Вы находитесь на странице: 1из 79

ESTADISTICA APLICADA I

Blanca Flor Robles Pastor


Mster en Estadstica Aplicada
Universidad de Alcal-Madrid.
Cul es la probabilidad de que.. ?
Qu posibilidad hay de que hoy llueva ? para
llevar mi paraguas o no.
Existe alguna probabilidad de que apruebe el
primer parcial ?,
PROBABILIDAD
Estas preguntas en el lenguaje coloquial esperan
como respuesta una medida de confianza
representativa o prctica de que ocurra un
evento futuro, o bien de una forma sencilla
interpretar la probabilidad.
En este curso lo que se quiere es entender con
claridad su contexto, como se mide y como se
utiliza al hacer inferencias.
PROBABILIDAD
El conocimiento de la probabilidad es de suma
importancia en todo estudio estadstico.
El clculo de probabilidades proporciona las
reglas para el estudio de los experimentos
aleatorios o de azar, que constituyen la base
para la estadstica inferencial.
Fenmenos Aleatorios y
Fenmenos Deterministicos.
Fenmeno Aleatorio.-
Es un fenmeno del que no se sabe que es lo que
va a ocurrir, estn relacionados con el azar o
probabilidad.
Fenmeno Determinista.-
Es el fenmeno en el cual de antemano se sabe
cual ser el resultado.
DEFINICIONES GENERALES
La probabilidad estudia el tipo de fenmenos aleatorios.
Experimento aleatorio.(E)
Una accin que se realiza con el propsito de
analizarla. Tiene como fin ltimo determinar
la probabilidad de uno o de varios
resultados.
Se considera como aleatorio y estocstico, si
sus resultados no son constantes.
Puede ser efectuado cualquier nmero de veces
esencialmente en las mismas condiciones.
Un experimento es aleatorio si se
verifican las siguientes condiciones:
1. Se puede repetir indefinidamente,
siempre en las mismas condiciones;
2. Antes de realizarlo, no se puede
predecir el resultado que se va a
obtener;
3. El resultado que se obtenga, s,
pertenece a un conjunto conocido
previamente de resultados posibles.
Ejemplos:
E1:Tirar dardos en un blanco determinado
E2:Lanzar un par de dados y observar cara
superior
E3:Seleccionar una carta de una baraja
E4:Lanzar una moneda al aire y observar
resultado
Espacio Muestral ()
Es el conjunto de todos los posibles resultados
de inters de un experimento dado, y se le
denota normalmente mediante la letra .
Ejemplos:
E:lanzar una moneda al aire y observar resultado.
Espacio muestral = total de formas en como
puede caer la moneda, o sea dos formas de
inters, que caiga cara o que caiga sello.
= { c, s } n ()= 2
E: lanzar un dado y observar cara superior.
Espacio muestral = total de caras en que puede
caer el dado, o sea seis formas posibles.
= { 1, 2, 3, 4, 5, 6 }
Los eventos aleatorios se denotan normalmente
con las letras maysculas A, B, C, ...
Son subconjuntos de , esto es, A, B, C, c
Los eventos aleatorios son conjuntos que pueden
contener un solo elemento, una infinidad de
elementos, y tambin no contener ningn
elemento.
Al nmero de puntos muestrales de se le
representa por n( )
Tipos o clases de eventos:
Evento seguro.- Siempre se verifica despus del
experimento aleatorio, es el mismo espacio
muestral.
E:lanzar una moneda al aire y observar resultado
= { c, s }
B: que resulte cara o sello al lanzar una moneda
B= { c, s } =
Evento Imposible.- Es aquel que nunca se verifica
como resultado del experimento aleatorio.
E: lanzar un dado y observar cara superior.
= { 1, 2, 3, 4, 5, 6 }
D: que resulte siete
D= { } D= u n(D)= 0
Evento Elemental.- Es el evento A que
contiene exactamente un punto muestral
de , esto es, n(A) = 1.
Cada elemento del espacio muestral, es un
evento elemental. Tambin se le
denomina como punto muestral.
Si s1, s2 e entonces s1, s2 son
eventos elementales.
E:lanzar una moneda al aire y observar
resultado
= { c, s }
B: que resulte cara B= { c } n(B)= 1
En el E: lanzar un dado
= { 1, 2, 3, 4, 5, 6 }, 1, 2, 3, 4, 5 y 6 son
sucesos elementales, y
A = Que caiga un uno = { 1 }
B = Que caiga un dos = { 2 }
: : :
F = Que caiga un seis = { 6 }
Evento Compuesto.- Es el evento que contiene
ms de un punto muestral de por tanto
n(A) > 1
Evento contrario a un evento A: Tambin se
denomina evento complemento de A y es el
evento que se verifica si, como resultado del
experimento aleatorio, no se verifica A.
Ya que los eventos son conjuntos, este evento se
denota con el smbolo A
c
o bien , y se define
como:
{ }
s tal que
c
A s A = eO e
Ejemplo:
Experimento: Se lanza una moneda tres veces.
Espacio Muestral:
= { (S,S,S), (S,S,C), (S,C,S), (C,S,S), (C,C,S), (C,S,C),
(S,C,C), (C,C,C) },
n() = 8, es el evento seguro.
Evento elemental:
B:Que salgan tres sellos; B ={ (S,S,S) } , n(B) = 1
Evento compuesto:
F: Que salgan al menos dos sellos;
= { (S,S,S), (S,S,C), (S,C,S), (C,S,S) }, n(F) = 4
Evento imposible: G: que resulte cuatro caras
G = | (conjunto vacio). n(G) = 0
Si un espacio muestral contiene n puntos
muestrales, hay un total de 2
n
subconjuntos o
eventos ( se le conoce como conjunto potencia ).
Por tanto para el ejemplo anterior existen:
2
8
= 256, eventos posibles.
Para el caso del experimento: se tira una
moneda,
el espacio muestral es de 2 puntos muestrales
S = {A, S}, por lo que se tienen 2
2
= 4
subconjuntos y el conjunto potencia es: (A,S),
(A), (S), | (conjunto vacio).
Operaciones Bsicas con Eventos Aleatorios
Ya que los eventos aleatorios son subconjuntos del
conjunto , espacio muestral, se pueden
aplicar las conocidas operaciones con
conjuntos, a los eventos, como son la unin, la
interseccin y la diferencia de eventos.
OPERACIN EXPRESION DESCRIPCION
UNION A B
Unin de eventos originales: es el
evento que sucede si y solo si A
sucede o B sucede o ambos
suceden
INTERSECCION A B
Interseccin de los eventos
originales, es el evento que sucede
si y slo si A y B suceden
simultneamente.
DIFERENCIA A - B
La diferencia de los eventos
originales A y B, es el evento que
sucede solo en A pero no en B.
Grficamente estas operaciones se pueden
representar a travs de los diagramas de Venn.
Sea el espacio muestral y A y B eventos tal que
A, B c grficamente se puede expresar
como:
S
A B
Fig. 1 Los eventos A y B no tienen elementos del espacio muestral en comn.
S
A B
Fig 2. Los eventos A y B tienen elementos del espacio muestral en comn.
De acuerdo a lo indicado en las figuras 1 y 2, la
unin de dos eventos se presenta de dos formas
diferentes: cuando los eventos son mutuamente
exclusivos (que no tienen elementos en comn) y
cuando entre los eventos hay elementos
comunes.
EVENTOS MUTUAMENTE EXCLUYENTES
Se dice que dos eventos A y B son mutuamente
excluyentes, cuando no pueden ocurrir
simultneamente, es decir, A B = C, lo que
ocurre en la fig. 1.
Ejemplo:
Experimento: Se lanza un dado.
Espacio muestral = total de caras en que puede
caer el dado, o sea seis formas de inters:
= { 1,2,3,4,5,6 }, n( ) = 6
Sean A, B, C los eventos:
A: Que caiga un nmero impar A = { 1, 3, 5 } ,
n(A) = 3
B: Que caiga un nmero mayor de 2 y menor que 5
B= { 3, 4 }, n(B) = 2
C: Que caiga un nmero par C= { 2, 4, 6 } ,
n(C) = 3
A B = { 1, 3, 5 } { 3, 4 } = {1,3,4,5}, n(A B) = 4
A C = { 1, 3, 5 } { 2,4,6 } = {1,2,3,4,5,6}= , n(A C) = n( ) = 6
B C = { 3, 4 } { 2, 4, 6 } = {2,3,4,6}, n(B C) = 4
A B C = { 1, 3, 5 } { 3, 4 } { 2,4,6 }= {1,2,3,4,5,6}=S,
n(A B C) = 6

A
B
C
1
5
3
4
2
6
A B={ 1, 3, 5 } { 3, 4 } = {3}, n(AB) = 1
A C={ 1, 3, 5 } { 2,4,6 } = {u}, n(A C) = n{u) = 0
B C={ 3, 4 } { 2, 4, 6 } = {4}, n(B C) = 1
(A B) C = ({ 1, 3, 5 } { 3, 4 }) { 2,4,6 }= {3} { 2,4,6 }={u},
n((A B) C) = n{u) = 0
A (B C) = { 1, 3, 5 } ({ 3, 4 } { 2,4,6 })= { 1, 3, 5 } { 4 }={u},
n(A (B C)) = n{u) = 0

A
B
C
3
4
A B = ={ 1, 3, 5 } - { 3, 4 } = { 1, 5 }, n(A B) = 2
A C = { 1, 3, 5 } - { 2,4,6 } = { 1,3,5 } = A, n( A C) = n(A) = 3
B C = { 3, 4 } - { 2,4,6 } = { 3 }, n(B-C) = 1

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

A
B
C
1
5
3
4
2
6
PROBABILIDAD
Probabilidad Clsica y Frecuencial.
Probabilidad frecuencial y regularidad
estadstica
Las frecuencias relativas de un evento tienden
a estabilizarse cuando el nmero de
observaciones se hace cada vez mayor.
Ejemplo: La regularidad estadstica en el
experimento del lanzamiento de monedas,
indica que las frecuencias relativas del
evento: que salga sol {s }, se tiende a
estabilizar aproximadamente en .5= 1/2.
PROBABILIDAD
Probabilidad frecuencial y regularidad
estadstica
La probabilidad de un evento A, denotada
por P(A), es el valor en el que se
estabilizan las frecuencias relativas
del evento A, cuando el nmero de
observaciones del experimento se
hace cada vez mayor.
PROBABILIDAD
Esto es:
donde
N(A) = nmero de elementos del evento A
N() = nmero de elementos del espacio
muestral .
( )
( ) (2)
( )
N A
P A
N
=
O
PROBABILIDAD
Probabilidad clsica.-
Sea un espacio muestral cualquiera y A un evento
de ese espacio. Se define la probabilidad P del
evento A, como:
donde
NCF - nmero de casos favorables
NCT - nmero de casos totales
(1) ) (
NCT
NCF
A P =
PROBABILIDAD
Ejemplo:
Experimento.- Se lanza una moneda
Evento A.- que al lanzar una moneda caiga cara.
Calcular la probabilidad de A:
= { C, S}, n() = 2
A = { c }, n(A) = 1
( ) 1
( ) .5
( ) 2
N A
P A
N
= = =
O
Leyes De La Probabilidad
Las relaciones que se dan entre los
eventos al ser aplicadas las
operaciones que se presentaron, se
facilitan y comprenden mejor haciendo
uso de los axiomas y teoremas de
probabilidad (Leyes de Probabilidad).
Axioma.- es una verdad evidente que no
requiere demostracin.
Teorema.- Es una verdad que requiere
ser demostrada.
Axioma 1.- Sea un espacio muestral
cualquiera y A un evento, tal que Ac,
entonces se cumple que
0 s P(A) s 1 (3)
esto significa que la probabilidad de cualquier
evento no puede ser ms grande que uno, ni ser
menor que cero. Si es igual a 1 se llama evento
seguro, y cuando es cero se llama evento
imposible.
P(A)
___________________________________
-2 -1 0 1 2
Axioma 2.- La probabilidad del espacio muestral es
un evento seguro, es uno
P() = 1
Ejemplo.-
Experimento.- Se lanza un dado
Si A =, es decir si el evento A coincide o es igual al
espacio muestral, entonces.
( ) ( )
( ) 1
( ) ( )
N A N S
P A
N N
= = =
O O
Teorema 1.- Si u es el conjunto vaco,
entonces la probabilidad de u es igual a 0
Ejemplos:
Una persona que quiere ganar la lotera nacional,
pero no compra boleto.
Que aparezca un siete al lanzar un dado
Que una persona viva 250 aos
En estos casos los eventos son vacos
( )
( ) 0
( )
N
P
N
C
C = =
O
Axioma 3.- Sea un espacio muestral
cualquiera y sean A y B dos eventos tales que
A c , B c y A B = C, es decir, dos
eventos mutuamente exclusivos, entonces
P(A B) = P(A) + P(B).
A B
A B
Ejemplo:
Experimento: Se lanzan dos monedas
= { ss, cc, sc, cs}
n() = 4
Sean:
A: el evento de que al lanzar un par de monedas caigan
dos sellos exactamente
B: el evento de que al lanzar un par de monedas caiga un
sello exactamente.
Los elementos de A y B son
A = { ss }
B = {sc, cs}
Se puede ver que A B = C, no hay elementos en
comn, por lo que los eventos son mutuamente
exclusivos o disjuntos, por tanto
P(A B) = P(A) + P(B)
( ) 1
( )
( ) 4
( ) 2
( )
( ) 4
1 2 3
( ) ( ) ( )
4 4 4
N A
P A
N
N B
P B
N
P A B P A P B
= =
O
= =
O
= + = + =
Axioma 4.-
Sean A1, A2, A3, A4, ..., An eventos mutuamente
exclusivos:
P(A1 A2 A3 A4, ... An) =
P(A1) + P(A2) + P(A3) + P(A4) + ...+ P(An)
Este axioma dice que la probabilidad de varios
eventos mutuamente exclusivos (que no tienen
elementos en comn), es igual a la suma de sus
probabilidades.
Si los eventos no son mutuamente excluyentes entonces para n eventos seria:
1 2 1 2
1 2
( ... ) ( ) ( ) ... ( )
( ) ( ) ... ( ... )
n n
n n
i j i j k k
i j i j k
P A A A P A P A P A
P A A P A A A P A A A
= = =
= + + +
+ +

Ejemplo:
Experimento: Se lanza un dado
Sean
Evento A: que al lanzar un dado salga el 2 o el 4
Evento B: que al lanzar un dado salga un nmero
mayor a 4
Evento C: que salga el 1 o 3
Los elementos de A, B y C son
A = {2, 4}, N(A) = 2
B = {5, 6}, N(B) = 2
C = {1, 3} , N(C) = 2
Como A, B y C son mutuamente excluyentes, ya
que A B = {u}, A C = {u},
B C = {u},
Por axioma 4
P(A B C) = P(A) + P(B) + P(C)
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
( ) 2
( )
( ) 6
2 2 2 6
( ) ( ) ( ) ( ) 1
6 6 6 6
N A
P A
N
N B
P B
N
N C
P C
N
P A B C P A P B P C
= =
O
= =
O
= =
O
= + + = + + = =
Teorema 2.-(Ley Aditiva de la Probabilildad).
Sean A y B dos eventos no excluyentes, A B =
C, entonces
P(A B) = P(A) + P(B) - P(A B)
A B
Diferencia
Sean A y B dos eventos:
A-B = { x | x e A y x e B }
A
B
A- B
Ejemplo.-
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A B = { 2s } N(A B ) = 1
P(A B) = P(A) + P(B) - P(A B)
= 2/12 + 3/12 1/12 = 4/12 = 1/3
Teorema 3.- Sea A un evento cualquiera y un
espacio muestral, tal que Ac , si A
c
es el
complemento del evento A, entonces la
probabilidad de A
c
es igual a 1 menos la
probabilidad de A, es decir
P(A
c
) = 1 P(A)
Experimento.- Se lanza un dado y una moneda
= {1s, 2s, 3s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
N() = 12
A: Al lanzar un dado y una moneda aparezcan el
nmero 2 o 3 con sol.
B: Al lanzar un dado y una moneda aparezcan
nmeros pares con sol.
A = { 2s, 3s }, N(A) = 2
B = { 2s, 4s, 6s } N(B) = 3
A
c
= { 1s, 4s, 5s, 6s, 1a, 2a, 3a, 4a, 5a, 6a }
P(A
c
) = 1 P(A) = 1 2/12 = 10/12
B
c
= { 1s, 3s, 5s, 1a, 2a, 3a, 4a, 5a, 6a }
P(B
c
) = 1 P(B) = 1 3/12 = 9/12
Probabilidad Condicional.
Sea A un evento arbitrario de un espacio
muestral , con P(B) > 0. La probabilidad
de que un evento A suceda una vez que B
ha sucedido o en otras palabras, la
probabilidad condicional de A dado B, se
define como:
) (
) (
) / (
B P
B A P
B A P

=
Eventos Independientes:
Se dice que los eventos A y B son independientes si
se cumplen:
Si no se cumplen, se dice que los eventos son
dependientes.
) ( ) ( ) (
) ( ) / (
) ( ) / (
B P A P B A P
B P A B P
A P B A P
=
=
=
Probabilidad Condicional.
Ley Multiplicativa de la Probabilidad.
Ya que (AB) = (BA) y despejamos a P(AB), se tiene
que la probabilidad de la interseccin es:
) A P( ) B/A P(
) ( ) / ( ) (
) (
) (
) / (
) (
) (
) / (
=
=

=
B P B A P B A P
A P
A B P
A B P
B P
B A P
B A P
Probabilidad Condicional.
Si A y B son independientes:
P(B)P(A) ) A P( ) B/A P(
) ( ) ( ) ( ) / ( ) (
= =
= = B P A P B P B A P B A P
) (
) (
) ( ) (
) (
) (
) / (
) (
) (
) ( ) (
) (
) (
) / (
B P
A P
A P B P
A P
A B P
A B P
A P
B P
B P A P
B P
B A P
B A P
= =

=
= =

=
Ejemplo:
Experimento: Lanzar un dado.
A: que al lanzar el dado caiga 3
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.
= {1,2,3,4,5,6}
A = {3}, E = { 1,3,5}, (AE) = {3},
P(A) = 1/6
P(A/E) = P(AE)/ P(E)
= 1/6 / 3/6 = (1)(6)/(6)(3)
= 6/18 = 1/3
Otra forma de calcular las probabilidades de la
interseccin y las probabilidades condicionales,
de dos eventos A y B, tal que
A A
C
=
B B
C
=
es elaborando primero la tabla de nmero de
elementos de los eventos y despus la tabla de
sus probabilidades.
B B
c
Total
A AB AB
c
A
A
c
A
c
B A
c
B
c
A
c
Total B B
c

Se tienen los eventos A y B y sus complementos


A
c
, B
c
B B
c
Total
A N(AB) N(AB
c
) N(A)
A
c
N(A
c
B) N(A
c
B
c
) N(A
c
)
Total N(B) N(B
c
) N()
Tabla de nmero de elementos de A, B y sus
complementos A
c
, B
c
B B
c
Total
A P(AB) P(AB
c
) P(A)
A
c
P(A
c
B) P(A
c
B
c
) P(A
c
)
Total P(B) P(B
c
) P( )
Tabla de probabilidades de A, B, A
c
, B
c
y sus
intersecciones
Probabilidades condicionales:
P(A/B) = P(A B)/P(B)
P(B/A) = P(A B)/P(A)
P(A/B
c
) = P(A B
c
)/P(B
c
)
P(B/A
c
) = P(A
c
B)/P(A
c
)
P(A
c
/B) = P(A
c
B)/P(B)
P(B
c
/A) = P(A B
c
)/P(A)
Ejemplo.-
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 ?:
SOLUCION
a).- Mujer
b).- Hombre
c).- Mujer dado que est empleado
d).- Desempleado dado que es hombre
e).- Empleado dado que es mujer
Sean los eventos:
M: Que sea Mujer
H: Que sea Hombre
D: Que sea Desempleado
E: Que sea Empleado
Desempleados
D
Empleados
E
Total
Mujeres
M
800 3200 4000
Hombres
H
200 3800 4000
Total 1000 7000 8000
Tabla Nmero de elementos de los Eventos M, H, D, E y S
D E Total
M
800/8000 = .1 3200/8000= .4 4000/8000= .5
H
200/8000= .025 3800/8000= .475 4000/8000= .5
Total
1000/8000= .125 7000/8000= .875 8000/8000= 1
Tabla de Probabilidades
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(M/E) = P(ME)/P(E) = .40/.875 = .4571
P(D/H) = P(DH)/P(H) = .025/.5 = .05
P(E/M) = P(ME)/P(M) = .40/.5 = .8
P(M/D) = P(MD)/P(D) = .10/.125 = .8
P(H/D) = P(HD)/P(D) = .025/.125 = .2
Eventos dependientes e independientes
En el ejemplo anterior se tiene que
P(M) = .50
P(H) = .50
P(E) = .875
P(D) = .125
P(ME) = .40 P(M) P(E) = .4375
P(DH) = .025 P(D) P(H) = .0625
P(MD) = .10 P(M) P(D) = .0625
P(EH) = .475 P(E) P(H) = .4375
Por tanto los eventos M y E ,
D y H,
M y D,
E y H
son dependientes.
Ley general Multiplicativa para n
eventos
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

=
INDEPENDENCIA DE n EVENTOS
1 2 3 1 2 3
( ... ) ( ) ( ) ( )... ( )
k k
P A A A A P A P A P A P A =
Probabilidad total.-
Sean A
1
, A
2
, A
3
..., An eventos disjuntos
(mutuamente excluyentes), que forman una
particin de . Esto es Ai Aj = C para
toda i y toda j, y adems
= A
1
A
2
A
3
. A
n
A1
A2
A3
A4
A5
A6
An
Y sea E otro evento tal que E c y E A
i
= C
A1
A2
A3
A4
A5
A6
An
E
E
PROBABILIDAD TOTAL
Entonces
E = 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
PROBABILIDAD TOTAL
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
)
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M
1
,
M
2
y M
3
que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
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 ?
SOLUCIN
Sea
D el evento: Que sea un artculo defectuoso.
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
P(D) = P(D/M
1
) P(M1) + P(D/M2) P(M2) +
P(D/M3) P(M3)
= .03(.50) + .04(.30) + .05(.20) = 0.037
M
1
M
2
M
3
D
ND
D
ND
D
ND
P(M
1
)=.50
P(M
2
)=.30
P(M
3
)=.20
P(D/M
1
)=.03
P(ND/M
1
)=.97
P(D/M
2
)=.04
P(D/M
3
)=.05
P(ND/M
2
)=.96
P(ND/M
3
)=.95
P(M
1
)*P(D/M
1
)=.5*.03=.015
P(M
2
)*P(D/M
2
)=.3*.04=.012
P(M
1
)*P(D/M
1
)=.2*.05=.01
P(D) = .015+.012+.01=.037
TEOREMA DE BAYES
Supngase que A
1
, A
2
, A
3
,...,A
n
es una particin de
un espacio muestral . En cada caso P(A
i
) 0. La
particin es tal que A
1
, A
2
, A
3
,...,A
n
, son eventos
mutuamente exclusivos. Sea E cualquier evento,
entonces para cualquier A
i
,

) / ( ) ( ) / ( ) ( ) / ( ) (
) / ( ) (
) / (
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
+ + +
=

TEOREMA DE BAYES

P(E)
) / ( ) (
) / (
en to n ces
: es E d e co mp leta ad p ro b ab ilid la Co mo
2 2 1 1
I i
i
n n
A E P A P
E A P
) )P(E/A P(A ) )P(E/A P(A ) )P(E/A P(A P(E)
=
+ + + =
Ejemplo.-
En una pequea empresa de tejidos se obtiene
su produccin con tres mquinas hiladoras M
1
,
M
2
y M
3
que producen respectivamente 50%,
30% y el 20% del nmero total de artculos
producidos.
Los porcentajes de productos defectuosos
producidos por estas mquinas son 3%, 4% y
5%. Supngase que se selecciona un artculo
al azar y resulta ser defectuoso. Cul sera
la probabilidad de que el artculo haya sido
producido por la mquina M1?
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
M
1
M
2
M
3
D
ND
D
ND
D
ND
P(M
1
)=.50
P(M
2
)=.30
P(M
3
)=.20
P(D/M
1
)=.03
P(ND/M
1
)=.97
P(D/M
2
)=.04
P(D/M
3
)=.05
P(ND/M
2
)=.96
P(ND/M
3
)=.95
P(M
1
)*P(D/M
1
)=.5*.03=.015
P(M
2
)*P(D/M
2
)=.3*.04=.012
P(M
1
)*P(D/M
1
)=.2*.05=.01
P(D) = .015+.012+.01=.037
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

Вам также может понравиться