You are on page 1of 33

Probabilidad condicional, eventos

independientes, probabilidad total.


Teorema de Bayes.
AREA DE CIENCIAS
Logro de la sesin

Al finalizar la sesin el estudiante aplica la teora de


probabilidades para analizar y expresar las
incertidumbres de un evento y el entorno.
Regla de la Multiplicacin

Si dos eventos A y B son independientes (la ocurrencia de B


no afecta la probabilidad de ocurrencia de A). Es decir:
P(A|B) = P(A)

Su probabilidad conjunta es:


P(A y B) = P(A B) = P(A) * P(B).

Si dos eventos A y B no son independientes (la ocurrencia


de B afecta la probabilidad de ocurrencia de A).
Surge el concepto de Probabilidad Condicional
Probabilidad condicional

Probabilidad condicional es la probabilidad de que


ocurra un evento en particular, dado que ocurri otro
evento.
P( A B)
P( B | A)
P(B|A). P( A)
Se lee: La probabilidad de que ocurra el evento B dado
que ya ocurri A.

P(A|B).
Se lee: La probabilidad de que ocurra el evento A dado
que ya ocurri B.
Regla general de multiplicacin

La probabilidad conjunta que ambos ocurran se encuentra


multiplicando la probabilidad de A por la probabilidad
condicional de B dado que A ocurri.

P(A y B) = P(A B) = P(A) * P(B|A)


EJEMPLO 1
Ripley posee dos inventarios independientes uno de otro. La
probabilidad de que el inventario A aumente su valor el prximo ao es
0.5, mientras que la probabilidad de que el B aumente el suyo es 0.7.
Cul es la probabilidad de que ambos aumenten su valor el prximo
ao? Cul es la probabilidad de que al menos uno aumente su valor el
prximo ao (esto implica que cualquiera de los dos o ambos
aumenten)?

P(A y B) = (0.5)(0.7) = 0.35.

As, P(al menos uno) = (0.5)(0.3)+(0.5)(0.7)+(0.7)(0.5)= 0.85.


Caso 1
El Superintendente de la SBS analizaba la siguiente informacin sobre una
muestra de ahorristas:
GENERO
Si se elige un ahorrista al azar,
Banco Hombre Mujer Total
cul es la probabilidad de que sea
mujer y ahorre en el BCP? BCP 170 110 280
Interbank 120 100 220
P(M y B) = 110 / 900 = 0.122 Scotiabank 60 70 130

S se sabe que el ahorrista es Financiero 150 120 270


mujer, cul es la probabilidad que Total 500 400 900
ahorre BCP?
P(HyF)=
P(C/M) = 110 / 400 = 0.275
P(H/F)=
S se sabe que el ahorrista P(F/H)=
pertenece al BCP, que tan
P(HoF)=
probable es que sea mujer?
Diagrama de rbol

Un diagrama de rbol (o arborigrama) es una


representacin grfica muy til para visualizar las
probabilidades condicional y conjunta y en particular para
el anlisis de decisiones administrativas que involucran
varias etapas.
Donde cada segmento en el rbol es una etapa del problema.
Nodo inicial. Puede o no representar un evento.
Nodos finales o terminales. Son el nmero de alternativas.
Ramas. Une a dos nodos
EJEMPLO 02

Una bolsa contiene 7 fichas rojas (R) y 5 azules (B), se


escogen 2 fichas, una despus de la otra sin reemplazo.
Construya el diagrama de rbol con esta informacin.
Definiendo a los posibles eventos como:
R1: Primera ficha elegida es de color rojo.
B1: Primera ficha elegida es de color azul.
R2: Segunda ficha elegida es de color rojo.
B2: Segunda ficha elegida es de color azul.
EJEMPLO 02 continuacin

6/11 R2

7/12 R1
5/11 B2
7/11 R2
5/12 B1
4/11 B2
PROBABILIDAD A PRIORI
Es la probabilidad inicial con base en el nivel actual de informacin.

PROBABILIDAD A POSTERIORI
Es una probabilidad revisada con base en informacin adicional.

EJEMPLO:
El parte meteorolgico ha anunciado tres posibilidades
para el fin de semana:

a.Que llueva: probabilidad del 50%.


b.Que nieve: probabilidad del 30%
c.Que haya niebla: probabilidad del 20%.

Segn estos posibles estados meteorolgicos, la posibilidad de que


ocurra un accidente es la siguiente:

a.Si llueve: probabilidad de accidente del 20%


b.Si nieva: probabilidad de accidente del 10%
c.Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como
no estbamos en la ciudad no sabemos que tiempo hizo
(llovi, nev o hubo niebla).

Las probabilidades que manejamos antes de conocer que


ha ocurrido un accidente se denominan "probabilidades a
priori" (lluvia con el 50%, nieve con el 30% y niebla con el
20%).

Una vez que incorporamos la informacin de que ha


ocurrido un accidente, las probabilidades del suceso A
cambian: son probabilidades condicionadas P (A/B), que
se denominan "probabilidades a posteriori
Teorema de Bayes

El teorema de Bayes se representa con la frmula:

P( A1) * P( B | A1)
P( A1 | B)
P( A1) * P( B | A1) P( A2) * P( B | A2)

Probabilidad Total
La compaa Backus ha recibido varias quejas debido al
bajo contenido de sus botellas. Una queja fue recibida hoy,
el gerente de Produccin no puede identificar la fuente
(Motupe, Pucallpa o Lima) de la botella.
S sabemos que:

% de produccin total % botellas falladas (contenido inadecuado)

Motupe 55 3
Pucallpa 25 5
Lima 20 4
Cul es la probabilidad de que:
a) La botella fallada haya salido de la planta de Motupe. (La botella sea de Motupe si s
que estaba fallada: P(M/F).)
b) Una botella sea de Motupe y est en buen estado: P(MyB).
c) Una botella est en buen estado si s que era Motupe: P(B/M).
d) Una botella est fallada: P(F).
e) Una botella sea de Lima si s que estaba buen estado: P(L/B).
Diagrama de rbol

Defina eventos.
Elabore un Diagrama del rbol.
a) La botella fallada haya salido de la planta de Motupe. (La botella sea de Motupe si s que estaba fallada:
P(M/F).)
Definiendob) Una botella sea de Motupe y est en buen estado: P(MyB).
Eventos
M = Motupe c) Una botella est en buen estado si s que era Motupe: P(B/M).
P = Pucallpa
L= Lima d) Una botella est fallada: P(F).
e)
B = Buen estado Una botella sea de Lima si s que estaba buen estado: P(L/B).
F = Fallada
P(MF)= P(MyF) = P(MF)= P(M)*P(F/M)
F =(0.55)(0.03)=0.0165

M
P(MB)= P(MyB) = P(MB)= P(M)*P(B/M)
=(0.55)(0.97)=0.5335
B

P(PF)= P(PyF) = P(PF)= P(P)*P(F/P)


F
=(0.25)(0.05)=0.0125

P(P) = 0.25
P
P(PB)= P(PyB) = P(PB)= P(P)*P(B/P)
B =(0.25)(0.95)=0.2375

P(LF)= P(LyF) = P(LF)= P(L)*P(F/L)


F =(0.2)(0.04)=0.008

L
P(LB)= P(LyB) = P(LB)= P(L)*P(B/L)
=(0.2)(0.96)=0.192
B
Teorema de Bayes
Revisin de Probabilidades

Posibilidades Informacin Teorema Posibilidades


a priori Nueva de Bayes posteriores

P( B A)
P( B | A)
P( A)
Ejemplo 03

En un pueblo alejado, 5% de la poblacin padece una enfermedad


originaria de dicho lugar. A priori podemos afirmar que la
probabilidad de que una persona seleccionada al azar padezca la
enfermedad es 5%, y de que no la padezca es 95%.
Existe una prueba de diagnstico para detectar la enfermedad.
Si una persona tiene la enfermedad, la prueba sale positiva en 90% de los
casos.
La estadstica muestra adems que en 15% de los casos, a pesar de que la
persona no padeca la enfermedad, la prueba sali positiva.
Si escogemos a una persona, y al hacerle la prueba de diagnstico,
sta sale positiva, Cul es la probabilidad de que la persona tenga
realmente la enfermedad?
P(P|E) P(E,P)=0.05x0.90=0.0450

P(E)
0.0450 +
P(E,N)=0.05x0.10=0.0050 0.1425
P(N|E)
0.1875

P(P|noE)
P(noE,P)=0.95x0.15=0.1425

P(no E)

P(N|noE) P(noE,N)=0.95x0.85=0.8075

P( E , P) 0.0450
P( E | P) 0.24
P( P) 0.1875
Tabla de Contingencia

Evento
Evento B1 B2 Total
A1 P(A1 y B1) P(A1 y B2) P(A1)

A2 P(A2 y B1) P(A2 y B2) P(A2)

Total P(B1) P(B2) 1

Probabilidad Probabilidad Marginal (Simple)


Conjunta
Caso de la Baraja de Naipes..
Color
Tipo Rojo Negro Total
As 2 2 4
No As 24 24 48
Total 26 26 52
Color
Tipo Rojo Negro Total
As 1/26 1/26 2/26
No As 6/13 6/13 12/13
Total 13/26 13/26 26/26
Caso de produccin
Evento
Evento C D Total
A: Artculos en idioma espaol
B: Artculos
C: Artculos
en idioma ingls.
sobre estrategia.
A 4 2 6
D: Artculos sobre gestin.
B 1 3 4
Total 5 5 10
Cul es la Probabilidad de escoger un artculo?
P (A) =
P (D) =
P (C y B) =
P (A o D) =
P (B y D) =
Solucin

Las probabilidades son:


P (A) = 6/10 Evento
P (D) = 5/10 Evento C D Total
P (C y B) = 1/10 A 4 2 6
P (A o D) = 9/10 B 1 3 4
P (B y D) = 3/10 Total 5 5 10
Adems
Cul es la probabilidad?
P (A|D) = Evento
Evento C D Total
P (C|B) =
A 4 2 6
Son C y B B 1 3 4
independientes?
Total 5 5 10
A: Artculos en idioma espaol
B: Artculos en idioma ingls.
C: Artculos sobre estrategia.
D: Artculos sobre gestin.
Evento
Evento C D Total
A 4 2 6
B 1 3 4
Total 5 5 10

2
P(A y D) 10 2
P(A | D)
P(D) 5 5
10
1
P(C y B) 10 1
P(C | B)
P(B) 4 4
10
5 1 6 2
P(C) P(A)
10 4 10 5
Tipos de Probabilidades

Tipos de Condiciones de Condiciones de


Probabilidad Smbolo Independencia Estadstica Dependencia Estadstica

Marginal P(A) P(A) P (ABi)


Conjunta P ( A,B ) P(A) x P (B) P (A | B) x P (B )
Condicional P ( A|B ) P(A) P (A,B) / P ( B )
Ejemplo 04

Una manufacturera recibe embarques de piezas de dos


proveedores. El 65% de las piezas adquiridas provienen del
proveedor 1 y el 35% restante del proveedor 2. Segn la
estadstica existente, de las 100 ltimas piezas recibidas del
proveedor 1, 98 estuvieron buenas y 2 estuvieron malas. En
el caso del proveedor 2, 95 piezas de 100 estuvieron buenas
y 5 fueron malas. Suponga que una de las piezas recibidas de
los dos proveedores est mala, cul es la probabilidad que
provenga del proveedor 1? Cul es la probabilidad que
provenga del proveedor 2?
P(B|1) P(1,B)=0.65x0.98=0.6370

P(1)

P(1,M)=0.65x0.02=0.0130
P(M|1)

P(B|2) 0.0130 +
P(2,B)=0.35x0.95=0.3325 0.0175

0.0305
P(2)

P(M|2) P(2,M)=0.35x0.05=0.0175

P(1, M ) 0.0130 P(2, M ) 0.0175


P(1 | M ) 0.4262 P(2 | M ) 0.5738
P( M ) 0.0305 P( M ) 0.0305
Tabla de Excel

Pr. Marginal Pr. Condicional Pr. Conjunta


Evento P(Evento) P(Mala|Evento) P(Evento,Mala)
Proveedor 1 0.65 0.02 0.0130 P(1,Mala)
Proveedor 2 0.35 0.05 0.0175 P(2,Mala)
0.0305 P(Mala)

P(1|M) 0.4262

P(2|M) 0.5738

P(1, M ) P(2, M )
P(1 | M ) P(2 | M )
P( M ) P( M )
Ejemplo 05

En una fbrica existe una mquina que produce automticamente


engranajes. Si la mquina est correctamente calibrada producir 90%
de piezas buenas. Si est mal calibrada producir slo 40% de piezas
buenas. La experiencia pasada indica que el 70% de los trabajos de
calibracin dan buenos resultados. Luego de un trabajo de
mantenimiento, la mquina produce 3 engranajes buenos, como las
primeras tres piezas.
Se desea conocer la probabilidad revisada de que la calibracin haya sido
buena.
P(BBB|C)
P(C,BBB)=0.70x(0.90)3=0.5103
P(BB|C)

P(B|C)
0.5103 +
0.0192
P(C)
0.5295

P(NC,BBB)=0.30x(0.40)3=0.0192

P(NC)

P(C , BBB ) 0.5103


P(C | BBB ) 0.9637
P( BBB ) 0.5295
Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)

P(Calibrada|BBB) 0.9637

P(No Calibrada|BBB) 0.0363

P(Calibrada , BBB )
P(Calibrada | BBB )
P( BBB )

P( No Calibrada , BBB )
P( No Calibrada | BBB )
P( BBB )
Cierre

Qu hemos aprendido?

Cundo decimos que dos eventos son


independientes?

A qu se le denomina probabilidad condicional?

Cul es la utilidad del Teorema de Bayes?