REGRESION Y CORRELACION

LINEAL SIMPLE
TEORIA DE PROBABILIDADES
21/03/2012 1
REGRESION Y CORRELACION LINEAL
SIMPLE
Es un modelo matemtico que se utiliza
para predecir el efecto de una variable
sobre otra, ambas cuantitativas.
Una variable es la dependiente y otra la
independiente
Se grfica con el diagrama de dispersin.
Dice cmo es la relacin entre las dos
variables.
El anlisis consiste en encontrar la mejor
lnea recta de esos puntos.

21/03/2012 2
Diagrama de dispersin
Es la ubicacin de los pares de puntos en el plano
cartesiano, tambin es conocido como nube de
puntos .
Publicidad Ventas
12 58
14 65
15 52
10 42
19 67
13 40
15 44
19 69
18 55
0
20
40
60
80
0 5 10 15 20
Relacin entre publicidad y
ventas
21/03/2012 3
Tipos de diagrama de dispersin
21/03/2012 4
Incorrelacin
30
80
130
180
230
280
330
140 150 160 170 180 190 200
Cmo reconocer relacin directa e inversa
Fuerte relacin
directa.
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
Cierta relacin
inversa
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
Para valores de X por encima de la media
tenemos valores de Y por encima y por
debajo en proporciones similares.
Incorrelacin.
Para los valores de X mayores que la
media le corresponden valores de Y
menores. Esto es relacin inversa o
decreciente.
Para los valores de X mayores
que la media le corresponden
valores de Y mayores tambin.

Para los valores de X menores
que la media le corresponden
valores de Y menores tambin.

Esto se llama relacin directa o
creciente entre X e Y.
21/03/2012 5
La covarianza entre dos variables, S
xy
, nos
indica si la posible relacin entre dos variables
es directa o inversa:

Directa: S
xy
> 0
Inversa: S
xy
< 0
Incorrelacionadas: S
xy
= 0

El signo de la covarianza nos dice si el aspecto
de la nube de puntos es creciente o no, pero no
nos dice nada sobre el grado de relacin entre
las variables.

Covarianza de dos variables X e Y
) )( (
1
y y x x
n
S
i
i
i xy
=

21/03/2012 6
Coeficiente de correlacin
lineal de Pearson
El coeficiente de correlacin lineal de Pearson de dos
variables, r, nos indica si los puntos tienen una
tendencia a disponerse alineadamente (excluyendo
rectas horizontales y verticales).
Tiene el mismo signo que S
xy
. Por lo tanto de su signo
obtenemos el que la posible relacin sea directa o
inversa.
r es til para determinar si hay relacin lineal entre
dos variables, pero no servir para otro tipo de
relaciones (cuadrtica, logartmica, exponencial)

y x
xy
S S
S
r =
21/03/2012 7
Slo toma valores en [-1,1].
Las variables no presentan correlacin r = 0.
Relacin lineal perfecta entre dos variables r = 1 o r = -1.
Cuanto ms cerca est r de 1 o -1 mejor ser el grado de
relacin lineal.
Siempre que no existan observaciones anmalas.


Propiedades del coeficiente de correlacin
-1 +1
0
Relacin
inversa
perfecta
negativa
Relacin
directa casi
perfecta
Variables
incorrelacionada
ss
21/03/2012 8
correlaciones positivas
r=0,6
30
40
50
60
70
80
90
100
110
140 150 160 170 180 190 200
r=0,1
30
80
130
180
230
280
330
140 150 160 170 180 190 200
r=0,4
30
40
50
60
70
80
90
100
110
120
130
140 150 160 170 180 190 200
r=0,8
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
21/03/2012 9
Correlaciones casi perfectas y positivas
r=1
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
r=0,9
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
r=0,99
30
40
50
60
70
80
90
100
140 150 160 170 180 190 200
21/03/2012 10
correlaciones negativas
r=-0,5
0
10
20
30
40
50
60
70
80
90
140 150 160 170 180 190 200
r=-0,7
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
r=-0,95
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
r=-0,999
0
10
20
30
40
50
60
70
80
140 150 160 170 180 190 200
21/03/2012 11
Regresin lineal simple
El anlisis de regresin sirve para predecir una variable
en funcin a otra.
Y = Variable dependiente
X = Variable independiente

El modelo de regresin quedara establecido por el
siguiente modelo:


bx a y

=
21/03/2012 12
Interpretacin de los coeficientes de regresin lineal
La pendiente b
1
(b): indica el cambio promedio en la
variable respuesta (y), cuando la variable predictora
(x) aumenta en una unidad adicional.
El intercepto b
0
(a)indica el valor promedio de la
variable respuesta (y), cuando la variable predictora
(x) es igual a cero. Sin embargo carece de
interpretacin prctica si dicho valor est fuera del
rango del conjunto de valores X.
Y= b
0
+ b
1
X o tambin Y= a + bX
21/03/2012 13

La recta de regresin estimada ser:

) (

1
x x b y y + =
Para determinar el modelo de regresin lineal simple
utilizaremos el mtodo de mnimos cuadrados:


+ =
+ =
2
x b x a xy
x b na y
21/03/2012 14
Otras frmulas adicionales
y x
xy
S S
S
r =
2
2
2
x
n
x
S
x
=

2
2
2
y
n
y
S
y
=

x b y a
S
S
b
X
XY
= =
2
21/03/2012 15
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
Registro de Pesca de sardinas (toneladas m.) y el precio de venta (soles por kg).
21/03/2012 16
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
21/03/2012 17
Coeficiente de Determinacin
(Bondad de ajuste)
Es una medida que nos indica si el modelo encontrado es
aceptable para realizar estimaciones (bondad de la
prediccin)

R
2
=r
2
tambin como


2
2
2
1
Y
e
S
S
R =
21/03/2012 18
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
21/03/2012 19
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
4,00 3,00 2,00 1,00
pesca mensual de sardinas
9,00
8,00
7,00
6,00
5,00
4,00
3,00
2,00
p
r
e
c
i
o

d
e

l
a
s

s
a
r
d
i
n
a
s
21/03/2012 20
Del grfico se observa que si la pesca es baja el precio aumenta
Si aumenta la pesca el precio disminuye, es decir se observa que hay
una relacin lineal inversa.
GRFICO DE DISPERSIN
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
21/03/2012 21
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
21/03/2012 22
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
21/03/2012 23


Como R es 0.815, indica que hay una correlacin muy buena entre el
precio y la produccin de pesca

Formulacin de hiptesis para comprobar si hay correlacin

Ho: N o existe relacin entre la produccin de pesca y el precio (R=0)
Ha: Existe relacin entre la produccin de pesca y el precio (R 0 )

Nivel de significancia: =0.05
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS


Regla de decisin:

Como el valor-P (sig) 0.05 entonces rechazar la hiptesis nula (Ho)
21/03/2012 24
Observando los resultados de la tabla ANVA
INTERPRETACIN:
Como el Valor-P (sig) es 0.04 menor a 0.05 entonces se concluye que
hay relacin entre la produccin de pesca y el precio por kg.
Anlisis de Regresin y Correlacin lineal
Salidas en SPSS
Ecuacin de regresin lineal es:

Precio sardinas = 7,754 1,424*Produccin de pesca

Interpretacin del coeficiente de regresin (b) es:
Si la produccin de pesca disminuye en una tonelada el
Precio aumenta en 1,424 soles por kg.

21/03/2012 25
Coeficiente de Determinacin (R
2
)
21/03/2012 26


Como R
2
es 0.66, indica que el modelo de regresin encontrado es
aceptable para estimar el precio de las sardinas.

En relacin a la contribucin de la produccin de pesca para
determinar el precio de las sardinas es de 66% y el 34% se debe a
otros factores (variables) como costo que demanda en la pesca, etc.

Estimaciones o Pronsticos
Reemplazamos en la ecuacin de regresin:

Precio sardinas= 7,754 1,424(4,5) =1.346 soles por kg

si la produccin de pesca es 4,5 toneladas

El precio estimado de la sardina es de 1.346 por kg.

21/03/2012 27
28
OBJETIVOS:
TEORIA DE PROBABILIDADES: ANALISIS
COMBINATORIO
proporcionar los fundamentos de las
probabilidades y su aplicacin para procesos
estadsticos
Utilizar las propiedades conjuntistas para
el planteamiento del problema.
ANALISIS COMBINATORIO :
Es parte de la matemtica que estudia
sistemticamente las distintas Ordenaciones de
los diferentes elementos de un conjunto dado
cundo se forman grupos de un grado determinado.
21/03/2012
29
PRINCIPIO FUNDAMENTAL :
Si cierta seleccin de ordenacin de objetivos
puede realizarse de m maneras diferentes y otra
seleccin puede efectuarse de n maneras
distintas , ambas selecciones , se pueden producir
de m x n maneras diferentes.
Ejemplo 1 :
Si un partido poltico tiene 3 candidatos a la presidencia
y 5 candidatos a la vicepresidencia , El nmero de
parejas distintas de candidatos para ambos cargos se
formaran de 3 x 5 = 15 formas.
ANALISIS COMBINATORIO
21/03/2012
30
PRINCIPIO FUNDAMENTAL :
Ejemplo 2 :
Si Carlos tiene 3 camisas de vestir y 4
pantalones
Cuntos serian las diferentes formas que tendr
para vestirse con dichas prendas?

ANALISIS COMBINATORIO
tendremos : 3 x 4 = 12 formas de vestirse.
21/03/2012
31
VARIACIONES:
Son los diferentes grupos que se pueden formar con los
elementos dados , tomados de n en n , de tal modo que
unas agrupaciones del mismo nmero de elementos se
diferencien de otras, por lo menos en un elemento, o si
tienen los mismos elementos , por el orden en que estn
colocados.

El nmero de variaciones de m elementos tomados de n en
n ser:
n)! (m
m!
V
n
m

=
Donde:

m = nmero total de elementos

n = nmero de elementos de cada grupo.
ANALISIS COMBINATORIO
21/03/2012
32
ANALISIS COMBINATORIO
Ejemplo 1:
Supongamos que Alberto (A) , Beatriz (B) , Carlos ( C )
Daniel(D) se quieren Sentar en dos sillas disponibles. De
cuntas maneras diferentes se puede ubicar ?
Silla I A A A B B B C C C D D D
Silla II B C D A C D A B D A B C
12 maneras diferentes
12 4x3
2!
4x3x2!
2!
4!
2)! (4
4!
n)! (m
m!
V V
2
4
n
m
= = = =

= =

=
21/03/2012
33
Ejemplo 2 :
Se tiene 5 libros de distintas materias . De cuntos modos
diferentes podrn disponerse?
m = 5
n = 5
Solucin.
120 1 x 2 x 3 x 4 x 5
5)! (5
5!
V
5
5
= =

ANALISIS COMBINATORIO
21/03/2012
34
PERMUTACIONES:
Sea n el nmero de elementos de un conjunto A
y r un nmero natural donde 0 < r s n ; las
permutaciones se definen como el nmero
de ordenaciones diferentes que se pueden
formar con los elementos del conjunto A ,
tomando en grupos de n en n o de r en
r pueden ser sin repeticin o con repeticin.

ANALISIS COMBINATORIO
21/03/2012
35
Permutaciones sin repeticin:
a) De n elementos diferentes tomados todos a la vez :
Si n es el nmero de elementos de un conjunto A; el
nmero de permutaciones que pueden hacerse con todos los
n elementos se obtiene as:
n! n) P(n, =
Ejemplo : De un conjunto A = { x ,y , z}. Hallar el nmero
de permutaciones que pueden formarse con todo los
elementos de A.
Solucin
:
Como n = 3 , el nmero de permutaciones sin repeticin
ser:
6 1 x 2 x 3 3! P(3,3) = = =
x y z yxz zxy
xzy yzx zyx
ANALISIS COMBINATORIO
21/03/2012
36
Permutaciones sin repeticin:
b) De n elementos diferentes tomados de r en r con r < n
De n elementos diferentes , el nmero de permutaciones
diferentes sin repeticin tomados de r en r est dado
por:
Ejemplo
Si A = { a , b, c, d} . Cuantas ordenaciones diferentes
pueden formarse tomando grupos de a 2 ?

Solucin
:
n = 4 ; r = 2 como:
r)! - (n
n!
r) P(n, =
12 3 x 4
2!
4!
P(4,2) = = =
ANALISIS COMBINATORIO
21/03/2012
37
COMBINACIONES :
Las combinaciones son las diferentes grupos de nelementos
que se pueden formar tomndolos de r en r , donde
0 < r s n ; de modo que cada grupo difiere del otro en por lo
menos un elemento.
En las combinaciones slo se tiene en cuenta los
elementos que intervienen en ellas y no en el orden en que
estn agrupados la frmula correspondiente es:
r)! (n r!
n!
r) C(n,

=
ANALISIS COMBINATORIO
21/03/2012
38
COMBINACIONES :
Ejemplo :
De un grupo de 10 libros Cuntas selecciones de 4 libros se
pueden hacer?
Solucin:
n = 10 ; r = 4

r)! (n r!
n!
r) C(n,

=
4!6!
10!
4)! (10 4!
10!
C(10,4) =

=
210
x1 2 x 3 x 4
7 x 8 x 9 x 10
6! . 4!
6! x 7 x 8 x 9 x 10
4!6!
10!
= = =
ANALISIS COMBINATORIO
21/03/2012
39
EXPERIMENTO ALEATORIO:
PROBABILIDADES
Un experimento aleatorio o estadstico es cualquier
experimento u operacin cuyo resultado no puede predecirse
con exactitud antes de realizarse el experimento.
Ejemplos:
Lanzar un dado y observar el nmero que aparece en
la cara superior.
De un lote de bombillas de luz , extraer uno que sea
defectuoso.

21/03/2012
40
ESPACIO MUESTRAL:
PROBABILIDADES
Es el conjunto formado por todo los resultados posibles del
experimento aleatorio. Denotaremos por la notacin O
(omega) o con la letra S
SUCESO O EVENTOS
Se llama suceso o evento , cualquier subconjunto del
espacio muestral O . A los sucesos generalmente se les
denota por letras maysculas , tales como A , B , C, etc.

21/03/2012
41

PROBABILIDADES
Entonces : A es un suceso A c O
Relacionando con la teora conjuntista al
espacio muestral O se le llama el universo y el
o c O ; luego:
O (universo) se llama suceso seguro.
o (nulo) se llama suceso imposible.
21/03/2012
42
PROBABILIDADES
PROBABILIDAD DE UN SUCESO
Sea el suceso o evento A del espacio muestral O ;
la probabilidad de A denotada por P(A) es la razn
entre el nmero de resultados favorables al suceso
A y el nmero total de resultados del espacio
muestral.
( ) posibles casos de n
favorables casos de n
P(A)
n
n(A)
P(A) =
O
=
21/03/2012
43
PROBABILIDADES
( )
0.375
8
3
n
n(A)
P(A) = =
O
=
Ejemplo 1
:
Solucin:
Si se lanza una moneda tres veces Cul es la probabilidad de
a. Obtener exactamente dos caras ?
b. Al menos dos caras ?
c. ninguna cara?
( )
0.5
2
1
8
4
n
n(B)
P(B) = = =
O
=
( )
125 . 0
8
1
n
n(C)
P(C) = =
O
=
21/03/2012
44
PROBABILIDADES
AXIOMAS DE PROBABILIDAD
1. La probabilidad de un suceso A , toma valores entre 0 y
1 ; es decir 0 s P(A) s 1 .
2. La probabilidad de un suceso seguro O es 1 P(O ) = 1
3. Si un suceso A = o , A es un suceso imposible P(A) = 0
4. Si A y B son sucesos de O ; donde A B = o ;
entonces , la probabilidad de ocurrencia del suceso A B
es :
P (A B) = P(A) + P(B)
21/03/2012
45
PROBABILIDADES
Ejemplo 2
La probabilidad de que no asistan a clase no menos de
8 estudiantes es 0.2 y la probabilidad de que no asistan a
clase no ms de 5 estudiantes es 0.3 . Hallar la probabilidad
de que no asistan 6 7 estudiantes.
Solucin:

Sean los sucesos :
A : No asistan a clase no menos de 8 estudiantes
A = { 8 , 9 , 10 , .....................}
B: No asisten a clase no ms de 5 estudiantes.
B = { 0 , 1 , 2 , 3 , 4 , 5 }
C : No asisten a clase a 6 7 estudiantes .
C = { 6 , 7 }
21/03/2012
PROBABILIDADES

Como A , B y C son mutuamente excluyentes
donde A B C = O (Universo) ; entonces:

( )
0.5 P(C) 0.5 - 1 P(C)
1 P(C) 0.3 0.2
1 P(C) P(B) P(A) P C) B P(A
= =
= + + =
= + + = =
21/03/2012 46
47
PROBABILIDADES
TEOREMAS SOBRE PROBABILIDADES
1. Si o (Suceso imposible ) ; entonces P(o ) = 0
2. Si A es un suceso complementario de A ; entonces
P(A) = 1 P(A)
Esto se deduce de la siguiente relacin :
Como A A = O
A y A son sucesos excluyentes, por lo tanto:
( )
= +
= +
1 ) P(A' P(A)
P ) P(A' P(A)
P(A) 1 ) P(A' =
21/03/2012
48
PROBABILIDADES
3. Si A y B son sucesos no excluyentes (conjuntos no
comparables) ; se tiene que:
B) P(A - P(B) P(A) B) P(A + =
TEOREMAS SOBRE PROBABILIDADES
Extendiendo para tres conjuntos no comparables. Se
tiene que:
21/03/2012
49
PROBABILIDADES
A B
C) B P(A C) P(B - C) P(A - B) P(A - P(C) P(B) P(A) C) B P(A + + + =
TEOREMAS SOBRE PROBABILIDADES
C
21/03/2012
50
PROBABILIDADES
De un total de 200 estudiantes ; 120 estn matriculados en
Matemtica Bsica y 90 en Estadstica; 50 en ambos
cursos. Si se elige al azar uno de los 200 estudiantes, Cul
es la probabilidad de que un estudiante elegido est
matriculado en una de las asignatura?
Ejemplo 1:
21/03/2012
51
PROBABILIDADES
Ejemplo 1:
Solucin:
Espacio muestral: n(O ) = 200
Suceso A : Seleccionar un alumno matriculado en M. B.
5
3
200
120
P(A) 120 n(A) = = =
Suceso B : Seleccionar un alumno matriculado en Est.
20
9
200
90
P(B) 90 n(B) = = =
Suceso (A B) : Seleccionar un alumno matriculado en M.B. y
Estadstica.
4
1
200
50
B) P(A 50 B) n(A = = =
Como se sabe que :
B) P(A - P(B) P(A) B) P(A + =
5
4
B) P(A
4
1
-
20
9
5
3
B) P(A = + =
21/03/2012
52
PROBABILIDADES
Ejemplo 2:
Solucin:
En un saln de clase de 40 alumnos, 30 de ellos
postulan a la UNFV y 26 a la UW . Se elige al azar un
alumno de este saln. Cul es la probabilidad de quesea
un alumno que postula a ambas Universidades?
Suceso A : Alumnos que postulan a la UNFV ; n(A) = 30
Suceso B : Alumnos que postulan a la UW ; n(B) = 26
Suceso A B : Alumnos que postulan a ambas
universidades.
21/03/2012
PROBABILIDADES

Sabemos que :

40 B) n(A - n(B) n(A) B) n(A = + =
4 . 0
5
2
40
16
) ( n
B) n(A
B) P(A
16 B) n(A
40 B) n(A 56 40 B) n(A - 26 30 B) n(A
= = =
O

=
=
= = + =
21/03/2012 53
54
PROBABILIDADES
Ejemplo 3:
Solucin:
Con 7 ingenieros y 4 mdicos se van formar comits de 6
miembros. Cul es la probabilidad que el comit incluya
a. Exactamente dos mdicos?
b. A los sumo tres Ingenieros?
Evento B: A lo sumo tres ingenieros:
348 . 0
462
161
P(B)
161 140 21
3!.1!
4!
4! . 3!
7!
4!.0!
4!
5! . 2!
7!
n(B)
C(4,3) x C(7,3) C(4,4) x C(7,2) n(B)
= =
= + = + =
+ =
21/03/2012
Ejemplo 1: Se dispone de 11 Hojas de Registro
Laboral, pertenecientes a trabajadores masculinos
y femeninos agrupados por el turno en que labora
11
8
= P(D)
Probabilidad Condicional
M F
Turno (Masculino) (Femenino) Total
D (Da) 5 3 8
N (Noche) 1 2 3
Total 6 5 11

Sexo
a) Cul es la probabilidad de extraer una Hoja de
Registro Laboral perteneciente a un trabajador
que labora en el da?
21/03/2012 55
b)Cul es la probabilidad de extraer una Hoja de
Registro Laboral perteneciente a un trabajador
que labora en el da y que sea mujer?



c) Dado que la Hoja de Registro Laboral
perteneciente a un trabajador que labora en el da,
cul es la probabilidad que sea mujer?
11
3
= F) P(D
8
3
=
D
F
P ) (
21/03/2012 56
Derivacin de la frmula:
11
8
11
3
=
D
F
P ) (
8
3
=
D
F
P ) (
P(D)
D) P(F
=
D
F
P ) (

Comprobando:
21/03/2012 57
La probabilidad de que el personal administrativo
que labora en una empresa, llegue tarde el da
lunes es 0,50 y la probabilidad de que llegue
retrasado los das lunes y martes es 0,20. Dado
que cierto trabajador lleg tarde el da lunes,
cul es la probabilidad de que llegue tarde el
da siguiente?.
0,50 = ) P(T
L
0,20 = ) T P(T
M L

) P(T
) T P(T
=
T
T
P
L
L M
L
M
) (

0,40 =
0,50
0,20
=
Aplicacin:
21/03/2012 58
A partir de
A) ( P
B) A ( P
A
B
P ) (

=
Se despeja
) (
A
B
P A) ( P ) B A ( P - =
Regla de la Multiplicacin
21/03/2012 59
Se sabe que en un lote de discos duros de 50
unidades, hay 4 que no estn adecuadamente
embalados. Si se extraen al azar 2 discos
duros, uno a continuacin del otro, cul es la
probabilidad de que ambos se encuentren mal
embalados?.
49
3
D
D
P
50
4
) D ( P
) (
1
2
1
=
=
2450
12
49
3
50
4
=
D
D
P ) D ( P ) D D ( P ) (
1
2
1 2 1
= -
- =
Aplicacin:
21/03/2012 60
En una poblacin de pacientes hospitalizados, la
probabilidad de que uno de ellos, elegido
aleatoriamente tenga problemas cardiacos es
0,35. La probabilidad de que un paciente con
problemas cardiacos sea un fumador es de 0,86.
Cul es la probabilidad de que el paciente
elegido al azar de entre la poblacin sea fumador
y tenga problemas cardiacos?.
Ejercicio
21/03/2012 61
Los sucesos A y B se consideran independientes
cuando la ocurrencia de uno no influye sobre la
probabilidad de ocurrencia del otro; esto significa
que, independientemente de que A haya ocurrido o
no, la probabilidad asignada a B es siempre la
misma.
) B (
A
B
) ( P P =
Entonces,
) B ( A) ( ) B A ( P P P - =
Regla de la multiplicacin para
sucesos independientes.
21/03/2012 62
Cul es la probabilidad de que en una familia con
dos hijos, ambos sean varones?
5 , 0 ) V (
5 , 0 ) V (
2
1
=
=
P
P
25 , 0 ) V V (
(0,5) (0,5)
) V ( ) V ( ) V V (
2 1
2 1 2 1
=
- =

P
=
P P P
Ejemplo:
21/03/2012 63
Ejemplo 1:
La Compaa de Seguros JL ha desarrollado un
novedoso seguro mdico familiar. De acuerdo
con una investigacin hecha en el mercado, la
probabilidad de que el producto tenga xito es
0,80 si una compaa competidora no introduce
un plan similar en el mercado, en tanto que la
probabilidad de xito es 0,30 si la empresa
competidora lanza al mercado un seguro similar.
Adems, la compaa JL estima que hay una
probabilidad de 0,40 de que la firma
competidora comercialice el producto.
El Teorema de Bayes
Consiste en una particin de la probabilidad
total.
21/03/2012 64
Solucin:
P(C) = probabilidad de que la compaa
competidora comercialice el producto,
P(C) = probabilidad de que la compaa
competidora no comercialice el
producto,
P(E) = probabilidad de que el plan de seguro
familiar de la compaa JL tenga xito.
Dado que el producto de la Compaa JL tuvo
xito, cul es la probabilidad de que la firma
competidora haya comercializado su novedoso plan
de seguro?
21/03/2012 65
P(E/C) = 0,30
P(E/C) = 0,80
0,12 = 0,30 0,40 = E) C ( P
0,48 = 0,80 0,60 = E) C (
P
'

P. Marginal
0,60 = E) ( P P. Total
P. Condicional P. Conjunta
21/03/2012 66
Luego, de acuerdo con el Teorema de Bayes
20 . 0
60 . 0
12 . 0
48 . 0 12 . 0
12 . 0

E) C ( + E) C (
E) C (
=
E
C
'
) (
= =
+
=

P P
P
P
La probabilidad que la compaa de seguros haya
participado en el mercado, dado que JL tuvo
xito es de 0,20.
21/03/2012 67
El Gerente de Imagen Institucional est
considerando comprar un lote de 10000 unidades USB
de un proveedor nacional. El fabricante de estos
equipos estima la proporcin de equipos defectuosas
en el lote, en la siguiente forma.
Proporcin de
piezas defectuosas (t)

t
1
= 0,10
t
2
= 0,15
t
3
= 0,25
Probabilidad
P(t)

P(t
1
) = 0,20
P(t
2
) = 0,30
P(t
3
) = 0,50
Ejemplo 2:
21/03/2012 68
Esto significa que el proveedor no est seguro
acerca de la proporcin de equipos defectuosos
en el lote, sin embargo, basndose en
experiencias anteriores, cree que hay una
probabilidad de 0,20 de que el lote tenga 10%
de piezas defectuosas, una probabilidad de
0,30 de que tenga 15%. Y finalmente, de 0,50
de que tenga 25% de piezas defectuosas.
Supongamos que elige una unidad USB al azar en
el lote:
21/03/2012 69

A) Cul es la probabilidad de
qu esta sea defectuosa?

B) Dado que la unidad USB
result defectuosa, cul es
la probabilidad de que el lote
tenga 25% de piezas
defectuosas?
21/03/2012 70
P. Marginal
P. Condicional P. Conjunta
0,1900 = D) ( P
0,0200 = 0,10 0,20 = D) ( P
1
t
P(D/t
3
)= 0,25

P(D/t
2
)= 0,15

P(D/t
1
)= 0,10

P(t
2
) = 0,30
0,045 = 0,15 0,30 = D) ( P
2
t
0,1250 = 0,25 0,50 = D) ( P
3
t
t
3
=0,25

t
2
=0,15

t
1
=0,10

21/03/2012 71
Hay tres maneras posibles de obtener un USB
defectuoso del lote. Por lo tanto, la
probabilidad de obtener una unidad defectuosa,
cualquiera que se la tasa porcentual de
defectuosos 10, 15 25 es:
) ( P ) ( P ) ( P ) (
3 2 1
D D D D P t t t + + =
19 , 0
1250 , 0 0450 , 0 0200 , 0
=
+ + =
Respuesta A:
21/03/2012 72
Respuesta B:

De acuerdo con el Teorema de Bayes, la probabilidad
de que el lote contenga 25% de piezas defectuosas,
dado que la unidad elegida es defectuosa, es:
6579 . 0
1900 . 0
1250 . 0
) ( P
) ( P
) / ( P
3
3
= = =
D
D
D
t
t
21/03/2012 73
La ciencia es el fundamento de todo progreso, que mejora la vida
humana y alivia del sufrimiento.
Irene Joliot-Curie
21/03/2012 74