Probabilidad y Estadstica Unidad II: Parte II PROBABILIDAD Experimento aleatorio: Es aquel que puede producir resultados diferentes aun

cuando se repita siempre de la misma manera. Espacio muestral: Es el conjunto de todos los resultados posibles de un experimento aleatorio. El espacio muestral generalmente se representa con S. Un resultado particular, es decir, un elemento de S, se llama punto muestral. Un suceso A es un conjunto de resultados o en otras palabras un subconjunto del espacio muestral S. Dos sucesos A y B se llaman mutuamente excluyentes sin son incompatibles; es decir, si A B = . En otras palabras A y B son excluyentes si no pueden ocurrir simultneamente. Ejemplo 1: Tirar un dado y observar el nmero que sale: S= {1,2,3,4,5,6} Sea A el suceso de que salga un nmero par, B que salga impar y C que salga un nmero primo. a) Denotar cada suceso utilizando la notacin de conjuntos, b) realizar las operaciones A C , B C y

C c ,c) encontrar cuales de los sucesos son mutuamente excluyentes.

a) A={2,4,6}, B={1,3,5}, C={2,3,5} b)

A C = {2,3,4,5,6} , B C = {3,5} , C c = {1,4,6}

c) Los sucesos A y B son mutuamente excluyentes dado que A B = {} Ejemplo 2: Tirar una moneda 3 veces y observar la secuencia de caras (H) y cruces (T) que aparecen. a) Determinar el espacio muestral, b) Encontrar el suceso A de que dos o ms caras aparezcan consecutivamente y el B de que todas las tiradas sean iguales, c) Encontrar A B . a) S={HHH, HHT, HTH, HTT, THH, THT, TTH, TTT} b) A={HHH, HHT, THH}, B={HHH, TTT} c) A B = {HHH } Teoremas de probabilidad 1: La probabilidad del suceso imposible, o en otras palabras del conjunto vacio es nula, es decir, P()=0 2: Para cualquier suceso A se cumple que 0 P ( A) 1 3: Si A B , entonces P ( A) P ( B ) 4: Para dos sucesos cualquiera A y B se verifica que:

P( A \ B) = P( A) P ( A B)
5: Para dos sucesos cualquiera A y B

P ( A B ) = P ( A) + P ( B ) P ( A B )
Espacios finitos equiprobables Supongamos que S es un espacio muestral finito con n elementos y supongamos que las caractersticas fsicas del experimento sugieren que a varios resultados se les asignen probabilidades iguales. Entonces S se convierte en un espacio probabilstico llamado espacio finito equiprobable, si a cada punto p, se le Dr. Jorge Limn Romero

Probabilidad y Estadstica Unidad II: Parte II asigna la probabilidad 1/n y si a cada suceso A que contiene r puntos se le asigna la probabilidad r/n. con otras palabras:

p ( A) =

nmero de elementos de A n( A) = nmero de elementos de S n( S )

Ejemplo 1: Elegimos de forma aleatoria una carta de una baraja con 52 cartas. Consideremos los sucesos: A={La carta es un corazn}, B={La carta es una figura}. Calcular p(A), p(B) y p ( A B)

P( A) = P( B) =

nmero de corazones 13 1 = = nmero de cartas 52 4 nmero de figuras 12 3 = = nmero de cartas 52 13 nmero de figuras de corazones 3 = nmero de cartas 52

P( A B) =

Ahora suponga que queremos hallar la probabilidad de que la carta o sea una de corazones o sea una figura A cunto ser igual esta probabilidad?

P( A B) = P ( A) + P( B) P( A B) =

13 12 3 22 + = 52 52 52 52

Nota: Colores={Rombos, trboles, espadas y corazones}, Figuras={J,Q,K} Ejemplo 2: Se elige aleatoriamente a un estudiante de entre 80, de los cuales 30 estudian matemticas, 20 qumica y 10 ambas asignaturas. Hallar la probabilidad P de que el estudiante este estudiando matemticas o qumica.
U M
10
20

Q
10

40

P ( M Q ) = P ( M ) + P (Q ) P ( M Q )

30 20 10 , P(Q ) = y P( M Q) = 80 80 80 30 20 10 40 1 P( M Q) = + = = 80 80 80 80 2 P( M ) =
Espacios probabilsticos finitos Sea S un espacio muestral finito, digamos S = {a1 , a2 ...an } . Un espacio probabilstico finito, se obtiene asignando a cada punto ai de S un nmero real Pi llamado probabilidad de ai, que cumple las siguientes propiedades:

1) Cada Pi 0
Dr. Jorge Limn Romero 4

Probabilidad y Estadstica Unidad II: Parte II

n

2) Pi = 1
i =1

Ejemplo: Tirar 3 monedas y observar el nmero de veces que sale cara: S={0,1,2,3} Resultado 0 1 2 3 Probabilidad 1/8 3/8 3/8 1/8 Sea A el suceso de que aparezca cara al menos una sola vez y B el que aparezcan todas caras o todas cruces, encontrar p(A), p(B), p ( A B) y p( A B) .

3 3 1 7 + + = 8 8 8 8 1 1 2 p ( B) = p(3) + p (0) = + = 8 8 8 1 p ( A B ) = p(3) = 8 7 2 1 8 p ( A B ) = p( A) + p ( B) p ( A B) = + = = 1 8 8 8 8 p ( A) = p (1) + p (2) + p (3) =

Ejercicio: Tres caballos A,B,C estn en una carrera, A tiene el doble de posibilidades de ganar que B y B tiene el doble que C. a) Hallar sus respectivas probabilidades de ganar. b) Cul es la probabilidad de que gane B o C? a) P(A)=4/7, P(B)=2/7, P(C)=1/7 b) p ( B C ) = 3/7 Probabilidad Condicional Supongamos que E es un suceso de un espacio muestral S con p(E)>0. La probabilidad de que un suceso A ocurra dado que ha ocurrido E o concretamente la probabilidad condicionada de A dado E, se define como sigue:

P( A | E ) =

P( A E ) P( E )

Ejemplo 1: Se tira un par de dados. El espacio muestral S se compone de 36 pares ordenados (a,b), donde a y b pueden ser cualquier numero entre 1 y 6. As la probabilidad de que salga cualquier punto es 1/36. Hallar la probabilidad de que salga un 2 en uno de los dados, si la suma ha sido 6, es decir, hallar la probabilidad P(A|E). E= {La suma es 6}, A={Salga 2 al menos un dado} E= {(1,5), (2,4), (3,3), (4,2), (5,1)}, A= {(2,4), (4,2)}

Dr. Jorge Limn Romero

Probabilidad y Estadstica Unidad II: Parte II

2 P( A E ) 36 2 P( A | E ) = = = 5 P( E ) 5 36
Ejemplo 2: La probabilidad de que un vuelo programado normalmente salga a tiempo es P(D) = 0.83; la probabilidad de que llegue a tiempo es P( A) = 0.82 ; y la probabilidad de que salga y llegue a tiempo es

P( D A) = 0.78 . Encuentre la probabilidad de que un avin a) llegue a tiempo, dado que sali a
tiempo y b) sali a tiempo dado que lleg a tiempo. a) La probabilidad de que un avin llegue a tiempo, dado que sali a tiempo es

P( A | D) =

P( A D ) 0.78 = = 0.94 P( D) 0.83

b) La probabilidad de que un avin saliera a tiempo, dado que lleg a tiempo es

P( D | A) =

P( A D) 0.78 = = 0.95 P( A) 0.82

La nocin de probabilidad condicional proporciona la capacidad de reevaluar la probabilidad de un evento a la luz de informacin adicional; es decir, cuando se sabe que ocurri otro evento. La probabilidad P ( A | B ) es una actualizacin de P ( A) basada en el conocimiento de que ocurri el evento B. En el ejemplo anterior es importante conocer la probabilidad de que los vuelos lleguen a tiempo. Se nos da la informacin de que el vuelo no sali a tiempo. Con esta informacin adicional, la probabilidad ms pertinente es P( A | D c ) , esto es, la probabilidad de que llegue a tiempo, dado que no sali a tiempo. En muchas situaciones las conclusiones que se obtienen de observar la probabilidad condicional ms importante cambian por completo la situacin. Para el ejemplo anterior el clculo de

P( A | D c ) es:

P( A | D c ) =

P( A D c ) 0.82 0.78 = = 0.24 P( D c ) 0.17 P( A D c ) = P( A) P( A D ) = 0.82 0.78

Nota: Dado que P( A) = P( A D ) + P( A D c ) = 0.82 , entonces, Como consecuencia la probabilidad de una llegada a tiempo disminuye considerablemente ante la presencia de informacin adicional. Multiplicacin para la probabilidad condicionada

P( A | E ) =

P( A E ) , P ( A E ) = P ( A | E ) xP ( E ) P( E )

As la probabilidad de que ocurran A y E es igual a la probabilidad de que ocurra E por la probabilidad de que ocurra A, dado que ocurri E. como los eventos ( A E ) y ( E A) son equivalentes, se sigue entonces que tambin podemos escribir:

Dr. Jorge Limn Romero

Probabilidad y Estadstica Unidad II: Parte II

P ( A E ) = P ( E A) = P ( E | A) xP( A)
En otras palabras, no importa cual evento se considera como E y cual como A. Ejemplo 1: Un lote contiene 12 televisores de los cuales 4 son defectuosos. Se sacan 3 televisores al azar, uno detrs del otro. Hallar la probabilidad P de que los tres sean no defectuosos.

P=

8 7 6 14 x x = = 0.255 12 11 10 55

Ejemplo 2: La produccin de un da de 850 partes manufacturadas contiene 50 partes defectuosas. Se seleccionan 2 partes al azar sin reemplazo. a) Cul es la probabilidad de que la segunda parte sea defectuosa dado que la primera es defectuosa?, b) Si se seleccionan 3 partes al azar Cul es la probabilidad de que las dos primeras partes sean defectuosas y la tercera no lo sea? a) P(B|A)=49/849 b) P(DDN)= P( DDN ) =

50 49 800 x x = 0.0032 850 849 848

Dr. Jorge Limn Romero

Probabilidad y Estadstica Unidad II: Parte II Teorema de probabilidad total Considere la siguiente figura. Si los eventos B1, B2,,Bk constituyen una particin del espacio muestral S, tal que P( Bi ) 0 para i=1,2,,k, entonces para cualquier evento A de S,
k k

P( A) = P( Bi A) = P( Bi ) P( A | Bi )
i =1 i =1

B1

B4

B5

A A
B2 B3 BK

En esta figura se puede ver que el evento A es la unin de los eventos mutuamente excluyentes

( B1 A), ( B2 A),..., ( BK A) ; es decir, A = ( B1 A) ( B2 A) ... ( BK A) , por lo que como ya se vio anteriormente: P( A) = P[( B1 A) ( B2 A) ... ( BK A)] = P( B1 A) + P( B2 A) + ... + P( BK A) = P( Bi A) = P( Bi ) P( A | Bi )]
i =1 i =1 k k

Ejemplo: En cierta planta de montaje, tres mquinas B1, B2 y B3, montan 30%, 45% y 25% de los productos, respectivamente. Se sabe de la experiencia pasada que 2%, 3% y 2% de los productos ensamblados por cada mquina respectivamente, tienen defectos. Ahora, suponga que se selecciona de forma aleatoria un producto terminado. Cul es la probabilidad de que este defectuoso? Considere los eventos siguientes: A: el producto esta defectuoso B1: el producto esta ensamblado por la mquina B1 B2: el producto esta ensamblado por la mquina B2 B3: el producto esta ensamblado por la mquina B3 Al aplicar la regla de la probabilidad total, podemos escribir:

P( A) = P ( B1 ) P( A | B1 ) + P( B2 ) P( A | B2 ) + P( B3 ) P( A | B3 ) ,
Por lo que la probabilidad de que el producto sea defectuoso ser la siguiente:

P ( A) = (0.3)(0.02) + (0.45)(0.03) + (0.25)(0.02) = 0.006 + 0.0135 + 0.005 = 0.0245

Dr. Jorge Limn Romero 8

Probabilidad y Estadstica Unidad II: Parte II Regla de Bayes Si los eventos B1, B2,,Bk constituyen una particin del espacio muestral S, tal que P( Bi ) 0 para i=1,2,,k, entonces para cualquier evento A de S, tal que P ( A) 0 ,

P( Br | A) =

P ( Br A)
k i =1 i

P ( Br ) P ( A | Br )
k i =1 i i

para r=1,2,,k.

P( B A) P( B ) P( A | B )

Ejemplo 1: Respecto al problema anterior, si se elige al azar un producto y se encuentra que es defectuoso, Cul es la probabilidad de que este ensamblado por la mquina B3? Con el uso de la regla de Bayes podemos escribir:

P( B3 | A) =

P ( B3 ) P( A | B3 ) , entonces: P( B1 ) P( A | B1 ) + P( B2 ) P( A | B2 ) + P( B3 ) P ( A | B3 )

P( B3 | A) =

0.005 = 0.204 0.006 + 0.0135 + 0.005

Ejemplo 2: Un compaa de seguros divide a las personas en dos clases, quienes son propensos a accidentes y quienes no lo son. Sus estadsticas muestran que una persona propensa a accidentes, tendr, en no ms de un ao, un accidente con una probabilidad de 0.4; mientras esta probabilidad decrece a 0.2 para personas no propensas a accidentes. Si pensamos que 30% de la poblacin es propensa a accidentes, a)Cul es la probabilidad de que una persona que compra una nueva pliza tenga un accidente en no ms de un ao?, b) Suponga que un nuevo asegurado ha tenido un accidente a no ms de un ao de haber comprado su pliza. Cul es la probabilidad de que sea propenso a accidentes? A: accidente Pa: Propenso a accidente Npa: no propenso a accidente P(pa)= 0.3, P(npa)=0.7, P(A|pa)=0.4 y P(A|npa)=0.2, por lo que utilizando la frmula para la probabilidad total. La probabilidad de que se le presente un accidente seria igual a:

P( A) = P( pa ) P( A | pa) + P(npa) P( A | npa) P( A) = (0.30)(0.4) + (0.7)(0.2) = 0.12 + 0.14 = 0.26

b) P ( pa | A) =

P( pa) P( A | pa) (0.3)(0.4) = = 0.4615 P( pa) P( A | pa) + P(npa) P ( A | npa) 0.26

Inicialmente, al comprar el cliente su seguro, se pensaba que haba una posibilidad de 30% de que la persona fuera propensa a accidentes. Sin embargo, en base en el hecho de que tuvo un accidente en no Dr. Jorge Limn Romero 9

Probabilidad y Estadstica Unidad II: Parte II ms de un ao, esta probabilidad cambia a 0.46, es decir se aumenta considerablemente la probabilidad de que sea propensa a accidentes al actualizarse la informacin. Ejemplo 3: Una prueba de sangre de laboratorio es 99% efectiva para detectar una cierta enfermedad cuando ocurre realmente. Sin embargo, la prueba tambin da un resultado positivo falso en 1% de las personas sanas a quienes se les aplica (es decir, si se le hace la prueba a una persona sana, con probabilidad de 0.01 el resultado de la prueba implicar que la persona padece la enfermedad). Si 0.5% de la poblacin tiene realmente la enfermedad, Cul es la probabilidad de que una persona tenga la enfermedad si la prueba dio resultado positivo? E: Tiene la enfermedad Ne: No tiene la enfermedad P: Da positivo en la prueba

P( E | P) =

P ( E ) P( P | E ) (0.005)(0.99) = = 0.3322 P( E ) P( P | E ) + P( Ne) P( P | Ne) (0.005)(0.99) + (0.995)(0.01)

As se tiene que solamente 33% de las personas en quienes la prueba da un resultado positivo, padecen realmente la enfermedad. Sucesos independientes Los sucesos A y B de un espacio probabilstico S son independientes si la ocurrencia de uno de ellos no influye en la ocurrencia del otro. Ms concretamente, B es independiente de A si P(B) es igual a P(B|A), por lo que si sustituimos P(B) por P(B|A), en el teorema de la multiplicacin para la probabilidad condicional, es decir, P( A B) = P( A).P( B | A) , nos queda:

P ( A B ) = P ( A).P ( B )
Entonces podemos decir que: Los sucesos A y B son independientes s P ( A B ) = P ( A).P ( B ) ; de cualquier otra forma sern dependientes. Ejemplo: Si se tira una moneda 3 veces con el siguiente espacio equiprobable

S = {SSS , SSA, SAS , SAA, ASS , ASA, AAS , AAA}

Consideremos los sucesos: A= {La primera tirada es cara}= {SSS, SSA, SAS, SAA} B= {La segunda tirada es cara}= {SSS, SSA, ASS, ASA} C= {Hay exactamente dos caras en una fila}= {SSA, ASS} Dr. Jorge Limn Romero 10

Probabilidad y Estadstica Unidad II: Parte II

Entonces: P(A)=

4 1 4 1 2 1 = , P(B)= = , P(C)= = , adems: 8 2 8 2 8 4 2 1 1 2 1 = , P( A C ) = P ( SSA) = , P( B C ) = P( SSA, ASS ) = = 8 4 8 8 4

P( A B) = P ( SSS , SSA) =
De acuerdo con esto:

1 1 1 x = = P( A B) , entonces A y B son independientes 2 2 4 1 1 1 P( A).P(C ) = x = = P ( A C ) , entonces A y C son independientes 2 4 8 1 1 1 P( B).P(C ) = x = P( B C ) , ces B y C son dependientes 2 4 8 P( A).P( B) =
Ejemplo 2: Se sabe que 30% de las lavadoras de cierta compaa requieren de servicio mientras est vigente la garanta, en tanto que solo 10% de sus secadoras necesitan de este servicio. Si alguien compra una lavadora y una secadora de esta compaa Cul es la probabilidad de que ambas mquinas requieran servicio de garanta? Suponiendo que A es el evento de que la lavadora necesite de servicio mientras est vigente la garanta y B el mismo evento pero para la secadora, entonces P(A) = 0.30 y P(B) = 0.10, por lo que si las dos mquinas funcionan de manera independiente la probabilidad deseada es:

P( A B) = P( A) P( B) = (0.30) (0.10) = 0.03

As tambin se puede obtener la probabilidad de que una o la otra requiera de servicio como:

P ( A B ) = P ( A) + P ( B ) P ( A B ) = 0.30 + 0.10 0.03 = 0.37

De la misma manera la probabilidad de que ninguna de las mquinas requiera mantenimiento es:

P( Ac B c ) = P( Ac ) P( B c ) = (0.70) (0.90) = 0.63

Dr. Jorge Limn Romero

11