Probabilidad

Probabilidad Condicional Leyes de la Probabilidad
Probabilidad Condicional y Leyes de Probabilidad
Braian Moreno
Universidad del Rosario
August 12, 2019
Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Outline
1 Probabilidad Condicional
Eventos Independientes
2 Leyes de la Probabilidad
Ley Multiplicativa de Probabilidad
Ley Aditiva de Probabilidad

Outline

Probabilidad Condicional
Muchas veces se obtiene una información parcial acerca de un exper-

imento aleatorio antes que sea conocido el resultado final cambiando
la estructura probabilística de los posibles resultados.
Se supone
La utilización de la probabilidad condicional para realizar algún
tipo de apuestas dado un conocimiento previo.

Algunos ejemplos son:

En una mano de cartas, conocer que el oponente tiene una
mano de solo cartas de color rojo. (Se intuye, por ejemplo,
que el oponente no tiene 4 reyes).
Al invitar una persona a almorzar, querer comer aros de
cebolla conociendo que a esta no le gusta la cebolla.
La probabilidad que un tomate se dañe en tres días, dado que
está en la nevera.

Definición
La probabilidad condicional de un evento A, dado que un evento B
ha ocurrido, es:
P (A ∩ B)
P (A|B) =
P (B)
Siempre que P (B) > 0.

Frecuencia Relativa
Sea A un evento cuyo chance de ocurrir debe ser medido bajo la

suposición de que un evento B ha sido observado. Si el experimento
se repite, bajo las mismas condiciones n veces, entonces la frecuencia
relativa de A bajo la condición de B se define como:
n(A ∩ B)
fr (A|B) := , si n(B) > 0
n(B)
siendo n(A ∩ B) el número de casos favorables a A ∩ B.

Frecuencia Relativa
Es claro que fr (A|B) depende de n. Sin embargo, cuando el exper-

imento se realiza muchas veces, las frecuencias relativas tienden a
estabilizarse alrededor de un número específico entre 0 y 1, conocido
como la probabilidad condicional del evento A bajo la condición B.
Así, se observa que:
n(A∩B)
n fr (A ∩ B)
fr (A|B) = n(B)
= , si n(B > 0)
fr (B)
n

Frecuencia Relativa
Cuando n es suficientemente grande, el numerador en la anterior

expresión tiende a P (A ∩ B) y el denominador a P (B), llegando a
la definición de probabilidad condicional.

Ejemplo
Se lanzan dos dados corrientes a la vez. La probabilidad de que al

menos uno de los resultados sea 6, dado que los resultados obtenidos
son diferentes, es igual a 1/3. Sean los eventos:
A: Por lo menos uno de los resultados es 6.
B: Los resultados son diferentes.
Es decir:
A = {(a, 6) : a ∈ {1, 2, · · · , 6}} ∪ {(6, b) : b ∈ {1, 2, · · · , 6}}.
A = {(a, b) : a ∈ {1, 2, · · · , 6}, a 6= b}.
Entonces:
10
P (A ∩ B) 36 1
P (A|B) = = 30 =
P (B) 36
3

Ejemplo
Una urna contiene 12 bolas de las cuales 8 son blancas. Se extrae

una muestra de tamaño 4 sin reemplazo. Entonces la probabilidad
de que la primera y la tercera bola extraídas sean blancas dado que la
muestra contiene exactamente tres bolas blancas es 1/2. En efecto,
al suponer que las bolas están numeradas del 1 al 12, entonces:
S = {(a1 , a2 , a3 , a4 ) : ai ∈ {1, 2, 3, · · · , 12}, ai 6= aj ∀i 6= j}.
A: Exactamente tres de las bolas extraídas son blancas.
B: La primera y la tercera bola extraídas son blancas.
Entonces:
n(A∩B) 2
P (A ∩ B) n(S) n(A ∩ B) 1 8.6.7.4 1
P (B|A) = = n(A)
= = 4 =
P (A) n(A) 3 4.8.7.6
2
n(S)

Definición
Al suponer que la probabilidad de que ocurra un evento A no es

afectada porque ocurra o no ocurra el evento B. Cuando esto ocurre,
se piensa que los eventos A y B son independientes.

Definición
Definición
Se dice que dos eventos A y B son independientes si se cumple
cualquiera de los siguientes casos:
P (A|B) = P (A).
P (B|A) = P (B).
P (A ∩ B) = P (A)P (B).
Si alguno de los eventos no se cumple, entonces se dice que los
eventos son dependientes.

Ejemplo
Considere los siguientes eventos en el tiro de un solo dado:

A: Observar un número impar.
B: Observar un número par.
C: Observar un 1 o un 2.
a.¿A y B son eventos independientes?. b.¿A y C son eventos inde-
pendientes?

Ejemplo
Es claro que P (A) = 1/2, P (B) = 1/2, P (C) = 1.

a. Como A ∩ B = ∅, entonces P (A|B) = 0. Luego
P (A|B) 6= P (A). Luego los eventos A y B son dependientes
b. Observe que P (A|C) = 1/2 y P (A) = 1/2. Luego
P (A|C) = P (A). Luego los eventos A y C son
independientes.

Ejemplo
Una encuesta de consumidores en una comunidad particular mostró

que 10% no estaban satisfechos con los trabajos de plomería realiza-
dos en sus casas. La mitad de las quejas se refería al plomero A, que
realiza 40% de los trabajos de plomería de la población. Encuentre
la probabilidad de que un consumidor obtenga:
a. un trabajo de plomería no satisfactorio, dado que el plomero
era A.
b. un trabajo de plomería satisfactorio, dado que el plomero era
A.

Ejemplo
Se definen los eventos:

C: El trabajo de plomería no es satisfactorio.
B: El plomero A realizó el trabajo.
Entonces:
1
P (C ∩ B) P (B|C)P (B) 2
P (C|B) = = = 1 = 0.125
P (B) P (C) 4
además
1 − P (C|B) = 0.875

Ejercicio
Ejercicio 2.77 al 2.83 del texto guía.

Outline

Leyes de Probabilidad
Estas leyes proporcionan las probabilidades de uniones e intersec-

ciones de eventos. También, desempeñan un papel importante en
el método de composición de eventos para la solución de problemas
de probabilidad.

Ley Multiplicativa
La ley multiplicativa de probabilidades indica que la probabilidad de

que dos eventos A y B ocurran al mismo tiempo.

Ley Multiplicativa
Teorema
La probabilidad de la intersección de dos eventos A y B es:
P (A ∩ B) = P (A)P (B|A)
= P (B)P (A|B)
Además, si A y B son eventos independientes, entonces

P (A ∩ B) = P (A)P (B).

Ley Multiplicativa
Al extender el resultado anterior a tres eventos se tiene:
P (A ∩ B ∩ C) = P [(A ∩ B) ∩ C]
= P (A ∩ B)P (C|(A ∩ B))
= P (A)P (B|A)P (C|(A ∩ B))

Ley Multiplicativa
Al extenderse el concepto a la intersección de k eventos, se tiene:
P (A1 ∩ A2 ∩ · · · ∩ Ak ) = P (A1 )P (A2 |A1 )P (A3 |(A1 ∩ A2 ))

· · · P (Ak |(A1 ∩ A2 ∩ A3 ∩ · · · ∩ Ak−1 ))

Ley Multiplicativa
En una caja hay una tarjeta roja, una verde y una negra. Sin mirar,
se saca una tarjeta y se devuelve a la caja, luego se saca otra tarjeta.
¿Cuál es la probabilidad de que la primera vez se saque una tarjeta
verde y la segunda vez se saque también una tarjeta verde?

Ley Multiplicativa
La probabilidad de sacar la tarjeta verde la primera vez es de 1/3 y

la probabilidad de sacar la tarjeta verde la segunda vez es de 1/3.
Como la ocurrencia de los eventos está ligada por la conjunción y,
se aplica la ley de la multiplicación:
1 1 1

P (V, V ) = P (V )P (V ) = =
3 3 9

Ley Aditiva
La ley aditiva de las probabilidades establece que la probabilidad de

ocurrencia de dos sucesos es igual a la probabilidad de ocurrencia
de cada uno menos la probabilidad de ocurrencia de ambos.

Ley Aditiva
Teorema
La probabilidad de la unión de dos eventos A y B es:
P (A ∪ B) = P (A) + P (B) − P (A ∩ B)
Si A y B son eventos mutuamente excluyentes, P (A ∩ B) = 0 y
P (A ∪ B) = P (A) + P (B)

Ley Aditiva
La probabilidad de la unión de tres eventos está dada por:
P (A ∪ B ∪ C) = P [A ∪ (B ∪ C)]
= P (A) + P (B ∪ C) − P (A ∩ (B ∪ C))
= P (A) + P (B) + P (C) − P (B ∩ C) −
−P [(A ∩ B) ∪ (A ∩ C)]
= P (A) + P (B) + P (C) − P (B ∩ C) −
−P (A ∩ B) − P (A ∩ C) + P (A ∩ B ∩ C)

Ley Aditiva
En una facultad de una universidad, el 30% de los estudiantes

perdieron álgebra, el 35% perdieron geometría y el 15% perdieron
las dos materias. Se selecciona un estudiante cualquiera. ¿Cuál es
la probabilidad que halla perdido álgebra o geometría?

Ley Aditiva
Es claro que la probabilidad de perder álgebra es P (A) = 30/100,

de perder geometría P (G) = 35/100 y la probabilidad de perder las
dos materias es de P (A ∩ G) = 15/100. Como los eventos no son
mutuamente excluyentes, al aplicar la ley aditiva se tiene:
P (A ∪ G) = P (A) + P (G) − P (A ∩ G)
30 35 15
= + −
100 100 100
1
=
2

Complementos
Teorema
Si A es un evento, entonces
P (A) = 1 − P (A)

Ejemplo
Una política que requiere que todos los empleados hospitalarios ha-
gan exámenes de detector de mentiras reduce pérdidas debidas a
robos, pero algunos empleados consideran tales exámenes como una
violación a sus derechos. Experiencias pasadas indican que los detec-
tores de mentiras tienen porcentajes de precisión que varían de 92%
a 99%. Para tener alguna idea de los riesgos a los que se enfrentan
los empleados cuando hacen un examen de detector de mentiras,
suponga que la probabilidad es .05 de que un detector de menti-
ras concluya que una persona está mintiendo y que, en realidad,
esté diciendo la verdad, y suponga que cualquier par de exámenes
son independientes. £Cuál es la probabilidad de que una máquina
concluya que

Ejemplo
a. cada uno de tres empleados está mintiendo cuando todos

están diciendo la verdad?,
b. al menos uno de los tres empleados está mintiendo cuando
todos están diciendo la verdad?
a. Los exámenes son independientes. Luego, la probabilidad es

(1/2)3 = 0.000125.
b. P(Alguno está mintiendo) =1-P(nadie miente)
=1 − (0.95)3 = 0.143.

Ejemplo
a. cada uno de tres empleados está mintiendo cuando todos

están diciendo la verdad?,
b. al menos uno de los tres empleados está mintiendo cuando
todos están diciendo la verdad?
a. Los exámenes son independientes. Luego, la probabilidad es

(1/2)3 = 0.000125.
b. P(Alguno está mintiendo) =1-P(nadie miente)
=1 − (0.95)3 = 0.143.

Ejercicios
desde el 2.86 hasta el 2.109 múltiplos de 3 del texto guía.

Probabilidad

Загружено:

Сведения о документе

Исходное описание:

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Probabilidad

Загружено:

Авторское право:

Доступные форматы

Probabilidad Condicional Leyes de la Probabilidad

Probabilidad Condicional y Leyes de Probabilidad

Universidad del Rosario

August 12, 2019

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Muchas veces se obtiene una información parcial acerca de un exper-

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Algunos ejemplos son:

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Siempre que P (B) > 0.

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Sea A un evento cuyo chance de ocurrir debe ser medido bajo la

siendo n(A ∩ B) el número de casos favorables a A ∩ B.

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Es claro que fr (A|B) depende de n. Sin embargo, cuando el exper-

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Cuando n es suficientemente grande, el numerador en la anterior

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Se lanzan dos dados corrientes a la vez. La probabilidad de que al

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Una urna contiene 12 bolas de las cuales 8 son blancas. Se extrae

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Al suponer que la probabilidad de que ocurra un evento A no es

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Considere los siguientes eventos en el tiro de un solo dado:

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Es claro que P (A) = 1/2, P (B) = 1/2, P (C) = 1.

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Una encuesta de consumidores en una comunidad particular mostró

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Se definen los eventos:

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ejercicio 2.77 al 2.83 del texto guía.

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Estas leyes proporcionan las probabilidades de uniones e intersec-

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Multiplicativa de Probabilidad

La ley multiplicativa de probabilidades indica que la probabilidad de

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Multiplicativa de Probabilidad

Además, si A y B son eventos independientes, entonces

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Multiplicativa de Probabilidad

Al extender el resultado anterior a tres eventos se tiene:

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Multiplicativa de Probabilidad

Al extenderse el concepto a la intersección de k eventos, se tiene:

P (A1 ∩ A2 ∩ · · · ∩ Ak ) = P (A1 )P (A2 |A1 )P (A3 |(A1 ∩ A2 ))

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Multiplicativa de Probabilidad

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Multiplicativa de Probabilidad

La probabilidad de sacar la tarjeta verde la primera vez es de 1/3 y

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Aditiva de Probabilidad

La ley aditiva de las probabilidades establece que la probabilidad de

Braian Moreno Probabilidad Condicional y Leyes de Probabilidad

Ley Aditiva de Probabilidad

Si A y B son eventos mutuamente excluyentes, P (A ∩ B) = 0 y