Ch

ap
4-1
Ch
ap
4-2
 Revisar conceptos básicos de probabilidad
Definiciones de Probabilidad Condicional .
 Desarrollar el Teorema de las Bayes para el
cálculo de probabilidades.
 Teorema de La Multiplicación y Adición.

Ch
ap
4-3
 El experimento es el proceso que permite a los
investigadores observaciones o eventos.
Ej: Lanzamiento de monedas

 Un Evento es cada posible resultado de un

experimento.
Ej. Obtener un punto al lanzar un dado

 El Espacio Muestral es la colección de todos los

posibles eventos.
Ej: Las 52 cartas de un juego de barajas
Ch
ap
4-4
 El complemento de un evento A
(denotado A’): Corresponde a todos los
eventos que no son parte del evento.

 El evento unión A y B, AUB, es el que

está formado por los resultados que
están en A o en B (incluyendo los que
están en ambos)

 El evento intersección de A y B, A∩B o

simplemente AB, al formado por los
elementos que están en A y B
Ch
ap
4-5
 Eventos Mutuamente excluyentes: Si ambos
eventos no pueden ocurrir de manera
simultánea.
Ejemplo: Si A = Aprobar el curso y B = Reprobar el curso,
los eventos A y B son mutuamente excluyentes.

 Eventos colectivamente exhaustivos: Si uno

de los eventos debe ocurrir. La colección de
estos eventos cubren el entero espacio
muestral.
◦ Ejemplo: los eventos cara y cruz

Ch
ap
4-6
 Indique si los eventos son mutuamente
excluyente o colectivamente exhaustivos
 Los votantes en EEUU están registrados
como republicanos o como demócratas.
 Quienes respondieron fueron clasificados
por el tipo de auto que manejan :
estadounidense, europeo o ninguno.
 Se le preguntó ¿Actualmente vive en a) un
departamento o b) en una casa?
 Un producto es clasificado como defectuoso
o no defectuoso

Ch
ap
4-7
Concepto
Evento
◦ Es posibilidad numérica de que un 1 seguro
evento ocurra.
Características:
◦ La probabilidad del evento A se
representa por P(A). 0.5
◦ La probabilidad de cualquier evento
debe estar entre 0 y 1 inclusive.
◦ A es evento seguro  P (A)=1
◦ B es evento imposible P(B)=0
0 Evento
Imposible
Ch
ap
4-8
1. Probabilidad clásica o a priori:
Si un experimento tiene n sucesos distintos y
cada uno tiene la misma posibilidad de ocurrir, la
probabilidad del evento A se la calcula:

número de formas en las que el evento puede ocurrir

P(A) 
número total de resultados posibles
Si A= Obtener cara al lanzar moneda
P(A)= 1/2

Ch
ap
4-9
 2. Probabilidad de frecuencia relativa:
Realice u observe un experimento un gran
número de veces cuente las veces que ocurre el
evento A. Entonces P(A) se estima de la siguiente
forma:
Número de veces que ha ocurrido el evento en el pasado
P( A) 
Número total de observaciones

3. Probabilidad subjetiva
 Un juicio individual u opinión sobre la ocurrencia de un
acontecimiento que nunca antes ha sucedido. Ch
ap
4-
10
 Diagramas de Venn

 Diagrama de árbol

 Tabla de contingencia

Ch
ap
4-
11
Diagramas de Venn
◦ A = Estudie
◦ B = Trabaje A y B = estudie y trabaje

B
A U B = jóvenes que
estudian o trabajan
Ch
ap
4-
12
 Diagramas de Arbol: Imagen de los posibles
resultados de un experimento, mostrados como
segmentos de linea que emanan de un punto de
partida

Ch
ap
4-
13
 Clasificación de empleados

Género Analista Auxiliar Programador Total

Hombre 120 150 30 300

Mujer 50 140 10 200

Total 170 290 40 500

Ch
ap
4-
14
 Probabilidad Simple:
Probabilidad de ocurrencia de un evento simple

 Probabilidad Conjunta:
Probabilidad de ocurrencia de dos o mas eventos

Ch
ap
4-
15
 Una probabilidad condicional es la probabilidad
de un evento , dada que otro evento ya ocurrió:

P(A y B) Probabilidad de A
P(A | B)  dado que B ocurrió
P(B)

P(A y B) Probabilidad de B
P(B | A)  dado que A ocurrió
P(A)

Ch
ap
4-
16
Regla de la adición :
P(A o B) = P(A) + P(B) - P(A y B)
Donde P(A y B) denota la probabilidad de que ocurran tanto A
como B, al mismo tiempo como resultado en un experimento.

Ch
ap
4-
17
1) Sea A el suceso de sacar un As de una baraja estándar de 52
cartas y B sacar una carta con corazón rojo. Calcular la
probabilidad de sacar un As o un corazón rojo o ambos en una
sola extracción.
A y B son sucesos no mutuamente excluyentes porque puede
sacarse el as de corazón rojo.
Las probabilidades son:

Ch
ap
4-
19
Reemplazando los anteriores valores en la regla general de
la adición de probabilidades para eventos no mutuamente
excluyentes se obtiene:

Ch
ap
4-
20
 Si los eventos A y B no pueden ocurrir
simultáneamente se dicen que son
eventos mutuamente excluyentes

cuando los eventos A y B

son mutuamente excluyentes:
P(A o B) = P(A) + P(B)

Ch
ap
4-
21
Teorema de la multiplicación :
P(A y B) = P(A) P(B|A)
Donde P(B | A) denota la probabilidad de que B ocurra dado
que A ocurrió.

Ch
ap
4-
22
 Dos sucesos son independientes si el que ocurra uno, no
añade información sobre el otro.
A es independiente de B  P(B|A) = P(B)

Si los eventos son independientes, la regla de

multiplicación es:
P(A y B) = P(A) P(B)

Ch
ap
4-
23
 De un lote de carros usados, el 70% tiene aire
acondicionado (AC) y 40% tiene CD player (CD). 20%
de los carros tienen ambos. ¿Cuál es la probabilidad de
que un carro tenga CD player dado que tiene AC?

Solución:
P(CD|AC) = P(CD y AC) / P(AC)
=0.2/0.7
=0.29

Ch
ap
4-
24
 A1 A2 Si conocemos la probabilidad
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
B sucesos, entonces podemos
calcular la probabilidad de B
como la suma:
A3 A4

P(B) = P(B  A1) + P(B  A2) + P( B  A3) + P( B  A4)

Ejemplo: En este aula el 70% de los alumnos son hombres.
De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras. ¿Qué porcentaje de fumadores hay en total?

Mujeres
Podemos aplicar la ley de
la probabilidad total: Hombres

Hombres y mujeres forman

un sistema exhaustivo y
excluyente de sucesos. Fumadores
 Fuma
0,1

Hombre
0,7
No fuma
0,9
Estudiante

0,2
0,3 Fuma
Mujer

0,8
No fuma

P(F) = P(F∩H) + P(F∩M) = P(F|H) P(H) + P(F|M) P(M)

= 0,1 · 0,7 + 0,2 · 0,3 = 0,13
 Thomas Bayes nació en Londres, Inglaterra.
Su padre fue ministro presbiteriano.
Posiblemente De Moivre fue su maestro
particular, pues se sabe que por ese entonces
ejercía como profesor en Londres.

Bayes fue ordenado ministro presbiteriano y

muere en 1761. Sus restos descansan en el
cementerio londinense de Bunhill Fields. La
traducción de la inscripción en su tumba es:

"Reverendo Thomas Bayes.

Hijo de los conocidos Joshua y Ann
Bayes. 7 de abril de 1761. En
reconocimiento al importante trabajo que
realizó Thomas Bayes en probabilidad. Su
tumba fue restaurada en 1969 con
donativos de estadísticos de todo el
mundo".
 Si conocemos la probabilidad de B en
cada uno de los n componentes de un
A1 A2 sistema exhaustivo y excluyente de
sucesos, entonces…

…si ocurre B, podemos calcular la

probabilidad (a posteriori) de
B ocurrencia de cada Ai, (i = 1, 2, ... , n):
P(B  Ai )
P(Ai|B) 
P(B)

A3 A4

donde P(B) se puede calcular usando el teorema de la probabilidad

total: n
P( B)   P( B  Ai )
i 1
 Fuma
0,1
En el problema
Hombre anterior: Se elige a un
0,7
No fuma individuo al azar
0,9
Estudiante y resulta fumador.
¿Cuál es la
0,2
0,3 Fuma probabilidad de que
Mujer
sea una mujer?
0,8
No fuma

P(M) = 0,3, P(F) = 0,13

P(M|F) = P(F ∩ M)/P(F) = P(F|M) P(M) / P(F) =
0,2·0,3 / 0,13 = 0,46
Ch
ap
4-
31