PROBABILIDAD CONDICIONAL

Supongamos que estamos interesados en dos sucesos A y B, y se nos da informacin

adicional de que B ha ocurrido. Una pregunta de inters es, entonces Cul es la
probabilidad de que A ocurra dado que B ha ocurrido? Este tipo de problema puede ser
resuelto a travs de la nocin de probabilidad condicional. La idea principal es que la
posibilidad de que cualquier suceso ocurra es probable de que dependa de la
ocurrencia o no ocurrencia de otros sucesos. Por ejemplo, un fabricante que planea
introducir una nueva marca en el mercado puede poner a prueba el producto a travs
de su venta en una serie reducida de almacenes particularmente escogidos. Es
probable que el fabricante confe mucho ms en el xito de la nueva marca en el
mercado si el producto resulta bien acogido en el test inicial que en caso contrario. El
anlisis de la empresa correspondiente a la probabilidad de un elevado nmero de
ventas estar, por tanto, condicionado por el resultado del test de mercado.
5


Ejemplo: En el ejemplo anterior, el distribuidor puede estar interesado en calcular la
probabilidad de que una compra sea grande dado que se realiza por telfono.

Solucin: P (G / T) = P (G T) / P(T) = (86/ 4000)/ (1826 / 4000) = 0,047

Una consecuencia inmediata de la probabilidad condicional es la regla del producto de
probabilidades, la cual expresa la probabilidad de la interseccin en trminos de
probabilidades condicionales y de probabilidades de sucesos individuales.
6


REGLA DEL PRODUCTO






Ejemplo: Una empresa tiene en el departamento de ventas 16 personas, 10
hombres y 6 mujeres. Se va a seleccionar un equipo de supervisores de 2

5
PAUL NEWBOLD. Estadstica para los Negocios y la economa. Espaa, Prentice Hall 1997, p81.

6
PAUL NEWBOLD. Estadstica para los Negocios y la economa. Espaa, Prentice Hall 1997, p82.

PROBABI LI DAD CONDI CI ONAL: Sean A y B dos sucesos, la probabilidad
condicional del suceso A, dado el suceso B, denotado P(A/B) y ledo probabilidad
de A dado B, se define como: , con P(B) > 0 .
De igual modo la probabilidad condicional de B dado A se define como:
con P(A) > 0 .
Sean A y B dos sucesos, la probabilidad de la interseccin es
P(AB) = P(A/B)P(B)
P(AB) = P(B/A)P(A)

108
personas. Si cada grupo de 2 personas tiene la misma probabilidad de ser
seleccionada. Encuentre la probabilidad de que el equipo est integrado por 2
mujeres.

Solucin: Sea el A el evento la primera persona seleccionada es una mujer y B el
evento la segunda persona seleccionada es una mujer

Lo que queremos calcular es P(AB), por la ley del producto se tiene
P(AB) = P(A)P(B/A)
P(AB) = (6/16)(5/15) = 0,125

Si P(B/A)= P(B) se dice que los eventos son estadsticamente independientes.


Ejemplo: Una fbrica de juguetes elabora carros a control remoto en tres
ciudades de la costa, Riohacha, Barranquilla y Sincelejo. La empresa estableci
crculos de calidad para inspeccionar los carros y determinar si tienen algn
defecto. El crculo de calidad inspeccionaba cada carro y especificaba el
resultado de la inspeccin como defectuoso o no defectuoso, suponga que el
resultado de la inspeccin de los ltimos 100 carros fueron los siguientes:
TABLA 4.2 Inspeccin de calidad

Ciudad de fabrica Carros inspeccionados Resultado de la inspeccin
Sincelejo 50 8 Defectuosos
Barranquilla 20 5 Defectuosos
Riohacha 30 3 Defectuosos

Si se elige al azar un carro, calcule la probabilidad de que:
a. Proceda de Sincelejo y sea defectuoso.
b. Proceda de Riohacha y sea no defectuoso.
c. Sea defectuoso y fabricado en Barranquilla.

Solucin: La probabilidad de que un carro sea defectuoso depende de la ciudad donde
fue fabricado, puesto que si se especifica Sincelejo, la probabilidad de que sea
defectuoso es de 8/50 = 16%; si procede de Barranquilla 5/20 = 25% y si viene de
Riohacha la probabilidad de que sea defectuoso es 3/30 = 10%; es decir, el que un
carro de una ciudad dada sea defectuosa depende de la ciudad en cuestin. Ciudad y
resultados de una inspeccin son sucesos dependientes.

Para responder las preguntas utilizamos la frmula P(AB) = P(A). P(B/A)
a. P(Sincelejo y defectuoso)= P(Sincelejo)x P(defectuosa/Sincelejo)
P(SD) = (50/100) x( 8/50) = 2/25 = 8%
si A y B son eventos independientes, P(AB) = P(A)P(B)
109
b. P(Riohacha y no defectuoso) = P(R D) = P(R) x P(D/R)
= (30/100) x (27/30) = 27%

c. P(Defectuoso y Barranquilla)= P(DB) = P(D) x P(B/D)

Pero como no es posible obtener directamente P(B/D) de los datos registrados en la
tabla conviene calcular en su lugar P(BD) = P(DB)

P(Barranquilla y Defectuoso) = P(B) x P(D/B)
= (20/100) x (5/20) = 5/100 = 5%

Ejemplo: Suponga que en el centro de clculo de una universidad, 192 de 960
trabajos son de alta prioridad; de stos,128 son propuestos por estudiantes y 64 por el
cuerpo docente. Del total, 640trabajs son de los estudiantes y 320 de docentes. Si se
selecciona un trabajo al azar, son los eventos trabajos de alta prioridad y trabajos de
estudiante, independientes?

Solucin: sea A el evento el trabajo es propuesto por un estudiante y B el evento el
trabajo es de alta prioridad. Para que los eventos A y B sean independientes debemos
demostrar que P(A/B) = P(A) o P(B/A) = P(B).

En este caso podemos calcular P(B/A) utilizando la definicin de probabilidad
condicionada:
20 , 0
640
128
960 / 640
960 / 128
) (
) (
) / ( = = =

=
A P
B A P
A B P As mismo, P(B) = 192/960 = 0,20, de modo
que los eventos A y B son independientes
7


COMBINACION DE LA REGLA DE LA SUMA Y EL PRODUCTO

La dificultad de algunos problemas de probabilidad estriban en que para solucionarlos
se deben utilizar las reglas de multiplicacin y de la suma simultneamente. Para salir
de esta dificultad es preciso recordar que se debe sumar si es o y multiplicar si es y.
Adems las dos preguntas siguientes son de gran utilidad en estos casos:
1. De cuntas maneras puede ocurrir el suceso?
2. Qu contiene el conjunto del que se realiza la extraccin?

Ejemplo: Supongamos que la fbrica de juguetes tiene 20 carros, cuatro de los cuales
son defectuosos, y que el circulo de calidad selecciona tres cul es la probabilidad de
que dos de ellos sean defectuosos?

Para responder la pregunta de cuntas maneras puede ocurrir el suceso, primero
revisemos Cmo puede ocurrir el suceso?


7
HILDEBRAND Y OTT. Estadstica aplicada a la administracin y a la Economa. U.S.A, Addison
Wesley Iberoamericana 1997, p97.
110
Dos de los tres carros son defectuosos si:
1. Los dos primeros son defectuosos y el tercero no D
1
y D
2
y D
3

o
2. El primero y el tercero son defectuosos y el segundo no D
1
y D
2
y D
3

o
3. El segundo y el tercero son defectuosos y el primero no D
1
y D
2
y D
3

Si ocurre cualquiera de estos eventos el (primero o el segundo o el tercero) ha ocurrido
el suceso dos de los tres carros son defectuosos.

Por otra parte al calcular la probabilidad de extraer algn elemento, hay que preguntar
qu contiene el conjunto del que se extrae.

En relacin con el primer evento, antes de elegir el primer carro hay 10 carros cuatro de
los cuales son defectuosos as pues P(D
1
) = 4/10, despus de seleccionar uno
defectuoso, quedan 9 carros tres de los cuales son defectuosos por consiguiente
P(D
2
/D
1
)= 3/9, antes de extraer el tercer carro quedan 8 carros dos de ellos
defectuosos, entonces P(D
3
/D
2
y D
1
) = 6/8
As pues:
P(D
1
y D
2
y D
3
)= (4/10) (3/9) (6/8) = 72/720 = 1/10

Para el segundo caso se tiene:
P(D
1
) = 4/10 P(D
2
/D
1
) = 6/9 P(D
3
/D
2
y D
1
) = 3/8

Entonces, P(D
1
y D
2
y D
3
)= (4/10) (6/9) (3/8) = 72/720 = 1/10

O bien el suceso puede ocurrir de la tercera forma:
P(D
1
) = 6/10 P(D
2
/D
1
) = 4/9 P(D
3
/D
2
y D
1
) = 3/8

Entonces, P(D1 y D2 y D3)= (6/9) (4/9) (3/8) = 72/720 = 1/10

Como el suceso dos de los tres carros son defectuosos puede ocurrir de la primera
forma o de la segunda o de la tercera, se deben sumar las probabilidades:

P(2 defectuosos de 3) = 1/10 + 1/10 + 1/10 = 3/10
Es decir, hay una probabilidad del 30 % de que si se toman tres carros al azar de los
10, dos de los tres sean defectuosos.

TEOREMA DE BAYES

El teorema de Bayes, cuyo nombre se debe al clrigo ingls, reverendo Toms Bayes
(1702 1791), presenta un mecanismo para la modificacin de las valoraciones de
probabilidad cuando se dispone de informacin adicional. Por ejemplo, supongamos
que un inversionista est interesado en un ttulo especfico y tienen unas determinadas
creencias sobre la posible rentabilidad que puede llevar consigo la inversin. Si dicho
inversionista se entera luego de que el ttulo est siendo recomendado por un analista
experto, esto podra modificar sus creencias iniciales, dependiendo de su confianza en
los juicios del experto.
111

Sean A y B dos sucesos con probabilidades P(A) y P(B) respectivamente. La regla del
producto de probabilidades dice que:
P(AB) = P(A)P(B/A)
P(AB) = P(B)P(A/B)
Dado que el lado izquierdo de ambas expresiones es el mismo entonces
P(A)P(B/A) = P(B)P(A/B)

Despejando y suponiendo que P(A) = 0, se tiene:


Una frmula alternativa para expresar el teorema de Bayes es:

Ejemplo: Al examinar los registros anteriores de los balances de una compaa, un
auditor descubre que el 15% contienen errores y el 20% son inusuales. Adems, el
60% de los balances incorrectos fueron considerados valores inusuales. Basndose en
los datos anteriores, si los datos de un determinado balance parecen ser inusuales
Cul es la probabilidad de que sea incorrecto?

Solucin: Sea E el suceso El balance contiene error y
A el suceso el valor es inusual.
P(E) = 0,15 P(A) = 0,20 P(A/E) = 0,60

Por teorema de Bayes 45 , 0
20 . 0
) 60 , 0 )( 15 , 0 (
) (
) / ( ) (
) / ( = = =
A P
E A P E P
A E P
De este modo, dada la informacin de que el balance se considera inusual la
probabilidad de que sea un incorrecto se ve modificada, pasando del 15% al 45%.

Ejemplo: Una Factora produce bateras para carros en dos turnos, uno en el da
y otro en la noche. El departamento de control de calidad realiza inspecciones
peridicas de las bateras, despus de haberlas tenido inactivas durante 6
meses, para determinar si mantienen la carga. El turno del da produce el 65%
de todas las bateras y el turno de la noche el 35% restante. Estudios previos del
Teorema de Bayes:

Sean E
1
, E
2
, . . ., E
k
, k sucesos mutuamente excluyentes y
colectivamente exhaustivos y sea A otro suceso cualquiera . La
probabilidad condicional de Ei dado A puede ser expresada como:


112
departamento de control de calidad han revelado que el 5 % de las bateras
producidas en el turno del da son defectuosas, mientras que de las producidas
en la noche salan defectuosas el 8%. Durante una inspeccin el director de la
empresa eligi una batera al azar y result defectuosa Cul es la probabilidad de que
fuera producida por el turno de la noche, por el turno del da?
Datos Conocidos:
Probabilidad de ser producida en el turno del da P(M) = 0,65
Probabilidad de ser producida en el turno de la noche P(N) = 0,35
Probabilidad de defectuosa dado que se produjo en el da P(D/M) = 0,05
Probabilidad de defectuosa dado que se produjo en la noche P(D/N) 0,08

Debemos calcular la probabilidad que sea producida en el da dado que es defectuosa y
de que sea producida en la noche dado que es defectuosa: P(M/D) y P(N/D)

% 72 , 53 5372 , 0
0605 , 0
0325 , 0
P(M/D)
) 08 , 0 )( 35 , 0 ( ) 05 , 0 )( 65 , 0 (
) 05 , 0 )( 65 , 0 (
P(N)P(D/N) P(M)P(D/M)
P(M)P(D/M)
P(D)
P(M)P(D/M)
P(M/D)
= ~ =
+
=
+
= =


46,28% 0,4628
0,0605
8) (0,35)(0,0
P(D)
P(D/N) . P(N)
P(N/D) = ~ = =

Es ms probable que la batera defectuosa se fabricara en el turno del da.

4.6 TABLAS Y RBOLES DE PROBABILIDADES

Las tablas y rboles de probabilidades son artificios tiles para el clculo de
probabilidades.

4.6.1 TABLAS DE PROBABILIDADES

Las tablas de probabilidades se pueden construir a partir de la tabla de distribucin de
frecuencias, para este clculo cada valor de la tabla de frecuencia se divide entre el
nmero de observaciones.
Las tablas y rboles de probabilidad resultan de gran utilidad al momento de resolver
problemas de probabilidades donde es necesario utilizar en forma consecutiva varios
principios de los estudiados anteriormente.

Ejemplo: El jefe de ventas de un centro ptico de la ciudad anot el Material y tamao
de las monturas de gafas de las 100 ultimas ventas. Los resultados se muestran en la
siguiente tabla:




113
TABLA 4.3 Ventas realizadas por un Centro ptico.
Material de la montura
Tamao Plstico Metal Carbn Total
Grande 12 8 5 25
Mediano 23 31 1 55
Pequeo 6 6 8 20
Total 41 45 14 100

La 4.3 tabla nos muestra nueve celdas, tres en sentidos horizontal para el material y
tres en sentido vertical para el tamao. Los totales de cada categora se muestran al
final de cada fila o columna; los valores del margen derecho indican los totales de cada
material; por ejemplo 20 de las ltimas monturas eran pequeas, se vendieron 14
monturas de carbn en total.

La cifra de cada celda indica el nmero de observaciones perteneciente a ambas
categoras, la primera celda muestra que 12 de las 100 monturas eran grandes y de
plstico o de las 41 monturas de plstico 12 eran grandes o de las 25 monturas grandes
12 eran de plstico. El valor de cada celda indica la frecuencia conjunta de Material y
Tamao.

Si dividimos el valor de cada celda entre el nmero total de observaciones se tiene una
tabla de probabilidades, como se muestra a continuacin.
TABLA 4.4 Probabilidades de Ventas del Centro ptico
Material de Montura
Tamao Plstico Metal Carbn Total

Grande 12/100=0.12 8/100=0.08 5/100=0.05 25/100=0.25
Mediano 23/100=0,23 31/100=0,31 1/100= 0,01 55/100=0,55
Pequeo 6/100=0.06 6/100=0,06 8/100= 0,08 20/100=0,20
Total 41/100=0.41 45/100=0,45 14/100=0,14 1,00

El valor de cada celda de una tabla de probabilidades es la probabilidad conjunta de
ambos sucesos, tamao y material (Tamao Material).La probabilidad de vender una
montura de Carbn Grande es: P(CG)=0.05=5%





Los valores de los mrgenes inferior y derecho indican las probabilidades marginales.
La probabilidad marginal de una montura pequea es del 20% y la de la montura de
carbn es del 14%.

Probabilidad Conjunta: es la probabilidad de que dos o ms sucesos
ocurran a la vez
Probabilidad Marginal: es la probabilidad de ocurrencia de un solo Suceso.

114
Con estas tablas de probabilidades tambin se pueden calcular las probabilidades
condicionales, por ejemplo si quisiramos determinar la probabilidad de venta de una
montura grande sabiendo que es de plstico se tiene: P (G/P) = P(GP) / P(P). El valor
de P(GP), es la probabilidad del suceso conjunto grande y de plstico y en la primera
celda de la tabla 4.4 puede verse que es 0.12. Como el 41% de Todas las monturas
eran de plstico, segn la probabilidad marginal (Primera columna de la Tabla 4.4) P(G
/ P) = 0.12/0.41=0.2926.

Ejemplo: Supongamos que se esta interesado en calcular la probabilidad de vender
gafas con montura grande de plstico.

Solucin: Tamao y material son dependientes, porque el porcentaje de monturas
grandes de plstico es diferente del de monturas pequeas o medianas que son de este
material. Es decir, de las 25 monturas grandes 12, o el 48% fueron de plstico. En
cambio de las 55 monturas de tamao mediano, 23, o sea el 42% fueron de plstico.

Como la probabilidad de que una montura sea de plstico depende del tamao,
deberemos considerar si una montura es grande al determinar la probabilidad de que
sea de plstico.

Luego P(GP) = P(G)P(P/G)= 25/100 x 12/25 = 12/100.


RBOLES DE PROBABILIDADES

Los rboles de probabilidades tambin nos pueden ayudar en el clculo de
probabilidades de varios sucesos conjuntos. Un rbol de probabilidades o diagrama de
rbol indica todas las probabilidades asociadas a un conjunto completo de sucesos
especficos. Una vez diseado el rbol, podemos seleccionar de l cualquiera de las
probabilidades que deseemos. A continuacin se hace el diseo del rbol de
probabilidades del centro ptico:
















115
Diagrama de rbol del centro ptico



GRAFICO

ACTIVIDAD

1. Un agente de bolsa de Santaf de Bogot sabe que solo el 20% de los clientes que
llaman desean realizar alguna operacin. Los dems nicamente desean conseguir
informacin. Si llaman 8 clientes Cuntos se espera que realicen alguna
transaccin?

2. De una lista de 12 valores con buena perspectiva a medio plazo y 17 valores con
buena renta, un analista he de elegir 2 para su cliente Cul es la probabilidad de
que:

a) Los dos sean valores con buena perspectiva a medio plazo
b) El primero sea un valor con buenas perspectivas a medio plazo y el segundo un
valor con buena renta.
c) Uno sea un valor con buena perspectiva a medio plazo y el otro un valor con buena
renta.

3. Su agente de Bolsa le ofrece una solucin de inversiones de ocho valores con
buena retribucin, siete valores con buena perspectiva de crecimiento y 10
emisiones de bono. Si tiene que elegir tres al azar, Cul es la probabilidad de que
cada inversin sea diferente?

4. Los Ficheros de Erac, Icn; indican que el 60% de las ventas se realizan a clientes
antiguos. El 70% de las veces estos clientes antiguos compran a crdito. Los
116
clientes nuevos compran a crditos solo el 20% de las veces. Si un cliente compra
a crdito,

a) Cul es la probabilidad de que el Cliente sea nuevo
b) Cul es la probabilidad de que el cliente sea antiguo

5. Una fbrica tiene 3 mquinas M1, M2, M3 cuya produccin son 60%, 30%,
10% respectivamente. Cada mquina produce cierto porcentaje de artculos
defectuosos, M1=2%, M2=3%, M3=4% de la produccin total. Si selecciona un
artculo al azar, calcular la probabilidad de que sea defectuoso.

6. Suponga que en el ejercicio 6 se selecciona un articulo al azar y se encuentra es
defectuoso. Cul es la probabilidad de que el articulo seleccionado sea producido
por la maquina dos?

7. Un inversionista tiene oportunidad de invertir en 3 de 5 tipos de acciones. El
inversionista desconoce que slo 2 producen beneficios. Si se seleccionan las
acciones al azar, cul es la probabilidad de que se seleccionen los dos que
producirn beneficio.

8. Una placa de carro contiene una o dos letras y cuatro nmeros. Encuentre el
nmero total de places que se pueden formar.

9. Dos tubos defectuosos se confunden con dos buenos, los tubos se prueban uno
por uno hasta encontrar los defectuosos. Cual es la probabilidad de encontrar el
ltimo tubo defectuoso:

a) En la segunda prueba?
b) En la tercera prueba?
c) En la cuarta prueba?

12. Un departamento de compra encuentra que el 75% de sus pedidos
especiales se reciben a tiempo. De los pedidos que se reciben a tiempo el 80%
cumplen totalmente las especificaciones; de los pedidos que llegan con retraso el
60% cumplen las especificaciones

a) Encuentre la probabilidad de que un pedido llegue a tiempo y cumpla con las
especificaciones

b) Construya una tabla o rbol de probabilidades para esta situacin

c) Encuentre la probabilidad de que un pedido cumpla con las especificaciones

13. Se hacen 2 inversiones de 100 dlares en dos proyectos. Se supone que el
proyecto A va a producir un rendimiento de 8, 10 o 12 dlares con probabilidades
respectivas 0,2; 0.6 y 0.2 se supone que el proyecto B va a producir una ganancia de
8, 10 o 12 dlares con probabilidades respectivas 0.3; 0.4 y 0.3 adems se supone
117
.... .......... ) ( .. .......... ) ( ) (
2 1
1 1
+ + + + = |
.
|

\
|

=
n
A P A P A P Ai P
posibles casos de Nmero
exitos de Nmero
) ( = A P
que la ganancia de ambas inversiones son independientes entre si. Cul es la
probabilidad de que la ganancia total sea de 20 dlares exactamente?

14. Una fbrica produce artculos idnticos en dos lneas de montajes. Dos quintas
partes de la produccin se realizan en una vieja lnea, de los cuales el 10% de los
productos se rechazan por mala calidad; las otras 3 quintas partes se fabrican en una
lnea moderna de la que solamente el 4% resulta rechazada Cul es la probabilidad
de que un producto rechazado haya provenido de la lnea de montaje vieja?




RESUMEN
Probabilidad: Es la verosimilitud numrica de que ocurra un suceso incierto. El proceso
que da lugar a un suceso se llama Experimento.

Experimento: Es cualquier proceso planteado (bien definidos) que da lugar a
observaciones precisas o a recoleccin de datos.

Un experimento aleatorio es un proceso que puede concretarse en al menos dos
resultados posibles, con incertidumbre en cuanto a cul de ellos tendr lugar.

Un evento o suceso del espacio muestral es un grupo de resultados contenidos en
este cuyos miembros tienen una caracterstica comn

Axiomas de probabilidad: Sea E un experimento y S el espacio muestral asociado
con E. Con cada evento (suceso) A asociamos un nmero real designado P(A) llamado
probabilidad de A el cual satisface las siguientes condiciones:
1 P(A) > 0
2 P(S) = 1
3 Si A y B son eventos mutuamente excluyentes P(AUB) = P(A) + P(B)
4 Si A
1
,A
2
,A
3
,........., A
n
son eventos que se excluyan mutuamente de par en par,
entonces:

Definicin Clsica de la probabilidad ,


Permutaciones. Conjunto de elementos en que la composicin y el orden son
importantes
Combinaciones. Conjunto de elementos en que la composicin y el orden no tiene
importancia.

118
Regla de la suma: se utiliza para hallar la probabilidad de que ocurra el evento A o
que ocurra el evento B, es decir A o B, esto equivale a encontrar P(AUB). Esta
probabilidad esta dada por:
P ( AUB) = P (A)+ P (B) P(AB)

Probabilidad condicional: Sean A y B dos sucesos, la probabilidad condicional del
suceso A, dado el suceso B, denotado P(A/B) y ledo probabilidad de A dado B, se
define como:
) (
) (
) / (
B P
B A P
B A P

= , con P(B) > 0 .

Regla del producto: Sean A y B dos sucesos, la probabilidad de la interseccin esta
dada por P(AB) = P(A/B)P(B)
P(AB) = P(B/A)P(A)


si A y B son eventos independientes, P(AB) = P(A)P(B)

Teorema de Bayes:
) (
) / ( ) (
) / (
A P
B A PA B P
A B P =