Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3
Nuestro concursante
seleccionará una puerta ...
Elijo la
puerta A
A B C
PUERTA
SELECCIONADA
A C
Gana Pierde Gana
c 1 0.5
c, s 2
Experimentos y Eventos
C
S
C
C S
S C
S
C
S
ÁRBOL DE
PROBABILIDADES S
Experimentos y Eventos
• Experimento
– Actividad que origina un evento.
– Proceso de hacer una observación y obtener un resultado.
• Evento
– Uno o más de los posibles resultados de un experimento.
• Espacio Muestral
– Colección de todos los posibles resultados de un
experimento.
Experimento Espacio Muestral
Lanzar una moneda Cara, Sello.
Lanzar dos monedas CC, CS, SC, SS
Sacar una carta (valor) 2, 2, ..., A (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar, Perder
Inspeccionar una parte Defectuoso, Bueno
Experimento: Lanzar dos monedas
Espacio Muestral: CC, CS, SC, SS
Evento Resultados
Solución:
•METODO 1: utilizando el diagrama del árbol
Algunos principios de conteo
Existen 12 maneras diferentes en que estos equipos se pueden
ubicarse en el primer y segundo lugar.
Si se desea realizar una actividad que consta de r pasos, en donde el
primer paso de la actividad a realizar puede ser llevado a cabo de N 1
maneras o formas, el segundo paso de N2 maneras o formas y el r-ésimo
paso de Nr maneras o formas, entonces esta actividad puede ser llevada a
efecto de;
N1 x N2 x ..........x Nr maneras o formas
El principio multiplicativo implica que cada uno de los pasos de la
actividad deben ser llevados a efecto, uno tras otro.
5-37
Ejemplos:
1) Una persona desea construir su casa, para lo cuál considera
que puede construir los cimientos de su casa de cualquiera de
dos maneras (concreto o block de cemento), mientras que las
paredes las puede hacer de adobe, adobón o ladrillo, el techo
puede ser de concreto o lámina galvanizada y por último los
acabados los puede realizar de una sola manera ¿cuántas
maneras tiene esta persona de construir su casa?
Algunos principios de conteo
Solución:
Considerando que r = 4 pasos
N1= maneras de hacer cimientos = 2
N2= maneras de construir paredes = 3
N3= maneras de hacer techos = 2
N4= maneras de hacer acabados = 1
N1 x N2 x N3 x N4 = 2 x 3 x 2 x 1 = 12 maneras de construir la casa
El principio multiplicativo, el aditivo y las técnicas de conteo que
posteriormente se tratarán nos proporcionan todas las maneras o formas
posibles de como se puede llevar a cabo una actividad cualquiera.
Algunos principios de conteo
PRINCIPIO ADITIVO.
Si se desea llevar a efecto una actividad, la cuál tiene
formas alternativas para ser realizada, donde la primera de
esas alternativas puede ser realizada de M maneras o
formas, la segunda alternativa puede realizarse de N
maneras o formas ..... y la última de las alternativas puede
ser realizada de W maneras o formas, entonces esa
actividad puede ser llevada a cabo de,
M + N + .........+ W maneras o formas
Algunos principios de conteo
Ejemplos:
1) 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?
Algunos principios de conteo
Solución:
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
Solución:
a) V = maneras de ir a las Vegas
D = maneras de ir a Disneylandia
V = 3 x 2 = 6 maneras
D = 3 x 4 = 12 maneras
V + D = 6 + 12 = 18 maneras de ir a las Vegas o a Disneylandia
b) V = maneras de ir y regresar a las Vegas
D = maneras de ir y regresar a Disneylandia
V = 3 x 2 x 1 x 2 = 12 maneras
D = 3 x 4 x 3 x 2 = 72 maneras
V + D = 12 + 72 = 84 maneras de ir a las Vegas o a Disneylandia en un
viaje redondo
Algunos principios de conteo
Pn=n.(n-1).(n-2)...3.2.1
n!=n.(n-1).(n-2)...3.2.1
Si n = 1, se define 1!=1
Si n = 0 se define 0!=1
Permutaciones
Principios de conteo
52! 52!
47! (52 5)!
n!
nC r
r!(n r )!
Combinaciones
24! 24!
24C 4 10,626
4!( 24 4)! 4!*20!
Clases de Eventos
• Eventos Mutuamente Excluyentes
– Dos o más eventos que no pueden ocurrir al mismo tiempo.
– A: Reina de Corazones; B: Reina de Espadas
• Los eventos A y B son mutuamente excluyentes.
• Eventos No Mutuamente Excluyentes
– Dos o más eventos que si pueden ocurrir al mismo tiempo.
– A: Naipes de Corazones; B: As
• Los eventos A y B no son mutuamente excluyentes.
• El As de Corazones
Mutuamente Excluyentes
Evento A Evento B
Espacio Muestral
No Mutuamente Excluyentes
Evento A Evento B
5-11
Evento A Evento B
Regla de la Adición
Complemento de A
Evento A
Ac
5-18
Evento A Evento B
x
x
P (3) 2 / 36
57
Supongamos que hemos lanzado ya el dado rojo y ha salido
un 1. ¿Cuál es ahora la probabilidad de que sumen 3?
58
Sucesos
A Ac
A = ser hombre (H)
B = edad 20
4 2
B
Bc 2 6
Probabilidades
P(A) = 6/14 = 0.43
P(B) = 6/14 = 0.43
P(A B) = 4/14 = 0.29
P(A B) = P(A) + P(B) - P(A B)
6/14 + 6/14 - 4/14 = 0.43+ 0.43 - 0.29 = 0.57
• La presentación de un evento
no tiene efecto sobre la
probabilidad de presentación
de cualquier otro evento.
– Probabilidad Marginal o
Incondicional
– Probabilidad Conjunta
– Probabilidad Condicional
Probabilidad Marginal
Probabilidad Conjunta
Regla especial de
multiplicación
• La regla especial de multiplicación requiere
que dos eventos A y B sean independientes.
• P(A y B) = P(A ∩ B) = P(A) * P(B).
Tabla de Contingencia
Evento
Evento B1 B2 Total
A1 P(A1 y B1) P(A1 y B2) P(A1)
A2 P(A2 y B1) P(A2 y B2) P(A2)
Color
Tipo Rojo Negro Total
As 2 2 4
No As 24 24 48
Total 26 26 52
Tabla de Contingencia
Color
Tipo Rojo Negro Total
As 1/26 1/26 2/26
No As 6/13 6/13 12/13
Total 13/26 13/26 26/26
Escoger un artículo
¿Cuál es la Probabilidad?
P (A) =
Evento
P (D) = Evento C D Total
P (C y B) = A 4 2 6
P (A o D) = B 1 3 4
Total 5 5 10
P (A y C) =
A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.
Solución
Probabilidad Condicional
• Cuando la probabilidad de
que se presente algún evento
depende o se ve afectada por
la presentación de algún otro
evento.
– Probabilidad Condicional
– Probabilidad Conjunta
– Probabilidad Marginal
Probabilidad condicionada
[...] Quiero decir, para empezar: ¿a
quién le importa si saco una bola
blanca o una bola negra de una
urna? Y segundo: si tan
preocupado estás por el color de la
bola que sacas, no lo dejes en
manos del azar: ¡mira en la
maldita urna y saca la bola del
color que quieras!
P ( B, A)
P ( B | A)
P ( A)
Probabilidad Conjunta
(Dependencia Estadística)
P ( A, B ) P ( A | B ) * P ( B )
P ( B, A) P ( B | A) * P ( A)
P ( A, B) P ( A | B ) * P ( B)
• P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
• P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
Probabilidad Marginal
(Dependencia Estadística)
• Suma de las probabilidades de TODOS los
eventos CONJUNTOS en los que se presenta el
evento sencillo.
P(C,R) = P(C|R)*P(R) = 1/5 * 5/10 = 1/10
P(C,P) = P(C|P)*P(P) = 3/5 * 5/10 = 3/10
¿Cuál es la probabilidad?
P (A|D) = Evento
Evento C D Total
P (C|B) =
A 4 2 6
Son C y B B 1 3 4
independientes?
Total 5 5 10
A: Artículos en idioma español
B: Artículos en idioma inglés.
C: Artículos sobre estadística.
D: Artículos sobre gestión.
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10
2
P(A y D) 10 2
P(A | D)
P(D) 5 5
10
1
P(C y B) 10 1
P(C | B)
P(B) 4 4
10
5 1 6 2
P(C) P(A)
10 4 10 5
Tipos de Probabilidades
Si conocemos la probabilidad
A1 A2
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
sucesos, entonces podemos
B
calcular la probabilidad de B
como la suma:
A3 A4
B n
P( B) P ( B | Ai ) P( Ai )
i 1
A3 A4
90
Ejemplo: En este aula el 70% de los alumnos son hombres. De ellos el
10% son fumadores. El 20% de las mujeres son fumadoras.
¿Qué porcentaje de fumadores hay en total?
Fumadores
Fuma
0,1
Hombre
0,7
No fuma
0,9
Estudiante
0,2
0,3 Fuma
Mujer
0,8
No fuma
P(B A)
P(B | A)
P(A)
Thomas Bayes nació en Londres, Inglaterra.
Su padre fue ministro presbiteriano.
Posiblemente De Moivre fue su maestro
particular, pues se sabe que por ese entonces ejercía
como profesor en Londres.
P(B Ai )
P(Ai|B)
P(B)
A3 A4
0,8
No fuma
NO
es P(P|noE)
tá
0.
95
en
fe si tiva P(noE,P)=0.95x0.15=0.1425
rm P o
b a
o rue 15
P(no E) P 0.
Pru
eb
a
0.8 Neg
5 ati
va
P(N|noE) P(noE,N)=0.95x0.85=0.8075
P ( E , P ) 0.0450
P( E | P) 0.24
P( P) 0.1875
Observaciones -¿Qué probabilidad
tengo de estar
enfermo?
• En el ejemplo anterior, al llegar un
- En principio un 5%. Le
individuo a la consulta tenemos una haremos unas pruebas.
idea a priori sobre la probabilidad de
que tenga una enfermedad.
1000 mujeres
u ena 0.98
B
Ma
la
P(1)
0.0
r 1 2
edo P(1,M)=0.65x0.02=0.0130
v e . 65
o 0 P(M|1)
Pr
Pr
ov
ee P(B|2) 0.0130 +
0. dor P(2,B)=0.35x0.95=0.3325 0.0175
35 2
e n a
Bu 5 0.0305
P(2) 0.9
Ma
la
0.0
5
P(M|2) P(2,M)=0.35x0.05=0.0175
P(1|M) 0.4262
P(2|M) 0.5738
P (1, M ) P(2, M )
P (1 | M ) P(2 | M )
P( M ) P( M )
Teorema de Bayes
a 0.5295
r
ib
0
l
Ca
ena0 P(NC,BBB)=0.30x(0.40)3=0.0192
u
B 0.4
No
ena Ma 0.60
0.3 bra
u
Ca
B .40
0 la
0 da
ena
li
P(NC) u 0.60
B .40 Mal
0 a
0.60
Ma la
P(Calibrada|BBB) 0.9637
P(Calibrada, BBB)
P(Calibrada | BBB)
P( BBB)
P( No Calibrada , BBB)
P ( No Calibrada | BBB)
P( BBB)
Supongamos que la incidencia del consumo de drogas
en la población es del 5%. Hacemos una prueba de
drogas, que tiene una fiabilidad del 95%, a un sujeto
escogido al azar y el resultado es positivo.
¿Cuál es la probabilidad de que consuma drogas?
95 5 5 95 95
P( positivo )
100 100 100 100 1000
P (drogadicto positivo )
P(drogadicto | positivo )
P( positivo )
5 95
100 100 0,5
95
1000
Spotck, la gata de Data
en Start Treck, ha tenido
un camada de 4
cachorros. El capitán
Piccard le pregunta
cuántos son macho y
cuántos hembra. Data
le responde que, basándose en el cálculo de
probabilidades, lo más probable es que sean dos
gatitos y dos gatitas. Piccard llama
inmediatamente a seguridad para que detengan a
Data. ¿Qué ocurre?
Si un gato puede ser macho o hembra y
hay cuatro gatos, tenemos 24 = 16 posibilidades:
HHHH MMMM
•Probabilidad de que todos sean del mismo sexo = 2/16 = 1/8
1 4999
P (no contagiarse en 1 contacto) 1
5000 5000
n
4999
P (no contagiarse en n contactos) 0,5
5000
Ln 0,5
n 3465
4999
Ln
5000
Si no conocemos el estado de salud de nuestra
pareja, pero sabemos con certeza que no
pertenece a ningún grupo de riesgo conocido, las
probabilidades pasan a ser de 1/5.000.000 sin
preservativo y 1/50.000.000 con preservativo,
riesgos muy inferiores a morir en un accidente de
tráfico volviendo de la cita, que es de alrededor de
1/5300.
El hombre anumérico,
John Allen Paulos.
http://www.math.temple.edu/~paulos/
114
115
¿Si sospechamos que una moneda está trucada (probabilidad
no simétrica) cómo utilizarla para echar suertes de manera
justa? Por ejemplo, supongamos que la moneda sale cara (C)
un 60% de las veces y sale cruz (+) un 40% de las veces.
¿Qué experimento aleatorio daría las mismas posibilidades a
dos sujetos A y B? (John von Newmann)
P 1 (1 0.5) 2 0.75
117
Antoine Gambaud, Chevalier de Mère, planteó uno de los
problemas más antiguos de la teoría de probabilidad al filósofo
y matemático francés Blaise Pascal: ¿Qué es más probable?
(a) Sacar al menos un 6 al tirar 4 veces un solo dado o
(b) sacar un 12 en 24 tiradas de 2 dados.
A pesar de que Pascal había renunciado a las matemáticas por
considerarlas una forma de deleite sexual (¡!), aceptó resolver
el problema:
4 4
5 5
P(ningún 6) ; P(al menos un 6) 1 0,52
6 6
24 24
35 35
P(ningún 12) ; P(al menos un 12) 1 0,49
36 36
Morir de ...
P(no morir de accidente de coche) = 99%
P(no morir de accidente doméstico) = 98%
P(no morir de enfermedad pulmonar) = 95%
P(no morir de locura) = 90%
P(no morir de cáncer) = 80%
P(no morir de enfermedad cardiaca) = 75%
La probabilidad de librarse individualmente de cada una de estas
formas de muerte es alentadora, pero: ¿Cuál es la probabilidad
de morir a causa de alguna de ellas?
1
a) 2
Caja I
3
5 P P ( I ) P( R | I ) P ( II ) P( R | II )
1 3 1 2 2
1
Caja II
2
10
2 3 2 2 2 8 5
2
b)
1 3
P( I ) P( R | I ) 2
3 2 3
P
P ( I ) P( R | I ) P ( II ) P ( R | II ) 1 3 1 3 4
2 3 2 2 2 8
127
8/ Un ladrón es perseguido por un coche de policía y al llegar a un
determinado cruce se encuentra tres posibles calles por las que huir (A, B y
C), de tal manera que las dos ultimas son tan estrechas que por ellas no cabe
el coche de policía, de lo cual el ladrón no se da cuenta
Si huye por la calle A le atrapan seguro puesto que la final de la misma hay
otra patrulla de policía. Si huye por la calle C se escapa seguro puesto que no
está vigilada. Si huye por la calle B se encontrará que esta se bifurca en dos
callejuelas: la BA, que conduce a A y la BC que conduce a C-
a) ¿Cuál es la probabilidad de que el ladrón sea atrapado?
b) Sabiendo que escapó, ¿cuál es la probabilidad de que huyera por la C
entrando por la B y llegando a C por la callejuela BC?
Policía
a)
A Atrapado
1
3 1
A
BA
Policía Ladrón B
1 2
BA Atrapado
3
C B
BC
1
BC Escapa
2
1
Vía 3 Escapa
C
libre
128
P (atraparle) P(A) P (atraparle en A)
P(B) P(BA) P (atraparle en BA) P (BC) P (atraparle en BC)
1 1 1 1 1 1 1 1
P(C) P (atraparle en C) 1 1 0 0
3 3 2 2 3 3 6 2
b)
1 1
1
P (B) P(BC) P(escapar C) 3 2 1
P (escapar por BC)
P(escapar) 1 3
2
1 1
P(escapar) 1 - P(ser atrapado) 1 -
2 2
129
13/ Dados los sucesos A y B , tales que P(A)=0,4 y P(B)=0,3 y P(A∩B)=0,1 , calcúlense las
siguientes probabilidades:
a) P( A / B )
b) P(A/A U B)
c) P(A/A ∩ B)
d) P( A /B)
a)
P( A B)
P( A / B) ; ( A B ) ( A B) E
P( B )
P (( A B ) ( A B )) P ( A B ) P ( A B ) P ( E ) 1
P ( A B ) 1 P ( A B ) 1 ( P ( A) P ( B ) P ( A B ))
1 (0, 4 0, 3 0,1) 0, 4
0, 4 4
P ( B ) 1 P ( B ) 1 0,3 0, 7 ; P( A / B )
0, 7 7
b)
P ( A ( A B )) P (( A A) P ( A B )) P ( A ( A B ))
P( A / A B)
P ( A B) P( A B ) P ( A B)
P ( A) 0, 4 2
P ( A B ) 0, 6 3
c)
P ( A ( A B )) P ( A B )
P( A / A B ) 1
P( A B ) P( A B)
d)
P ( A / B ) 1 P ( A / B ), ya que ( A / B ) ( A / B ) E
P( A B) 0,1 2
P( A / B) 1 1
P( B) 0, 3 3
130
17/ En unos laboratorios se preparan tres vacunas contra la misma enfermedad. Las probabilidades de obtener
en el mercado cada una de ellas son: vacuna 1=1/6; vacuna 2=1/3; vacuna 3=1/2. Las probabilidades de
inmunidad con cada una son: vacuna 1=0,90; vacuna 2=0,94; vacuna 3=0,88. Calcúlese la probabilidad de que,
utilizando cualquiera de ellas, el sujeto vacunado resulte inmune.
131
19/ Sean las urnas de bolas U1 = (5b, 8n) y U2 = (6b, 9r). Se toma una bola de U1 y se pasa a U2 y seguidamente
una de U2 y se pasa a U1. ¿cuál es la probabilidad de que esta última sea roja?
(b = bola blanca, n = bola negra, r = bola roja)
Las posibles dobles extracciones de U1 son: bb, br, nn, nb y nr ; cuyas probabilidades respectivas son:
5 7 5 9 8 1 8 6 8 9
, , , y
13 16 13 16 13 16 13 16 13 16
Sea B el suceso cuya probabilidad queremos calcular. Por el teorema de la probabilidad total tenemos que:
132
20/ Un test detecta la presencia de un cierto tipo T de bacterias en el agua con probabilidad 0,9 en caso de
haberlas. Si no las hay, detecta la ausencia con probabilidad 0,8. sabiendo que la probabilidad de que una
muestra de agua contenga bacterias de tipo T es 0,2 , calcular la probabilidad:
a) De que realmente haya presencia de bacterias cuando el test ha dado resultado positivo
b) Ídem cuando del resultado del test es negativo
c) De que haya bacterias y el test sea positivo
d) De que, o haya bacterias, o el test sea positivo
Designaremos por T el suceso “que haya bacterias tipo T” y por C el suceso “el test dio positivo”.
a) Por el teorema de Bayes:
P (C / T ) P(T ) 0,9 0, 2 9
P(T / C )
P (C / T ) P (T ) P (C / T ) P (T ) 0,9 0, 2 0, 2 0,8 17
P (C / T ) P (T ) 0,1 0, 2 0, 02 1
b) P (T / C )
P (C / T ) P (T ) P (C / T ) P (T ) 0,1 0, 2 0,8 0,8 0, 66 33
133
21/ A un puesto aduanero llegan periódicamente misiones diplomáticas procedentes de un determinado país y que
están constituidas por 10 miembros. El citado país es un gran productor de marihuana, circunstancia que, de vez
en cuando, es aprovechada por sus misiones diplomáticas para introducir algún que otro cargamento en el país
que visitan, siendo la forma de hacerlo el que dos de los diez miembros lleven en sus maletas la hierba.
Los aduaneros tienen ya información del truco, pero, para no producir incidentes diplomáticos, se limitan a
inspeccionar dos de las diez maletas dejando pasar a la misión si en las maletas inspeccionadas no encuentran
droga. Su experiencia les dice además que el 10% de las misiones portan la droga.
Si una misión inspeccionada no arroja resultado positivo, ¿cuál es la probabilidad de que realmente dicha misión
no lleve droga alguna?
Denominaremos:
A1 al suceso “la delegación porta droga”
A2 al suceso “la delegación no lleva droga”
B al suceso “una misión inspeccionada arroja resultado negativo”
Conocemos:
P ( A1 ) 0,1 P ( A2 ) 0,9
8 2
2 0 28
P ( B / A1 ) P( B / A2 ) 1
10 45
2
Y nos pide P(A2/B). Esta probabilidad podemos calcularla con ayuda del teorema de Bayes:
P ( A2 ) P ( B / A2 )
P ( A2 / B ) 0,9353
P ( A1 ) P ( B / A1 ) P ( A2 ) P( B / A2 )
134
22/ Una caja contiene 3 monedas, 2 normales y una con dos caras. Se elige una moneda al azar y se efectúa una
tirada. Si sale cara se tira otra vez. Si sale cruz se elige una de las otras dos que quedan en la caja y se tira. Se pide:
P (dos caras) P( B ) P ( B A1 ) P ( B A2 ) P ( A1 ) P ( B / A1 ) P ( A2 ) P( B / A2 )
a) 2 1 1 1 1
1 0,5
3 4 3 6 3
(donde A1 es el suceso consistente en que la moneda extraída sea normal y A2 que la moneda extraída sea la especial)
1
P ( A2 B ) P ( A2 ) P( B / A2 ) 3 2 2 1 1 1 1
b) P ( A / B ) P ( H ) P ( M 1 ) P (C / M 1 ) P ( M 2 / M 1 ) P (C / M 2 )
P( B) P( B) 1 3 3 2 2 2 12
2
c) Saldrán dos cruces si la primera moneda era normal y el lanzamiento fue cruz y la segunda moneda era también normal y asimismo arrojó
cruz. Llamaremos:
2 1 1 1 1
P ( H ) P ( M 1 ) P (C / M 1 ) P ( M 2 / M 1 ) P ( C / M 2 )
3 2 2 2 12
135
23/ Una urna contiene 2 bolas blancas, 5 negras y 4 rojas, y de ella extraemos tres bolas, una a continuación de
otra. La primera que se extrajo resultó roja, la segunda no se miró y la tercera fue negra.
Determinar la probabilidad de que la bola extraída en segundo lugar sea blanca.
La información de que la primera bola extraída fue roja reduce el problema inicial a este otro:
Una urna con 2 bolas blancas, 5 negras y 3 rojas y de ella extraemos 2 bolas, una después de la otra. La primera no se miró y la segunda era
negra. ¿cuál es la probabilidad de que la bola extraída en primer lugar sea blanca?
Llamamos B, N y R a los sucesos salir bola blanca, negra o roja en primer lugar y C al suceso “segunda bola extraída sea negra”
5 4 5
P (C / B ) P (C / N ) P (C / R )
9 9 9
2 5 3
P( B) P( N ) P( R)
10 10 10
Y pretendemos calcular es P(B/C) lo que haremos con ayuda del teorema de Bayes. Así tenemos:
P (C / B ) P( B ) 2
P( B / C )
P (C / B) P( B) P(C / N ) P( N ) P(C / R) P( R ) 9
136
Sean tres urnas con las siguientes posiciones de bolas blancas y negras:
U1: (3 blancas y 2 negras)
U2: (4 blancas y 2 negras)
U3: (1 blanca y 4 negras)
Calcúlese:
a) Probabilidad de extraer bola blanca
b) Probabilidad de que una bola negra que se ha extraído proceda de la segunda
urna.
SOLUCIÓN:
a) Suponemos que las tres urnas son equiprobables:
P(U1) = P(U2) = P(U3) = 1/3.
Por el teorema de la probabilidad total:
P(blanca) = P(blanca/U1) P(U1) + P(blanca/U2) P(U2) + P(blanca/U3) P(U3) = 3/5 x 1/3+
4/6 x 1/3 +1/5 x 1/3 = 22/45 = 0,48888
b) P (U2/negra) = P (negra/ U2)P (U2)/P(negra) =
= (P(negra/U2) P(U2)/(P(negra/U1)P(U1)+P(negra/
2 1
U2) P ( U2)+P(negra/U3) P/U3) =
6 3 5
2 1 2 1 4 1 23
5 3 6 3 5 3
También se podría haber obtenido con la probabilidad del complementario:
P (negra) = 1 – P (blanca) = 1 – 22/45 = 23/45
137