Uso de Probabilidades para el

Análisis de la Gestión

Luis Zapatel Arriaga

Lic. Estadística /MDU / MBA
 Tema 6:
Probabilidad
Conceptos Básicos
 AGENDA
 Definiciones.
 Principios de Conteo.
 Enfoques
 Reglas de probabilidad.
 Diagrama del Árbol.
 Teorema de Bayes.
 Toma de decisiones
Diariamente nos enfrentamos a situaciones de toma de
decisiones, sin disponer de toda la información
necesaria……(incertidumbre).
La “Teoría de la Probabilidad”, ó “Ciencia de la
Incertidumbre” se ocupa del estudio de la mejor decisión
cuando contamos con información reducida.
La probabilidad es importante en la toma de decisiones, porque suministra un
mecanismo para medir, expresar y analizar la incertidumbre asociada con
eventos futuros; permitiendo a quien toma decisiones analizar con información
limitada los riesgos y minimizar el azar inherente.
Enfrentar, entender y comunicarse claramente acerca de la
incertidumbre es importante y requerido para:

 Análisis de riesgo, administración del riesgo y reducción del riesgo

 Evaluación de proyectos de inversión
 Control de calidad
 Análisis de Suelos
 Planificación Urbana
 Teoría de colas, de juegos
 Sistemas de seguros
 Planificación y control de ventas e inventarios.
 Contratación de capital humano.
 Otros
 Definiciones
Experimento
– Actividad que origina un evento.
– Proceso de hacer una observación y obtener un resultado.

Experimento Aleatorio
Cualquier proceso de observación que puede repetirse a voluntad en
condiciones similares, con la condición de que el resultado no puede ser
previsto antes de cada una de sus realizaciones.
Resultado Lo que obtenemos de un experimento.
Espacio Muestral Ω Colección de todos los posibles resultados de un experimento.

Evento Uno o más de los posibles resultados de un experimento.

 Experimento Espacio Muestral Ω
Lanzar una moneda Cara, Sello.
Lanzar dos monedas CC, CS, SC, SS
Sacar una carta (valor) 2, 2, ..., A (52)
Sacar una carta (color) Roja, Negra
Lanzar un dado. 1, 2, 3, 4, 5, 6
Jugar un partido Ganar, Empatar, Perder
Inspeccionar una parte Defectuoso, Bueno
 EXPERIMENTO ALEATORIO: Analizar los Perfiles de Proyectos a realizarse
en el departamento de Lambayeque, cumpliendo con la normativa, las
características necesarias y las condiciones correctas.

ESPACIO MUESTRAL: Proyecto de reconstrucción de la carretera…,

Iluminación del Parque, Descolmatación de la rivera del Río ….,
Construcción del Hospital ….

EVENTOS:
A: Provincia donde se B: Importe del Proyecto sea por
desarrolla el Proyecto: más de $300 000.
B: Proyecto de reconstrucción de
A: Chiclayo, Lambayeque, Ferreñafe
la carretera…, Construcción del
Hospital ….
 Experimento: Cobranza a dos clientes
A: 1er cliente cancela su deuda
B: 1er cliente no cancela su deuda
Espacio Resultados: C: 2do cliente cancela su deuda
Muestral: D: 2do cliente no cancela su deuda
Ω={AC, AD, BC, BD} Evento Resultados
H: Un cliente Canceló H={AD, BC}
I: El 1er visitado Canceló I={AC, AD}
J: Al menos Uno Canceló J={AC, AD, BC}
K: Los dos Cancelaron K={AC}
 Probabilidad es…
1 Cierto

• Es la medida numérica de
la certeza de que un
resultado pueda ocurrir. .5
• Su valor está entre 0 y 1

0 Imposible
 Experimentos y Eventos
1. ¿Cuál es la probabilidad de obtener 1 Cara si
arrojamos una moneda una vez?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

c  1  0.5
c, s 2
• ¿Cuál es la probabilidad de sacar un as al
sacar un naipe de una baraja?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

As de Corazones, As de Tréboles, As de Diamantes, As de Espadas 


4

1
 0.0769
52 Naipes 52 13
 • ¿Si lanzamos 2 dados, cuál es la
probabilidad de obtener un
puntaje de 7?

Número de Resultados Favorables

Prob 
Número de Resultados Posibles

(1,6), (2,5), (3,4), (4,3), (5,2), (6,1)  6

 0.1667
62 36
 Experimentos y Eventos
 ¿Cuál es la probabilidad de obtener 1 compra si se
analiza el comportamiento de compra de tres clientes?

Considere el experimento aleatorio en el que Sean:

C el resultado (Evento) de que un cliente decide comprar y
S el resultado (Evento) de que un cliente decide no comprar.
Es de nuestro interés contar el número de clientes que deciden comprar al analizar 3 clientes.

Experimento: Analizar la decisión de compra de grupos de 3 clientes.

Variable Aleatoria X: Número de clientes que compran de los 3 clientes.
Los posibles resultados combinados pueden ser mejor visualizados,
mediante la construcción del árbol de decisión de éste experimento :
 C3 CCC (3) 0.53=0.125

C2
S3 CCS (2) 0.53=0.125
C3 CSC (2) 0.53=0.125
C1 S2

CSS (1) 0.53=0.125

S3
Número de Compras C3 SCC (2) 0.53=0.125

S1 C2
S3 SCS (1) 0.53=0.125
C3 SSC (1) 0.53=0.125
S2

(0) 0.53=0.125
S3 SSS
• El espacio muestral para este experimento será:
• SSS, SSC, SCS, SCC, CSS, CSC, CCS, CCC.
Así, los posibles valores de: X (número de clientes que compran): x = 0,1,2,3.
 El resultado “cero compras” ocurrió una vez.
 El resultado “una compra” ocurrió tres veces.
 El resultado “dos compras” ocurrió tres veces.
 El resultado “tres compras” ocurrió una vez.
Número de Resultados Favorables
Prob 
Número de Resultados Posibles
(css), (scs), (ssc ) 3
  0.375
(ccc), (ccs), (csc), (css), (scc), (scs), (ssc ), (sss ) 8
 Experimento: Analizar la decisión de compra de grupos de 3 clientes.

Variable Aleatoria X: Número de clientes que compran de los 3 clientes.

N° Compras fi Probabilidad
Dis tribución de Probabilidades
0 1 0.125
1 3 0.375 1
2 3 0.375 0 .9

Probabilidad
0 .8
3 1 0.125 0 .7
0 .6
8 1.00 0 .5
0 .4
0 .3
0 .2
0 .1
0
0 1 2 3

Número de Compras
Principios de Conteo
Fórmula de la multiplicación

Permutación

Variación

Combinación
 ENFOQUES DE LA PROBABILIDAD

PROBABILIDAD PROBABILIDAD
OBJETIVA SUBJETIVA ( )

PROBABILIDAD
PROBABILIDAD
FRECUENCIA RELATIVA
CLASICA (1/n)
(fi/n)
 Enfoques de la Probabilidad
I. PROBABILIDAD OBJETIVA

a) Probabilidad Clásica (Situación decisional nueva)

Se basa en la consideración de que los resultados de
un experimento son igualmente posibles.

número de resultados favorables

Probabilid ad de un evento =
número total de resultados posibles
 EJEMPLO 1
Alexis invierte por primera vez sus utilidades
(Gane/Pierda)¿Cuál es la probabilidad de que Gane?
Aplicando la probabilidad clásica: P(A) = ½ = 0.5

La Constructora G$V desea adquirir su primera mezcladora de

concreto de entre 4 marcas (Dynamic, Siveti, Menegotti y
Imetsade). Si desea elegir el mejor ¿Cuál es la probabilidad de
Dynamic sea la marca elegida? Aplicando la probabilidad
clásica: P(D)= ¼ = 0.25
Al presentar 3 portafolios que cumplan con los puntos requeridos a un cliente
hay un 33.3% que una propuesta sea la elegida P(K) = (1/3)
b) Probabilidad Empírica o de frecuencias relativas
(Situación decisional reiterada)
Es la probabilidad de que un evento ocurra a largo plazo.
Se determina observando en cuantas veces se repite un
evento semejante en el pasado:
número de veces que ocurrió el evento
Probabilidad del evento =
número total de observaciones

La probabilidad que suba el dólar.

La probabilidad que un cliente me compre.
 EJEMPLO 2
La empresa Caterpillar ha ganado 186 licitaciones de las 1200 a las
que se presentó este año. ¿Cuál es la probabilidad de que gane la
siguiente licitación?
Aplicando el concepto de frecuencias relativas, la probabilidad de
que gane sería: P(G) = 186 /1200 = 0.155

Asumiendo que durante el año anterior en 16 de las 52 semanas el

precio del dollar subió. El modelo de frecuencia relativa revela de
que la probabilidad de que la siguiente semana el precio del dollar
suba es:….
Un importador de vidrios recibe envíos de paquetes de tres modelos diferentes. Los datos para los
últimos 100 paquetes indicaron el número de modelos dañados que había en cada paquete. Así
mostraba que en 40 de los paquetes ningún modelo se había dañado mientras que en 12 de los
paquetes todos los tres modelos se habían rajado.
Resultado (EI) Número de cajas hi=pi =P (Ei )
(número de defectos) fi
0 40 40/100=0.40
1 27 27/100=0.27
2 21 21/100=0.21
3 12 12/100=0.12
100 1.00
En el pasado, 21 de los 100 paquetes totales contenían exactamente 2 vidrios
rajados. Entonces el modelo de frecuencia relativa asignaría una probabilidad
de que dos modelos en cualquier paquete dado estuvieran rajados de:
P(2)=21/100=0.21.
 II. PROBABILIDAD SUBJETIVA
Es la probabilidad otorgada por un individuo a la ocurrencia de un
evento específico basada en cualquier información disponible: su
experiencia, opinión personal ó análisis propio de la situación
particular que se evalúa (estado de información de una persona).
Ejemplos:

 Dar en base a la experiencia personal un pronóstico sobre las ventas

de un celular S8
 Basado en su experiencia, un arquitecto ambiental puede afirmar
que la pendiente protegerá a la casa de los rayos directos del son,
con una probabilidad de 0.05%.
 Estimar la probabilidad de que el Alemania gane el mundial de
fútbol.
 ENFOQUES DE LA PROBABILIDAD

PROBABILIDAD PROBABILIDAD
OBJETIVA SUBJETIVA ( )

PROBABILIDAD
PROBABILIDAD
FRECUENCIA RELATIVA
CLASICA (1/n)
(fi/n)

Consideraciones:
Sea cualquier caso, …los eventos deben ser….
 Eventos Mutuamente Excluyentes.
Eventos Colectivamente Exhaustivos.
• Eventos mutuamente excluyentes: La ocurrencia de cualquier
evento implica que ningún otro puede ocurrir al mismo tiempo.
• Eventos Colectivamente exhaustivos: Lista de eventos que
registra todos los resultados posibles cuando se realiza un
experimento, de modo tal que su unión debe ser igual al espacio
muestral Ω.

Evento A Evento B Evento A Evento B

 Analizando el caso de:
Experimento: Cobranza a dos clientes
Espacio Muestral: Ω={AC, AD, BC, BD}
Considere el evento de que un cliente canceló H={AD, BC}
Probabilidad de que un cliente canceló P(H) = 2/4 = 1/2.
• Los cuatro resultados posibles son mutuamente excluyentes.
AC, AD, BC, BD
• Los cuatro resultados posibles son colectivamente
exhaustivos. En otras palabras, la suma de las Prob. es:
(0.25 + 0.25 + 0.25 + 0.25) = 1
 Tema 6:
Probabilidad
Reglas, Diagrama del Árbol,
Teorema de Bayes
 Reglas / Propiedades de la Probabilidad
1.- COMPLEMENTO
2.-ADICION:
Evento Mutuamente Excluyente
Evento Colectivamente Exhaustivos
2.- MULTIPLICACION
Eventos Independientes
Eventos Dependientes
 Regla del complemento
• Se utiliza para determinar la probabilidad un evento,
conociendo su probabilidad de No Ocurrencia.
• Se obtiene restando del número 1 la probabilidad de que
No ocurra un evento.
• Si P(A) es la probabilidad
del evento A y P(Ac) es el Complemento de A

complemento de A, Evento A

– P(A) + P(Ac) = 1
Ac
– P(A) = 1 – P(Ac).
 EJEMPLO 3
Tans reportó la siguiente información de sus LLEGADA N° vuelos
vuelos de Lima a Nueva York:
Sea el evento que un vuelo: Antes de Tiempo 100
A :llegue antes de tiempo. Demorado 75
D: llegue demorado.
T: llegue a tiempo A tiempo 800
C: sea cancelado Cancelado 25
P(A) = 100 /1000 = 0.1.
Total 1000
P(D) = 75 /1000 = 0.075.
P(T) = 800 /1000 = 0.8. ¿Cuál es la probabilidad de que el vuelo llegue A tiempo?
P(C) = 25 /1000 = 0.025. ¿Cuál es la probabilidad de que NO?

T = 0.8 P(T)= 800/1000= 0.8

P(T)C = 1- P(T) = 1- 0.8 = 0.2

D = 0.075 C = 0.025 A = 0.1
 Regla de la Adición…
• Si dos eventos A y B son mutuamente excluyentes, la
probabilidad de que ocurra A o B es igual a la suma de
sus probabilidades respectivas:
• P(A o B) = P(A U B) = P(A) + P(B)
EJEMPLOS:
Probabilidad que al taladrar un pozo se halle o no petróleo.
P(A o N) = P(A U N) = P(A) + P(N) = 0.2 + 0.8 = 1
La Prob. que un profesional no acabe la U y esté colegiado
P(N o F) = P(N U F) = P(N) + P(F) = 0.1 + 0.075 = 0.175
 …Regla de la Adición…
• Si A y B son dos eventos no mutuamente
excluyentes, entonces
• P(A o B) = P(A U B) = P(A)+P(B)-P(A y B)
• Probabilidad conjunta es la probabilidad que
mide la posibilidad de que dos o más eventos
ocurran juntos.
 Regla Especial de la Adición…
Espacio Muestral

Evento A Evento B

Probabilidad
Conjunta
P(A o B) = P(A) + P(B) - P(A y B)
De 500 millones de inversión, 250 ¿Cuál es la probabilidad
fueron colocados en instrumentos de de que la inversión sea
inversión, 125 se colocaron en empresas de instrumentos de
peruanas, y 100 de los 500 millones sólo inversión o se colocaron
se invirtieron en empresas peruanas. en empresas peruanas?
Empresas Peruanas 125/500 EJEMPLO 4
Instrumento de Empresas Peruanas P(I) = 250 /500 = 0.5
Inversión y y No Instrumento de P(E) = 125 /500 = 0.25
Empresa Peruana Inversión 100/500 P(IC y E) = 100 /500 = 0.2
P(I y E) = 0.25 - 0.2 = 0.05
P(I o E) = P(I) + P(E) - P(I y E)
Instrumento de Inversión 250/500
= 0.5 + 0.25 - 0.05 = 0.7
 Regla de la Multiplicación…
• Si dos eventos A y B son independientes (la ocurrencia de
B no afecta la probabilidad de ocurrencia de A).
• Es decir: P(A|B) = P(A)
Su probabilidad conjunta es:
P(A y B) = P(A ∩ B) = P(A) * P(B).

• Si dos eventos A y B no son independientes (la ocurrencia

de B afecta la probabilidad de ocurrencia de A).

• Surge el concepto de Probabilidad Condicional…

 EVENTO DEPENDIENTE:
EVENTO INDEPENDIENTE:
ECONOMÍA – PODER ADQUISITIVO –
DEMANDA – PRECIO DE
Se tienen acciones de 2 compañías de EDIFICACIONES
diferentes rubros como Minera Yanacocha y
SAGA. Si la cotización de una baja, no afectará Si la economía aumenta. El
la cotización de la otra. poder adquisitivo de las
personas aumenta , por lo
tanto habrá mas demanda en
El desempeño de un trabajador es el sector inmobiliario. Al ocurrir
independiente de otro esto, los agentes inmobiliarios
aumentaran el precio de sus
edificaciones ya que ellos
dependen de la venta de
estas edificaciones.

REF. BIBL.: Estadística para Administración, 4ta ed. Berenson, Levine y Krehbiel.
 Probabilidad condicional
• Probabilidad condicional es la probabilidad de que ocurra
un evento en particular, dado que ocurrió otro evento.
P( A  B)
P(B|A). P( B | A) 
P( A)
• Se lee: La probabilidad de que ocurra el evento B dado
que ya ocurrió A.

P(A|B).
• Se lee: La probabilidad de que ocurra el evento A dado
que ya ocurrió B.
 Regla general de multiplicación

La probabilidad conjunta que ambos ocurran se

encuentra multiplicando la probabilidad de A por la
probabilidad condicional de B dado que A ya ocurrió.
• P(A y B) = P(A ∩ B) = P(A) * P(B|A)
 Ripley almacena en Lima y Piura. La probabilidad de que el inventario
EJEMPLO 5 Lima aumente su valor el próximo año es 0.5, mientras que el de
Piura aumente el suyo es 0.07. ¿Cuál es la probabilidad de que……?
Ω
P P(LP)=P(LyP) = P(L∩P)= P(L)*P(P/L)
=(0.5)(0.07)=0.035
L
Q P(LQ)= P(LyQ) = P(L∩Q)= P(L)*P(Q/L)
=(0.5)(0.93)=0.465
P P(MP)= P(MyP) =VP(M∩P)= P(M)*P(P/M)
=(0.5)(0.07)=0.035
M
Q P(MQ)= P(MyQ) = P(M∩Q)= P(M)*P(Q/M)
=(0.5)(0.93)=0.465
EVENTOS
INDEPENDIENTES!!!
a) …. ambos aumenten su valor el próximo año? Definiendo Eventos
L = Lima aumenta valor
b) …. al menos uno aumente su valor el próximo año? M = Lima No aumenta valor
a) P(L y P) = (0.5)(0.07) = 0.035. P = Piura aumenta valor
b) P(al menos uno aumente su valor) = P(L y P) +P(L y Q)+ P(M y P) Q = Piura No aumenta valor
= (0.5)(0.07)+(0.5)(0.7)+(0.7)(0.5)
= 0.035 +0.465+0.035
=
 Tabla de Contingencia
Evento
Evento B1 B2 Total
A1 P(A1 y B1) P(A1 y B2) P(A1)
A2 P(A2 y B1) P(A2 y B2) P(A2)

Total P(B1) P(B2) 1

Probabilidad Probabilidad Marginal (Simple)

Conjunta
 Color
Tipo Rojo Negro Total
Caso de la As 2 2 4
Baraja de No As 24 24 48
Naipes… Total 26 26 52
Color
Tipo Rojo Total
Negro
As 1/26 1/26 2/26
No As 6/13 6/13 12/13
Total 13/26 13/26 26/26
 Caso de producción Evento
Evento C D Total
A: Artículos en idioma español
B: Artículos en idioma inglés.
A 4 2 6
C: Artículos sobre estrategia.
D: Artículos sobre gestión.
B 1 3 4
Total 5 5 10
¿Cuál es la Probabilidad
de escoger un artículo? Las probabilidades son:
•P (A) = P (A) = 6/10
•P (D) = P (D) = 5/10
•P (C y B) = P (C y B) = 1/10
•P (A o D) = P (A o D) = 9/10
•P (B y D) = P (B y D) = 3/10
 Evento 2
Evento C D Total
P(A y D) 10 2
A 4 2 6 P(A | D)   
B 1 3 4 P(D) 5 5
Total 5 5 10
10
1
¿Cuál es la probabilidad? P(C y B) 10 1
P(C | B)   
P (A|D) = P(B) 4 4
P (C|B) = 10
Son C y B independientes? 5 1 6 2
P(C)   P(A)  
10 4 10 5
 Tipos de Probabilidades

Tipos de Condiciones de Condiciones de

Probabilidad Símbolo Independencia Estadística Dependencia Estadística

Marginal P(A) P(A)  P (ABi)

Conjunta P ( A,B ) P(A) x P (B) P (A | B) x P (B )
Condicional P ( A|B ) P(A) P (A,B) / P ( B )
 El Superintendente de la SBS analizaba la siguiente
EJEMPLO 6 información sobre una muestra de ahorristas:
¿ Si se elige un ahorrista al azar, cuál es la GENERO
probabilidad de que sea mujer y ahorre en Banco Hombre Mujer Total
el BCP? BCP 170 110 280
Interbank 120 100 220
P(M y B) = 110 / 900 = 0.122
Scotiabank 60 70 130
¿Sí se sabe que el ahorrista es mujer, cuál Financiero 150 120 270
es la probabilidad que ahorre BCP? Total 500 400 900

P(B/M) = 110 / 400 = 0.275 •P(HyF)=

•P(H/F)=
¿Sí se sabe que el ahorrista pertenece al
•P(F/H)=
BCP, que tan probable es que sea mujer?
•P(HoF)=
 Diagrama de árbol
Un diagrama de árbol (o arborigrama) es una representación gráfica
muy útil para visualizar las probabilidades condicional y conjunta y
en particular para el análisis de decisiones administrativas que
involucran varias etapas.
Donde cada segmento en el árbol es una etapa del problema.
Nodo inicial. Puede o no representar un evento.
Nodos finales o terminales. Son el número de alternativas.
Ramas. Une a dos nodos
PROBABILIDAD A PRIORI
Es la probabilidad inicial con base en el nivel actual de información.
PROBABILIDAD A POSTERIORI
Es una probabilidad revisada con base en información adicional
EJEMPLO:
El parte meteorológico ha anunciado tres posibilidades
para el fin de semana:
a.Que llueva: probabilidad del 50%.
b.Que nieve: probabilidad del 30%
c.Que haya niebla: probabilidad del 20%.
Según estos posibles estados meteorológicos, la posibilidad de
que ocurra un accidente es la siguiente:
a.Si llueve: probabilidad de accidente del 20%
b.Si nieva: probabilidad de accidente del 10%
c.Si hay niebla: probabilidad de accidente del 5%.
Resulta que efectivamente ocurre un accidente y como no
estábamos en la ciudad no sabemos que tiempo hizo (llovió,
nevó o hubo niebla).
Las probabilidades que manejamos antes de conocer que
ha ocurrido un accidente se denominan "probabilidades a
priori" (lluvia con el 50%, nieve con el 30% y niebla con el
20%).

Una vez que incorporamos la información de que ha

ocurrido un accidente, las probabilidades del suceso A
cambian: son probabilidades condicionadas P (A/B), que
se denominan "probabilidades a posteriori”
 Teorema de Bayes

El teorema de Bayes se representa con la fórmula:

P( A1) * P( B | A1)
P( A1 | B) 
P( A1) * P( B | A1)  P( A2) * P( B | A2)
La compañía Backus ha recibido varias quejas
debido al bajo contenido de sus botellas.
Una queja fue recibida hoy, el gerente de
Producción no puede identificar la fuente
(Motupe, Pucallpa o Lima) de la botella.
Sí sabemos que:
EJEMPLO 7
% de producción total % botellas falladas (contenido inadecuado)

Motupe 55 3
Pucallpa 25 5
Lima 20 4
¿Cuál es la probabilidad de que:
a) La botella fallada haya salido de la planta de Motupe. (La botella sea de
Motupe si sé que estaba fallada: P(M/F).)
b) Una botella sea de Motupe y esté en buen estado: P(MyB).
c) Una botella esté en buen estado si sé que era de Motupe: P(B/M).
d) Una botella esté fallada: P(F).
e) Una botella sea de Lima si sé que estaba buen estado: P(L/B).
 Diagrama de árbol

• Defina eventos.
• Elabore un Diagrama del árbol.
a) La botella fallada haya salido de la planta de Motupe. (La botella sea de Motupe si sé que estaba fallada: P(M/F).
b)Una botella sea de Motupe y esté en buen estado: P(MyB).
c) Una botella esté en buen estado si sé que era de Motupe: P(B/M).
d)Una botella esté fallada: P(F).
e)Una botella sea de Lima si sé que estaba buen estado: P(L/B).
Definiendo Eventos P(MF)= P(MyF) = P(M∩F)= P(M)*P(F/M)
F
M = Motupe = (0.55)(0.03)=0.0165
P = Pucallpa
L= Lima M
B = Buen estado
F = Fallada B P(MB)= P(MyB) = P(M∩B)= P(M)*P(B/M)
= (0.55)(0.97)=0.5335

F P(PF)= P(PyF) = P(P∩F)= P(P)*P(F/P)

= (0.25)(0.05)=0.0125
P(P) = 0.25
P
P(PB)= P(PyB) = P(P∩B)= P(P)*P(B/P)
B
= (0.25)(0.95)=0.2375

F P(LF)= P(LyF) = P(L∩F)= P(L)*P(F/L)

= (0.2)(0.04)=0.008
L
P(LB)= P(LyB) = P(L∩B)= P(L)*P(B/L)
B = (0.2)(0.96)=0.192
 Teorema de Bayes
Revisión de Probabilidades

Posibilidades Información Teorema Posibilidades

a priori Nueva de Bayes posteriores

P( B  A)
P( B | A) 
P( A)
 Ejemplo 08
• En un pueblo alejado, 5% de la población padece una enfermedad
originaria de dicho lugar. A priori podemos afirmar que la
probabilidad de que una persona seleccionada al azar padezca la
enfermedad es 5%, y de que no la padezca es 95%.
• Existe una prueba de diagnóstico para detectar la enfermedad.
– Si una persona tiene la enfermedad, la prueba sale positiva en 90% de los
casos.
– La estadística muestra además que en 15% de los casos, a pesar de que la
persona no padecía la enfermedad, la prueba salió positiva.
• Si escogemos a una persona, y al hacerle la prueba de diagnóstico,
ésta sale positiva, ¿Cuál es la probabilidad de que la persona tenga
realmente la enfermedad?
 P(P|E) P(E,P)=0.05x0.90=0.0450

P(E)
0.0450 +
P(E,N)=0.05x0.10=0.0050 0.1425
P(N|E)
0.1875

P(P|noE)
P(noE,P)=0.95x0.15=0.1425

P( E , P) 0.0450
P( E | P)    0.24
P(no E)

P( P) 0.1875

P(N|noE) P(noE,N)=0.95x0.85=0.8075
 Ejemplo 09

Una manufacturera recibe embarques de piezas de dos

proveedores. El 65% de las piezas adquiridas provienen del
proveedor 1 y el 35% restante del proveedor 2. Según la estadística
existente, de las 100 últimas piezas recibidas del proveedor 1, 98
estuvieron buenas y 2 estuvieron malas. En el caso del proveedor
2, 95 piezas de 100 estuvieron buenas y 5 fueron malas. Suponga
que una de las piezas recibidas de los dos proveedores está mala,
¿cuál es la probabilidad que provenga del proveedor 1? ¿Cuál es la
probabilidad que provenga del proveedor 2?
 P(B|1) P(1,B)=0.65x0.98=0.6370

P(1, M ) 0.0130
P(1 | M )    0.4262
P( M ) 0.0305
P(1)

P(1,M)=0.65x0.02=0.0130
P(M|1)

P(B|2) 0.0130 +
P(2,B)=0.35x0.95=0.3325 0.0175

0.0305
P(2) P(2, M ) 0.0175
P(2 | M )    0.5738
P( M ) 0.0305

P(M|2) P(2,M)=0.35x0.05=0.0175
 Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Conjunta
Evento P(Evento) P(Mala|Evento) P(Evento,Mala)
Proveedor 1 0.65 0.02 0.0130 P(1,Mala)
Proveedor 2 0.35 0.05 0.0175 P(2,Mala)
0.0305 P(Mala)

P(1|M) 0.4262

P(2|M) 0.5738

P(1, M ) P(2, M )
P(1 | M )  P(2 | M ) 
P( M ) P( M )
 Ejemplo 10

• En una fábrica existe una máquina que produce automáticamente

engranajes. Si la máquina está correctamente calibrada producirá
90% de piezas buenas. Si está mal calibrada producirá sólo 40% de
piezas buenas. La experiencia pasada indica que el 70% de los
trabajos de calibración dan buenos resultados. Luego de un
trabajo de mantenimiento, la máquina produce 3 engranajes
buenos, como las primeras tres piezas.
• Se desea conocer la probabilidad revisada que la calibración halla
sido buena?
 P(BBB|C)
P(C,BBB)=0.70x(0.90)3=0.5103
P(BB|C)

P(B|C)
0.5103 +
P(C) 0.0192
0.5295

P(NC,BBB)=0.30x(0.40)3=0.0192

P(NC)
P(C , BBB ) 0.5103
P(C | BBB )    0.9637
P( BBB ) 0.5295
 Tabla de Excel
Pr. Marginal Pr. Condicional Pr. Condicional Pr. Conjunta
Evento P(Evento) P(B|Evento) P(BBB|Evento) P(Evento,BBB)
Calibrada 0.70 0.90 0.7290 0.5103 P(Calibrada, BBB)
No Calibrada 0.30 0.40 0.0640 0.0192 P(No Calibrada, BBB)
0.5295 P(BBB)

P(Calibrada|BBB) 0.9637

P(No Calibrada|BBB) 0.0363

P(Calibrada , BBB )
P(Calibrada | BBB ) 
P( BBB )

P( No Calibrada , BBB )
P( No Calibrada | BBB ) 
P( BBB )