Teora de Probabilidad

Teora de Probabilidad
Recopilado por JAMH. Rev. agosto 2004

Vivimos en un mundo de incertidumbre, no sabemos lo que nos depara exactamente el maana. Sin embargo, muchas veces conocemos los posibles evento por venir; por tanto es conveniente estimar o determinar las probabilidades de esos eventos (ocurrencias). Las probabilidades se expresan como fracciones o porcentajes, y son la medida cuantitativa de que un evento pueda ocurrir (o no ocurrir). Experimentos y Espacio Muestral Experimentos Lanzar una moneda al aire Seleccionar una pieza Una visita de ventas a un cliente Sucesos Cara o cruz Defectuosa o no defectuosa Venta o no venta Un suceso es el resultado de un experimento Al analizar un experimento es importante definir sus resultados, a fin de posteriormente definir su espacio muestral, puesto que el conjunto de todos los resultados se convierten en el Espacio Muestral. Cualquier resultado experimental se conoce como Punto Muestral Asignacin de Probabilidades a Resultados Muestrales Existen dos requisitos que deben cumplirse al asignar la probabilidad a un resultado muestral. Sea Ri el resultado del i-simo experimento, y sea P(Ri) su probabilidad de ocurrencia. Entonces: 0 P(Ri) 1 La sumatoria de todas las P(Ri) = 1

Espacio Muestral Punto Muestral

Eventos y Probabilidades Un evento es un punto muestral o un conjunto de puntos muestrales (resultados experimentales). La probabilidad de un evento ser igual a la suma de las probabilidades de los puntos muestrales en dicho evento. Ejemplo dados

Espacio Muestral Complemento del Evento A Evento A

I. Relaciones Bsicas de Probabilidad 1. Complemento de un evento 2. Ley Aditiva. Unin de eventos

Espacio Muestral
Evento A

A U B

Evento B

122

Teora de Probabilidad

AUB

3. Interseccin de eventos A
U

observada de un evento durante un gran nmero de intentos. O sea, es la fraccin que indica la proporcin de que un evento se presenta a la larga en una serie de experimentos. Se asume que las condiciones son estables. Utiliza la informacin pasada para determinar la probabilidad de un evento en el futuro. A mayor nmero de intentos, mejor prediccin. El estado estable es el valor final a largo plazo de un experimento. La limitante de este planteamiento ocurre si se emplea sin evaluar un nmero suficiente de experimentos. 3. Probabilidades Subjetivas Este planteamiento est basado en las creencias u olfato para los negocios. Est basado en las evidencias que se tenga disponibles. Generalmente los gerentes pueden tomar la evidencia disponible y mezclarla con sentimientos personales. Se utilizan ms cuando los eventos solo ocurrirn una vez o muy pocas veces, o cuando no hay informacin o la informacin existente ya no es vlida. IV. Reglas de Probabilidad La mayora de Toma de Decisiones se refiere a una de dos posibles situaciones: La primera, el caso en que un solo evento se presenta. La segunda, cuando 2 o ms eventos se presentan simultneamente o uno a continuacin de otro. En el caso que se presenten dos (2) eventos, se pueden presentar dos situaciones: a) el resultado del primero evento puede tener un efecto en el resultado del segundo evento y b) el resultado del primero evento no tiene un efecto en el resultado del segundo evento. Estos dos casos son conocidos respectivamente como: Eventos dependiente o Eventos Independientes

Espacio Muestral
Evento A

II. Formulas para la adicin En General P(A U B) = P(A) + P(B) - P(A B) Para eventos mutuamente excluyentes: P(A U B) = P(A) + P(B)

Espacio Muestral
Evento A Evento B

Nota: Eventos mutuamente excluyentes significa que los eventos no tienen ningn punto muestral en comn. III. Formas de calcular la Probabilidad 1. Planteamiento Clsico Es la razn entre el nmero de resultados en que el evento en estudio puede ocurrir entre el nmero total de resultados posibles. Este tipo de planteamiento asume que cada uno de los evento o resultado posible es igualmente posible. 2. Frecuencia Relativa Este planteamiento muestra la frecuencia relativa

Evento B

123

Teora de Probabilidad

V. Probabilidad de eventos Independientes y Dependientes 1. Probabilidad bajo condiciones de Independencia Estadstica Las probabilidad bajo independencia estadstica se sub-dividen en: a. Probabilidad Marginal o Incondicional Simbologa. Sea P(A) = Probabilidad de suceso del evento A Ocurre cuando slo un evento puede llevarse a cabo. Ej. Un nmero de lotera, al tirar una moneda b. Probabilidad Conjunta Cuando 2 o mas eventos independientes se presente uno a continuacin de otro. O cuando se requiere que se presenten ambos simultneamente. Simbologa. P(AB) = P(A)*P(B) c. Probabilidad Condicional P(B/A) = Probabilidad de que suceda el evento B dado que el evento A se ha presentado. La ocurrencia del primero no altera la ocurrencia del segundo. Se tiene que: Simbologa. P(B/A) = P(B)

2. Probabilidades bajo condiciones de Dependencia Estadstica Definicin: La dependencia estadstica existe cuando la probabilidad de que se presente algn evento depende o se ve afectada por la ocurrencia de algn otro evento. a. Probabilidad Condicional Simbologa.. P(B/A) = P(BA)/P(A) La probabilidad de que ocurra B dado que A ha ocurrido es igual a la probabilidad de que ocurran los eventos A y B entre la probabilidad de que ocurra A.
Evento B Evento A

Evento B y A

Una vez ocurre el evento A

Evento A, con Probabilidad P(A)

Evento A y B, con probabilidad = P(B y A)

Por lo que: P(B/A) = P(BA)/P(A)

Ejemplo. 10 pelotas. 4 Color 6 Grises 5 punteadas 5 rayadas - 3 punteadas y 1 rayada - 2 punteadas y 4 rayadas - 3 de Color y 2 Grises -1 de Color y 4 Grises

Independencia Estadstica Tipo de Smbolo Frmula Probabilidad

Tabla de Probabilidades Marginal Conjunta Condicional P(A) P(AB) P(B/A) P(A/B) P(A) P(A)*P(B) P(B) P(A) i. Dado que se ha sacado una bola de color (C) Cul es la probabilidad de que sea punteada (D)? Resolucin: P(D/C) = P(DC)/P(C) = 0.3/0.4 = 0.75 y por tanto P(F/C) =P(FC)/P(C) = 0.1/0.4 = 0.25 ii. Dado que se ha sacado una bola gris (G) Cul es la probabilidad de que sea con franja (F)? 124

Teora de Probabilidad

Evento Descripcin Color 1 2 3 4 5 6 Puntos (D) y Color (C)

Probabilidad 0.1 0.1 0.1 0.1 0.1

Puntos

Grises

Puntos (D) y Gris (G) Franjas (F) y Color (C) Franjas (F) y Gris (G)

0.1

Franjas

Resolucin: P(F/G) = P(FG)/P(G) =0.4/0.6= 2/3 y por tanto: P(D/G) =P(DG)/P(G) =0.2/0.6=1/3 Tambin es posible analizar como primer evento el hecho de que la bolita extrada sea clasificada como de puntos o de franjas. En tal caso tendramos la tabla que se muestra en la columna derecha. Los eventos y sus probabilidades conjuntas seran: iii. Dado que se ha sacado una bola de puntos (D) Cul es la probabilidad de que sea de color (C)?

7 8 9 10

0.1 0.1 0.1 0.1

Resolucin: P(C/D) = P(DC)/P(D) = 0.3/0.5 = 0.60 y por tanto: P(G/D) =P(GD)/P(D) = 0.2/0.5 = 0.40 iv. Dado que se ha sacado una bola de franjas (F) Cul es la probabilidad de que sea de color (C)? Resolucin: P(C/F) = P(CF)/P(F) =0.1/0.5= 0,2 y por tanto: P(G/F) =P(GF)/P(F) =0.4/0.5=0,8 b. Probabilidad Conjuntas

Evento Descripcin 1 2 3 4 Color (C) y Puntos (D)

Probabilidad 0.1 0.1 0.1

A partir de la formula para probabilidades condicionales podemos obtener la formula para probabilidades conjuntas.

Color

P(BA) = P(B/A) * P(A). Lase: Probabilidad de que se los eventos A y B se presenten al mismo tiempo o en sucesin es igual a la probabilidad de que suceda el evento B dado que ya se presento el evento A multiplicado por probabilidad de que ya se presento el evento A. Ejemplos

Color (C) y Franja (F) Gris (G) con Puntos (D) Gris (G) con Franjas (F) 0.1

0.1 0.1 0.1

5 6 7 8 9 10

Gris

0.1 0.1 0.1

P(GD) = P(G/D) * P(D) = 0.4*0.5 = 0.2 P(GF) = P(G/F) * P(F) = 0.8*0.5=0.4 P(CF) = P(C/F) * P(F), donde P(C/F)= 1/3 * 6/10 = 6/ 30 = 1/5 = 0.2, y P(F) = 0.5 entonces: 0.2 * 0.5 = 0.1 P(CD) = P(C/D) * P(D) =0.6 * 0.5 = 0.3

125

Teora de Probabilidad

Para este ejemplo solo hay cuatro nicas combinaciones posibles (eventos) c. Probabilidad Marginal La probabilidad marginal de un evento bajo condiciones de dependencia estadstica se calcula mediante la suma de las probabilidades de todos los eventos conjuntos en los que se presenta dicho evento. P(C) = P(CF) + P(CD) = 0.3 + 0.1= 0.4 P(G) = P(GD) + P(GF) = 0.2+0.4 = 0.6 P(D) = P(DC) + P(DG) = 0.3 +0.2= 0.5 P(F) = P(FC) + P(FG) = 0.1 + 0.4 = 0.5 Dependencia Estadstica Tipo de Probabilidad Marginal Smbolo P(A) Frmula
Suma de todas las probabilidades de los eventos conjuntos donde aparece evento A

b) El Inspector B apruebe un restaurante que est violando el reglamento, dado que el inspector A ya lo aprob? c) Un restaurante que est violando el reglamento sea aprobado por el Departamento de Salud? 1.2- Una presa hidroelctrica tiene cuatro compuertas. Cuando fallan sus compuertas se les repara de manera independiente una de la otra. A partir de la experiencia, se sabe que cada compuerta est fuera de servicio el 4% de todo el tiempo. a) Si la compuerta nmero uno est fuera de servicio, cul es la probabilidad de que simultneamente las compuertas dos y tres estn fuera de servicio ? b) Durante una visita a la presa, se le dice a usted que las posibilidades de que las cuatro compuertas estn fuera de servicio al mismo tiempo son menores a uno entre cinco millones. Es sto cierto? 1.3- Roberto Sales se encuentra preparando un informe que la empresa en la que trabaja, Corporacin Tritn, entregar a su vez al departamento Federal de Aviacin de Estados Unidos. El informe debe ser aprobado primero por el responsable del grupo del cual Roberto es integrante, luego por el jefe de su departamento y despus por el jefe de la divisin (en ese orden). Roberto sabe, por experiencia , que los tres directivos actan de manera independiente. Adems sabe tambin que su responsable de grupo aprueba 85% de sus informes, el jefe del departamento aprueba el 80% de los informes elaborados por Roberto y el jefe de la divisin aprueba el 82% de los trabajos de Roberto a) Cul es la probabilidad de que la primera versin del informe de Roberto sea enviada al Departamento federal de Aviacin? b) Cul es la probabilidad de que la primera versin del informe de Roberto sea aprobada por el responsable de grupo y el jefe del departamento pero no sea autorizado por el jefe de la divisin? 1.4- Billy Bordeaux, ejecutivo consultor en jefe de la compaa Grapevine Concepts, recientemente lanz una campaa publicitaria para un nuevo restaurante, The Black Angus. Billy acaba de instalar cuatro anuncios panormicos en la carretera a la entrada de la ciudad, y sabe, por su experiencia, la probabilidad de que cada

Conjunta Condicional

P(AB) P(BA) P(B/A) P(A/B)

P(A/B)*P(B) P(B/A)*P(A) P(BA)/P(A) P(AB)/P(B)

Ejercicios. 1.1- El Departamento de Salud efecta rutinariamente dos inspecciones independientes a los restaurantes. Un restaurante aprobar la inspeccin slo si ambos inspectores lo aprueban en cada una de las respectivas inspecciones. El inspector A tiene mucha experiencia, en consecuencia slo aprueba 2% de los restaurantes que realmente estn violando el reglamento sobre salubridad. El inspector B tiene menos experiencia y aprueba 7% de los restaurantes con fallas. Cul es la probabilidad de que: a) El inspector A apruebe un restaurante que est violando el reglamento, dado que el inspector B ha encontrado violaciones al reglamento?

126

Teora de Probabilidad

anuncio sea visto por un conductor escogido aleatoriamente. La probabilidad de que el primer anuncio sea visto por un conductor es de 0.75. La probabilidad de que el segundo sea visto es de 0.82, la probabilidad para el tercero es de .87 y la del cuarto es de 0.9. Suponiendo que el evento consiste en que un conductor vea uno cualquiera de los anuncios es independiente de si ha visto o no los dems; cul es la probabilidad de que: a) Los cuatro anuncios sean vistos por un conductor escogido aleatoriamente? b) El primero y el cuarto anuncios sean vistos, sin que el segundo y el tercero sean notados? c) Solamente uno de los anuncios sea visto? d) Ninguno de los anuncios sea visto? e) El tercero y cuarto anuncios no sean vistos? 1.5- La tienda de autoservicio Friendly ha sido vctima de muchos ladrones durante el mes pasado, pero debido al aumento de las condiciones de seguridad de la tienda, se ha podido aprender a 250 ladrones. Se registr el sexo de cada infractor y si ste era su primer robo o si ya haba sido sorprendido con anterioridad. Los datos

se resumen en la tabla siguiente: Suponiendo que un infractor aprehendido es escogido al azar, encuentre: a) La probabilidad de que ste sea hombre b) La probabilidad de que sea la primera aprehensin del infractor, dado que ste es hombre. c) La probabilidad de que el ladrn sea mujer, dado que ste es reincidente d) La probabilidad de que el ladrn sea mujer, dado que es su primera aprehensin e) La probabilidad de que el ladrn sea tanto hombre como reincidente 1.6- El gerente regional de la zona sureste de General Express, una compaa privada de paquetera, est preocupado por la posibilidad de que algunos de sus empleados vayan a huelga. Estima de que la probabilidad de que sus pilotos se vayan a huelga es de 0.75 y la probabilidad de que los choferes se vayan a huelga es de 0.65. Existe el 90% de probabilidades de que los pilotos realicen un paro solidario de actividades. O sea, la probabilidad de que los pilotos se vayan a huelga dado que los choferes se han ido a huelga es de 0.90. a) Cul es la probabilidad de que ambos grupos se vayan huelga? b) Si los pilotos hacen huelga, cul es la probabilidad de que los choferes lo hagan tambin como acto de solidaridad?

Gnero Hombre Mujer Total

Primera Aprehencin 60 44 104

Reincidente 70 76 146 Total 130 120 250

Nota: Las siguientes frmulas le pueden ayudar a comprender los trminos de Excluyente e Independencia. Mutuamente Excluyente: No Mutuamente Excluyente: Independencia Estadstica P(AB) = 0 P(AB) 0 P(A/B) = P(A) P(A^B) = P(A)*P(B) P(A/B) = P(A^B)/P(B) P(A^B) =P(A/B) * P(B) P(A/B) P(A) P(A)*P(B) P(A^B)
127

Dependencia Estadstica

Independencia Estadstica

menos de 2 2 o mas P(marginal) Probabilidades conjuntas bajo independencia estadstica (n/N) Casado(a) Soltero(a) P(marginal) Mora 0.1800 0.7200 0.9000 No Mora 0.0200 0.0800 0.1000 P(marginal) 0.2000 0.8000 1.0000

Al dia 80 150 230 P(marginal) 370 630 1000 Casado(a) Soltero(a) P(marginal) Mora 180 720 350 No Mora 20 80 650 P(marginal) 425 575 1000

En mora 290 480 770

Probabilidades conjuntas bajo independencia estadstica (n/N) P(marginal) 0.37 0.63 1

menos de 2 2 o mas P(marginal)

Al dia 0.08 0.15 0.23

En mora 0.29 0.48 0.77

Probabilidades conjuntas bajo independencia estadstica P(AC) = P(A)*P(C) Al dia En mora P(marginal) menos de 2 0.0851 0.2849 0.37 P(a/c) = P(a)= 2 o mas 0.1449 0.4851 0.63 P(marginal) 0.23 0.77 1 0.37

Probabilidades conjuntas bajo independencia estadstica P(AC) = P(A)*P(C) Mora No Mora P(marginal) Casado(a) 0.1800 0.0200 0.2000 Soltero(a) 0.7200 0.0800 0.8000 P(marginal) 0.9000 0.1000 1.0000

Dependencia Estadstica
P(marginal) 400 600 1000 Casado(a) Soltero(a) P(marginal) Mora 200 150 350 No Mora 225 425 650 P(marginal) 425 575 1000 Probabilidades conjuntas bajo dependencia estadstica Casado(a) Soltero(a) P(marginal) Mora 0.2000 0.1500 0.3500 No Mora 0.2250 0.4250 0.6500 P(marginal) 0.4250 0.5750 1.0000 Probabilidades conjuntas si fueran independientes P(AC) = P(A)*P(C) Casado(a) Soltero(a) P(marginal) Mora 0.1488 0.2013 0.3500 No Mora 0.2763 0.3738 0.6500 P(marginal) 0.4250 0.5750 1.0000

menos de 2 2 o mas P(marginal)

Al dia 150 80 230

En mora 250 520 770

Probabilidades conjuntas bajo dependencia estadstica P(marginal) 0.4 0.6 1.00

menos de 2 2 o mas P(marginal)

Al dia 0.15 0.08 0.23

En mora 0.25 0.52 0.77

Probabilidades conjuntas si fueran independientes P(AC) = P(A)*P(C) P(marginal) 0.4 0.6 1.00

menos de 2 2 o mas P(marginal)

Al dia 0.092 0.138 0.23

En mora 0.308 0.462 0.77

Teora de Probabilidad

128

Ejercicio 1.1. Inspectores de Restaurantes

Ejercicio 1.2. Compuertas de Represa

Informacin dada Probabilidad de falla de cada una de las compuerta = 0.04 Eventos bajo independencia estadstica

Informacin dada P(Inspector A apruebe un restaurante que no cumple) = 0.02 = 2% P(Inspector B apruebe un restaurante que no cumple) = 0.07 = 7% Eventos bajo independencia estadstica Inspector A

Resolucin

Resolucin

A. P(Inspector A / Inspector B) = P(Inspector A) = 0.02 B. P(Inspector B / Inspector A) = P(Inspector B) = 0.07 C. P(Inspector B) * P(Inspector A) = 0.02*0.07 = 0.0014

Inspector B

Ejercicio 1.3. Aprobacin de Proyectos

A. P(Compuerta 2 y Compuerta 3 fallen / Compuerta 1 ha fallado) = P(C2 y C3 fallen) = P(C2 falle) * P(C3 falle) = 0.04 * 0.04 = 0.0016 B. P(C1 y C2 y C3 y C4 fallen) = 0.04 * 0.04 * 0.04 * 0.04 = 0.00000256 = 1/400,000. Entonces no es cierto que la probabilidad de falla total sea 1 en 5,000,000

Informacin proporcionada: Existen un proyecto con tres fases Eventos bajo independencia estadstica

Ejercicio 1.4. Vallas Publicitarias

SI

A.
= 0.85*0.80*0.82 = 0.5576

SI SI

SI

0.85

0.80
SI SI NO NO

0.82

0.85

= 0.85*0.80*(1-0.82) = 0.1224

B.

Teora de Probabilidad

129

0.80

0.18

Ejercicio 1.4. Vallas Publicitarias

Ejercicio 1.4. Vallas Publicitarias

SI SI
NO SI NO

SI

SI

SI

A. Solucin: 0.75*0.82*0.87*0.9 = 0.481545

B. Solucin: 0.75*(1-0.82)*(1-0.87)*0.9 = 0.015795

Ejercicio 1.4. Vallas Publicitarias. Continuacin

SI NO NO NO SI

Ejercicio 1.4. Vallas Publicitarias. Continuacin

NO NO NO NO

NO

NO

NO

NO NO SI NO NO

NO

SI

NO

D. Solucin: (1-0.75)*(1-0.82)*(1-0.87)*(1-0.9) = 0.000585

NO NO

C. Solucin: 0.75*(1-0.82)*(1-0.87)*(1-0.9) + (1-0.75)*(1-0.82)*(0.87)*(1-0.9) + (1-0.75)*(0.82)*(1-0.87)*(1-0.9) + (1-0.75)*(1-0.82)*(1-0.87)*(0.9) = 0.013595

E. Solucin: (1-0.87)*(1-0.9) = 0.013

Teora de Probabilidad

130

Ejercicio 1.5. Robos en el autoservicio

Total 130 120 250
Total 0.52 0 0.48 0 1.00 0

Gnero 2 o mas Aprenciones 70 76

1 a. Aprencin

Ejercicio 1.6. Huelga en General Express

P(pilotos a huelga) = 0.75 P(choferes a huelga) = 0.65 P(pilotos a huelga/choferes a huelga) = 0.90

Hombre Mujer 14 6
2 o mas . Aprenciones 0.28 0 0.30 4 0.58 4

60 44

Total

10 4

Gnero

1a. Aprencin

a) P(pilotos a huelga y choferes a huelga) = P(pilotos a huelga/choferes a huelga) *P(choferes a huelga) = 0.90*0.65 = 0.585

Hombre

0.24 0

Mujer

0.17 6

Total

0.41 6

b)P(choferes a huelga/ pilotos a huelga) = P(choferes a huelga y pilotos a huelga) / P(pilotos a huelga) = 0.585/0.75 = 0.78

a. P(hombre) = 0.520

b. P(1a. aprencin/hombre) = (0.240/0.520)

c. P(mujer/reincidente) = (0.304/0.584)

d. P(mujer/1a. aprencin) =(0.176/0.416)

P(A) = 0.75 P(B) = 0.65 P(A/B) = 0.90 P(AB) = P(A/B) * P(B) = 0.90 * 0.65 = 0.585 P(B/A) = P(AB) / P(A) = 0.585 / 0.75 = 0.78

e. P(Reincidente y hombre) = 0.28

Teora de Probabilidad

131