Estadstica Inferencial

Probabilidad, Reglas de adicin,

multiplicacin y teorema de
Bayes
Probabilidad
Definiciones de probabilidad,
identificacin de eventos,
clculo de probabilidades,
mtodos de conteo, la
probabilidad condicional y el
teorema de Bayes.
Un panorama de conceptos
probabilsticos
1. Calcular probabilidades aplicando las reglas de
adicin y multiplicacin.
2. Utilizar un diagrama de rbol para organizar y calcular
probabilidades.
3. Calcular una probabilidad utilizando el teorema de Bayes.
4. Calcular una probabilidad utilizando el teorema de Bayes.
5. Determine el nmero de permutaciones y el nmero de
combinaciones.

3
Definiciones
Probabilidad: valor entre cero y uno, inclusive,
que describe la posibilidad relativa de que ocurra
un evento.
Experimento: proceso que conduce a la
ocurrencia de una de varias observaciones
posibles.
Resultado: lo que resulta en particular de un
experimento.
Evento: conjunto de uno o ms resultados de un
experimento.

4
 Enfoques de la probabilidad
Probabilidad clsica se basa en la
consideracin de que los resultados de un
experimento son igualmente posibles.
Utilizando el punto de vista clsico,

nmero de resultados favorables

Probabilidad de un evento =
nmero total de resultados posibles

5
EJEMPLO 1
Considere el experimento de lanzar dos
monedas al mismo tiempo.
El espacio muestral S = {HH, HT, TH,
TT}
Considere el evento de una cara.
Probabilidad de una cara = 2/4 = 1/2.

6
Eventos mutuamente
excluyentes
Eventos mutuamente excluyentes: la
ocurrencia de cualquier evento implica que
ningn otro puede ocurrir al mismo
tiempo.
En el EJEMPLO 1, los cuatro resultados
posibles son mutuamente excluyentes.

7
Eventos colectivamente
exhaustivos
Colectivamente exhaustivos: por lo
menos uno de los eventos debe ocurrir
cuando se realiza un experimento.
En el EJEMPLO 1, los cuatro resultados
posibles son colectivamente exhaustivos.
En otras palabras, la suma de las
probabilidades es = 1 (.25 + .25 + .25 +
.25).

8
Concepto de frecuencias
relativas
La probabilidad de que un evento ocurra a
largo plazo se determina observando en
qu fraccin de tiempo sucedieron eventos
semejantes en el pasado:

nmero de veces que ocurri el evento

Probabilid ad del evento =
nmero total de observacio nes

9
EJEMPLO 2
A lo largo de su carrera, la profesora Jones
ha otorgado 186 calificaciones de A entre
sus 1200 estudiantes. Cul es la
probabilidad de que un estudiante de su
clase en este semestre reciba una A?
Aplicando el concepto de frecuencias
relativas, la probabilidad de una A es
186 /1200 = 0.155

10
Probabilidad subjetiva
Probabilidad subjetiva: la posibilidad
(probabilidad) de que suceda un evento
especfico que asigna una persona con base
en cualquier informacin disponible.
Ejemplos de la probabilidad subjetiva son
estimar la probabilidad de que los Pumas
ganen el Torneo de apertura el prximo
ao y estimar la probabilidad de que ocurra
un terremoto en la Ciudad de Mxico este
ao.
11
Reglas bsicas de probabilidad
Si los eventos son mutuamente excluyentes,
la ocurrencia de cualquier evento impide
que otro eventos ocurra.
Reglas de adicin: si dos eventos A y B
son mutuamente excluyentes, la regla
especial de adicin indica que la
probabilidad de que ocurra A o B es igual
a la suma de sus probabilidades
respectivas:
P(A o B) = P(A) + P(B)
12
EJEMPLO 3
Mexicana de Aviacin acaba de proporcionar la
siguiente informacin de sus vuelos de
Monterrey a la Ciudad de Mxico:
Llegada Frecuencia
Antes de tiempo 100
A tiempo 800
Demorado 75
Cancelado 25
Total 1000
13
EJEMPLO 3 continuacin

Si A es el evento de que un vuelo llegue antes de

tiempo, entonces
P(A) = 100 /1000 = 0.1.
Si B es el evento de que un vuelo llegue
demorado, entonces
P(B) = 75 /1000 = 0.075.
La probabilidad de que un vuelo llegue antes de
tiempo o demorado es
P(A o B) = P(A) + P(B) = .1 + .075 = 0.175.
14
Regla del complemento
La regla del complemento se utiliza para
determinar la probabilidad de que ocurra
un evento restando del nmero 1 la
probabilidad de que un evento no ocurra.
Si P(A) es la probabilidad del evento A y
P(~A) es el complemento de A, P(A) +
P(~A) = 1 o P(A) = 1 - P(~A).

15
Regla del complemento
continuacin
Diagrama de Venn que ilustra la regla del
complemento

A ~A

16
Regla general de adicin
Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)

17
EJEMPLO 4
Recuerde el EJEMPLO 3.
Si C es el evento de que un vuelo llegue a
tiempo, entonces P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado,
entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar
que la probabilidad de que el vuelo llegue antes
de tiempo (A) o demorado (B) es 0.175.

18
5-17

EJEMPLO 4 continuacin

P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175

D
C
.025
.8
~(C o D) = (A o B)
.175
Regla general de adicin
Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)

20
5-19

Regla general de adicin

Diagrama de Venn que ilustra esta regla

AyB
A
5-16

EJEMPLO 4
Recuerde el EJEMPLO 3.
Si C es el evento de que un vuelo llegue a tiempo,
entonces P(C) = 800 /1000 = 0.8.
Si D es el evento de que un vuelo sea cancelado,
entonces
P(D) = 25 /1000 = 0.025.
Utilice la regla del complemento para mostrar que
la probabilidad de que el vuelo llegue antes de
tiempo (A) o demorado (B) es 0.175.
5-17

EJEMPLO 4 continuacin

P(A o B) = 1 - P(C o D) = 1 - [.8 + .025] = .175

D
C
.025
.8
~(C o D) = (A o B)
.175
5-18

Regla general de adicin

Si A y B son dos eventos que no son
mutuamente excluyentes, entonces
P(A o B) se calcula con la siguiente
frmula:
P(A o B) = P(A) + P(B) - P(A y B)
5-19

Regla general de adicin

Diagrama de Venn que ilustra esta regla

AyB
A
5-20

EJEMPLO 5
En una muestra de 500 estudiantes, 320
dijeron tener un estreo, 175 dijeron tener
una TV y 100 dijeron tener ambos:

TV
175
Ambos
Estreo 100
320
5-21

EJEMPLO 5 continuacin
Si un estudiante es seleccionado
aleatoriamente, cul es la probabilidad de
que tenga slo un estreo, slo una TV y
uno de cada uno?
P(S) = 320 /500 = .64.
P(T) = 175 /500 = .35.
P(S y T) = 100 /500 = .20.
5-22

EJEMPLO 5 continuacin
Si un estudiante es seleccionado
aleatoriamente, cul es la probabilidad de
que tenga un estreo o una TV en su
habitacin?
P(S o T) = P(S) + P(T) - P(S y T)
= .64 +.35 - .20 = .79.
5-23

Probabilidad conjunta
Probabilidad conjunta es una probabilidad
que mide la posibilidad de que dos o ms
eventos ocurran juntos. Un ejemplo sera el
hecho de que un estudiante tenga tanto un
estreo como una TV en su habitacin.
5-24

Regla especial de
multiplicacin
La regla especial de multiplicacin
requiere que dos eventos A y B sean
independientes.
Dos eventos A y B son independientes si la
ocurrencia de una no afecta la
probabililidad de ocurrencia del otro.
La regla especial se escribe:
P(A y B) = P(A) * P(B).
5-25

EJEMPLO 6
Chris posee dos inventarios independientes
uno de otro. La probabilidad de que el
inventario A aumente su valor el prximo
ao es .5. La probabilidad de que el B
aumente el suyo es .7.
Cul es la probabilidad de que ambos
aumenten su valor el prximo ao?
P(A y B) = (.5)(.7) = .35.
5-26

EJEMPLO 6 continuacin
Cul es la probabilidad de que al menos
uno aumente su valor el prximo ao (esto
implica que cualquiera de los dos o ambos
aumenten)?
As, P(al menos uno) = (.5)(.3) + (.5)(.7) +
(.7)(.5) = .85.
5-27

Probabilidad condicional
Probabilidad condicional es la
probabilidad de que ocurra un evento en
particular, dado que ocurri otro evento.
Nota: la probabilidad de que ocurra el
evento A dado que ya ocurri B se denota
como
P(A|B).
5-28

Regla general de multiplicacin

La regla general de multiplicacin se
utiliza para determina la probabilidad
conjunta de que ocurran dos eventos y
establece: para dos eventos A y B, la
probabilidad conjunta que ambos
ocurran se encuentra multiplicando la
probabilidad de A por la probabilidad
condicional de B dado que A ocurri.
5-29

Regla general de multiplicacin

La probabilidad conjunta, P(A y B) est
dada por la siguiente frmula:
P(A y B) = P(A) * P(B|A)
o
P(A y B) = P(B) * P(A|B)
5-30

EJEMPLO 7
La directora de la escuela de administracin
en Guadalajara recolect la siguiente
informacin acerca de los estudiantes de
licenciatura del colegio:
rea Hombre Mujer Total

Contabilidad 170 110 280

Finanzas 120 100 220

Mercadotecnia 160 70 230

Administracin 150 120 270

Total 600 400 1000

5-31

EJEMPLO 7 continuacin

Si un estudiante se selecciona al azar, cul

es la probabilidad de que el estudiante sea
mujer del rea de contabilidad?
P(A y F) = 110 / 1000.
Dado que la estudiante es mujer, cul es la
probabilidad que est en el rea de
contabilidad? P(A|F) = [P(A y F)] / [P(F)] =
[110 / 1000] /[400 / 1000] = .275.
5-32

Diagrama de rbol
El diagrama de rbol es muy til para
visualizar las probabilidades condicional y
conjunta y en particular para el anlisis de
decisiones administrativas que involucran
varias etapas.
EJEMPLO 8: una bolsa contiene 7 fichas
rojas (R) y 5 azules (B), se escogen 2 fichas,
una despus de la otra sin reemplazo.
Construya el diagrama de rbol con esta
informacin.
5-33

EJEMPLO 8 continuacin

6/11 R2

7/12 R1
5/11 B2
7/11 R2
5/12 B1
4/11 B2
5-34

Teorema de Bayes
El teorema de Bayes se representa con la
frmula:

P( A1) * P( B | A1)
P( A1 | B)
P( A1) * P( B | A1) P( A2) * P( B | A2)
5-35

EJEMPLO 9
La compaa AguaFon ha recibido varias
quejas debido a que sus botellas no van bien
llenas. Una queja fue recibida hoy pero el
gerente de produccin no puede identificar
cul de las dos plantas Tehuacn (A o B) llen
esta botella. Cul es la probabilidad de que la
botella mal llenada haya salido de la planta
A?
5-36

EJEMPLO 9 continuacin

% de % de
produccin faltante en
total botellas
A 55 3

B 45 4

P(A |U) = [(.55)(.03)]/[(.55)(.03) +

(.45)(.04)] = .4783.
5-37

Algunos principios de conteo

Frmula de la multiplicacin: si hay m
modos de hacer una cosa y n formas de
hacer otra, existen m x n formas de hacer
ambas.
EJEMPLO 10: el doctor Delong tiene 10
camisas y 8 corbatas. Cuntos conjuntos de
camisas /corbatas tiene?
(10)(8) = 80.
5-38

Algunos principios de conteo

Permutacin: un arreglo de r objetos
seleccionados a partir de un grupo nico
de n objetos posibles.
n!
n Pr
(n r ) !
Nota: el orden del arreglo es importante en
las permutaciones.
5-39

Principios de conteo
Combinacin: el nmero de modos para
elegir r objetos de un grupo de n objetos sin
considerar el orden.

n!
nCr
r !(n r ) !
5-40

EJEMPLO 11
El entrenador Topete tiene que elegir 5
jugadores entre los doce del equipo para
incluirlos en alineacin. Cuntos grupos
diferentes se pueden formar?
12C5 = (12!)/[5!(12-5)!] =792

Suponga que el entrenador Topete debe

clasificarlos en orden:
12P5 = (12!)/(12-5)! = 95,040.
Hasta este momento:
Despues de repasar este material con
relacin a la Teora de las probabilidades
ahora es el momento de realizar las
actividades de aprendizaje y evaluacin
principalmente busca en las lecturas
ejercicios de aplicacin por cada tipo de
probabilidad, as como de permutaciones y
combinaciones.

47