ESTADISTICA

Probabilidad
Profesor Manuel Ricardo Contento

Ley aditiva, ley multiplicativa. Independencia

Estadística. Ley de probabilidad Total,
Teorema de Bayes
 Ley Aditiva de Probabilidad
 Probabilidad para la unión de eventos

P(AB) = P(A) + P(B) - P(AB)

P(A  B  C) = P(A) + P(B) +P(C) – [ P(AB) +

P(AC) + P(BC) ] + P(ABC)
 Ejemplo
 Las enfermedades I y II son comunes entre los individuos de cierta
población. Se supone que el 10% de la población contraerá la
enfermedad I alguna vez durante su vida, 15% contraerá
eventualmente la enfermedad II, y el 3% contraerá ambas. Encuentre
la probabilidad de que un individuo elegido al azar de esta población,
contraiga al menos una enfermedad
A: El individuo contrae la enfermedad I
B: El individuo contrae la enfermedad II
P(A)=0.1 P(B)=0.15 P(AB)=0.03
P(contraiga al menos una enfermedad)=P(AB)
P(AB) =P(A)+P(B)-P(AB)= 0.1+ 0.15 - 0.03 = 0.22
 Probabilidad conjunta, marginal y
condicional
Caracterizar a un grupo de estudiantes según dos variables.
Genero ( H, M) y Fumar (S , N)

FUMA
GENERO Si (S) No (N) TOTAL
Hombre (H) 20 40 60
Mujer (M) 10 30 40
TOTAL 30 70 100
 Probabilidad Conjunta y Marginal
FUMA
GENERO Si (S) No (N) TOTAL
Hombre (H) 20 40 60
Mujer (M) 10 30 40
TOTAL 30 70 100

 Prob. Conjunta  Prob. Marginal

 P(HS) = 20/100=0.2  P(H) =60/100=0.6

 P(HN) = 40/100=0.4  P(M) =40/100=0.4

 P(MS) = 10/100=0.1

 P(MN) = 30/100=0.3  P(S) =30/100=0.3

 P(N) =70/100=0.7
 Probabilidad Condicional p(A/B)
FUMA
GENERO Si (S) No (N) TOTAL
Hombre (H) 20 40 60
Mujer (M) 10 30 40
TOTAL 30 70 100

 Condicionales por fila  Condicionales por columna

 P(S / H)=20/60=0.33  P(H / S)=20/30=0.67

 P(N / H)=40/60=0.67  P(M / S)=10/30=0.33

 P(S / M)=10/40=0.25  P(H / N)=40/70=0.571

 P(N / M)=30/40=0.75  P(M / N)=30/70=0.429
 Probabilidad condicional
 La relación entre las tres probabilidades viene dada por:

P( A / B)  P( A / B)  1
LEY MULTIPLICATIVA DE LA
PROBABILIDAD.

Establece la forma de calcular la

probabilidad de la intersección de eventos.

 A
P  A  B   P( A)  P B
 L.M.P. Ejemplo.
Un embarque de 20 ambulancias contiene dos que presentan algún
tipo de defecto en el funcionamiento del equipamiento medico y el
comprador no lo sabe, pero aceptará el embarque si después de
seleccionar, sin reposición, dos ambulancias estas pasan una rigurosa
inspección. ¿Cuál es la probabilidad de que el embarque sea aceptado?
 A: La primera ambulancia seleccionada pasa la revisión
B: La segunda ambulancia seleccionada pasa la revisión
P(aceptar) = P(AB)= ?
 P(A)=18/20 y P(B/A)=17/19
 P(AB)= P(A) * P(B/A)=(18/20)*(17/19)0.805 > pA<-18/20;pA
[1] 0.9
> (pBcondA<-17/19)
[1] 0.8947368
> (pAB<-pA*pBcondA)
[1] 0.8052632
INDEPENDENCIA ESTADÍSTICA.
Dos eventos A y B son independientes si la
ocurrencia de uno de ellos no afecta la
probabilidad de ocurrencia del otro .

P A B   P( A)
P  A B   P( A)  P  B 
 INDEPENDENCIA. Ejemplo
Un contratista debe realizar tres trabajos similares. La
experiencia indica que la probabilidad de que un
determinado trabajo se demore mas de lo planeado es
0.4. Si el ritmo al cual trabaja es independiente,
a. ¿cual es la probabilidad de que los tres trabajos se
terminen en el tiempo planeado?
b. ¿cual es la probabilidad de que los tres trabajos tengan
retraso?
c. ¿cual es la probabilidad de que al menos uno de los
trabajos tenga retraso?
 Diagrama de árbol
A1: El trabajo 1 se termina en el tiempo planeado P(A1) = 0.6 P(Ā1) = 0.4
A2: El trabajo 2 se termina en el tiempo planeado P(A2) = 0.6 P(Ā2) = 0.4
A3: El trabajo 3 se termina en el tiempo planeado P(A3) = 0.6 P(Ā3) = 0.4

0.6 A3 A 1A 2A 3
A2 A 1A 2Ā 3
0.6 0.4 Ā3

0.6 A 1Ā 2A 3
A1 A3
0.4 Ā2 A 1Ā 2Ā 3
0.6
0.4 Ā3
0.6
A3 Ā 1A 2A 3
A2
0.4 0.6
0.4
Ā3 Ā 1A 2Ā 3
Ā1
0.6 A3 Ā 1Ā 2A 3
0.4 Ā2
0.4 Ā3 Ā 1Ā 2Ā 3
 Solución
a. P(A1 A2 A3) = P(A1)*P(A2)*P(A3) = 0.6*0.6*0.6 = 0.216
La probabilidad de que los tres trabajos se terminen en el
tiempo planeado es 0.216

b. P(Ā1  Ā2  Ā3) = P(Ā1)*P(Ā2)*P(Ā3) = 0.4*0.4*0.4 = 0.064

La probabilidad de que los tres trabajos tengan retraso es 0.064

c. P(Ā1Ā2Ā3) = P(Ā1)+P(Ā2)+P(Ā3) - [P(Ā1Ā2)+P(Ā1Ā3)+

P(Ā2Ā3)] + P(Ā1Ā2Ā3) =
= 3*0.4 - 3*0.16 + 0.064 = 0.784
Otra forma: P(Ā1Ā2Ā3)=1- P(A1 A2 A3) =1-0.216=0.784
La probabilidad de que al menos uno de los trabajos tenga
retraso es 0.784
LEY DE PROBABILIDAD TOTAL

Sea  y A  . Si  = B1 B2  ...  Bk con

Bi  Bj =   ij y P(Bi)>0, entonces:

k
P ( A)   P ( Bi ) P ( A / Bi )
i1
 Ejemplo L.P.T.
La probabilidad que un articulo sea defectuoso
es de 0.01 si el operario sigue con exactitud las
instrucciones del protocolo de fabricación, y de
0.05 si el operario no las sigue. Si el operario
sigue las instrucciones 80% de las veces, ¿qué
porcentaje de los productos fabricados por el
operario serán defectuosos?
 Defect.
Solución
0.01
A
B1: El operario sigue con exactitud el protocolo
Sigue I B2: El operario no sigue con exactitud el protocolo
0.8 B1 0.99 Bueno A : el articulo es defectuoso
Ā

0.2 0.05
Defect. P(B1) = 0.8 P(A / B1) = 0.01
A P(B2) = 0.2 P(A / B2) = 0.05
No sigue
B2
0.95 Bueno Pregunta : P(A)=?
Ā

P(A) = P(B1)*P(A / B1) + P(B2)*P(A / B2) = 0.8 * 0.01 + 0.2 * 0.05 = 0.018

> pB1B2 <- c(0.8, 0.2)

> pAcondB1B2 <- c(0.01, 0.05)
> (pB1B2*pAcondB1B2)
[1] 0.008 0.010
> pA <- sum(pB1B2*pAcondB1B2);pA
[1] 0.018
 TEOREMA DE BAYES
Sea  y A  . Si  = B1 B2  ...  Bk con
Bi  Bj =   ij y P(Bi)>0, entonces

P ( B j )P ( A / B j )
P ( B j / A)  k

 P(B ) P(A / B )
i1
i i
 Ejemplo T.B.
Se dice que una prueba para diagnosticar una
determinada enfermedad es 90% confiable, es decir,
la prueba detectara la enfermedad con una
probabilidad de 0.90 si el individuo realmente la
padece y dirá que no la tiene con probabilidad de 0.9
si no la padece. Se sabe además que el 4% de la
población tiene la enfermedad en cuestión. Si una
persona de esta población, escogida aleatoriamente,
muestra un resultado positivo en la prueba, ¿cual es la
probabilidad de que realmente padezca la
enfermedad?
 B : Padece la enfermedad
1
Solución 0.90
+ (A)

B2: No padece la enfermedad

Enfermo
A : La prueba es positiva (B1) 0.10 - (Ā)
0.04

 P(B1) = 0.04 P(A / B1) = 0.90

+ (A)
P(B2) = 0.96 P(A / B2) = 0.10 0.96 0.10

Sano
a. P(A) = P(B1)*P(A / B1) + P(B2)*P(A / B2) = (B2)
0.90 - (Ā)
=0.04*0.90 + 0.96*0.10 = 0.132

b. P(B1 / A) = [ P(B1)*P(A / B1) ] / P(A) =[ 0.04*0.90 ] / 0.132 = 0.27

> pB1B2 <- c(0.04, 0.96)

> pAcondB1B2 <- c(0.9, 0.1)
> (pB1B2*pAcondB1B2)
[1] 0.036 0.096
> pA <- sum(pB1B2*pAcondB1B2);pA
[1] 0.132
> (pB1condA=(pB1B2*pAcondB1B2)[1]/pA)
[1] 0.2727273
 Actividades
 En la clase complementaria.
 Ejer. 6. Pág. 64

 Ejer. 1. Pág. 68.

 Ejer. 3. Pág.. 71

 Ejer. 6. Pág. 74.

 Estudiar para evaluación (1 hora) sobre probabilidad

en la clase complementaria después del receso
 Grupo 3.1-3.2: Octubre 6 viernes

 Grupo 3.3: Octubre 7 sábado