PROBABILIDAD

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

QUE ES PROBABILIDAD?
En general, es la medida que describe la posibilidad de que
algo suceda
PROBABILIDAD: Valor entre cero y uno, inclusive, que
describe la posibilidad (probabilidad o viabilidad) relativa de
que ocurra un evento.
En el estudio de la probabilidad se utilizan tres palabras
clave:
-Experimento
-Resultado
-Evento.

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

EXPERIMENTO: Proceso que lleva a la ocurrencia de una y

solo una varias observaciones posibles.
RESULTADO: La consecuencia de un experimento en
particular
EVENTO:
Conjunto de una o mas resultados de un
experimento

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

PROBABILIDAD CLASICA
Probabilidad de un evento es igual numero de resultados
favorables entre numero total de resultados posibles.
Mutuamente excluyentes: La ocurrencia de un evento significa
que ninguno de los otros puede ocurrir al mismo tiempo.
Colectivamente exhaustivo: Por lo menos uno de los eventos
debe ocurr al realizar un experimento.
Probabilidad emprica: Numero de veces que un evento
ocurri en el pasado entre numero de observaciones.
Probabilidad subjetiva: Probabilidad que suceda un evento en
particular que asigna un individuo con base en la informacin
disponible

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

Reglas de adicin: P(A o B) = P(A) + P(B)

Regla general de la adicin: P(A o B) = P(A) + P(B) P(A
y B)
Reglas de la multiplicacin: P(A y B) = P(A) P(B)
Reglas de la multiplicacin: P(A y B) = P(A) P(B/A)

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

EJEMPLO
Una maquina Shaw automtica llena bolsas de plstico con
una mezcla de frijoles, brcoli y otras verduras. La mayor
parte de las bolsas contienen el peso correcto , pero debido
a la variacin en el tamao de los frijoles y otras verduras,
un paquete puede tener mayor o menor peso. Una revisin
de 4,000 paquetes que se llenaron revel:
Peso

Evento

Numero de
paquetes

Menos peso

100

Satisfactorio

3600

Mas peso

300
4000

6/6/16

a)Cual es la probabilidad de que un paquete en

particular este pasado de peso o le falte peso.
b)Cual es la probabilidad que tenga menos peso o sea
satisfactorio
c)Cual es la probabilidad
que
tengo
peso o sea
M.A. ALEJANDRO
PEREZ
LARAmas
V.
satisfactoio

SOLUCION
a)El resultado Pasado de peso es el evento A. El resultado
falto de peso es el evento C.
Si aplicamos la regla especial de la adicin:
P(A o C)= P(A)+P(C) = 0.025+0.075 = 0.10
Peso

6/6/16

Evento

Numero
de
paquetes

Probabilid
ad de
ocurrenci
a

Menos
peso

100

0.025

Satisfactori
o

3600

0.900

Mas peso

300

0.075

4000

1.000

M.A. ALEJANDRO PEREZ LARA V.

EJERCICIO
PRACTICO
empleados
de Enterprises

Una muestra de
participa en una
encuesta sobre un nuevo plan de pensin. Los empleados se
clasifican como sigue:
Clasificacin
Evento
Numero de
empleos
Supervisores

120

Mantenimiento

50

Produccin

1,460

Administracin

302

Secretarias

68

a)Cual es la probabilidad de que la primera persona seleccionada

sea:
i)Un empleado de mantenimiento o una secretaria
ii)Un empleado que no forma parte de la gerencia
b)Los eventos anteriores son complementarios, mutuamente
excluyentes o ambos P(no adm)=1(302/2000)=1698/2000=0.849=84.9%
6/6/16
M.A.
ALEJANDRO PEREZ LARA V.

EJERCICIO
PRACTICO

Cual es la probabilidad de que una carta elegida de una baraja

estndar sea un rey o un corazn?
Carta

Probabilidad

Explicacion

Rey

P(A)=4/52

4 reyes en una
baraja de 52
cartas

Corazones

P(B)=13/52

13 corazones
en una baraja
de 52 cartas

Rey de
P(AyB)=1/52
corazones
P(A o B) = P(A) +P(B) P(A y B)
=4/52 + 13/52 1/52
= 16/52 = 0.3077

6/6/16

1 rey de
corazones

M.A. ALEJANDRO PEREZ LARA V.

EJERCICIO
PRACTICO

Una encuesta realizada por xyz compaa revel que el 60%

de sus miembros hicieron alguna reservacin en una lnea
area el ao pasado. Se seleccionaron dos miembros en forma
aleatoria. Cual es la probabilidad de que ambos hayan hecho
una reservacin en una lnea area el ao pasado?
P(R1 y R2)=P(R1)P(R2)= (0.6)(0.6)=0.36
P(R1 Y NR)=P(R1)P(NR)=(0.6)(0.4)=0.24
P(NR Y R2)=P(NR)P(R2)=(0.4)(0.6)=0.24
P(NR Y NR)=P(NR)P(NR)=(0.4)(0.4)=0.16
TOTAL

6/6/16

1.00

M.A. ALEJANDRO PEREZ LARA V.

PERMUTACIONES Y COMBINACIONES

Permutacin: Cualquier distribucin de R objetos

seleccionados de un
solo grupo de N objetos posibles
Formula de permutacin: n P r = n!/ (n r)! Como n = 1
=n!
Formula de la combinacin: n C r = n! / r! (n r)!
5!= 5.4.3.2.1= 120
0!=1

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

PERMUTACIONES Y COMBINACIONES
Tres partes electrnicas se van a armar en una unidad
complementaria para una televisin. De cuantas formas
diferentes se pueden armar?
Solucin
Hay tres partes que se tienen que armar de modo que n=3.
Como las tres se tienen que insertar en la unidad
complementaria, r=3
3P3= 3!/(3-3)!=3!/0!=3!/1=6
Podemos revisar el numero de permutacin al que llegamos
utilizando la formula de la permutacin. Determinamos
cuantos espacios se tienen que llenar y las posibilidades para
cada espacio.

6/6/16

Para el primer lugar hay tres espacios, dos para el segundo y

uno para el tercero.
(3)(2)(1)=6
M.A. ALEJANDRO PEREZ LARA V.

PERMUTACIONES Y COMBINACIONES
En el departamento de mercadotecnia tiene la tarea de
designar los cdigos de colores para las 42 distintas
lneas de discos compactos que vende Goody Record. En
cada CD se van a usar 3 colores, pero una combinacin
que se utilizo para un CD no se puede reordenar y usarse
para identificar un CD diferente. Esto significa que los
colores verde, amarillo y violeta se utilizaron para
identificar una lnea y no se puede usar para identificar
otra lnea. Siete colores en combinaciones de tres serian
=n!/r!(n-r)!
adecuados para nCr
marcar
con cdigo de colores las 42
lneas?

7C3= 7!/3!(7-3)! = 7!/3!4! = 35

7.6.5.4.3.2.1/(3.2.1)(4.3.2.1) = 7.6.5/3.2.1=210/6=35
Los 7 colores tomados en combinaciones de tres no
serian adecuados
6/6/16

M.A. ALEJANDRO PEREZ LARA V.

Teorema de Bayes.- Supngase que A1, A2, A3,...,An

es una particin de un espacio muestral . En cada
caso P(Ai) 0. La particin es tal que A1, A2,
A3,...,An, son eventos mutuamente exclusivos. Sea E
cualquier evento, entonces para cualquier Ai,

P( Ai / E )

6/6/16

P( Ai ) P( E / AI )
P( A1 ) P( E / A1 ) P( A2 ) P( E / A2 ) P( An ) P( E / An )

M.A. ALEJANDRO PEREZ LARA V.

Como la probabilid ad completa de E es :

P(E) P(A 1 )P(E/A 1 ) P(A 2 )P(E/A 2 ) P(A n )P(E/A n )
entonces
P( Ai / E )

6/6/16

P ( Ai ) P ( E / AI )
P(E)

M.A. ALEJANDRO PEREZ LARA V.

Ejemplo.En una pequea empresa de tejidos se obtiene

su produccin con tres mquinas hiladoras M1,
M2 y M3 que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
6/6/16

M.A. ALEJANDRO PEREZ LARA V.

Sea
D: Que el artculo sea defectuoso
ND: Que el artculo no sea defectuoso
M1: Que haya sido producido por la mquina 1
M2: Que haya sido producido por la mquina 2
M3: Que haya sido producido por la mquina 3
P(M1) = .50

P(D/M1) = .03

P(M2) = .30

P(D/M2) = .04

P(M3) = .20

P(D/M3) = .05

6/6/16

M.A. ALEJANDRO PEREZ LARA V.

P(D/M1)=.03

P(M1)=.50

M1
P(ND/M1)=.9
7
P(D/M2)=.04

P(M2)=.30

M2
P(ND/M2)=.9
6
P(D/M3)=.05

P(M3)=.20

M3
P(ND/M3)=.9
5

6/6/16

P(M1)*P(D/M1)=.5*.03=.015

ND
D

P(M2)*P(D/M2)=.3*.04=.012

ND
D

P(M3)*P(D/M3)=.2*.05=.01

ND
P(D) = .015+.012+.01=.037

M.A. ALEJANDRO PEREZ LARA V.

Por teorema de Bayes se tiene:

P ( M 1 / D)

P( M 1 ) P( D / M 1 )
P( M 1 ) P ( D / M 1 ) P( M 2 ) P( D / M 2 ) P( M 3 ) P( D / M 3 )
P( M 1 ) P( D / M 1 )
P ( D)

(. 50)(. 03)
.037

.4054

La probabilidad de que el artculo defectuoso se

haya producido en la M1 es del 40.54%
6/6/16

M.A. ALEJANDRO PEREZ LARA V.