Estadstica Descriptiva e Inferencial. Manuel Crdova.

(2003). 5ta ed.

Captulo: 5
danielmavila@yahoo.es

Principio multiplicativo (ilustracin grfica)

a2

a1

b1
c1

b3

b2

c2 c1

c2

c1 c2

b1
c1

b3

b2
c2 c1 c2

c
1

c2

El primer elemento puede escogerse de dos

formas distintas: a1 y a2.
El segundo de tres maneras distintas: b1, b2 y b3.
El tercer elemento puede escogerse en dos modos
distintos: c1 y c2.
El total de posibilidades ser: 2 . 3 . 2 = 12

You are eating at Ugly Bettys restaurant and the waiter informs
you that you have (a) two choices for appetizers: soup or juice;
(b) three for the main course: a meat, fish, or vegetable dish; and
(c) two for dessert: ice cream or cake. How many possible
choices do you have for your complete meal?

El total de posibilidades ser: 2 . 3 . 2 = 12

Regla del producto o principio multiplicativo

Si una eleccin tiene m alternativas posibles y otra n,

entonces la realizacin de ambas tiene m x n.
A y B juegan 2 partidas de ajedrez, cuntos resultados posibles
se pueden dar?
Respuesta: a) 4

b) 2 c) 9 d) 8

e) 6

f)No s jugar

Indica el espacio muestral:

{

En las tarjetas de dbito la contrasea tiene que estar compuesta

por cuatro dgitos. Cuntas contraseas diferentes puede
generar un tarjetahabiente?
Respuesta: ___________

1
4

2
6

Cuntas fotografas
distintas podemos
hacer cambiando a
los personajes de
posicin?
Cuntas
permutaciones son
posibles?

7 6 5 4 3 2 1 5040
1

7! 5040

Ejemplo. Supongamos que los siete personajes de Star Treck se

hacen fotografas en fila en todas las permutaciones posibles.
En cuntos casos Data y Picard aparecen juntos?

Pensemos que Data y Picard son siameses o que van dentro de

un saco. El nmero de posibles fotografas sera 6! = 720.

Pero adems, para cada una de esas fotografas, Data puede

estar a la derecha o a la izquierda de Picard. Luego el
resultado es 2! 6! = 1440.

Permutaciones (sin repeticin)

Dados n objetos distintos, llamamos permutacin a una
ordenacin particular de los n objetos en una fila.

El nmero de permutaciones de n objetos diferentes

tomados todos a la vez es n! (se lee n factorial o
factorial de n).
Usando la regla del producto: hay n posibles objetos
para la primera plaza de la fila, n - 1 objetos posibles
para ocupar la segunda, etctera.

Pn n (n 1) (n 2) 3 2 1 n !

Permutaciones circulares

Son las diferentes permutaciones que

pueden formarse con n objetos distintos,
donde no hay ni primero ni ltimo objeto, ya
que todos forman un crculo.
El total de permutaciones circulares es:
= (n 1) !

Variaciones con repeticin

Segn la regla del producto, las maneras de escoger r
elementos de entre un total de n en un determinado orden, y
con la posibilidad de repetir los elementos en cada eleccin,
son:

n n n ... n n

Esta expresin se conoce como variaciones con repeticin y

se representa como:

VRn,r n

Se lee: variaciones con repeticin de n elementos tomados de r en r.

Variaciones con repeticin (...)

Cuntos nmeros de tres cifras significativas se pueden
formar con las nueve cifras del sistema decimal 1; 2; 3; 9?
Y si admitimos el 0?
Al tratarse de nmeros el orden importa y adems nos
dicen que las "cifras se pueden repetir:

VR9,3 9 729
3

Si admitimos el 0, como primera opcin seguimos teniendo

9 nmeros. Pero ahora como segundo nmero podemos usar
tambin el 0, luego tenemos 10 posibles candidatos e dem
para el tercero:

9 10 10 900

Combinaciones (sin repeticin) ...

Cuntas posibles configuraciones de r elementos
podemos construir desde un conjunto de n elementos
diferentes, sin que importe el orden y no sea posible la
repeticin?

Si el orden importara tendramos n (n-1) ..... (n - r + 1)

posibilidades. Las podemos partir en clases, de forma que
en cada clase estn aquellas configuraciones que sean las
mismas salvo el orden. Como hemos escogido r elementos,
cada clase estar formada por las r! formas distintas de
ordenar esos elementos:

n
n!
C C (n, r )
r r!(n r )!
r
n

Combinaciones (sin repeticin) ...

Ejemplo.
Cuntos grupos de cinco alumnos pueden formarse con los 30
alumnos de una clase? (Un grupo es distinto si se diferencia por
lo menos en un alumno).
No importa el orden. No pueden haber dos alumnos iguales
(no hay clones) en un grupo, luego no hay repeticin.

30
30!
C (30,5)
142 506
5 5! (30 5)!

Ejemplo.
El Consejo de Fondos de Inversin de la UVAB (Universidad
Voc A. Buso) est compuesto por nueve miembros. Cada ao,
se elige un comit de tres personas para supervisar la
construccin de edificios y otro comit para supervisar el
desarrollo acadmico, compuesto por un presidente, un
vicepresidente y un secretario.
a.- Cuando el Consejo elige el Comit de Construccin de
Edificios, cuntos distintos comits son posibles?
b.- Cuando el Consejo elige el Comit Acadmico cuntas
diferentes listas de candidatos son posibles?
Nota. Asumir que un padre de familia no puede pertenecer a los
dos comits.
Respuesta:
a) 84 y 504 b) 84 y 120 c) 120 y 720 d) 20 y 504 e) n. a.

Cuntas manos distintas pueden darse a cuatro

jugadores con cinco cartas cada uno y una baraja de 52
cartas?
El primer jugador puede recibir C(52; 5) manos
distintas.
Una vez el primer jugador tiene su mano el
segundo puede recibir C(47; 5) manos distintas
(cinco cartas de las 47 restantes).
El tercero C(42; 5) y el cuarto C(37; 5).

...
Por la regla del producto tendremos un total de:

52!
47!
42!
37!
C (52,5)C (47,5)C (42,5)C (37,5)

5!47! 5!42! 5!37! 5!32!

52!

1.478.262.843.475.644.020.034.240 1.5 1024

5! 5! 5! 5! 32!

De cuntas maneras distintas podemos pintar una tira

de cinco casillas, pintando dos de rojo y tres de azul?

Respuesta:

Combinaciones de 5 elementos
tomados de 2 en 2.
O tambin combinaciones de 5
elementos tomados de 3 en 3:
C(5,2) = C(5,3) = 10.

Cine

Cuntos caminos
distintos podemos
recorrer desde el
hogar al cine? (Cada
movimiento debe
acercarnos al cine). Hogar,
dulce hogar

Solucin.
Cualquier posible recorrido consiste en 8 movimientos a la derecha (1) y 4 movimientos hacia arriba (0).
La solucin es: (011010111110)
12 12 12!

495
8 4 8! 4!

Ejemplo.

Cuntas soluciones tiene la ecuacin diofntica (solo

el nmero de soluciones enteras):
x1 x2 x3 11

donde x1, x2 y x3 son enteros no negativos?

Solucin:
Tenemos que seleccionar un total de 11 objetos (unidades) para
formar 3 conjuntos (3 nmeros). Es equivalente a pintar 11 bolas
con 3 colores. En cada seleccin tenemos x1 elementos en el
primer conjunto, x2 elementos en el segundo conjunto y x3
elementos en el tercero. El nmero de soluciones posibles es:
CR(3+11-1;11) = 78

Qu es un experimento?
El trmino experimento puede verse de dos maneras:
(a) De manera general, se puede decir que consiste en
ejecutar una accin y observar las consecuencias.
As hablaramos de experimentar cuando
mezclamos sustancias qumicas y observamos la
reaccin de este hecho o cuando cambiamos de
forma de vestir y vemos el efecto que provoca
sobre nuestros amigos. En esta idea de experimento
observamos que hay una manipulacin intencional
de una accin para analizar las posibles
consecuencias.

Qu es un experimento?
(b) De manera particular o cientfica, se
refiere a un estudio de investigacin en el
que se manipulan deliberadamente una o
ms variables independientes (supuestas
causas) para analizar las consecuencias
que la manipulacin tiene sobre una o
ms variables dependientes (supuestos
efectos), dentro de condiciones controladas por el investigador.

Siempre y cuando se pueda repetir un experimento bajo las

mismas condiciones y se obtenga los mismos resultados se
estar en presencia de un fenmeno de naturaleza
determinista. Sern fenmenos deterministas los siguientes:

El modelo matemtico de la ley de Ohm.

- Al conectar 1 voltio a los terminales de una
resistencia de 1 ohm se establecer una corriente
por ella, que ser siempre igual a 1 amperio.
- Las leyes de Kepler.
- Las leyes gravitacionales de Newton.
- Al soltar un cierto objeto desde una cierta altura y
observar la direccin del movimiento ulterior del
objeto, el resultado ser siempre la direccin de la
vertical.

Experimento aleatorio
Entenderemos por experimento aleatorio
cualquier situacin que, realizada en las
mismas condiciones, proporcione un
resultado imposible de predecir a priori.
Por ejemplo:

Extraer una carta de una baraja.

Extraer muestras del concreto a usar en un
vaciado de techo
Determinar la capacidad emprendedora de
un grupo de estudiantes

Sucesos o eventos

Cuando se realiza un experimento aleatorio

diversos resultados son posibles. El conjunto de
todos los resultados posibles se llama espacio
muestral (Sample space): E, U, , S.
Experimento aleatorio: lanzar un dado. El espacio
muestral E = {1; 2; 3; 4; 5 y 6}. (Notacin del
algebra de eventos)

Muestra el del experimento de lanzar una

moneda tantas veces como sea necesario hasta
que aparezca cara.

Sucesos o eventos (...)

Se llama suceso o evento a un subconjunto

de dichos resultados. Distinguiremos entre
sucesos simples (o indivisibles) y
compuestos (o divisibles):
Sucesos simples, son aquellos que
comprenden un solo punto muestral.
Sucesos compuestos, son los que
engloban ms de un punto del espacio
muestral. Todo suceso compuesto se
puede considerar como unin de puntos
del espacio muestral o unin de sucesos
simples.

Sucesos o eventos (...)

E xperimento

T irar un dado

S uc es os
elementales

S uc es os
c ompues tos
Nmero par:
nmero impar;
(1,2,3,4,5,6)
menor que 4;
mltiplo de 3

Sucesos
o
eventos
C ontar los
varones en (...)
Ms de uno; menos
familias con tres
hijos
C ontar el nmero
de averas de
una mquina en
un mes

(0,1,2,3)

(0,1,...30)

de tres )

Ms de 10; menos
de 20; entre 5 y 15
inclus ive)

Sucesos o eventos (...)

Se llama suceso complementario de un

suceso A (Ac, o A), al formado por los
elementos que no estn en A.
Por ejemplo: sobre el experimento de lanzar
un dado el suceso A: que el resultado sea
par.
Ac ser: que el resultado sea impar:
Ac = {1; 3 y 5}.

Se realiza el experimento aleatorio consistente en lanzar una

moneda. Si sale cara, se extrae una bola de una urna que
contiene una bola azul y tres bolas rojas, y si sale cruz, se
extrae una bola de otra urna que contiene una bola roja y dos
verdes. Cul es el espacio muestral E de dicho experimento
aleatorio?

E = {(C,R), (C,A), (+,R), (+,V)}

Ejemplo de espacio muestral

Producir 20 cilindros (pilotes, testigos) de

concreto bajo condiciones idnticas de
manufactura y contar los cilindros cuya
resistencia a la compresin sea mayor que 200
kg/cm2. El espacio muestral es el conjunto S =
{0; 1; 2 20}
Ejercicio
Un experimento consiste en seleccionar tres piezas en
un proceso manufacturero y observar si son defectuosas
D o no defectuosas D.
Enumera todos los elementos del espacio muestral.
Enumera los elementos contenidos en el suceso de
que el nmero de piezas defectuosas sea cero.

Ejercicio.
Una bolsa contiene bolas negras y rojas. Se extraen
sucesivamente tres bolas. Obtener:
a) El espacio muestral.
b) El suceso A = extraer tres bolas del mismo color.
c) El suceso B = extraer, al menos, una bola negra.
d) El suceso C = extraer una sola bola negra.
e) Calcula las probabilidades de los sucesos A, B y C.

Sucesos o eventos (...)

Se llama suceso unin de A y B (A B) al formado por los

resultados experimentales que estn en A o en B (incluyendo
los que estn en ambos).
Se llama suceso interseccin de A y B (A B), al formado
por los resultados experimentales que estn simultneamente
en A y B. Dos sucesos son mutuamente excluyentes si A
B = , donde es el conjunto vaco.

Ejemplos de sucesos mutuamente excluyentes

Comprar mquina nueva o de segunda
Edificacin con cemento y ladrillo o con concreto armado
Comprar mquina para aumentar el volumen de
produccin o para mejorar la calidad.
Iluminacin con focos incandescentes, focos
fluorescentes, iluminacin LED (diodo emisor de luz),
focos ahorradores.
Diversificar la produccin o no.
Deshidratar frutas: a) Mtodo al aire libre como
desventaja quita algunas propiedades a la fruta. b)
Liofilizacin congelar la fruta gradualmente para que no se
desintegre a temperaturas que se inician en los 21C y
pueden llegar a fros extremos como los 40C bajo 0. luego
la fruta congelada se introduce en una cmara al vaco
donde se modifica la presin atmosfrica para que el
producto pase por un proceso de sublimacin. Esto
permite extraer toda la humedad que puede contener la
fruta, conservando su sabor, color y textura.

Sucesos o eventos (...)

Observemos que un suceso y su complementario

son siempre mutuamente excluyentes y su unin
es todo el espacio E.

A Ac = ,

A Ac = E

La unin y la interseccin de mltiples sucesos

se define:
m

A j A1 A 2 A m
j 1

Aj A1 A2 Am
j 1

Diagramas de Venn
A

B
E

Interseccin A B

Unin A B

A
1

3
2

A={1; 3 y 5}, B={5 y 6}

E={1; 2; 3; 4; 5 y 6}

Sigamos con el experimento de lanzar un dado.

Sucesos:
A= Un nmero impar
B= Un nmero mayor que 4.
Se presentan los casos siguientes:
Ac ={2, 4, 6}
Bc ={1, 2, 3, 4}
A B ={1, 3, 5, 6}
A B = {5}
(A B)c ={2, 4}
(A B)c = {1, 2, 3, 4, 6}

Otros tipos de diagramas

Diagramas de Euler
Diagrama de Johnston
Mapa de Karnaugh
Diagrama de Peirce
Diagrama Lewis Carrol
Diagramas de Venn de Edwards

Probabilidad
Hay tres grandes conceptos:
1. Clsica o de Teora de Juegos

2. Estadstica o frecuentista
3. Subjetiva o grado de creencia

Cuatro tipos de probabilidad

Marginal

P( X )
La probabilidad
de que ocurra
X

Unin

Conjunta

Condicional

P( X Y )

P( X Y )

P( X | Y )

La probabilidad
de que ocurra
XoY

La probabilidad
de que ocurra
XeY

X Y

X Y

La probabilidad
de que ocurra
X sabiendo que
ha ocurrido Y

Probabilidad clsica
Laplace define la probabilidad de un suceso A como
el cociente (Regla (Ley, Probabilidad) de
Laplace):

Nmero de casos favorables

P( A)
Nmero de casos posibles
Por ejemplo, si con un determinado tipo de mezcla de
concreto se hacen n probetas para obtener un valor de f'c
la expresin
Prob[f'c = 210 kg/cm2] = 0,80
Se presume que 0,8n probetas tendrn un valor de f'c=210
kg/cm2, y que las 0,2n restantes, tendrn un valor
diferente.

En el lanzamiento de un dado: Cul es la

probabilidad de A = un nmero mayor o igual
a 5? Y la probabilidad de B = nmero impar?

Solucin: Los seis casos posibles son igualmente probables, cada uno tiene probabilidad de 1/6.

P(A) = 2/6 = 1/3 pues A ={5,6} tiene dos casos

favorables.
P(B) = 3/6 = 1/2 pues B = {1, 3, 5} tiene tres
casos favorables

Definicin axiomtica de probabilidad

Se llama probabilidad a cualquier funcin
P que asigna a cada suceso A del espacio
muestral E un valor numrico P(A),
verificando los siguientes axiomas:

(1) No negatividad: 0 P(A)

(2) Normalizacin: P(E) = 1

Reglas de adicin de la probabilidad

Dos o ms eventos son mutuamente excluyentes si cuando se da
uno de ellos esto implica que no se dan los dems.
Sean A y B eventos entonces A B = vaco.
Por ejemplo, en el espacio muestral de los resultados de tirar un
dado, que salga un nmero par y que salga un nmero impar son
sucesos mutuamente excluyentes.
Para encontrar la probabilidad de que ocurra el evento E1 o el
evento E2 o ambos:
a) Eventos mutuamente excluyentes:
P(E1 o E2) = P(E1 E2) = P(E1) + P(E2)
b) Eventos que no son mutuamente excluyentes:

P(E1 o E2) = P(E1 E2) = P(E1) + P(E2) P(E1E2)

Independencia de eventos
Los sucesos A y B sern independientes si la
ocurrencia de B no influye en la probabilidad de A
y viceversa. Los eventos independientes son
llamados, estadsticamente independientes, estocsticamente independientes, independientes en
el sentido probabilstico.

P( A | B) P( A) y P( B | A) P( B)

Entonces: P( A B) P( A) P( B)

Independencia de eventos (I)

Experimento: Lanzamos dos dados, uno de color amarillo y
otro de color blanco

Independencia de eventos (II)

Verificacin de la independencia de los sucesos A y B

Sea el suceso A = dado amarillo sale 1 y el suceso B =
dado blanco sale 1.
Se sabe que P(A) = 1/6
1
P( A B) 36 1
P( A | B)

P( A)
1 6
P( B)
6
Por lo tanto A y B son sucesos independientes

Independencia de eventos (III)

Verificacin de la independencia de los eventos A y C
Sea el suceso C = suma de los dos dados es tres. Afecta
el suceso A = que el dado amarillo salga 2 a la
probabilidad de C?
1
P(C A) 36 1
2
P(C | A)

P (C )
1
P( A)
6
36
6

Por lo tanto A y C no son sucesos independientes

Independencia de m sucesos
m sucesos A1...., Am se llaman independientes si:
P(A1 ... Am) = P(A1) ... P(Am)
y adems para cada posible subconjunto de k sucesos:

P(Aj+1 ... Aj+k) = P(Aj+1) ... P(Aj+k)

donde j+k < m.
De modo que, p. ej. tres sucesos A, B y C son independientes si:
P(A B) = P(A) P(B)
P(B C) = P(B) P(C)
P(A C) = P(A) P(C)
P(A B C) = P(A) P(B) P(C)

Ejemplo. Una caja contiene 10 bolas, 3 son rojas. Escogemos dos bolas
al azar. Encuentra la probabilidad de que ninguna de ellas sea roja si el
experimento es: (a) con reemplazo y (b) sin reemplazo.
Consideremos los sucesos:
A: Primera bola es no-roja
B: Segunda bola es no-roja

P(A) = 7/10
Si el muestreo es con reemplazo, la situacin para la segunda eleccin
es idntica que para la primera, y P(B) = 7/10.
Los sucesos son independientes y la respuesta es:
P(A B) = P(A) P(B) = 0,7 0,7 = 0,49

Si el muestreo es sin reemplazo, hemos de

tener en cuenta que una vez extrada la
primera bola, quedan solo 9 y 3 deben ser
de color rojo.
P(B|A) = 6/9 = 2/3.
En este caso la respuesta es:
P(A B) = P(A)P(B|A)
= (7/10) (2/3)
0.47

Ejercicio.
Cuntos elementos tiene el espacio muestral
asociado al experimento aleatorio de extraer al azar
tres bolas rojas de una urna que contiene seis bolas
rojas, si las extracciones se realizan:
a) A la vez
b) Una a una sin reposicin
c) Una a una con reposicin?
Suposicin: ____________________
R. a) 20
b) 120 c) 216

Reglas de multiplicacin de la probabilidad

La probabilidad de que ocurra

conjuntamente el evento E1 y el
evento E2:
a) Eventos independientes:
P(E1 y E2) = P(E1 E2) = P(E1E2)
= P(E1) P(E2)

b) Eventos dependientes:
P(E1 y E2) = P(E1 E2) = P(E1E2)
= P(E1) P(E2 E1)

Ejercicio. La siguiente tabla muestra la forma de pago que

efectan los clientes de la empresa de corte de planchas
metlicas Oh My Cut, asimismo se indica la frecuencia en que
estos hacen los pedidos:
Forma de pago
Tipo de pedido Contado Crdito Total
Regular
10
15
25
Espordico
20
155 175
Total
30
170 200
Se decide premiar a un cliente elegido aleatoriamente. Se
pide:
a) Cul es la p. de que el cliente elegido realice pedidos de
forma regular o bien utilice crditos para efectuar sus
pagos?
b) Encuentra la p. de que el cliente sorteado pague al
contado si se sabe que ste hace compras regulares.
c) Calcula la p. de que el cliente elegido realice pedidos de
forma regular y que sus pagos sean al contado.

Probabilidad de falla de un sistema elctrico

(o hidrulico) basada en las probabilidades de
fallas de sus componentes
Un sistema elctrico (o hidrulico) puede
considerarse como una secuencia de componentes
sobre las cuales atraviesa una corriente.
Si un componente funciona (o no falla), deja pasar la
corriente, este estado lo representaremos como un
evento Ai. Si un componente falla (o no funciona) y
no deja pasar la corriente, la representaremos por A .
a) Considerando el sistema elctrico en serie, con n
componentes, tal como aparece en la siguiente
figura:
C
i

Entrada

Direccin de
la corriente

A1

A2

An

Salida

Calcular la probabilidad que falle el sistema.

Probabilidad de falla de ...

b) Considerando el siguiente sistema elctrico en

paralelo, con n componentes:
A1

Entrada

Direccin
de la
corriente

A2
Salida

An

Calcula la probabilidad de falla del sistema.

Ejemplo
Considerando el siguiente sistema o circuito:
A1
Entrada

C1
D

A2

Salida

C2

Calcular la probabilidad que el sistema funcione, si P(A1) =

P(A2) = P(B) = ; P(C1) = P(C2) = P(D) = .
Propuesta de solucin:
P({funcione el sistema}) PA1 A2 B C1 C2 D

Respuesta: 0,041015

Ejemplo de probabilidades

Nombre Sexo

Edad

Sucesos
A = ser hombre (H)
B = edad 20

Ac

Zoylo

18

Linda

19

Rosario

19

Hermeli
nda

20

Natacha

21

Jess

20

Olinda

21

Celinda

21

Yuri

22

Mario

19

Probabilidades
P(A) = 6/14 = 0.43 = 43%
P(B) = 6/14 = 0.43 = 43%
P(A B) = 4/14 = 0.29 = 29%
P(A B) = P(A) + P(B) - P(A B)

Mario

18

6/14 + 6/14 - 4/14 = 0.43+ 0.43 - 0.29 = 0.57

Mara

21

Ruperta

21

Baltazar

18

B
Bc

P(AB) = 4/6 = 0.67

P(AB ) =

Ejemplo
P {circuito integrado sujeto a altos niveles de contaminacin
sea la causa de una falla en un producto} = 0.10
P {circuito integrado que no est sujeto a altos niveles de
contaminacin sea la causa de la falla} = 0.005
El 20% de la produccin est sujeta a altos niveles de
contaminacin.
Cul es la probabilidad de que un producto que utilice alguno
de estos circuitos integrados falle?
A: {el circuito est expuesto a altos niveles de contaminacin}
F: {el producto falla}
A':{el circuito no est expuesto a altos niveles de
contaminacin}

P(F|A) = 0.1
P(F|A') = 0.005
P(A) = 0.2
P(A') = 1-0.2 = 0.8
P(F) = P(F A) + P(F A')
P(F) = P(F|A)P(A) + P(F|A')P(A')
P(F) = (0.1)(0.2) + (0.005)(0.8)
P(F) = 0.024

La probabilidad de que falle un conector elctrico durante el

periodo de garanta es 1%. Si el conector se humedece la
probabilidad de falla durante la garanta es 5%. Si el 90% de
los conectores se mantienen secos y el 10% se humedece,
qu proporciones de los conectores fallar durante el
periodo de garanta?
Solucin:
Seco:
Hmedo:

P(F|E1) = 0.01, P(E1) = 0.9

P(F|E2) = 0.05, P(E2) = 0.1

P(F) = P(F|E1)P(E1) + P(F|E2)P(E2)

P(F) = (0.01)(0.9) + (0.05)(0.1)
P(F) = 0.014

Intuir la probabilidad condicionada

A

P(A) = 0,25
P(B) = 0,10
P(A B) = 0,10

Datos

P(A) = 0,25
P(B) = 0,10
P(A B) = 0,08

Cul es la probabilidad de A sabiendo que ha ocurrido B?

P(A|B) = 1

P(A|B) = 0,8

Intuir la probabilidad condicionada (...)

A

B
B

P(A) = 0,25
P(A) = 0,25
P(B) = 0,10
P(B) = 0,10
P(A B) = 0,005
P(A B) = 0
Cul es la probabilidad de A sabiendo que ha pasado B?
P(A|B) = 0,05

P(A|B) = 0

Probabilidad condicionada

Se llama probabilidad de A condicionada a B, o

probabilidad de A sabiendo que pasa B:
E espacio muestral

P( A | B )

P( A B )
P( B )

A
B

Error frecuentsimo:

No confundas probabilidad condicionada con

interseccin.
En ambos medimos efectivamente la interseccin,
pero

En P( A B) con respecto a P (E) =1

En P( A | B) con respecto a P (B)

Probabilidad condicionada (...)

Ejemplo. Cul es la probabilidad de que una carta escogida al azar sea
un as sabiendo que es roja?

Color

Palo

Rojo

Negro

Total

As

No-As

24

24

48

Total

26

26

52

Espacio restringido

P( As Rojo ) 2 / 52
2
P( As | Rojo )

P( Rojo )
26 / 52 26
Y la probabilidad de que una carta escogida al azar sea roja
sabiendo que es un as?

Sistema exhaustivo y excluyente de sucesos

A1

A2
Se trata de una coleccin de
sucesos A1, A2, A3, A4 tales
que la unin de todos ellos
forman el espacio muestral, y
sus intersecciones son disjuntas.

A3

A4

Ejercicio

Se lanza un dado. Considerar los sucesos

A = {2, 4, 6}, B = {1, 2} y C = {1, 2, 3, 4}.
Halla:
a) P(A B); P(AC).
b) P(A | B); P(B | A).
c) P(A | C); P(C | A).
d) P(B | C); P(C | B).

Teorema de la probabilidad total

A2

A1

A3

Si conocemos la probabilidad
de B en cada uno de los
componentes de un sistema
exhaustivo y excluyente de
sucesos, entonces podemos
calcular la probabilidad de B
como la suma:

A4

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

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

Ley de probabilidad total

Supongamos que A1, A2, ... ,An son una particin de E, es
decir que los sucesos son mutuamente excluyentes entre
s (AiAj= para todo par) y su unin es E entonces:
n

A2

A1

P( B) P( B Ai )
i 1

A3

P( B) P( B | Ai ) P( Ai )
A4

i 1

Ejemplo: En una aula el 70% de los alumnos son hombres.

De ellos el 10% son fumadores. El 20% de las mujeres son
fumadoras.
Qu porcentaje de fumadores hay en total?

Podemos aplicar la ley de

la probabilidad total:

Hombres y mujeres forman

un sistema exhaustivo y
excluyente de sucesos.

Hombres no fumadores
Mujeres
no
fumadoras

Mujeres
Hombres fumadores fumadoras

Solucin
0,1
0,7

Fuma

Hombre
0,9

No fuma

Estudiante
0,2

0,3

Fuma

Mujer

0,8
No fuma

P(F) = P(FH) + P(FM) = P(H) P(F|H)

+ P(M) P(F|M)
= 0,7 *0,1 + 0,3*0,2 = 0,13

Teorema de la probabilidad complementaria

Sabiendo la probabilidad P(A) de un suceso A,
cul ser la probabilidad de su complemento
P(Ac)?

Para un suceso A y su complementario Ac en el

espacio muestral E:
P(Ac) = 1 - P(A)

Ejemplo 1
Cinco monedas se lanzan simultneamente.
Encuentra la probabilidad del suceso A: Al menos
sale una cara.
Asume que las monedas no estn cargadas.
Solucin: Puesto que cada moneda puede
aparecer como cara o cruz, el espacio muestral
consiste en 25 = 32 posibilidades. Como las
monedas no estn cargadas cada posibilidad
tiene la misma probabilidad de 1/32.
El suceso Ac (ninguna cara) tiene solo una posibilidad. Entonces P(Ac) = 1/32 y la respuesta es:
P(A) = 1 - P(Ac) = 31/32.

Otras maneras de visualizar sucesos

Tabla de probabilidad conjunta, Tabla de doble entrada
Es aquella en la cual se enlistan como encabezados
de rengln todos los posibles eventos (o resultados)
para una variable; como encabezados de columnas
se enlistan todos los posibles eventos para una
segunda variable, y el valor que se anota en cada
una de las celdas de la tabla es la probabilidad de su
ocurrencia conjunta.

La tabla de frecuencias de ocurrencia conjunta que

puede servir como base para construir una tabla de
probabilidades conjuntas se denomina Tabla de
Contingencia, Tabla cruzada o tambin tabulacin
cruzada.

Ejemplo

El supermercado La Cutra S.A. ha tomado, el mes pasado,

los datos de una muestra de sus clientes y los resultados se
muestran en la tabla de contingencia siguiente:
Tabla de contingencia para clientes de La Cutra S.A.
Edad
Hombre
< 30
60
> = 30
80
Total
140

Mujer
50
10
60

Total
110
90
200

Elabora la tabla de probabilidad conjunta

Tabla de probabilidad conjunta de clientes de La

Cutra S.A. (Compltala).
Edad

Hombre

< 30

0,30

Mujer

Probabilidad
marginal

0,30

1,00

> = 30
Probabilidad
marginal

0,70

Ejercicio.
La compaa de seguros Esther Minio realiza una investigacin sobre
la cantidad de partes de siniestro fraudulentos presentados por los
asegurados. Clasificando los seguros en tres clases, incendio,
automvil y "otros", se obtiene la siguiente relacin de datos:
El 6% son informes por incendio fraudulentos; el 1% son informes de
automviles fraudulentos; el 3% son "otros" partes fraudulentos; el
14% son partes por incendio no fraudulentos; el 29% son partes por
automvil no fraudulentos y el 47% son "otros" partes no
fraudulentos.
Elabora la tabla de contingencia correspondiente y responde:
(a) Cul es la probabilidad de que un parte escogido al azar sea
fraudulento. (b) Cul ser, en cambio, la probabilidad de que el
informe sea fraudulento si se sabe que es de la rama de incendios?
Rpta. (a) 10% (b) 0,3

Diagrama de rbol
rbol de Probabilidad para experimentos sucesivos
Representa visualmente los eventos secuencia-les y sus
probabilidades marginales, condiciona-les y conjuntas.
Cada rama completa del diagrama del rbol se llama
trayectoria y representa un posible resultado del
experimento. En cada segmento que une la secuencia de
experimentos se pone sus respectivas probabilidades.
Supongamos que el 80% de los clientes del Restaurante
Ugly Betty escogen sopa como entrada y el 20% zumo.
De los que escogen sopa, el 20% eligen vegetales, el
30% pescado y el 50% carne. De los que escogieron
zumo, es el 30%; 40% y 30% para vegetales, pescado y
carne respectivamente.
Podemos utilizar estos valores para estimar las
probabilidades de los dos primeros platos usando un
diagrama de rbol.

Definicin frecuentista de probabilidad

Si un experimento aleatorio puede repetirse
muchas veces en idnticas condiciones (en teora)
podemos determinar la frecuencia relativa de la
ocurrencia de un suceso. Si el nmero de intentos
es m y el nmero de ocurrencias de A es m(A)
entonces la probabilidad de A es el lmite:

m( A)
P( A) lim
m
m

Definicin geomtrica de probabilidad

rea de B
P( B)
rea del cuadrado

La Probabilidad Geomtrica fue desarrollado por

George Leclerc, es otra forma de ver la probabilidad
usando la geometra.

Ejemplo. A y B se citan entre las 21:00 y las

22:00 horas. Ninguno de ellos tiene la costumbre
de ser puntual. As que, el primero que llega
esperar 20 minutos y se ir. Cul es la
probabilidad de que se produzca el encuentro?

E {( x1 , x2 ) : 0 x1 60, 0 x2 60}
x2 x1 20
x2 x1 20
x1 x2 20

S ( y ) 602 402 5
P( y )

2
S(E)
60
9
X2 = B

x 2 x1 20
60 min

=E
A

x 1 x 2 20

20 min

21:00

20 min

60 min

X1 = A

Si un dardo se clava de manera aleatoria en el objeto

cuadrado que se muestra cul es la probabilidad que
caiga en el rea sombreada

4
4 cm
cm

Probabilidad a priori y a posteriori

Si se sabe que B ha ocurrido, es frecuente
interpretar P(A) como la probabilidad a priori
de A y P(A|B) como la probabilidad a
posteriori de A (posterior al conocimiento de
la ocurrencia de B)

Teorema de Bayes
Si conocemos la probabilidad de B en
cada uno de los n componentes de un
sistema exhaustivo y excluyente de
sucesos, entonces

A2

A1

si ocurre B, podemos calcular la

probabilidad (a posteriori) de ocurrencia de cada Ai, (i = 1, 2, ... , n):

A3

P(B Ai )
P(Ai|B)
P(B)

A4

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

probabilidad total:
n

P( B) P( B Ai )
i 1

Teorema de Bayes (...)

0,1
0,7

Fuma

Hombre
0,9

No fuma

Estudiante
0,2

0,3

Fuma

Mujer

Ejemplo. Se elige a
un individuo al azar
y resulta fumador.
Cul es la
probabilidad de que
sea 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) =
= 0,20,3 / 0,13 = 0,46

Ejercicio. La fbrica NN (Nomen Nescio) posee cuatro

mquinas para producir pernos de tnel: M1, M2, M3 y M4.
Las proporciones de produccin son las siguientes: M1
produce el doble de M4, en tanto M3 produce el triple de
M4, mientras que M1 produce la mitad de M2. Las
producciones no defectuosas son 95%, 95% y 90% para
M1, M2 y M3 respectivamente.
Se elige al azar un perno de tnel (perno de roca) de la
produccin de un da y se encuentra que la probabilidad
de que resulte no defectuoso es de 0,93; contesta:
a) Cul es el % de produccin no defectuosa de M4?
Rpta. 90%
a) De qu mquina es ms probable que provenga un
perno defectuosos? Rpta. 3%

Ejemplo de pruebas diagnsticas: Diabetes

Los carbohidratos ingeridos terminan como glucosa en la sangre. El exceso se
transforma en glucgeno y se almacena en hgado y msculos. Este se
transforma entre comidas de nuevo en glucosa segn necesidades.
La principal hormona que regula su concentracin es la insulina. La diabetes
provoca su deficiencia o bien la insensibilidad del organismo a su presencia.
Es una enfermedad muy comn que afecta al 2% de la poblacin
(prevalencia)
Una prueba comn para diagnosticar la diabetes, consiste en medir el nivel de
glucosa. En individuos sanos suele variar entre 64 y 110 mg/dL.
El cambio de color de un indicador al contacto con la orina suele usarse
como indicador (resultado del test positivo)
Valores por encima de 110 mg/dL se asocian con un posible estado prediabtico.
Pero no es seguro. Otras causas podran ser: hipertiroidismo, cncer de
pncreas, pancreatitis, atracn reciente de comida
Supongamos que los enfermos de diabetes, tienen un valor medio de 126
mg/dL.

Funcionamiento de la prueba diagnstica de glucemia

Valor lmite:

110 mg/dL

Superior: test positivo.

Inferior: test negativo.

Probabilidad de acierto:
Para enfermos
Verdadero positivo
(sensibilidad)

Para sanos
Verdadero negativo
(especificidad)

Probabilidad de error
Para enfermos
Falso

Para sanos
Falso +

Cmo definir el punto de corte de la prueba diagnstica?

No es simple. No es posible aumentar sensibilidad y especificidad al

mismo tiempo. Hay que elegir una solucin de compromiso: Aceptable
sensibilidad y especificidad.

Una prueba diagnstica ayuda a mejorar una estimacin de la probabilidad

de que un individuo presente una enfermedad.
En principio tenemos una idea subjetiva de P(Enfermo). Nos ayudamos de:
Incidencia: Porcentaje de nuevos casos de la enfermedad en la
poblacin.
Prevalencia: Porcentaje de la poblacin que presenta una enfermedad.
Para confirmar la sospecha, usamos una prueba diagnstica. Ha sido
evaluada con anterioridad sobre dos grupos de individuos: sanos y
enfermos. As de modo frecuentista se ha estimado:
P(+ | Enfermo)= Sensibilidad (verdaderos +) = Tasa de acierto sobre
enfermos.
P(- | Sano) = Especificidad (verdaderos -) = Tasa de acierto sobre
sanos.
A partir de lo anterior y usando el teorema de Bayes, podemos calcular
las probabilidades a posteriori (en funcin de los resultados del test):
ndices predictivos
P(Enfermo | +) = ndice predictivo positivo
P(Sano | -)
= ndice predictivo negativo
Los coeficientes falso-positivo y falso-negativo de las pruebas diagnsticas
son probabilidades condicionadas

Pruebas diagnsticas: aplicacin T. Bayes

Sensibilidad,
verdaderos +

T+

P. a priori de enfermedad:
incid., preval., intuicin,Enfermo
Falsos -

T-

Individuo
Falsos +
T+
Sano

Especificidad,
Verdaderos -

T-

Ejemplo: ndices predictivos

Individuo

La diabetes afecta al 2%
de los individuos.
La presencia de
glucosuria se usa como
indicador de diabetes.
Su sensibilidad es de
0,945.
La especificidad de
0,977.
Calcular los ndices
predictivos.
P( Sano | T )

0,98

0,977

0,023

T+

TP( Sano T )

P( Sano T ) P( Enf T )

0,98 0,977
0,999
0,98 0,977 0,02 0,055

P( Enf | T )

0,02

0,055

0,945

T-

T+

P( Enf T )
P( Enf T ) P( Sano T )

0,02 0,945
0,456
0,02 0,945 0,98 0,023

Observaciones
En el ejemplo anterior, al llegar un
individuo a la consulta tenemos una
idea a priori sobre la probabilidad de
que tenga una enfermedad.

-Qu probabilidad
tengo de estar
enfermo?
- En principio un 2%. Le
haremos unas pruebas.

A continuacin se le pasa una

prueba diagnstica que nos aportar
nueva informacin: Presenta
glucosuria o no.
En funcin del resultado tenemos
una nueva idea (a posteriori) sobre
la probabilidad de que est enfermo.
Nuestra opinin a priori ha sido
modificada por el resultado de un
experimento.

- Presenta glucosuria.
La probabilidad ahora
es del 45,6%.

Ejemplo

A un puesto aduanero llegan peridicamente misiones

diplomticas procedentes de un determinado pas y que
estn constituidas por 10 miembros. El citado pas es un
gran productor de marihuana, circunstancia que, de vez en
cuando, es aprovechada por sus misiones diplomticas
para introducir alguno que otro cargamento en el pas que
visitan, siendo la forma de hacerlo el que dos de los diez
miembros lleven en sus maletas la hierba.
Los aduaneros tienen ya informacin del truco, pero, para
no producir incidentes diplomticos, se limitan a
inspeccionar dos de las diez maletas dejando pasar a la
misin si en las maletas inspeccionadas no encuentran
droga. Su experiencia les dice adems que el 10% de las
misiones portan la droga.

(...)
Si una misin inspeccionada no arroja resultado
positivo, cul es la probabilidad de que realmente
dicha misin no lleve droga alguna?
Propuesta de solucin
Denominaremos:
A1 al suceso la delegacin porta droga
A2 al suceso la delegacin no lleva droga
B al suceso una misin inspeccionada arroja
resultado negativo

Se conoce ():
P ( A1 ) 0,1

P ( A2 ) 0, 9

8 2

2 0
28

P ( B / A1 )

45
10

P ( B / A2 ) 1

Se pide P(A2|B). Esta probabilidad podemos

calcularla con ayuda del teorema de Bayes:
P( A2 ) P( B / A2 )
P( A2 / B)
0,9353
P( A1 ) P( B / A1 ) P( A2 ) P( B / A2 )