INSTITUTO TECNOLOGICO DE LA PAZ

PROBABILIDAD Y ESTADISTICA

TEMAS: PROBABILIDAD CONDICIONAL, INDEPENDENCIA, TEOREMA DE LA
MULTIPLICACION, TEOREMA DE BAYES, Y EJEMPLOS.

ALUMNO: DUARTE ZEPEDA CARLOS AXEL

MAESTRO: INGENIERO LAMBERTO VILLEGAS MONTOYA

GRADO Y GRUPO: 2.A
INGENIERIA INDUSTRIAL
TURNO: MATUTINO





LA PAZ, BAJA CALIFORNIA SUR, A 13 DE MARZO DEL 2014


PROBABILIDAD CONDICIONAL

Sea d un espacio muestral en donde se ha definido un evento E, donde p(E)>0, si
deseamos determinar la probabilidad de que ocurra un evento A (el que tambin
es definido en el mismo espacio muestral), dado que E ya ocurri, entonces
deseamos determinar una probabilidad de tipo condicional, la que se determina
como se muestra:
d







Donde:
p(AE) = probabilidad de que ocurra A dado que E ya ocurri
p(AE) = probabilidad de que ocurra A y E a un mismo tiempo
p(E) = probabilidad de que ocurra E









Luego;





Por tanto:



Donde:
AE= nmero de elementos comunes a los eventos A y E
E= nmero de elementos del evento E
Luego entonces podemos usar cualquiera de las dos frmulas para calcular la
probabilidad condicional de A dado que E ya ocurri.









Ejemplos:
1. Se lanza al aire dos dados normales, si la suma de los nmeros que aparecen
es de por lo menos siete,
a. determine la probabilidad de que en el segundo dado aparezca el nmero
cuatro,
b. Determine la probabilidad de que ambos nmeros sean pares, c. Determine la
probabilidad de que en el primer dado aparezca el nmero dos.
Solucin:
El espacio muestral es el mismo que cuando se lanza un dado dos veces y se
muestra a continuacin:
(1,1) (2,1) (3,1) (4,1) (5,1) (6,1)
(1,2) (2,2) (3,2) (4,2) (5,2) (6,2)
d = (1,3) (2,3) (3,3) (4,3) (5,3) (6,3)
(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)
(1,5) (2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
a. Para calcular una probabilidad condicional es necesario definir los eventos A
y E, siendo estos,
A = evento de que en el segundo dado aparezca el nmero cuatro,
E = evento de que la suma de los nmeros que aparecen sea de por lo menos
siete, (que es que es el evento que est condicionando)
E = {21 elementos, los que suman siete o ms}
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = {6 elementos, los que en el segundo dado aparece el cuatro}
A = {(1,4) (2,4) (3,4) (4,4) (5,4) (6,4)}
Luego,
AE = {(3,4) (4,4) (5,4) (6,4)}, AE= 4 elementos
Por tanto;
p(AE) = AE/ E= 4/21 = 0.19048
b. E = evento de que la suma de los nmeros que aparecen sea de por lo
menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = evento de que ambos nmeros sean pares:
(2,2) (4,2) (6,2)
A = (2,4) (4,4) (6,4)
(2,6) (4,6) (6,6)
(6,2)
AE = (4,4) (6,4) AE= 6 elementos
(2,6) (4,6) (6,6)
p(AE) = AE/ E
= 6/ 21
= 0.28571
c. E = evento de que la suma de los nmeros que aparecen sea de por lo
menos siete
(6,1)
(5,2) (6,2)
E = (4,3) (5,3) (6,3)
(3,4) (4,4) (5,4) (6,4)
(2,5) (3,5) (4,5) (5,5) (6,5)
(1,6) (2,6) (3,6) (4,6) (5,6) (6,6)
A = evento de que en el primer dado aparezca el nmero dos
(2,1)
(2,2)
A = (2,3)
(2,4)
(2,5)
(2,6)
AE = {(2,5)}, AE= 1 elemento
P (AE) = AE/E
= 1/21
= 0.04762






Independencia:
En teora de probabilidades, se dice que dos sucesos
aleatorios son independientes entre s cuando la probabilidad de cada uno de ellos
no est influida porque el otro suceso ocurra o no, es decir, cuando ambos
sucesos no estn relacionados.
Dos sucesos son independientes si la probabilidad de que ocurran ambos
simultneamente es igual al producto de las probabilidades de que ocurra cada
uno de ellos, es decir, si
Motivacin de la definicin:
Sean y dos sucesos tales que , intuitivamente A es independiente
de B si la probabilidad de A condicionada por B es igual a la probabilidad de A. Es
decir si:

De la propia definicin de probabilidad condicionada:

Se deduce que y dado
que deducimos trivialmente
que .
Si el suceso A es independiente del suceso B, automticamente el suceso B es
independiente de A.
La independencia de sucesos es algo muy importante para la estadstica y
es condicin necesaria en multitud de teoremas. Por ejemplo, una de las primeras
propiedades que se deriva de la definicin de sucesos independientes es que si
dos sucesos son independientes entre s, la probabilidad de la interseccin es
igual al producto de las probabilidades.




Teorema de la Multiplicacin:
Una consecuencia inmediata de lo visto anteriormente es la llamada Regla de
Multiplicacin que dice:

Si A y B son eventos contenidos en el mismo espacio muestral S, donde P(A) > 0
y P(B) >0, entonces P(A B) = P(A) P(B | A).

Ya vimos que la probabilidad condicional est definida por .
Despejando P(A B) se obtiene:

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

En forma similar y partiendo de P (B | A) se llega a:

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

La regla de la multiplicacin tambin se puede generalizar. Veamos el caso de tres
eventos.

Sean los eventos A, B y C del mismo espacio muestral S, donde P(A) > 0, P
(B) > 0 y P(C) > 0.

Si tenemos P(A B C), aplicando la ley asociativa del lgebra de
conjuntos y la Regla de la Multiplicacin se obtiene P(A B C) = P [A (B C)]
= P(B C) P(A | B C).

Aplicando nuevamente la Regla de Multiplicacin en P (B C) = P(C) P (B
| C) llegamos a P(A B C) = P(C) P (B | C) P(A | B C).

Cuando se tienen n eventos, la regla de multiplicacin queda:

P(A
1
A
2
. . . A
n
) = P(A
1
) P(A
2
| A
1
) P(A
3
| A
1
A
2
) . . . P(A
n
| A
1
A
2
. .
. A
n-1
)









Ejemplo 3. 5. Una caja contiene 25 tornillos, de los cuales 4 son defectuosos. Si
se extraen 2 tornillos al azar, encontrar la probabilidad de que los dos sean
defectuosos.

Solucin

Definimos los eventos:

A = {x | x es el primer tornillo extrado es defectuoso}
B = {x | x es el segundo tornillo extrado es defectuoso}

De acuerdo a estas definiciones, para el primer tornillo extrado se tiene que
P(A) = . Como ya se extrajo un tornillo defectuoso, las condiciones para extraer
el segundo tornillo son que hay 24 tornillos, de los cuales 3 son defectuosos, por lo
que P(B | A) = . Utilizando la Regla de Multiplicacin tenemos:

P(A B) = P(A) P(B | A) = = 0.02


Ejemplo 3. 6. Se tiene una urna que contiene 4 canicas verdes y 6 rojas. Si se
extraen 2 canicas sin reemplazo Cul es la probabilidad de que la primera sea
roja y la segunda verde?.

Solucin

Sean lo eventos:

C = {x | x la primera canica es roja}
D = {x | x la segunda canica es verde}

En total hay 10 canicas, por lo que para la primera canica que se extrae se
tiene que . En el momento de extraer la segunda canica hay 9 canicas en
la urna, de las cuales 4 son verdes, por lo que . Aplicando la Regla de
multiplicacin queda:
.









Teorema de Valles
El teorema de Bayes parte de una situacin en la que es posible conocer las
probabilidades de que ocurran una serie de sucesos Ai.
A esta se aade un suceso B cuya ocurrencia proporciona cierta informacin,
porque las probabilidades de ocurrencia de B son distintas segn el suceso Ai que
haya ocurrido.
Conociendo que ha ocurrido el suceso B, la frmula del teorema de Bayes nos
indica como modifica esta informacin las probabilidades de los sucesos Ai.
Ejemplo: Si seleccionamos una persona al azar, la probabilidad de que sea
diabtica es 0,03. Obviamente la probabilidad de que no lo sea es 0,97.
Si no disponemos de informacin adicional nada ms podemos decir, pero
supongamos que al realizar un anlisis de sangre los niveles de glucosa son
superiores a 1.000 mg/l, lo que ocurre en el 95% de los diabticos y slo en un 2%
de las personas sanas.
Cul ser ahora la probabilidad de que esa persona sea diabtica?
La respuesta que nos d el teorema de bayes es que esa informacin adicional
hace que la probabilidad sea ahora 0,595.
Vemos as que la informacin proporcionada por el anlisis de sangre hace pasar,
la probabilidad inicial de padecer diabetes de 0,03, a 0,595.
Evidentemente si la prueba del anlisis de sangre hubiese sido negativa, esta
informacin modificara las probabilidades en sentido contrario. En este caso la
probabilidad de padecer diabetes se reducira a 0,0016.