Continuacin II UNIDAD

PROBABILIDADES

Ms. Ing. ngel Miguel Lpez Aguilar
Sean A y E dos eventos arbitrarios de un espacio
muestral S, con P(E) > 0 y P( E) 0. La
probabilidad de que un evento A suceda una vez
que E ha sucedido o en otras palabras, la
probabilidad condicional de A dado E, se define
como:





) (
) (
) / (
E P
E A P
E A P

=
Probabilidad condicional:
Problema

Se seleccionan dos semillas aleatoriamente, una por una, de
una bolsa que contiene 10 semillas de flores rojas (R) y 5
semillas de flores blancas (B). Cul es la probabilidad de
que:

a) La primera semilla sea roja

b) La segunda semilla sea blanca dado que la primera fue
roja?
Solucin

a) La primera semilla sea roja
P(R) = 10/15
B) segunda semilla se blanca dado que la primera fue roja
R
B
P(R) = 10/15
P(R) = 10/15
= 9/14
= 5/14
= 10/14
= 4/14
1 Extraccin 2 Extraccin
P(R/R)
P(B/R
P(R/B)
P(B/B)
Diagrama de rbol
Se dice que los eventos A y E son independientes si se
cumplen:




Si no se cumplen, se dice que los eventos son dependientes.
) ( ) ( ) (
) ( ) / (
) ( ) / (
B P A P B A P
E P A E P
A P E A P
=
=
=
Eventos independientes
Dos o ms eventos son independientes cuando la ocurrencia o no-ocurrencia de
un evento no tiene efecto sobre la probabilidad de ocurrencia del otro evento (o
eventos).

Un caso tpico de eventos independiente es el muestreo con reposicin, es decir,
una vez tomada la muestra se regresa de nuevo a la poblacin donde se obtuvo.

Por definicin, A es independiente de B si y slo si:
(PA)=P(A) * P(B)
Eventos dependientes

Dos o ms eventos sern dependientes cuando la ocurrencia o no-ocurrencia de
uno de ellos afecta la probabilidad de ocurrencia del otro (o otros).

Cuando tenemos este caso, empleamos entonces, el concepto de probabilidad
condicional para denominar la probabilidad del evento relacionado.

La expresin P (A|B) indica la probabilidad de ocurrencia del evento A s el evento B
ya ocurri.
P (A|B) = P(A B) / P (B) o

P (B|A) = P(A B) / P(A)
Probabilidad condicional

Se expresa como P(AB), o P(BA)

la probabilidad del evento B (A) dado que ocurri el evento A (B)

Como los eventos son independientes, la ocurrencia de uno no
afecta la ocurrencia del otro.

P(AB) = P(A) y

P(B A) = P(B)

Probabilidad con reposicin
Si A y B son independientes:
P(E)P(A) ) A P( ) E/A P(
) ( ) ( ) ( ) / ( ) (
= =
= = E P A P E P E A P E A P
) (
) (
) ( ) (
) (
) (
) / (
) (
) (
) ( ) (
) (
) (
) / (
E P
A P
A P E P
A P
A E P
A E P
A P
E P
E P A P
E P
E A P
E A P
= =

=
= =

=
Probabilidad condicional:
Experimento: Lanzar un dado.
Evento A: Que al lanzar el dado caiga 3.
Evento E: Que al lanzar un dado salga un impar.

Encontrar la probabilidad de que al lanzar un dado se
obtenga un 3 dado que se obtuvo un impar.

S = {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3}, P(A) = 1/6
Ejemplo:
( )
( ) 3
1
3 6
6 1
6
3
6
1
= = =

=
|
.
|

\
|
x
x
E P
E A P
E
A
P
Ejemplo

Una urna contiene 3 pelotas negras (B) y 7 pelotas verdes
(G). Sacamos una pelota de la urna y la regresamos y
sacamos una segunda pelota, determinar:

a) Probabilidad de sacar una pelota negra
b) Probabilidad de sacar dos pelotas verdes
c) Probabilidad de extraer una pelota negra la segunda vez
si la primera fue verde
d) Probabilidad de sacar una pelota verde la segunda vez si
la primera fue verde

Solucin:
a) Probabilidad de sacar una pelota negra
P(B) = 3/10 = 0.3 = 30% (esta es una p. marginal)

b) Probabilidad de sacar dos pelotas verdes
P(G) = 7/10
P(GG) = 7/10 * 7/10 = 0.49 (p. conjunta)

c) Probabilidad de extraer una pelota negra la segunda vez
si la primera fue verde

P(BG) = P(B) = 3/10 = 0.30 (p. condicional = p. marginal,
porque las dos extracciones son independientes)

d) Probabilidad de sacar una pelota verde la segunda vez si
la primera fue verde

P(G B) = P(G) = 7/10 = 0.7 (p. condicional)
Eventos Estadsticamente Independientes

Los eventos pueden ser independientes o dependientes

Eventos Independientes
La ocurrencia de un evento no influye sobre la posibilidad de
ocurrencia de otro evento

Ejemplos
1. a) su educacin
b) su nivel de ingresos

2. a) Nieve en Puno
b) Lluvia en Trujillo
Eventos dependientes
Eventos independientes
En cierta ciudad, las mujeres representan el 50% de la
poblacin y los hombres el otro 50%. Se sabe que el 20%
de las mujeres y el 5% de hombres estn sin trabajo. Un
economista estudia la situacin de empleo, elige al azar una
persona desempleada. Si la poblacin total es de 8000
personas,
Cul es la probabilidad de que la persona escogida sea ?:
a).- Mujer.
b).- Hombre.
c).- Mujer dado que est empleado.
d).- Desempleado dado que es hombre.
e).- Empleado dado que es mujer.

Ejemplo:
Sean los eventos:
M: Que sea Mujer.
H: Que sea Hombre.
D: Que sea Desempleado.
E: Que sea Empleado
Tabla de elementos de los eventos M, H, D, E Y S.
Solucin:
Desempleados :
D
Empleados: E Total
Mujeres: M 800 3200
4000

Hombres: H 200 3800 4000
Total 1000 7000 8000
P(M) = 0.50
P(H) = 0.50
P(E) = 0.875
P(D) = 0.125
P(M/E) = P(ME)/P(E) = 0.40/0.875 = 0.4571
P(D/H) = P(DH)/P(H) = 0.025/0.5 = 0.05
P(E/M) = P(ME)/P(M) = 0.40/0.5 = 0.8
P(M/D) = P(MD)/P(D) = 0.10/0.125 = 0.8
P(H/D) = P(HD)/P(D) = 0.025/0.125 = 0.2
Eventos dependientes e independientes
En el ejemplo anterior se tiene que:

P(M) = 0.50
P(H) = 0.50
P(E) = 0.875
P(D) = 0.125
P(ME) = 0.40 P(M) P(E) = 0.4375
P(DH) = 0.025 P(D) P(H) = 0.0625
P(MD) = 0.10 P(M) P(D) = 0.0625
P(EH) = 0.475 P(E) P(H) = 0.4375
Por tanto los eventos M y E ,
D y H,
M y D,
E y H
son dependientes.
Tipos de probabilidades bajo independencia o
dependencia estadstica

1. Probabilidad marginal
2. Probabilidad conjunta
3. Probabilidad condicional

Cuando los eventos son independientes es muy fcil calcular
los tres tipos de probabilidades

Probabilidad marginal o simple: es tan slo la probabilidad
de que ocurra el evento.

Ejemplo: lanzamos la probabilidad marginal de obtener un 4
es 1/6 = 0.166

Cada lanzamiento es un evento independiente
La probabilidad conjunta de que ocurran dos o mas eventos
independientes es

P(AB) = P(A) * P(B) producto probabilidades marginales

Donde:

P(AB) = probabilidad conjunta de que los eventos A y B ocurran juntos
P(A) = probabilidad marginal o simple del evento A
P(B) = probabilidad marginal del evento B

Ejemplo: con un dado la probabilidad de lanzar un 6 a la
primera y un 2 a la segunda vez.

P(6 primero y 2 luego)
P(6) = 1/6
P(2) = 1/6
P(AB) = 1/6 * 1/6 = 1/36 =
0.028
Eventos Estadsticamente Dependientes

La ocurrencia de un evento afecta la probabilidad de ocurrencia
del otro evento

Las probabilidades marginal, condicional y conjunta existen
tambin como para eventos independientes pero la forma de
los dos ltimos cambia

La probabilidad marginal, se calcula igual que para eventos
independientes. La probabilidad de que ocurra el evento A es
P(A)



La probabilidad condicional con dependencia su clculo es
ms complicado

La probabilidad condicional de A , dado que sucede el evento B
P(AB)
P(AB) = -----------------
P(B)

De esta fmula se deduce la probabilidad conjunta

P(AB) = P(AB) * P(B)
1 2 3 1 2 1 3 1 2 1 2 1
( ... ) ( ) ( \ ) ( \ )... ( \ ... )
k k k
P A A A A P A P A A P A A A P A A A A

=
1 2 3 1 2 3
( ... ) ( ) ( ) ( )... ( )
k k
P A A A A P A P A P A P A =
INDEPENDENCIA DE n EVENTOS



Ley multiplicativa:
Sean A
1
, A
2
, A
3
..., An eventos disjuntos (mutuamente
excluyentes), que forman una particin de S. Esto es
Ai Aj = C para toda i y toda j, y adems
S = A
1
A
2
A
3
. A
n
A1
A2
A3
A4
A5
A6
An
Probabilidad total:
A1
A2
A3
A4
A5
A6
An
Y sea E otro evento tal que E c S y E A
i
= C
A1
A2
A3
A4
A5
A6
An
A1
A2
A5
A6
An
E
E
Entonces:
E = S E = (A
1
A
2
A
3
. A
n
) E
= (A
1
E) (A
2
E) (A
3
E) . (A
n
E)

Al aplicar la funcin de probabilidad a ambos eventos, se
tiene que:

P(E) = P(A1E) + P(A2E) +P(A3E) +.+P(A
n
E)

Ya que (A
i
E) es ajeno a (A
j
E) para i j
Como (A
i
E) = (E A
i
) entonces
P(A
i
E) = P(E A
i
) = P(E/A
i
) P(A
i
)

Entonces la probabilidad completa de E es:

P(E) = P(E/A
1
) P(A
1
) + P(E/A
2
) P(A
2
) + P(E/A
3
)P(A
3
)+...+ P(E/A
n
) P(A
n
)
En una pequea empresa de tejidos, la produccin se obtiene con
tres mquinas hiladoras M
1
, M
2
y M
3
que producen respectivamente
50%, 30% y el 20% del nmero total de artculos.

Ejemplo:
Los porcentajes de productos
defectuosos producidos por
estas mquinas son 3%, 4% y
5%. Si se selecciona un
artculo al azar, Cul es la
probabilidad de que el artculo
sea defectuoso?

Sea
D el evento: Que sea un artculo defectuoso.
P(M
1
) = 0.50 P(D/M
1
) = 0.03
P(M
2
) = 0.30 P(D/M
2
) = 0.04
P(M
3
) = 0.20 P(D/M
3
) = 0.05

P(D) = P(D/M
1
) P(M1) + P(D/M2) P(M2) + P(D/M3) P(M3)
= 0.03(0.50) + 0.04(0.30) + 0.05(0.20) = 0.037
Solucin:
Mquina 1
Defectuoso
No
defectuoso
Maquina 2
Defectuoso
No
defectuoso
Maquina 1
Defectuoso
No
defectuoso
P(D) = 0.015 + 0.012 + 0.01 = 0.037
P(M1) = 0.50
P(D/M1) = 0.03
M1
D
P(M
1
) x P(D/M
1
) = 0.5 x 0.03 =
0.015
ND
P(ND/M1) =
0.97
P(M2) = 0.30
P(D/M2) = 0.04
M2
D
P(M
2
) x P(D/M
2
) = 0.3 x 0.04 =
0.012
ND
P(ND/M2) =
0.96
P(M3) = 0.20
P(D/M3) = 0.05
M3
D
P(M
1
) x P(D/M
1
) = 0.2 x 0.05 =
0.01
ND
P(ND/M3) =
0.95
Supngase que A
1
, A
2
, A
3
,...,A
n
es una particin de un
espacio muestral S. En cada caso P(A
i
) 0. La
particin es tal que A
1
, A
2
, A
3
,...,A
n
, son eventos
mutuamente excluyentes. Sea E cualquier evento,
entonces para cualquier A
i
,
Teorema de Bayes:

) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
2 2 1 1 n n
I i
i
A E P A P A E P A P A E P A P
A E P A P
E A P
+ + +
=

P(E)
) )P(E/A P(A
/E) P(A
entonces
) )P(E/A P(A ) )P(E/A P(A ) )P(E/A P(A P(E)
: es E de completa ad probabilid la Como
I i
i
n n 2 2 1 1
=
+ + + =
En una pequea empresa de tejidos, la produccin se obtiene con
tres mquinas hiladoras M
1
, M
2
y M
3
que producen respectivamente
50%, 30% y el 20% del nmero total de artculos.

Ejemplo:
Los porcentajes de productos
defectuosos producidos por
estas mquinas son 3%, 4% y
5%. Si se selecciona un
artculo al azar, Cul es la
probabilidad de que el artculo
sea defectuoso?

Sea
D: Que el artculo sea defectuoso.
ND: Que el artculo no sea defectuoso.
M
1
: Que haya sido producido por la mquina 1.

M
2
: Que haya sido producido por la mquina 2.
M
3
: Que haya sido producido por la mquina 3.


P(M
1
) = .50 P(D/M
1
) = .03
P(M
2
) = .30 P(D/M
2
) = .04
P(M
3
) = .20 P(D/M
3
) = .05
Solucin:
P(D) = 0.015 + 0.012 + 0.01 = 0.037
P(M1) = 0.50
P(D/M1) = 0.03
M1
D P(M
1
) x P(D/M
1
) = 0.5 x 0.03 = 0.015
ND
P(ND/M1) =
0.97
P(M2) = 0.30
P(D/M2) = 0.04
M2
D P(M
2
) x P(D/M
2
) = 0.3 x 0.04 = 0.012
ND
P(ND/M2) =
0.96
P(M3) = 0.20
P(D/M3) = 0.05
M3
D P(M
1
) x P(D/M
1
) = 0.2 x 0.05 = 0.01
ND
P(ND/M3) =
0.95
Por teorema de Bayes se tiene:







La probabilidad de que el artculo defectuoso se haya
producido en la M
1
es del 40.54%
4054 .
037 .
) 03 )(. 50 (.

) (
) / ( ) (

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