Anlisis de Datos en Ingeniera

PROBABILIDAD
Ing. Gina Galindo Ph.D.
Bibliografa
WALPOLE, Ronald E.,
MYERS, Raymond H.,
MYERS, Sharon L.,
YE, Keying.
PROBABILIDAD Y ESESTADSTICA PARA
INGENIERA Y CIENCIAS.
Octava edicin
Editorial PEARSON Educacin.
PROBABILIDAD
INTRODUCCIN
En el estudio de la estadstica tratamos
bsicamente con la presentacin e interpretacin
de resultados fortuitos que ocurren en un estudio
planeado o en una investigacin cientfica.
El estadstico a menudo trata con datos
experimentales, conteos o mediciones
representativos, o quizs con datos categricos
que se podran clasificar de acuerdo con algn
criterio.
Nos referimos a cualquier registro de informacin,
ya sea numrico o categrico, como una
observacin.
EXPERIMENTO
Los estadsticos utilizan la palabra experimento
para describir cualquier proceso que genere un
conjunto de datos. Un ejemplo es el
lanzamiento de una moneda al aire; en tal
experimento solo hay dos resultados posibles:
cara o sello.
DEFINICIN
Un experimento aleatorio es aquel que puede
producir resultados diferentes, aun cuando se
repita siempre de la misma manera
ESPACIO MUESTRAL
El conjunto de todos los resultados posibles de
un experimento estadstico se llama espacio
muestral y se representa con el smbolo S.

A cada resultado de un espacio muestral se le llama elemento
o miembro del espacio muestral, o simplemente punto
muestral.
Si el espacio muestral tiene un nmero finito de elementos,
podemos listar los miembros separados por comas y
encerrarlos entre llaves.
El espacio muestral S, de los resultados posibles cuando se
lanza una moneda al aire, se escribe como: S = {H, T}.
El espacio muestral de lanzar un dado al aire, si nos interesa el
nmero de la cara superior es: S = {1, 2, 3, 4, 5, 6}.
ESPACIO MUESTRAL (continuacin)
Diagrama de rbol
En general, se utiliza un espacio muestral
que d la mayor informacin acerca de los
resultados del experimento.
En algunos experimentos es til listar los
elementos del espacio muestral de forma
sistemtica utilizando un diagrama de
rbol.
ESPACIO MUESTRAL (continuacin)
Ejemplo 01: Se lanza una moneda y despus
se lanza otra vez si sale cara, o un dado si
sale sello

H
T
H
T
1
2
3
4
5
6
HH



HT

T1

T2

T3

T4

T5

T6
Primer Segundo Punto
resultado resultado muestral
S = {HH, HT, T1, T2, T3, T4, T5, T6}
Ejemplo 02: Cul es el espacio muestral de lanzar dos
dados al aire simultneamente?



S = {(1,1), (1,2), (1,3), (1,3), (1,5), (1,6), (2,1), (2,2), (2,3), (2,4), (2,5), (2,6),
(3,1), (3,2), (3,3), (3,4), (3,5), (3,6), (4,1), (4,2), (4,3), (4,4), (4,5), (4,6),
(5,1), (5,2), (5,3), (5,4), (5,5), (5,6), (6,1), (6,2), (6,3), (6,4), (6,5), (6,6)}
Ejemplo 03: Un caballero tiene la opcin de
ponerse una corbata azul o una corbata roja, con
una camisa azul o una rosa o una blanca,
determine el espacio muestral de las posibilidades
de usar estas prendas.


S = {(CoA, CaA), (CoA, CaR), (CoA, CaB), (CoR, CaA), (CoR, CaR), (CoR, CaB)}
Taller 01 en clase:
Un experimento consiste en lanzar un dado y
despus lanzar una moneda una vez, si el nmero
en el dado es par. Si el nmero en el dado es
impar, la moneda se lanza dos veces. Use la
notacin 4H, por ejemplo, para denotar el
resultado de que el dado muestre 4 y despus la
moneda salga cara, y 3HT para denotar el
resultado de que el dado muestre 3 seguido por
una cara y despus un sello en la moneda;
construya un diagrama de rbol para mostrar los
18 elementos del espacio muestral S.
ESPACIO MUESTRAL (continuacin)
Los espacios muestrales con un nmero grande o
infinito de puntos muestrales se describen mejor
mediante un enunciado o regla.
Ejemplo 04: Si los resultados posibles de un
experimento son el conjunto de ciudades en el
mundo con una poblacin de ms de un milln
de habitantes, nuestro espacio muestral se
describe como:
S = { x | x es una ciudad con una poblacin de
ms de un milln de habitantes};
esto se lee, S es el conjunto de todas las x tales
que x es una ciudad con una poblacin de ms de
un milln de habitantes

ESPACIO MUESTRAL (continuacin)

Ejemplo 05: si S es el conjunto de todos los
puntos (x, y) sobre la frontera o el interior de un
crculo de radio 2 con centro en el origen,
escribimos la regla:

,
}
4
y
x
| ) y
x
{(
S
2
2
s + =
Taller 02 en clase:
Liste los elementos de cada uno de los
siguientes espacios muestrales:
a) El conjunto de nmeros enteros entre 1 y 50
que son divisibles entre 8.
b) El conjunto S = {x | x
2
+ 4x -5 = 0}.
c) El conjunto de resultados cuando se lanza
una moneda al aire hasta cuando aparezca
un sello o tres caras.
d) El conjunto S = {x | x es un continente}.
e) El conjunto S = {x |2x 4 >= 0 y x < 1}.
EVENTOS
Para cualquier experimento dado, podemos
enfocarnos en la ocurrencia de ciertos eventos,
ms que en el resultado de un elemento
especfico en el espacio muestral.
Ejemplo 06: Nos interesa el evento A, en el cual al
lanzar un dado el resultado sea divisible por 3.
Esto ocurrir si el resultado es un elemento del
subconjunto A = {3, 6}, del espacio muestral
S = {1, 2, 3, 4, 5, 6}, del lanzamiento de un dado.
EVENTOS (continuacin)
Un evento es un subconjunto de un
espacio muestral
Ejemplo 07: Dado el espacio muestral S = {t | t 0},
donde t es la vida en aos de cierto componente
electrnico, entonces el evento A de que el componente
falle antes de que finalice el quinto ao es el
subconjunto A = {t | 0 t < 5}.
Es concebible que un evento sea un subconjunto que
incluya todo el espacio muestral S, o un subconjunto de
S que se denomina conjunto vaco y se denota con el
smbolo |, que no contiene elemento alguno.
Ejemplo 08: Si A es el evento de detectar un organismo
microscpico a simple vista en un experimento
biolgico, entonces A = |
Conjuntos
Complemento de un conjunto
Consideremos un experimento donde se registran los
hbitos de fumar de los empleados de una compaa
industrial.
Un posible espacio muestral podra clasificar a un
individuo como no fumador, fumador ligero, fumador
moderado o fumador empedernido.
Consideremos el subconjunto de los fumadores.
La totalidad de los no fumadores corresponden a un
subconjunto diferente, que se denomina complemento
del conjunto de fumadores.

El complemento de un conjunto A respecto de S es el
subconjunto de todos los elementos de S que no estn
en A. Denotemos el complemento de A mediante el
smbolo A.

Conjuntos(continuacin)
Interseccin de conjuntos
Consideremos ciertas operaciones con conjuntos que tendrn
como resultado la formacin de nuevos conjuntos.
Tales conjuntos nuevos sern subconjuntos del mismo espacio
muestral como los conjuntos dados.
Suponga que A y B son dos conjuntos que se asocian con un
experimento.
En otras palabras, A y B son subconjuntos del mismo espacio
muestral S.
Ejemplo 09: Si en el lanzamiento de un dado, A es el evento de
que ocurra un nmero par, y B el evento de que aparezca un
nmero mayor que 3, entonces los subconjuntos A = {2, 4, 6} y
B = {4, 5, 6} son subconjunto del mismo espacio muestral
S = {1, 2, 3, 4, 5, 6}.
Note que tanto A como B ocurrirn en un lanzamiento dado, si
el resultado es un elemento del subconjunto {4, 6}, el cual es
precisamente la interaccin de A y B.
Conjuntos(continuacin)
La interseccin de dos conjuntos A y B, que se
denota con el smbolo A B, es el conjunto que
contiene todos los elementos que son comunes
a A y a B.

Ejemplo 10: Sea C el evento de que una persona
seleccionada al azar en un Caf Internet sea un
estudiante universitario y sea M el evento de que
la persona sea hombre. Entonces C M es el
evento de todos los estudiantes universitarios
hombres en el Caf Internet.

Conjuntos (continuacin)
Eventos mutuamente excluyentes
Sea M = {a, e, i, o, u} y N = {r, s, t}; entonces, se
sigue que M N = u. Es decir, M y N no tiene
elementos comunes y, por lo tanto, no pueden
ocurrir ambos de forma simultnea.
Dos eventos que no pueden ocurrir de forma
simultnea son mutuamente excluyentes.

Dos eventos A y B son mutuamente
excluyentes o disjuntos si ; es decir, si
A y B no tienen elementos en comn.

u
=

B A
Conjuntos (continuacin)
Unin de Conjuntos
A menudo nos interesamos en la ocurrencia de al
menos uno de los eventos asociados con un
experimento.
Ejemplo 11: En el experimento del lanzamiento de un
dado si A = {2, 4, 6} y B = {4, 5, 6}, podemos
interesarnos en que ocurran A B, en que ocurran
tanto A como B. Tal evento, que se llama la unin de A
y B, ocurrir si el resultado es un elemento del
subconjunto {2, 4, 5, 6}.

La unin de dos eventos A y B, que se denota con el
smbolo A U B, es el evento que contiene todos los
elementos que pertenecen a A a B a ambos.
Conjuntos




A 2 B
7 6
1
4 3
5
C
1. Determine,
1. A U B
2. A U C
3. B U C
4. A U B U C
5. A B
6. A C
7. B C
8. A B C

Taller 04 en clase
Diagrama de Venn: La relacin entre conjuntos y el correspondiente
espacio muestral se puede ilustrar de forma grfica utilizando
diagramas de Venn.
S
Taller 04 en clase (continuacin):
2. Un experimento consiste en lanzar un dado y despus lanzar una
moneda una vez, si el nmero en el dado es par. Si el nmero en el
dado es impar, la moneda se lanza dos veces. Use la notacin 4H, por
ejemplo, para denotar el resultado de que el dado muestre 4 y
despus la moneda salga cara, y 3HT para denotar el resultado de que
el dado muestre 3 seguido por una cara y despus un sello en la
moneda.
a) construya un diagrama de rbol para mostrar los 18 elementos del
espacio muestral S.
b) liste los elementos que corresponden al evento A de que en el
dado salga un nmero menor que 3
c) liste los elementos que corresponden al evento B de que
ocurran dos sellos;
d) liste los elementos que corresponden al evento A
e) liste los elementos que corresponden al evento
f) liste los elementos que corresponden al evento

B A
B A
PROBABILIDAD DE UN EVENTO
Quizs fue la insaciable sed del juego lo que
condujo a un desarrollo temprano de la teora
de probabilidad.
En un esfuerzo por aumentar sus ganancias,
algunos pidieron a los matemticos que les
proporcionaran las estrategias ptimas para
los diversos juegos de azar.
Algunos de los matemticos que brindaron
tales estrategias fueron Pascal, Leibniz, Fermat
y James Bernoulli.
PROBABILIDAD DE UN EVENTO (continuacin)
Para encontrar la probabilidad de un evento A,
sumamos todas las probabilidades que se
asignan a todos los puntos muestrales en A.
Esta suma se denomina probabilidad de A y se
designa por P(A).
La probabilidad de un evento A es la suma de
los pesos de todos los puntos muestrales en A.
Po lo tanto 0 P(A) 1, P(|) = 0, y P(S) = 1.
Adems, si A
1
, A
2
, A
3
, es una serie de eventos
mutuamente excluyentes, entonces
P(A
1
U A
2
U A
3
U ) = P(A
1
) + P(A
2
) + P(A
3
) +
PROBABILIDAD DE UN EVENTO (continuacin)
Teorema 9
Si un experimento puede tener como resultado
cualquiera de N diferentes resultados
igualmente probables, y si exactamente n de
estos resultados corresponden al evento A,
entonces la probabilidad del evento A es

N
n
A P = ) (
REGLAS ADITIVAS
A menudo resulta ms sencillo calcular la
probabilidad de un evento a partir del
conocimiento de las probabilidades de otros
eventos.
Esto puede ser cierto si el evento en cuestin
se puede representar como la unin de otros
dos eventos o como el complemento de algn
evento.
Teorema 10
Si A y B son dos eventos entonces
P(A U B) = P(A) + P(B) P(A B)

REGLAS ADITIVAS (continuacin)

A A B B

S
Regla Aditiva de Probabilidad
Prueba
REGLAS ADITIVAS (continuacin)
Corolario 1
Si A y B son mutuamente excluyentes, entonces
P(A U B) = P(A) + P(B)
El corolario 1 es un resultado inmediato del
teorema 10, pues si A y B son mutuamente
excluyentes, A B = 0 y entonces
P(A B) = P(|) = 0. En general se tiene:
Corolario 2
Si A
1
, A
2
, , A
n
son mutuamente excluyentes,
entonces
P(A
1
U A
2
U U A
n
) = P(A
1
) + P(A
2
) + + P(A
n
)

REGLAS ADITIVAS (continuacin)

Una coleccin de eventos {A
1
, A
2
, A
n
} de un
espacio muestral S se denomina una particin de S
si A
1
, A
2
, , A
n
son mutuamente excluyentes y
A
1
U A
2
U U A
n
= S. Por lo tanto se tiene:
Corolario 3
Si A
1
, A
2
, , A
n
es una particin de un espacio
muestral S, entonces
P(A
1
U A
2
U U A
n
) = P(A
1
) + P(A
2
) + + P(A
n
) = P(S) = 1
REGLAS ADITIVAS (continuacin)
Anlogamente el teorema 10 se extiende as:
Teorema 11
Para tres eventos A, B y C,
P(A U B U C) = P(A) + P(B) + P(C) P(A B)
P(A C) P(B C) + P(A B C )
Ejemplo 18: Un ingeniero recin egresado, despus de tener
entrevistas en dos compaas donde desea trabajar, evala la
probabilidad que tiene de lograr una oferta de empleo en la compaa A
como 0.8, y la probabilidad de obtenerla de la compaa B como 0.6.
Si por otro lado, considera que la probabilidad de que reciba ofertas de
ambas compaas es 0.5, Cul es la Pr de recibir al menos una oferta?
Solucin: Con la regla aditiva se tiene:
P(A U B) = P(A) + P(B) P(A B) = 0.8 + 0.6 0.5 = 0.9

REGLAS ADITIVAS (continuacin)

A menudo es ms difcil calcular la probabilidad de que
ocurra un evento que calcular la probabilidad de que el
evento no ocurra.
Si este es el caso para algn evento A, simplemente
encontramos primero P(A) y, despus, con el teorema
10, encontramos P(A) por sustraccin.
Teorema 12
Si A y A son eventos complementarios, entonces
P(A) + P(A) = 1
Prueba: Como A U A = S y los conjuntos A y A son
disjuntos, entonces
1 = P(S) = P(A U A) = P(A) + P(A)
Ejercicio
Considere el experimento de lanzar una
moneda dos veces. Realice un diagrama de
rbol y encuentre:
Probabilidad de al menos una cara
Probabilidad de exactamente una cara
CONTEO DE PUNTOS MUESTRALES
Uno de los problemas que el estadstico debe
considerar e intentar evaluar es el elemento de
posibilidad asociado con la ocurrencia de ciertos
eventos cuando se realiza un experimento.
Estos problemas pertenecen al campo de la
probabilidad.
En muchos casos debemos ser capaces de
resolver un problema de probabilidad mediante
el conteo del nmero de puntos en el espacio
muestral, sin listar realmente cada elemento.
El principio fundamental del conteo, es a menudo
denominado regla de multiplicacin.
CONTEO DE PUNTOS MUESTRALES (continuacin)
Teorema 1
Si una operacin se puede llevar a cabo en n
1

formas, y si para cada una de stas se puede
realizar una segunda operacin en n
2
formas,
entonces las dos operaciones se pueden
ejecutar juntas en n
1
n
2
formas.
Ejemplo 12: Cuntos puntos muestrales hay
en el espacio muestral cuando un par de
dados se lanzan una vez?
Solucin:
El primer dado puede caer en cualquiera de n
1
= 6 maneras.
Para cada una de esas 6 maneras el segundo dado tambin
puede caer n
2
= 6 formas.
El par de dados puede caer n
1
n
2
= 6 * 6 = 36 formas posibles.


CONTEO DE PUNTOS MUESTRALES (continuacin)
Ejemplo 13: Un urbanista de una nueva urbanizacin
ofrece a los futuros compradores de una casa la
eleccin del estilo de la fachada entre tudor, rstica,
colonial y tradicional; en una planta, dos plantas y
desniveles. En cuntas formas diferentes un
comprador puede ordenar una de estas casas?
Solucin: Como n
1
= 4 y n
2
= 3, un comprador debe
elegir entre: n
1
n
2
= 4 * 3 = 12 casas posible.
Las respuestas a los ejemplos 12 y 13 anteriores se
comprueban con la construccin de diagramas de
rbol y el conteo de las diversas trayectorias a lo largo
de las ramas.

DIAGRAMA DE RBOL
ESTILO DE
LA FACHADA
Dos plantas
Dos plantas
Dos plantas
Dos plantas
PLANES DE CONSTRUCCION
Tudor una planta


Tudor dos plantas

Tudor desniveles
Rstica una planta

Rstica dos plantas

Rstica desniveles
Colonial una planta

Colonial dos plantas

Colonial desniveles
Tradicional una planta

Tradicional dos plantas

Tradicional desniveles
RESULTADOS

Taller 06 en clase:
Si un experimento consiste en lanzar un dado y
despus extraer una letra al azar del alfabeto
ingls, cuntos puntos habr en el espacio
muestral?
CONTEO DE PUNTOS MUESTRALES (continuacin)
Teorema 2
Si una operacin se puede ejecutar en n
1

formas, y si para cada una de stas se puede
llevar acabo una segunda operacin en n
2

formas, y para cada una de las dos primeras se
puede realizar una tercera operacin en n
3

formas, y as sucesivamente, entonces la serie
de k operaciones se pueden realizar en
n
1
n
2
n
3
n
k
formas.


CONTEO DE PUNTOS MUESTRALES (continuacin)
Con frecuencia nos interesamos en un espacio
muestral que contiene como elementos a todas
las posibles ordenaciones o arreglo de un grupo
de objetos.
Por ejemplo, cuando queremos saber cuntos
arreglos diferentes son posibles para ubicar en
una fila a seis personas
Los diferentes arreglos se llaman permutaciones.
Una permutacin es un arreglo de todo o parte
de un conjunto de objetos.
CONTEO DE PUNTOS MUESTRALES (continuacin)
Teorema 3
El nmero de permutaciones en n objetos
distintos es n!
Para el ejemplo anterior, cuntos arreglos diferentes
son posibles para ubicar en una fila a seis personas?
Se tiene: n = 6! = 1*2*3*4*5*6 = 720
Teorema 4
El nmero de permutaciones en n objetos
distintos tomados de r a la vez es

)! (
!
r n
n
P
r
n

=
CONTEO DE PUNTOS MUESTRALES
(continuacin)
Cul es el numero de formas en que cinco
aspirantes a un concurso de belleza pueden
ser elegidas como reina y virreina?
Usando el alfabeto ingls (26 letras), cuntas
palabras distintas de cuatro letras se pueden
formas?
CONTEO DE PUNTOS MUESTRALES (continuacin)

Teorema 6
El nmero de permutaciones distintas de n
objetos de los que n
1
son de una clase, n
2
de
una segunda clase,,n
k
de una k-sima clase
es:
! !... !
!
2 1
n n n
n
k
CONTEO DE PUNTOS MUESTRALES (continuacin)
Ejemplo 15:
Tenemos una urna con 10 bolas.
Entre estas 10 bolas, hay:
1 de color azul,
2 de color rojo,
4 de color amarillo, y
3 de color verde.
De cuantas maneras diferentes se pueden arreglar en una fila,
si slo se distingue su color?
Solucin: Usando directamente el teorema 6 se tiene,
600 . 12
! 3 !* 4 !* 2 !* 1
! 10
! !... !
!
2 1
= =
n n n
n
k
CONTEO DE PUNTOS MUESTRALES (continuacin)
Con frecuencia nos interesa el nmero de formas
de dividir un conjunto de n objetos en r
subconjuntos denominados celdas.
Se consigue una particin si la interseccin de
todo par posible de los r subconjuntos es el
conjunto vaco |, y si la unin de todos los
subconjuntos da el conjunto original.
El orden de los elementos dentro de una celda
no tiene importancia.
CONTEO DE PUNTOS MUESTRALES (continuacin)
Considere el conjunto {a, e, i, o, u}. Las particiones
posibles en dos celdas en que la primera celda
contenga 4 elementos y la segunda celda 1
elemento son: : {(e, i, o, u), (a)}; {(a, i, o, u), (e)};
{(a, e, o, u), (i)}; {(a, e, i, u), (o)}; {(a, e, i, o), (u)}.
El nmero de particiones para esta ilustracin se
denota con la expresin:

El nmero superior representa el nmero total de
elementos y los nmeros inferiores representan el
nmero de elementos que van en cada celda.
5
! 1 !| 4
! 5
1 , 4
5
= = |
.
|

\
|
CONTEO DE PUNTOS MUESTRALES (continuacin)
Teorema 7
El nmero de formas de partir un conjunto de
n objetos en r celdas con n
1
elementos en la
primera celda, n
2
elementos en la segunda, y
as sucesivamente, es
! ... !| !|
!
,..., | ,
2 1 2 1
n n n
n
n n n
n
r r
=
|
|
.
|

\
|
Donde n
1
+ n
2
+ + n
r
= n
CONTEO DE PUNTOS MUESTRALES (continuacin)
Ejemplo 16: En cuntas formas se pueden
asignar 7 estudiantes de postgrado a una
habitacin triple de un hotel y a dos dobles,
durante su asistencia a una conferencia?
Solucin: El nmero total de particiones posibles
sera:
210
! 2 !* 2 !* 3
! 7
,..., ,
2 1
= =
|
|
.
|

\
|
n n n
n
r
n
CONTEO DE PUNTOS MUESTRALES (continuacin)
COMBINACIONES
En muchos problemas nos interesa el nmero de
formas de seleccionar r objetos de n sin importar el
orden.
Tales selecciones se llaman combinaciones.
Una combinacin es realmente una particin con dos
celdas, donde una contiene los r objetos seleccionados
y la otra contiene los (n r) objetos restantes.
El nmero de tales combinaciones, denotadas

con por lo general se reduce a

debido a que el nmero de elementos en la segunda
celda es n r.

|
.
|

\
|
r
n
|
|
.
|

\
|
r n r
n
| ,
CONTEO DE PUNTOS MUESTRALES (continuacin)
Teorema 8
El nmero de combinaciones de n objetos
distintos tomados de r a la vez es

( )! !
!
r n r
n
r
n

=
|
.
|

\
|
CONTEO DE PUNTOS MUESTRALES (continuacin)
Taller 07 en clase:
Un nio le pide a su mam que le lleve 5
cartuchos de Game-Boy
TM
de su coleccin de
10 juegos de arcada y 5 de deportes. Cuntas
maneras hay en que su mam le lleve 3 juegos
de arcada y 2 de deportes, respectivamente?
Respuesta: 1.200

Taller 08 en clase:
Cuntos arreglos diferentes de letras se pueden
hacer con las letras de la palabra ESTADSTICAS?
Respuesta: 9.979.200

PROBABILIDAD DE UN EVENTO (continuacin)
Ejemplo 17: En una mano de pquer que consiste en 5 cartas,
encuentre la probabilidad de tener 2 ases y 3 reyes.
Solucin: el nmero de formas de tener 2 ases de 4 es


y el nmero de formas de tener 3 reyes de 4 es

Mediante la regla de multiplicacin del Teorema 1, hay
n = (6)(4) = 24 manos con 2 ases y 3 reyes.
El nmero total de manos de pquer de 5 cartas es


Por lo tanto, la probabilidad del evento C de obtener 2 ases y 3
reyes en una mano es
6
! 2 !| 2
! 4
2
4
= =
|
.
|

\
|
4
! 1 !| 3
! 4
3
4
= =
|
.
|

\
|
10 9 . 0
960 . 598 . 2
24
) (
5
= =
C P
960 . 598 . 2
! 47 !* 5
! 52
5
52
= =
|
.
|

\
|
= N
PROBABILIDAD DE UN EVENTO (continuacin)
Taller 09 en clase:
Una clase de estadstica para ingenieros consta
de 25 estudiantes de ingeniera industrial, 10 de
ingeniera mecnica, 10 de ingeniera elctrica y
8 de ingeniera civil. Si el profesor elige a una
persona al azar para que conteste una pregunta,
encuentre la probabilidad de que el estudiante
elegido sea:
1. Un estudiante de ingeniera industrial.
2. Un estudiante de ingeniera elctrica o de
ingeniera civil.
Ejercicio
Al poco tiempo de entrar en circulacin, los autobuses
fabricados por una compaa presentan grietas visibles en
la parte inferior del bastidor principal. Suponga que una
ciudad tiene 20 de dichos autobuses y que han aparecido
grietas en ocho de ellos.
Cuntas formas hay de seleccionar 5 de los 20 autobuses para
una inspeccin?
En cuntas formas puede una muestra de 5 autobuses contener
exactamente 4 con grietas visibles?
Si se escoge al azar una muestra de 5 autobuses, cul es la
probabilidad de que exactamente 4 de ellos tengan grietas
visibles?
Si se escoge al azar una muestra de 5 autobuses, cul es la
probabilidad de que al menos 4 de ellos tengan grietas visibles?
PROBABILIDAD CONDICIONAL
La probabilidad de que un evento B ocurra cuando
ya se sabe que ocurri un evento A se llama
probabilidad condicional y se denota con P(B|A).
El smbolo P(B|A), por lo general, se lee
la probabilidad de ocurra B dado que ocurri A
o simplemente la probabilidad de B, dado A.
La probabilidad condicional de B, dado A, que se
denota por P(B|A), se define como
0 ) ( ___ ___
) (
) (
) | ( > = A P si
A P
B A P
A B P

PROBABILIDAD CONDICIONAL (continuacin)
Ejemplo 19: Suponga que un espacio muestral S es la
poblacin de adultos en una pequea ciudad que cumplen
con los requisitos para obtener un ttulo universitario. Se
clasifican segn su sexo y situacin laboral, as:






Uno de estos individuos se selecciona al azar para que realice
un viaje a travs del pas para promover las ventajas de
establecer industrias nuevas en la ciudad, nos interesamos en
los eventos siguientes :
H: se elige un hombre,
E: el elegido tiene empleo.
Sexo Empleado Desempleado Total
Hombre 460 40 500
Mujer 140 260 400
Total 600 300 900
Clasificacin de los adultos en una ciudad
PROBABILIDAD CONDICIONAL (continuacin)
Al utilizar el espacio muestral reducido E, se encuentra que

Sea n(A) el nmero de elementos en cualquier conjunto A.
Con el uso de esta notacin se puede escribir



donde y P(E) se encuentran a partir del espacio
muestral original S. Para verificar este resultado, note que

Por lo tanto,
30
23
600
460
) | ( = = E H P
) (
) (
) (
) (
) (
) (
) (
) (
) | (
E P
H E P
S n
E n
S n
H E n
E n
H E n
E H P

= = =
30
23
3
2
45
23
) | (
45
23
900
460
) ( |||||||| ||||||||
3
2
900
600
) (
= =
= = = =
E H P
H E P y E P
el mismo resultado anterior.
( ) H E P
PROBABILIDAD CONDICIONAL (continuacin)
Eventos Independientes
Aunque la probabilidad condicional tiene en
cuenta la alteracin de la probabilidad de un
evento a la luz de material adicional, tambin
nos permite entender mejor el muy importante
concepto de independencia o, en el contexto
actual, de eventos independientes.
Dos eventos A y B son independientes si y slo si
P(B|A) = P(B) o P(A|B) = P(A),
dada la existencia de probabilidad condicional.
De otra forma, A y B son dependientes.
REGLAS MULTIPLICATIVAS
Al multiplicar
por P(A), obtenemos la siguiente regla
multiplicativa importante, que nos permite
calcular la probabilidad de que ocurran dos
eventos.
Teorema 13
Si en un experimento pueden ocurrir los eventos
A y B, entonces
P(A B) = P(A)P(B|A), dado que P(A) > 0
0 ) ( |||| ||||||||
) (
) (
) | ( > = A P si
A P
B A P
A B P

REGLAS MULTIPLICATIVAS (continuacin)

Teorema 14
Dos eventos A y B son independientes si y slo si
P(A B) = P(A)P(B)
Por lo tanto, para obtener la probabilidad de
que ocurran dos eventos independientes,
simplemente calculamos el producto de sus
probabilidades individuales.

REGLAS MULTIPLICATIVAS (continuacin)

Teorema 15
Si en un experimento, pueden ocurrir los eventos
A
1
, A
2
,A
k
, entonces
P(A
1
A
2
A
k
) =
P(A
1
)P(A
2
|A
1
)P(A
3
|A
1
A
2
)P(A
k
|A
1
A
2
A
k-1
)
Si los eventos A
1
, A
2
,A
k
son independientes,
entonces




P(A
1
A
2
A
k
) = P(A
1
)P(A
2
)P(A
K
)
TEOREMA DE BAYES
El Teorema de Bayes ofrece un mtodo
estadstico para calcular una probabilidad
condicional en circunstancias de
dependencia.
Este teorema es de gran utilidad para evaluar
una probabilidad a posteriori partiendo de
probabilidades simples, y as poder revisar la
estimacin de la probabilidad a priori de un
evento que se encuentra en un estado o en
otro.
TEOREMA DE BAYES (continuacin)
DEFINICIN
El Teorema de Bayes, dentro de la teora
probabilstica, proporciona la distribucin de
probabilidad condicional de un evento B
dado otro evento A (probabilidad
posteriori), en funcin de la distribucin de
probabilidad condicional del evento A dado
B y de la distribucin de probabilidad
marginal del evento B (probabilidad simple
o a priori).

TEOREMA DE BAYES (continuacin)
Partiendo de las frmulas de probabilidad condicional
y probabilidad conjunta

Para eventos estadsticamente dependientes se proceder a
enunciar el Teorema de Bayes.
Sean B
1
, B
2
,..., B
k
eventos mutuamente excluyentes tales
que, cualquier evento A en el espacio muestral pertenece a
uno y slo a uno de estos evento. Entonces la probabilidad
de que ocurra cualquier evento dado que ha ocurrido el
evento A se calcular por la siguiente frmula:
( )
( )
( ) A P
A B P
A B P

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

= |
TEOREMA DE BAYES (continuacin)
Por lo tanto, sustituyendo la frmula de
probabilidad condicional, se obtiene la
frmula general para el Teorema de Bayes:



Ya que el evento A est dado por:


( )
( )
( )
( ) ( )
( ) ( )

= =
= =
k
i
i i
k k
k
i
i
k
k
B A P B P
B A P B P
A B P
A B P
A B P
1 1
|
|
|

) ( ... ) ( ) (
) ( ... ) ( ) (
2 1
2 1
A B A B A B A
A B A B A B A
k
k
+ + + =
=
TEOREMA DE BAYES (continuacin)
Ejemplo 20: Suponga que un espacio muestral S es la poblacin
de adultos en una pequea ciudad que cumplen con los
requisitos para obtener un ttulo universitario. Se clasifican
segn su sexo y situacin laboral, as:





Uno de estos individuos se selecciona al azar para que realice
un viaje a travs del pas para promover las ventajas de
establecer industrias nuevas en la ciudad.
Se nos da la informacin adicional de que una proporcin de
3/50 de los empleados y de 1/25 de los desempleados son
miembros del Club Rotario.
Cul es la probabilidad de elegir un individuo que sea
miembro del Club Rotario?
Sexo Empleado Desempleado Total
Hombre 460 40 500
Mujer 140 260 400
Total 600 300 900
Clasificacin de los adultos en una ciudad pequea
TEOREMA DE BAYES (continuacin)
De aqu y por el corolario 1
del teorema 10, y adems por el teorema 13,
podemos escribir:

) ( ) (
'
A E A E A =
( ) ( ) ( ) | | ( ) ( )
( ) ( ) ( ) ( ) ( )
' '
' '
| | E A P E P E A P E P A P
A E P A E P A E A E P A P
+ =
+ = =
En la siguiente figura escribimos a A como la unin de
dos eventos mutuamente excluyentes
A E y A E
'
||| |||
E E
A
A E
A E
'
Diagrama de Venn para los eventos A, E y E
S
TEOREMA DE BAYES (continuacin)
Para el ejemplo que estamos desarrollando se tiene:







Cul es el nmero total de miembros del club
rotario?
( )
|
.
|

\
|
=
|
.
|

\
|
|
.
|

\
|
+
|
.
|

\
|
|
.
|

\
|
=
75
4
25
1
3
1
50
3
3
2
A P
P(A|E) = 3/50
P(E)P(A|E)
P(A|E) = 1/25
P(E)P(A|E)
E
E A
A
TEOREMA DE BAYES (continuacin)
Una generalizacin de la anterior ilustracin al caso
donde el espacio muestral se parte en k subconjuntos
la cubre el siguiente teorema, que se denomina
teorema de probabilidad total o regla de eliminacin.
Teorema 16
Si los eventos B
1
, B
2
,, B
k
constituyen una particin del
espacio muestral S tal que P(B
i
) 0, para i = 1, 2,,k
entonces, para cualquier evento A de S,

( ) ( ) ( ) ( )
i
k
i
i
k
i
i
B A P B P A B P A P |
1 1

= =
= =
TEOREMA DE BAYES (continuacin)
Considere el siguiente diagrama de Venn. Se
observa que el evento A es la unin de los
eventos mutuamente excluyentes:

( ) ( ) ( ) A B A B A B A
decir es
A B A B A B A B
k
k


....
, _
,..., || , || ,
2 1
3 2 1
=
B
1
B
2

B
3
B
4
B
6
B
5
B
7
..
B
k
A
A B
1
A B
2
A B
3
A B
4
..
A B
5
A B
6
A B
7
A B
k

S
TEOREMA DE BAYES (continuacin)
Usando el corolario 2 del teorema 10 y
adems el teorema 13, tenemos
( ) ( ) ( )
( ) ( ) ( ) ( ) | |
( ) ( ) ( ) ( )
( ) ( )
( ) ( ) ( )
i
k
i
i
k
i
i
k
K
K
B A P B P A P
A B P A P
A B P A B P A B P A P
A B A B A B P A P
A B A B A B A
|
...
...
...
1
1
2 1
2 1
2 1

=
=
=
=
+ + + =
=
=

TEOREMA DE BAYES (continuacin)
Teorema 17
(Regla de Bayes). Si los eventos B
1
, B
2
,..., B
k

constituyen una particin del espacio muestral
S, donde P(B
i
) 0 par i = 1, 2, , k, entonces
para cualquier evento A en S tal que P(A) 0.
( )
( )
( )
( ) ( )
( ) ( )
k r para
B A P B P
B A P B P
A B P
A B P
A B P
k
i
i i
r r
k
i
i
r
r
,..., 3 , 2 , 1 .... |||
|
|
|
1 1
= = =

= =

TEOREMA DE BAYES (continuacin)

Ejemplo 21:
En una planta de ensamble, tres mquinas B
1
,
B
2
y B
3
, montan 30%, 45% y 25% de los
productos, respectivamente.
Por la experiencia pasada se sabe que 2%, 3% y
2% de los productos ensamblados por cada
mquina, respectivamente, tienen defectos.
Ahora suponga que se selecciona de forma
aleatoria un producto terminado. Cul es la
probabilidad de que el producto est
defectuoso?
TEOREMA DE BAYES (continuacin)
Solucin:
Considere los siguientes eventos:
A: el producto est defectuoso.
B
1
: el producto est ensamblado en la mquina B
1
.
B
2
: el producto est ensamblado en la mquina B
2
.
B
3
: el producto est ensamblado en la mquina B
3
.
Al aplicar la regla de eliminacin podemos escribir
P(A) = P(B
1
)P(A|B
1
) + P(B
2
)P(A|B
2
) + P(B
3
)P(A|B
3
)
P(B
1
)P(A|B
1
) = (0.3)(0.02) = 0.006
P(B
2
)P(A|B
2
) = (0.45)(0.03) = 0.0135
P(B
3
)P(A|B
3
) = (0.25)(0.02) = 0.005
Luego: P(A) = 0.006 + 0.0135 + 0.005 = 0.0245
TEOREMA DE BAYES (continuacin)
Suponga ahora que se seleccion un producto de
forma aleatoria y est defectuoso. Cul es la
probabilidad de que hubiese sido ensamblado en
la mquina B
i
?
Solucin: Con base en la definicin de
probabilidad condicional y con el
teorema 2-16 en el denominador
se tiene:
( )
( )
( ) A P
A B P
A B P
r
r

= |
( ) ( )

=
=
k
i
i
A B P A P
1

( )
( )
( )
( ) ( )
( ) ( )

= =
= =
k
i
i i
r r
k
i
i
r
r
B A P B P
B A P B P
A B P
A B P
A B P
1 1
|
|
|

TEOREMA DE BAYES (continuacin)

Para B
1
, B
2
y B
3
respectivamente, se tiene:
( )
( ) ( )
( ) ( ) ( ) ( ) ( ) ( )
( )
( )
( ) 0,20408163
005 . 0 0135 . 0 006 . 0
005 . 0
|
0,55102041
005 . 0 0135 . 0 006 . 0
0135 . 0 . 0
|
0,24489796
005 . 0 0135 . 0 006 . 0
006 . 0
|
| | |
|
|
3
2
1
3 3 2 2 1 1
1 1
1
=
+ +
=
=
+ +
=
=
+ +
=
+ +
=
A B P
A B P
A B P
B A P B P B A P B P B A P B P
B A P B P
A B P
El teorema de Bayes
Supongamos que sobre el espacio muestral S
tenemos una particin A
i
, con i = 1, ..., n.
Esto significa que cualquier resultado de S
necesariamente debe estar en uno y solo uno de
los eventos A
i
Por ejemplo, piense en todos los pacientes
hospitalizados en una determinada ciudad, y la
ciudad tiene cuatro hospitales, digamos los
hospitales 1, 2, 3 y 4. De modo que el conjunto
de pacientes hospitalizados va a estar en uno y
solo uno de esos cuatro hospitales.
El teorema de Bayes
Si definimos los sucesos A
i
como el conjunto de
pacientes hospitalizados en el i-simo hospital,
con i = 1, 2, 3, 4. Entonces los sucesos A
1
, A
2
, A
3
y
A
4
constituyen una particin sobre el conjunto de
todos los pacientes hospitalizados, que
llamaremos S.
De otra forma, si seleccionamos al azar un
paciente hospitalizado, entonces el paciente que
elegiremos pertenecer a uno y solo uno de los A
i
.
.
.
.
A
1
A
2
A
3
A
n
B
w
Resultado de la
seleccin
1
Pr( ) B A
2
Pr( ) B A
3
Pr( ) B A
Pr( )
n
B A
1
Pr( ) Pr( )
n
i
i
B B A
=
=

El teorema de Bayes
Consideremos un suceso B, que indica una determinada
propiedad de los pacientes, por ejemplo B puede ser el
suceso de que el paciente seleccionado al azar tenga un
diagnstico grave.
En funcin de las probabilidades condicionales, nos
queda
El teorema de Bayes
1
Pr( ) A
2
Pr( ) A
3
Pr( ) A
Pr( )
n
A
1
Pr( ) Pr( / ) Pr( )
n
i i
i
B B A A
=
=

.
.
.
A
1
A
2
A
3
A
n
B
w
1
Pr( / ) B A
Pr( / )
n
B A
3
Pr( / ) B A
2
Pr( / ) B A
Este clculo es para medir la incertidumbre de la ocurrencia del
evento B.
Medicin del futuro, representado por el evento B
El teorema de Bayes
1
Pr( ) A
2
Pr( ) A
3
Pr( ) A
Pr( )
n
A
1
Pr( ) Pr( / ) Pr( )
n
i i
i
B B A A
=
=

.
.
.
A
1
A
2
A
3
A
n
B
w
1
Pr( / ) B A
Pr( / )
n
B A
3
Pr( / ) B A
2
Pr( / ) B A
Supongamos ahora que B ocurre.
Cul de los sucesos A
j
ha ocurrido?
El teorema de Bayes
1
Pr( ) A
2
Pr( ) A
3
Pr( ) A
Pr( )
n
A
1
Pr( ) Pr( / ) Pr( )
n
i i
i
B B A A
=
=

.
.
.
A
1
A
2
A
3
A
n
B
w
1
Pr( / ) B A
Pr( / )
n
B A
3
Pr( / ) B A
2
Pr( / ) B A
De otra forma, cul es el valor de Pr(Aj B) con j = 1, ...n?
Medicin del pasado, representado por el evento A
j
El teorema de Bayes
Pr( ) Pr( / ) Pr( )
Pr( / )
Pr( ) Pr( )
j j j
j
A B B A A
A B
B B

= =
1
Pr( / ) Pr( )
Pr( / )
( / ) Pr( )
j j
j
n
i i
i
B A A
A B
P B A A
=

1
Pr( ) A
2
Pr( ) A
3
Pr( ) A
Pr( )
n
A
.
.
.
A
1
A
2
A
3
A
n
B
w
1
Pr( / ) B A
Pr( / )
n
B A
3
Pr( / ) B A
2
Pr( / ) B A
Las aplicaciones del teorema de Teorema de Bayes
son infinitas, y no exentas de grandes polmicas.
El problema radica en que al decir B ha ocurrido
se puede pensar que es un hecho determinstico, y
por lo tanto no tiene objeto calcular la
probabilidad Pr(B), es decir si B ha ocurrido
entonces Pr(B) = 1.
No obstante, el problema cambia radicalmente si
uno expresa si B ocurre, y esta es la
interpretacin correcta.
El teorema de Bayes
Por otro lado, las probabilidades asociadas a los
eventos A
i
son de tipo a priori, y que a veces de
manera arbitraria deben asignarse, puesto que no
se tiene informacin sobre el pasado, y que se
espera que van a ser mejoradas con la
informacin que puede entregar el suceso B, de
hecho las probabilidades Pr(A
i
| B) son llamadas a
posteriori.
Muchos casos judiciales de tipo forense acuden a
este teorema para el dictamen de las sentencias
por parte de los jueces.
El teorema de Bayes
El teorema de Bayes (caso particin finita)
Suponga que un individuo acusado de un delito
confiesa, por lo tanto podemos asegurar de que
es culpable del delito?
El individuo acusado necesariamente debe pasar
por uno y solo uno de los eventos: culpable o no
culpable.
El teorema de Bayes
El teorema de Bayes
De manera que el juez piensa cul es la
probabilidad de que este individuo sea culpable
dado que confes su delito?
Algunos piensan, si ha confesado su delito,
entonces es necesariamente es culpable.
Afortunadamente, la confesin por s sola no es
suficiente para determinar la culpabilidad en un
delito, o s?
Estudie con detalles las siguientes
transparencias...
La falacia del interrogador
Thomas BAYES (1702 - 1761)
La falacia del interrogador
El problema de la confesin
Sea A el suceso el acusado es culpable
Sea C el suceso el acusado ha confesado
Consideremos P(A) como la probabilidad de culpabilidad del
acusado, antes de las nuevas pruebas de su auto confesin
P(C | A) : probabilidad de que ha confesado el delito dado que
es realmente culpable.
Entonces
P(A | C) =
P(C | A) P(A)
P(C | A) P(A) + P(C | A) P(A)
P(C | A): probabilidad de que ha confesado el delito dado que
no es culpable
La falacia del interrogador
El problema de la confesin
Entonces P(A | C) es la probabilidad de que el
acusado sea culpable dado que ha confesado el
delito
P(A | C) =
P(C | A) P(A)
P(C | A) P(A) + P(C | A) P(A)
Sea P(A) = p, y definamos r =
P(C | A)
P(C | A)
De modo que
P(A | C) =
p
p + r (1 - p)
La falacia del interrogador
El problema de la confesin
P(C | A)
P(C | A)
r =
es llamada razn de confesin
Esta nueva prueba de confesin, debera aumentar la
probabilidad de culpabilidad, esto es
P(A | C) > P(A)
de otra forma
p
p + r (1 - p)
> p
La falacia del interrogador
El problema de la confesin
p
p + r (1 - p)
> p
Esta desigualdad se cumple solamente si r < 1
y esto significa que P(C | A) < P(C | A)
Es decir, la probabilidad de que confiese dado que realmente es
culpable, debe ser mayor a que confiese dado que no es
culpable. Pero, quin nos asegura que esta desigualdad
naturalmente se cumplir?
De modo que, en ciertos casos, la confesin puede hacer
menor la probabilidad de culpabilidad (cuando r > 1)
La falacia del interrogador
Los seis de Birmingham, los cuatro de Guildford, y los siete
de Maguire
Puede ser ms verosmil que
confiese una persona inocente
que una culpable, en
situaciones de terrorismo
como en Irlanda del Norte, o
en estados dictatoriales.
Los perfiles psicolgicos indican
que los individuos ms
sugestionables, o ms dbiles
tienen mayor probabilidad de
confesar en un interrogatorio