MM-401 Estadística I

Universidad Nacional Autónoma de Honduras

ESCUELA DE MATEMATICA
Departamento de Estadística
 Información general
Examen Fecha Día Evaluación Fecha
I 10-junio Viernes Exámenes 70 %
II 08-julio Viernes Tareas 20 %
III 12-agosto Viernes
Reposición 17-agosto Miercoles Laboratorio 10 %
Total 100%

Texto
Estadística Matemática con Aplicaciones. Dennis D.
Wackerly, William Mendenhall III, Richard L. Scheaffer.

Libros de consulta:
Probabilidad y Estadística para Ingenieros. Walpole,
Myers, Myers.
Probabilidad y estadística para ingeniería y ciencias.
Jay L. Devore.
Probabilidad y Estadística para Ingeniería. Scheaffer
McClave
Estadística Matemática Con Aplicaciones. Freund &
walpole.
Experimento
En estadística se define experimento a todo proceso que puede ser observado
y/o medido

Experimentos deterministas
Son los experimentos de los que podemos predecir el resultado antes de que se
realicen
Si lanzamos una moneda al aire esta caerá

Experimentos aleatorios
Son aquellos en los que no se puede predecir el resultado, ya que éste depende
del azar
El lanzamiento de un dado

Espacio muestral
Es el conjunto de todos los posibles resultados de una experiencia aleatoria, se
representa por S, E o 
Espacio muestral del lanzamiento de un dado:
S = {1, 2, 3, 4, 5, 6}

Espacio muestral del lanzamiento de una moneda:

S = {cara, escudo}

Espacio muestral del lanzamiento de dos monedas:

S = {(cara, cara), (cara, escudo), (escudo, cara), (escudo, escudo)}

Evento:
Es el conjunto de uno o más resultados de un experimento.
Sea A sale un número par A= { 2, 4, 6 }
Sea B sale un número mayor que 4 B = { 5, 6 }

La ocurrencia de un evento A se establece si al realizar el experimento

obtenemos alguno de los posibles resultados de del evento
Evento elemental (Suceso)
Es cada uno de los eventos formados por un solo resultado del espacio
muestral

Sucesos compuestos
Suceso compuesto es cualquier subconjunto del espacio muestral

Eventos imposibles
Son los que se nunca ocurren al realizar un experimento se representan por Ø
Si lanzamos un dado nunca nos saldrá un 7

Eventos seguros
Son los que siempre ocurren al realizar un experimento
Si lanzamos un dado siempre nos saldrá un número menor que 7
Cardinalidad de un evento
Dado el evento A llamaremos cardinalidad de A al número de resultados
posibles de dicho evento, y se representa por n(A).

En algunos casos se considera longitud, área, volumen etc.

 Operaciones entre eventos
Diagramas de Venn
Conjunto es toda reunión de objetos. (Los eventos los veremos como
conjuntos). Es una representación mediante figuras geométricas de conjuntos y
posibles operaciones entre ellos. Rectángulos para el espacio muestral y
circulos para eventos

M I

M Conjunto de personas de género femenino

I Conjunto de personas que estudiaron ingenieria
Intersección de eventos
La intersección entre dos conjuntos A y B consta de elementos que son
comunes a ambos conjuntos, se representa por AB
M

M I Conjunto de personas del

género femenino
y
estudiaron ingenieria
S

Propiedades de la intersección de sucesos

Conmutativa A∩B=B∩A
Asociativa A ∩ B ∩ C = A ∩ ( B ∩ C ) = (A ∩ B) ∩ C
Idempotente A∩A=A
Elemento neutro A ∩ S = A
Absorción A∩Ø=Ø
Unión de eventos
Si A y B son eventos aleatorios, designaremos al evento que ocurre si y solo si
al menos uno de los eventos A y B ocurre por AB

M I Conjunto de personas del

género femenino
o
estudiaron ingenieria
S

Propiedades de la unión de sucesos

Conmutativa AB=BA
Asociativa A  B  C = A  ( B  C ) = (A  B)  C
Idempotente AA=A
Elemento neutro A  Ø = A
Absorción AS=S
Eventos incompatibles o mutuamente excluyentes
Dos eventos A y B, son incompatibles cuando no tienen ningún elemento en
común A  B  

Eventos compatibles
Dos sucesos, A y B, son compatibles cuando tienen algún suceso elemental
común A  B  

Sistema completo de eventos

Un conjunto A1 , A 2 ,..., A n  de eventos aleatorios diremos que es completo si
n
A j  Ak   Ai  S
i1
Eventos complementarios
Dos eventos son complementarios cuando si un evento no ocurre, el otro debe
ocurrir. El complemento de A se representa por y es la negación de dicho
evento

Ejemplo:
S = {mujer, no mujer}
S = {estudió derecho, no estudió derecho}
S = {llegó tarde, no llegó tarde} Propiedades
(AC )C = A
SC = Ø
c ØC = S
A A  AC = S
A A ∩ AC = Ø
 

Leyes de Morgan
(A  B)C = AC ∩ BC
(A ∩ B)C = AC  BC
Diferencia de eventos
Si A y B son eventos aleatorios, designaremos al evento que ocurre si y solo si
c
ocurre A pero no ocurre el evento B se representa por A  B  A  B
A B

S
Diferencia simétrica de eventos
Si A y B son eventos aleatorios, designaremos al evento que ocurre si y solo
si ocurre A o B pero no ambos AB  (A  B)  (B  A)

A B

S
 El diagrama de árbol 
Es una representación gráfica de los posibles resultados del experimento, el
cual consta de una serie de pasos

Paso 1 Paso 2

Para la construcción de un diagrama en árbol se partirá poniendo una rama

para cada una de las posibilidades, acompañada de su probabilidad.
El diagrama de árbol va de lo general (el “tronco”) a lo especifico (las “ramas”)
CC, CE, EC, EE
Principio multiplicativo
Si en una primera decisión se puede hacer de “n” formas diferentes y una
segunda decisión en “m” formas diferentes entonces las dos decisiones
se pueden hacer en “n” por “m” o sea “nm” formas diferentes en el
orden dado. (2,5) (2,1), (2,3), (2,4), (2,6) (2,2)
Suponga que juan tiene 3 camisas (A, B, C) camisas y 4 pantalones (w, x, y, z)
¿De cuantas formas se puede vestir? Rta. De 12 formas posibles
w Aw
x Ax
A
y Az
z Az

w Bw
x Bx
B
y By
z Bz

w Cw
x Cx
C
y Cy
z Cz
¿Cuántos eventos simples hay en el espacio muestral cuando se lanzan al aire
tres monedas?
Cada moneda puede caer en una de dos formas. Por tanto, el número de
eventos simples es (2)(2)(2) = 8
El chofer de un camión puede tomar tres rutas de la ciudad A a la ciudad
B, cuatro de la ciudad B a la C y tres de la ciudad C a la D. Si, cuando viaja
de A a D, el chofer debe ir de A a B a C a D, ¿cuántas rutas posibles de A
a D hay?
A tres rutas B cuatro rutas C tres rutas D

Sean
n1 número de rutas de A a B 3 A1B1C1, A1B1C2, A1,B1C3, A1B2C1
n2 número de rutas de B a C 4
n3 número de rutas de C a D 3
El número total de formas para cubrir la ruta completa es
n1n2n3 = (3)(4)(3) = 36
Permutación Combinación
Es todo arreglo de elementos en Es todo arreglo de elementos en
donde nos interesa el lugar o posición donde no nos interesa el lugar o
que ocupa cada uno de los elementos posición que ocupa cada uno de los
que constituyen dicho arreglo. elementos que constituyen dicho
321, 312, 123, 132, 213, 231 arreglo.
321=123=231
De un grupo de matemática de 47
alumnos, se quiere escoger un
presidente, secretario, y tesorero.
¿De cuántas maneras se puede
seleccionar?
Juan, pedro, maría Se requiere formar un comité
Maria, juan , pedro representativo que lo conforman
un presidente, secretario y un
tesorero de un total de 15 personas
¿De cuántas maneras se puede
seleccionar estas tres personas
para ocupar estos puestos?
Permutación parcial
Permutaciones de objetos diferentes tomados parte al vez o de r en r.
Una permutación de “n” objetos diferentes tomados de “r” en “r” es
también un arreglo ordenado de “r” entre los “n “ objetos.
n!
nPr  Prn 
(n  r)!
Esta fórmula nos permite obtener todos aquellos arreglos en donde
el orden es importante y solo se usen parte (r) de los n objetos con
que se cuenta, además hay que hacer notar que no se pueden
repetir objetos dentro del arreglo, esto es, los n objetos son todos
diferentes
De un grupo de matemática de 47 alumnos, se quiere
escoger un presidente, secretario, y tesorero. ¿De
cuántas maneras se puede seleccionar?
n n! 47!
P
n r  Pr    97270 formas posibles
(n  r)! (47  3)!
Combinaciones ab, ba; abc, acb, bac, bca, cab, cba
Una combinación de un numero de objetos diferentes tomados de “r”
en “r” es una selección de “r” de los “n” objetos de un conjunto sin
considerar el orden de los objetos
n n n!
n Cr  Cr    
 r  r!(n  r)!
Esta fórmula nos permite obtener todos aquellos grupos en donde el
orden no es importante y solo se usen parte (r) de los n objetos con
que se cuenta, los arreglos ABC, ACB, BAC, BCA, CAB, CBA representan
un mismo elemento, además hay que hacer notar que no se pueden
repetir objetos dentro del grupo, esto es, los n objetos son todos
diferentes
Se requiere formar un comité representativo que lo conforman un
presidente, secretario y un tesorero de un total de 15 personas ¿De
cuántas maneras se puede seleccionar estas tres personas para ocupar
estos puestos?
15 15!
15 C3  C3   455 formas posibles
(3!)(12!)
De los 16 solicitantes de un trabajo, 10 tienen título universitario. Si
se escogen tres de los solicitantes al azar para entrevistas, ¿De
cuántas formas se pueden escoger de manera que:
ninguno tenga título universitario?
dos tengan título universitario?

(Solicitantes con titulo) ( solicitantes sin titulo)

a. (10C0)*(6C3)=1*20=20

b. (10C2)*(6C1)=45*6=270
Principio aditivo
Si se desea llevar a efecto una actividad, la cuál formas alternativas para ser
realizada, donde:
la primera de esas alternativas puede ser realizada de n maneras o formas,
la segunda alternativa puede realizarse de m maneras o formas, entonces
esa actividad puede ser llevada a cabo de n+m maneras o formas
Una persona desea comprar una lavadora de ropa, para lo cuál ha pensado que
puede seleccionar de entre las marcas Whirpool, Easy y General Electric,
cuando acude a hacer la compra se encuentra que la lavadora de la marca W se
presenta en dos tipos de carga ( 8 u 11 kilogramos), en cuatro colores diferentes
y puede ser automática o semiautomática, mientras que la lavadora de la marca
E, se presenta en tres tipos de carga (8, 11 o 15 kilogramos), en dos colores
diferentes y puede ser automática o semiautomática y la lavadora de la marca
GE, se presenta en solo un tipo de carga, que es de 11 kilogramos, dos colores
diferentes y solo hay semiautomática.
¿Cuántas maneras tiene esta persona de comprar una lavadora?
M: Número de maneras de seleccionar una lavadora Whirpool
N: Número de maneras de seleccionar una lavadora de la marca Easy
W: Número de maneras de seleccionar una lavadora de la marca General Electric
M: 2 x 4 x 2 = 16 maneras
N = 3 x 2 x 2 = 12 maneras
W = 1 x 2 x 1 = 2 maneras
 M + N + W = 16 + 12 + 2 = 30 maneras de seleccionar una lavadora
Probabilidad
Valor entre cero (evento imposible) y uno (evento seguro) que mide o describe
la posibilidad de que ocurra un evento.
Se puede escribir como fracción, decimal o porcentaje 12  0.48  48%
25
Probabilidad clásica (Regla de Laplace)
Parte del supuesto de que los resultados de un experimento son igualmente
probables, y se define la probabilidad de un evento A como el cociente de
resultados favorables a que ocurra el evento A y el numero de resultados
posibles del experimento, se representa por P(A)
número de resultados favorables de A n(A)
P(A)  
número total de posibles resultados n(S)
¿Cuál es la probabilidad de obtener un número par al lanzar un dado?
Sea el evento A: sale un número par
S={1,2,3,4,5,6} número total de posibles resultados n(S)=6
A={2,4,6} número de resultados favorables n(A)=3
número de resultados favorables de A n(A) 3
P(A)     0.5  50%
número total de posibles resultados n(S) 6
Interpretación: Existe un 50% de posibilidad de que salga un número par
¿Cuál es la probabilidad de obtener al menos una cara al lanzar dos veces una
moneda?
Un espacio muestral asociado al experimento es
S= {(cara, cara), (cara, escudo), (escudo, cara), (escudo , escudo)}
Sea A: Sale al menos una cara
A= {(cara, cara), (cara, escudo), (escudo, cara)}
número de resultados favorables de A n(A) 3
P(A)     0.75  75%
número total de posibles resultados n(S) 4

Interpretación: Existe un 75% de posibilidad de obtener al menos una cara

al lanzar una moneda dos veces
Probabilidad de frecuencia relativa o probabilidad empírica
La probabilidad de que un evento ocurra representa una fracción de los
eventos similares que ocurrieron en el pasado.
número de veces que ocurrió el evento n(A)
P(A)  
número total de observaciones pasadas n(S)
 Numero de tiradas Frecuencia Frecuencia
absoluta relativa
Conde de Bufon (1707 -1788) 4040 2048 0.5080
K Pearson (1857 – 1936) 12000 6019 0.5016
Jhon Kerrick 10000 5067 0.5067

En el limite P(X)  lim P(Xn )

n

¿Cuál es la probabilidad de que un alumno de Estadística apruebe la

clase si de 550 alumnos que han cursado la asignatura 418 lo hicieron?
Sea A: el alumno aprueba la clase
número alumnos que aprobaron la clase 418
P(A)    0.76  76%
número total de alumnos que cursaron la clase 550
Interpretación
Existe un 76% de posibilidad de aprobar la clase
Probabilidad subjetiva Bayesiana
Si se cuenta con poca o ninguna experiencia o información con la cual sustentar
la probabilidad, es posible aproximarla en forma subjetiva. La probabilidad se
asigna a partir de cualquier información que encuentre disponible.
Un equipo de administración piensa que hay una probabilidad de 0.35 de que
un nuevo producto tenga éxito en el mercado, esto constituye una probabilidad
subjetiva
El valor 0.35 es una opinión, más que un valor basado en una evidencia
objetiva.
Suponga el experimento que consiste en observar una carrera entre dos ciclistas,
ciclista A y ciclista B. 
Sean los eventos: 
          T: El ciclista A gana la carrera.
          R: El ciclista A pierde la carrera.
          S: Hay un empate (u otro resultado inesperado)
Se sabe que en las ultimas 6 carreras, el ciclista A ha ganado 3. Asigne la
probabilidad de ocurrencia del evento T, según el enfoque de probabilidad indicado:
     a. Enfoque clásico:  1/3=0.3333
b. Enfoque frecuencia relativa 3/6=0.5
c. Enfoque subjetivo, si se sabe que el ciclista A es un atleta bien entrenado y el
ciclista B no. 1
 Ejemplo
En una ciudad se publican tres periódicos A, B y C. El 30% lee A, el 20% lee B y el
15% lee C, el 12% lee A y B, el 9% A y C, el 6% B y C y finalmente el 3% A, B y C.
a) ¿Qué porcentaje de personas lee al menos uno de los tres periódicos?
b) ¿Qué porcentaje lee sólo A?
c) ¿Qué porcentaje lee B o C, pero no A?
 
30% lee A: P(A)=30%
S
20% lee B: P(B)=20%
15% lee C: P(C)=15% A B
9%
12% 5%
12% lee A y B: P(AB)=12%
9% lee A y C: P(AC)=9% 3%
6% lee B y C: P(AB)=6% 6% 3%

3% A, B y C: P(ABC)=3% 3%
59%
a. P(ABC)=41%
b. P[A-(BC)]=12%
C
c. P[(BC)-A]=P[(BC)Ac]=11%
Probabilidad Axiomática (Kolmogorov)
La Teoría de la Probabilidad, como disciplina matemática, puede y debe ser
desarrollada a partir de unos axiomas, de la misma manera que la Geometría
o el Álgebra.
Se llama probabilidad a cualquier función P que asigna a cada evento A del
espacio muestral Ω un valor numérico P(A), verificando los siguientes
axiomas:
(1) No negatividad: 0 ≤ P(A)

(2) Normalización: P(Ω) = 1

(3) Aditividad: P(A  B) = P(A) + P(B) si A ∩ B = Ø

Demostrar que: P( )= 0 (Utilizar:   S = )
P(S) = P(S U  )=P(S )+P() = 1+ P()  P( )= 0
Teorema de la probabilidad complementaria
Para un suceso A y su complementario Ac en el espacio muestral S:
P(Ac) = 1 - P(A)
1= P(S) = P(A U Ac )=P(A )+ P(Ac)  P(Ac )=1-P(A)
Demostrar que: 0 ≤ P(A) ≤ 1
1= P(E) = P(A U Ac )=P(A )+ P(Ac)  P(A ) = 1-P(Ac)  1, de donde
0  P(A )  1
Teorema
Dados dos eventos A y B en el espacio muestral Ω, si A  B
P(A)<P(B)

B
A
S
Del diagrama de Venn vemos que el área de A es menor que el área de B
(la cardinalidad en este caso es el área)
n(A)<n(B)
n(A) n(B)

n(S) n(S)
P(A)<P(B)
Teorema
Dados dos eventos A y B en el espacio muestral S, tenemos que
P(B  Ac) = P(B) - P(A  B)

A B
ABc AB BAc

S
Del diagrama de Venn
B=(A  B)  (B  Ac) de donde P(B)=P(A  B) + P(B  Ac)
P(B  Ac)=P(B)-P(A  B)
Regla de la suma:
Dados dos sucesos A y B en el espacio muestral S:
P(A  B) = P(A) + P(B) - P(A  B)
Del diagrama de Venn
A B = A (B Ac)  P(AB) =P(A)+P(B Ac)
P(AB)=P(A)+P(B)-P(A  B)
Eventos mutuamente excluyentes
Varios eventos son mutuamente excluyentes cuando al ocurrir uno de ellos, los
otros eventos no pueden ocurrir.

Al considerar el género de una persona: femenino, masculino

Al lanzar una moneda: sale cara, sale escudo
En una urna hay bolas de color rojo, negro, verde, se extrae una:
el color de la bola es rojo, negra, verde

Se tiene en este caso que la probabilidad que dos de ellos ocurran es cero

Eventos colectivamente exhaustivos

Varios eventos son colectivamente exhaustivos cuando uno de ellos debe
ocurrir.

Se tiene que suma de las probabilidades de eventos exahustivos es uno

 Herramientas para resolver problemas de probabilidad
Regla de la adición:

A B

P(A  B) = P(A) + P(B) - P(A  B)

En eventos complementarios:

c
A
A

P(Ac) = 1 - P(A)
 Ejemplo
¿Cuál es la probabilidad de obtener una suma de 7 en el lanzamiento de dos
dados?
Sea A: la suma de los números al lanzar dos dados
S = {(1,1),(1,2),(1,3),(1,4),(1,5),(1,6)
(2,1),(2,2),(2,3),(2,4),(2,5),(2,6)
(3,1),(3,2),(3,3),(3,4),(3,5),(3,6)
(4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
(5,1),(5,2),(5,3),(5,4),(5,5),(5,6)
(6,1),(6,2),(6,3),(6,4),(6,5),(6,6)}

número de resultados favorables de A 6

P(A)    0.1667  16.67%
número total de posibles resultados 36

Existe un 16.67% de obtener un siete al lanzar dos dados

 Ejemplo
La probabilidad que llueva mañana es 0.20, la probabilidad que truene es 0.10,
la probabilidad que llueva y truene es 0.07. ¿Cuál es la probabilidad que llueva
o truene mañana?
A: llueve mañana P(A)=0.20
B: Truene mañana P(B)=0.10
A y B: llueva y truene P(A y B)=0.07
Nos piden
P(A  B)=P(A)+P(B)-P(A  B)
= 0.20+0.10-0.07=0.23=23%
Existe un 23 % de posibilidad de que llueva o truene mañana

Ejercicio
En cierta comunidad, la probabilidad que una familia tenga televisor es 0.83,
que tengan lavadora es 0.62 y que tengan ambos es 0.51.
¿Cuál es la probabilidad que una familia no tenga lavadora? Rta: 0.38=38%
¿Cuál es la probabilidad que una familia tenga televisor o lavadora? Rta: 94%
¿Cuál es la probabilidad que una familia no tenga televisor ni lavadora? Rta. 6%
Probabilidad Condicional
Sean los eventos A y B de un espacio muestral E con P(A)0, la probabilidad de
que el evento B ocurra si (dado que) ya ocurrió A la llamaremos probabilidad
condicional y se define
P(A  B) P(A y B)
P(B/ A)  o bien P(B dado A)  P(A)
P(A)

Se utiliza cuando se sabe algo que ya ocurrió

La probabilidad de que un turista haya visitado Copán Ruinas (evento D) es

0.7, que haya visitado Islas de la Bahía (evento E) es 0.6 y la probabilidad que
haya visitado ambos sitios es de 0.5. ¿Cuál es la probabilidad de que un turista
visite Copán Ruinas (D) siendo que ya visitó Islas de la Bahía (E)?
P(D E) 0.5
P(D/ E)    0.8333  83.33%
P(E) 0.6
Existe un 83.33% de posibilidad de que un turista visite Copán Ruinas
si ya visitó Islas de la Bahía
Tabla de contingencia
Es una tabla utilizada para clasificar observaciones de una muestra de acuerdo
con dos o más características identificables (Variables Cualitativas)

Hombres (H) Mujeres (M) Total

Fuman (F) 24 10 34
No fuman (Fc) 36 20 56
Total 60 30 90
34
La probabilidad de fumar es P(F)     0.3778  37.78%
90
24
La probabilidad de que sea hombre y fume es P(H  F)   0.2667  26.67%
90

La probabilidad de que sea hombre si fuma

P(H  F) 0.2667
P(H / F)    0.7059  70.59%
P(F) 0.3778
La sensibilidad y la especificidad son dos estadísticas importantes de dicha
ayuda en la interpretación de los resultados de las pruebas de diagnóstico.
La definición de la sensibilidad y la especificidad depende de la comprensión
de los conceptos de aspectos positivos y negativos verdaderos y falsos:
Los verdaderos positivos: Prueba de positivo y tiene la enfermedad
Falsos positivos: Prueba de positivo, pero no tiene la enfermedad
Verdadero negativo: Prueba negativas y no tiene la enfermedad
Falso negativo: Pruebas de negativo, pero tiene la enferme

  Paciente enfermo
Si (Verdadero) No (Negativo)
Prueba Positivo VP FP
Prueba Negativa FN VN
     
   Paciente enfermo  
Si (Verdadero) No (Negativo)
Prueba Positivo VP FP VP+FP 
Prueba Negativa FN VN  FN+VN
   VP+FN FP+VN   
Sensibilidad:
Es la probabilidad de el test de positivo sobre una persona que sabemos que
padece la enfermedad (la prueba para detectar la enfermedad en sujetos enfermos)
 
Especificidad:
Es la probabilidad que el test de negativo sobre una persona que no la padece
(Con la especificidad lo que se detecta lo son los individuos sanos)
 
Lo que interesa saber en la práctica es, predecir si una persona está sana o enferma,
a partir del resultado del test diagnóstico, es decir, las cantidades:

Valor predictivo positivo: Es la probabilidad de que un individuo esté enfermo

si el test dio resultado positivo

Valor predictivo negativo: Es la probabilidad que un individuo no esté enfermo

si el test dio negativo
Un estudio investigo 1250 hombres, con sospecha de cáncer de próstata, a los cuales se
les realizó una biopsia, 920 dieron positivo a la biopsia, al finalizar el seguimiento del
estudio se confirmó que realmente 750 hombres tenían cáncer de próstata y la prueba
tuvo 40 resultados falsos negativos. Encontrar la sensibilidad, especificidad, valor
predictivo negativo, valor predictivo positivo
  Paciente enfermo  

Si (V) No (F)
Prueba positivo (P) 750 (VP) 170 (FP) 920
Prueba negativa (N) 40 (FN) 290 (VN) 330
Sensibilidad:   790 460 1250
Especificidad:
Es la probabilidad de el test de positivo
Es la probabilidad que el test de negativo
sobre una persona que sabemos que
sobre una persona que no la padece
padece la enfermedad
VP 750 VN 290
S   94.94% E   63.04%
VP  FN 750  40 VN  FP 290  170
VPP: VPN
Es la probabilidad de que un individuo esté Es la probabilidad que un individuo no
enfermo si el test dio resultado positivo esté enfermo si el test dio negativo
VP 750 VN 290
VPP    81.52% VPN    87.88%
VP  FP 750  170 VN  FN 290  40
Regla de la multiplicación
Sean los eventos A y B de un mismo espacio muestral P(A  B)  P(A)P(B / A)
P(A  B)
Tenemos que P(B / A)  de donde P(A  B)  P(A)P(B / A)
P(A)
En un experimento de preferencia de color, ocho juguetes se ponen en
un recipiente. Los juguetes son idénticos excepto por el color, dos son
rojos y seis son verdes. Se pide a un niño que escoja dos juguetes al azar.
¿Cuál es la probabilidad de que el niño escoja dos juguetes rojos?
Primera Segunda
Evento Sean los eventos
selección selección
R : 17
A: El primer juguete es rojo
RR B: El segundo juguete es rojo
R : 28
1R P(AB) = P(A) P(B/A)
6V V : 67
RV 2 1 1
2R P(A  B)     0.0357
R : 27 8 7 28
6V VR
V : 68 2R
5V V : 75
VV
Eventos Independientes
Se dice que los eventos A y B son independientes si P(B)=P(B/A) P(A)=P(A/B)

Sabemos que P(A∩B)=P(A)•P(B/A ), en eventos independientes se tiene que

P(B/A)=P(B) por lo que P(A∩B)=P(A)•P(B)

Ej:
No tiene que ver quién es campeón de fútbol de Honduras con quién es
campeón de España.
Si lanzamos un dado y una moneda es que salga cara o cruz en la moneda
no depende del resultado que se obtenga en el dado

Una forma de entender la independencia consiste en suponer que los

eventos A y B ocurren en diferentes tiempos. Por ejemplo, cuando el
evento B ocurre después del evento A, ¿influye A en la probabilidad de
que el evento B ocurra? Si la respuesta es no, entonces A y B son eventos
independientes.
¿Cuál es la forma preferida de la gente para ordenar comida rápida?
Se realizó una encuesta y los resultados fueron los siguientes:
Hombres (H) Mujeres (M) Total
Comer adentro (A) 21 12 33
Ordenar adentro para llevar (B) 19 10 29
Ordenar desde el automóvil (C) 60 78 138
Total 100 100 200

Si es hombre ¿Cuál es la probabilidad que prefiera ordenar desde el automóvil?

P(C H) 60
P(C / H)    0.60  60%
P(H) 100
¿Cuál es la probabilidad que sea mujer dado que come adentro?
P(M A) 12
P(M/ A)    0.3636  36.36%
P(A) 33
¿La preferencia de comer adentro es independiente del género? Justificar
21 33 100
P(A  H)   0.21 P(A)   0.1652 P(H)   0.5
200 200 200
Como P(AH)P(A)P(H) la preferencia de comer adentro y el género
no son independientes
Cien adultos fueron entrevistados en una encuesta por teléfono. El interés
fue la opinión de ellos con respecto a la carga que implican los préstamos
para estudiantes universitarios y si quienes respondieron tenían un hijo
actualmente, sus respuestas fueron
  Carga de préstamo
Hijo en la universidad Alta (A) Recomendable (B) Baja (C) Total
Si (D) 20 9 1 30
No (E) 41 21 8 70
Total 61 30 9 100

¿Son los eventos A y D independientes? NO

20 61 30
P(A  D)   0.20 P(A)   0.61 P(D)   0.30
100 100 100

¿Son los eventos B y D independientes? SI P(B y D)=P(B)*P(D)

9 30 30
P(B  D)   0.09 P(B)   0.30 P(D)   0.30
100 100 100

¿Son los eventos C y D independientes?NO

1 9 30
P(C  D)   0.01 P(C)   0.09 P(D)   0.30
100 100 100
 Ejemplo

El Gerente de una Estación de Servicio, sabe por su experiencia que el 70%

de los clientes usan Tarjeta de Crédito para cargar combustible.- ¿Cuál es la
probabilidad de que los dos clientes siguientes que compren combustible
usen tarjetas de créditos?.

Solución
Sea A: el primer cliente use tarjeta de crédito.
Sea B: el segundo cliente use tarjeta de crédito.

Nos piden que los dos paguen con tarjeta de crédito

P (A ∩ B) = P (A) * P (B) = 0.70 * 0,70 = 0.49=49%

P(A/B)=P(A y B)/P(B) despejando P(A y B)= P(B)*P(A/B)

Probabilidad total
Sean A1,A2,A3...,An eventos disjuntos (mutuamente excluyentes), que forman
una partición de S, esto es
Ai  Aj =  para toda i y toda j
S = A1  A2  A3  An

Entonces P(B) =  P(BAK)= P(A1 )P(B / A1 )  P(A2 )P(B / A2 )    P(An )P(B / An )

BA1 BA2

BA3
B
BA4

B= (BA1)  (BA2)  (BA3)  (BA4)

P(B) = P(BA1) + P(BA2) + P(BA3) + P (BA4)
 P(A1 )P(B / A1 )  P(A2 )P(B / A2 )    P(An )P(B / An )
Supongamos que en unas elecciones las probabilidades de que ganen los
partidos políticos A y B son de 0.55 y 0.45 respectivamente, en el caso que
ganara A, la probabilidad de que suban los impuestos es 0.8, mientras que
en el caso en que salga elegido B la probabilidad que suban los impuesto es
de 0.6, Construir un diagrama de árbol indicando las probabilidades
correspondientes

0.8 Suben los impuestos si gana A

0.55 A
0.2 No suben los impuestos si gana A

0.6 Suben los impuestos si gana B

0.45 B

0.4 No suben los impuestos si gana B

 Consideremos los eventos A: Gana las elecciones A
B: Gana las elecciones B
C: Suben los impuestos
¿Cuál es la probabilidad de que suban los impuestos?

Gana A y suben los impuestos

0.8
probabilidad = 0.55*0.8 = 0.44
0.55 A
0.2
Gana A y no suben los impuestos
probabilidad = 0.55*0.2 = 0.11

0.6 Gana B y suben los impuestos

probabilidad = 0.45*0.6 = 0.27
0.45 B
Gana B y no suben los impuestos
0.4
probabilidad = 0.45*0.4 = 0.18

Los impuestos subirán si gana A o B, en este caso 0.44 + 0.27 = 0.71 =71%
P(C)  P(A)P(C/ A)  P(B)P(C/ B)  0.55  0.8  0.45  0.6  0.71
 Teorema de Bayes.
Supóngase que A1, A2, A3,...,An es una partición de un espacio muestral S.
En cada caso P(Ai) ≠ 0. La partición es tal que A1, A2, A3,...,An, son eventos
mutuamente exclusivos. Sea B cualquier evento, entonces para cualquier
Ai ,
P(Ai )P(B/ AI )
P(Ai / B) 
P(A1 )P(B/ A1 )  P(A2 )P(B/ A2 )    P(An )P(B/ An )

Tenemos que
P(Ai  B)
P(Ai / B) 
P(B)
P(Ai )P(B/ Ai )

P(B)
P(Ai )P(B/ AI )

P(A1 )P(B/ A1 )  P(A2 )P(B/ A2 )    P(An )P(B/ An )

Del teorema de la partición

 El Teorema de Bayes se emplea cuando en un proceso hay dos pasos, se
conoce el resultado del segundo paso y se quiere saber la probabilidad
de ocurrencia del primer paso, es una probabilidad condicional

Retomando el ejemplo de las elecciones y los impuestos.

Supongamos que subieron los impuestos, queremos saber la probabilidad

de que haya ganado al candidato A

P(ganó A y subieron los impuestos)

P(ganó A dado qué subieron los impuestos) =
P(subieron los impuestos)

P(A  C) P(A)P(C/ A) 0.44

P(A/C) =    0.6197
P(C) P(A)P(C/ A)  P(B)P(C/ B) 0.71