𝑨∩𝑩
𝑷 𝑨Τ𝑩 = ; 𝒔𝒊 𝑷 𝑩 > 𝟎
𝑷 𝑩
Propiedades
• Si 𝐴 ∩ 𝐵 = ∅, entonces, 𝑃 𝐴Τ𝐵 = 0
𝑃 𝐴
• Si 𝐴 ⊂ 𝐵, entonces, 𝑃 𝐴Τ𝐵 =
𝑃 𝐵
𝑃 𝐵
• Si 𝐵 ⊂ 𝐴, entonces, 𝑃 𝐴Τ𝐵 = =1
𝑃 𝐵
Ejemplo 1
Un ingeniero ambiental de una empresa manufacturera realizó un estudio sobre la pureza
del aire, para esto seleccionó 300 muestras de aire que las clasificó de acuerdo con la
presencia de dos moléculas raras. Los resultados se muestran en la siguiente tabla:
a).
68
𝑃 𝐴 = = 0.2267
300
b).
253
𝑃 𝐵𝑐 = = 0.8433
300
c) .
𝑃 𝐴∩𝐵 27/300
𝑃 𝐴Τ𝐵 = = = 0.5745
𝑃 𝐵 47/300
d) .
𝑃 𝐴∩𝐵 27/300
𝑃 𝐵 Τ𝐴 = = = 0.3971
𝑃 𝐴 68/300
e) .
𝑃 𝐴𝑐 ∩ 𝐵 20/300
𝑃 𝐵 Τ𝐴𝑐 = = = 0.0862
𝑃 𝐴𝑐 232/300
Ejemplo 2
Un Ingeniero ambiental analiza muestras de agua
para detectar plomo y mercurio en el campamento
minero Toromocho. El 40% de las muestras
presentan niveles tóxicos de plomo o mercurio, el
35% de plomo y el 15% de ambos metales.
Si se selecciona una muestra al azar, calcule la
probabilidad de que:
a) Tenga niveles tóxicos solamente de plomo.
b) No tenga niveles tóxicos de plomo y no tenga
niveles de tóxicos de mercurio.
c) Tenga niveles tóxicos de mercurio dado que
tiene niveles tóxicos de plomo.
d) Tenga niveles tóxicos de plomo si tiene niveles
tóxicos de mercurio.
Solución
Sea:
𝑃 𝑃∪𝑀 =𝑃 𝑃 +𝑃 𝑀 −𝑃 𝑃∩𝑀
0.40 = 0.35 + 𝑃 𝑀 − 0.15
𝑃 𝑀 = 0.20
a) .
𝑃 𝑃 ∩ 𝑀𝑐 = 0.20
b) .
Por la ley de Morgan
c) .
𝑃(𝑀 ∩ 𝑃) 0.15
𝑃 𝑀/𝑃 = = = 0.4286
𝑃(𝑃) 0.35
d) .
𝑃(𝑃 ∩ 𝑀) 0.15
𝑃 𝑃/𝑀 = = = 0.75
𝑃(𝑀) 0.20
Principio de multiplicación
Para dos eventos A y B cualesquiera, se cumple:
𝑷 𝑨 ∩ 𝑩 = 𝑷 𝑩 × 𝑷 𝑨Τ𝑩
Ejemplo 3
La probabilidad de que la batería de avión
sujeta a altas temperaturas dentro del
comportamiento del motor reciba una
corriente de carga mayor que la normal es
0.9. La probabilidad de que la batería
quede expuesta a altas temperaturas es
0.07.
25 24 600
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 × 𝑃 𝐵Τ𝐴 = × = = 0.0096
250 249 62250
b)
Sean:
A: Primer preforma defectuosa.
B: Segundo preforma defectuosa.
C: Tercera preforma defectuosa.
𝑃 𝐴 ∩ 𝐵 ∩ 𝐶 = 𝑃 𝐴 × 𝑃 𝐵Τ𝐴 × 𝑃 𝐶 Τ𝐴 ∩ 𝐵
25 24 23 13800
𝑃 𝐴∩𝐵∩𝐶 = × × = = 0.00089
250 249 248 15438000
c)
Sean:
A: Primer preforma defectuosa.
B: Segundo preforma defectuosa.
La probabilidad de seleccionar una preforma defectuosa es:
25
𝑃 𝐴 =
250
Como el experimento es con reemplazo, la probabilidad que sea se seleccione otra
preforma defectuosa dado que ya se seleccionó una defectuosa es:
25
𝑃 𝐵/𝐴 =
250
Por el principio de multiplicación, se tiene:
25 25 625
𝑃 𝐴 ∩ 𝐵 = 𝑃 𝐴 × 𝑃 𝐵Τ𝐴 = × = = 0.01
250 250 62500
Eventos independientes
Se dice que dos eventos A y B son independientes entre sí cuando la
probabilidad de ocurrencia de uno de eventos no afecta en nada la
probabilidad de ocurrencia del otro.
Definición
Si dos eventos A y B son independientes, se cumple:
𝑷 (𝑨/𝑩) = 𝑷 (𝑨), si 𝑷 𝑩 > 𝟎
Además, la probabilidad condicionada se puede expresar como:
𝑷(𝑨 ∩ 𝑩)
𝑷 𝑨Τ𝑩 =
𝑷(𝑩)
Luego, como A y B son eventos independientes, entonces:
𝑷 𝑨∩𝑩 = 𝑷 𝑨 ×𝑷 𝑩
En otro caso se dice que los eventos A y B son dependientes
Ejemplo 5
En una empresa agroindustrial, un ingeniero
realizó el control de calidad a un lote de
producción de espárragos, para ello tomó
una muestra de 100 unidades. En la muestra
encontró que 40 espárragos cumplían con los
estándares de calidad. Entre los que
cumplían con los estándares de calidad, 18
eran espárragos blancos; mientras que, entre
los que no cumplían los estándares de
calidad, 45 eran morados.
d)
𝑃 𝑋 ≥1 =𝑃 𝑋 =1 +𝑃 𝑋 =2 +𝑃 𝑋 =3 +𝑃 𝑋 =4
o
𝑃 𝑋 ≥1 =1−𝑃 𝑋 =0
𝑃 𝑋 ≥ 1 = 1 − 0.412284 = 0.587716
Competencias
Al termino de la sesión, el
estudiante estará en capacidad
de:
k
P Ei = 1
i =1
k
P ( A ) = P( Ei )P( A / Ei )
i =1
TEOREMA DE BAYES
P( Er ) P( A / Er )
P ( Er / A) = k
, r = 1, 2,..., k
P( E )P( A / E )
i =1
i i
EJEMPLO 1
Un comerciante adquiere sacos de arroz de tres molineras nacionales
(M1, M2 y M3) en los siguientes porcentajes: el 20% de los sacos
proviene de M1, el 30% de los sacos proviene de M2 y el resto de los
sacos proviene de M3. Además, el 30% de los sacos que recibe de M1,
el 80% de los sacos que recibe de M2 y el 70% de los sacos que recibe
de M3 son de calidad excepcional.
P C = 0.65
b) .
P M2 P CൗM (0.3)(0.8)
M2ൗ 2
P C = = = 0.3692
P(C) 0.65
MUJERES(70%) HOMBRES(30%)
Ejemplo 2
en un bloque, el 70% de alumnos son mujeres, de
ellas el 10% son fumadoras. De los varones, son
fumadores el 20 %.
FUMADORES
P(F) = P(M)P(F / M) + P(H)P(F / H)
= 0.7 x0.1 + 0.3 X 0.2 = 0.13 → 13% (PROBABILIDAD TOTAL)
P(H)P(F / H)
P(H / F) = = (T. BAYES)
P(H)P(F / H) + P(M)P(F / M)
0.3 X 0.2
= = 0.46 → 46%
0.13
EL MISMO PROBLEMA COMO ÁRBOL DE PROBABILIDADES
FUMA
P(F/M)=0.1
P(F) = P(M)P(F / M) + P(H)P(F / H)
MUJER
P(F) = 0.7 X 0.1 + 0.3 X 0.2 = 0.13
P(M)=0.7 P(FC/M)=0.9
NO FUMA
FUMA
P(F/H)=0.2 P(H)P(F / H)
P(H)=0.3 P(H / F) =
HOMBRE P(H)P(F / H) + P(M)P(F / M)
0.3 X 0.2
P(H / F) = = 0.46
0.7 x0.1 + 0.3 x0.2
P(FC/H)=0.8
NO FUMA