PROBABILIDAD Y ESTADISTICA

RESUMEN ESTRUCTURADO UNIDAD 2 Y 3

Felpe S`anchez Hernandez Carlos Castellanos may

PROBABILIDAD DE EVENTOS
Un Conjunto es toda reunin de objetos. Con frecuencia es de utilidad identificar cmo pueden relacionarse los conjuntos entres s. Se asume que se han identificado dos conjuntos A y B. Cada uno contiene numerosos elementos. Es completamente posible que algunos elementos estn en los dos conjuntos. Por ejemplo, si asumimos que el conjunto A consta de todos los estudiantes de estadstica y el conjunto B consta de todos los estudiantes de administracin. Aquellos elementos que estn en ambos conjuntos son los estudiantes de administracin de la clase de estadstica. tales estudiantes constituyen la interseccin entre A y B. que se describe como AB y esta constituida con los elementos que son comunes tanto a A como a B. Para que ocurra AB tanto A como B debe ocurrir. En nuestro ejemplo El estudiante de la clase de Estadstica debe estar estudiando administracin. A estos eventos se les denomina no disyuntivos. Ambos deben ocurrir ante de que ocurra la interseccin.. La Unin de A y B, que se escarbo e A B , consta de tales elementos que estn o en A o en B o en ambos.en nuestro ejemplo todos los estudiantes que estn en la clase (A) sin tener en cuenta su especializacin, y todos los espacialistas (B) sin tener en cuenta si estn en la clase deestadstica, son elementos de AB. Una comprensin total de la probabilidad no puede adqruirse sin un entendimiento de las formas como pueden relacionarse los eventso. Veamos algunos ejemplos: Ejemplo. Determine la probabilidad de que en cierta lnea de produccin se manufacture un producto defectuoso, si se toma como referencia que la produccin de la ltima semana en esta lnea fue de 1,500 productos, entre los que se encontraron 8 productos defectuosos. p(producto defectuoso) = No de productos defectuoso /Total de productos producidos en la semana = 18 / 1500 = 0.012 Lo anterior nos indica que es muy probable que 1.2 productos de cada 100 que se manufacturen en esa lnea sern defectuosos. Porqu se utiliz para calcular las probabilidades la informacin de la semana inmediata anterior?. Debido a que esta refleja la situacin que guarda actualmente la produccin de la lnea mencionada. 2. Basndose en la experimentacin. Hay casos en los que despus de repetir un nmero muy grande de veces un experimento, es posible determinar las probabilidades de ocurrencia de algunos eventos, tales como: La probabilidad de que aparezca guila al lanzar una moneda equilibrada, la probabilidad de que aparezca el nmero 3 en un dado, etc., etc. 3. Como se observa los experimentos y eventos probabilsticos se pueden expresar con la notacin de conjuntos y a continuacin se enumeran algunas operaciones que es posible realizar con los eventos. 1) AB Es el evento que ocurre si y solo s A ocurre o B ocurre o ambos ocurren.

AB = A + B

AB

2) AB Es el evento que ocurre s y solo s A y B ocurren a un mismo tiempo.

3) Ac Es el complemento de A. Es el evento que ocurre s y solo s A no ocurre.

*
1) Se dice que A y B son eventos mutuamente excluyentes o exclusivos si AB =

ESPACIO MUESTRAL Es el conjunto de todos los posibles resultados de una experiencia aleatoria, lo representaremos por E (o bien por la letra griega ).

Espacio muestral de una moneda: E = {C, X}. Espacio muestral de un dado: E = {1, 2, 3, 4, 5, 6}. Suceso aleatorio Suceso aleatorio es cualquier subconjunto del espacio muestral. Por ejemplo al tirar un dado un suceso sera que saliera par, otro, obtener mltiplo de 3, y otro, sacar 5.

Ejemplos de espacios muestrales 1. Una bolsa contiene bolas blancas y negras. Se extraen sucesivamente tres bolas. E = {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b); (n, n,n)} 2. El suceso A = {extraer tres bolas del mismo color}. A = {(b,b,b); (n, n,n)} 3. El suceso B = {extraer al menos una bola blanca}. B= {(b,b,b); (b,b,n); (b,n,b); (n,b,b); (b,n,n); (n,b,n); (n,n ,b)} 4. El suceso C = {extraer una sola bola negra}. C = {(b,b,n); (b,n,b); (n,b,b)}
OCURRENCIA DE EVENTOS Experimentos aleatorios

Los experimentos aleatorios, osea, regidos por el azar, son aquellos en que se verifican los dos puntos siguientes: se pueden repetir indefinidamente, siempre en las mismas condiciones, y antes de realizar el experimento, se conocen todos los resultados posibles, pero no es posible tener certeza de cual ser el resultado del experimento. Veamos el siguiente ejemplo: el lanzamiento de un dado. El lanzamiento de un dado es un experimento aleatorio, ya que, se cumplen los dos puntos mencionados anteriormente: el experimento lo podemos repetir cuantas veces queramos en las mismas condiciones y conocemos todos los resultados posibles, a pesar de no tener la certeza de qu resultados obtendremos. Todos los resultados posibles de nuestro experimento son los siguientes: - Que salga 1 - Que salga 2 - Que salga 3 - Que salga 4 - Que salga 5 - Que salga 6 A todos los resultados posibles de un experimento aleatorio se le denomina espacio muestral. En nuestro ejemplo: E = {1, 2, 3 ,4, 5, 6} Llamaremos evento o suceso a todo subconjunto de un espacio muestral. Ejemplos:

Obtener un nmero mayor o igual a 5: A = {5, 6} Obtener un nmero par: B = {2, 4, 6} La probabilidad de ocurrencia de un evento determinado, es decir, el nivel de certeza que tenemos de que ocurra dicho suceso, es la razn entre el nmero de veces en que ocurri dicho evento y el nmero de repeticiones del experimento. A esta razn se le denomina frecuencia relativa.

De acuerdo al valor de la frecuencia relativa podemos encontrar eventos seguros, posibles o probables e imposibles: Evento seguro Es aquel cuya probabilidad de ocurrencia es igual a 1. Calculemos la probabilidad de obtener un nmero menor que 7 al lanzar un dado. Supongamos que realizamos el experimento 10 veces:

Es seguro que obtendremos un nmero menor que 7 al lanzar un dado cuantas veces queramos. Evento Imposible Es aquel cuya probabilidad de ocurrencia es igual a 0. Obtengamos la probabilidad de obtener un 8 al lanzar un dado 12 veces:

Es imposible obtener un 8 al lanzar un dado, aunque repitamos el experimento infinitas veces. Evento posible o probable Es aquel cuya probabilidad de ocurrencia se encuentra entre 0 y 1. Cuanto menos probable sea el suceso, ms cerca estar del 0 y cuanto ms probable sea, ms cerca estar del 1.

Calculemos la probabilidad de obtener un 3 si suponemos que lanzamos un dado 12 veces y obtenemos los siguientes resultados: 3 veces obtuvimos un 1, 1 vez un 2, 1 vez un 3, 2 veces un 4, 3 veces un 5 y 2 veces un 6.

Es probable que al lanzar 12 veces un dado, obtengamos como resultado un nmero 3. Repeticin de un experimento Mientras ms veces repitamos un experimento, mejor ser la estimacin de los resultados que obtendremos. Por ejemplo, si lanzamos 100 veces una moneda, el nmero de veces que obtengo cara ser cercano a 50, o sea, la frecuencia relativa ser cercana a:

En nuestro experimento de lanzamiento de un dado, mientras ms veces lo repitamos, veremos que la frecuencia relativa, es decir, la probabilidad de ocurrencia de obtener un 1, un 2, un 3, un 4, un 5 o un 6 ser cercana al 16,7%. Si lanzamos el dado 600 veces, el nmero de veces que obtendremos cada uno de los 6 posibles nmeros ser cercano a 100, por lo que la frecuencia relativa ser cercana a:

ERMUTACIONES Y COMBINACIONES Una permutacin de objetos implica orden mientras que una combinacin no toma el orden de los objetos considerados.

Definicin: Dado un conjunto que contiene n elementos distintos X = {x1, x2, .... xn} a) Una permutacin de X es una ordenacin de los n elementos x1, x2, .... xn b) Una permutacinr ( r-permutacin) de X donde r elementos de X. n, es una ordenacin de un subconjunto de r

c) El numero de permutaciones-r de un subconjunto de n elementos distintos se denota P(n, r) d) Una combinacin-r (r-combinacin) es una seleccin no ordenada de r elementos de X, es decir, un subconjunto de r elementos de X. e) El numero de combinaciones-r de un conjunto de n elementos distintos y se denota C(n, r) bien . Ejemplo: Sea X = {a, b, c} Algunas permutaciones de X son: abc, acb, bac Algunas permutaciones-2 de X son: ab, ba, ca Algunas combinaciones-2 de X son: {a, b}, {a, c}, {b, c} Teorema: El nmero de permutaciones-r de un conjunto de n objetos distintos es P(n, r) =(n)(n -1)(n - 2)...(n - r +1) La demostracin es directa aplicando la regla b) del producto. Por este teorema el nmero de permutaciones-2 de X = {a, b, c} es 6, las cuales son: ab, ac, ba, bc, ca, cb Tambin por este Teorema el nmero de permutaciones en un conjunto de n elementos es P(n, n) = (n)(n -1)(n - 2)...(3)(2)(1) = n! Observese que P(n, r)(n - r)! = n!, por lo que

Ejemplos: a) De cuntas maneras se puede seleccionar un presidente, un vicepresidente, un secretario y un tesorero entre un grupo de 10 personas . La respuesta es P(10, 4) = 10!/(10 - 4)! = 5,040 bien 10 9 8 7 = 5,040 maneras diferentes.

b) De cuntas formas puede formarse en una fila 7 mexicanos distintos y 5 gringos distintos si ninguna pareja de gringos puede estar junta? Podemos formar a los mexicanos y a los gringos mediante un proceso de dos partes. Formando a los mexicanos y a los gringos. Los mexicanos pueden formarse de 7! = 5040 maneras. Una vez formados los mexicanos, como ninguna pareja de gringos puede estar junta, los gringos tienen 8 posiciones en las cuales formarse, es decir: _ M1 _ M2 _ M3 _ M4 _ M5 _ M6 _ M7 _ As los gringos pueden formarse de P(8, 5) = 6,720 maneras. Por la regla del producto tenemos que 5,040 6720 = 33'868,800 maneras diferentes de formarlos. c) Se quieren colocar 3 pelotas de color rojo, azul y blanco en cajas numeradas con 1, 2, ... , 10. DEseamos conocer el nmero de maneras distintas en que las pelotas pueden ser colocadas en cajas, si cada caja es capaz de contener slo una pelota. Coloquemos las pelotas una a la vez, iniciando con la pelota roja, luego la azul y despus la blanca. Puesto que la pelota roja puede colocarse en cualquiera de las 10 cajas, la azul en cualquiera de las 9 restantes y la blanca en cualquiera de las 8 restantes, el nmero total de maneras distintas de colocar estas pelotas es 10 9 8 = 720. d) De cuantas maneras pueden ser programados tres exmenes dentro de un periodo de 5 das, de modo que el mismo da no sean programados 2 exmenes? Si consideramos que P(n, r) =(n)(n -1)(n - 2)...(n - r +1) = P(5, 3) = 5 4 3 = 60 maneras distintas de programas los exmenes.
DIAGRAMAS DE ARBOL Un diagrama de rbol es una representacin grfica que muestra los resultados posibles de una serie de experimentos y sus respectivas probabilidades; consta de r pasos, donde cada uno de los pasos tiene un nmero finito de maneras de ser llevado a cabo.

Para la construccin de un diagrama en rbol se partir poniendo una rama para cada una de las posibilidades, acompaada de su probabilidad. En el final de cada rama parcial se constituye a su vez, un nudo del cual parten nuevas ramas, segn las posibilidades del siguiente paso, salvo si el nudo representa un posible final del experimento (nudo final). Hay que tener en cuenta: que la suma de probabilidades de las ramas de cada nudo ha de dar 1.

AXIOMEAS DE PROBABILIDA Los axiomas de probabilidad son las condiciones mnimas que deben verificarse para que una funcin definida sobre un conjunto de sucesos determine consistentemente sus probabilidades. Fueron formulados por Kolmogrov en 1933.

Axiomas de Kolmogrov:
Primer axioma: La probabilidad de que ocurra un evento A cualquiera se encuentra entre cero y uno.

0 p(A) 1 Ejemplo: La probabilidad de sacar par en un dado equilibrado es 0,5. P(A)=0,5 Segundo Axioma: La probabilidad de que ocurra el espacio muestral debe de ser 1. p( ) = 1 Ejemplo: La probabilidad de sacar un nmero del 1 al 6 en un dado equilibrado es "1". Tercer Axioma: Si A y B son eventos mutuamente excluyentes, entonces la, p(A B) = p(A) + p(B) Ejemplo: La probabilidad de sacar en un dado "as" o sacar "nmero par" es la suma de las

probabilidades individuales de dichos sucesos. Segn este axioma se puede calcular la probabilidad de un suceso compuesto de varias alternativas mutuamente excluyentes sumando las probabilidades de sus componentes. Generalizando: Si se tienen n eventos mutuamente excluyentes o exclusivos A1, A2, A3,.....An, entonces; p(A1A2.........An) = p(A1) + p(A2) + .......+ p(An) Ejemplo:
Para el experimento aleatorio de tirar un dado, el espacio muestral es = {1, 2, 3, 4, 5, 6}. En este espacio el conjunto de sucesos es P() = {, {1}, {2}, ...{1,2}, {1,3}, ...{1,2,3,4,5,6}}. Para establecer una probabilidad hay que asignar un nmero a todos esos sucesos. Sin embargo si se ha asignado a los sucesos elementales p({1})= p({2})= ...= p({6})= 1/6, por la propiedad ii), p.e. la probabilidad del suceso {1, 3} es p({1,3})= p({1})+ p({3})=2/6. Nota: El suceso {1} es: "el resultado de tirar el dado es la cara 1", el suceso {1, 3} es: "el resultado de tirar el dado es la cara 1, o la 3", el suceso {1, 3, 5} es: "el resultado de tirar el dado es una cara impar".

TEOREMAS TEOREMA 1. Si es un evento nulo o vaco, entonces la probabilidad de que ocurra debe ser cero. p( )=0

Ejemplo : La probabilidad de que un estudiante sea mujer es "1 menos la probabilidad de que no sea varn". DEMOSTRACIN: Si sumamos a un evento A cualquiera, como y A son dos eventos mutuamente excluyentes, entonces p(Af)=p(A) +p()=p(A). LQQD TEOREMA 2. La probabilidad del complemento de A, Ac debe ser, p(Ac)= 1 p(A). DEMOSTRACIN: Si el espacio muestral , se divide en dos eventos mutuamente exclusivos, A y Ac luego =AAc, por tanto p()=p(A) + p(Ac) y como en el axioma dos se afirma que p()=1, por tanto, p(Ac)= 1 - p(A) .LQQD

TEOREMA 3. Si un evento A B, entonces la p(A) p(B). DEMOSTRACIN: Si separamos el evento B en dos eventos mutuamente excluyentes, A y B \ A (B menos A), por tanto, B=A(B \ A) y p(B)=p(A) +p(B \ A), luego entonces si p(B \ A)0 entonces se cumple que p(A)p(B). LQQD TEOREMA 4. La p( A \ B )= p(A) p(A B) DEMOSTRACIN: Si A y B son dos eventos cualquiera, entonces el evento A se puede separar en dos eventos mutuamente excluyentes, (A \ B) y AB, por tanto, A=(A \ B)(AB), luego p(A)=p(A \ B) + p(AB), entonces, p(A \ B) = p(A) p(AB). LQQD TEOREMA 5. Para dos eventos A y B, p(A B)=p(A) + p(B) p(A B). DEMOSTRACIN: Si AB = (A \ B) B, donde (A \ B) y B son eventos mutuamente excluyentes, por lo que p(A B) = p(A \ B) + p(B) y del teorema anterior tomamos que p(A \ B) = p(A) p(AB), por tanto, p(AB) = p(A) + p(B) p(AB). LQQD
INDEPENDENCIA Y PROBABILIDAD CONDICIONAL Probabilidad Condicional Es general el hecho que en un fenmeno aleatorio intervengan ms de una condicin, que a stas, se incorporen nuevas condiciones, sobre las cuales se desarrolla el fenmeno. El agregar una nueva condicin, puede modificar considerablemente la probabilidad del resultado de una operacin u observacin individual. La probabilidad de seleccionar un lapicero verde, en un almacn de artculos de oficina, es diferente a la probabilidad de seleccionar un lapicero en un estante de lapiceros. En tanto no se tome en cuenta la nueva condicin, se tiene la probabilidad del evento, si se toma en cuenta la nueva condicin se tiene la probabilidad condicional del evento. P(Evento A/dado el evento B) = P(A/B) = P(AB)/P(B) De los teoremas derivados de la definicin anterior, se tiene el Teorema o Regla de la Multiplicacin: Para toda coleccin de n+1 eventos A0, A1, A2,........An-1, An para el cual: P(A0 A1 ....... An-1) > 0 P(A0 A1 ...... An) = P(A0) P(A1/A0) P(A2/A0 A1) ... P(An/A0 A1 ... An-1) La probabilidad condicional del evento A dado el evento B es la probabilidad de A en el espacio de probabilidad del evento B. Teorema de la Probabilidad Total Este teorema es de suma importancia para la asignacin de probabilidades, en fenmenos complejos (como los operados en el campo de las Bases de Datos) y se describe as : Si {Hn} es una coleccin numerable de eventos incompatibles para la cual es:

entonces para todo evento A es

donde N es el nmero natural o es infinito segn que los Hn conformen una coleccin finita o infinita numerable, respectivamente. Eventos Independientes La nocin de eventos independientes tiene un papel muy importante en la Teora de la Probabilidad, pues ciertas relaciones que se presentan una y otra vez en problemas de probabilidad, pueden tener formulacin general en trminos de esta nocin. Por tanto, dos eventos A y B se dicen independientes si se cumple: P(AB) = P(A) .P(B) As, si tiramos dos veces una moneda correcta y se define los eventos: A: primera tirada resulta en cara B: segunda tirada resulta en cara y sabemos que P(AB) = P(cara, cara) = 1/4 porque cara, cara es uno de los cuatro eventos elementales igualmente posibles, y adems se tiene que: P(A) = P(cara, cara) + P(cara, sello) = 1/2 P(B) = P(cara, cara) + P(sello, cara) = 1/2 de donde P(A) P(B) = 1/4 = P(AB) Teoremas Derivados Teorema: Si A y B son eventos independientes, tambin lo son los eventos A y C(B). Teorema: Bajo la hiptesis P(B) > 0, una condicin necesaria y suficiente para que los eventos A y B, sean independientes es que : P(A/B) = P(A) Un ejemplo clsico: Al tirar una moneda correcta dos veces, sean los eventos A: Cara la primera tirada B: Cara la segunda tirada C: El mismo lado en las dos tiradas para lo que se tiene: P(A) = P(B) = P(C) = 1/2 P(AB) = P(AC) = P(BC) = 1/4 P(ABC) = 1/4

luego: P(A) P(B) P(C) = 1/18 = 1/4 = P(ABC) en cambio al tirar una moneda tres veces se define los eventos Ai: cara en la i-sima tirada, i = 1, 2, 3 se puede probar que P(Ai) = 1/2 y P(A1 A2 A3) = 1/8 Teorema: Si los eventos de una clase C son independientes y si alguno o todos los eventos en C son reemplazados por sus eventos. Teorema: Si A y B son eventos independientes, tambin lo son los eventos A y B son eventos independientes, tambin lo son los eventos A y . Teorema: Bajo la Hiptesis P (B) > 0, una condicin necesaria y suficiente para que los eventos A y B sean independientes es que

Suficiencia: Si, ahora suponemos

, por el teorema de multiplicacin

por lo que A y B son independientes. Definicin. Sea C una coleccin de eventos. Se dice que los eventos en C son totalmente independientes (o estocsticamente independientes), o simplemente que son independientes, si la probabilidad de la ocurrencia conjunta de cualquier nmero finito de ellos es igual al producto de sus probabilidades individuales. Esta definicin implica que para toda coleccin finita A1, A2, ..., AN de eventos en C se cumple

As, por ejemplo, si C consiste slo de tres eventos A, B, C, se dir que ellos son independientes si se cumplen las ecuaciones siguientes:

Si se cumple las tres primeras ecuaciones pero no la ltima, se dice que los eventos A, B, C son independientes dos a dos. Como se comprobar por el siguiente ejemplo, si los eventos de una coleccin son independientes dos a dos, ellos no son necesariamente independientes. La definicin anterior podemos asociarla al acceso a datos de entidades (tablas o ficheros)

independientes, dentro de una Base de Datos. Ejemplo: Al tirar una moneda correcta dos veces, sean los eventos A : Cara en la primera tirada B : Cara en la segunda tirada C : El mismo lado en las dos tiradas para los cuales se tiene

luego

En cambio si al tirar una moneda tres veces se definen los eventos Ai : Cara en la i-sima tirada, i = 1, 2, 3 se puede probar que

de lo cual se concluye que los tres eventos Ai son independientes. Nota. De la definicin de independencia completa se sigue que si C es una coleccin finita con N eventos, para decidir sobre su total independencia hay que comprobar 2 N -N-1 ecuaciones para probabilidades de intersecciones, pues el nmero total de subconjuntos de C es 2N incluyendo el conjunto vaco y los conjuntos formados por un solo elemento de C. Como consecuencia de la definicin de independencia total de eventos se tiene una generalizacin del teorema 2.5 en el siguiente teorema. Teorema: Si los eventos de una clase C son independientes y si algunos o todos los eventos en C son reemplazados por sus eventos contrarios, entonces los eventos en la clase C resultante son tambin independientes. Ensayos Repetidos Al tratar de la caracterizacin de un fenmeno aleatorio, se ha establecido como uno de los rasgos la posibilidad de "repetir indefinidamente, bajo condiciones idnticas", la observacin. Estas observaciones constituyen ensayos repetidos, conceptos que pueden ser formulados analticamente usando la nocin de independencia estocstica. Para ello, consideremos el espacio muestral asociado a un cierto fenmeno aleatorio, en una sola

observacin. Supongamos que los elementos de son w1, w2, ..., a los cuales se les asigna probabilidades p1, p2, ... . Si se realizan dos observaciones sucesivas de este fenmeno, el espacio muestral asociado tiene como elementos los pares (wi, wj), a los cuales se les puede asignar probabilidades de varias maneras. Si las condiciones son idnticas para las dos observaciones, se

implica la independencia de las mismas, puesto que el resultado de la primera no influye en el resultado de la segunda observacin, lo que significa que el evento "el primer resultado es wi" y el evento "el segundo resultado es wj" son independientes, o que

Este resultado asigna una probabilidad a cada evento elemental en

y define una funcin

probabilidad sobre el conjunto potencia a . Adems, con esta funcin probabilidad se puede demostrar que todos los eventos en el segundo ensayo son independientes de eventos en el primer ensayo. Para los propsitos de la teora de probabilidad, esto describe "experimentos idnticos". La generalizacin de estas consideraciones a una sucesin de n observaciones, lleva a la siguiente definicin. Definicin: Sea un espacio muestral con elementos w1, w2..., cuyas probabilidades son p1, p2,... . El espacio muestral cuyos elementos son las n-tuplas (wi1, wi2, ... win) a los cuales se les asigna las probabilidades

es considerado como n ensayos independientes correspondientes al espacio

Aparte de la independencia de eventos, se puede considerar tambin la nocin de independencia de familias de eventos, clases eventos. Definicin: Sean A y B dos clases de eventos, es decir A y B son conjuntos cuyos elementos son eventos en algn espacio . Se dice que dos familias A y B son independientes si cada dos eventos seleccionados uno de cada familia, digamos A AyB B, son independientes. Esta definicin puede ser generalizada mediante lo siguiente: Definicin: Sea {A } una familia de clases de eventos. Decimos que estas clases de eventos A los eventos {B } son

son independientes si para cada seleccin independientes.

El teorema que se enuncia y demuestra a continuacin, proporciona por lo menos un par de familias independientes de eventos. Teorema: Sean A y B dos eventos independientes y sean las clases o familias de eventos A= Entonces, las familias A y B son independientes. TEOREMA DE BAYES El teorema de Bayes se utiliza para revisar probabilidades previamente calculadas cuando se posee nueva informacin. Desarrollado por el reverendo Thomas Bayes en el siglo XVII, el teorema de Bayes es una extensin de lo que ha aprendido hasta ahora acerca de la probabilidad condicional. B=

Comnmente se inicia un anlisis de probabilidades con una asignacin inicial, probabilidad a priori. Cuando se tiene alguna informacin adicional se procede a calcular las probabilidades revisadas o a posteriori. El teorema de Bayes permite calcular las probabilidades a posteriori y es:

Ejemplos ilustrativos

1) Una compaa de transporte pblico tiene tres lneas en una ciudad, de forma que el 45% de los autobuses cubre el servicio de la lnea 1, el 25% cubre la lnea 2 y el 30% cubre el servicio de la lnea 3. Se sabe que la probabilidad de que, diariamente, un autobs se avere es del 2%, 3% y 1% respectivamente, para cada lnea. a) Calcular la probabilidad de que, en un da, un autobs sufra una avera b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera c) De qu lnea de transporte es ms probable que un autobs sufra una avera? Solucin:

a) Calcular la probabilidad de que, en un da, un autobs sufra una avera

Empleando la frmula de probabilidad total se obtiene:

b) Calcular la probabilidad de que, en un da, un autobs no sufra una avera Empleando la frmula de probabilidad total se obtiene:

c) De qu lnea de transporte es ms probable que un autobs sufra una avera? Se debe calcular las tres probabilidades aposteriori empleando el Teorema de Bayes

La probabilidad de que sea de la lnea 1, sabiendo que sufre una avera es:

La probabilidad de que sea de la lnea 2, sabiendo que sufre una avera es: