Ejercicio N° 22

Las empresas que hacen negocios en Internet a menudo pueden obtener información de rentabilidad
sobre los visitantes a los sitios web a partir de los sitios web que visitaron antes. Por ejemplo, el artículo
de MC en Acción, “Marketing por Internet”, describió cómo los datos del fl ujo de clics sobre los sitios web
visitados se utilizan junto con un esquema de actualización bayesiano para determinar la probabilidad de
que un visitante a un sitio web sea mujer. Par Fore creó un sitio web para comercializar equipo y ropa
para golf. A la gerencia le gustaría que una oferta apareciera para las visitantes mujeres y otra oferta
diferente para los visitantes hombres. Una muestra de las visitas pasadas al sitio web indica que 60% de
los visitantes a ParFore.com son hombres y 40%, mujeres.

a) ¿Cuál es su probabilidad previa de que el siguiente visitante al sitio web sea mujer?

b) Suponga que sabe que el visitante actual visitó previamente el sitio web de Dillards y que hay una
probabilidad tres veces mayor de que las mujeres visiten este sitio web que los hombres. ¿Cuál es su
probabilidad revisada de que el visitante sea mujer? ¿Debe usted mostrar la oferta que tiene más
atractivo para las visitantes mujeres o aquella que es más atractiva para los visitantes hombres?
P (A) = Varón = 60% = 60100= 0.6, P (A) = 0.6
P (B) = Mujer = 40% =60100=0.4, P (B) =0.4
Teorema de Bayes
Sucesos de A y B donde la P(A/B) ≠ P (B/A)
Encontrar una relación, la ley de la multiplicación cuando los eventos involucrados son independientes
se tiene:
P(A/B) = P(A) y P(B/A) = P(B)
Sustituyendo la formula
P (A∩B) = P(A/B).P(B) ……………(1)
P (A∩B) = P(B/A).P(A) ……………(2)
Remplazando en las formulas
P (A∩B) = P(A/B).P(B) ……………(1)
P (A∩B) = 0.6x0.4=0.24
P (A∩B) = 0.24

P (A∩B) = P(B/A).P(A) ……………(2)

P (A∩B) = 0.4x0.6=0.24
P (A∩B) = 0.24
 ARBOL DE PROBABILIDAD

PARA EL EJEMPLO
 RESUMEN DE LOS CALCULOS DEL TEOREMA DE BAYES

(1) (2) (3) (4) (5)

Eventos Probabilidades Probabilidades Probabilidades Probabilidades
Ai Previas Condicionales Conjuntas Posteriores
P(Ai) P(B/Ai) P(B/Ai) P(Ai/B)

A1 0.60 0.02 0.0130…….0.0130/0.033 = 0.39394

A2 0.40 0.05 0.0200…….0.0200/0.033 = 0.60610

      P(B)= 0.0330 1.0000

EJERCICIO N° 23.
Una compañía petrolera compró una opción de tierra en Alaska. Los estudios geológicos preliminares
asignaron las siguientes probabilidades previas.
P (petróleo de alta calidad) 0.50
P (petróleo de calidad media) 0.20
P (sin petróleo) 0.30
a. ¿Cuál es la probabilidad de encontrar petróleo?
b. Después de perforar 200 pies en el primer pozo se hizo una prueba de suelo. Las probabilidades de
encontrar el tipo particular de suelo identificado por la prueba son
P (suelo | petróleo de alta calidad) = 0.20
P (suelo | petróleo de calidad media) = 0.20
P (suelo | sin petróleo) = 0.30
¿Cómo debe interpretar la empresa la prueba de suelo? ¿Cuáles son las probabilidades revisadas y cuál
es la nueva probabilidad de encontrar petróleo?
DESARROLLO:
P(AC)= 0.50 AC Hay Petróleo Alta Calidad
P(MC) = 0.20 M Hay Petróleo Calidad Media
P(N)= 0.30 N No Hay Petróleo

P(P) = (AC)+P(M) = 0.70% = PROBABILIDAD DE ENCONTRAR PETRÓLEO

B.- (TS) tipo de suelo prueba de suelo, probabilidad tipo de suelo
P(TS/AC)= 0.20
P(TS/M)=0.20
P(TS/N= 0.30
DEFINICION PROBABILIDAD TIPO DE SUELO P (AC∩TS)
P(TS)
PA=(TS∩AC) U (TS∩M) U (TS∩N)
ALTA CALIDAD CALIDAD MEDIA NO HAY PETROLEO

AC M N

COMO LOS EVENTOS SON DISJUNTOS

=› REGLA DE MULTIPLICACION P(A∩B) =› P(A/B) X P(B)
P(TS) = P(TS/AC)XP(AC) + P(TS/M)XP(M) + P(TS/N)PN
REEMPLAZANDO…
P(TS)= 0.2x 0.5 + 0.20x0.20 + 0.30x0.30 = 0.23
 TEOREMA DE BAYES
P(AC/TS) = P (AC∩TS) = P(TS/AC) x P(AC)
P(TS) P(TS)
 
P(AC/TS) = 0.20 x 0.50 = 0.435
0.23
 
 
 
P(CM/TS) = P(M)∩TS = P(TS/CM/P(CM)
P(TS) P(TS)
 
P(CM/TS) = 0.20 x 0.20 = 0.174
0.23
 
 
P(N/TS) = P (N) ∩ TS = P(TS/N) P(N)
P(TS) P(TS)
 
P(N/TS) = 0.30 X 0.30 = 0.391
0.23
ALTA CALIDAD 0.50 P(ALTA CALIDAD /TIPO SUELO 0.435

PROBABILIDAD 0.20 P(CALIDAD MEDIO / TIPO SUELO 0.174

CALIDAD MEDIA

P (SIN PETROLEO) 0.30 P(SIN PETROLEO/TIPO SUELO 0.391

EJERCICIO N° 24.
Los automóviles pequeños obtienen un mayor kilometraje por gasolina, pero no son
tan seguros como los autos grandes. Los automóviles pequeños representaron 18%
de los vehículos que transitan la carretera, pero los accidentes que involucran
automóviles pequeños provocaron 11 898 muertes durante un año reciente (Reader’s
Digest, mayo de 2000). Suponga que la probabilidad de que un automóvil pequeño
esté involucrado en un accidente es 0.18. La probabilidad de que un automóvil
pequeño esté involucrado en un accidente que provoca una muerte es 0.128, y la
probabilidad de que no esté involucrado en un accidente de este tipo es 0.05.
Suponga que se entera de que un accidente provocó Una muerte. ¿Cuál es la
probabilidad de que un automóvil pequeño esté involucrado?
Solución (Usando el método de Bayes )
 Si:  Datos:
P(C)= 0.18
P: probabilidad.
P(OC)= 0.82
C: Carro pequeño.
P(A | C)= 0.128
OC: Otro tipo carro. P(A | OC)= 0.05

A: Accidente fatal. P(C | A)=?

por método tabular tenemos. Según la columna de

probabilidad posterior, tenemos
Eventos Probabilidades Probabilidades Probabilidades Probabilidades P(C | A) 0.36; así que, si un
previas P(C) condicionales P(A | Conjuntas posteriores accidente produce una
C) y P(A | OC) P(C∩A) P(C | A) fatalidad, la probabilidad de
que un automóvil pequeño
1 0.18 0.128 0.023 0.36
estuviera involucrado es de
2 0.82 0.05 0.041 0.64 0.36.
  1   0.064 1.00
EJERCICIO N° 25.

Wayne Manufacturing Company compra cierta parte a los proveedores A, B

y C. El proveedor A suministra un 60% de las partes; B 30% y C 10%. La

calidad de las partes varía entre los proveedores A, B y C tiene tasas de

defectos de 0.25%, 1% y 2% respectivamente. Las partes se usan en uno

de los productos principales de la empresa.

a) ¿Cuál es la probabilidad de que el principal producto de la empresa se

ensamble con una parte defectuosa? Utilice el método tabular del teorema

de Bayes para resolver este problema.

b) cuando se encuentra una parte defectuosa ¿Cuál proveedor es la fuente

probable?